好爱生活

​AI独角兽开始卖身大厂

点击: 来源:好爱生活
摘要:AI独角兽开始卖身大厂 本文作者:申思琦 来源:硬 AI 在 2024 年夏天,人工智能的发展速度仍在不断抬升着市场的预期。在这股浪潮中,数百家新兴科技公司在美国科技创业的胜地涌现

AI独角兽开始卖身大厂

本文作者:申思琦

来源:硬 AI

在 2024 年夏天,人工智能的发展速度仍在不断抬升着市场的预期。在这股浪潮中,数百家新兴科技公司在美国科技创业的胜地涌现,科技七巨头 ( Magnificent Seven ) 在资本市场的表现也一路走高。

然而,同步于不断刷新纪录的 AI 能力,紧张的气氛也随着夏季高温逐渐弥漫。硅谷和湾区的 AI 创业公司内部,正在经历一场悄然的震动。

事件围绕着一个名叫 David Luan 的年轻行业新星。作为 Adept AI 的联合创始人兼 CEO,几个月前 David 还满怀激情参加各种交流和路演,与志同道合的从业者们振臂誓言 AI 的颠覆应用将挑战传统 IT 巨头的疆域,开辟出全新世界。然后,就在近几天,他作出了一个意外的转身——带领公司的核心团队集体加入亚马逊。

这个爆炸性消息很快在业内传开,引起了广泛的讨论。

AI 独角兽的生存困境

要读懂 David 的选择,可能需要设身处地理解 AI 独角兽们所处的困境。对于投身于本世代 AI 的大型语言、图像、视频乃至多模态模型研发的初创厂商,早已成为天文数字般的研发军备赛还在不断升级。

Anthropic 的首席执行官近日公开表示,当前 AI 模型的训练成本已达到 10 亿美元量级,而在未来三年内,这个数字可能会飙升至 100 亿甚至 1000 亿美元。

这种规模的投资对于大多数初创公司已经构成了不可能逾越的障碍。在上一轮融资快速耗尽之时,这些公司正面艰难地拼尽一切方法平衡现金流。

Character.ai 是另一个典型案例。这家公司虽然拥有大量活跃用户,但年收入却不足 2000 万美元,且缺乏拓展研发回报的能力。有业内人士解释,在 AI 行业,拥有先进技术并不意味着有能力变现,拥有独特可用的闭源能力和广泛用户,也并不意味着就能赚钱。真正的挑战已经不是推出产品、找到用户,而是形成可持续、可覆盖研发投入并维持公司运营的商业模式。"

产品的竞争不断白热化,用户触及的成本在一轮又一轮投放竞赛后飙升,而融资环境的急剧恶化,使 AI 独角兽们的处境雪上加霜。

德意志银行的最新报告显示,2024 年第一季度,美国生成式 AI 初创公司的种子轮和早期融资总额仅为 1.23 亿美元,较上一季度暴跌超过三分之二。融资交易数量也从上一季度的 70 多笔锐减至 34 笔。

面对如此高昂的研发成本、难以平衡的现金流以及日益紧缩的融资环境,David Luan 的选择似乎也就不那么令人意外了。

大厂的 " 另类收购 " 新模式

一直以来,大型科技公司收购 AI 初创公司都是司空见惯,为什么 Adept AI 的案例会引发超乎寻常关注?原因在于亚马逊采用了一种新的 " 另类收购 " 模式。

这种被 The Verge 称为 " 反向收购招聘 " ( reverse acquihire ) 的模式,最早由微软在今年 3 月收购 Inflection AI 时使用。微软支付了 6.5 亿美元用于技术授权,同时招募了 Inflection AI 的核心人员和大部分技术团队,组建了新的 Microsoft AI 部门。

值得注意的是,就在 Inflection AI 被微软 " 收购 " 的同一个月,Reid Hoffman 在一次演讲中预测,Inflection 发生的事情将成为未来人工智能交易的 " 模式 "。Hoffman 作为 Inflection 的投资人和微软董事会成员,同时兼具两边内部人士的视角,他观察收购全程产生出这个预测,目前看颇有先见之明。

仅仅几个月后,亚马逊就在对 Adept AI 的交易中采用了类似的模式。他们没有直接收购 Adept AI,只是招募了该公司约 66% 的员工,包括联合创始人兼 CEO David Luan 在内的核心团队,并获得了部分技术的非独家授权。

如此 " 另类 " 的收购,层层风险压力下初创公司只能被动接受,然而是什么趋势大厂设计这一选项?

Menlo Ventures 的董事总经理 Venky Ganesan 对这种做法给出了一个精辟的评价:" 这是 ' 科技七巨头 ' ( Magnificent Seven ) 进行收购的新方式,无需 FTC 的审查或批准,就能获得知识产权和团队。"

这种模式可以帮助大厂快速获取顶尖 AI 人才和技术。通过这种 " 另类收购 ",大厂可以一次性获得一个完整的、经过市场检验的 AI 团队,大大加速自身的 AI 研发进程。

此外,这种模式能帮助大厂巩固在 AI 领域的优势地位。德意志银行的报告指出,亚马逊此举是为了 " 减少对第三方初创公司的依赖 "。事实上,亚马逊已经开始开发自己的 AI 聊天机器人 ( 代号为 Metis ) ,并计划在未来十年投资 1000 亿美元建设数据中心。

不过最重要的,当然是规避了管理当局的反垄断审查,毕竟 " 挖人 " 外加 " 技术许可 " 和传统 " 收购 " 差别显著,现行的联邦贸易法案授权范围内,此类商业行为 FTC 较难直接插手。

AI 独角兽的无奈之选?

