😎 Visualcapitalist: The Most Popular Generative AI Tools in 2024.
Залипательная инфографика от Visualcapitalist по данным World Bank – какие AI tools в мире самые популярные.
1/ Топ-3 по веб-трафику в марте 2024 года:
▪️ChatGPT: 2.3B посещений;
▪️Gemini: 133M;
▪️Poe: 43M.
🔹Все эти решения – чатботы.
2/ А какие топ тулы для создания изображений?
▪️Midjourney: 25M (#8 в общем списке из #15);
▪️Prezi: 18M (#9);
▪️NightCafe: 14M (#10).
3/ А есть ли что-то в рейтинге, кроме чатботов и создания изображений? Есть одно решение по генерации видео – это Runway (#14 из #15 в списке).
👉 В приложении картинка, а источник вот по этой ссылке: https://www.visualcapitalist.com/ranked-the-most-popular-generative-ai-tools-in-2024/
@proVenture
#ai #trends #research
Залипательная инфографика от Visualcapitalist по данным World Bank – какие AI tools в мире самые популярные.
1/ Топ-3 по веб-трафику в марте 2024 года:
▪️ChatGPT: 2.3B посещений;
▪️Gemini: 133M;
▪️Poe: 43M.
🔹Все эти решения – чатботы.
2/ А какие топ тулы для создания изображений?
▪️Midjourney: 25M (#8 в общем списке из #15);
▪️Prezi: 18M (#9);
▪️NightCafe: 14M (#10).
3/ А есть ли что-то в рейтинге, кроме чатботов и создания изображений? Есть одно решение по генерации видео – это Runway (#14 из #15 в списке).
👉 В приложении картинка, а источник вот по этой ссылке: https://www.visualcapitalist.com/ranked-the-most-popular-generative-ai-tools-in-2024/
@proVenture
#ai #trends #research
🔥🔥🔥 2025 Tech Trends.
Новый отчет от CB Insights на тему трендов. Стоит отметить, что если самое интересное в прошлом отчете в значительной части состояло только из AI, то в этот раз ситуация другая – отчет очень понравился разносторонним взглядом на разные вертикали и тренды в них.
Несколько моментов, на которые хочется обратить внимание по вертикалям:
1/ Financial services:
▪️Wealth manager только 17% своего рабочего времени проводит с клиентом, остальное – админ задачи. AI copilots призваны забрать на себя часть работы и увеличить время с клиентом;
▪️AI agents пока не стали эффективными, так как им не доверяют платежи – но это уже начинается, например, Stripe внедряет у себя;
▪️Крипта может стать первым AI driven способом платежа.
2/ Healthcare
▪️Тут не тренд, а рекомендация – посмотрите на залипательную табличку на странице 44, где представлены различные автономные роботы – например, нашумевший Figure все еще находится на стадии валидации, но может применяться в разных областях (manufacturing, logistics, retail и чуть меньше в healthcare).
3/ AI:
▪️Топ-4 покупателя AI стартапов в 2024: NVIDIA, Snowflake, Accenture, Databricks – все купили уже по 4 стартапа. Сравните со списком 2020-2021 года, все новенькие;
▪️Только 3 из топ-8 глобальных публичных Big Techs развивают опенсорсные AI models (NVIDIA, Alibaba и та самая признанная экстремистской Meta);
▪️Аналогично, только 2 из топ-10 крупнейших по фандированию частных компаний развивают опенсорсные модели (xAI и Mistral);
▪️Еще залипательно – график на странице 63 с падением цены за токен у ChatGPT:
▫️GPT-4: $36 (per 1M token);
▫️GPT-4 Turbo: $14;
▫️GPT-4o: $7;
▫️GPT-4o: $4 (та же модель, просто падение цены);
▫️GPT-4o mini: $0.25;
▪️США это 71% фандинга в AI и 43% всех AI компаний. Близко ни-ко-го.
4/ Retail & consumer:
▪️Generative AI дает возможность персонализировать коммуникацию с клиентом на основе тех данных, которые есть у компаний. Например, TESCO хочет использовать данные покупок с членской карты для персональных рекомендаций более здоровых продуктов с помощью естественного языка.
5/ Industrials:
▪️Большинство Big Techs не просто инвестируют в датацентры, но также и становятся инноваторами в области ядерной энергетики, чтобы поддержать эффективность их работы. Да, Microsoft, Amazon, Google и другие строят реакторы! Правда, вместе с партнерами, не совсем уж сами;
▪️Полет в космос стал в 8х дешевле с 2008 года.
6/ Отдельно – доля стартапов в разных областях, которые находятся на продвинутой стадии развития продукта (в терминологии CB Insights – deploying, scaling или established), в скобках доля established игроков (условно больших):
▪️B2B wealth tech startups: 83% (0%);
▪️Blockchain companies funded in 2024: 41% (1%);
▪️AI companies funded in 2024: 60% (1%).
👉 Вот и все для саммари. Сам отчет на [93 страницы] качайте по ссылке: https://www.cbinsights.com/research/report/top-tech-trends-2025/
@proVenture
#research #trends #ai
Новый отчет от CB Insights на тему трендов. Стоит отметить, что если самое интересное в прошлом отчете в значительной части состояло только из AI, то в этот раз ситуация другая – отчет очень понравился разносторонним взглядом на разные вертикали и тренды в них.
Несколько моментов, на которые хочется обратить внимание по вертикалям:
1/ Financial services:
▪️Wealth manager только 17% своего рабочего времени проводит с клиентом, остальное – админ задачи. AI copilots призваны забрать на себя часть работы и увеличить время с клиентом;
▪️AI agents пока не стали эффективными, так как им не доверяют платежи – но это уже начинается, например, Stripe внедряет у себя;
▪️Крипта может стать первым AI driven способом платежа.
2/ Healthcare
▪️Тут не тренд, а рекомендация – посмотрите на залипательную табличку на странице 44, где представлены различные автономные роботы – например, нашумевший Figure все еще находится на стадии валидации, но может применяться в разных областях (manufacturing, logistics, retail и чуть меньше в healthcare).
3/ AI:
▪️Топ-4 покупателя AI стартапов в 2024: NVIDIA, Snowflake, Accenture, Databricks – все купили уже по 4 стартапа. Сравните со списком 2020-2021 года, все новенькие;
▪️Только 3 из топ-8 глобальных публичных Big Techs развивают опенсорсные AI models (NVIDIA, Alibaba и та самая признанная экстремистской Meta);
▪️Аналогично, только 2 из топ-10 крупнейших по фандированию частных компаний развивают опенсорсные модели (xAI и Mistral);
▪️Еще залипательно – график на странице 63 с падением цены за токен у ChatGPT:
▫️GPT-4: $36 (per 1M token);
▫️GPT-4 Turbo: $14;
▫️GPT-4o: $7;
▫️GPT-4o: $4 (та же модель, просто падение цены);
▫️GPT-4o mini: $0.25;
▪️США это 71% фандинга в AI и 43% всех AI компаний. Близко ни-ко-го.
4/ Retail & consumer:
▪️Generative AI дает возможность персонализировать коммуникацию с клиентом на основе тех данных, которые есть у компаний. Например, TESCO хочет использовать данные покупок с членской карты для персональных рекомендаций более здоровых продуктов с помощью естественного языка.
5/ Industrials:
▪️Большинство Big Techs не просто инвестируют в датацентры, но также и становятся инноваторами в области ядерной энергетики, чтобы поддержать эффективность их работы. Да, Microsoft, Amazon, Google и другие строят реакторы! Правда, вместе с партнерами, не совсем уж сами;
▪️Полет в космос стал в 8х дешевле с 2008 года.
6/ Отдельно – доля стартапов в разных областях, которые находятся на продвинутой стадии развития продукта (в терминологии CB Insights – deploying, scaling или established), в скобках доля established игроков (условно больших):
▪️B2B wealth tech startups: 83% (0%);
▪️Blockchain companies funded in 2024: 41% (1%);
▪️AI companies funded in 2024: 60% (1%).
👉 Вот и все для саммари. Сам отчет на [93 страницы] качайте по ссылке: https://www.cbinsights.com/research/report/top-tech-trends-2025/
@proVenture
#research #trends #ai
🔍 Доля AI в поиске занимает 6%. А что еще интересного?
Стечение обстоятельств, а также тот факт, что у меня теперь есть Perplexity Pro на год, сподвигли посмотреть, что там на рынке поиска-то происходит. Еще пару лет назад никто не мог подумать, что этот рынок можно как-то переделывать.
1/ Итак, поиск информации вместо Google и других поисковых систем уже проходит через AI решения. Как минимум есть вышеупомянутый Perplexity, а также SearchGPT от OpenAI и поиск через чаты с другими моделями, которые имеют доступ в интернет.
2/ Информации не очень много, но можно запомнить следующее:
▪️Google занимает от 89% поиска как search engine до 91% поиска по разным данным, далее (как ни удивительно) следует Bing с 3.4-4.2%, остальные еще меньше;
▪️Доля AI решений сейчас составляет 6%, но по выручке (в деньгах) это 1%;
▪️Доля Perplexity при этом – 0.5% поиска. Это довольно много, например, доля DuckDuckGo в поиске составляет 0.54%-0.69%.
3/ Доля AI поиска может вырасти с 6% сегодня до 14% в 2028 году.
4/ Кому интересно почитать подробнее про Perplexity, можете зайти вот на этот сайт. Там собрана информация про их бизнес и показатели, например, $40M выручки, 10M MAU, 300M поисковых запросов в 2023 году и так далее.
5/ А вот в этой статье есть прикольное сравнение конвенциального поиска с поиском через AI. Например, результаты поиска через SearchGPT от OpenAI только на 46% совпадают с поиском через Google и на 73% с поиском через Bing.
@proVenture
#research #ai #trends
Стечение обстоятельств, а также тот факт, что у меня теперь есть Perplexity Pro на год, сподвигли посмотреть, что там на рынке поиска-то происходит. Еще пару лет назад никто не мог подумать, что этот рынок можно как-то переделывать.
1/ Итак, поиск информации вместо Google и других поисковых систем уже проходит через AI решения. Как минимум есть вышеупомянутый Perplexity, а также SearchGPT от OpenAI и поиск через чаты с другими моделями, которые имеют доступ в интернет.
2/ Информации не очень много, но можно запомнить следующее:
▪️Google занимает от 89% поиска как search engine до 91% поиска по разным данным, далее (как ни удивительно) следует Bing с 3.4-4.2%, остальные еще меньше;
▪️Доля AI решений сейчас составляет 6%, но по выручке (в деньгах) это 1%;
▪️Доля Perplexity при этом – 0.5% поиска. Это довольно много, например, доля DuckDuckGo в поиске составляет 0.54%-0.69%.
3/ Доля AI поиска может вырасти с 6% сегодня до 14% в 2028 году.
4/ Кому интересно почитать подробнее про Perplexity, можете зайти вот на этот сайт. Там собрана информация про их бизнес и показатели, например, $40M выручки, 10M MAU, 300M поисковых запросов в 2023 году и так далее.
5/ А вот в этой статье есть прикольное сравнение конвенциального поиска с поиском через AI. Например, результаты поиска через SearchGPT от OpenAI только на 46% совпадают с поиском через Google и на 73% с поиском через Bing.
