A medida que la economía global continúa enfrentando presión, los gigantes tecnológicos están comenzando a darse cuenta de que la investigación en innovación tecnológica que no puede comercializarse en el corto plazo ha perdido valor de inversión.
En agosto de este año, los medios informaron que para reducir costos y aumentar la eficiencia, el gigante tecnológico Meta (anteriormente Facebook) despidió al equipo del proyecto de biociencia ESMFold que estaba comparando con DeepMind AlphaFold de Google y usando grandes modelos de inteligencia artificial (IA) para lograr la predicción de proteínas.
Aunque EvolutionaryScale, una nueva empresa de proteínas de IA fundada por el equipo después de dejar Meta, ha completado recientemente una ronda inicial de financiación de más de 40 millones de dólares, se informa que el plan de despidos y despidos de Meta significa que ha abandonado la investigación científica y tecnológica y desarrollo y recurrió al cambio empresarial de IA.
De hecho, aunque los modelos grandes han desencadenado una nueva ronda de locura por la IA en todo el mundo en los últimos nueve meses, muchos gigantes tecnológicos están compitiendo para generar tecnología de IA generativa. Sin embargo, en los campos tecnológicos de vanguardia con un ciclo largo, como la investigación y el desarrollo de nuevos medicamentos de IA, es difícil para las empresas obtener ganancias rápidas en el corto plazo. Sumado al pobre desempeño del mercado secundario, el entusiasmo inversor ha ido disminuyendo gradualmente. se ha enfriado y las principales empresas de tecnología han reducido la investigación en tecnología pura de IA. Los datos de CB Insights muestran que en el segundo trimestre de este año, la inversión total en el campo global de la IA se desplomó un 38% mes a mes.
Vicky QU, vicepresidenta de Biotec, dijo recientemente a Titanium Media App que ya no es la era de "quemar" el dinero de los inversores y luego salir a bolsa durante 5 años. Capacidades integrales como recursos, tecnología, algoritmos de datos e implementación comercial. etc. Se está convirtiendo en un factor importante en el desarrollo a largo plazo de las empresas de IA.
"Ahora hemos llegado al primer punto de inflexión de la curva de desarrollo de tecnología emergente de Gartner. Se necesitan oportunidades y capacidades de las empresas para tocar fondo y recuperarse", afirmó Qu Jiarun.
El capital riesgo retrocede rápidamente, pero la innovación tecnológica corporativa requiere inversiones a largo plazo
De hecho, ha habido un conflicto y equilibrio de largo plazo entre los ingresos y el valor entre la innovación tecnológica de las empresas y el capital de riesgo.
Ya en 1988, el profesor Martin Kenney de la Universidad Carnegie Mellon de Estados Unidos publicó un artículo en la revista Research Policy en el que afirmaba que el capital de riesgo había cambiado el proceso de innovación tecnológica en Estados Unidos. Señaló que los inversores, como "guardianes técnicos" que aceleran el proceso de cambio tecnológico, proporcionan fondos para las empresas de alta tecnología y ayudan a su desarrollo, promoviendo así la transformación de la innovación tecnológica. Sin embargo, este modelo también conlleva un alto coste.
El profesor Kenney cree que aunque el capital riesgo es un nuevo tipo de inversión que presta más atención a los beneficios potenciales de las empresas y está dispuesta a invertir sin obtener retornos claros, cambiando así el proceso de innovación tecnológica anterior, también existen algunos problemas con el capital riesgo. modelo pregunta.
El informe señala que, en primer lugar, este tipo de capital riesgo requiere una gran inversión de capital, lo que sin duda aumenta el coste de la innovación tecnológica. En segundo lugar, para lograr altos rendimientos, la inversión de capital de riesgo a menudo fluye hacia aquellas áreas con alto potencial de comercialización, ignorando otras áreas de investigación científica igualmente importantes. Además, dado que la esencia del capital de riesgo es la búsqueda de altos rendimientos, algunos inversores pueden estar demasiado centrados en los rendimientos a corto plazo e ignorar el desarrollo a largo plazo de las empresas y el avance continuo de la innovación tecnológica.
