![](https://static.ws.126.net/163/frontend/images/2022/empty.png)
BVP深入探讨了塑造 AI 云经济未来的五大最强大趋势以及对 2030 年前景的预测。
在去年的《云现状》报告中,也就是 ChatGPT 发布六个月后,我们宣布语言模型驱动的人工智能将持续存在,并将影响几乎所有的云路线图。事后看来,这是今年最大的轻描淡写。即使是我们乐观的看法也低估了过去 12 个月(又称 12 个“人工智能年”)随之而来的技术变革加速。
2023 年,我们承诺注资 10 亿美元,这彰显了我们对人工智能的热情。一年后,我们对人工智能的前景充满信心——我们支持了多家人工智能初创公司的新投资,并在几乎每家投资组合公司的路线图中广泛采用 LLM 技术。如今,很难找到一家不是某种程度上的人工智能公司的云计算公司。
当然,我们并不是唯一对此充满热情的人。新技术浪潮往往会激发风险投资的兴趣,但与历史先例相比,风险投资对这波浪潮的反应速度非常快。尽管BVP 纳斯达克新兴云指数 (EMCLOUD)仍低于零利率政策高点,交易价格处于历史正常水平,但私营部门已经反弹,可以说再次出现泡沫,这主要是在 AI 云的推动下。
![](https://static.ws.126.net/163/frontend/images/2022/empty.png)
我们所能想到的只有人工智能。是的,传统云仍然具有重大机遇,嵌入式支付和薪资继续在新的垂直领域打开缝隙。这些垂直领域包括供应链和物流、卡车运输、政府科技和气候等服务不足的行业,这些行业正在看到复苏的迹象。
![](https://static.ws.126.net/163/frontend/images/2022/empty.png)
是的,在新冠疫情泡沫破灭期间,那些估值过高、资金过剩的云计算公司逐渐回归现实或转向紧缩政策,这确实有点戏剧性。
![](https://static.ws.126.net/163/frontend/images/2022/empty.png)
但当我们对 62 位全球投资者进行调查时,我们并不感到惊讶,有 124 人的目光都聚焦在了我们一致认为是一生中最大的技术转变上。
今年的云现状报告既是对传统云的悼念,也是对当前 AI 云时代的庆祝。在未来的篇章中,我们将完全关注全球投资者团队认为与 AI 云最相关的五大趋势,以及我们预测的激动人心的几年的影响。
对于 2024 年云的状态,我们深入探讨了塑造 AI 云经济未来的五大最强大趋势以及对 2030 年前景的预测。
2024 年定义 AI 云的五大趋势
![](https://static.ws.126.net/163/frontend/images/2022/empty.png)
趋势一:人工智能基础模型为科技巨头的新世纪之战奠定基础
当我们回顾过去的平台转变时——从浏览器和搜索到移动和云——每一次技术变革都催化了对基础层的控制竞争。人工智能时代也不例外。基础模型是新的“石油”,将为下游人工智能应用和工具提供动力。
![](https://static.ws.126.net/163/frontend/images/2022/empty.png)
2023 年,基础模型公司占据了人工智能风险投资的最大份额,占人工智能总投资额的 60% 以上。OpenAI、Anthropic、Mistral、Cohere 等参与者筹集了230亿美元,总市值达到 1240 亿美元,凸显了它们在全球人工智能生态系统中的关键作用。值得注意的是,这笔资金的流入主要由企业风投推动,它们占 2023 年私人 GenAI 融资的 90%(摩根士丹利的数据表明,这一比例高于 2022 年的 40%)。微软、谷歌、亚马逊、NVIDIA和甲骨文等大型科技公司现在都持有基础模型公司的大量股份,因为这些投资在战略上旨在增强这些科技巨头的人工智能能力,推动其核心云和计算服务的消费。此外,大型科技公司也在开展自己的内部基础模型计划,例如谷歌的 Gemini和Meta AI 的 Llama。
![](https://static.ws.126.net/163/frontend/images/2022/empty.png)