对于 David Luan 和他的 Adept AI 团队来说,放弃研发经营特别是财务成长独立性加入亚马逊,作出这个选择绝非易事。只是在当前的市场环境下不得不如此。

Adept AI 在公司博客中坦言:" 继续我们最初的计划,既构建有用的通用智能,又开发多智能体 ai 产品,将需要我们将大量注意力花在为基础模型筹集资金,而不是(花在)将我们的产品愿景变为现实。"

同时,一位 Adept AI 的员工向媒体透露:" 在现在这个环境下,独立发展变得越来越困难。加入亚马逊,至少可以确保技术能够继续发展,而不是因为资金问题而被搁置。"

实际上,Inflection AI 的案例已经给业界敲响了警钟。The Information 的报道指出,Inflection AI 在被微软 " 收购 " 之前就一直在挣扎寻找有效的商业模式。

就美国 AI 产业而言,一个明显的事实已经浮出水面——大门正在关闭。目前对生成式 AI 的大多数资金或人力投资,后续都不可能享受到与 OpenAI 相提并论的 " 火箭上升式 " 回报。

要知道,根据 Sam Altman 对员工内部透露的数据,OpenAI 今年的年化收入也仅仅达到 34 亿美元,远未达到百亿数量级。

还有更多初创公司等着 " 另类 " 出售?

Inflection AI 的故事在今天不再是个例,未来还会有更多个 Adept AI。事实上,这两个相互孤立、模式如出一辙的收购预示着 AI 行业正面临一轮大规模整合。

德意志银行的报告指出,除了已经被 " 收购 " 的 Inflection AI 和 Adept AI,还有许多拥有丰富 AI 人才,亟需资金、计算资源和客户资源支持的新兴 AI 团队,如 Cohere、AI21 和 Stability AI 等。

然而,潜在投资者只会更加谨慎。因此,上述这些公司,不排除接下来都会倾向于寻求与大型科技公司的 " 另类 " 合作。

这种整合趋势已经引发了监管机构关注。欧盟委员会此前在审查微软对 OpenAI 的投资时曾表示,他们希望确保类似的交易不会 " 逃脱我们的并购控制规则 "。虽然欧盟最终决定不对微软 -OpenAI 的交易展开正式调查,但他们仍在审查该合作关系中的排他性条款。

与此同时,据报道,美国联邦贸易委员会 ( FTC ) 已经开始对微软 " 反向收购招聘 "Inflection AI 的行为展开反垄断调查。

监管机构正在紧密关注 AI 行业的整合趋势,以防止各种试图绕过反垄断监管的行为发生。在这一监督压力下,微软和苹果近期均表示取消原定的 Open AI 董事会观察员席位,以回避相关的大厂控制操控嫌疑。

这种新式的整合是否会扼杀创新?大型科技公司的主导地位会在何种程度上影响 AI 技术的多样性发展?监管机构又该如何在保护创新者权益和防止垄断之间找到平衡?这些问题目前仍没有完整答案。

那么,中国市场……

这种趋势对中国的 AI 行业会产生何种影响?

事实上,中国的 AI 融资市场当前仍旧火热。百度、阿里巴巴、腾讯等大型科技公司都在大力投资 AI 技术,众多 AI 创业公司也获得了可观的融资。然而,正如美国市场所预示,热钱流动的时间线上,考验商业模式的难关横亘在下一个阶段。

无论是在美国还是在中国,新兴 AI 公司还是任何初创公司,始终都要面对经营现金流是否能够覆盖支出的问题。关乎账本,或许有奏效一时的奇迹,却不存在长久可施的魔法。

美国 AI 行业目前面临的问题,未来也会是中国市场必须应对的挑战。就如同五六年前炙热的创新药泡沫市场。那些无法找到可持续商业模式的公司,最终大概也只能选择被大公司收购、" 另类收购 " 或者 " 传统出清 "。

结语

AI 行业究其本质与其他行业没有太大不同。新技术让新路线成为可能,创业公司需要做的仍是在新路线上完成优质的里程碑,找到好的商业模式出售开发成果,在回收前期投入的过程里壮大规模,以各种形式向市场回馈收益。

而当下,行业整合似乎成为一种必然趋势。Reid Hoffman 几个月前的预测正在兑现。这种 " 另类收购 " 模式很可能成为未来 AI 行业整合的主要方式。当然,监管对此的反应仍存不确定性。

对于 AI 创业公司,追求技术创新是崇高的手段,优质的产品、可持续的模式才是事业的核心。而站在投资者与大型科技公司立场,如何在竞争白热化、监管趋严的环境下获取真正稀缺的 AI 能力,是下一个阶段的重要课题。


相关文章