En general, el profesor Kenney concluyó que el capital riesgo desempeña un papel positivo en la promoción de la innovación tecnológica, pero al mismo tiempo este método de inversión debe tratarse con más cautela y racionalidad. Sólo así podremos aprovechar plenamente las ventajas del capital de riesgo, reducir sus riesgos potenciales y promover así de manera más efectiva el desarrollo de la innovación científica y tecnológica.
Durante los últimos casi 40 años, el capital de riesgo ha influido en el rápido desarrollo de la tecnología y las industrias tecnológicas globales y ha dado origen a miles de empresas "unicornio". Los datos de CB Insights muestran que hasta agosto de este año, han nacido un total de 1.221 "unicornios" en todo el mundo, con un valor de mercado total de más de 3,8 billones de yuanes. Entre ellas se incluyen al menos 55 "empresas decacorn" (valoraciones superiores a 10.000 millones de dólares) y 3 empresas "centenarias" (valoraciones de al menos 100.000 millones de dólares).
Al mismo tiempo, gracias al modelo de capital de riesgo, Google, Apple, Ali, Tencent, ByteDance, Didi, Meituan y otras empresas se han desarrollado gradualmente desde empresas emergentes hasta gigantes de la tecnología de Internet.
Pero el problema es que, en comparación con el modelo de tráfico en la era de Internet, los campos tecnológicos de vanguardia como la computación en la nube, la inteligencia artificial, el 5G y las ciencias biológicas requieren una mayor inversión, ciclos más largos y dificultades para establecer barreras elevadas. Con muchos competidores y graves pérdidas, alrededor del 94% de los unicornios tecnológicos no son rentables.
Al mismo tiempo, el ciclo de las instituciones de capital de riesgo en las cuatro etapas de recaudación de fondos, inversión, gestión y salida es cada vez más corto: salida de los inversores nacionales y tasa de retorno MOC (relación entre el valor razonable actual de la empresa y el costo de inversión) En el campo de la tecnología se han reducido: solo unas pocas instituciones en etapa inicial pueden ganar dinero con un determinado proyecto, por lo que los inversores se han vuelto cada vez más estrictos con la rentabilidad de las empresas de tecnología.
Tomemos como ejemplo los chips semiconductores. Según las estadísticas, al 30 de abril de 2023, el valor de mercado total de 135 empresas de semiconductores (cadena industrial completa) que cotizan en la Junta de Innovación Científica y Tecnológica y en el Mercado Empresarial en Crecimiento es de 3.082,5 mil millones de yuanes, que es menos de la mitad del mercado de Nvidia. valor. Las 135 empresas de chips mencionadas anteriormente alcanzarán unos ingresos acumulados de 282.190 millones de yuanes en 2022, con una tasa de beneficio bruto promedio del 39,1%, un nivel relativamente bajo. Entre ellos, sólo la familia Cambrian, el "primer stock nacional de chips de IA", ha acumulado pérdidas de casi 4 mil millones de yuanes en los últimos cinco años hasta 2022.
Otros datos públicos muestran que en los primeros tres trimestres de 2022, el número de casos de salida de OPI fue de 1996, lo que representa casi el 60% del número total de casos de salida en el mercado de valores, y las fusiones y adquisiciones, las transferencias de capital y otros métodos representaron para una proporción relativamente pequeña.
En un caso específico, la empresa SaaS Beisen Holdings (HKG: 9669), recientemente cotizada en bolsa, perdió casi 5 mil millones de yuanes en más de 4 años, el precio de sus acciones cayó más del 70% desde principios de año y muchos inversores la vendieron. con un descuento. Según el prospecto, Tianchuang Capital transferirá todas sus acciones en abril de 2021, obteniendo 8,02 millones de dólares, y la valoración se descuenta al 77,5%. Sequoia China, Goldman Sachs, Softbank y otras instituciones no han obtenido salidas rentables.
Además, además de las empresas, el campo de la investigación tecnológica académica también se enfrenta a un fenómeno similar. Un académico de la Academia de Ciencias de China dijo a Titanium Media App en noviembre del año pasado que el mercado presta menos atención a la investigación científica y tecnológica básica que no se puede comercializar. La financiación anual de la Fundación Nacional de Ciencias Naturales de China se inclina más hacia aquellas investigaciones científicas. campos de investigación que tienen aplicaciones, mientras que algunas innovaciones científicas y tecnológicas de un solo punto La financiación es difícil de conseguir.