随着大量资金涌入这一基础层,竞争正以前所未有的速度加剧,推动生态系统中出现大量创新。以下是我们在 2023 年观察到的一些主要趋势:
基础模型快速改进: 通用 LLM 每秒都在变得越来越好,不仅在基础性能能力(例如准确性和延迟)方面,而且在包括多模式功能在内的前沿方面也是如此。GPT -4o的发布让我们所有人都大吃一惊——新版本展示了从上传的文件中查看和理解视频和音频以及生成短视频的能力。模型改进的令人眼花缭乱的速度提出了关于投资策略的明显问题,这些模型的半衰期似乎以月为单位。
开源与闭源之间的斗争愈演愈烈: 正如我们在去年的《云计算现状》中提到的那样,开源与闭源之争在 2024 年仍是一个热门话题,因为开源领导者密切关注闭源模型的性能,尤其是最近推出的 Llama 3。围绕监管影响提出了新的问题,闭源参与者是否应该将他们的旧模型开源作为新商业化战略的一部分,或者这是否可能是历史上开源领导者第一次成为这个市场的赢家。
小模型运动发展壮大: 此外,2023 年也见证了小模型运动的兴起, HuggingFace首席执行官兼联合创始人Clem Delangue宣布2024 年将是 SLM 之年。与更大的同类产品相比,今年推出的 Mistral 8x22b 等产品表明,就性能而言,更大并不总是更好,而小模型可以带来显著的成本和延迟优势。
新型架构和专用基础模型的出现: 2023 年,我们还看到了对 Transformer 之外的新型模型架构的出现,例如状态空间模型和几何深度学习,推动了基础模型的前沿发展,这些模型的计算强度较低,能够处理更长的上下文或表现出结构化推理。我们还看到大量团队训练用于代码生成、生物学、视频、图像、语音、机器人技术、音乐、物理、脑电波等特定用途的模型,为模型层添加了另一个多样性向量。我们在最近的AI 基础设施路线图中讨论了这一趋势。
基础层发生了这么多事情,我们脚下的大地似乎每分每秒都在发生变化。尽管已经投入了大量资金,但目前还未就谁是赢家达成明确的共识。
预测:在可预见的未来,人工智能模型之战将保持白热化,因为这是一场关键的“地盘争夺战”,决定了未来几年哪些大型科技公司将在云计算和计算市场占据主导地位。
在可预见的未来,我们预计有三种可能的现实情况,决定谁将在这场模型层之争中获得最大价值:
现实 1:模型层变得商品化。
风险投资公司和大型科技公司支持 AI 领袖之争,数亿美元资金是否会被浪费?资本最雄厚的模型并不意味着它们会成为赢家,因为开源模型将继续密切挑战领先的市场参与者。但未来 AI 模型商品化并不一定意味着模型的价值会降低。AI 模型作为商品将类似于计算或石油作为商品——它们有朝一日将成为全球商业运营必不可少的资产。在这种现实中,AI 生态系统的最终价值将由计算和云服务提供商、市场和应用程序获取,而不是由模型本身获取。然而,在 AI 模型商品化的世界里,正如我们在石油市场看到的那样,这仍然可能催生一两家极具价值的公司出售这些“商品”。
现实2:AI模型巨头瓜分蛋糕。
与云战争类似,少数值得注意的新模式公司在大型科技公司战略或企业风险投资的大力支持下,将拥有基础模型生态系统并成为巨头。这些赢家中的每一个都将找到一个差异化优势来与技术差异化相匹配,无论是通过分销、价格/成本效率、监管影响等。可能仍会有一系列不同的参与者(尤其是开源),但价值将集中在少数顶尖的模型参与者身上。不仅卓越的技术将决定未来的人工智能巨头,而且他们既定的分销渠道也将决定未来的人工智能巨头。
现实3:人工智能模型变得像薯片市场一样多样化和受欢迎。
就像薯片的口味无穷无尽一样,人工智能模型经济的未来很可能与您当地杂货店的零食货架非常相似。许多模型公司可以蓬勃发展,因为有足够多的差异化用例(例如,模式、性能、延迟、成本、安全性等)可供不同的模型公司生存。此外,如果地缘政治考虑进入人工智能模型领域,地理和监管可能会在这里发挥作用,而各种法规和主权问题将支持这一层多样性的扩散。
预测:虽然我们远未达成共识,但我们的合作伙伴中略微多数的人预测闭源模型将推动大部分 LLM 计算周期,而 AI 模型巨头最终将瓜分经济蛋糕(现实 #2)。
