作为VC投资人，对于生成式AI创业热潮的看法....

作者：桂曙光

来源：天使茶馆

原文作者：SABRINA WU / VIVEK RAMASWAMI

图片来源：由无界 AI工具生成

在过去的九个月时间里，作为VC投资人，我们看到的大多数新创业的公司/新的创意都与人工智能（AI）相关，尤其是生成式AI（Generative AI），这也不足为奇。我们看过了这个领域数百个创业项目的推介，但只投资了其中少数几个。显然面临这种情况的不仅仅是我们，仅在2023年第一季度，就有17亿美元投入到了GenAI初创公司，而这个数字在第二季度可能会增加5倍。

我们想分享一些正在见证的这个热门主题和推介项目、投资人关注的重要特征，以及从财务角度区分“好与优秀”的要素。这个领域仍然处于初期阶段，没有什么是确定的，但我们希望后面的内容对创始人有所帮助，因为他们希望能在这个竞争日益激烈的领域中脱颖而出。

生成式AI子类别的 VC投资额估计（来源：Dealroom）

1.我们通常会看到的创意有哪些？

早期阶段（Pre-Seed/Seed/A轮）

在非常早期的阶段，我们看到大量“生成式原生”（generative-native）的公司正在涌现。这些公司本身就建立在基础模型之上，作为服务于最终用户的应用程序或位于模型和应用程序之间的“中间件”工具层。

创意1：使用模型生成基于文本的内容，可以在电子邮件、知识库和其他应用程序中创建新的或增强现有的文本。

创意2：“X的副驾驶”；人工智能代理与人类操作员并肩作战，以增强他们编写代码、起草演示文稿和执行其他任务的能力。我们已经看到很多针对特定垂直用例的副驾驶应用程序，以及一些试图实现更“个性化”副驾驶的应用程序。

创意3：用于管理嵌入和向量数据库的LLM（大语言模型）工具。

总结：要成为一家差异化的早期生成式AI初创公司，拥有一条或多条护城河非常重要。护城河的范围很广，包括对分布、AI/机器学习人才、计算、数据、模型的不公平访问，或者对你正在解决的问题领域有不同的观点，以及如何创造更令人愉快的用户体验。

早期-成长期和成长期（B/C+轮）

对于我们在B/C轮阶段见到的公司，它们通常诞生于“前LLM”时代，现在正在找出如何最好地将基础模型的能力融入到现有的产品中。我们将这些公司称为“生成式增强”（generative-enhanced）公司，它们不一定需要重新发明自己的轮子，但要确保不会输给LLM原生初创公司。

创意1：预测分析；很多规模化的SaaS公司正在利用AI从它们已有的大型数据集中提取洞察力，用于更准确地预测收入增长、客户流失率等指标。

创意2：个性化和推荐；这是我们看到成长阶段的初创公司利用AI的最快、影响最大的方式之一。基础模型的出现使B2B和B2C公司都可以向现有客户提供更稳健和准确的产品推荐。

创意3：“即时自动完成”；在几乎所有具有文本或写作组件的成长阶段公司中，我们看到LLM被用于“即时自动完成”，与用户使用ChatGPT的体验相似。

总结：如果你还没有开始尝试改善业务或重新设计架构以使其更加“AI友好”，请考虑让你的产品团队中的一小部分人专门打造新功能。

对进入该领域的初创公司的警告：重要的是要评估生成式AI公司完成了多少融资，特别是在特定的子类别中。看看Dealbook绘制的250多家生成式AI公司的市场格局，模型构建、文案工具和向量数据库的公司已经完成了数亿美元的融资。当然，这并不意味着不能在这个领域创立另一家创新型初创公司，但重要的是要注意…

2.从财务角度来看，“好”是什么样的？

对于智能应用公司，“好”的财务指标是什么样子，我们的理解仍然处于早期阶段，但在SaaS领域，我们认为“同类最佳”的增长率类似于下图的情况。请记住，我们不再追求“不惜一切代价实现增长”，因此效率和烧钱速度是重要因素。

产品发布时间：智能应用程序的优势之一，是能够以比过往更快的速度发布产品。我们设想，很多智能应用公司将推出处于“测试版”状态的产品，以便它们开始收集用户数据，并用于创建“基于人类反馈的强化学习”（RLHF）循环。从历史上看，产品发布后可能需要一年时间才能达到100万美元的年度可重复收入（ARR），但我们可能会看到生成式AI公司达到100万美元ARR的速度更快，因为客户可以很快看到投资回报率（ROI）。很多生成式AI产品也通过产品导向增长（PLG）/自下而上的销售方式受益于病毒式传播（例如Jasper、Lensa、Harvey、Tome 等）。