@proVenture
#research #ai #trends
🔥🔥🔥 The next big arenas of competition.
Крайне любопытный и визионерский отчет от McKinsey, который очень полезно и интересно прочитать.
Вкратце, они пытаются проанализировать ключевые арены конкуренции на сегодня (это отрасли, которые темпами выше средних захватывают рыночную долю во всей экономике, industry share growth rate)и понять какой в них уровень передела рынка (shuffle rate).
Отрасль находится в топе арены конкуренции, если ее доля в общем мировом ВВП растет с течением времени, при этом еще и внутри нее меняется структура – кто-то обыгрывает конкурента и забирает его долю. Как пример – отрасль смартфонов в прошлом, когда эта отрасль люто росла, а в какой-то момент лидеры в виде Nokia или Motorola сменились на Apple, Samsung и так далее.
1/ Какие же ключевые арены сегодняшнего дня? Приведем топ-5 и только их капитализацию и выручку на 2020 (в отчете есть другие данные):
▪️Software: $3,636B (market cap) <> $341B (revenue);
▪️Semiconductors: $3,495B (market cap) <> $574B (revenue);
▪️Consumer Internet: $3,460B (market cap) <> $403B (revenue);
▪️E-commerce: $3,308B (market cap) <> $888B (revenue);
▪️Consumer Electronics: $2,502B (market cap) <> $648B (revenue);
▪️Biopharma: $2,289B (market cap) <> $343B (revenue).
2/ На приложенной инфографике видно, насколько росло значение арен конкуренции с 2005 по 2020 год! Удивительно!
3/ Какие же ключевые арены конкуренции можно наметить на будущее, до 2040 года? Смотрите опять же приложенный рисунок очень внимательно, а ниже представлены опять же топ-6 (данные по выручке):
▫️E-Commerce: $4,000B (2022) => $14,000B-$20,000B (2040);
▫️AI software and services: $85B (2022) => $1,500B-$4,600B (2040);
▫️Cloud services: $220B (2022) => $1,600B-$3,400B (2040);
▫️Electric vehicles: $450B (2022) => $2,500B-$3,200B (2040);
▫️Digital advertisements: $520B (2022) => $2,100B-$2,900B (2040);
▫️Semiconductors: $630B (2022) => $1,700B-$2,400B (2040).
4/ Заметили, что в большом списке почти все арены новые, но есть несколько тех, которые частично уже сейчас являются крупнейшими аренами конкуренции? Давайте посмотрим, кто же это:
🔹E-commerce: #4 в 2020 => #1 в 2040;
🔹Cloud services: #10 в 2020 => #3 в 2040;
🔹Electric vehicles: #11 в 2020 => #4 в 2040;
🔹Semiconductors: #2 в 2020 => #6 в 2040;
🔹Biopharma: #6 в 2020 => распадается на несколько, #15 и #17 в 2040.
5/ Стоит отметить, что в совокупности новые арены конкуренции должны сгенерировать $29T-$48T выручки и $2T-$6T прибыли.
В самом отчете еще очень много чего интересного, а главное – рассмотрена каждая арена (отрасль) по отдельности.
👉 ОГРОМНЫЙ отчет на [213 страниц] доступен в сообщении ниже.
@proVenture
#research #trends #ai #cloud
Крайне любопытный и визионерский отчет от McKinsey, который очень полезно и интересно прочитать.
Вкратце, они пытаются проанализировать ключевые арены конкуренции на сегодня (это отрасли, которые темпами выше средних захватывают рыночную долю во всей экономике, industry share growth rate)и понять какой в них уровень передела рынка (shuffle rate).
Отрасль находится в топе арены конкуренции, если ее доля в общем мировом ВВП растет с течением времени, при этом еще и внутри нее меняется структура – кто-то обыгрывает конкурента и забирает его долю. Как пример – отрасль смартфонов в прошлом, когда эта отрасль люто росла, а в какой-то момент лидеры в виде Nokia или Motorola сменились на Apple, Samsung и так далее.
1/ Какие же ключевые арены сегодняшнего дня? Приведем топ-5 и только их капитализацию и выручку на 2020 (в отчете есть другие данные):
▪️Software: $3,636B (market cap) <> $341B (revenue);
▪️Semiconductors: $3,495B (market cap) <> $574B (revenue);
▪️Consumer Internet: $3,460B (market cap) <> $403B (revenue);
▪️E-commerce: $3,308B (market cap) <> $888B (revenue);
▪️Consumer Electronics: $2,502B (market cap) <> $648B (revenue);
▪️Biopharma: $2,289B (market cap) <> $343B (revenue).
2/ На приложенной инфографике видно, насколько росло значение арен конкуренции с 2005 по 2020 год! Удивительно!
3/ Какие же ключевые арены конкуренции можно наметить на будущее, до 2040 года? Смотрите опять же приложенный рисунок очень внимательно, а ниже представлены опять же топ-6 (данные по выручке):
▫️E-Commerce: $4,000B (2022) => $14,000B-$20,000B (2040);
▫️AI software and services: $85B (2022) => $1,500B-$4,600B (2040);
▫️Cloud services: $220B (2022) => $1,600B-$3,400B (2040);
▫️Electric vehicles: $450B (2022) => $2,500B-$3,200B (2040);
▫️Digital advertisements: $520B (2022) => $2,100B-$2,900B (2040);
▫️Semiconductors: $630B (2022) => $1,700B-$2,400B (2040).
4/ Заметили, что в большом списке почти все арены новые, но есть несколько тех, которые частично уже сейчас являются крупнейшими аренами конкуренции? Давайте посмотрим, кто же это:
🔹E-commerce: #4 в 2020 => #1 в 2040;
🔹Cloud services: #10 в 2020 => #3 в 2040;
🔹Electric vehicles: #11 в 2020 => #4 в 2040;
🔹Semiconductors: #2 в 2020 => #6 в 2040;
🔹Biopharma: #6 в 2020 => распадается на несколько, #15 и #17 в 2040.
5/ Стоит отметить, что в совокупности новые арены конкуренции должны сгенерировать $29T-$48T выручки и $2T-$6T прибыли.
В самом отчете еще очень много чего интересного, а главное – рассмотрена каждая арена (отрасль) по отдельности.
👉 ОГРОМНЫЙ отчет на [213 страниц] доступен в сообщении ниже.
@proVenture
#research #trends #ai #cloud
🥀 RIP to RPA: The Rise of Intelligent Automation.
Знатно набрасывает a16z на достаточно известную технологическую вертикаль, в которой есть свои герои. Они говорят, что о вертикали автоматизации повторяющихся процессов (robotic process automation) можно забыть. А там на секундочку есть UiPath, Automation Anywhere, а также всеми нами любимый стартап Electroneek с русскоязычными основателями.
1/ В чем суть?
Она сводится к тому, что компании типа UiPath создавались, чтобы автоматизировать работу людей в компаниях, находить ошибки в процессах, фиксировать их, тем самым делая корпорации эффективнее. Позже они стали создавать ботов, которые повторяли людей в выполнении рутинных задач, что делает бизнесы еще эффективнее, повышая производительность на рутинных задачах.
2/ a16z говорит, что теперь мы не говорим об улучшении производительности людей в этом смысле, а что задача будет полностью передать LLM такие задачи. То есть, по сути это решение изначальной задачи RPA. Это все Intelligent Automation.
3/ Посмотрите на карту компаний в приложенном рисунке. a16z выделяет две области:
▪️Horizontal AI Enablers;
▪️End-to-end Vertical Automation;
🔹На горизонтальном уровне мы фокусируемся на стандартных процессах многих отраслей (но не ключевых, там не создается IP), а на вертикальном – смотрим на “underdigitalized” отрасли.
4/ Что любопытно, этот концепт все же не вписывается в парадигму “human in the loop” и несет риск сокращения рабочих мест. Да, может быть, они будут созданы в другом месте. Но это уже отдельная история.
👉 Читайте подробнее в блоге a16z: https://a16z.com/rip-to-rpa-the-rise-of-intelligent-automation/
@proVenture
#research #trends #rpa #ai
Знатно набрасывает a16z на достаточно известную технологическую вертикаль, в которой есть свои герои. Они говорят, что о вертикали автоматизации повторяющихся процессов (robotic process automation) можно забыть. А там на секундочку есть UiPath, Automation Anywhere, а также всеми нами любимый стартап Electroneek с русскоязычными основателями.
1/ В чем суть?
Она сводится к тому, что компании типа UiPath создавались, чтобы автоматизировать работу людей в компаниях, находить ошибки в процессах, фиксировать их, тем самым делая корпорации эффективнее. Позже они стали создавать ботов, которые повторяли людей в выполнении рутинных задач, что делает бизнесы еще эффективнее, повышая производительность на рутинных задачах.
2/ a16z говорит, что теперь мы не говорим об улучшении производительности людей в этом смысле, а что задача будет полностью передать LLM такие задачи. То есть, по сути это решение изначальной задачи RPA. Это все Intelligent Automation.
3/ Посмотрите на карту компаний в приложенном рисунке. a16z выделяет две области:
▪️Horizontal AI Enablers;
▪️End-to-end Vertical Automation;
🔹На горизонтальном уровне мы фокусируемся на стандартных процессах многих отраслей (но не ключевых, там не создается IP), а на вертикальном – смотрим на “underdigitalized” отрасли.
4/ Что любопытно, этот концепт все же не вписывается в парадигму “human in the loop” и несет риск сокращения рабочих мест. Да, может быть, они будут созданы в другом месте. Но это уже отдельная история.
👉 Читайте подробнее в блоге a16z: https://a16z.com/rip-to-rpa-the-rise-of-intelligent-automation/
@proVenture
#research #trends #rpa #ai
🗄 AI Data Center Value Chain.
В недавней рассылке от CB Insights было кое-что любопытное про датацентры.
1/ Синопсис интереса к этой теме выглядит следующим образом: пока что у нас не так густо с AI applications, зато все активно инвестируют в инфраструктуру – железо, датацентры.
2/ Про NVIDIA говорить уже не будем, но во 2К 2024 big tech типа Amazon, Microsoft, Google и Meta (нужно отметить, что признана экстремистской и запрещена в РФ) совместно потратили $52.8B на capex – это ~60% рост год-к-году.
3/ Amazon в 3К 2024 потратил на capex космические $22.6B, что представляет собой 82% всей выручки AWS в $27B.
4/ На что можно обратить внимание? Что сама по себе отрасль датацентров огромная, и там можно поискать применение AI и постараться забрать часть этого бюджета (и другого рынка) себе.
5/ CB Insights в своей рассылке представляет 12 рыночных ниш из 4 областей и примеры стартапов, которые внедряют AI в value chain датацентров:
▪️Energy production:
▫️Small modular reactors;
▫️Nuclear fusion;
▫️Geothermal power providers;
▫️Grid storage providers.
▪️AI computing hardware:
▫️AI training processors;
▫️AI inference prcessors;
▫️Supercomputing.
▪️Support infrastructure:
▫️Data center liquid cooling;
▫️Data center immersion cooling;
▫️Data center energy optimization software.
▪️AI cloud services:
▫️Cloud AI security;
▫️Cloud graphics processing units (GPUs).
Так что смотрите, изучайте такого плана ниши – можно не только конкурировать с OpenAI, но и создавать решения для инфраструктуры для рынка и в этом найти свою нишу.