我们预计云计算巨头将利用其在计算、芯片和资本方面的优势来影响这场竞争。领先者已经加入竞争——微软/OpenAI、AWS/Anthropic、谷歌/Gemini,其中 Meta/Llama 是 Linux 等价的 OSS 替代品,Mistral 是欧洲的领先者。
![](https://static.ws.126.net/163/frontend/images/2022/empty.png)
趋势 2:AI 将我们所有人变成 10X 开发人员
现代工程师一直是半建设者半学生——一边完成日常工作,一边不断努力跟上新语言、框架、基础设施等的最新潮流。人工智能地震为这项工作增加了博士学位要求,因为开发人员面临着一套全新的工具链和最佳实践,以利用不断发展的 LLM,包括一套用于数据管理、策展、提示、预训练和微调的新基础设施套件。人工智能时代的每一年都需要开发人员掌握十年的新知识。
但人工智能也可能为这种新的复杂程度提供解决方案。2023 年代码Copilot被广泛采用,2024 年头几个月代理工具取得了早期突破,这表明简单代码任务的端到端自动化以及更多功能可能比我们预期的更快到来。
预测:人工智能将彻底改变开发人员的角色,或许改变程度超过任何其他职业。到本世纪末,每个拥有计算机的人都将具备重要的开发能力。由此产生的软件开发速度将取代键盘,并大幅降低技术初创公司创始人的平均年龄。
![](https://static.ws.126.net/163/frontend/images/2022/empty.png)
推动人工智能开发者经济闪电般发展的主要有三个领域:
1. 代码 Copilot 行业一直是创新和竞争的温床,2023 年为 GenAI 技术和工具投资了 39 亿美元风险投资。Github 现有的 Copilot 产品由 OpenAI 的 GPT-4 和 Codex 模型提供支持,普及率很高,安装量超过 1400 万次。Tabnine 、Magic.dev、Augment、Poolside、Cursor AI、OpenDevin、Cognition 的 Devin和Supermaven等一大批资金充足、规模不断扩大的初创竞争对手正在与开发人员一起构建和迭代。Magic.dev、Poolside、Augment 和 Supermaven 等一些公司正在预先训练自己的大型 AI 模型,重点关注模型属性,例如上下文、延迟等。其他公司,例如 Cursor,则与模型无关,专注于开发人员体验、界面和工作流程。这种格局是模型层 AI 公司资本密集度的一个很好的例子;Magic.dev、Augment、Poolside 和 Devin 在过去几年中分别筹集了 1.5 亿美元以上。
2. 嵌入代理搜索和生成功能的 Copilot 的“毕业运动”将在未来几年产生巨大的价值。Devin、SWE-agent 和 OpenDevin 已经展示了端到端代理工具的潜力,这些工具可以与开发人员环境(即文件编辑器、bash shell)和互联网交互以完成编码任务。这些代理演示的基础是代码语言推理、代理轨迹规划(方法因提示、行为克隆/微调、强化学习而异)和各种代理计算机接口 (ACI) 改进(即跨浏览器和操作系统的抽象和基础设施,可实现无缝代理工具查询和自我纠正)的快速进步。
3. 代码语言推理仍将是人工智能活动的中心,它将受益于模型层创新(例如 GPT-4、Claude 3 Opus)和新颖的推理/代理范式(例如 Cognition 的 Devin、SWE-agent、OpenDevin)。模型层的改进将渗透到代码编辑和完成质量中,最终为开发人员和软件组织带来价值。除了代码推理之外,突破延迟、上下文大小界限并扩展语言域/预训练集的系统也将为开发人员带来巨大的价值。
人工智能正在推动创新和变革,并加快软件组织的开发人员速度、生产力和杠杆作用。具有前瞻性的软件组织会定期调查新兴工具和供应商的前景,并迅速确定和采用高价值的开发人员软件的优先级。开发人员的预算再次流动起来,并且愿意为具有明显影响的工具支付高昂的费用。
对于开发企业家来说,这是一个激动人心的建设时刻;不仅在 Copilot 上,而且在基础设施、开发工具、质量保证、IT 配置和供应、安全操作监控、渗透测试等方面都存在着大量的机会。
