原創研究:AI演算法分析94家海外AI獨角獸

Builder:Ren,Ryan&Zenith,關注推特:@renkingeth
寫在前面
我們分析了2015年後成立的6500家AI公司(從2萬多家公司中抽取完成融資和2022年以後創辦的企業),覆蓋Web 2、Web 3及全球市場。為確保資料全面,收集了儘可能多的海內外資訊源。
在兩個月內,我們團隊清理了所有資料,剔除不相關公司,整理公司產品、團隊和融資資訊,併為每家公司打上至少6個標籤,最終完成統計分析。若無ChatGPT幫助,這項工作可能需四個月完成。
我們堅持原創研究,基於原始資料,因為資料或標籤錯誤都會導致汙染。GPT也面臨類似問題,已僱傭數百人清理汙染資料。因此我們必須保持認知統一,易於修正錯誤。對於AI而言,資料也是最重要的。
我們將在公眾號上釋出研究成果。首篇文章《AI獨角獸國際篇》剔除了中國和無人駕駛專案,整理出94家AI獨角獸公司。後續會有團隊篇、機構篇和中國篇等內容。
選擇2015年,是因為這是OpenAI創辦之年,也是我首次投資AI的一年。
Figure I: AI 獨角獸(國際版)2015-2024
01.
AI獨角獸與國家戰略
Figure 1:AI獨角獸全球地理位置分佈

Table 1:AI獨角獸國家數量
 美國主導AI獨角獸:美國以72個專案佔據了絕大多數AI獨角獸,顯示出其在全球AI領域的主導地位。這也反映了美國在技術創新、資金投入和市場需求方面的強大優勢。
 新興市場的潛力:如阿聯酋、智利等新興市場雖然只有1個獨角獸專案,但也顯示出這些國家在AI領域的潛力,可能成為未來的增長點。
 與中國的比較會在後面發單獨一篇文章進行分析
Figure 2:AI獨角獸國家與主賽道數量

 因為美國的獨角獸數量遠超其他國家,故在這張圖中沒有涉及美國
Figure 3:不同國家的AI優勢
如Figure2和Figure3 所示,
1、英國 (UK)
強項: 英國在多個AI領域都有顯著的代表性,特別是在基礎設施 (infra) 和 橫向應用 (Horizontal) 方面。英國有多個高估值公司,如Graphcore(硬體)、Stability AI(影像/影片模型)和Quantinuum(量子計算)。
細分領域: 英國在硬體、量子計算和低程式碼平臺方面表現突出,顯示出英國在AI硬體基礎設施和創新型計算技術方面的優勢。
2、印度 (India)
強項: 印度的AI公司更多集中在基礎設施 (infra) 和 縱向應用 (Vertical) 領域。
細分領域: 在物流、社會媒體和基礎模型(如多模態模型)方面,印度表現出色。例如,Shiprocket在物流領域和Glance在社交媒體領域的表現尤為突出,這表明印度在AI驅動的服務平臺和應用方面具有優勢。
3、新加坡 (Singapore)
強項: 新加坡的AI領域集中在基礎設施 (infra) 和 縱向應用 (Vertical) 上,尤其是在金融和半導體領域。
細分領域: 例如,Advance Intelligence Group在金融領域,以及Silicon Box在晶片(OSAT, Chip)領域表現較為突出,顯示出新加坡在高科技和金融科技領域的競爭力。
4、以色列 (Israel)
強項: 以色列在基礎設施 (infra) 方面具有強大優勢,特別是在晶片技術和基礎模型領域。
細分領域: Hailo Technologies專注於AI晶片,而AI21 Labs在基礎模型方面具有優勢。這表明以色列在AI硬體和智慧系統開發方面具有獨特的競爭力。
5、德國 (Germany)
強項: 德國在機器人AI (robotic AI) 和 基礎設施 (infra) 方面具有優勢。
細分領域: 德國的Helsing專注於無人機和AI技術,Aleph Alpha則在基礎模型方面有重要影響力。這顯示了德國在高科技製造和AI創新方面的強項,尤其是與自動化和智慧系統相關的領域。
6、阿聯酋 (UAE)
強項: 阿聯酋在基礎設施 (infra) 領域表現突出,特別是在雲計算領域。
細分領域: G42在雲計算領域的高估值表明阿聯酋在利用AI技術進行基礎設施發展方面具有很大的潛力,尤其是在資料和雲計算服務方面。
7、法國 (France)
強項: 法國的AI公司集中在基礎設施 (infra) 領域,尤其是基礎模型開發。
細分領域: Mistral AI在基礎模型領域表現突出,顯示出法國在先進AI演算法和模型開發方面的實力。
8、智利 (Chile)
強項: 智利的AI公司主要集中在縱向應用 (Vertical) 領域。
細分領域: NotCo在植物基肉類替代品領域表現突出,表明智利在AI驅動的食品科技創新方面具有潛力。
9、加拿大 (Canada)
強項: 加拿大在基礎設施 (infra) 和 量子計算 方面有顯著表現。
細分領域: Cohere在基礎模型方面具有重要影響力,而Xanadu專注於量子計算,這表明加拿大在前沿AI技術(如量子計算和AI模型)方面處於領先地位。
10、總結:
 基礎設施 (infra) 是多數國家的選擇,尤其是在AI硬體和基礎模型方面。英語國家,美國、加拿大、英國都選擇推出了自己的大模型企業;歐洲法國、德國也不甘落後;簡而言之,傳統強國都有屬於自己的大模型。其次印度、以色列、日本也都推出了自己的大模型。大模型很明確是戰略共識,那麼這次中國AI大模型沒有上車的VC,就好比劉備失去了荊州,已經失去了完成隆中對的機會。
 縱向應用 (Vertical) 在印度、新加坡和智利表現突出,一方面代表他們在世界範圍內的技術競爭優勢,另一方面也符合各自的國力。
 機器人AI (robotic AI) 方面,依舊是德國,一如既往的體現著自動化和無人系統方面的傳統強勢。
02.
賽道Category
Figure II: AI 獨角獸賽道一覽
我們把Category分為了5大類,但是Consumer也可以算作Horizontal中的一種。