"Los instrumentos científicos son nuestro defecto. Creo que no prestamos suficiente atención a los métodos de cálculo y métodos teóricos, por lo que el desarrollo no es tan rápido. Nuestro comité de fondos invierte ahora más de 30 mil millones al año, pero la mayoría de ellos están realmente invertidos. "En la investigación y el desarrollo independientes de la investigación científica, el campo de instrumentos es de menos de mil millones, y antes, debido a que toda la placa de la fundación no era grande, la inversión era menor", dijo el académico antes mencionado.
Por lo tanto, no importa desde qué ángulo se mire, la brecha entre inversión e innovación tecnológica es cada vez más profunda con el tiempo, y los conflictos y equilibrios son inevitables. Entonces, la opción final para grandes empresas como Meta es "matar a Ma Su con lágrimas", es decir, abandonar proyectos científicos a largo plazo.
Las grandes fábricas abandonan la investigación en biotecnología de IA
A principios de 2021, el sistema de inteligencia artificial AlphaFold2 desarrollado por el equipo DeepMind de Google logró una precisión asombrosa en el Concurso Internacional de Predicción de Estructuras de Proteínas (CASP): el rango estructural de alrededor de 200 millones de proteínas cubre casi todos los organismos conocidos en la Tierra. altamente consistente con el modelo de estructura de proteínas medido experimentalmente.
AlphaFold2 se convirtió en el modelo de predicción de estructuras de proteínas tridimensionales más preciso de la época, subvirtiendo el campo académico de la biología y atrayendo una atención generalizada.
De hecho, la investigación y el desarrollo de nuevos fármacos es uno de los campos de investigación técnica del desarrollo humano más riesgosos, complejos y que requieren más tiempo. El costo de la investigación y el desarrollo es de aproximadamente 2.600 millones de dólares estadounidenses, lleva unos 10 años y la tasa de éxito es menor. de una décima parte. Sin embargo, a medida que los algoritmos de IA reemplazan el cribado humano, parece que los medicamentos fabricados con IA se están convirtiendo en una realidad: reducen el costo del descubrimiento de nuevos fármacos en aproximadamente un 35% y acortan el tiempo del ciclo a 1 o 2 años, e incluso pueden completarse en un plazo de 10 años. Unos pocos meses.
Según las estadísticas de Sullivan, en 2020, el mercado mundial de investigación y desarrollo de fármacos alcanzará los 191.500 millones de dólares (aproximadamente 1,24 billones de RMB).
En este contexto, los gigantes de Internet han visto una gran oportunidad en la intersección de la biomedicina y la IA y, por un lado, intentan aumentar su conocimiento y su influencia en este campo mediante la creación de equipos de investigación y, por otro, buscan ampliar sus conocimientos a las empresas farmacéuticas, potencia informática de salida y soluciones. Participan Meta, Tencent, Huawei y otros gigantes tecnológicos chinos y estadounidenses.
Mark Zuckerberg también vio esta oportunidad: Meta fue la primera gran empresa de tecnología en invertir en IA y estableció un laboratorio de investigación básica en inteligencia artificial (Fair) en 2013. A finales de 2020, Meta estableció un departamento de investigación biológica en el equipo de la Feria y lanzó oficialmente el modelo de predicción de proteínas Meta ESMFold en julio de 2022.
Se informa que el modelo ESMFold se basa en la arquitectura Transformer, con un volumen de parámetros de 15 mil millones y, en dos semanas, utilizó un grupo compuesto por alrededor de 2000 chips GPU para predecir las secuencias de más de 600 millones de proteínas metagenómicas. Estas secuencias se expresan a través de cadenas compuestas por 20 aminoácidos diferentes, y la metagenómica también se conoce como la "materia oscura" del mundo biológico, incluidos los microorganismos del suelo, el océano y el cuerpo humano.
Hasta ahora, ESMFold es el modelo de lenguaje de proteínas más grande del mundo, con una velocidad de IA 60 veces más rápida que AlphaFold, pero con menor precisión. Se considera una de las tecnologías competitivas importantes de AlphaFold.