Copilot可能是目前最明显的机会,但这使得它们可能是竞争最激烈的领域。我们还看到更具体的开发者领域的工具激增——从安全领域的 SecOps 到 SRE,再到 QA 和渗透测试。这些工具使用 LLM 来抽象低级复杂性并自动化高度耗时、痛苦的工程任务,从而释放工程资源以用于更高级别的任务。将 AI 集成到 DevOps 流程中将增强 CI/CD 管道、自动化测试和部署策略,从而实现更快、更可靠的软件交付。
代码重构是 AI 对开发人员工作流程和生态系统影响的另一个很好的例子。许多现代工程团队只花费其 FTE 时间的一小部分来编写全新代码。特别是在大型组织中,SWE 的大部分时间都花在了软件工程角色中不那么“吸引人”的部分:维护、保护和测试代码。其中许多任务(例如代码重构)需要对堆栈有深入的了解,而且通常是高级工程师在执行时会感到畏惧的繁琐项目。
人工智能显然有潜力解决这些挑战;Gitar、Grit、 ModelCode等初创公司利用代码生成模型、静态分析和 AST 解析器来解释代码结构并跨语言、包库和框架迁移代码。其中一些工作专注于现代 Web 框架,而另一些工作则使用脆弱的遗留工程堆栈(即 COBALT、PEARL 等),而熟练的工程师随着时间的推移会变得过时。许多与核心软件工程功能相邻的工作流程也非常耗时、重复,并且非常适合自动化。
预测:到 2030 年,大多数企业软件开发人员将更像软件审阅者。开发成本将下降,随着经验丰富的开发人员效率的提高,他们的工资将上涨。
人工智能将影响所有就业市场的范围和所需技能,但对开发人员的影响可能最大。人工智能的增强不仅将大大提高这一职业的生产力,还将扩大开发人员领域的边界。到本世纪末,开发能力将成为全球大多数人都能掌握的技能。
![](https://static.ws.126.net/163/frontend/images/2022/empty.png)
趋势 3:多模态模型和人工智能代理将通过软件改变人类关系
多模态模型和 AI 代理的兴起引领了 AI 的下一波创新浪潮,并极大地扩展了 AI 的潜在应用范围,使其应用范围远超早期基于文本的模型。AI企业家有机会在语音、图像和视频等新模态以及代理工作流程中进行创新。这些新模态使 AI 拥有与人类视觉、听觉和语言能力相当的能力,这为 AI 提供了机会,使其能够在依赖这些感官的大量人类工作中发挥作用。
在未来 12 个月,我们预计语音 AI 应用将实现突破性增长。从长远来看,我们还看到代理优先产品有望改变企业的运营方式,因为它们在 AI 可处理的任务的复杂性和广度方面设定了新的期望。
预测:未来五年内,语音 AI 应用将释放 100 亿美元的新软件 TAM。
最近的进展是不可否认的:
![](https://static.ws.126.net/163/frontend/images/2022/empty.png)
语音
第一波语音 AI 公司主要利用自动语音识别 (ASR) 的进步,例如Abridge,它提供领先的产品,用于转录医患对话笔记,以及Rillavoice,它捕获现场销售代表与客户的对话以协助销售培训。我们现在看到一波新的语音 AI 公司正在开发能够处理繁琐和重复工作流程的对话语音产品,使销售、招聘、客户成功和管理用例中的人类能够专注于更高价值的工作。我们投资组合中的一个例子是Ada,它利用最近的语音突破来扩展其基于聊天的客户支持产品以纳入对话语音。
这些发展的基础是新的语音架构。我们看到了从级联架构(ASR 将音频转录为文本,然后将其传递到 LLM,然后将文本反馈到文本转语音模型)到语音原生架构的转变,正如 GPT-4o 等新模型所展示的那样,这些模型可以处理和推理原始音频数据,而无需转录为文本并以原生音频做出响应。这种转变将使对话语音产品的延迟大大降低,对情感、语调和情绪等非文本信息的理解能力大大增强,而这些信息大部分在级联架构中都会丢失。这些进步将带来真正实时的对话语音体验,可以帮助用户比前几代语音自动化更快地解决问题,而且挫败感要少得多。
人工智能语音应用正在许多行业兴起,包括汽车经销店、零售、餐厅和家庭服务。很大一部分(甚至大多数)的入站销售电话由于发生在工作时间之外而被错过,在这种情况下,人工智能可以弥补这一不足。销售中的人工智能语音应用往往是投资回报率极高的用例,因为人工智能实际上是在弥补这些企业的损失收入,因此可以提供真正引人注目的价值主张。
