1 Завчасно знайдіть опорну точку для інвестицій у штучний інтелект
2 Інвестиційна векторна база даних Weaviate
*3 Вертикально інтегровані інвестиції
Поява ChatGPT розпалила ентузіазм спільноти венчурного капіталу щодо інвестицій у сферу ШІ.
Однак, на відміну від моделі трафіку в епоху Інтернету, як передова технологія, сфера ШІ вимагає великих інвестицій, тривалого циклу та багатьох конкурентів.
Інвестиції в ШІ неминуче стикаються з явищем «сильний грім, але маленький дощ». Дані CB Insights показують, що у другому кварталі цього року загальні інвестиції в глобальну сферу штучного інтелекту впали на 38% у порівнянні з попереднім місяцем.
Незважаючи на це, у той час, коли штучний інтелект революціонізує кожну галузь, незаперечним є те, що ШІ має стати найбільшою галузевою тенденцією в наступні кілька років. Звіт із бази даних венчурного капіталу Carta показує, що порівняно з іншими категоріями стартапів оцінка та масштаб фінансування стартапів зі штучним інтелектом мають кращу тенденцію до зростання.
Особливо важливим є те, як інвестори знаходять опорну точку для інвестицій у ШІ на ранніх стадіях розробки. Можливо, ми можемо повчитися на досвіді відомих компаній венчурного капіталу.
01 Завчасно знайдіть опорну точку інвестицій у ШІ
Index Ventures (іменована як Index) – це визнана європейська компанія венчурного капіталу, заснована в 1996 році. Index завжди був відданим прихильником і прихильником ШІ.
За рік до випуску ChatGPT Index очолював фінансування Cohere серії A на 40 мільйонів доларів США. Зараз Cohere є єдинорогом штучного інтелекту, оцінка якого становить 2 мільярди доларів США. (Щодо того, хто такий Cohere, перегляньте нашу попередню статтю: Як автор наймолодшої статті Transformer об’єднав зусилля з нетиповими китайськими підприємцями, щоб створити штучного єдинорога вартістю 2 мільярди доларів США? | Справжній детектив-єдиноріг)
Крім того, за кілька років до того, як ChatGPT став мейнстрімом штучного інтелекту, Index вже почав інвестувати в компанії штучного інтелекту, такі як Aurora, компанія з безпілотних технологій у Сан-Франциско; і Arthur AI, платформа машинного навчання в Нью-Йорку.
Деякий час тому Ерін Прайс-Райт, партнер Index, інвестувала в Weaviate, компанію з відкритим кодом векторних баз даних. У квітні компанія залучила 50 мільйонів доларів США в рамках серії B за оцінкою в 200 мільйонів доларів США, до Index приєдналися NEA, Cortical Ventures, Zetta Venture Partners і ING Ventures.
Отже, чому Index звернув увагу на векторні бази даних? Shidao (ID: survivalbiz) знайшов нещодавню статтю-інтерв’ю «Ось як Index Ventures інвестує в епоху, коли кожна компанія матиме штучний інтелект» партнера Index Ерін Прайс-Райт. Нижче наведено абревіатуру перекладу та додаток до статті.
02 Інвестиційна векторна база даних Weaviate
По-перше, Прайс-Райт не дала високої оцінки ChatGPT, вона вважала, що ChatGPT просто використовує швидкі шляхи, адже ця технологія існує вже кілька років і не є чимось новим. ChatGPT став популярним, тому що «раптом його побачили всі, і кожен дійсно міг відчути його як споживчий продукт».
Отже, що насправді цінне?
Судячи з інтерв’ю, відповідь Price-Wright містить векторну базу даних, що підтримує ChatGPT.
Сучасні великі мовні моделі в основному базуються на технології глибокого навчання. Глибоке навчання вимагає введення тексту, зображень, відео та інших корпусних даних. Однак ці дані корпусу потрібно перетворити на векторні дані, перш ніж вони зможуть використовуватися нейронними мережами. Векторна база даних — це база даних, яка використовується для зберігання та запиту векторних даних.