Без ссылки на источник, так как это было только в рассылке.
@proVenture
#ai #research
В недавней рассылке от CB Insights было кое-что любопытное про датацентры.
1/ Синопсис интереса к этой теме выглядит следующим образом: пока что у нас не так густо с AI applications, зато все активно инвестируют в инфраструктуру – железо, датацентры.
2/ Про NVIDIA говорить уже не будем, но во 2К 2024 big tech типа Amazon, Microsoft, Google и Meta (нужно отметить, что признана экстремистской и запрещена в РФ) совместно потратили $52.8B на capex – это ~60% рост год-к-году.
3/ Amazon в 3К 2024 потратил на capex космические $22.6B, что представляет собой 82% всей выручки AWS в $27B.
4/ На что можно обратить внимание? Что сама по себе отрасль датацентров огромная, и там можно поискать применение AI и постараться забрать часть этого бюджета (и другого рынка) себе.
5/ CB Insights в своей рассылке представляет 12 рыночных ниш из 4 областей и примеры стартапов, которые внедряют AI в value chain датацентров:
▪️Energy production:
▫️Small modular reactors;
▫️Nuclear fusion;
▫️Geothermal power providers;
▫️Grid storage providers.
▪️AI computing hardware:
▫️AI training processors;
▫️AI inference prcessors;
▫️Supercomputing.
▪️Support infrastructure:
▫️Data center liquid cooling;
▫️Data center immersion cooling;
▫️Data center energy optimization software.
▪️AI cloud services:
▫️Cloud AI security;
▫️Cloud graphics processing units (GPUs).
Так что смотрите, изучайте такого плана ниши – можно не только конкурировать с OpenAI, но и создавать решения для инфраструктуры для рынка и в этом найти свою нишу.
Без ссылки на источник, так как это было только в рассылке.
@proVenture
#ai #research
🤏 87% использования AI моделей, используемых корпоративными заказчиками, приходится на небольшие модели (до 13B параметров).
Это что такое? Томаш Тунгуз (Theory Ventures) приводит интересный срез рынка AI моделей. Мы все слышим про то, что крупные игроки выпускают на рынок огромные модели с большим количеством параметров – они могут и симфонию написать, и написать заново Google.
Но насколько эти модели используются? Похоже, что не так активно.
1/ Том пишет, что согласно исследованию Databricks, ~87% объема использования приходится на средние и мелкие модели. Более конкретно:
▪️~17% используют средние;
▪️~50% используют маленькие;
▪️~13% используют большие.
2/ Почему так? Похоже, пока что не сходится ROI. Том делал опрос среди корпораций и они подтверждали, что такое сомнение есть. А давайте посмотрим на сравнение цен:
▪️4B параметров: $0.1;
▪️16B: $0.2;
▪️56B: $0.9;
▪️124B: $1.2;
▪️405B: $3.
🔹Разница в 30х между крайними! Ого! Даже динамика 2х-4.5х роста между 4B и 56B огромная.
3/ Все это возможно на фоне того, что небольшие модели тоже справляются – ответы устраивают клиентов, а более низкий latency (время отклика) во многом становится критической – пользователи (пока что) не готовы ждать. Сравним latency у разных моделей от Llama с разным количеством параметров:
▪️7B параметров : 18 ms (миллисекунд);
▪️13B: 21 ms;
▪️170B: 47 ms;
▪️405B: 70-750 ms.
👉 Читайте подробнее в посте Томаса: https://www.linkedin.com/pulse/small-mighty-ai-tomasz-tunguz-bb3nc/
@proVenture
#ai #research
Это что такое? Томаш Тунгуз (Theory Ventures) приводит интересный срез рынка AI моделей. Мы все слышим про то, что крупные игроки выпускают на рынок огромные модели с большим количеством параметров – они могут и симфонию написать, и написать заново Google.
Но насколько эти модели используются? Похоже, что не так активно.
1/ Том пишет, что согласно исследованию Databricks, ~87% объема использования приходится на средние и мелкие модели. Более конкретно:
▪️~17% используют средние;
▪️~50% используют маленькие;
▪️~13% используют большие.
2/ Почему так? Похоже, пока что не сходится ROI. Том делал опрос среди корпораций и они подтверждали, что такое сомнение есть. А давайте посмотрим на сравнение цен:
▪️4B параметров: $0.1;
▪️16B: $0.2;
▪️56B: $0.9;
▪️124B: $1.2;
▪️405B: $3.
🔹Разница в 30х между крайними! Ого! Даже динамика 2х-4.5х роста между 4B и 56B огромная.
3/ Все это возможно на фоне того, что небольшие модели тоже справляются – ответы устраивают клиентов, а более низкий latency (время отклика) во многом становится критической – пользователи (пока что) не готовы ждать. Сравним latency у разных моделей от Llama с разным количеством параметров:
▪️7B параметров : 18 ms (миллисекунд);
▪️13B: 21 ms;
▪️170B: 47 ms;
▪️405B: 70-750 ms.
👉 Читайте подробнее в посте Томаса: https://www.linkedin.com/pulse/small-mighty-ai-tomasz-tunguz-bb3nc/
@proVenture
#ai #research
🛍 The 2025 Software Spend Report.
Платформа, которая помогает SME компаниям управлять подписками, Cledara, провела исследование среди 200 своих клиентов и США, UK и Европы с количеством сотрудников <200 человек. То есть, это некоторый срез того, на какой софт тратят деньги SME клиенты.
1/ Любопытно, что целевая группа действительно сильно отличается – например, Cledara показывает, что компании с 200+ сотрудниками тратят ~$492K на софт, тогда как уже группа с 100-200 сотрудниками тратит ~$251K (почти в 2 раза меньше). И далее по нисходящей.
2/ Но насколько тратят компании per FTE? Это позволит понять относительную структуру:
▪️0-10 FTE: $7,986;
▪️10-20: $8,089;
▪️20-50: $4,430;
▪️50-100: $2,583;
▪️100-200: $1,741;
▪️200+: $1,231.
3/ Любопытно, что затраты маржинально находятся на схожем уровне в США, Европе и UK до тех пор, пока компания не переваливает за 200+ человек. Там вот так:
▪️США: $691,049;
▪️UK: $414,066;
▪️Европа: $289,131.
4/ Однако на уровне per FTE США уже выделяется, наоборот, на раннем этапе. Для компаний с 0-20 сотрудниками разница следующая:
▪️США: $16,849;
▪️UK: $9,468;
▪️Европа: $4,625.
5/ Эти два графика говорят о то, что компании в США в абсолюте растут больше (как по головам, так и по бюджету на затраты), чем в других регионах, при этом они и на запуске могут себе позволить тратить гораздо больше, чем другие – но тут уже в относительном выражении, потому что затраты на человека выше, а количество людей – ниже.
6/ Еще несколько любопытных цифр:
🔹25 разных tools минимум покупает каждай компания (максимум – 69 программ у 200+ когорты);
🔹33% или $79,639 в среднем (до 48% или $235,520 для когорты 200+) тратится впустую – за софт платят, но его не используют!
🔹Примерно равномерно компании платят за тулы в области software, Ad, cloud;
🔹59% считают такие затраты именно затратами (41% считают инвестициями);
🔹Быстрорастущие компании (50%+ в год) тратят на софт примерно в 1.5 раза больше, чем медленно растущие (0-10% в год);
🔹45% компаний считают, что они переплачивают за софт (28% так считают про cloud, 11% за ads);
🔹58% планируют в течение следующих 12 месяцев увеличить затраты.
7/ А что там с AI Tools?
▫️Посмотрите на график, компании тратят пока что в основном на ChatGPT/OpenAI. Визуально это 90%;
▫️46% компаний планируют нарастить бюджет на AI Tools в следующие 12 месяцев (36% не планируют менять).
В самом отчете еще есть Top-4 Software Predictions от Chargebee, а также бенчмарки от ChartMogul. Почитайте самостоятельно, если вам любопытно.
👉 Ссылка на отчет на [50 страниц] от Cledara: https://resources.cledara.com/software-spend-report
@proVenture
#saas #benchmarks #research #ai
Платформа, которая помогает SME компаниям управлять подписками, Cledara, провела исследование среди 200 своих клиентов и США, UK и Европы с количеством сотрудников <200 человек. То есть, это некоторый срез того, на какой софт тратят деньги SME клиенты.
1/ Любопытно, что целевая группа действительно сильно отличается – например, Cledara показывает, что компании с 200+ сотрудниками тратят ~$492K на софт, тогда как уже группа с 100-200 сотрудниками тратит ~$251K (почти в 2 раза меньше). И далее по нисходящей.
2/ Но насколько тратят компании per FTE? Это позволит понять относительную структуру:
▪️0-10 FTE: $7,986;
▪️10-20: $8,089;
▪️20-50: $4,430;
▪️50-100: $2,583;
▪️100-200: $1,741;
▪️200+: $1,231.
3/ Любопытно, что затраты маржинально находятся на схожем уровне в США, Европе и UK до тех пор, пока компания не переваливает за 200+ человек. Там вот так:
▪️США: $691,049;
▪️UK: $414,066;
▪️Европа: $289,131.
4/ Однако на уровне per FTE США уже выделяется, наоборот, на раннем этапе. Для компаний с 0-20 сотрудниками разница следующая:
▪️США: $16,849;
▪️UK: $9,468;
▪️Европа: $4,625.
5/ Эти два графика говорят о то, что компании в США в абсолюте растут больше (как по головам, так и по бюджету на затраты), чем в других регионах, при этом они и на запуске могут себе позволить тратить гораздо больше, чем другие – но тут уже в относительном выражении, потому что затраты на человека выше, а количество людей – ниже.
6/ Еще несколько любопытных цифр:
🔹25 разных tools минимум покупает каждай компания (максимум – 69 программ у 200+ когорты);
🔹33% или $79,639 в среднем (до 48% или $235,520 для когорты 200+) тратится впустую – за софт платят, но его не используют!
🔹Примерно равномерно компании платят за тулы в области software, Ad, cloud;
🔹59% считают такие затраты именно затратами (41% считают инвестициями);
🔹Быстрорастущие компании (50%+ в год) тратят на софт примерно в 1.5 раза больше, чем медленно растущие (0-10% в год);
🔹45% компаний считают, что они переплачивают за софт (28% так считают про cloud, 11% за ads);
🔹58% планируют в течение следующих 12 месяцев увеличить затраты.
7/ А что там с AI Tools?
▫️Посмотрите на график, компании тратят пока что в основном на ChatGPT/OpenAI. Визуально это 90%;
▫️46% компаний планируют нарастить бюджет на AI Tools в следующие 12 месяцев (36% не планируют менять).
В самом отчете еще есть Top-4 Software Predictions от Chargebee, а также бенчмарки от ChartMogul. Почитайте самостоятельно, если вам любопытно.
👉 Ссылка на отчет на [50 страниц] от Cledara: https://resources.cledara.com/software-spend-report
@proVenture
#saas #benchmarks #research #ai
💪 AI Maturity Matrix: какие страны лидируют как центры развития AI?