El mapa de resolución de la estructura de proteínas medido por el modelo de IA ESMFold desarrollado por Meta (fuente: Meta)
Sin embargo, poco más de dos años después, Meta está intentando ajustar su estrategia de investigación a factores como la recesión económica mundial y los menores ingresos publicitarios.
El "Financial Times" británico cree que la cultura académica dentro de Fair Labs es la razón por la que Meta ha tardado en tomar la delantera en la competencia de grandes modelos de IA. Con el surgimiento de ChatGPT, Meta ahora está tratando de ajustar la apuntar a "GenAI" y reconfigurar su feria La dirección de investigación del equipo gira hacia la comercialización de modelos de IA.
"Si una gran empresa quiere hacer un buen trabajo en biociencia de IA, está restringido principalmente por el espacio de desarrollo interno, el control de costos, la ecología del departamento y otros factores", dijo Qu Jiarun a TMTpost Media App, aunque los equipos de I + D de las grandes empresas de tecnología pueden publicar algunos artículos, necesitan resolver el problema en lotes. Los problemas en la industria de la vida no son muy realistas. En cierto sentido, el campo biológico requiere 10 o 20 años de inversión en I+D, y las grandes empresas a menudo no están dispuestas a persistir durante un tiempo. largo tiempo.
Qu Jiarun cree que desde el desarrollo de la industria de la IA, ya sea potencia informática o recursos de datos, ya no es algo que una simple empresa de nueva creación pueda "avanzar". Desde la perspectiva de los inversores, en los cambios actuales en el entorno general, existen muchos problemas en el nivel de financiación de todo el campo de la IA. La forma de apoyarla hasta la etapa de IPO debe depender de su propia sangre. Para una gran empresa como Meta, la inversión a largo plazo en el campo biomédico es algo muy "ideal".
"El capital busca ganancias, por lo que invierte en conducción autónoma o en seguridad. Para los grandes fabricantes, invertir dinero en innovación en ese momento era un gran riesgo. Para el puesto número uno en la empresa, piensan más en asuntos comerciales. ¿De quién es la culpa si gastas dinero y no obtienes resultados?”, dijo a Titanium Media App Wang Xiaochuan, fundador de Sogou, fundador y director ejecutivo de Baichuan Smart.
En los últimos dos años, muchas empresas importantes de Internet han anunciado el cierre o la reducción de proyectos de comercialización que no son a corto plazo. Por ejemplo, Waymo, el proyecto de vehículos autónomos de la empresa matriz de Google, Alphabet, ha despedido a cientos de empleados, y el juego en la nube Stadia se ha reducido por completo; Amazon ha cerrado sucesivamente su vehículo de reparto no tripulado Scout y su empresa de robots de almacén Canvas; ByteDance ha suspendido su software social FeiChat y Time Photo Album. Tencent eliminará y cerrará Penguin FM, la herramienta de compra grupal Gouxiangtuan, etc.
Wang Xiaochuan dijo que desde la perspectiva de la inercia corporativa, las grandes empresas de tecnología son las más fáciles de alcanzar sus objetivos comerciales y es difícil lograr una innovación de 0 a 1. En cambio, es más probable que las empresas de nueva creación lo hagan, y Los talentos de las grandes empresas no pueden formar una fuerza conjunta.
Se implementa el modelo pionero de ciencias biológicas
Después de dos años de inversión en I + D, en 2020, Baitu Biotech, iniciada por Robin Li, el fundador de Baidu Group, construyó un gran modelo intermodal "xTrimo" con cientos de miles de millones de parámetros y lanzó el gran modelo de ciencias biológicas impulsado. modelo en marzo de este año.La plataforma AIGP (AI Generated Protein), así como el plan de cooperación ecológica AIGP, combinan el modelo de ciencias biológicas con las necesidades de salud médica, diseño de medicamentos, energía y protección ambiental, y otros campos.
Qu Jiarun dijo a la aplicación TMTpost que ahora Baitu Biotech ya no se limita al campo de la biomedicina, sino que espera aterrizar en múltiples campos de alto valor a través de grandes modelos de ciencias biológicas. Las empresas deben tener la capacidad de ser responsables de sus propias pérdidas y ganancias: "En muchas empresas, los ingresos son un OKR importante de arriba a abajo".