Щоб пояснити роль векторних баз даних, припустімо сценарій. Бібліотеки зазвичай упорядковують книги за жанрами та авторами, як-от література, економіка тощо. Але що робити, якщо ви хочете знайти історію жахів, яку читали в дитинстві, але пам’ятаєте лише сюжет про перетворення опудала на живу людину, але не пам’ятаєте ні назви, ні автора?
Якщо у вас немає часу шукати книжкову полицю, найшвидший спосіб – звернутися до бібліотекаря, тому що вони прочитали багато книг і швидше знають, яку книгу ви шукаєте.
Ну, бібліотекар — це векторна база даних, оскільки векторні бази даних призначені для зберігання складної інформації (наприклад, сюжету книги) про об’єкт (наприклад, книгу). Таким чином, векторні бази даних допомагають вам знаходити об’єкти на основі конкретного запиту (наприклад, книги про...), а не деяких попередньо визначених атрибутів (наприклад, автора), так само, як бібліотекар.
Наприклад, якщо ви попросите ChatGPT створити вірш у тонах Шекспіра, ChatGPT спочатку використає аналогічну функцію пошуку векторної бази даних, щоб підвищити точність виведення вмісту.
Таким чином, під час навчання великої моделі векторна база даних може стати базою знань, забезпечуючи велику модель найновішими даними та внутрішньою базою знань, унікальною для кожного клієнта.
Прайс-Райт сказав, що Index витратив майже два роки на вивчення векторних баз даних, перш ніж шукати цю інвестиційну можливість (інвестувати в Weaviate). «Подією, яка дійсно зробила наше рішення, був ChatGPT, який дозволив нам дійсно зрозуміти цінність векторних баз даних у більш генеративних робочих процесах ШІ та важливість справжнього розуміння алгоритмів вбудовування».
У своєму мисленні компанія прийшла до двох результатів.
Якщо взяти до уваги всі ці різні типи генеративних варіантів використання штучного інтелекту, реальний ринок набагато більший, ніж лише ринок корпоративного пошуку. (ринок насправді був набагато більшим, ніж ринок лише корпоративного пошуку, якщо ви думаєте про всі ці різні типи генеративних випадків використання ШІ.)
Цінність наявності виділеної бази даних, яка може бути дуже близькою до алгоритмів вбудовування. Зробить вас першокласним громадянином його продукту, а не доповненням до вашої існуючої бази даних. (цінність наявності спеціальної бази даних, яка могла б наблизитися до алгоритмів вбудовування як першокласний громадянин у своєму продукті, порівняно з прикріпленням до існуючої бази даних.)
Прайс-Райт вважає: «У наступне десятиліття компанії, які вже мають великі набори даних, великі клієнтські бази та складні операції, почнуть інтегрувати штучний інтелект у свої продукти, щоб зробити операції більш ефективними, процеси більш раціональними, а прийняття рішень ефективнішим. . Швидший і гнучкіший. Ми побачимо, як штучний інтелект стане потужним чинником нових типів пошуку на підприємстві, кодуючи дані у вектори та використовуючи штучний інтелект для пошуку подібної інформації. Для багатьох випадків використання це буде потужнішим, ніж пошук за ключовими словами».
Отже, які переваги Weaviate, який віддає перевагу Index?
Боб ван Луйт, генеральний директор і співзасновник Weaviate, сказав: «Як продукт із відкритим вихідним кодом, векторна база даних Weaviate використовується як основна інфраструктура екосистеми штучного інтелекту. Вона дозволяє користувачам від стартапів до підприємств створювати нову хвилю додатків, від налаштованих систем пошуку та рекомендацій до плагінів ChatGPT».
Крім того, векторна база даних Weaviate спрощує керування векторними даними для розробників штучного інтелекту та вирішує проблеми генерації, зберігання та пошуку вбудованих векторів і відповідних їм об’єктів.Вона має такі функції:
Розширюваний вбудований модуль машинного навчання (ML): просто завантажуйте та шукайте; Weaviate піклується про важку роботу машинного навчання (ML) – будь-який тип даних, будь-яка модель, будь-який варіант використання.