Несколько недель назад мы кинули клич среди подписчиков – сделайте классный обзор отчета, и мы опубликуем в проВенчур гостевой пост. И все произошло как нельзя лучше – в личку откликнулись ребята из агентства Spektr, которые не только написали этот гостевой пост, но и предложили классный отчет – настолько классный, что я его уже использовал в выступлении на недавней конференции! Ну, не будем откладывать, читайте ниже:
BCG выпустил очень интересный отчет под названием AI Maturity Matrix — фреймворк для анализа готовности 73 экономик к влиянию и внедрению AI. Он построен на двух ключевых метриках: Exposure и Readiness. Эта матрица помогает ответить на вопрос: как государство может стимулировать достаточный объем инвестиций и R&D, чтобы оставаться конкурентоспособным?
Прим.: а почему это полезно для фаундеров стартапов? Наверное, вы хотите скорее оказаться в новом потенциальном хабе, чем вне его, правда?
1\ Какие сектора экономики находятся под влиянием AI?
Exposure — подверженность секторов экономики влиянию AI. Эта метрика связана с влиянием на продуктивность и изменениями на рынке труда.
Экономики с самым высоким показателем Exposure:
🟢 🇱🇺 Люксембург: почти 30% ВВП составляют финансовые услуги — сектор с высокой экспозицией к AI;
🟢 🇭🇰 Гонконг: 22% финансовых и 22% бизнес-услуг;
🟢 🇸🇬 Сингапур: 18% бизнес-услуг, 16% розничной торговли, 14% финансовых услуг.
Экономики с самым низким Exposure:
🔴 🇮🇩 Индонезия и 🇮🇳 Индия: доля традиционных отраслей (сельское хозяйство, строительство) около 25%, что снижает темпы цифровой трансформации;
🔴 🇪🇹 Эфиопия: 36% сельского хозяйства.
2\ Что определяет готовность стран к AI?
Readiness — метрика, которая указывает на возможности эффективно использовать AI. Ее рассчитывают по ASPIRE-индексу, который включает шесть основных параметров и каждому из них присвоен вес:
🔹Ambition (10%);
🔹Skills (25%);
🔹Policy and Regulation (10%);
🔹Investment (15%);
🔹Research and Innovation (15%);
🔹Ecosystem (25%).
3\ Четыре архетипа стран: от лидеров до новичков
С учетом обеих метрик Exposure и Readiness авторы разделили 73 страны на 4 архетипа:
▪️AI pioneers: эти страны опережают остальных благодаря высоким инвестициям, талантам и технологиям.
▪️AI contenders: у этих стран экономики приближаются к лидерам, но у них либо недостаточный уровень готовности, либо недостаточно секторов, подверженных влиянию AI.
▪️AI practitioners: у этих стран недостаточный уровень готовности, но количество секторов может существенно отличаться друг от друга.
▪️AI emergents: эти страны на самом низком уровне готовности с разным количеством секторов.
Более 70% исследуемых стран не готовы к переменам в сфере AI в таких аспектах, как создание экосистем, профессиональная подготовка и научно-исследовательская деятельность.
4\ В каких местах находятся русскоязычные предприниматели?
▫️AI Pioneers: 🇺🇸 США, 🇬🇧 UK, 🇨🇦 Канада.
▫️AI Contenders: 🇫🇷 Франция, 🇩🇪 Германия, 🇮🇱 Израиль, 🇦🇪 ОАЭ.
▫️AI Practitioners: 🇮🇩 Индонезия, 🇸🇦 Саудовская Аравия, 🇨🇾 Кипр, 🇦🇷 Аргентина, 🇵🇹 Португалия, 🇹🇷 Турция, 🇺🇦 Украина.
▫️AI emergents: 🚫 тут популярных локаций нет.
Знаете, что еще любопытно? Посмотрите на уровень Ambition — у всех 10! Так что все работают над тем, чтобы ситуация изменилась в лучшую сторону.
👉 Полный отчет дает детализированный разбор для каждой категории стран и секторов, а также предлагает четкие шаги по интеграции AI, его вы можете скачать по ссылке на канале у ребят из Spektr. И вообще, подписывайтесь на их канал @spektrintelligence, и ставьте 🤩 в реакциях, если хотите больше таких коллабораций.
@proVenture
#ai #research #trends
Несколько недель назад мы кинули клич среди подписчиков – сделайте классный обзор отчета, и мы опубликуем в проВенчур гостевой пост. И все произошло как нельзя лучше – в личку откликнулись ребята из агентства Spektr, которые не только написали этот гостевой пост, но и предложили классный отчет – настолько классный, что я его уже использовал в выступлении на недавней конференции! Ну, не будем откладывать, читайте ниже:
BCG выпустил очень интересный отчет под названием AI Maturity Matrix — фреймворк для анализа готовности 73 экономик к влиянию и внедрению AI. Он построен на двух ключевых метриках: Exposure и Readiness. Эта матрица помогает ответить на вопрос: как государство может стимулировать достаточный объем инвестиций и R&D, чтобы оставаться конкурентоспособным?
Прим.: а почему это полезно для фаундеров стартапов? Наверное, вы хотите скорее оказаться в новом потенциальном хабе, чем вне его, правда?
1\ Какие сектора экономики находятся под влиянием AI?
Exposure — подверженность секторов экономики влиянию AI. Эта метрика связана с влиянием на продуктивность и изменениями на рынке труда.
Экономики с самым высоким показателем Exposure:
🟢 🇱🇺 Люксембург: почти 30% ВВП составляют финансовые услуги — сектор с высокой экспозицией к AI;
🟢 🇭🇰 Гонконг: 22% финансовых и 22% бизнес-услуг;
🟢 🇸🇬 Сингапур: 18% бизнес-услуг, 16% розничной торговли, 14% финансовых услуг.
Экономики с самым низким Exposure:
🔴 🇮🇩 Индонезия и 🇮🇳 Индия: доля традиционных отраслей (сельское хозяйство, строительство) около 25%, что снижает темпы цифровой трансформации;
🔴 🇪🇹 Эфиопия: 36% сельского хозяйства.
2\ Что определяет готовность стран к AI?
Readiness — метрика, которая указывает на возможности эффективно использовать AI. Ее рассчитывают по ASPIRE-индексу, который включает шесть основных параметров и каждому из них присвоен вес:
🔹Ambition (10%);
🔹Skills (25%);
🔹Policy and Regulation (10%);
🔹Investment (15%);
🔹Research and Innovation (15%);
🔹Ecosystem (25%).
3\ Четыре архетипа стран: от лидеров до новичков
С учетом обеих метрик Exposure и Readiness авторы разделили 73 страны на 4 архетипа:
▪️AI pioneers: эти страны опережают остальных благодаря высоким инвестициям, талантам и технологиям.
▪️AI contenders: у этих стран экономики приближаются к лидерам, но у них либо недостаточный уровень готовности, либо недостаточно секторов, подверженных влиянию AI.
▪️AI practitioners: у этих стран недостаточный уровень готовности, но количество секторов может существенно отличаться друг от друга.
▪️AI emergents: эти страны на самом низком уровне готовности с разным количеством секторов.
Более 70% исследуемых стран не готовы к переменам в сфере AI в таких аспектах, как создание экосистем, профессиональная подготовка и научно-исследовательская деятельность.
4\ В каких местах находятся русскоязычные предприниматели?
▫️AI Pioneers: 🇺🇸 США, 🇬🇧 UK, 🇨🇦 Канада.
▫️AI Contenders: 🇫🇷 Франция, 🇩🇪 Германия, 🇮🇱 Израиль, 🇦🇪 ОАЭ.
▫️AI Practitioners: 🇮🇩 Индонезия, 🇸🇦 Саудовская Аравия, 🇨🇾 Кипр, 🇦🇷 Аргентина, 🇵🇹 Португалия, 🇹🇷 Турция, 🇺🇦 Украина.
▫️AI emergents: 🚫 тут популярных локаций нет.
Знаете, что еще любопытно? Посмотрите на уровень Ambition — у всех 10! Так что все работают над тем, чтобы ситуация изменилась в лучшую сторону.
👉 Полный отчет дает детализированный разбор для каждой категории стран и секторов, а также предлагает четкие шаги по интеграции AI, его вы можете скачать по ссылке на канале у ребят из Spektr. И вообще, подписывайтесь на их канал @spektrintelligence, и ставьте 🤩 в реакциях, если хотите больше таких коллабораций.
@proVenture
#ai #research #trends
⚡️ Как создать уникальный список инвесторов используя LLM? Кейс создания списка из 141 consumer-focused VC инвесторов.
Попался тут на глаза пост от инвестора Zehra Naqvi (Headline), которая выложила карту десятков VC инвесторов, которые фокусируются на consumer стартапах. Пост зашел: 2,500+ лайков, 300+ комментариев, 70+ репостов.
И что-то триггернуло эту карту покрутить. Часто ко мне приходят фаундеры consumer стартапов, а я мало что могу подсказать как B2B инвестор. И еще одна мысль, которая пришла – карта это хорошо, но там 70+ комментариев и значительная часть из них – это самоидентификация других VC, которых на карте нет. Но постойте – карта разошлась по рукам, но вряд ли кто-то обращал внимание на комментарии. И тут появился второй триггер.
💡А давайте возьмем и спарсим всех комментаторов и составим такой уникальный список – люди сами себя отметили, значит, они реально смотрят консьюмер!
В итоге я покрутил NotebookLM, ChatGPT, Perplexity и сделал список из 141 инвесторов. Как? Если коротко:
🔹Напечатал в PDF файл пост Зехры в Linkedin с комментариями, обработал их в NotebookLM;
🔹Взял карту из поста Зехры, обработал их в ChatGPT и Preplexity
Поработал над форматом в Excel и сгрузил все в Google Sheets.
Все вместе заняло минут 30, дольше статью писал на эту тему. В пост на Linkedin это не влезло, поэтому родилась первая Linkedin Article. Некий дебют!
👉 Ссылка на саму статью, лайки приветствуются: https://www.linkedin.com/pulse/how-create-unique-list-141-vcs-investing-consumer-30-efremov-phd-vkzwf/
👉 А еще было бы круто, если бы вы поддержали пост в Linkedin, чтобы чуть его раскрутить: https://www.linkedin.com/feed/update/urn:li:ugcPost:7275064486464475136/
👉💾 А где же сам Google Sheets? Найдете его в статье.
Как вам такого плана посты?
🔥 - больше бы таких, неплохой лайвхак.
🤔 - слишком просто, не очень интересно.
❤️ - давайте уже после праздников решать, сейчас просто прочитаем статью!
@proVenture
#investors #ai #howtovc
Попался тут на глаза пост от инвестора Zehra Naqvi (Headline), которая выложила карту десятков VC инвесторов, которые фокусируются на consumer стартапах. Пост зашел: 2,500+ лайков, 300+ комментариев, 70+ репостов.
И что-то триггернуло эту карту покрутить. Часто ко мне приходят фаундеры consumer стартапов, а я мало что могу подсказать как B2B инвестор. И еще одна мысль, которая пришла – карта это хорошо, но там 70+ комментариев и значительная часть из них – это самоидентификация других VC, которых на карте нет. Но постойте – карта разошлась по рукам, но вряд ли кто-то обращал внимание на комментарии. И тут появился второй триггер.
💡А давайте возьмем и спарсим всех комментаторов и составим такой уникальный список – люди сами себя отметили, значит, они реально смотрят консьюмер!