语音 AI 领域的创业者比以往任何时候都更有能力提供更加自然、更具对话性的界面,能够提供接近人类水平的性能。我们预计语音 AI 堆栈中的公司数量将呈爆炸式增长(见下文),其中许多公司将实现真正的突破性增长。在此过程中,我们还预计消费者对与语音 AI 交互的期望将发生变化,因为现代对话式语音应用程序开始为用户提供更自然的体验,并最终让他们更快地解决问题。
![](https://static.ws.126.net/163/frontend/images/2022/empty.png)
图片 / 视频
计算机视觉模型已经存在多年,但新一代多模态 LLM 令人兴奋的是它们能够结合对图像和文本数据(以及其他模态)的理解,因为这种组合对于许多任务非常有用。
最初的企业级图像应用浪潮主要集中在数据提取用例上。我们已经看到Raft等公司采集货运文件,提取关键信息以填充客户的 ERP 并自动化发票核对工作流程。随着底层模型的不断改进,我们相信我们将看到大量垂直特定的图像和视频处理应用程序出现,它们也将能够采集越来越多的数据来为其应用程序提供支持。
我们还看到工程和设计领域的应用程序利用视觉模型和图像生成模型来帮助推理图形数据(如示意图)或生成建筑设计的效果图。例如,Flux.ai 提供了一个 AI Copilot ,可帮助电气工程师根据采集的组件 PDF 规格表在其设计软件中生成印刷电路板组件。
自主人工智能代理
人工智能领域最令人兴奋的新兴主题之一是人工智能代理的开发,它能够完全自主地端到端处理复杂的多步骤任务。虽然大多数人工智能代理的运行可靠性还不足以在复杂的用例中自主运行,但代理工作流程的进展非常迅速,我们看到了可能性的一瞥。每个新的演示都比上一个更好,Cognition AI 的 Devin(人工智能软件工程师)暗示了随着人工智能的规划和推理能力不断扩展,可能性将如何。
越来越多的应用程序开始在高度受限的用例中实现 AI 代理,以限制多步骤流程中复合错误的影响。例如,企业正在利用 Bessemer 投资组合公司Leena AI等解决方案,提供 AI 代理来支持员工完成与 IT、人力资源和财务相关的任务,帮助这些团队摆脱繁琐的工作并改善员工体验。
此外,具有更强大推理能力的新模型正在涌现,可以进一步增强代理执行更复杂的工作流程的能力。也许更有趣的是,目前有大量研究专注于新的架构方法,通过各种方法(包括思路链推理、自我反思、工具使用、规划和多代理协作)来改进代理实现。
2023 年,我们看到专注于基于文本的用例的 AI 应用呈爆炸式增长。我们预测,2024 年,多模态模型将在应用层 AI 的功能和用例方面开辟新天地。这将引发新一波应用浪潮,为特定垂直领域内的大型企业和小型企业带来接近人类的能力,甚至将为消费者应用释放令人兴奋的潜力。
![](https://static.ws.126.net/163/frontend/images/2022/empty.png)
趋势四:垂直人工智能有望通过新应用和新商业模式超越传统 SaaS
事实证明,垂直 SaaS 是第一次云革命期间改变行业的沉睡巨人。如今,美国排名前 20 的垂直 SaaS 上市公司总市值约为 3000 亿美元,其中超过一半的公司在过去十年内进行了 IPO。
现在,大型语言模型 (LLM) 的兴起引发了下一波垂直 SaaS 浪潮,我们看到新的 LLM 本土公司成立,这些公司瞄准新功能,有时甚至瞄准传统垂直 SaaS 无法涉足的行业;值得注意的是,垂直 AI 应用程序瞄准的是主导众多垂直行业和大型经济部门的高成本重复性语言任务。
![](https://static.ws.126.net/163/frontend/images/2022/empty.png)
美国劳工统计局指出,商业和专业服务业占美国 GDP 的 13%,仅这个行业就以重复性语言任务为主,规模约为软件行业的 10 倍。除了专业服务业之外,在每个行业中,垂直重复性语言任务都占了很大一部分。我们相信垂直人工智能将争夺这些资金的重要份额,并将推动人力不足领域的活动。例如,Bessemer 投资组合公司EvenUp实现了第三方法律服务以及内部律师助理工作流程的自动化。此外,EvenUp 开辟了以前人力过于昂贵或不一致而无法应用的任务领域。这种多维度的扩展对经济所有部门的垂直人工智能都有影响。
