作者：SABRINA WU、VIVEK RAMASWAMI. 编译：Cointime：QDD.

我们作为风险投资人（VC）经常看到数百个新公司和创意的提案，但只会对其中少数进行投资。在过去的九个月中，毫不奇怪的是，我们看到的大多数新公司创意都与人工智能（AI）有关，特别是生成式AI。显然，这并不只是我们一个人的感觉。 alleone在今年第一季度就有17亿美元流入了生成式AI初创企业，这个数字在第二季度可能会增长5倍。

在本周的文章中，我们希望分享一些我们目前看到的共同主题和提案，我们关注的非平凡特征，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级阶段，没有确定性，但我们希望通过这篇文章与创业者分享，帮助他们在竞争日益激烈的领域中建立业务并实现差异化。

我们普遍看到的创意有哪些呢？

早期阶段（PreSeed/Seed/Series A）

在非常早期的阶段，我们看到了大量的“生成式原生”公司的涌现。这些公司在基础模型的基础上进行了本地化构建，可以作为为最终用户提供应用程序或作为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工作，增强其在编写代码、起草演示文稿和其他任务方面的能力。我们看到了许多针对特定垂直应用案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（Language Model）工具。

总结：在一月份，我们写了一篇强调AI时代的护城河的文章。为了成为一个与众不同的早期阶段生成式AI初创企业，拥有一个或多个护城河是很重要的。护城河可以从拥有对分销、人工智能/机器学习人才、计算能力、数据、模型的不公平访问，或对您正在解决的问题空间和如何创造更愉悦的用户体验的差异化观点等方面存在。

早期增长和成长（Series B/C+）

对于我们在B轮/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产品中。我们称这些公司为“生成式增强”公司，它们不一定需要重新发明轮子，但必须确保不会输给生成式原生初创企业。

创意1：预测分析；许多规模化的SaaS公司正在利用AI从他们已经拥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和流失率等。

创意2：个性化和推荐；这是我们看到成长阶段初创企业利用AI的最快和最高影响力的方式之一。基础模型的出现使B2B和B2C公司都能够向现有客户提供更强大和准确的产品推荐。

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，我们看到正在使用LLM进行“即时自动完成”，这与用户在与ChatGPT交互时的体验相似。

总结：如果您还没有开始尝试改善业务或重新设计架构以更加“AI友好”，可以考虑将您的产品团队中的一小部分人员投入到构建新功能上。

创业公司进入该领域的注意事项→重要的是要考虑生成式AI公司已经筹集到多少资金，特别是在特定子类别中。只需看一下Dealbook绘制的250多家生成式AI公司的市场格局，构建模型、文案工具和向量数据库的公司已经筹集了数亿美元。当然，这并不意味着不能在这里构建另一个创新的创业公司，但重要的是要注意...

从财务角度来看，“好”的表现是什么样的？

对于智能应用公司的“好”的财务指标，我们仍然处于早期阶段，但在SaaS领域，我们认为“最佳增长率”应该类似于以下情况。请记住，我们不再追求“以任何代价增长”，因此效率和燃烧情况是重要因素。

产品上市时间：智能应用程序的一个好处是能够比以往任何时候都更快地推出产品。我们预计，许多智能应用公司将在产品处于“测试版”状态时推出产品，以便开始收集用户数据，并应用于创建RLHF（Reinforcement Learning from Human Feedback）循环。从历史上看，可能需要一年时间才能实现100万美元的年度收入，但考虑到客户可以迅速看到投资回报的速度，我们可能会看到生成式AI公司更快地达到100万美元的年度收入。许多生成式AI产品还通过PLG（产品导向增长）/自下而上的销售方式获得传播性（例如，Jasper、Lensa、Harvey、Tome等）。