В итоге я покрутил NotebookLM, ChatGPT, Perplexity и сделал список из 141 инвесторов. Как? Если коротко:
🔹Напечатал в PDF файл пост Зехры в Linkedin с комментариями, обработал их в NotebookLM;
🔹Взял карту из поста Зехры, обработал их в ChatGPT и Preplexity
Поработал над форматом в Excel и сгрузил все в Google Sheets.
Все вместе заняло минут 30, дольше статью писал на эту тему. В пост на Linkedin это не влезло, поэтому родилась первая Linkedin Article. Некий дебют!
👉 Ссылка на саму статью, лайки приветствуются: https://www.linkedin.com/pulse/how-create-unique-list-141-vcs-investing-consumer-30-efremov-phd-vkzwf/
👉 А еще было бы круто, если бы вы поддержали пост в Linkedin, чтобы чуть его раскрутить: https://www.linkedin.com/feed/update/urn:li:ugcPost:7275064486464475136/
👉💾 А где же сам Google Sheets? Найдете его в статье.
Как вам такого плана посты?
🔥 - больше бы таких, неплохой лайвхак.
🤔 - слишком просто, не очень интересно.
❤️ - давайте уже после праздников решать, сейчас просто прочитаем статью!
@proVenture
#investors #ai #howtovc
Linkedin
⚡ How to create a unique list of 141 VCs investing in consumer startups in less than 30 minutes? | Denis Efremov, PhD
As a B2B SaaS and fintech investor at R136 Ventures, I don't identify as a consumer investor. However, I connect with impressive founders of consumer startups who often ask for investor recommendations.
🦾 AI стартапы оцениваются VC инвесторами до 3х дороже, чем прочие стартапы.
На какой стадии наблюдается пик? Давайте быстро посмотрим на данные от Питера Уолкера (Carta) по непубличным компаниям. К слову, вот в этом посте есть данные о том, что публичные AI компании оцениваются в 2.5х дороже, а в этом посте есть данные от CB Insights по непубличным компаниям, и там премия достигала 59% в2023 году.
1/ Давайте посмотрим на новые данные от Carta за 2024 год.
▪️𝗦𝗲𝗲𝗱: 39% премия;
▪️𝗦𝗲𝗿𝗶𝗲𝘀 𝗔: 23.8% премия;
▪️𝗦𝗲𝗿𝗶𝗲𝘀 𝗕: 40.5% премия;
▪️𝗦𝗲𝗿𝗶𝗲𝘀 𝗖: 34.8% премия;
▪️𝗦𝗲𝗿𝗶𝗲𝘀 𝗗: 201% премия.
2/ Сравним данные с 2023 годом в отчете от CB Insights:
▫️𝗦𝗲𝗲𝗱: 21% (2023) => 🟢 39% (2024);
▫️𝗦𝗲𝗿𝗶𝗲𝘀 𝗔: 39% (2023) => 🔴 23.8% (2024);
▫️𝗦𝗲𝗿𝗶𝗲𝘀 𝗕: 59% (2023) => 🔴 40.5% (2024).
3/ Давайте попробуем поразмышлять над этими данными:
🔹Премия просто огромная на Series D за счет Foundational Models стартапов типа OpenAI, Anthropic, xAI и проч.;
🔹На более ранних стадиях премия на уровне 35-40%, но чуть ниже на Series A – скорее всего там инвесторы уже смотрят более прагматично, истории у стартапа немного, трэкшн также сложно получить, есть некое насыщение;
🔹К тому же с 2023 года Series A и B премии сократились, что также свидетельствует н насыщении рынка;
🔹С другой стороны, с 2023 года увеличились премии на Seed – новые темы инвесторы тоже готовы смотреть.
👉 В общем, интересно, смотрите пост Питера: https://www.linkedin.com/feed/update/urn:li:activity:7275978550472536066/
@proVenture
#research #ai #trends #howtovc
На какой стадии наблюдается пик? Давайте быстро посмотрим на данные от Питера Уолкера (Carta) по непубличным компаниям. К слову, вот в этом посте есть данные о том, что публичные AI компании оцениваются в 2.5х дороже, а в этом посте есть данные от CB Insights по непубличным компаниям, и там премия достигала 59% в2023 году.
1/ Давайте посмотрим на новые данные от Carta за 2024 год.
▪️𝗦𝗲𝗲𝗱: 39% премия;
▪️𝗦𝗲𝗿𝗶𝗲𝘀 𝗔: 23.8% премия;
▪️𝗦𝗲𝗿𝗶𝗲𝘀 𝗕: 40.5% премия;
▪️𝗦𝗲𝗿𝗶𝗲𝘀 𝗖: 34.8% премия;
▪️𝗦𝗲𝗿𝗶𝗲𝘀 𝗗: 201% премия.
2/ Сравним данные с 2023 годом в отчете от CB Insights:
▫️𝗦𝗲𝗲𝗱: 21% (2023) => 🟢 39% (2024);
▫️𝗦𝗲𝗿𝗶𝗲𝘀 𝗔: 39% (2023) => 🔴 23.8% (2024);
▫️𝗦𝗲𝗿𝗶𝗲𝘀 𝗕: 59% (2023) => 🔴 40.5% (2024).
3/ Давайте попробуем поразмышлять над этими данными:
🔹Премия просто огромная на Series D за счет Foundational Models стартапов типа OpenAI, Anthropic, xAI и проч.;
🔹На более ранних стадиях премия на уровне 35-40%, но чуть ниже на Series A – скорее всего там инвесторы уже смотрят более прагматично, истории у стартапа немного, трэкшн также сложно получить, есть некое насыщение;
🔹К тому же с 2023 года Series A и B премии сократились, что также свидетельствует н насыщении рынка;
🔹С другой стороны, с 2023 года увеличились премии на Seed – новые темы инвесторы тоже готовы смотреть.
👉 В общем, интересно, смотрите пост Питера: https://www.linkedin.com/feed/update/urn:li:activity:7275978550472536066/
@proVenture
#research #ai #trends #howtovc
2024 Backward Pass - The Definitive Guide to AI in 2024.pdf
1.7 MB
📚 Хороший гайд по рынку AI от Translink Capital.
Тот случай, когда это не пост по отчету, а именно сам отчет.
Kelvin Mu из Translink Capital (давно и неплохо делает аналитику по сегменту) сделал чтиво по рынку искусственного интеллекта на 42 страницы. Тот случай, когда минимум графиков, которые мы любим, зато отчет достаточно емкий. Вдруг вы пропустили что-то по теме, это точно поможет расставить по полочкам. Понятно, что где в каком сегменте происходит.
Структура:
▪️Infrastructure Layer
▪️Model Layer
▪️Tooling Layer
▪️Application Layer
▪️Investments and M&A
▪️Other AI trends
Могу лишь еще лично направить почитать про тренд по Inference optimization в Tooling Layer, где сказано про наш уже бывший стартап Deci AI, который купила NVIDIA, но вообще каждый найдет там что-то свое. Очень кропотливо собраны тренды.
@proVenture
#ai #research
Тот случай, когда это не пост по отчету, а именно сам отчет.
Kelvin Mu из Translink Capital (давно и неплохо делает аналитику по сегменту) сделал чтиво по рынку искусственного интеллекта на 42 страницы. Тот случай, когда минимум графиков, которые мы любим, зато отчет достаточно емкий. Вдруг вы пропустили что-то по теме, это точно поможет расставить по полочкам. Понятно, что где в каком сегменте происходит.
Структура:
▪️Infrastructure Layer
▪️Model Layer
▪️Tooling Layer
▪️Application Layer
▪️Investments and M&A
▪️Other AI trends
Могу лишь еще лично направить почитать про тренд по Inference optimization в Tooling Layer, где сказано про наш уже бывший стартап Deci AI, который купила NVIDIA, но вообще каждый найдет там что-то свое. Очень кропотливо собраны тренды.
@proVenture
#ai #research
🔎 AI Survey: Four Themes Emerging.
Bain провел любопытное исследование еще в начале 2024 года относительно того, как компании используют generative AI в разных кейсах.
Сами по себе опросы не очень интересны, дают только sentiment, но не конкретные цифры, однако тут хотелось бы обратить ваше внимание на следующее.
Bain опрашивал представителей разных департаментов в октябре 2023 и в феврале 2024, и мы можем отметить, в каких областях gen AI инструменты стали больше применяться в 2024 году. График показывает процент респондентов, которые отметили, что Gen AI отвечает их ожиданиям или превышает их. Можно предположить, что увеличение процента происходит за счет роста юз кейсов.
1/ Рассмотрим направления с изменениями.
Топ-3 с растущим сентиментом:
🟢 Sales and sales operations: +6%;
🟢 Software code development/Marketing/Customer Service: +4%
🟢 Customer Onboarding: +1%
🔹 Тут на втором месте сразу несколько функций, но стоит отметить, что это единственные области, которые в плюсе вообще – в остальных местах сентимент ухудшается.
Топ-3 с падающим сентиментом:
🔴 HR: -12%;
🔴 Operations: -16%;
🔴 Legal: -18%.
🔹 Любопытно, что operations и legal это два направления, где очень много рутины – скорее всего, точность gen AI tools пока оставляет желать лучшего, вот и сентимент сокращается.
2/ Еще более любопытно, что общий сентимент сократился на 4%, а областей с падающим сентиментом (10) в 2 раза больше, чем с растущим (5). Интересно, как ситуация изменилась к концу года, конечно = к началу 2025-го. Кто-то видел информацию?
👉 Подробнее результаты опроса от Bain вы можете найти по ссылке: https://www.bain.com/insights/ai-survey-four-themes-emerging/#
@proVenture
#ai #research #trends
Bain провел любопытное исследование еще в начале 2024 года относительно того, как компании используют generative AI в разных кейсах.
Сами по себе опросы не очень интересны, дают только sentiment, но не конкретные цифры, однако тут хотелось бы обратить ваше внимание на следующее.
Bain опрашивал представителей разных департаментов в октябре 2023 и в феврале 2024, и мы можем отметить, в каких областях gen AI инструменты стали больше применяться в 2024 году. График показывает процент респондентов, которые отметили, что Gen AI отвечает их ожиданиям или превышает их. Можно предположить, что увеличение процента происходит за счет роста юз кейсов.
1/ Рассмотрим направления с изменениями.
Топ-3 с растущим сентиментом:
🟢 Sales and sales operations: +6%;
🟢 Software code development/Marketing/Customer Service: +4%
🟢 Customer Onboarding: +1%
🔹 Тут на втором месте сразу несколько функций, но стоит отметить, что это единственные области, которые в плюсе вообще – в остальных местах сентимент ухудшается.
Топ-3 с падающим сентиментом:
🔴 HR: -12%;
🔴 Operations: -16%;
🔴 Legal: -18%.
🔹 Любопытно, что operations и legal это два направления, где очень много рутины – скорее всего, точность gen AI tools пока оставляет желать лучшего, вот и сентимент сокращается.
2/ Еще более любопытно, что общий сентимент сократился на 4%, а областей с падающим сентиментом (10) в 2 раза больше, чем с растущим (5). Интересно, как ситуация изменилась к концу года, конечно = к началу 2025-го. Кто-то видел информацию?
👉 Подробнее результаты опроса от Bain вы можете найти по ссылке: https://www.bain.com/insights/ai-survey-four-themes-emerging/#
@proVenture
#ai #research #trends
🔥 What’s in your stack: The state of tech tools in 2025.