Більш багатий векторний пошук: підтримує різноманітні пошуки ML, а також може шукати вектори та вихідні об’єкти, які генерують вектори.
Висока продуктивність: пошук до секунди, масштабований до мільярдів об’єктів, працює без перерв.
Прайс-Райт також сказав в окремому інтерв’ю: «Швидкість, з якою підприємства та стартапи, що базуються на штучному інтелекті, використовують Weaviate для розробки багатомодальних додатків для пошуку, рекомендацій і генерації, неймовірна. Це найпередовіша технологія, створена розробниками за допомогою штучного інтелекту. "найкращі продукти, і ми раді співпрацювати з ними, щоб допомогти досягти наступного етапу зростання".
03 Вертикально інтегровані інвестиції
Окрім інвестицій у векторні бази даних, які ще дії Index зробив у сфері інвестицій у штучний інтелект?
Подібно до того, як SaaS з’явився разом із розвитком хмарних обчислень, власні продукти штучного інтелекту також приносять нові бізнес-моделі.
Index вірить: по-перше, протягом десяти років штучний інтелект стане основним компонентом кожного прикладного програмного забезпечення; по-друге, ця хвиля буде рушійною силою широко поширених базових моделей.
«Ми точно не знаємо, якими будуть ці нові бізнес-моделі, але у нас є певні уявлення про те, як змінюється ланцюжок створення вартості програмного забезпечення, і ми починаємо бачити перші ознаки появи нових моделей».
На прикладному рівні Index вважає, що з часом бізнес-модель зміниться на розблокування більшої цінності для клієнтів за допомогою ШІ. Користувачі більше не просто платять за використання SaaS, а скоріше платять залежно від ступеня налаштувань або персоналізації продукту, наприклад моделі, налаштовані для галузей, організацій або навіть окремих осіб.
Виходячи з цього, Index інвестував у такі компанії, як Gong і DeepScribe.
У 2020 році Index інвестував у Gong. Їхній продукт може записувати дзвінки з продажу та давати змогу менеджерам компанії аналізувати ефективність, виявляти тенденції у відгуках клієнтів, а також допомагати навчати та тренувати торгових представників. Коли організація широко використовує продукт, Gong ховає величезні набори даних, отримані в результаті розмов із клієнтами. Це, у свою чергу, допомагає Gong краще налаштовувати продукти для обслуговування конкретних компаній у високоперсоніфікований спосіб, тим самим покращуючи взаємодію з користувачами.
У 2022 році Index очолив раунд фінансування DeepScribe Series A. Продукт DeepScribe записує розмови між лікарем і пацієнтом і використовує ШІ для створення структурованих звітів лікаря для електронних медичних записів. Постійне використання може підвищити цінність продукту для конкретного користувача (наприклад, лікаря з певним стилем) або групи користувачів (наприклад, лікарів певної спеціальності або в межах певної групи лікарень, які дотримуються узгоджених стандартів).
В обох випадках, коли продукт використовується з часом і користувачі додають у продукт більше власних даних, штучний інтелект може вдосконалюватись у дуже індивідуальні способи.
Index вважає, що це спосіб для компаній, які використовують штучний інтелект, створити рів і продовжувати збільшувати цінність з часом.
На додаток до цього Index інвестував у Hebbia, продукт, який використовує ШІ для швидкого й точного надання інформації індустрії фінансових послуг. Index також інвестував у Notion, потужну компанію з робочого процесу та взаємодії з користувачами, яка працює над бездоганною інтеграцією ШІ в роботу користувача.
"Коли я говорю про штучний інтелект, це захоплює, оскільки це нова технологічна технологія, – сказав Прайс-Райт. – Штучний інтелект є скрізь і стає стимулятором кожного програмного забезпечення".
