Les investissements en intelligence artificielle continuent de ralentir. Quels types de projets et de stratégies d'investissement en IA peuvent survivre au cycle ?

Selon le rapport trimestriel « State of AI » récemment publié par l'organisme de recherche CB Insights, conformément à la situation actuelle du marché des capitaux, les investissements dans l'IA continuent de ralentir.

L'investissement total dans les startups d'IA a chuté de 31 % depuis le dernier trimestre pour atteindre son plus bas niveau depuis le troisième trimestre 2020. Les financements à grande échelle (plus de 100 millions de dollars) ont chuté de 39 % par rapport au trimestre précédent, atteignant leur plus bas niveau en neuf trimestres.

Bien que la stagnation du financement de l'IA ralentisse le développement du domaine, elle incite également les investisseurs à se concentrer davantage sur les projets d'IA susceptibles de parvenir à un développement durable. Les investisseurs doivent comprendre les startups d'IA qui ont reçu un financement pour avoir une idée générale de la manière dont l'industrie de l'IA se développera dans les mois à venir.

AI Business Model

AI startup est un terme vague qui s'applique généralement à tous les types d'entreprises, allant de la fourniture d'outils d'IA tels que MLOps, aux outils d'analyse prédictive, en passant par le développement de modèles sans code/low code. ) aux entreprises utilisant l'IA dans leurs produits (comme les sociétés d'assurance qui utilisent l'apprentissage automatique pour prédire les risques).

Cependant, certains facteurs déterminent le succès des modèles commerciaux formés autour de l’IA et de l’apprentissage automatique. Voici quelques principes communs de ses produits :

1. Adéquation produit/marché : Les produits d'IA doivent résoudre des problèmes non résolus ou apporter une valeur ajoutée suffisante aux solutions existantes.

2. Stratégie de croissance : Il doit exister des canaux évolutifs pour que le produit apporte sa valeur aux utilisateurs cibles (comme la publicité payante et l'intégration avec les applications existantes). Ces canaux doivent être défensifs et empêcher les concurrents de conquérir des parts de marché.

3. Marché cible : Les investisseurs espèrent obtenir un retour sur investissement. Il doit exister un marché important pour que son produit se développe et atteigne sa valorisation cible. Si le produit est trop spécialisé et que peu de gens s'en soucient, les investisseurs ne seront pas intéressés à le financer.

En plus des principes ci-dessus, les produits utilisant l'IA et l'apprentissage automatique doivent également résoudre d'autres problèmes :

1 Données de formation : Les équipes produit doivent disposer de suffisamment de données de haute qualité pour former et tester leurs modèles. Dans certains cas, ces données sont faciles à obtenir (comme les ensembles de données publiques et les données existantes dans les bases de données d’entreprise) ; dans d’autres, elles sont plus difficiles à obtenir (comme les données sur la santé). Pour certaines applications, les données peuvent différer légèrement selon les zones géographiques et les publics, ce qui nécessite leurs propres efforts de collecte de données.

2. Amélioration continue : Les modèles d'IA et d'apprentissage automatique doivent être constamment mis à jour à mesure que le monde évolue. Après avoir déployé un modèle d'apprentissage automatique, les équipes produit doivent disposer d'une stratégie de collecte continue de données pour mettre à jour et améliorer le modèle. Cette amélioration continue renforce également la défense du produit face aux concurrents.

Conformément à ces principes, selon un rapport d'enquête de CB Insights, il est nécessaire de comprendre s'il existe une tendance pour les startups d'IA à attirer des fonds pour leurs projets d'IA pendant le ralentissement économique.

Des projets d'IA qui ont résisté à la tendance et obtenu un financement de démarrage

Le montant moyen du financement de démarrage dans le secteur de l'IA est resté stable à environ 3 millions de dollars américains. En revanche, la taille des transactions à un stade intermédiaire et avancé a chuté respectivement de 15 % et de 53 % d'un trimestre à l'autre. Mais le nombre de transactions en phase de démarrage a diminué, ce qui signifie que les startups d’IA auront plus de mal à trouver des investissements pour leurs idées de produits.

Parmi les financements d’amorçage et les transactions providentielles mentionnés dans le rapport de CB Insights, la startup israélienne d’IA Voyantis a reçu un financement de 19 millions de dollars en juillet pour développer sa plateforme de croissance prédictive.

L'environnement publicitaire actuel a changé, avec des réglementations plus strictes sur les données des utilisateurs et la confidentialité, et Voyantis s'engage à résoudre ces problèmes rencontrés par les spécialistes du marketing. Par exemple, Apple a récemment ajouté une fonctionnalité à iOS qui permet aux utilisateurs d'empêcher les annonceurs de collecter les identifiants de leurs appareils. Sans données détaillées sur les utilisateurs, les précédentes campagnes basées sur des règles ne pouvaient produire que de mauvais résultats, ce qui augmenterait le coût par acquisition d'utilisateur (CAC). Voyantis utilise l'apprentissage automatique pour prédire le comportement des utilisateurs et la valeur à vie, aidant ainsi à prendre des décisions éclairées et à améliorer le retour sur investissement des campagnes marketing.

Eleven Therapeutics, une autre start-up biotechnologique basée en Israël, a reçu 22 millions de dollars de financement de démarrage en août de cette année. Il se concentre sur les thérapies à base d’ARN, un domaine qui a beaucoup retenu l’attention ces dernières années, notamment lors de la propagation de l’épidémie de nouveau coronavirus.

La société développe un cadre d'apprentissage en profondeur pour "générer des données fonctionnelles sur la distribution d'activité des molécules d'ARNsi". Il n'y a pas beaucoup d'informations sur la technologie d'IA de l'entreprise, mais il s'agit d'un espace de marché avec beaucoup de potentiel, et parmi ses bailleurs de fonds figure la Fondation Bill & Melinda Gates.