![](https://static.ws.126.net/163/frontend/images/2022/empty.png)
预测:随着垂直人工智能进入服务经济并释放新的商业模式,垂直人工智能的市值将至少是传统垂直 SaaS 的 10 倍。
Copilot、自动驾驶和人工智能服务构成了垂直人工智能经济的三种新商业模式。垂直人工智能也通过几种不同的商业模式实现,从而增加了将人工智能能力与特定行业需求相匹配的可能性。
![](https://static.ws.126.net/163/frontend/images/2022/empty.png)
Copilot利用 LLM 实现任务自动化,从而提高员工的工作效率。例如, Sixfold为保险承保人提供强大支持,帮助他们更好地分析数据和了解风险。在 Copilot 模型中,AI 应用程序与人类用户并肩工作,帮助用户取得更大的成功。
Copilot 帮助员工完成工作,而代理则完全自动化工作流程并取代用户。代理往往专注于垂直公司内部的特定功能,如外拨销售或来电接待。例如, Slang AI处理餐厅的来电,以进行预订和预约、回答问题等。
最后,我们看到了人工智能服务的兴起。这些服务通常外包给第三方供应商,如会计、法律服务、医疗账单等。由于这些业务需要大量人力,因此利润率一直较低、难以扩大规模、难以差异化,而且价值低于技术型企业。通过使用软件实现工作自动化,这些人工智能服务公司旨在向市场提供更便宜、更好、更快的服务,并从现有的服务型企业中夺取市场份额。SmarterDx使用人工智能代表医疗系统和医院审核住院索赔,然后将账单和相应的临床文件发送给付款人。这些账单前服务传统上外包给使用医生和护士进行审核工作的供应商。
Bessemer 投资组合中垂直 AI 商业模式实力的早期信号
Bessemer 很幸运地在多个垂直领域支持了这家传统 SaaS 领导者——现在我们拥有最大的垂直 AI 投资组合之一,尤其是那些已达到中期至成长期的企业。因此,我们已经拥有了有意义的数据,可以用来比较垂直 AI 公司和传统垂直 SaaS 公司。虽然我们和任何 VC 一样对语言模型的力量感到兴奋,但我们对垂直 AI 商业模式的早期数据也同样感到兴奋。我们对垂直 AI 投资组合的三项分析暗示了这类新应用的实力。
![](https://static.ws.126.net/163/frontend/images/2022/empty.png)
首先,我们注意到,大多数垂直 AI 参与者都以不与传统 SaaS 竞争的功能为主导。这些应用程序的实用性通常是对传统 SaaS 产品的补充(如果有的话),因此不会被要求复制和取代现有产品。同样令人兴奋的是,这些垂直 AI 新贵已经占据了传统核心垂直 SaaS 系统约 80% 的 ACV。这些垂直 AI 参与者才刚刚起步,显然有扩大 ACV 的潜力。这些数据表明,垂直 AI 能够通过取代服务支出来释放垂直终端市场中的大量支出,并提供可能最终是传统 SaaS 所享有的 TAM 的几倍的 TAM。
我们也对规模可观的垂直 AI 公司的效率和增长情况感到鼓舞($4M ARR+)。这群公司的增长速度是我们见过的最快,同比增长率约为 400%。同样令人印象深刻的是,这些公司还表现出健康的效率,平均毛利率约为 65%,BVP 效率比率约为 1.1 倍(净新 CARR/净烧钱)。我们相信,这些公司的利润率只会随着时间的推移而提高,就像我们在软件行业历史上看到的那样,因此,作为一个类别,它们很有可能成为经久不衰的独立上市公司。
最后,我们分析了这些垂直 AI 公司在模型成本上花费的收入百分比,以解决许多这些应用程序只是薄包装的担忧。平均而言,这些公司目前仅将其收入的约 10% 用于模型成本或总 COGS 的约 25%。因此,这些建立在 LLM 之上的垂直应用程序已经产生了约 6 倍于基础模型费用的利润。随着模型成本迅速下降,这些初创公司刚刚开始优化其支出,我们相信这些诱人的利润只会变得更好。