"Algunas empresas de nueva creación a menudo contratan a mucha gente muy innovadora. Estos científicos apasionados pueden ser capaces de lograr avances tecnológicos de talla mundial, pero si de repente llega el frío invierno, habrá que 'recortar' los fondos y estas empresas "Tenemos que ser obligados a poner la tecnología en uso comercial", dijo Qu Jiarun.
Qu Jiarun dijo: "En comparación con otras empresas, Baitu Biotech ofrece principalmente a sus clientes dos modelos de negocio. Uno es una plataforma de diseño de proteínas integral e innovadora y el otro utiliza los datos de la otra parte para proporcionar modelos informáticos biológicos privados y proporcionarlos en lotes. . , que es una capacidad que muchas empresas de biocomputación de IA no tienen”.
El Dr. Song Le, CTO de Baitu Biological Sciences, mencionó que en la actualidad, grandes empresas como Google y Microsoft con sólidas capacidades de modelos a gran escala en el mundo también están fabricando modelos a gran escala relacionados con las ciencias biológicas, pero están más en el nivel de publicación de artículos No hay ninguna empresa con una sólida capacidad de formación de modelos en la fábrica. Baitu Biotechnology tiene grandes capacidades de capacitación de modelos y un equipo profesional de ciencias biológicas.
Según Titanium Media App, en la "Segunda Conferencia de Biocomputación de China" celebrada el 3 de septiembre, Baitu Biotech anunció la contratación de pruebas internas del modelo en línea ligero xTrimo para clientes de la industria To B (empresas). Llame a API para explorar temas más complejos en las ciencias de la vida. a muy bajo costo.
Qu Jiarun cree que la era de "quemar" el dinero de los inversores y luego apoyar la cotización en bolsa durante cinco años ha terminado. En la era orientada a la tecnología, la gente no tenía una presión tan fuerte para obtener ganancias, pero ahora, en diferentes entornos económicos, los directores ejecutivos y los inversores han experimentado cambios importantes en sus patrones de pensamiento sobre el desarrollo saludable de las empresas a largo plazo.
"No se trata de cómo la industria de la inteligencia artificial puede obtener ganancias, sino de cómo todas las innovaciones tecnológicas pueden generar ganancias. Por ejemplo, ¿cómo pueden obtener ganancias estos robots con buenas ideas?", Enfatizó Qu Jiarun, solo hay Un plan de desarrollo al que se enfrentan hoy muchas empresas: ser responsables de sus propias pérdidas y ganancias, entonces podremos hablar de sentimientos e ideales.
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
¿Se está desvaneciendo la IA? En el segundo trimestre, la inversión total en el campo global de la IA se desplomó un 38%
Autor｜Lin Zhijia
Editor Ma Jinnan
Fuente丨Titanium Media
A medida que la economía global continúa enfrentando presión, los gigantes tecnológicos están comenzando a darse cuenta de que la investigación en innovación tecnológica que no puede comercializarse en el corto plazo ha perdido valor de inversión.
En agosto de este año, los medios informaron que para reducir costos y aumentar la eficiencia, el gigante tecnológico Meta (anteriormente Facebook) despidió al equipo del proyecto de biociencia ESMFold que estaba comparando con DeepMind AlphaFold de Google y usando grandes modelos de inteligencia artificial (IA) para lograr la predicción de proteínas.
Aunque EvolutionaryScale, una nueva empresa de proteínas de IA fundada por el equipo después de dejar Meta, ha completado recientemente una ronda inicial de financiación de más de 40 millones de dólares, se informa que el plan de despidos y despidos de Meta significa que ha abandonado la investigación científica y tecnológica y desarrollo y recurrió al cambio empresarial de IA.
De hecho, aunque los modelos grandes han desencadenado una nueva ronda de locura por la IA en todo el mundo en los últimos nueve meses, muchos gigantes tecnológicos están compitiendo para generar tecnología de IA generativa. Sin embargo, en los campos tecnológicos de vanguardia con un ciclo largo, como la investigación y el desarrollo de nuevos medicamentos de IA, es difícil para las empresas obtener ganancias rápidas en el corto plazo. Sumado al pobre desempeño del mercado secundario, el entusiasmo inversor ha ido disminuyendo gradualmente. se ha enfriado y las principales empresas de tecnología han reducido la investigación en tecnología pura de IA. Los datos de CB Insights muestran que en el segundo trimestre de este año, la inversión total en el campo global de la IA se desplomó un 38% mes a mes.