La start-up américaine Spice AI a reçu 14 millions de dollars de financement de démarrage en septembre de cette année et construit une infrastructure numérique pour créer des applications Web3 basées sur l'IA. Il est intéressant de noter que cette société a réussi à attirer des investissements à une époque où le secteur des startups de cryptographie est dans une pire situation que les autres secteurs.

Il y a trois choses à noter à propos de cette entreprise : premièrement, elle crée une infrastructure d'ingénierie de données pour indexer les données existantes sur les principales blockchains, ce qui signifie qu'elle ne rencontre aucun obstacle majeur pour obtenir les données. Deuxièmement, ses fondateurs sont des vétérans de Microsoft Azure, dont le directeur de la technologie Mark Russinovich et l'ancien et actuel PDG de GitHub (acquis par Microsoft en 2018). Le fait de disposer d’une personnalité aussi prestigieuse du secteur permet à l’entreprise d’attirer plus facilement des investissements, même dans les moments les plus difficiles. Troisièmement, l'ingénierie des données blockchain est en grande partie un problème non résolu auquel les entreprises Web3 seront certainement confrontées à mesure que le secteur mûrit, ce qui peut donc être considéré comme l'un des projets Web3 à moindre risque.

Qui a reçu d'énormes investissements dans le domaine de l'IA ?

Parmi les startups qui ont reçu d'énormes financements au troisième trimestre 2022, la startup américaine Afresh a reçu 115 millions de dollars de financement de série B en août de cette année. L'entreprise utilise l'apprentissage automatique pour aider les exploitants d'épiceries à réduire le gaspillage alimentaire jusqu'à 25 %, car la plateforme suit les ventes de produits frais et aide à prédire la demande future des clients. Les équipes de chaîne d'approvisionnement peuvent utiliser la plateforme pour optimiser les achats, et les utilisateurs peuvent passer des commandes directement auprès des fournisseurs en utilisant la plateforme pour réduire le gaspillage alimentaire.

La société compte déjà des milliers de clients dans 40 États des États-Unis et utilisera le nouveau financement pour développer son activité, étendre le marché à d'autres pays et régions et ajouter de nouvelles fonctionnalités pour augmenter la valeur et la couverture du marché de ses produits. .

Une autre entreprise qui a reçu d'énormes investissements est le développeur d'applications mobiles basé en Italie, Bending Spoons, qui a levé 340 millions de dollars en septembre de cette année. Bending Spoons développe des applications mobiles de retouche vidéo et photo qui utilisent l'apprentissage automatique pour effectuer des tâches complexes telles que la suppression de l'arrière-plan, le sous-titrage automatique et l'amélioration des photos.

L'application de l'entreprise adopte un modèle freemium, où les utilisateurs peuvent utiliser les fonctions de base gratuitement, mais doivent payer pour utiliser les fonctions avancées. Fondée en 2013, Bending Spoons a été téléchargée plus de 500 millions de fois et réalise un chiffre d'affaires annuel supérieur à 100 millions de dollars depuis plusieurs années. La prochaine étape consistera à utiliser le nouveau financement pour développer de nouveaux produits et réaliser des acquisitions, commercialiser ses nouveaux produits auprès des clients existants. , et Collectez plus de données pour accroître davantage votre avance sur vos concurrents.

Les règles d'investissement de l'IA à travers les cycles

Si vous vous penchez sur les entreprises d'IA qui reçoivent un financement, vous obtiendrez plus d'informations, mais faites attention aux points suivants :

1. Adhérez aux bons principes de produit : . Quelle que soit l’ampleur de l’IA, les deux nécessitent un produit qui résout un problème réel, est bien meilleur que les autres produits et présente moins de résistance à l’adoption. Dans le même temps, les produits d’IA doivent également disposer d’un marché énorme, d’une marge d’expansion et d’une vision claire d’une croissance durable.

2. L'IA B2B est la plus importante : Bien que les applications basées sur l'IA soient pratiques pour les consommateurs, leur valeur pour les entreprises est bien plus grande, d'autant plus que l'économie entre en récession. Une IA bien mise en œuvre peut réduire le gaspillage d'argent, optimiser les recommandations et automatiser les fonctions manuelles, ce qui a un impact sur les dépenses et les revenus d'une entreprise d'IA.

3. Trouver de nouveaux marchés d'IA dans des problèmes non résolus : Dans le domaine de l'IA, les marchés établis sont difficiles à conquérir car les entreprises d'IA existantes disposent déjà de meilleurs ensembles de données pour entraîner leurs modèles. Et il est plus facile et moins coûteux de pénétrer de nouveaux marchés, surtout si vous pouvez collecter rapidement des données pour former des modèles d'apprentissage automatique avant vos concurrents.

4. Réduisez le coût d'acquisition des données : Recherchez des idées d'IA où les données existent déjà et sont annotées (par exemple, transactions financières, historique des ventes, dossiers des patients). Ou recherchez des solutions qui génèrent les données nécessaires au modèle afin de réduire le besoin de collecte de données. Si l'application d'une entreprise nécessite un nouveau pipeline pour collecter, nettoyer et annoter les données, cela nécessitera plus de temps, de talent et d'argent, ce qui est difficile à réaliser dans la situation actuelle.

5. Avoir des fondateurs bien connus attirera plus d'investissements : Les fondateurs qui ont travaillé dans de grandes entreprises technologiques sont plus susceptibles d'attirer davantage d'investissements pour les entreprises d'IA (comme l'infrastructure de données de Web3AI).

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!