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Після втрати сотень мільйонів, як інвестувати в проекти ШІ? Подивіться, як робить ставки Індекс венчурного капіталу в Європі
Текст: Shidao
Короткий виклад змісту випуску
Поява ChatGPT розпалила ентузіазм спільноти венчурного капіталу щодо інвестицій у сферу ШІ.
Однак, на відміну від моделі трафіку в епоху Інтернету, як передова технологія, сфера ШІ вимагає великих інвестицій, тривалого циклу та багатьох конкурентів.
Інвестиції в ШІ неминуче стикаються з явищем «сильний грім, але маленький дощ». Дані CB Insights показують, що у другому кварталі цього року загальні інвестиції в глобальну сферу штучного інтелекту впали на 38% у порівнянні з попереднім місяцем.
Незважаючи на це, у той час, коли штучний інтелект революціонізує кожну галузь, незаперечним є те, що ШІ має стати найбільшою галузевою тенденцією в наступні кілька років. Звіт із бази даних венчурного капіталу Carta показує, що порівняно з іншими категоріями стартапів оцінка та масштаб фінансування стартапів зі штучним інтелектом мають кращу тенденцію до зростання.
Особливо важливим є те, як інвестори знаходять опорну точку для інвестицій у ШІ на ранніх стадіях розробки. Можливо, ми можемо повчитися на досвіді відомих компаній венчурного капіталу.
01 Завчасно знайдіть опорну точку інвестицій у ШІ
Index Ventures (іменована як Index) – це визнана європейська компанія венчурного капіталу, заснована в 1996 році. Index завжди був відданим прихильником і прихильником ШІ.
За рік до випуску ChatGPT Index очолював фінансування Cohere серії A на 40 мільйонів доларів США. Зараз Cohere є єдинорогом штучного інтелекту, оцінка якого становить 2 мільярди доларів США. (Щодо того, хто такий Cohere, перегляньте нашу попередню статтю: Як автор наймолодшої статті Transformer об’єднав зусилля з нетиповими китайськими підприємцями, щоб створити штучного єдинорога вартістю 2 мільярди доларів США? | Справжній детектив-єдиноріг)
Крім того, за кілька років до того, як ChatGPT став мейнстрімом штучного інтелекту, Index вже почав інвестувати в компанії штучного інтелекту, такі як Aurora, компанія з безпілотних технологій у Сан-Франциско; і Arthur AI, платформа машинного навчання в Нью-Йорку.
Деякий час тому Ерін Прайс-Райт, партнер Index, інвестувала в Weaviate, компанію з відкритим кодом векторних баз даних. У квітні компанія залучила 50 мільйонів доларів США в рамках серії B за оцінкою в 200 мільйонів доларів США, до Index приєдналися NEA, Cortical Ventures, Zetta Venture Partners і ING Ventures.
Отже, чому Index звернув увагу на векторні бази даних? Shidao (ID: survivalbiz) знайшов нещодавню статтю-інтерв’ю «Ось як Index Ventures інвестує в епоху, коли кожна компанія матиме штучний інтелект» партнера Index Ерін Прайс-Райт. Нижче наведено абревіатуру перекладу та додаток до статті.
02 Інвестиційна векторна база даних Weaviate
По-перше, Прайс-Райт не дала високої оцінки ChatGPT, вона вважала, що ChatGPT просто використовує швидкі шляхи, адже ця технологія існує вже кілька років і не є чимось новим. ChatGPT став популярним, тому що «раптом його побачили всі, і кожен дійсно міг відчути його як споживчий продукт».
Отже, що насправді цінне?
Судячи з інтерв’ю, відповідь Price-Wright містить векторну базу даних, що підтримує ChatGPT.
Сучасні великі мовні моделі в основному базуються на технології глибокого навчання. Глибоке навчання вимагає введення тексту, зображень, відео та інших корпусних даних. Однак ці дані корпусу потрібно перетворити на векторні дані, перш ніж вони зможуть використовуватися нейронними мережами. Векторна база даних — це база даних, яка використовується для зберігання та запиту векторних даних.
