|
来源：Medium 作者：Louis Coppey 如今我们正处在AI创业第三波浪潮的风口。第一波AI创业公司是像Deepmind和Nnaissence这样纯粹的研究驱动型公司，其中的大多数都没有将其研究成果商业化，并且在取得盈利之前就已经被巨头收购了。第二波初创公司致力于机器学习基础设施的研发，他们建立了有效的商业模式和盈利目标，但是在大规模发展前同样逃不过被巨头收购的命运。其中最具代表性的就是提供NLP接口的创业公司Wit.ai，被Facebook收购用于增强其基于机器学习的信息助手。 如今，我们已深处AI创业的第三波浪潮中，以AI应用解决方案为主的新一代创业公司正在蓬勃发展。他们将用户聚焦于工业或者是细分行业的企业用户，而不仅仅聚焦于基础设施的发展。 AI应用公司吸引着越来越多投资人的目光，仅在英国范围内，这类公司就占据了所有AI 公司85%的投资份额。有意思的是，这些公司依旧需要参考VC的分析框架和我们一些潜在的投资逻辑。MMC的数据显示，在英国超过50%的种子轮以后的AI公司在上市前计划融资金额超过了传统SaaS公司二成到六成。虽然我们已经对于SaaS融资过程有了深入的了解，但对于机器学习我们依旧对分析模型进行了很深入细致的分析调整。 本文的分析背后包括了对于70多家在全球VC市场上平均融资在7百万美元以上的AI应用公司的研究数据，随后我们建立了一个研究框架来寻找相似的公司，以及每个公司成功的关键因素。目标是建立一个基于AI公司早期成功因素的分析框架。 我们数据库的建立参考了CB Insights表单上top100 AI公司，Crunchbase上最近很受关注的公司，以及我们平时接触的一些。同时筛掉了我们认为还属于AI第二波浪潮中类型的公司，和一些数据整合和分析公司。 数据结果 地域 美国公司占总数的69%，而英国和德国公司分别占据了8%和7%。 团队和价值 第三波创业公司的平均员工数量为133人，中位数75人，人数虽少但是相对于很高的融资额，每个雇员的平均融资额度都很高。 融资 这些公司总融资额为64亿美元，平均900万美元。但是中位数只有300万美元。 这些公司主要集中的行业是金融，市场销售，医疗健康，交通和网络安全。它们占据了AI公司总数的65%，融资额占比89%，其中有52%的份额被金融方面的应用AI公司占据。 框架定义 根据这其中的公司情况，我们把框架分成了以下四类： 1. 全价值链公司。这样的公司控制了整个价值链，他们拥有与客户和供应链的关系，同时出售软件给现存的从业者。Babylonhealth和Chris Dixon都是这其中的代表。 2. AI技术“赋能”者，是指出售的部分软件中包含AI技术。 具体来看，这一大类还可以细分为水平和垂直行业两大类。其中水平行业没有特别的行业聚焦，而垂直行业则需要对于一个细分领域有着专业化的解决方案。例如汽车公司购买的自动驾驶软件就是垂直行业的例子，而销售软件则是水平类的代表，因为销售软件可以在很多行业中使用。 技术赋能者主要负责建立水平的解决方案，这里还需要区分以代替现存行业领袖的行业颠覆者，和创造新分类的新兴行业领导者。在被Salesforce收购前，RalatedIQ就是salesforce的挑战者，而Chorus.ai是新现行业领导者最好的例子，它处于一个称为对话智能化软件的新类别中。 为了更形象的，描述这一过程，我们比较了Oracle的CRM软件和Salesforce以及RalateIQ。和十五年前Salesforce通过对于云技术的理解和。 赢得市场一样，RelateIQ随后通过机器学习为用户提供了新的附加价值而在相同的价值链上赢得了竞争机会。于是Salesforce收购了这家仅仅创立三年的公司，并推出了自己的SalesforceIQ。 这些公司中另一个显著的区别在于他们带入市场的创新方式，分别是对现有市场的创新和打破。全价值链公司和新现行业领导者是市场闯入者，其中全价值链公司的目标是替代市场中的领先者，而新现行业领导者则利用新的产品创造新的市场，同时也为VC带来了新的挑战。垂直行业的技术赋能者和水平行业的挑战者则属于创新者，他们为用户提供现有流程中所没有的附加价值和增量价值。 对于以上分类的总结 数据库中三分之二的公司属于技术赋能者，余下的属于全价值链公司。 有趣的是，全价值链公司的融资却是技术赋能类公司的五倍左右，这也从侧面反映了全价值链公司需要直接暴露在客户的诉求之下需要增加运营成本，同时需要招募全价值链的各个人才，提高了人力成本。数据同时现实这类公司的雇员数相较其他公司多。 对于技术赋能类的公司，目前为止融资额度相似。前面提到垂直行业公司的雇员较少，和saas公司类似，垂直行业公司更多的是工程和技术驱动，所以需要的销售和市场人员比水平分类的公司要少。 风险与机遇 这一框架具有实际意义原因在于每一个分类的公司都有如下特点：