Vicky QU, vicepresidenta de Biotec, dijo recientemente a Titanium Media App que ya no es la era de "quemar" el dinero de los inversores y luego salir a bolsa durante 5 años. Capacidades integrales como recursos, tecnología, algoritmos de datos e implementación comercial. etc. Se está convirtiendo en un factor importante en el desarrollo a largo plazo de las empresas de IA.
"Ahora hemos llegado al primer punto de inflexión de la curva de desarrollo de tecnología emergente de Gartner. Se necesitan oportunidades y capacidades de las empresas para tocar fondo y recuperarse", afirmó Qu Jiarun.
El capital riesgo retrocede rápidamente, pero la innovación tecnológica corporativa requiere inversiones a largo plazo
De hecho, ha habido un conflicto y equilibrio de largo plazo entre los ingresos y el valor entre la innovación tecnológica de las empresas y el capital de riesgo.
Ya en 1988, el profesor Martin Kenney de la Universidad Carnegie Mellon de Estados Unidos publicó un artículo en la revista Research Policy en el que afirmaba que el capital de riesgo había cambiado el proceso de innovación tecnológica en Estados Unidos. Señaló que los inversores, como "guardianes técnicos" que aceleran el proceso de cambio tecnológico, proporcionan fondos para las empresas de alta tecnología y ayudan a su desarrollo, promoviendo así la transformación de la innovación tecnológica. Sin embargo, este modelo también conlleva un alto coste.
El profesor Kenney cree que aunque el capital riesgo es un nuevo tipo de inversión que presta más atención a los beneficios potenciales de las empresas y está dispuesta a invertir sin obtener retornos claros, cambiando así el proceso de innovación tecnológica anterior, también existen algunos problemas con el capital riesgo. modelo pregunta.
El informe señala que, en primer lugar, este tipo de capital riesgo requiere una gran inversión de capital, lo que sin duda aumenta el coste de la innovación tecnológica. En segundo lugar, para lograr altos rendimientos, la inversión de capital de riesgo a menudo fluye hacia aquellas áreas con alto potencial de comercialización, ignorando otras áreas de investigación científica igualmente importantes. Además, dado que la esencia del capital de riesgo es la búsqueda de altos rendimientos, algunos inversores pueden estar demasiado centrados en los rendimientos a corto plazo e ignorar el desarrollo a largo plazo de las empresas y el avance continuo de la innovación tecnológica.
En general, el profesor Kenney concluyó que el capital riesgo desempeña un papel positivo en la promoción de la innovación tecnológica, pero al mismo tiempo este método de inversión debe tratarse con más cautela y racionalidad. Sólo así podremos aprovechar plenamente las ventajas del capital de riesgo, reducir sus riesgos potenciales y promover así de manera más efectiva el desarrollo de la innovación científica y tecnológica.
Durante los últimos casi 40 años, el capital de riesgo ha influido en el rápido desarrollo de la tecnología y las industrias tecnológicas globales y ha dado origen a miles de empresas "unicornio". Los datos de CB Insights muestran que hasta agosto de este año, han nacido un total de 1.221 "unicornios" en todo el mundo, con un valor de mercado total de más de 3,8 billones de yuanes. Entre ellas se incluyen al menos 55 "empresas decacorn" (valoraciones superiores a 10.000 millones de dólares) y 3 empresas "centenarias" (valoraciones de al menos 100.000 millones de dólares).
Al mismo tiempo, gracias al modelo de capital de riesgo, Google, Apple, Ali, Tencent, ByteDance, Didi, Meituan y otras empresas se han desarrollado gradualmente desde empresas emergentes hasta gigantes de la tecnología de Internet.
Pero el problema es que, en comparación con el modelo de tráfico en la era de Internet, los campos tecnológicos de vanguardia como la computación en la nube, la inteligencia artificial, el 5G y las ciencias biológicas requieren una mayor inversión, ciclos más largos y dificultades para establecer barreras elevadas. Con muchos competidores y graves pérdidas, alrededor del 94% de los unicornios tecnológicos no son rentables.
