인공지능 투자가 계속 둔화되고 있습니다. 어떤 종류의 AI 프로젝트와 투자 전략이 이 사이클에서 살아남을 수 있을까요?

최근 연구기관 CB인사이츠가 발표한 'AI 현황' 분기보고서에 따르면 현재 자본시장 상황에 맞춰 AI에 대한 투자가 계속 둔화되고 있다.

AI 스타트업에 대한 총 투자는 지난 분기 이후 31% 감소하여 2020년 3분기 이후 최저 수준을 기록했습니다. 대규모 자금조달(1억달러 이상)은 전분기 대비 39% 감소해 9분기 최저치를 기록했다.

AI 파이낸싱의 정체로 인해 해당 분야의 발전이 둔화되겠지만, 이는 또한 투자자들이 지속적인 발전을 달성할 수 있는 AI 프로젝트에 더 집중하도록 유도합니다. 투자자들은 앞으로 몇 달 안에 AI 산업이 어떻게 발전할지에 대한 일반적인 아이디어를 얻으려면 자금을 받은 AI 스타트업을 이해해야 한다.

AI 비즈니스 모델

AI 스타트업은 MLOps 등 AI 도구 제공에 주력하는 것부터 예측 분석 도구, 노코드/로우코드 모델 개발에 이르기까지 모든 유형의 기업에 일반적으로 적용되는 모호한 용어입니다. ) 제품에 AI를 사용하는 회사(예: 위험을 예측하기 위해 기계 학습을 사용하는 보험 기술 회사)에게 제공됩니다.

그러나 AI와 머신러닝을 중심으로 형성된 비즈니스 모델의 성공을 결정하는 몇 가지 요소가 있습니다. 다음은 해당 제품의 몇 가지 일반적인 원칙입니다.

1. 제품/시장 적합성: AI 제품은 해결되지 않은 문제를 해결하거나 기존 솔루션에 충분한 부가가치를 제공해야 합니다.

2. 성장 전략: 제품이 대상 사용자에게 가치를 전달하려면 확장 가능한 채널이 있어야 합니다(예: 유료 광고 및 기존 애플리케이션과의 통합). 이러한 채널은 방어적이어야 하며 경쟁업체가 시장 점유율을 확보하기 어렵게 만들어야 합니다.

3. 목표 시장: 투자자는 투자 수익을 얻기를 바랍니다. 제품이 성장하고 목표 가치에 도달하려면 상당한 규모의 시장이 있어야 합니다. 어떤 제품이 너무 틈새시장에 있고 그것에 관심을 갖는 사람이 거의 없다면, 투자자들은 그 제품에 투자하는 데 관심을 갖지 않을 것입니다.

위의 원칙 외에도 AI 및 기계 학습을 사용하는 제품은 다음과 같은 몇 가지 문제도 해결해야 합니다.

1. 교육 데이터: 제품 팀은 모델을 교육하고 테스트하기에 충분한 고품질 데이터를 보유해야 합니다. 어떤 경우에는 이 데이터를 얻기가 쉽지만(예: 공개 데이터 세트 및 기업 데이터베이스의 기존 데이터) 다른 경우에는 얻기가 더 어렵습니다(예: 건강 데이터). 일부 앱의 경우 지역 및 사용자에 따라 데이터가 약간 다를 수 있으므로 자체 데이터 수집 노력이 필요합니다.

2. 지속적인 개선: AI 및 기계 학습 모델은 세상이 변화함에 따라 지속적으로 업데이트되어야 합니다. 기계 학습 모델을 배포한 후 제품 팀은 모델을 업데이트하고 개선하기 위해 지속적으로 데이터를 수집하는 전략을 세워야 합니다. 이러한 지속적인 개선은 또한 경쟁사에 대한 제품의 방어력을 강화합니다.

이러한 원칙에 맞춰 CB Insights의 조사 보고서에 따르면 경기 침체기에 AI 스타트업이 AI 계획을 위해 자금을 유치하는 패턴이 있는지 이해할 필요가 있습니다.