Ленни Рачицки опубликовал очень увесистое исследование про тулам, которые используют продакт менеджеры (и не только). Они совместно с Ноамом Сегалом опросили аж 6,500 человек! (48% из которых продакты)
Посмотрите на приложенной картинке топовые тулы в целом, а ниже давайте посмотрим на топ-3 тулов по разным категориям.
1/ AI ассистенты:
▪️ChatGPT: 88%.
▪️Claude: 34%.
▪️Preplexity: 28%.
🔹Любопытно, что Google на #4 месте с 24%.
2/ Кодинг:
▪️Github: 58%.
▪️VS Code: 49%.
▪️Github Copilot: 24%.
🔹Любопытно, что Cursor на #4 месте с 17%.
3/ Коммуникации:
▪️Slack: 72%.
▪️Google Meet: 46%.
▪️Zoom: 45%.
🔹Любопытно, что популярный вроде бы WhatsApp на #6 месте с 19%.
4/ Project Management:
▪️Jira: 53%.
▪️Notion: 28%.
▪️Asana: 12%.
🔹Тут любопытно, что категория “прочее” – на самом деле на #3 месте с 15%. Это едва ли не самая размазанная группа.
5/ Презентации:
▪️Google Slides: 63%.
▪️MS Power Point: 39%
▪️Figma Slides/Canva: 17%.
6/ Работа с документами:
▪️Google Docs: 69%.
▪️Google Sheets: 63%.
▪️MS Excel: 39%.
🔹Любопытно, что Notion дышит в затылок с долей 37% и #4 местом.
7/ Дизайн/UX:
▪️Figma: 90%.
▪️Canva: 17%.
▪️Webflow: 7%.
🔹Да уж, получается есть Figma и есть все остальные.
8/ Whiteboards для командной работы:
▪️Miro: 50%.
▪️FigJam: 45%.
▪️Lucidchart: 13%.
9/ CRM системы:
▪️Salesforce: 39%.
▪️HubSpot: 38%.
▪️Notion: 11%.
🔹Любопытно, что Hubspot уже на уровне с Salesforce.
10/ Поддержка клиентов и customer success:
▪️Zendesk: 29%.
▪️Slack: 29% (но чуть меньше)
▪️Intercom: 20%.
11/ User research:
▪️Google Forms: 47%.
▪️Интервью: 30%.
▪️Typeform: 22%.
🔹Да-да, в топчике старые добрые простые интервью.
12/ Данные и аналитика:
▪️Google Analytics: 41%.
▪️Looker/Tableau: 19%
▪️Amplitude: 15%.
🔹Тут категория “прочее” находится даже на #2 месте с долей 30%.
13/ Email:
▪️Gmail: 76%.
▪️MS Outlook: 34%.
▪️Apple Mail: 9%.
🔹Как и в случае с Figma, есть Gmail и есть все остальные.
14/ В самой статье есть много интересного по позиционированию и трендам, почитайте, кому интересно углубиться.
👉 Ссылка на статью: https://www.lennysnewsletter.com/p/whats-in-your-stack-the-state-of
@proVenture
#research #ai #tools
Ленни Рачицки опубликовал очень увесистое исследование про тулам, которые используют продакт менеджеры (и не только). Они совместно с Ноамом Сегалом опросили аж 6,500 человек! (48% из которых продакты)
Посмотрите на приложенной картинке топовые тулы в целом, а ниже давайте посмотрим на топ-3 тулов по разным категориям.
1/ AI ассистенты:
▪️ChatGPT: 88%.
▪️Claude: 34%.
▪️Preplexity: 28%.
🔹Любопытно, что Google на #4 месте с 24%.
2/ Кодинг:
▪️Github: 58%.
▪️VS Code: 49%.
▪️Github Copilot: 24%.
🔹Любопытно, что Cursor на #4 месте с 17%.
3/ Коммуникации:
▪️Slack: 72%.
▪️Google Meet: 46%.
▪️Zoom: 45%.
🔹Любопытно, что популярный вроде бы WhatsApp на #6 месте с 19%.
4/ Project Management:
▪️Jira: 53%.
▪️Notion: 28%.
▪️Asana: 12%.
🔹Тут любопытно, что категория “прочее” – на самом деле на #3 месте с 15%. Это едва ли не самая размазанная группа.
5/ Презентации:
▪️Google Slides: 63%.
▪️MS Power Point: 39%
▪️Figma Slides/Canva: 17%.
6/ Работа с документами:
▪️Google Docs: 69%.
▪️Google Sheets: 63%.
▪️MS Excel: 39%.
🔹Любопытно, что Notion дышит в затылок с долей 37% и #4 местом.
7/ Дизайн/UX:
▪️Figma: 90%.
▪️Canva: 17%.
▪️Webflow: 7%.
🔹Да уж, получается есть Figma и есть все остальные.
8/ Whiteboards для командной работы:
▪️Miro: 50%.
▪️FigJam: 45%.
▪️Lucidchart: 13%.
9/ CRM системы:
▪️Salesforce: 39%.
▪️HubSpot: 38%.
▪️Notion: 11%.
🔹Любопытно, что Hubspot уже на уровне с Salesforce.
10/ Поддержка клиентов и customer success:
▪️Zendesk: 29%.
▪️Slack: 29% (но чуть меньше)
▪️Intercom: 20%.
11/ User research:
▪️Google Forms: 47%.
▪️Интервью: 30%.
▪️Typeform: 22%.
🔹Да-да, в топчике старые добрые простые интервью.
12/ Данные и аналитика:
▪️Google Analytics: 41%.
▪️Looker/Tableau: 19%
▪️Amplitude: 15%.
🔹Тут категория “прочее” находится даже на #2 месте с долей 30%.
13/ Email:
▪️Gmail: 76%.
▪️MS Outlook: 34%.
▪️Apple Mail: 9%.
🔹Как и в случае с Figma, есть Gmail и есть все остальные.
14/ В самой статье есть много интересного по позиционированию и трендам, почитайте, кому интересно углубиться.
👉 Ссылка на статью: https://www.lennysnewsletter.com/p/whats-in-your-stack-the-state-of
@proVenture
#research #ai #tools
🔥🔥🔥 Крутейший отчет по AI в 2024 от компании Artificial Analysis .
Ладно, есть еще более прикольный отчет, чем прошлый отчет от Translink Capital по AI. Наверняка вы знаете Artificial Analysis – это компания, которая бенчмарки всякие очень популярные ведет по AI моделям.
👉 Почитайте их отчет на [18 страниц] в сообщении ниже.
Что там интересного?
1/ Обалденный график, который сравнивает эко-системы вокруг AI моделей.
🔘 Там 4 компоненты: Accelerator Hardware, Cloud Inference (first party), Foundation Models (first party), Applications;
🔘 Самая полная у Google – есть 4 компоненты, так, чтобы полностью проработанные (темно синий цвет);
🔘 OpenAI, Anthropic и AWS– 3 из 4 (без Accelerator Hardware в случае первых двух и без Applications в случае последней);
🔘 Чаще всего мир крутится вокруг даже не Foundation Models, в вокруг Cloud – 18 из 20 представленных решений имеют облака, 10 из 20 имея облака не имеют своих Foundation Models.
2/ Что еще любопытно?
🔸 83% компаний используют Open AI (что-то похожее уже было выше в посте, да?);
🔸 ~65% считают, что главным фактором выбора модели является reasoning quality, 50% еще говорят про цену;
🔸 61% хотя использовать много моделей сразу, 57% хотят embedded модели (встроенные куда-то);
🔸 34% используют сразу 4+ моделей;
🔸 AI Transcription снизил стоимость с $24 (Amazon) за 1,000 минут аудио до $0.33 (Groq).
4/ Там в целом еще много информации по сравнению моделей по точности, откуда они, сколько стоит это все и так далее.
@proVenture
#research #ai
Ладно, есть еще более прикольный отчет, чем прошлый отчет от Translink Capital по AI. Наверняка вы знаете Artificial Analysis – это компания, которая бенчмарки всякие очень популярные ведет по AI моделям.
👉 Почитайте их отчет на [18 страниц] в сообщении ниже.
Что там интересного?
1/ Обалденный график, который сравнивает эко-системы вокруг AI моделей.
🔘 Там 4 компоненты: Accelerator Hardware, Cloud Inference (first party), Foundation Models (first party), Applications;
🔘 Самая полная у Google – есть 4 компоненты, так, чтобы полностью проработанные (темно синий цвет);
🔘 OpenAI, Anthropic и AWS– 3 из 4 (без Accelerator Hardware в случае первых двух и без Applications в случае последней);
🔘 Чаще всего мир крутится вокруг даже не Foundation Models, в вокруг Cloud – 18 из 20 представленных решений имеют облака, 10 из 20 имея облака не имеют своих Foundation Models.
2/ Что еще любопытно?
🔸 83% компаний используют Open AI (что-то похожее уже было выше в посте, да?);
🔸 ~65% считают, что главным фактором выбора модели является reasoning quality, 50% еще говорят про цену;
🔸 61% хотя использовать много моделей сразу, 57% хотят embedded модели (встроенные куда-то);
🔸 34% используют сразу 4+ моделей;
🔸 AI Transcription снизил стоимость с $24 (Amazon) за 1,000 минут аудио до $0.33 (Groq).
4/ Там в целом еще много информации по сравнению моделей по точности, откуда они, сколько стоит это все и так далее.
@proVenture
#research #ai
🔮 Какой может быть монетизация AI в будущем?
Кайл Пояр (OpenView) выпустил очень классную заметку на тему монетизации AI сервисов и продуктов. Его прошлая заметка на тему сравнивала прайсинг и тиры в текущих AI решениях, а эта пытается заглянуть в будущее.
1/ Если коротко, эволюция может быть примерно такая:
💡Flat-rate pricing => Usage-based pricing => Feature-based pricing => Skill-based pricing.
2/ Если более длинно, то на ситуацию можно взглянуть так:
▪️Порядка 70% обычных SaaS продуктов имеют feature-based pricing в какой-то форме (обычно в формате пакетов Good-Better-Best);
▪️Около 41% монетизируется в том числе и неклассическим способом (есть что-то, кроме seat-based pricing), а среди AI таких уже сейчас 54%, гораздо выше;
▪️Сейчас фокус предложения AI сервисов направлен на время и юз кейсы – я автоматизирую за тебя какую-то вспомогательную функцию, и это можно делать столько-то раз. При этом, если посчитать, стоимость составляет 20-35% от стоимости сотрудника, который бы мог это делать.
🔹А что если фокус сместится с количества на качество? Некий skill.
3/ Тогда вполне вероятно может быть внедрен некоторый skill-based pricing. И тогда предложение может меняться в соответствии с такими тезисами:
▫️Good: “сделай работу дешево”;
▫️Better: “сделай работу качественно и за справедливые деньги”
▫️Best: “сделай работу лучше всех и быстро”
🔹Это условно путь от стажера к выпускнику ВУЗа и затем к опытному сотруднику.
👉🙃 Кайл еще немного угорает над решением по прайсингу от OpenAI, и много другого интересного рассуждает, но уже читайте сами в статье: https://www.growthunhinged.com/p/whats-changing-with-ai-monetization
А как вы, готовы будете платить AI за качество работы, а не за потраченное время?