客户保留率：虽然生成式AI公司可能会迅速吸引新客户，但客户流失率也可能更高。对于SaaS公司，良好的毛留存率约为85%-95%，最佳实践接近95%+。在净留存率方面，我们认为良好的表现是110% - 120%+，最佳实践是120%+。较高的流失率可能是由于模型持续产生错误的输出，出现了其他竞争产品等。在智能应用案例中，PLG方式的一个重要要素是客户尝试新产品或每月支付10-20美元，但很快就放弃的简易程度。

成本与毛利润率：在之前的一篇文章中，我们谈到我们预计许多智能应用公司的成本会涉及到1）模型；2）训练和微调；以及3）FM运营。自从写了那篇文章以来，我们从各方面听说在运行对这些LLM和向量数据库（通过Pinecone等公司）的查询时成本非常高。在许多情况下，我们听说客户可能会对模型运行查询，直到获得他们想要的输出，因为他们按许可证付费，运行的查询次数对未来的成本产生了实质性影响。因此，我们预计AI驱动的公司的毛利润率可能会下降。

“好”与“优秀”之间有何区别？

与任何其他技术或行业一样，作为风险投资人，我们最终仍然是在评估优秀的团队、巨大的市场以及对客户痛点的敏锐理解。这些基本原则是不变的：

1. 以客户为中心/解决真实痛点：在任何新的技术变革中，我们看到许多公司只是试图“顺应潮流”，构建“酷”的技术，但并没有真正解决客户的痛点。了解的首要问题是：您是否解决了一个“火上的头发”的问题，生成式AI是否是解决这个问题的更好方式还是不必要的？

2. 团队-在LLM的新时代中，构建产品和公司的机会已经得到了民主化。因此，我们看到许多创始团队在他们很少具备领域知识或专业知识的领域中进行建设。了解的问题是：为什么您的团队是最适合解决这个问题的？

3. 快速适应和执行能力-毫无疑问，这个领域发展迅速。团队具有敏捷性并能够根据需要快速在产品和策略上进行调整，这比以往任何时候都更重要。同时，重要的是要坚守基本原则，而不仅仅是追逐炒作。换句话说，您将如何反应和判断何时是潜在转变公司的正确时机？

4. 可复制性-虽然AI可以帮助公司更快地起步，但这意味着在某个类别中可能会出现更多的竞争对手。只需看看发布的所有生成式AI市场地图和涌入该类别的资金。优秀的创始人和团队将认识到有哪些独特的空白需要填补，并避免在混乱中迅速迷失。

结论

作为风险投资人，我们对人工智能在各个领域产生的影响和乐观情绪与其他人一样。然而，在过去一年的数百个提案中，显然在这个领域存在着很多炒作，创始人需要通过差异化自己并最终证明产品价值。

还有其他一些需要注意的领域：

1. 估值：虽然与2021年的高点相比，整体风险投资市场有所下降，但对于人工智能（尤其是生成式AI），资金和估值仍然如此之高。这反映了风险投资者和创始人对该领域的兴趣，但重要的是要注意，就像任何其他周期一样（如互联网泡沫和破裂），只有很小一部分创业公司最终能够实现退出，估值在以后的几年中可能会下降90%以上。

2. 原生生成式与增强生成式：作为原生生成式公司，你能够构建哪些增强生成式公司无法做到的？作为一个进入这个类别的新创业公司，你在与现有公司有显著差异的地方做了什么？像微软、谷歌和亚马逊这样的大型科技公司已经迅速采用LLM技术，因此了解你在哪些方面能够有效地与它们竞争是关键。

3. 预算限制：随着宏观环境的挑战和预算的紧缩，了解你的产品真正有多重要是很重要的。在之前的牛市中，几乎任何SaaS产品都可以实现几百万美元的收入。在当前环境和不断减弱的经济衰退风险下，首席信息官正在审视每一项开支，看看他们可以削减哪些开支。将AI纳入产品是否有助于他们，或者对他们来说最终并不重要？

以下是智能应用领域的一些私人融资公告。这些交易涉及在过去两周内获得种子轮到E轮融资的美国或加拿大的智能应用公司。

新交易公告 - 2023年5月26日至2023年6月8日