根據調研機構CB Insights日前發布的“AI狀況”季度報告，與資本市場當前狀況一致，AI的投資持續放緩。

自上季度以來，AI初創公司的總投資下降了31%，降到2020年第三季度以來的最低水平。大型融資(1億美元以上)與上季度相比下降39%，創下9個季度以來新低。 

盡管AI融資的停滯將會減緩該領域的發展，但它也促使投資者將更多注意力放在可能實現持續發展的AI項目上。投資者需要了解獲得融資的AI初創公司，以對AI行業在未來幾個月的發展趨勢有大致的了解。 

AI的商業模式 

AI初創公司是一個模糊的術語，通常適用于所有類型的公司，其范圍從專注于提供AI工具（例如MLOps、預測分析工具、無代碼/低代碼模型開發）到在產品中使用AI的公司（例如使用機器學習預測風險的保險科技公司）。

然而，有一些因素決定了圍繞AI和機器學習形成的商業模式的成功。以下是其產品的一些共同原則：

1、產品/市場的契合度：AI產品必須解決未解決的問題，或者在現有的解決方案上提供足夠的附加值。 

2、增長策略：必須有可擴展的渠道，讓產品向目標用戶傳遞其價值(例如付費廣告以及與現有應用的整合)。這些渠道必須是防御性的，并使競爭對手難以搶占市場份額。 

3、目標市場：投資者希望獲得投資回報。其產品必須有一個相當大的市場才能增長并達到目標估值。如果產品太小眾，很少有人問津，那么投資者也不會有興趣為其提供資金。

除了上述原則，使用AI和機器學習的產品還必須解決一些其他問題：

1、訓練數據：產品團隊需要有足夠的高質量數據來訓練和測試其模型。在某些情況下，這些數據很容易獲得(例如公共數據集和企業數據庫中的現有數據)；在其他方面則比較難以獲得(例如健康數據)。對于某些應用，數據在不同的地理區域和受眾之間可能存在細微差別，這需要它們自己進行數據收集工作。

2、持續改進：AI和機器學習模型需要隨著世界的變化而不斷更新。在部署機器學習模型之后，產品團隊必須有持續收集數據以更新和改進模型的策略。這種不斷的改進也加強了產品對競爭對手的防御能力。 

本著這些原則，根據CB Insights公司的調查報告，需要了解在經濟低迷的情況下，AI初創公司是否存在為其AI計劃吸引資金的模式。

逆勢實現早期融資的AI項目

AI行業早期融資的平均規模一直穩定在300萬美元左右。相比之下，中期和后期的交易規模季度環比分別下降了15%和53%。但早期交易的數量已經減少，這意味著AI初創公司將更難為他們的產品創意找到投資。

在CB Insights的報告中提到的種子資金和天使交易中，以色列AI初創廠商Voyantis公在7月獲得了1900萬美元的資金，用于開發其預測增長平臺。

如今的廣告環境發生了變化，對用戶數據和隱私的規定更加嚴格，Voyantis致力于解決營銷人員面臨的這些問題。例如，蘋果公司最近在iOS系統中添加了一個功能，允許用戶阻止廣告商收集他們的設備ID。由于沒有用戶的詳細數據，之前基于規則的廣告活動只能提供較差的結果，這將增加每個用戶獲取成本(CAC)。Voyantis使用機器學習來預測用戶行為和終身價值，有助于做出明智的決策，并提高營銷活動的投資回報率。

另一家總部位于以色列的生物技術初創廠商Eleven Therapeutics于今年8月獲得了2200萬美元的種子資金。其專注于RNA治療，這一領域近年來備受關注，尤其是在新冠疫情蔓延期間。

該公司正在開發一個深度學習框架，用于“生成siRNA分子活性分布的功能數據”。關于該公司的AI技術并沒有太多信息，但這是一個有大量可能的市場空間，其財務支持者包括比爾及梅琳達·蓋茨基金會。

總部位于美國的初創廠商Spice AI在今年9月獲得了1400萬美元的種子資金，正在為創建AI驅動的Web3應用程序構建數字基礎設施。有趣的是，在加密初創行業境況比其他行業糟糕的時候，這家公司卻成功地吸引了投資。

這家公司有三點值得注意：首先，它正在創建數據工程基礎設施，以索引主要區塊鏈上的現有數據，這意味著它在獲取數據方面沒有任何重大障礙。其次，其創始人是微軟Azure的資深人士，包括首席技術官Mark Russinovich以及GitHub（2018年被微軟收購）的前任和現任CEO。正因為擁有如此知名度的行業人物，即使在最困難的時候，該公司也更容易吸引投資。第三，區塊鏈數據工程在很大程度上是一個尚未解決的問題，隨著行業的成熟，Web3公司肯定會面臨這個問題，因此這可以被認為是Web3風險較低的項目之一。

誰在AI領域獲得了巨額投資? 

在2022年第三季度獲得巨額融資的初創公司中，美國初創企業Afresh在今年8月獲得了1.15億美元的B輪融資。該公司使用機器學習幫助雜貨店經營者減少高達25%的食物浪費，即平臺跟蹤新鮮食品的銷售，幫助預測未來的客戶需求。供應鏈團隊可以使用該平臺優化采購，用戶可以直接使用該平臺向供應商下訂單，以減少食物浪費。

該公司已經在美國40個州擁有數千個客戶，后續將利用新融資實現業務增長，將市場擴大到其他國家和地區，并增加新功能，以增加其產品的價值和市場覆蓋率。

另一家獲得巨額投資的公司是總部位于意大利的移動應用開發商Bending Spoons，該公司在今年9月份融資了3.4億美元。Bending Spoons主要開發移動視頻和照片編輯應用程序，這些應用使用機器學習來執行復雜的任務，例如背景刪除、自動字幕和照片增強。

該公司的應用采用免費增值模式，用戶可以免費使用基本功能，但如果使用高級功能必須付費。成立于2013年的Bending Spoons下載量已超過5億次，年收入已持續數年超過1億美元，下一步將利用新融資資金開發新產品和進行收購，向現有客戶推銷其新產品，并收集更多的數據，進一步擴大相對競爭對手的領先優勢。 

穿越周期的AI投資法則

如果深入研究接受融資的AI公司，就會獲得更多信息，但注意以下幾點：

1、堅持良好的產品原則：無論AI有多好，都需要一個能解決實際問題的產品，它比其他產品要好得多，而且采用的阻力更小。同時AI產品還需要有一個龐大的市場、擴張空間和可持續增長的清晰愿景。

2、B2B AI是最重要的：雖然AI驅動的應用為消費者提供了便利，但它們對企業的價值要大得多，尤其是在經濟進入衰退的情況下。實施良好的AI可以減少資金浪費、優化推薦和自動化人工功能，所有這些都會影響AI公司的開支和收入。 

3、在未解決的問題中尋找新的AI市場：在AI領域，已經建立的市場很難被征服，因為現有的AI公司已經擁有更好的數據集來訓練他們的模型。而進入新市場更容易，成本更低，特別是如果能在競爭對手之前快速收集數據來訓練機器學習模型。 

4、降低獲取數據的成本：在數據已經存在并有注釋的地方尋找AI創意（例如，金融交易、銷售歷史、患者病歷）。或者尋找生成模型所需數據的解決方案，以減少數據收集的需要。如果企業的應用需要一個新的管道來收集、清理和注釋數據，那么將需要更多的時間、人才和資金，這在當前情況下很難實現。

5、擁有知名度高的創始人將會吸引更多投資：大型科技企業工作過的創始人更有可能為AI公司（例如Web3AI的數據基礎設施）吸引更多和投資。