人工知能への投資は減速し続けていますが、どのような AI プロジェクトと投資戦略がこのサイクルを乗り切ることができるでしょうか?

調査機関CB Insightsが最近発表した「AIの現状」四半期報告書によると、資本市場の現状と一致して、AIへの投資は引き続き減速している。

AI スタートアップへの総投資額は前四半期から 31% 減少し、2020 年の第 3 四半期以来の最低水準となりました。大規模融資（１億米ドル以上）は前四半期比３９％減少し、９四半期ぶりの低水準となった。

AI 資金調達の停滞はこの分野の発展を遅らせることになりますが、投資家が持続可能な開発を達成できる可能性のある AI プロジェクトにさらに注力するよう促しています。投資家は、今後数か月で AI 業界がどのように発展するのかについての一般的なアイデアを得るために、資金提供を受けた AI スタートアップを理解する必要があります。

AI のビジネス モデル

AI スタートアップは一般にあらゆる種類の企業に適用される曖昧な用語であり、その範囲は企業から製品に AI を使用する企業（リスク予測に機械学習を使用するインシュアテック企業など）に AI ツール（MLOps、予測分析ツール、ノーコード/ローコード モデル開発など）を提供することに重点を置いています。

ただし、AI と機械学習を中心に形成されたビジネス モデルの成功を決定する要因がいくつかあります。

1. 製品/市場適合性: AI 製品は、未解決の問題を解決するか、既存のソリューションに十分な改善を提供する必要があります。

2. 成長戦略: 製品がその価値をターゲット ユーザーに届けるためには、スケーラブルなチャネルが必要です (有料広告や既存のアプリケーションとの統合など)。これらのチャネルは防御的でなければならず、競合他社が市場シェアを獲得することを困難にします。

3. 対象市場: 投資家は投資収益率を得ることを望んでいます。その製品が成長し、目標の評価額に達するには、かなりの市場が必要です。製品がニッチすぎて関心を持つ人がほとんどいない場合、投資家はその製品に資金を提供することに興味を持ちません。

上記の原則に加えて、AI と機械学習を使用する製品は、他のいくつかの問題も解決する必要があります:

1. トレーニング データ: 製品チームは十分なデータを持っている必要があります。モデルのトレーニングとテストに使用できる高品質のデータ。場合によっては、このデータは簡単に取得できる場合もありますが (公開データセットや企業データベース内の既存データなど)、取得が難しい場合もあります (健康データなど)。一部のアプリでは、地域や対象者によってデータが若干異なる場合があり、独自のデータ収集作業が必要になります。

2. 継続的な改善: AI および機械学習モデルは、世界の変化に応じて常に更新する必要があります。機械学習モデルをデプロイした後、製品チームはモデルを更新および改善するためにデータを継続的に収集する戦略を立てる必要があります。この継続的な改善により、競合他社に対する製品の防御も強化されます。

これらの原則に沿って、CB Insights の調査レポートによると、景気低迷時に AI スタートアップ企業が AI 計画に資金を集めるパターンがあるかどうかを理解する必要があります。

トレンドに逆らって早期資金調達を達成した AI プロジェクト

AI 業界における初期資金調達の平均規模は、約 300 万米ドルで安定しています。対照的に、中期段階と後期段階の取引規模は、それぞれ前四半期比で 15% と 53% 減少しました。しかし、初期段階の取引の数は減少しているため、AI スタートアップ企業は製品アイデアへの投資を見つけるのが難しくなるだろう。

CB Insightsのレポートで言及されたシード資金とエンジェル取引の中で、イスラエルのAIスタートアップVoyantisは、予測成長プラットフォームを開発するために7月に1,900万ドルの資金を受け取りました。

今日の広告環境は変化し、ユーザーデータとプライバシーに対する規制が厳しくなっており、Voyantis はマーケティング担当者が直面するこれらの問題の解決に取り組んでいます。たとえば、Apple は最近、ユーザーが広告主によるデバイス ID の収集を防止できる機能を iOS に追加しました。ユーザーに関する詳細なデータがなければ、これまでのルールベースのキャンペーンでは不十分な結果しか得られず、ユーザー獲得単価 (CAC) が増加する可能性がありました。 Voyantis は機械学習を使用してユーザーの行動と生涯価値を予測し、情報に基づいた意思決定を行い、マーケティング キャンペーンの ROI を向上させるのに役立ちます。

イスラエルに本拠を置く別のバイオテクノロジースタートアップであるイレブン・セラピューティクスは、今年8月に2,200万ドルのシード資金を獲得した。近年、特に新型コロナウイルスの流行拡大の中で注目を集めているRNA治療に焦点を当てている。

同社は、「siRNA分子の活性分布に関する機能データを生成する」ためのディープラーニングフレームワークを開発している。同社の AI テクノロジーに関する情報はあまりありませんが、多くの可能性を秘めた市場空間であり、資金面での支援者にはビル & メリンダ ゲイツ財団などが含まれます。

