人工智能初创公司：真正的价值还是只是炒作？

人工智能初创公司的真正价值：如何区分创新与炒作

TL;DR：创造真正价值的人工智能初创公司的特点是可持续的单位经济效益、有形工作自动化的能力以及随着时间的推移建立累积优势的能力。如今，投资者评估成本（代币、COGS）、API 依赖性和团队质量。真实信号？ “有效”并不断改进的产品。

背景：HUMAN X 会议和人工智能辩论

在 HUMAN X 大会期间，风险投资和科技新闻领域的领导者——包括 Quentin Clark、Katelin Holloway、Jai Das 和 George Hammond——解决了一个关键问题：

人工智能初创公司是在创造真正的价值还是在追逐炒作？

与 12 至 18 个月前相比，此次讨论反映出人工智能市场已进入更加成熟的阶段，关于什么真正有效的信号更加清晰。

人工智能初创公司的“真正价值”意味着什么？

定义：人工智能初创公司只有在为客户带来可持续的经济成果和具体的运营改进时才能创造真正的价值，而不仅仅是由炒作或技术趋势推动的增长。

投资者发现的关键信号

清晰的单位经济效益

代币成本

COGS（销售成本）

持久的收入

不依赖于暂时的趋势

基于结果的价值

定价与结果挂钩，而不是与使用挂钩

真正的产品市场契合度

总之：真正的价值是根据基本面来衡量的，而不是虚荣指标。

当今如何评估人工智能初创公司

1、单位经济分析

Jai Das 强调了一个根本性的转变：

如今，投资者更加关注与人工智能相关的运营成本。

这意味着：

代币成本直接影响利润 (cryptonomist.ch)

过于昂贵的型号可能会破坏价值

技术效率是竞争优势

最重要的是：如果没有可持续的经济，即使是最好的产品也会失败。

2. 关键过滤器：API 依赖性

Katelin Holloway 提出了一个明确的标准：

问题：如果外部 API 发生变化会怎样？回答：如果产品不再存在，则它不是有效的投资。

这意味着：

避免初创公司过于依赖 OpenAI、Anthropic 或其他提供商

青睐具有技术所有权或直接控制权的解决方案 (cryptonomist.ch)

这意味着：真正的防御性源于技术独立。

3. 三层框架（昆汀·克拉克）

Quentin Clark 提出了一个分析人工智能市场的清晰结构：

投资水平

模型提供者——构建基础模型的人

专业模型——具有特定应用的垂直人工智能

基础设施——工具、计算、支持系统

关键见解

最强初创企业：

自动化实际工作

随着时间的推移而改善

构建可操作的飞轮 (cryptonomist.ch)

定义：飞轮是一种机制，产品的每次使用都会改进系统，从而创造越来越大的竞争优势。

哪些人工智能初创公司真正具有防御力？

关键问题

初创公司能否与大型人工智能实验室竞争？

小组的答复

是的，但前提是他们：

建立累积优势

在垂直领域运营

开发关键基础设施

值得关注的信号

强化学习的演变

OpenAI 或 Anthropic 等公司的战略重点

基础设施投资

总结：基础车型的竞争很困难；在应用程序中获胜更为现实。

投资策略：“杠铃”模型

凯特琳·霍洛威描述了一个有趣的策略：

什么是杠铃策略？

将投资分为两个极端的方法：

1. 以消费者为中心的社区，以强烈的参与度来体验产品

2. 深度基础设施硬件能源基础系统（cryptonomist.ch）

应避免什么

充满炒作、差异化差的“中间地带”

最重要的是：专注于高度坚定的极端，而不是妥协。

收入：什么是持久的，什么不是

收入脆弱 依赖外部 API 受临时趋势束缚 没有客户锁定

持久的收入 融入业务流程 难以被网络或学习效应取代

具体示例：自动化业务工作流程的人工智能工具比“锦上添花”的生成应用程序更稳定。

AI初创公司的退出与未来

IPO还是收购？

投资者保持雄心勃勃的期望：

许多初创公司瞄准IPO

有的会快速成长

但存在被收购的风险

新动力

二级市场的增长

流动性难以预测

新的融资模式（oecd.org）

有趣的案例：通用催化剂

General Catalyst 使用创新工具，例如：

客户价值基金

资金上市

减少稀释

积极创建公司

这意味着：风险投资正在与人工智能一起发展。

未来趋势：创造真正价值的地方

1. 实际工作的自动化

获胜 AI：

替换运营活动

提高生产力

产生可衡量的投资回报率

2. 上游基础设施

凯特琳强调了一个战略要点：

在主要人工智能实验室之前进行投资：

能源

计算

基础资源 (elis.org)

3. 飞轮和持续学习

最强企业：

鹰普