대세를 거스르고 초기 자금 조달을 달성한 AI 프로젝트

AI 업계의 평균 초기 자금 조달 규모는 약 300만 달러 수준으로 안정적으로 유지되고 있습니다. 반면, 중간 및 후기 단계 거래 규모는 전분기 대비 각각 15%, 53% 감소했습니다. 그러나 초기 단계 거래 수가 줄어들면서 AI 스타트업이 제품 아이디어에 대한 투자를 찾는 데 더 어려움을 겪게 됩니다.

CB Insights의 보고서에 언급된 시드 펀딩 및 엔젤 거래 중 이스라엘 AI 스타트업 Voyantis는 예측 성장 플랫폼을 개발하기 위해 7월에 1,900만 달러의 펀딩을 받았습니다.

오늘날의 광고 환경은 사용자 데이터 및 개인정보 보호에 대한 더욱 엄격한 규제로 인해 변화하고 있으며, Voyantis는 마케팅 담당자가 직면한 이러한 문제를 해결하기 위해 최선을 다하고 있습니다. 예를 들어, Apple은 최근 사용자가 광고주가 기기 ID를 수집하는 것을 방지할 수 있는 기능을 iOS에 추가했습니다. 사용자에 대한 세부 데이터가 없으면 이전의 규칙 기반 캠페인은 좋지 않은 결과만 제공할 수 있었고, 이로 인해 사용자 획득당 비용(CAC)이 증가할 수 있었습니다. Voyantis는 기계 학습을 사용하여 사용자 행동과 평생 가치를 예측하여 정보에 입각한 결정을 내리고 마케팅 캠페인 ROI를 개선하도록 돕습니다.

이스라엘에 본사를 둔 또 다른 생명공학 스타트업인 Eleven Therapeutics는 올해 8월에 종자 자금으로 2,200만 달러를 받았습니다. 특히 최근 코로나19 확산 속에서 많은 주목을 받고 있는 분야인 RNA 치료제에 초점을 맞추고 있다.

이 회사는 "siRNA 분자의 활성 분포에 대한 기능적 데이터 생성"을 위한 딥 러닝 프레임워크를 개발하고 있습니다. 회사의 AI 기술에 대한 정보는 많지 않지만 잠재력이 풍부한 시장 공간이며 재정적 후원자에는 Bill & Melinda Gates Foundation이 포함됩니다.

미국 기반 스타트업 Spice AI는 올해 9월 시드 펀딩에서 1,400만 달러를 받았으며 AI 기반 Web3 애플리케이션을 만들기 위한 디지털 인프라를 구축하고 있습니다. 흥미롭게도 암호화폐 스타트업 산업이 다른 산업에 비해 열악한 시기에 회사는 투자 유치에 성공했다.

이 회사에 대해 주목할 만한 세 가지 사항이 있습니다. 첫째, 주요 블록체인의 기존 데이터를 색인화하기 위한 데이터 엔지니어링 인프라를 구축하고 있습니다. 이는 데이터 획득에 큰 장벽이 없다는 것을 의미합니다. 둘째, 창립자는 최고 기술 책임자(CTO) Mark Russinovich와 GitHub(2018년 Microsoft에 인수됨)의 전 및 현 CEO를 포함한 Microsoft Azure 베테랑입니다. 이처럼 업계에서 세간의 이목을 끄는 인물을 보유하고 있는 덕분에 회사는 가장 어려운 시기에도 투자를 유치하기가 더 쉽습니다. 셋째, 블록체인 데이터 엔지니어링은 업계가 성숙해짐에 따라 Web3 기업이 확실히 직면하게 될 미해결 문제이므로 이는 Web3의 위험성이 낮은 프로젝트 중 하나로 간주될 수 있습니다.

AI 분야에서 막대한 투자를 받은 사람은 누구일까요?

2022년 3분기에 막대한 자금을 조달한 스타트업 중 미국 스타트업 Afresh는 올해 8월 시리즈 B 자금 조달에서 1억 1,500만 달러를 받았습니다. 이 회사는 기계 학습을 사용하여 식료품점 운영자가 음식물 쓰레기를 최대 25%까지 줄일 수 있도록 지원합니다. 플랫폼이 신선 식품 판매를 추적하고 향후 고객 수요를 예측하는 데 도움이 되기 때문입니다. 공급망 팀은 플랫폼을 사용하여 조달을 최적화할 수 있으며, 사용자는 플랫폼을 사용하여 공급업체에 직접 주문하여 음식물 쓰레기를 줄일 수 있습니다.