米国を拠点とするスタートアップ Spice AI は、今年 9 月に 1,400 万ドルのシード資金を獲得し、AI 主導の Web3 アプリケーションを作成するためのデジタル インフラストラクチャを構築しています。興味深いことに、同社は、仮想通貨スタートアップ業界が他の業界よりも悪い状況にあったときに、投資を呼び込むことに成功した。

この会社については、注目に値する 3 つの点があります。まず、主要なブロックチェーン上の既存データにインデックスを付けるためのデータ エンジニアリング インフラストラクチャを構築しています。これは、データを取得する際に大きな障害がないことを意味します。第 2 に、その創設者は Microsoft Azure のベテランであり、その中には最高技術責任者の Mark Russinovich や GitHub (2018 年に Microsoft が買収) の元および現 CEO も含まれます。このように業界で知名度の高い人物がいると、最も困難な時期でも同社は投資を呼び込みやすくなります。第三に、ブロックチェーン データ エンジニアリングは、業界が成熟するにつれて Web3 企業が必ず直面する未解決の問題であるため、これは Web3 の低リスク プロジェクトの 1 つと考えることができます。

AI 分野で巨額の投資を受けたのは誰ですか?

2022 年の第 3 四半期に巨額の資金調達を受けたスタートアップ企業の中で、アメリカのスタートアップ企業 Afresh は米国の資金調達を受けました。シリーズB資金調達で1億1,500万ドル。同社は機械学習を使用して、プラットフォームが生鮮食品の販売を追跡し、将来の顧客の需要を予測するのに役立つため、食料品店の運営者が食品廃棄物を最大 25% 削減できるよう支援しています。サプライチェーンチームはプラットフォームを使用して調達を最適化でき、ユーザーはプラットフォームを使用してサプライヤーに直接注文して食品廃棄物を削減できます。

同社はすでに米国の 40 州に数千の顧客を抱えており、今回の資金調達を利用して事業を成長させ、他の国や地域に市場を拡大し、価値と価値を高める新機能を追加していきます。同社製品の市場範囲。

巨額の投資を受けたもう1つの企業は、イタリアに本拠を置くモバイルアプリ開発会社Bending Spoonsで、今年9月に3億4,000万ドルを調達した。 Bending Spoons は、機械学習を使用して背景の削除、自動キャプション、写真の補正などの複雑なタスクを実行するモバイル ビデオおよび写真編集アプリを開発しています。

同社のアプリケーションはフリーミアムモデルを採用しており、ユーザーは基本機能は無料で利用できるが、高度な機能を利用するには料金を支払う必要がある。 2013 年に設立された Bending Spoons は 5 億回以上ダウンロードされ、ここ数年間年間収益が 1 億ドルを超えています。次のステップは、新たな資金調達を利用して新製品の開発と買収を行い、既存の顧客に新製品を販売することです。 、より多くのデータを収集して、競合他社とのリードをさらに拡大します。

サイクルによるAI投資のルール

融資を受けたAI企業を掘り下げるとより多くの情報が得られますが、以下の点に注意してください。 :

1. 優れた製品の原則を遵守する: AI がどれほど優れていても、実際の問題を解決できる製品が必要です。他の製品よりもはるかに優れており、導入に対する抵抗が少なくなります。同時に、AI 製品には巨大な市場、拡大の余地、持続可能な成長に向けた明確なビジョンが必要です。

2. B2B AI が最も重要です: AI 主導のアプリケーションは消費者に利便性を提供しますが、特に経済が不況に陥っている場合には、企業にとっての価値ははるかに大きくなります。 。 AI を適切に実装すると、無駄な費用を削減し、レコメンデーションを最適化し、手動機能を自動化できます。これらすべてが AI 企業の費用と収益に影響を与えます。

3. 未解決の問題の中から新しい AI 市場を見つける: AI の分野では、既存の AI 企業がモデルをトレーニングするためのより優れたデータセットをすでに持っているため、確立された市場を征服するのは困難です。また、特に競合他社が行う前に機械学習モデルをトレーニングするためのデータを迅速に収集できれば、新しい市場に参入するのがより簡単かつ安価になります。

4. データ取得コストの削減: データがすでに存在し、注釈が付けられている (金融取引、販売履歴、患者記録など) AI アイデアを探します。または、データ収集の必要性を減らすために、モデルに必要なデータを生成するソリューションを探してください。企業のアプリケーションでデータの収集、クリーニング、注釈付けを行うための新しいパイプラインが必要な場合、より多くの時間、人材、資金が必要になりますが、現在の状況ではこれを達成するのは困難です。

5. 著名な創業者がいると、より多くの投資を引き付けることができます: 大手テクノロジー企業で働いた経験のある創業者は、AI 企業 (Web3AI のデータ インフラストラクチャなど) や投資を引き付ける可能性が高くなります。

以上が人工知能への投資は減速し続けていますが、どのような AI プロジェクトと投資戦略がこのサイクルを乗り切ることができるでしょうか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。