@proVenture
#ai #research #saas
Кайл Пояр (OpenView) выпустил очень классную заметку на тему монетизации AI сервисов и продуктов. Его прошлая заметка на тему сравнивала прайсинг и тиры в текущих AI решениях, а эта пытается заглянуть в будущее.
1/ Если коротко, эволюция может быть примерно такая:
💡Flat-rate pricing => Usage-based pricing => Feature-based pricing => Skill-based pricing.
2/ Если более длинно, то на ситуацию можно взглянуть так:
▪️Порядка 70% обычных SaaS продуктов имеют feature-based pricing в какой-то форме (обычно в формате пакетов Good-Better-Best);
▪️Около 41% монетизируется в том числе и неклассическим способом (есть что-то, кроме seat-based pricing), а среди AI таких уже сейчас 54%, гораздо выше;
▪️Сейчас фокус предложения AI сервисов направлен на время и юз кейсы – я автоматизирую за тебя какую-то вспомогательную функцию, и это можно делать столько-то раз. При этом, если посчитать, стоимость составляет 20-35% от стоимости сотрудника, который бы мог это делать.
🔹А что если фокус сместится с количества на качество? Некий skill.
3/ Тогда вполне вероятно может быть внедрен некоторый skill-based pricing. И тогда предложение может меняться в соответствии с такими тезисами:
▫️Good: “сделай работу дешево”;
▫️Better: “сделай работу качественно и за справедливые деньги”
▫️Best: “сделай работу лучше всех и быстро”
🔹Это условно путь от стажера к выпускнику ВУЗа и затем к опытному сотруднику.
👉🙃 Кайл еще немного угорает над решением по прайсингу от OpenAI, и много другого интересного рассуждает, но уже читайте сами в статье: https://www.growthunhinged.com/p/whats-changing-with-ai-monetization
А как вы, готовы будете платить AI за качество работы, а не за потраченное время?
@proVenture
#ai #research #saas
🔥 Как отличается headcount у AI стартапов?
Вытаскиваем любопытную информацию из разных отчетов. На этот раз попался на глаза отчет от StartupBlink в партнерстве с IBM. Там про лидеров в AI по странам и городам (StartupBlink делает такое в целом для стартапов).
1/ Давайте все же кратко скажу, что результаты там достаточно предсказуемые, и они следующие:
▪️Топ-5 стран: США 🇺🇸, Израиль 🇮🇱, UK 🇬🇧, Канада 🇨🇦, Сингапур 🇸🇬 (неожиданно Эстония #6 🇪🇪, Румыния #11 🇷🇴, а Ирландия #20 🇮🇪);
▪️Топ-5 городов: Сан Франциско, Нью Йорк, Пекин, Лондон, Лос Анджелес (Бухарест тут #26, Москва #31, кстати);
▪️Топ-5 юникорнов: OpenAI, Bytedance, Hugging Face, ElevenLabs, Runway;
▪️Топ-5 экзитов: Kuaishou, UiPath (вот почему Румыния в топе!), SentinelOne, Intellifusion, Darktrace.
▪️Топ-5 самых перспективных стартапов: Glance, JusBrasil, Gupy, Inspur Cloud, Preplexity.
2/ Но самый любопытный график там был следующий – в отчете показано сравнение количества сотрудников в AI стартапах и в других вертикалях – Cloud, Cybersecurity, Enterprise Technology. Доля AI стартапов в зависимости от количества сотрудников (выборочно):
▪️1-50 человек:
▫️AI: 88%;
▫️Cloud: 85%;
▫️Enterprise Tech: 81%;
▫️Cybersecurity: 77%.
▪️250+ человек:
▫️AI: 2.05%;
▫️Cloud: 3.14%;
▫️Enterprise Tech: 4.34%;
▫️Cybersecurity: 5.23%.
▪️5000+ человек:
▫️AI: 0.09%;
▫️Cloud: 0.22%;
▫️Enterprise Tech: 0.06% (только тут у AI будет немного выше);
▫️Cybersecurity: 0.36%.
3/ Вот как получается – с одной стороны, возможно, просто в DeepTech более маленькие команды, а с другой, может быть, сам AI и позволяет более эффективно формировать состав и ограничиваться меньшим количеством человек.
В отчете еще много всего про инвестиции (их много в AI), концентрацию (их много в США) и ключевые возможности для AI стартапов по версии IBM.
👉 Сам отчет на [32 страницы] качайте по ссылке: https://ai.startupblink.com/
#ai #research #benchmarks
Вытаскиваем любопытную информацию из разных отчетов. На этот раз попался на глаза отчет от StartupBlink в партнерстве с IBM. Там про лидеров в AI по странам и городам (StartupBlink делает такое в целом для стартапов).
1/ Давайте все же кратко скажу, что результаты там достаточно предсказуемые, и они следующие:
▪️Топ-5 стран: США 🇺🇸, Израиль 🇮🇱, UK 🇬🇧, Канада 🇨🇦, Сингапур 🇸🇬 (неожиданно Эстония #6 🇪🇪, Румыния #11 🇷🇴, а Ирландия #20 🇮🇪);
▪️Топ-5 городов: Сан Франциско, Нью Йорк, Пекин, Лондон, Лос Анджелес (Бухарест тут #26, Москва #31, кстати);
▪️Топ-5 юникорнов: OpenAI, Bytedance, Hugging Face, ElevenLabs, Runway;
▪️Топ-5 экзитов: Kuaishou, UiPath (вот почему Румыния в топе!), SentinelOne, Intellifusion, Darktrace.
▪️Топ-5 самых перспективных стартапов: Glance, JusBrasil, Gupy, Inspur Cloud, Preplexity.
2/ Но самый любопытный график там был следующий – в отчете показано сравнение количества сотрудников в AI стартапах и в других вертикалях – Cloud, Cybersecurity, Enterprise Technology. Доля AI стартапов в зависимости от количества сотрудников (выборочно):
▪️1-50 человек:
▫️AI: 88%;
▫️Cloud: 85%;
▫️Enterprise Tech: 81%;
▫️Cybersecurity: 77%.
▪️250+ человек:
▫️AI: 2.05%;
▫️Cloud: 3.14%;
▫️Enterprise Tech: 4.34%;
▫️Cybersecurity: 5.23%.
▪️5000+ человек:
▫️AI: 0.09%;
▫️Cloud: 0.22%;
▫️Enterprise Tech: 0.06% (только тут у AI будет немного выше);
▫️Cybersecurity: 0.36%.
3/ Вот как получается – с одной стороны, возможно, просто в DeepTech более маленькие команды, а с другой, может быть, сам AI и позволяет более эффективно формировать состав и ограничиваться меньшим количеством человек.
В отчете еще много всего про инвестиции (их много в AI), концентрацию (их много в США) и ключевые возможности для AI стартапов по версии IBM.
👉 Сам отчет на [32 страницы] качайте по ссылке: https://ai.startupblink.com/
#ai #research #benchmarks
Что означает выход Deepseek с позиции VCs?
Как мы обсуждали выше в канале, смысла пересказывать новости про Deepseek нет. Все триста раз сказано. Но в комментариях был интересный вопрос, что такие новости означают с позиции венчурных инвесторов.
1/ Для начала стоит разобраться, что бизнесовый эффект стоит разделять с эффектом на инвестиционных рынках.
▫️Deepseek – это конкурент OpenAI в области foundation models, а также конкурент Anthropic, Gemini и других моделей. Это ключевое, потому что продуктов (пока что) вокруг Deepseek особо нет.
▫️Влияние на NVIDIA чисто на уровне влияния паники на рынках. Deepseek влияет на NVIDIA косвенно, только что не нужно будет столько видеокарт, отсюда и крупнейшее падение капитализации в истории (почти на 20%).
▫️Чуть позже после выхода стало понятно, что на более глубоких сложных тестах модель R1 от Deepseek все же уступает лидерам, но для эффекта встряски это уже было не важно – встряска случилась.
2/ Так а что с бизнесом?
▪️Выпуск более дешевой и достаточно точной модели означает, что на application layer бизнесам будет дешевле оперировать, и экономика должна сходиться лучше. Еще пара волн удешевлений, и можно будет говорить о том, что приложения на базе моделей могут быть прибыльными.
▪️Deepseek – это опенсорсная модель. В долгосрочной перспективе на уровне инфраструктуры почти всегда побеждает опенсорс, и это также не секрет. Как к этому готовятся закрытые модели? Ну, например, тот же OpenAI это уже продуктовая компания практически, не просто инфраструктурный игрок. А вот тут уже конкуренция не просто за счет цены.
▪️Вероятно, в будущем мы увидим консолидацию на рынке на уровне инфраструктуры и данных в области AI. Мультипликаторы на рынке AI тоже могут упасть.
🔹К слову, это прежде всего позитивно для vertical SaaS решений.
3/ А что с вложенными миллиардами VC инвесторов в подобные проекты в США?
▪️Венчурные инвестиции – это риск, а они могут сгореть. Мы уже задавались такими вопросами тут или тут.
▪️Наибольший удар получат крупнейшие фирмы, которые инвестировали много денег в инфраструктурные проекты. Для менее крупных фирм, которые избегали таких капиталоемких инвестиций новости скорее хорошие.
▪️Инвесторы в AI должны понимать, что ключевое для их портфельных стартапов – адаптивность и готовность постоянно меняться. Эра инвестиций в просто модели, которые “чуть лучше конкурентов”, заканчивается.
▪️Значит ли это, что в AI станут меньше инвестировать? Совсем наоборот! Просто инвестиции должны быть более эффективными, доставаться более широкому кругу проектов.
4/ Что еще почитать по теме?
▫️Много статей про отношение VC по теме, но больше всего понравились материалы Vox (открытый) и Business Insider (закрытый).
▫️Прямо-таки хронологию событий и реакций собрал журнал Techtarget, где есть также любопытное сравнение OpenAI и Deepseek в табличке.
▫️Слышали про то, что Deepseek выпустил хедж фонд? Крутая история про этот самый хедж фонд есть в канале “nonamevc” от Дани Чепенко.
▫️Джей Аламар из CohereAI делает, пожалуй, самый четкий обзор того, как технически работает Deepseek.
▫️Ну и нельзя пропустить эссе Дарио Амодеи из Anthropic про Deepseek. Это единственный вдумчивый анализ от лидера индустрии.
Мем в качестве картинки, чтобы мы все немного расслабились.
@proVenture
#ai #trends #research
Как мы обсуждали выше в канале, смысла пересказывать новости про Deepseek нет. Все триста раз сказано. Но в комментариях был интересный вопрос, что такие новости означают с позиции венчурных инвесторов.
1/ Для начала стоит разобраться, что бизнесовый эффект стоит разделять с эффектом на инвестиционных рынках.
▫️Deepseek – это конкурент OpenAI в области foundation models, а также конкурент Anthropic, Gemini и других моделей. Это ключевое, потому что продуктов (пока что) вокруг Deepseek особо нет.
▫️Влияние на NVIDIA чисто на уровне влияния паники на рынках. Deepseek влияет на NVIDIA косвенно, только что не нужно будет столько видеокарт, отсюда и крупнейшее падение капитализации в истории (почти на 20%).
