我們想分享一些正在見證的這個熱門主題和推介項目、投資人關注的重要特征，以及從財務角度區(qū)分“好與優(yōu)秀”的要素。這個領域仍然處于初期階段，沒有什么是確定的，但我們希望后面的內(nèi)容對創(chuàng)始人有所幫助，因為他們希望能在這個競爭日益激烈的領域中脫穎而出。

生成式AI子類別的 VC投資額估計（來源：Dealroom）

1.我們通常會看到的創(chuàng)意有哪些？

早期階段（Pre-Seed/Seed/A輪）

在非常早期的階段，我們看到大量“生成式原生”（generative-native）的公司正在涌現(xiàn)。這些公司本身就建立在基礎模型之上，作為服務于最終用戶的應用程序或位于模型和應用程序之間的“中間件”工具層。

• 創(chuàng)意1：使用模型生成基于文本的內(nèi)容，可以在電子郵件、知識庫和其他應用程序中創(chuàng)建新的或增強現(xiàn)有的文本。

• 創(chuàng)意2：“X的副駕駛”；人工智能代理與人類操作員并肩作戰(zhàn)，以增強他們編寫代碼、起草演示文稿和執(zhí)行其他任務的能力。我們已經(jīng)看到很多針對特定垂直用例的副駕駛應用程序，以及一些試圖實現(xiàn)更“個性化”副駕駛的應用程序。

• 創(chuàng)意3：用于管理嵌入和向量數(shù)據(jù)庫的LLM（大語言模型）工具。

總結(jié)：要成為一家差異化的早期生成式AI初創(chuàng)公司，擁有一條或多條護城河非常重要。護城河的范圍很廣，包括對分布、AI/機器學習人才、計算、數(shù)據(jù)、模型的不公平訪問，或者對你正在解決的問題領域有不同的觀點，以及如何創(chuàng)造更令人愉快的用戶體驗。

早期-成長期和成長期（B/C+輪）

對于我們在B/C輪階段見到的公司，它們通常誕生于“前LLM”時代，現(xiàn)在正在找出如何最好地將基礎模型的能力融入到現(xiàn)有的產(chǎn)品中。我們將這些公司稱為“生成式增強”（generative-enhanced）公司，它們不一定需要重新發(fā)明自己的輪子，但要確保不會輸給LLM原生初創(chuàng)公司。

• 創(chuàng)意1：預測分析；很多規(guī)?；腟aaS公司正在利用AI從它們已有的大型數(shù)據(jù)集中提取洞察力，用于更準確地預測收入增長、客戶流失率等指標。

• 創(chuàng)意2：個性化和推薦；這是我們看到成長階段的初創(chuàng)公司利用AI的最快、影響最大的方式之一?；A模型的出現(xiàn)使B2B和B2C公司都可以向現(xiàn)有客戶提供更穩(wěn)健和準確的產(chǎn)品推薦。

• 創(chuàng)意3：“即時自動完成”；在幾乎所有具有文本或?qū)懽鹘M件的成長階段公司中，我們看到LLM被用于“即時自動完成”，與用戶使用ChatGPT的體驗相似。

總結(jié)：如果你還沒有開始嘗試改善業(yè)務或重新設計架構(gòu)以使其更加“AI友好”，請考慮讓你的產(chǎn)品團隊中的一小部分人專門打造新功能。

對進入該領域的初創(chuàng)公司的警告：重要的是要評估生成式AI公司完成了多少融資，特別是在特定的子類別中?？纯碊ealbook繪制的250多家生成式AI公司的市場格局，模型構(gòu)建、文案工具和向量數(shù)據(jù)庫的公司已經(jīng)完成了數(shù)億美元的融資。當然，這并不意味著不能在這個領域創(chuàng)立另一家創(chuàng)新型初創(chuàng)公司，但重要的是要注意…

2.從財務角度來看，“好”是什么樣的？

對于智能應用公司，“好”的財務指標是什么樣子，我們的理解仍然處于早期階段，但在SaaS領域，我們認為“同類最佳”的增長率類似于下圖的情況。請記住，我們不再追求“不惜一切代價實現(xiàn)增長”，因此效率和燒錢速度是重要因素。

產(chǎn)品發(fā)布時間：智能應用程序的優(yōu)勢之一，是能夠以比過往更快的速度發(fā)布產(chǎn)品。我們設想，很多智能應用公司將推出處于“測試版”狀態(tài)的產(chǎn)品，以便它們開始收集用戶數(shù)據(jù)，并用于創(chuàng)建“基于人類反饋的強化學習”（RLHF）循環(huán)。從歷史上看，產(chǎn)品發(fā)布后可能需要一年時間才能達到100萬美元的年度可重復收入（ARR），但我們可能會看到生成式AI公司達到100萬美元ARR的速度更快，因為客戶可以很快看到投資回報率（ROI）。很多生成式AI產(chǎn)品也通過產(chǎn)品導向增長（PLG）/自下而上的銷售方式受益于病毒式傳播（例如Jasper、Lensa、Harvey、Tome 等）。