更详细的总结请见下表： 以下6点是我觉得值得单独拿出来细说一下的： 1. 搭建全栈技术来扩大市场规模 AI公司在一个垂直领域深耕后，可以利用从客户得到的数据和经验来学习如何向全栈式AI公司转型。升级后的公司可以提供完整的价值链，甚至可以和之前的客户竞争。这样一来，潜在市场规模就可以增加10倍。Infermedica就是一个很好的例子，它是一个帮助医生做决策的机器学习驱动工具。随着Infermedica之后向全栈式发展，它很有可能自己就可以和现在服务的诊所一起竞争，就像Babylonhealth想做的事情一样。这对投资人来说，意味着要考虑两方面的潜在市场，一个是在某一特定市场的软件成本，还有就是当AI技术被更大范围接受后的总体市场规模。 2. 出现一些垂直类AI公司帮助传统大公司对抗通领域的全栈AI公司 通用汽车公司收购了Cruise Automation，以加强他们自动驾驶技术的研发。 Zestfinance正在帮助银行使用机器学习技术来评估信用评分，就像Kreditech、Affirm或Avant正在做的事情。这种想法的出现使得垂直类AI公司可以在全栈AI公司已获得较大认可度的市场找到新机会。 3. 先搭建解决方案来获取数据，再实现数据处理的自动化 从数据库中我们发现，有些成功的公司一开始向客户推销产品时还并没有将ML部件整合进来。对他们来说，第一步先是要拿到客户的数据。在这之后，他们再通过机器学习等技术从数据中为客户发掘更多价值。InsideSales就是一个很好的例子。它们先是收集了大量游戏化销售流程的数据，之后才开始销售基于AI的销售预测平台。值得注意的一点是，这时客户已经做好准备要为软件买单了，虽然还没有整合AI。 4. 一个领域的挑战者有可能会被寻求创新的传统大企业替代掉 我们总是会好奇使用大型SaaS公司收集数据的业务壁垒。比如一家处理处理Zendesk数据的公司。Zendesk坐拥多年票务数据的优势。如果壁垒来自数据的所有权，那么一旦算法变为商业化，那建立在依赖于第三方数据的项目的长期机会能是什么呢？我们认为，了解这些大公司的产品迭代速度和数据策略往往是评估这种风险的关键。 5. 收集和处理新的数据流来建立壁垒 抵消这种上述风险的有趣方法之一是收集现有大家都没有的新数据流。 InsideSales收集的是Salesforce数据库上层的销售生产力数据。 6. 垂直的AI技术不能随着时间的推移获得有价值的数据 我们并不能确定最后留给垂直技术赋能者的机会到底有多大，因为当传统企业面临被颠覆时有可能就不再希望与其共享数据。与其使用这些拥有垂直类技术的初创公司的解决方案，他们更愿意用AI代理商。同时，他们也与竞争对手共享数据中的竞争力。这样也就回到了第一条，拥有垂直技术或者只面向特定领域的AI初创公司要慢慢转型为全栈式，以保持长期的发展。 结 论 随着初创公司如雨后春笋般涌现，资本和媒体报道也蜂拥而至，我们似乎看到人工智能已走出80年代的寒冬，开始遍地开花。无论是从运营还是从投资战略的角度，都为我们提供了很多有趣的点去探索。这些公司新的护城河在哪里？成为赢家的策略是什么？获得长期成功的早期标准有哪些是？希望本文的框架梳理可以为关注种子轮项目的投资者剥开一丝市场中的迷雾，并帮助早期AI技术创业者合理避开风险，拥抱新时代的机会。 -END- -----本周将门技术社群分享预告----- ▼ 将门招聘 将门创投正在招募编辑、运营类全职/实习生岗位，工作地点在北京三元东桥附近，期待热爱技术的你到来，和我们一起见证技术创新的传奇！ 欢迎发送简历至>>dream@thejiangmen.com 将门是一家专注于发掘、加速及投资技术驱动型创业公司的创业服务和投资机构。 将门创业服务专注于为技术创新型的创业公司连接标杆用户和落地行业资源。 将门技术垂直社群专注于帮助技术创新型的创业公司提供来自产、学、研、创领域的核心技术专家的技术分享和学习内容。 将门投资基金专注于投资通过技术创新激活商业场景，实现商业价值的初创企业。关注领域包括：机器智能、物联网、自然人机交互、企业计算。 获取将门投资>>bp@thejiangmen.com 点击右上角，把文章朋友圈 将门创投 让创新获得认可！ 微信：thejiangmen service@thejiangmen.com |
|
|