▫️Чуть позже после выхода стало понятно, что на более глубоких сложных тестах модель R1 от Deepseek все же уступает лидерам, но для эффекта встряски это уже было не важно – встряска случилась.
2/ Так а что с бизнесом?
▪️Выпуск более дешевой и достаточно точной модели означает, что на application layer бизнесам будет дешевле оперировать, и экономика должна сходиться лучше. Еще пара волн удешевлений, и можно будет говорить о том, что приложения на базе моделей могут быть прибыльными.
▪️Deepseek – это опенсорсная модель. В долгосрочной перспективе на уровне инфраструктуры почти всегда побеждает опенсорс, и это также не секрет. Как к этому готовятся закрытые модели? Ну, например, тот же OpenAI это уже продуктовая компания практически, не просто инфраструктурный игрок. А вот тут уже конкуренция не просто за счет цены.
▪️Вероятно, в будущем мы увидим консолидацию на рынке на уровне инфраструктуры и данных в области AI. Мультипликаторы на рынке AI тоже могут упасть.
🔹К слову, это прежде всего позитивно для vertical SaaS решений.
3/ А что с вложенными миллиардами VC инвесторов в подобные проекты в США?
▪️Венчурные инвестиции – это риск, а они могут сгореть. Мы уже задавались такими вопросами тут или тут.
▪️Наибольший удар получат крупнейшие фирмы, которые инвестировали много денег в инфраструктурные проекты. Для менее крупных фирм, которые избегали таких капиталоемких инвестиций новости скорее хорошие.
▪️Инвесторы в AI должны понимать, что ключевое для их портфельных стартапов – адаптивность и готовность постоянно меняться. Эра инвестиций в просто модели, которые “чуть лучше конкурентов”, заканчивается.
▪️Значит ли это, что в AI станут меньше инвестировать? Совсем наоборот! Просто инвестиции должны быть более эффективными, доставаться более широкому кругу проектов.
4/ Что еще почитать по теме?
▫️Много статей про отношение VC по теме, но больше всего понравились материалы Vox (открытый) и Business Insider (закрытый).
▫️Прямо-таки хронологию событий и реакций собрал журнал Techtarget, где есть также любопытное сравнение OpenAI и Deepseek в табличке.
▫️Слышали про то, что Deepseek выпустил хедж фонд? Крутая история про этот самый хедж фонд есть в канале “nonamevc” от Дани Чепенко.
▫️Джей Аламар из CohereAI делает, пожалуй, самый четкий обзор того, как технически работает Deepseek.
▫️Ну и нельзя пропустить эссе Дарио Амодеи из Anthropic про Deepseek. Это единственный вдумчивый анализ от лидера индустрии.
Мем в качестве картинки, чтобы мы все немного расслабились.
@proVenture
#ai #trends #research
📢 Опрос: клиентам не важен AI в вашем сервиса.
Щепотка дёгтя в наши-ваши розовые пони с искусственным интеллектом. У Кайла Пояра (OpenView) в блоге вышел гостевой пост от Кристен Берман (Irrational Labs) на тему того, что потребители думают, когда в продукте упоминается тот факт, что он работает на базе AI.
1/ Что делали? 767 людям в США (48% мужчины, 75% бакалавр и выше, 60% выше среднего достатка ($60K в год по меркам США) показали лендинги 4 продуктов в двух видах: (i) с указанием, что сервис работает на базе AI и (ii) просто с описанием ценности и задали несколько вопросов.
2/ Ключевой результат – это ответ на вопрос “сколько вы готовы были бы платить в месяц за этот тул”. Результаты (🟢 – AI выиграл сильно, ⚪️ – нет особой разницы и 🔴 – AI проиграл):
⚪️ Intuit: $10.1 без AI => $11.5 с AI;
⚪️ Microsoft: $11.2 без AI => $11.3 с AI;
🟢 Superhuman: $6.6 без AI => $9.1 с AI;
🔴 Zendesk: $13.6 без AI => $13.1 с AI.
3/ Другие выводы:
🟢 AI в среднем заставляет платить немного больше: $11.3 против $10.4;
🔴 Доверия к AI меньше: верят AI-powered на 52 по шкале из 100 и на 54 верят без AI;
⚪️ Потребители считают, что термин AI используется слишком часто.
4/ Кристен расписывает, что можно с этим делать, чтобы более аккуратно использовать термин:
▪️Фокусируетесь на бенефитах, а не на жаргоне;
▪️Сделайте акцент на измеримых результатах против воды (например, “пишите письма в 3 раза быстрее” против “улучши эффективность написания письма с помощью AI”);
▪️Вовлекайте пользователей (это с AI не связано, просто элемент PLG);
▪️Вдумчиво используйте термин AI, когда вам необходимо это сделать;
▪️Помните, что клиенты не всегда ассоциируют “AI” с “лучше”.
👉 Ссылка на пост для более детального изучения: https://www.growthunhinged.com/p/ai-messaging-study
@proVenture
#research #ai #trends
Щепотка дёгтя в наши-ваши розовые пони с искусственным интеллектом. У Кайла Пояра (OpenView) в блоге вышел гостевой пост от Кристен Берман (Irrational Labs) на тему того, что потребители думают, когда в продукте упоминается тот факт, что он работает на базе AI.
1/ Что делали? 767 людям в США (48% мужчины, 75% бакалавр и выше, 60% выше среднего достатка ($60K в год по меркам США) показали лендинги 4 продуктов в двух видах: (i) с указанием, что сервис работает на базе AI и (ii) просто с описанием ценности и задали несколько вопросов.
2/ Ключевой результат – это ответ на вопрос “сколько вы готовы были бы платить в месяц за этот тул”. Результаты (🟢 – AI выиграл сильно, ⚪️ – нет особой разницы и 🔴 – AI проиграл):
⚪️ Intuit: $10.1 без AI => $11.5 с AI;
⚪️ Microsoft: $11.2 без AI => $11.3 с AI;
🟢 Superhuman: $6.6 без AI => $9.1 с AI;
🔴 Zendesk: $13.6 без AI => $13.1 с AI.
3/ Другие выводы:
🟢 AI в среднем заставляет платить немного больше: $11.3 против $10.4;
🔴 Доверия к AI меньше: верят AI-powered на 52 по шкале из 100 и на 54 верят без AI;
⚪️ Потребители считают, что термин AI используется слишком часто.
4/ Кристен расписывает, что можно с этим делать, чтобы более аккуратно использовать термин:
▪️Фокусируетесь на бенефитах, а не на жаргоне;
▪️Сделайте акцент на измеримых результатах против воды (например, “пишите письма в 3 раза быстрее” против “улучши эффективность написания письма с помощью AI”);
▪️Вовлекайте пользователей (это с AI не связано, просто элемент PLG);
▪️Вдумчиво используйте термин AI, когда вам необходимо это сделать;
▪️Помните, что клиенты не всегда ассоциируют “AI” с “лучше”.
👉 Ссылка на пост для более детального изучения: https://www.growthunhinged.com/p/ai-messaging-study
@proVenture
#research #ai #trends
👾 Следующие 10 лет основной темой будут AI-агенты
Джиджи Леви-Вайс (NFX) написал интересную аля-визионерскую статью (его структурированная модель изложения всегда очень нравится) на тему AI-агентов. Это уже большой тренд, поэтому давайте попробуем с этой статьей не просто смотреть на шаг вперед, а попробуем подумать, к чему это приведет.
1/ Ключевой бизнес-моделью в развитии AI-агентов будет модель маркетплейса. То есть, мы будем видеть маркетплейсы AI-агентов.
2/ Почему?
▫️Посмотрим, как развивался рынок софта – либо простые задачи для широкого круга клиентов и в первую очередь небольших (типа Calendly), либо сложные вертикальные экспертные решения для крупных клиентов (типа Procore).
▫️Посмотрим, почему в отношении AI-агентов модель может себя повторить – мы используем AI либо для супер-дешевого решения простых задач, либо можем рассчитывать на неких “AI-сотрудников”, которые будут экспертами в определенной области.
🔹Как и на рынке софта, есть возможность для развития обоих кейсов. И это возможность в первую очередь на рынке простых задач предлагать разные решения через маркетплейсы.
3/ 5 причин потенциального доминирования маркетплейс стратегии в этом сегменте:
▪️AI не заменяет софт, оно переводит его в разряд услуг.
▪️Конкретный простой сервис продвигать самому экономически неэффективно – для этого нужно место, где можно будет совместно продвигаться.
▪️Маркетплейсы плохо работают для софта, но мы не про софт – маркетплейсы как раз отлично работают для услуг.
▪️Текущие лидеры на рынке маркетплейсов вряд ли переключатся на AI-агентов, поскольку это убьет их текущий бизнес.
▪️Сетевые эффекты отлично защищают маркетплейсы.
4/ Ложка дегтя? На рынке маркетплейсов обычно “winner takes all” ситуация. То есть, вероятно те, кто пошли в эту сторону, уже имеют шансы стать лидерами (например, Hugging Face, Enso).
👉 Более детально читайте статью в блоге NFX: https://www.nfx.com/post/ai-agent-marketplaces
@proVenture
#trends #ai
Джиджи Леви-Вайс (NFX) написал интересную аля-визионерскую статью (его структурированная модель изложения всегда очень нравится) на тему AI-агентов. Это уже большой тренд, поэтому давайте попробуем с этой статьей не просто смотреть на шаг вперед, а попробуем подумать, к чему это приведет.
1/ Ключевой бизнес-моделью в развитии AI-агентов будет модель маркетплейса. То есть, мы будем видеть маркетплейсы AI-агентов.
2/ Почему?
▫️Посмотрим, как развивался рынок софта – либо простые задачи для широкого круга клиентов и в первую очередь небольших (типа Calendly), либо сложные вертикальные экспертные решения для крупных клиентов (типа Procore).
▫️Посмотрим, почему в отношении AI-агентов модель может себя повторить – мы используем AI либо для супер-дешевого решения простых задач, либо можем рассчитывать на неких “AI-сотрудников”, которые будут экспертами в определенной области.
🔹Как и на рынке софта, есть возможность для развития обоих кейсов. И это возможность в первую очередь на рынке простых задач предлагать разные решения через маркетплейсы.
3/ 5 причин потенциального доминирования маркетплейс стратегии в этом сегменте:
▪️AI не заменяет софт, оно переводит его в разряд услуг.
▪️Конкретный простой сервис продвигать самому экономически неэффективно – для этого нужно место, где можно будет совместно продвигаться.
▪️Маркетплейсы плохо работают для софта, но мы не про софт – маркетплейсы как раз отлично работают для услуг.
▪️Текущие лидеры на рынке маркетплейсов вряд ли переключатся на AI-агентов, поскольку это убьет их текущий бизнес.
▪️Сетевые эффекты отлично защищают маркетплейсы.
4/ Ложка дегтя? На рынке маркетплейсов обычно “winner takes all” ситуация. То есть, вероятно те, кто пошли в эту сторону, уже имеют шансы стать лидерами (например, Hugging Face, Enso).
👉 Более детально читайте статью в блоге NFX: https://www.nfx.com/post/ai-agent-marketplaces
@proVenture
#trends #ai
NFX
The Next 10 Years Will Be About the AI Agent Economy
The next decade belongs to AI agent marketplaces. Here's why they'll be a dominant force in the AI agent economy.