客戶留存：雖然生成式AI公司可能會很快吸引新客戶，但客戶流失率可能也更高。對于SaaS公司，良好的毛留存率約為85%-95%，同類最佳接近95%+。就凈留存率而言，我們認為良好的比例是110%-120%+，最好的情況是120%+。更高的客戶流失率可能是由于模型持續(xù)產(chǎn)生錯誤的輸出、其他競爭產(chǎn)品的涌現(xiàn)等。在智能應用案例中，PLG方式的一個重要因素是客戶非常容易嘗試新產(chǎn)品或每月支付10-20美元，但很快就會流失。

銷貨成本（COGS）和毛利率：我們預計很多智能應用公司新的成本會涉及：1）模型；2）訓練和微調(diào)；3）設施管理運營。我們聽說在這些LLM和向量數(shù)據(jù)庫存儲（通過Pinecone 等公司）上運行查詢的成本一直很高。在很多情況下，我們聽說客戶可能會在模型上運行查詢，直到獲得他們想要的輸出，并且由于他們按授權(quán)許可付費，因此運行的查詢次數(shù)對成本產(chǎn)生了實質(zhì)性影響。因此，我們預計人工智能驅(qū)動型公司的毛利率可能會下降。

3.“好”與“優(yōu)秀”的區(qū)別是什么？

與任何其他技術或行業(yè)一樣，作為VC投資人，我們最終仍然是評估優(yōu)秀的團隊、巨大的市場以及對客戶痛點的敏銳理解。這些基本原則不會改變：

• 以客戶為中心/解決真實的痛點：在任何新技術變革中，我們都會看到很多新公司只是試圖“順應潮流”、打造“酷炫”的技術，但并沒有真正解決客戶的痛點問題。要理解的第一個問題是：你在解決一個“頭發(fā)著火”的問題，生成式AI是有助于解決這個問題的更好方式，還是不必要的技術？

• 團隊：在這個LLM新時代，打造新產(chǎn)品和創(chuàng)立公司的機會已經(jīng)非常民主化。因此，我們看到很多創(chuàng)始團隊在他們幾乎沒有行業(yè)知識或?qū)I(yè)能力的領域創(chuàng)業(yè)。需要了解的問題是：為什么你的團隊最適合解決這個問題？

• 快速適應和執(zhí)行能力：毫無疑問，這個領域正在快速發(fā)展?，F(xiàn)在比以往任何時候都更重要的是，團隊要具備敏捷性，并根據(jù)需要快速調(diào)整產(chǎn)品和戰(zhàn)略。與此同時，重要的是要堅守基本原則，而不僅僅是追逐炒作。換句話說：你將如何反應并了解何時是對公司進行潛在調(diào)整的合適時機？

• 可復制性：雖然AI可以幫助公司更快地起步，但這也意味著一個類別中的競爭對手可能比以前多得多。只要看看公開發(fā)布的生成式AI市場格局圖和涌入該類別的資金。優(yōu)秀的創(chuàng)始人和團隊會認識到哪里有獨特的漏洞需要填補，并在很大程度上避開他們很快就會在混亂中迷失的子領域。4.結(jié)論

作為VC投資人，我們跟其他人一樣對AI將產(chǎn)生的全面影響感到興奮和樂觀。然而，在過去一年我們見過的數(shù)百個項目推介中，很明顯能看出該類別存在大量的炒作，對于創(chuàng)始人來說，比以往任何時候都更加重要的是讓自己差異化并脫穎而出，最終證明產(chǎn)品價值。

其他一些注意事項：

• 估值：雖然整體的VC市場相對于2021年的峰值有所下降，但AI（尤其是生成式AI）的融資額和估值還是很高。這反映了VC和創(chuàng)始人對該領域的興趣，但重要的是要注意，就像任何其他周期一樣（如互聯(lián)網(wǎng)泡沫和破滅），只有一小部分初創(chuàng)公司最終會生存到退出，估值在隨后的幾年中，可能會下降90%以上。

• 生成式原生vs.生成式增強：作為一家生成式原生公司，你可以打造哪些生成式增強公司無法打造的產(chǎn)品？作為一家進入某個類別的新創(chuàng)業(yè)公司，你與現(xiàn)有公司有意義的差異性是什么？像微軟、谷歌和亞馬遜這樣的大型科技公司已經(jīng)在迅速采用LLM，因此了解你可以在哪些方面與他們有效競爭是關鍵。

• 預算限制：隨著宏觀環(huán)境的挑戰(zhàn)和預算的緊縮，了解你的產(chǎn)品的實際必要性非常重要。在之前的牛市中，幾乎任何SaaS產(chǎn)品都可以實現(xiàn)幾百萬美元的收入。在當前的環(huán)境和持續(xù)的經(jīng)濟衰退風險中（盡管正在減弱），目標客戶的首席信息官們（CIO）正在研究公司的每一項開支，看看可以削減哪些。將AI納入到你的產(chǎn)品中對他們有幫助還是最終無關緊要？