 Infra (Infrastructure):
在AI領域,Infra 通常指的是支撐AI執行的基礎設施,包括基座模型、硬體(如GPU伺服器)、軟體架構(如雲服務和資料處理平臺)、以及支援機器學習模型和大資料處理的技術棧。這一類別強調的是提供必要的技術基礎以支援AI的執行和發展。
 Horizontal AI:
指的是跨行業應用的AI技術,這些技術不特定於任何一個垂直市場,而是可以廣泛應用於多個行業。通常是企業服務的同義詞,例如,營銷工具,客服工具,財務工具,程式設計工具等等。
 Vertical AI:
指專注於特定行業或市場領域的AI應用,這些AI解決方案是為了解決特定行業內的具體問題而設計的。例如,針對醫療行業的AI診斷工具、針對零售行業的庫存管理AI系統,或者針對金融服務的風險評估模型。
 Consumer:
在AI領域,涉及到直接面向消費者的應用和服務。這包括智慧個人助理、AI伴侶、以及透過AI增強的消費者娛樂體驗等。
 Robotic AI:
這包括用於製造業、物流、家庭和服務行業的自動化機械,以及與物理世界互動的各種智慧裝置。Robotic AI通常強調感知、決策和運動控制的整合應用。包括具身智慧,無人機,自動駕駛等。但是本人不涉及自動駕駛。
Figure 4:2015-2024年創辦獨角獸賽道一覽

Figure 5:AI獨角獸不同賽道比例:
Table 2:AI獨角獸的基本資訊圖
Figure 6:AI獨角獸的估值融資額回報比區間

Figure 7:AI獨角獸的估值融資額回報比範圍

如Table2,Figure6,Figure7所示,融資與估值的關聯性,
 Infra 類別具有最高的融資和估值;
 Horizontal 和 Consumer 類別的公司儘管融資相對較少,但卻能獲得較高的估值,對團隊的要求要求較低,對技術門檻要求較低,因此創業風險更大,所以回報更高,詳細分析,見下一篇團隊分析文章(後續發出);
 Vertical 和 Robotic AI 類別的公司同等融資額情況下,估值增長有限,公司股份稀釋多,可能是由於這些領域的市場需求和技術挑戰較大,需要更多的資源投入。
Table 3:賽道估值、融資額迴歸分析
 在上述表1的迴歸分析結果所示,整體樣本融資對估值的迴歸係數為正且在1%的水平顯著,表明融資更多,公司估值越大,融資對公司的價值增長起到顯著正向作用。
 具體而言在各賽道中,infra和robotic AI賽道融資對公司價值增長的促進作用更加明顯;
 其他三個如Horizontal、Vertical、consumer賽道中係數不顯著,甚至負向顯著,說明融資對這三個賽道的價值增長促進作用不大甚至有反向抑制作用。
03.
子賽道Subcategory
Figure 7:AI獨角獸創業時間子賽道時間分佈圖
Figure 8:AI獨角獸創業時間子賽數量與估值

 如Figure 7,Figure8所示,我們觀察到不同子賽道專案的數量,估值,融資額,投資回報比各不相同,於是我們採取進一步統計分析,去觀察不同子賽道的差異是否顯著。
Figure 9:AI獨角獸子賽道平均融資額與平均估值
 如Figure 9 ,不同子賽道的資料的差異並沒有顯著性;對於平均融資額和平均估值的多項式迴歸分析顯示,新增二次項並未顯著提高模型的解釋力。非常低的R平方值以及迴歸係數的非顯著p值表明,子類別與平均融資額或估值之間的關係,即使考慮了潛在的非線性效應,依然沒有統計上的顯著性。這可能是因為數量量太少的原因。
分析總結:
 fundation models 以顯著優勢成為最受VC青睞的子類別,這表明基礎模型相關的技術和應用受到了廣泛關注和投資。
 Hardware 和 Enterprise 同樣也吸引了大量投資,可能由於這些領域的核心技術需求和市場潛力。
 Data mangement 和 Healthcare 是技術驅動型行業中的關鍵子類別,它們的投資熱度反映了對資料處理和健康技術的高需求。

相關文章