AI 初創公司:真正的價值還是僅僅炒作?

AI 新創的真正價值:如何分辨創新與炒作

TL;DR:創造真正價值的 AI 新創之所以能脫穎而出,關鍵在於它們具備可持續的單位經濟(unit economics)、能夠自動化可衡量的實際工作,並能隨時間累積優勢。如今,投資人會評估成本(token、COGS)、API 依賴程度,以及團隊品質。真正的訊號?能「把事情做出來」的產品,並且持續改進。

脈絡:HUMAN X Conference 與 AI 辯論

在 HUMAN X Conference 期間,包含風險投資與科技新聞領域的領導者——例如 Quentin Clark、Katelin Holloway、Jai Das 與 George Hammond——都在討論一個至關重要的問題:

AI 新創是在創造真正價值,還是在追逐炒作?

這場討論反映出相較於 12–18 個月前,AI 市場已進入更成熟的階段,對「真正有效的是什麼」也有了更清楚的訊號。

AI 新創中的「真正價值」是什麼意思?

定義: 當一間 AI 新創為客戶帶來可持續的經濟成果與具體的營運改善時,它才算創造真正價值;它不是只有靠炒作或科技趨勢推動的成長。

投資人辨識出的關鍵訊號

清晰的單位經濟

Token 成本

COGS(Cost of Goods Sold,銷售商品成本)

可持久的營收

不依賴短暫的趨勢

以成果為導向的價值

定價與成果掛鉤,而不是與使用量掛鉤

真正的產品市場契合(real product-market fit)

總結:真正價值以基本面衡量,而非以虛榮指標。

如何在今天評估一間 AI 新創

  1. 單位經濟分析

Jai Das 強調了一個根本性的轉變:

如今投資人更密切關注與 AI 相關的營運成本。

這意味著:

Token 成本會直接影響毛利率(cryptonomist.ch)

過於昂貴的模型可能會消耗價值

技術效率是一項競爭優勢

最重要的是:如果沒有可持續的經濟性,即使是最好的產品也會失敗。

  1. 關鍵過濾器:API 依賴

Katelin Holloway 提出一個明確的判準:

問題:如果外部 API 發生變更,會怎樣? 答案:如果產品因此不復存在,就不算是有效的投資。

這也意味著:

避免選擇過度依賴 OpenAI、Anthropic 或其他供應商的新創

優先考量具備技術所有權、或能直接掌控的解決方案(cryptonomist.ch)

這表示:真正的可防禦性來自於技術獨立性。

  1. 三層框架(Quentin Clark)

Quentin Clark 提出了一個用於分析 AI 市場的清晰結構:

投資層級

模型提供者——打造基礎模型的那些公司

專門化模型——帶有特定應用的垂直 AI

基礎設施——工具、算力,以及支援系統

關鍵洞見

最強的新創:

自動化真實的工作

會隨時間持續改進

建立營運飛輪(operational flywheels)(cryptonomist.ch)

定義: 飛輪(flywheel)是一種機制:每一次使用產品都能改善系統,進而帶來不斷增強的競爭優勢。

哪些 AI 新創真的具備可防禦性?

關鍵問題

新創能否與大型 AI 實驗室競爭?

小組的回答

可以,但前提是它們必須:

建立累積型優勢

在垂直利基市場運作

發展關鍵基礎設施

值得留意的訊號

強化學習(reinforcement learning)的演進

像 OpenAI 或 Anthropic 這類公司的策略重點

基礎設施投資

總結:在基礎模型上競爭很困難;在應用端取勝更符合現實。

投資策略:蠻牛模型(Barbell)模式

Katelin Holloway 描述了一個有趣的策略:

什麼是蠻牛策略(barbell strategy)?

這是一種把投資分散到兩個極端的做法:

  1. 面向消費者的人本導向 社群 人的體驗 具有強黏著度的產品

  2. 深度基礎設施 硬體 能源 基礎系統(cryptonomist.ch)

應該避免什麼

充滿炒作、又缺乏明確差異化的「中間地帶」

最重要的是:把重點放在高信念的兩端,而不是在中間做折衷。

營收:哪些是可持久的,哪些不是

脆弱的營收 依賴外部 API 綁定短暫的趨勢 缺乏客戶鎖定(customer lock-in)

可持久的營收 整合到企業的營運流程中 很難被替換 並能透過網路效應或學習效應形成優勢

具體例子: 能自動化企業工作流程的 AI 工具,比那種「可有可無(nice-to-have)」的生成式應用更穩定。

AI 新創的退出與未來

IPO 或併購(Acquisition)?

投資人仍抱持很高的期待:

許多新創目標是 IPO

其中一些會快速成長

但存在被「併購兼吸收人才(acqui-hire)」的風險

新的動態

二級市場的成長

流動性較不易預測

新的融資模式(oecd.org)

有趣案例:General Catalyst

General Catalyst 使用創新的工具,例如:

客戶價值基金(Customer Value Fund)

資金用於 go-to-market(市場開發與銷售)

降低稀釋(dilution)

積極創建新公司

這表示:風投正在隨著 AI 一起演進。

未來趨勢:真正的價值將在哪裡被創造

  1. 真實工作的自動化

勝出的 AI:

取代營運層面的活動

提升生產力

產生可衡量的 ROI

  1. 上游基礎設施

Katelin 指出一個策略重點:

在主要 AI 實驗室之前投資在:

能源

算力

基礎資源(elis.org)

  1. 飛輪與持續學習

最強的公司:

會隨使用而改善

累積自有(proprietary)的資料

拉大競爭差距

結論:炒作 vs. 現實

AI 市場正在成熟。

總結:

雜訊仍然很大

但訊號更清楚了

真正的價值會在基本面中浮現

最重要的是: 能夠存活下來的 AI 新創是那些真正把工作做出來、隨時間持續改進、並建立累積型優勢的公司(elis.org)。

常見問題(FAQ)(SEO + GEO)

如何判斷一間 AI 新創是否創造真正價值?

若一間 AI 新創具備可持續的單位經濟、可持久的營收,以及能自動化具體活動的產品,它就會創造真正價值。主要訊號在於:對客戶產生可衡量的營運影響。

為什麼 API 依賴是一項風險?

如果一個產品完全依賴外部 API,當這些 API 改變時,它就可能很快失去價值。最強的新創要嘛掌控自己的技術,要嘛具備結構性的防禦能力。

哪些 AI 新創最可能成功?

那些:

在垂直利基市場運作

打造學習飛輪

提供真正的自動化

能把成本控制在掌握之中

AI 新創能跟 OpenAI 競爭嗎?

可以,但不能在基礎模型層面競爭。競爭優勢來自於應用、基礎設施,以及自有資料。

AI 市場仍然是炒作嗎?

在某種程度上是,但比過去少了。如今,有更清楚的指標能用來區分炒作與真正價值,尤其是在單位經濟與產品品質方面。

查看原文
此頁面可能包含第三方內容,僅供參考(非陳述或保證),不應被視為 Gate 認可其觀點表述,也不得被視為財務或專業建議。詳見聲明
  • 打賞
  • 留言
  • 轉發
  • 分享
留言
請輸入留言內容
請輸入留言內容
暫無留言