总的来说,虽然我们预计模型层将创造巨大的价值,但这些数据告诉我们,与过去的基础设施创新一样,大部分企业价值将再次被应用层所捕获。
垂直软件领域的老牌企业并没有完全失去行动能力。汤森路透(以 6.5 亿美元收购 CaseText)和Docusign(以 1.65 亿美元收购 Lexion)等公司已经完成了一些备受瞩目的垂直 AI 收购。
但我们相信我们仍接近垂直人工智能马拉松的起跑线……尽管参赛者可能会全程冲刺。随着 EvenUp、Abridge、Rilla、Axion等早期创业公司领导者的快速发展,我们预计新的经久不衰的垂直人工智能上市公司将在短短几年内诞生。
根据我们已经看到的规模增长率,我们预测未来两到三年内将出现 至少五个垂直 AI 半人马(1 亿美元以上 ARR) 。
预测:首个垂直人工智能 IPO 将在未来三年内发生。趋势五:人工智能让消费云起死回生
消费者云经历了十年的低迷,这已经不是什么秘密了。(我们将消费者云定义为直接向个人消费者提供基于云的存储、计算和数字应用程序的公司,有时包括并发的 B2B 和“产消合一”产品。)
为了说明速度有多慢,我们分析了过去八年的Cloud 100 数据——这是 Bessemer、福布斯和 Salesforce Ventures 自 2016 年以来每年发布的 100 家顶级私有云公司的权威排名。自九年前成立以来,只有 4% 的累计榜单代表了提供消费者产品的公司,有时还会提供更为突出的 B2B 产品(例如 2016 年的 Zoom 和最近的 2023 年的 OpenAI)。可以说,自曾经的十角兽Dropbox 于 2018 年上市以来,我们还没有见过一家“纯”消费者云公司退出。
![](https://static.ws.126.net/163/frontend/images/2022/empty.png)
消费者云独角兽历来都是在重大技术变革之后诞生的。但自近 15 年前 iPhone 推出以及随后社交媒体平台的发展以来,我们还没有看到面向消费者的技术出现广泛相关的震动。然而,两年前消费者听到了一场重大震动。
由于 LLM 快速发展的多模式功能使我们能够以以前不可能的方式扩展和增强我们的文本、视觉和听觉感官,我们看到传统消费者云的每个类别都存在颠覆的潜力。
衡量人工智能消耗能力的一个指标是这些应用程序占用了我们多少时间和注意力。例如,ChatGPT 现在与 Reddit 等注意力经济领域的领导者不相上下,而其他通用人工智能助手(包括 Claude 和 Gemini)也迅速受到关注。
![](https://static.ws.126.net/163/frontend/images/2022/empty.png)
除了上面提到的通用助手之外,我们已经看到了一些消费级人工智能公司在各自领域推动创新的例子。其中包括用于搜索的Perplexity 、用于陪伴的Character.ai 、用于图像创意的Midjourney 、用于音乐生成的Suno和Udio,以及用于视频生成的Luma、Viggle和Pika。这些公司展示了 LLM 原生应用程序吸引和留住忠实用户群的潜力,在某些情况下,它们可以有效取代现代既有企业。
随着人工智能改变我们参与和利用技术的方式,这是成为消费云建设者和投资者最激动人心的时刻之一。我们预计未来五年内将有多家消费云公司上市。
预测:随着合成媒体、新消费应用程序和对话 AI 代理的惊人崛起,我们预测到 2030 年,主导注意力经济的三大业务将基于 AI 生成的内容或产品。
我们还看到,在功能特定的消费者人工智能应用(即内容生成和编辑、教育)的长尾领域,早期活动也十分活跃,这可以从每月的网站和应用访问量中看出。好消息是,这些信号表明了消费者的需求和兴奋程度——这是消费者希望通过人工智能来改善生活的早期迹象。坏消息是,目前还没有超过 10 个特定类别的消费者人工智能原生应用显示出明显的产品深度,超越了薄薄的包装,或者以强大的留存率证明了客户对它的持久喜爱。我们相信,在未来的几个月和几年里,有进取心的企业家仍然有机会建立可持续发展的云公司,以满足许多未满足的消费者需求。
当我们审视消费者需求时,我们会问自己两个关键问题,以了解 LLM 阶段的价值将在哪里累积:
现状对于消费者来说 有多痛苦或多费力?