Щоб пояснити роль векторних баз даних, припустімо сценарій. Бібліотеки зазвичай упорядковують книги за жанрами та авторами, як-от література, економіка тощо. Але що робити, якщо ви хочете знайти історію жахів, яку читали в дитинстві, але пам’ятаєте лише сюжет про перетворення опудала на живу людину, але не пам’ятаєте ні назви, ні автора?
Якщо у вас немає часу шукати книжкову полицю, найшвидший спосіб – звернутися до бібліотекаря, тому що вони прочитали багато книг і швидше знають, яку книгу ви шукаєте.
Ну, бібліотекар — це векторна база даних, оскільки векторні бази даних призначені для зберігання складної інформації (наприклад, сюжету книги) про об’єкт (наприклад, книгу). Таким чином, векторні бази даних допомагають вам знаходити об’єкти на основі конкретного запиту (наприклад, книги про...), а не деяких попередньо визначених атрибутів (наприклад, автора), так само, як бібліотекар.
Наприклад, якщо ви попросите ChatGPT створити вірш у тонах Шекспіра, ChatGPT спочатку використає аналогічну функцію пошуку векторної бази даних, щоб підвищити точність виведення вмісту.
Таким чином, під час навчання великої моделі векторна база даних може стати базою знань, забезпечуючи велику модель найновішими даними та внутрішньою базою знань, унікальною для кожного клієнта.
Прайс-Райт сказав, що Index витратив майже два роки на вивчення векторних баз даних, перш ніж шукати цю інвестиційну можливість (інвестувати в Weaviate). «Подією, яка дійсно зробила наше рішення, був ChatGPT, який дозволив нам дійсно зрозуміти цінність векторних баз даних у більш генеративних робочих процесах ШІ та важливість справжнього розуміння алгоритмів вбудовування».
У своєму мисленні компанія прийшла до двох результатів.
Якщо взяти до уваги всі ці різні типи генеративних варіантів використання штучного інтелекту, реальний ринок набагато більший, ніж лише ринок корпоративного пошуку. (ринок насправді був набагато більшим, ніж ринок лише корпоративного пошуку, якщо ви думаєте про всі ці різні типи генеративних випадків використання ШІ.)
Цінність наявності виділеної бази даних, яка може бути дуже близькою до алгоритмів вбудовування. Зробить вас першокласним громадянином його продукту, а не доповненням до вашої існуючої бази даних. (цінність наявності спеціальної бази даних, яка могла б наблизитися до алгоритмів вбудовування як першокласний громадянин у своєму продукті, порівняно з прикріпленням до існуючої бази даних.)
Прайс-Райт вважає: «У наступне десятиліття компанії, які вже мають великі набори даних, великі клієнтські бази та складні операції, почнуть інтегрувати штучний інтелект у свої продукти, щоб зробити операції більш ефективними, процеси більш раціональними, а прийняття рішень ефективнішим. . Швидший і гнучкіший. Ми побачимо, як штучний інтелект стане потужним чинником нових типів пошуку на підприємстві, кодуючи дані у вектори та використовуючи штучний інтелект для пошуку подібної інформації. Для багатьох випадків використання це буде потужнішим, ніж пошук за ключовими словами».
Отже, які переваги Weaviate, який віддає перевагу Index?
Боб ван Луйт, генеральний директор і співзасновник Weaviate, сказав: «Як продукт із відкритим вихідним кодом, векторна база даних Weaviate використовується як основна інфраструктура екосистеми штучного інтелекту. Вона дозволяє користувачам від стартапів до підприємств створювати нову хвилю додатків, від налаштованих систем пошуку та рекомендацій до плагінів ChatGPT».