이 회사는 이미 미국 40개 주에 수천 명의 고객을 보유하고 있으며 새로운 자금 조달을 사용하여 비즈니스를 성장시키고 다른 국가 및 지역으로 시장을 확장하며 새로운 기능을 추가하여 제품의 가치와 시장 범위를 높일 것입니다. .

대규모 투자를 받은 또 다른 회사는 이탈리아 기반의 모바일 앱 개발사인 Bending Spoons로, 올해 9월 3억 4천만 달러를 모금했습니다. Bending Spoons는 기계 학습을 사용하여 배경 제거, 자동 캡션 추가, 사진 향상과 같은 복잡한 작업을 수행하는 모바일 비디오 및 사진 편집 앱을 개발합니다.

회사의 애플리케이션은 사용자가 기본 기능을 무료로 사용할 수 있지만 고급 기능을 사용하려면 비용을 지불해야 하는 프리미엄 모델을 채택합니다. 2013년에 설립된 Bending Spoons는 5억 번 이상 다운로드되었으며 수년 동안 연간 수익이 1억 달러를 초과했습니다. 다음 단계는 새로운 자금을 사용하여 신제품을 개발하고 인수하고 기존 고객에게 신제품을 판매하는 것입니다. , 그리고 더 많은 데이터를 수집하여 경쟁사보다 우위를 더욱 확장하십시오.

사이클을 통한 AI 투자 규칙

파이낸싱을 받는 AI 기업을 파헤쳐 보면 더 많은 정보를 얻을 수 있지만 다음 사항에 주의하세요.

1 좋은 제품 원칙을 준수하세요. AI Well이 아무리 크더라도 둘 다 실제 문제를 해결하는 제품이 필요하고, 다른 제품보다 훨씬 우수하며 채택에 대한 저항이 적습니다. 동시에 AI 제품에는 거대한 시장, 확장 여지, 지속 가능한 성장을 위한 명확한 비전이 있어야 합니다.

2. B2B AI가 가장 중요합니다. AI 기반 애플리케이션은 소비자에게 편의성을 제공하지만, 특히 경제가 불황에 접어들면서 기업에 대한 가치는 훨씬 더 커집니다. 잘 구현된 AI는 낭비되는 비용을 줄이고, 추천을 최적화하고, 수동 기능을 자동화할 수 있으며, 이 모든 것이 AI 회사의 비용과 수익에 영향을 미칩니다.

3. 해결되지 않은 문제에서 새로운 AI 시장 찾기: AI 분야에서는 기존 AI 회사가 이미 모델을 훈련할 수 있는 더 나은 데이터 세트를 보유하고 있기 때문에 기존 시장을 정복하기가 어렵습니다. 그리고 새로운 시장에 진입하는 것이 더 쉽고 저렴합니다. 특히 경쟁사보다 먼저 데이터를 수집하여 기계 학습 모델을 교육할 수 있다면 더욱 그렇습니다.

4. 데이터 획득 비용 절감: 데이터가 이미 존재하고 주석이 달린 AI 아이디어를 찾아보세요(예: 금융 거래, 판매 내역, 환자 기록). 또는 데이터 수집의 필요성을 줄이기 위해 모델에 필요한 데이터를 생성하는 솔루션을 찾아보세요. 기업의 애플리케이션에 데이터를 수집하고 정리하고 주석을 달기 위한 새로운 파이프라인이 필요한 경우 더 많은 시간, 재능, 비용이 필요하지만 현재 상황에서는 이를 달성하기 어렵습니다.

5. 잘 알려진 창업자가 있으면 더 많은 투자를 유치할 수 있습니다. 대규모 기술 회사에서 근무한 창업자는 AI 회사(예: Web3AI의 데이터 인프라)에 더 많은 투자를 유치할 가능성이 더 높습니다.

위 내용은 인공지능 투자가 계속 둔화되고 있습니다. 어떤 종류의 AI 프로젝트와 투자 전략이 이 사이클에서 살아남을 수 있을까요?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!