Al mismo tiempo, el ciclo de las instituciones de capital de riesgo en las cuatro etapas de recaudación de fondos, inversión, gestión y salida es cada vez más corto: salida de los inversores nacionales y tasa de retorno MOC (relación entre el valor razonable actual de la empresa y el costo de inversión) En el campo de la tecnología se han reducido: solo unas pocas instituciones en etapa inicial pueden ganar dinero con un determinado proyecto, por lo que los inversores se han vuelto cada vez más estrictos con la rentabilidad de las empresas de tecnología.
Tomemos como ejemplo los chips semiconductores. Según las estadísticas, al 30 de abril de 2023, el valor de mercado total de 135 empresas de semiconductores (cadena industrial completa) que cotizan en la Junta de Innovación Científica y Tecnológica y en el Mercado Empresarial en Crecimiento es de 3.082,5 mil millones de yuanes, que es menos de la mitad del mercado de Nvidia. valor. Las 135 empresas de chips mencionadas anteriormente alcanzarán unos ingresos acumulados de 282.190 millones de yuanes en 2022, con una tasa de beneficio bruto promedio del 39,1%, un nivel relativamente bajo. Entre ellos, sólo la familia Cambrian, el "primer stock nacional de chips de IA", ha acumulado pérdidas de casi 4 mil millones de yuanes en los últimos cinco años hasta 2022.
Otros datos públicos muestran que en los primeros tres trimestres de 2022, el número de casos de salida de OPI fue de 1996, lo que representa casi el 60% del número total de casos de salida en el mercado de valores, y las fusiones y adquisiciones, las transferencias de capital y otros métodos representaron para una proporción relativamente pequeña.
En un caso específico, la empresa SaaS Beisen Holdings (HKG: 9669), recientemente cotizada en bolsa, perdió casi 5 mil millones de yuanes en más de 4 años, el precio de sus acciones cayó más del 70% desde principios de año y muchos inversores la vendieron. con un descuento. Según el prospecto, Tianchuang Capital transferirá todas sus acciones en abril de 2021, obteniendo 8,02 millones de dólares, y la valoración se descuenta al 77,5%. Sequoia China, Goldman Sachs, Softbank y otras instituciones no han obtenido salidas rentables.
Además, además de las empresas, el campo de la investigación tecnológica académica también se enfrenta a un fenómeno similar. Un académico de la Academia de Ciencias de China dijo a Titanium Media App en noviembre del año pasado que el mercado presta menos atención a la investigación científica y tecnológica básica que no se puede comercializar. La financiación anual de la Fundación Nacional de Ciencias Naturales de China se inclina más hacia aquellas investigaciones científicas. campos de investigación que tienen aplicaciones, mientras que algunas innovaciones científicas y tecnológicas de un solo punto La financiación es difícil de conseguir.
"Los instrumentos científicos son nuestro defecto. Creo que no prestamos suficiente atención a los métodos de cálculo y métodos teóricos, por lo que el desarrollo no es tan rápido. Nuestro comité de fondos invierte ahora más de 30 mil millones al año, pero la mayoría de ellos están realmente invertidos. "En la investigación y el desarrollo independientes de la investigación científica, el campo de instrumentos es de menos de mil millones, y antes, debido a que toda la placa de la fundación no era grande, la inversión era menor", dijo el académico antes mencionado.
Por lo tanto, no importa desde qué ángulo se mire, la brecha entre inversión e innovación tecnológica es cada vez más profunda con el tiempo, y los conflictos y equilibrios son inevitables. Entonces, la opción final para grandes empresas como Meta es "matar a Ma Su con lágrimas", es decir, abandonar proyectos científicos a largo plazo.
Las grandes fábricas abandonan la investigación en biotecnología de IA
A principios de 2021, el sistema de inteligencia artificial AlphaFold2 desarrollado por el equipo DeepMind de Google logró una precisión asombrosa en el Concurso Internacional de Predicción de Estructuras de Proteínas (CASP): el rango estructural de alrededor de 200 millones de proteínas cubre casi todos los organismos conocidos en la Tierra. altamente consistente con el modelo de estructura de proteínas medido experimentalmente.