Крім того, векторна база даних Weaviate спрощує керування векторними даними для розробників штучного інтелекту та вирішує проблеми генерації, зберігання та пошуку вбудованих векторів і відповідних їм об’єктів.Вона має такі функції:
Розширюваний вбудований модуль машинного навчання (ML): просто завантажуйте та шукайте; Weaviate піклується про важку роботу машинного навчання (ML) – будь-який тип даних, будь-яка модель, будь-який варіант використання.
Більш багатий векторний пошук: підтримує різноманітні пошуки ML, а також може шукати вектори та вихідні об’єкти, які генерують вектори.
Висока продуктивність: пошук до секунди, масштабований до мільярдів об’єктів, працює без перерв.
Прайс-Райт також сказав в окремому інтерв’ю: «Швидкість, з якою підприємства та стартапи, що базуються на штучному інтелекті, використовують Weaviate для розробки багатомодальних додатків для пошуку, рекомендацій і генерації, неймовірна. Це найпередовіша технологія, створена розробниками за допомогою штучного інтелекту. "найкращі продукти, і ми раді співпрацювати з ними, щоб допомогти досягти наступного етапу зростання".
03 Вертикально інтегровані інвестиції
Окрім інвестицій у векторні бази даних, які ще дії Index зробив у сфері інвестицій у штучний інтелект?
Подібно до того, як SaaS з’явився разом із розвитком хмарних обчислень, власні продукти штучного інтелекту також приносять нові бізнес-моделі.
Index вірить: по-перше, протягом десяти років штучний інтелект стане основним компонентом кожного прикладного програмного забезпечення; по-друге, ця хвиля буде рушійною силою широко поширених базових моделей.
«Ми точно не знаємо, якими будуть ці нові бізнес-моделі, але у нас є певні уявлення про те, як змінюється ланцюжок створення вартості програмного забезпечення, і ми починаємо бачити перші ознаки появи нових моделей».
На прикладному рівні Index вважає, що з часом бізнес-модель зміниться на розблокування більшої цінності для клієнтів за допомогою ШІ. Користувачі більше не просто платять за використання SaaS, а скоріше платять залежно від ступеня налаштувань або персоналізації продукту, наприклад моделі, налаштовані для галузей, організацій або навіть окремих осіб.
Виходячи з цього, Index інвестував у такі компанії, як Gong і DeepScribe.
У 2020 році Index інвестував у Gong. Їхній продукт може записувати дзвінки з продажу та давати змогу менеджерам компанії аналізувати ефективність, виявляти тенденції у відгуках клієнтів, а також допомагати навчати та тренувати торгових представників. Коли організація широко використовує продукт, Gong ховає величезні набори даних, отримані в результаті розмов із клієнтами. Це, у свою чергу, допомагає Gong краще налаштовувати продукти для обслуговування конкретних компаній у високоперсоніфікований спосіб, тим самим покращуючи взаємодію з користувачами.
У 2022 році Index очолив раунд фінансування DeepScribe Series A. Продукт DeepScribe записує розмови між лікарем і пацієнтом і використовує ШІ для створення структурованих звітів лікаря для електронних медичних записів. Постійне використання може підвищити цінність продукту для конкретного користувача (наприклад, лікаря з певним стилем) або групи користувачів (наприклад, лікарів певної спеціальності або в межах певної групи лікарень, які дотримуються узгоджених стандартів).
В обох випадках, коли продукт використовується з часом і користувачі додають у продукт більше власних даних, штучний інтелект може вдосконалюватись у дуже індивідуальні способи.
Index вважає, що це спосіб для компаній, які використовують штучний інтелект, створити рів і продовжувати збільшувати цінність з часом.
На додаток до цього Index інвестував у Hebbia, продукт, який використовує ШІ для швидкого й точного надання інформації індустрії фінансових послуг. Index також інвестував у Notion, потужну компанію з робочого процесу та взаємодії з користувачами, яка працює над бездоганною інтеграцією ШІ в роботу користувача.
"Коли я говорю про штучний інтелект, це захоплює, оскільки це нова технологічна технологія, – сказав Прайс-Райт. – Штучний інтелект є скрізь і стає стимулятором кожного програмного забезпечення".