需要多少重复、可预测的语言/视觉/听觉努力?
当我们提出这些问题时,我们正在重新审视消费者生活中的每一个日常需求和痛点,但我们的想象力不会仅仅局限于考虑既定的消费者需求。我们相信,通过为消费者提供新颖的实用功能,可以打造出大型企业,例如克隆和伴侣、创造力和创造、互动娱乐和记忆增强,包括许多其他尚未发明的市场。
我们也兴奋地追踪着开始出现的满足特定消费者需求的新形态。由于我们无法预测未来,我们无法准确预测人工智能在渗透到消费者生活时会以何种形态出现。然而,手持设备、可穿戴设备和家用物品(玩具、镜框、镜子)已经开始出现,至少是原型,作为未来初创企业的潜在先兆。
人工智能不仅会重塑我们最喜欢的消遣方式(例如社交、娱乐、购物、旅行等),还会帮助我们发现和重新构想人们联系、玩耍、购买和探索世界的新方式。还有很多事情有待解决。从投资的角度来看,我们质疑通用人工智能助手(例如 iPhone 上的 Siri)和独立应用程序将满足哪些消费者需求。更不用说这些未来产品将伴随出现的道德考量。尽管未来存在许多未知数,但我们相信早期信号清楚地表明,LLM 革命将改变我们所有人的生活,并重振消费者云格局。
![](https://static.ws.126.net/163/frontend/images/2022/empty.png)
结论——AI云:现实与炒作
“我们倾向于高估一项技术的短期效应,而低估其长期效应”——罗伊·阿马拉
天哪,Roy Amara在过去的几波科技浪潮中都拥有 VC 的号召力。互联网公司肯定是这样的。纳米技术。清洁技术。区块链。即使是无聊的老式 SaaS 在 2021 年也飞得太近了。
那么,围绕人工智能云的炒作是否超出了现实?当我们承认人工智能的前景推动了云计算风险投资公司的发展时,我们是否注定在未来一两年内面临清算?或者人工智能是否威胁到“阿玛拉定律”的破灭?这是现实超越疯狂炒作的第一次技术浪潮吗?
一项针对全球各个阶段和各个技术领域数十位 Bessemer 投资者的调查给出了明确的答案:到目前为止,这种炒作是当之无愧的。我们随处可见人工智能影响的证据,其影响达到了史无前例的水平。
![](https://static.ws.126.net/163/frontend/images/2022/empty.png)
我们投资组合中的绝大多数已在内部采用了人工智能技术,并且正在更新产品路线图以纳入人工智能。
![](https://static.ws.126.net/163/frontend/images/2022/empty.png)
人工智能原生投资组合公司正在推动有意义的商业发展,其增长速度和效率堪比我们所见过的任何群体。
我们的全球投资者团队做出了回应,花费了绝大多数时间跟踪云计算各个领域的人工智能现象。引人注目的是,人工智能浪潮中的六个趋势正在激烈争夺我们团队的兴趣——再次说明了人工智能云计算现象的规模和强度。
![](https://static.ws.126.net/163/frontend/images/2022/empty.png)
回顾我们去年的预测,我们更加清楚地认识到,尽管我们非常乐观和兴奋,但我们无法完全预测这种变化的速度和幅度。具体来说,我们预测 AI Native 公司的收入将比传统云公司快 50% 达到 10 亿美元。据报道,OpenAI在今年 2 月的收入达到了 20 亿美元,几个月后刚刚报告称其运营率超过了 34 亿美元。据报道,Anthropic 预计到 2024 年底,其年收入将达到 8.5 亿美元。其他报告估计Midjourney为 Character.ai带来了 2 亿美元的收入和类似的规模。
是的,我们准备好做出这个预测了。
![](https://static.ws.126.net/163/frontend/images/2022/empty.png)
我们的最终预测是,当我们一年后回顾 2025 年的云计算状态时,人工智能将不会放弃其当前聚光灯下的任何光子——尽管我们肯定会有成功和失败,但平均而言,进展将超过我们最激进的预测,我们将比现在更加兴奋地再次将时钟拨回,看看这个令人惊叹的时刻将把我们带向何方。
| |