7 startup AI được định giá trung bình gấp 31 lần sau vòng đầu tư

Bảy startup AI được giới thiệu là đã tăng mức định giá doanh nghiệp trung bình từ 110 triệu USD (khoảng 149,3 tỷ won) lên 3,4 tỷ USD (khoảng 4.614 tỷ won) chưa đầy một tháng sau khoản đầu tư ban đầu. Mức tăng tương đương khoảng 31 lần, nhưng tên doanh nghiệp và điều kiện giao dịch riêng lẻ không được công bố.

Pat Grady, đối tác Sequoia Capital, được cho là đã đưa ra trường hợp này tại bài thuyết trình trước Ủy ban Đầu tư Boston College ngày 24 tháng 9. ABMedia đưa tin giá trị doanh nghiệp sau đầu tư trung bình của 7 công ty được Sequoia Capital rót vốn trong 12 tháng gần nhất là 110 triệu USD tại thời điểm đầu tư ban đầu.

Chưa có tài liệu chính thức công khai riêng nào được đưa ra để chứng minh mức thay đổi định giá 31 lần và việc bài thuyết trình đã diễn ra. Vì vậy, con số này nên được xem là trường hợp được giới thiệu ở 7 doanh nghiệp cụ thể, không phải mức tăng trung bình của toàn bộ startup AI.

AGI mang tính chức năng theo Sequoia Capital

Sequoia Capital chia các giai đoạn phát triển AI thành tiền huấn luyện, năng lực suy luận và khả năng thực hiện tác vụ trong thời gian dài. Pat Grady và Sonia Huang viết trong một bài đăng chính thức của Sequoia Capital rằng “AGI đang hiện diện ngay lúc này”.

Sequoia Capital giải thích AGI không dựa trên định nghĩa kỹ thuật mà là 'khả năng tự giải quyết vấn đề'. ChatGPT được đưa ra như bước ngoặt của tiền huấn luyện năm 2022, còn OpenAI o1 được xem là ví dụ cho tiến bộ về năng lực suy luận vào cuối năm 2024.

Các tác nhân AI có thể thực hiện tác vụ trong thời gian dài hiện được mô tả là có khả năng làm việc ổn định trong khoảng 30 phút. Tuy nhiên, bài trình bày cũng đề cập giới hạn của tác nhân, chẳng hạn việc tạo thông tin sai lệch, mất ngữ cảnh hoặc thực hiện công việc theo hướng không chính xác.

Điểm cốt lõi của sự thay đổi là quá trình chuyển từ chatbot sang công cụ thực hiện công việc. Dịch vụ AI có thể vượt ra ngoài việc trả lời câu hỏi để hoàn thành trọn vẹn các nhiệm vụ cụ thể trong tuyển dụng, lập trình, pháp lý, y tế và an ninh mạng.

Cơ hội của doanh nghiệp ứng dụng nằm ở 'khoảng cách phổ cập'

Sequoia Capital gọi khoảng cách giữa những gì mô hình AI có thể làm và mức độ doanh nghiệp thực sự sử dụng là 'khoảng cách phổ cập'. Điều này có nghĩa ngay cả khi hiệu năng mô hình tăng lên, doanh nghiệp vẫn cần thêm thời gian để đưa công nghệ vào quy trình làm việc thực tế.

Các lĩnh vực được nhắc đến với mức độ ưu tiên cao gồm lập trình, an ninh mạng, y tế, dịch vụ tài chính và kế toán, đều là những ngành lao động tri thức có giá trị gia tăng cao. 'Hệ thống ghi nhận' quản lý dữ liệu cốt lõi và quy trình làm việc của doanh nghiệp cũng được nêu là một lĩnh vực ứng dụng trong thời đại AI.

Nghiên cứu khoa học như thiết kế thuốc cũng được đưa ra làm ví dụ. Bài trình bày cho biết một số doanh nghiệp đã rút ngắn thời gian thiết kế hợp chất ứng viên từ nhiều năm xuống còn vài ngày, nhưng chưa có tài liệu độc lập công khai chứng minh thành tích và thời gian của doanh nghiệp cụ thể nào.

Bài thuyết trình cũng đưa ra tuyên bố rằng Jev, một AI phân loại, có thể xử lý các quyết định lựa chọn với chi phí thấp hơn khoảng 100 lần so với mô hình ngôn ngữ lớn. Ngoài ra, có thông tin cho rằng dịch vụ này đạt doanh thu 100 triệu USD (khoảng 135,7 tỷ won) chỉ 7 ngày sau khi ra mắt, nhưng chưa xác nhận được tài liệu tài chính chính thức hoặc dữ liệu doanh thu độc lập.

Tài liệu dành cho nhà phát triển được công khai của Jev mô tả dịch vụ này là mô hình ra quyết định cung cấp kết quả có cấu trúc như giá trị phân loại, điểm số và xác suất thay vì câu văn tự do. Chức năng và sự tồn tại của sản phẩm được xác nhận qua các tài liệu công khai, nhưng con số doanh thu thiếu cơ sở kiểm chứng. Trên mạng xã hội và các cộng đồng nhà phát triển cũng xuất hiện phản ứng hoài nghi cho rằng công nghệ phân loại hiện có đang được đóng gói lại dưới hình thức mới.

Tuổi thọ sản phẩm rút ngắn do mô hình phát triển nhanh

Rủi ro cốt lõi của doanh nghiệp ứng dụng AI là tốc độ phát triển của mô hình nền tảng. Những tính năng đang được bán có thể được tích hợp vào chức năng cơ bản của các mô hình lớn chỉ vài tháng sau đó.

Grady giải thích rằng một doanh nghiệp AI thành công phải tái tạo chính mình khoảng 4 tháng một lần. Điều này không chỉ liên quan đến tính năng sản phẩm mà còn bao gồm việc thay đổi cơ cấu tổ chức và cách vận hành nhân sự.

Do đó, phân tích cho rằng thay vì chỉ tập trung thu hút người dùng, doanh nghiệp cần xây dựng các tác nhân được sử dụng lặp lại trong những công việc cụ thể cùng dữ liệu và quy trình làm việc riêng. Khi chức năng của các mô hình AI nhanh chóng trở nên tương đồng, dịch vụ ứng dụng đi sâu vào quy trình của khách hàng doanh nghiệp có thể trở thành yếu tố khác biệt.

Thảo luận về khả năng giá trị chuyển dịch sang ứng dụng cuối cùng và phần cứng khi chức năng mô hình AI trở thành hàng hóa cũng liên quan đến khả năng thương mại hóa mô hình AI và dịch chuyển giá trị. Tuy nhiên, do tên doanh nghiệp và tài liệu giao dịch trong trường hợp định giá tăng 31 lần chưa được công bố, không nên mở rộng trường hợp này thành hiện tượng trung bình của toàn bộ startup AI.