AlphaFold2 se convirtió en el modelo de predicción de estructuras de proteínas tridimensionales más preciso de la época, subvirtiendo el campo académico de la biología y atrayendo una atención generalizada.
De hecho, la investigación y el desarrollo de nuevos fármacos es uno de los campos de investigación técnica del desarrollo humano más riesgosos, complejos y que requieren más tiempo. El costo de la investigación y el desarrollo es de aproximadamente 2.600 millones de dólares estadounidenses, lleva unos 10 años y la tasa de éxito es menor. de una décima parte. Sin embargo, a medida que los algoritmos de IA reemplazan el cribado humano, parece que los medicamentos fabricados con IA se están convirtiendo en una realidad: reducen el costo del descubrimiento de nuevos fármacos en aproximadamente un 35% y acortan el tiempo del ciclo a 1 o 2 años, e incluso pueden completarse en un plazo de 10 años. Unos pocos meses.
Según las estadísticas de Sullivan, en 2020, el mercado mundial de investigación y desarrollo de fármacos alcanzará los 191.500 millones de dólares (aproximadamente 1,24 billones de RMB).
En este contexto, los gigantes de Internet han visto una gran oportunidad en la intersección de la biomedicina y la IA y, por un lado, intentan aumentar su conocimiento y su influencia en este campo mediante la creación de equipos de investigación y, por otro, buscan ampliar sus conocimientos a las empresas farmacéuticas, potencia informática de salida y soluciones. Participan Meta, Tencent, Huawei y otros gigantes tecnológicos chinos y estadounidenses.
Mark Zuckerberg también vio esta oportunidad: Meta fue la primera gran empresa de tecnología en invertir en IA y estableció un laboratorio de investigación básica en inteligencia artificial (Fair) en 2013. A finales de 2020, Meta estableció un departamento de investigación biológica en el equipo de la Feria y lanzó oficialmente el modelo de predicción de proteínas Meta ESMFold en julio de 2022.
Se informa que el modelo ESMFold se basa en la arquitectura Transformer, con un volumen de parámetros de 15 mil millones y, en dos semanas, utilizó un grupo compuesto por alrededor de 2000 chips GPU para predecir las secuencias de más de 600 millones de proteínas metagenómicas. Estas secuencias se expresan a través de cadenas compuestas por 20 aminoácidos diferentes, y la metagenómica también se conoce como la "materia oscura" del mundo biológico, incluidos los microorganismos del suelo, el océano y el cuerpo humano.
Hasta ahora, ESMFold es el modelo de lenguaje de proteínas más grande del mundo, con una velocidad de IA 60 veces más rápida que AlphaFold, pero con menor precisión. Se considera una de las tecnologías competitivas importantes de AlphaFold.
Sin embargo, poco más de dos años después, Meta está intentando ajustar su estrategia de investigación a factores como la recesión económica mundial y los menores ingresos publicitarios.
El "Financial Times" británico cree que la cultura académica dentro de Fair Labs es la razón por la que Meta ha tardado en tomar la delantera en la competencia de grandes modelos de IA. Con el surgimiento de ChatGPT, Meta ahora está tratando de ajustar la apuntar a "GenAI" y reconfigurar su feria La dirección de investigación del equipo gira hacia la comercialización de modelos de IA.
"Si una gran empresa quiere hacer un buen trabajo en biociencia de IA, está restringido principalmente por el espacio de desarrollo interno, el control de costos, la ecología del departamento y otros factores", dijo Qu Jiarun a TMTpost Media App, aunque los equipos de I + D de las grandes empresas de tecnología pueden publicar algunos artículos, necesitan resolver el problema en lotes. Los problemas en la industria de la vida no son muy realistas. En cierto sentido, el campo biológico requiere 10 o 20 años de inversión en I+D, y las grandes empresas a menudo no están dispuestas a persistir durante un tiempo. largo tiempo.
Qu Jiarun cree que desde el desarrollo de la industria de la IA, ya sea potencia informática o recursos de datos, ya no es algo que una simple empresa de nueva creación pueda "avanzar". Desde la perspectiva de los inversores, en los cambios actuales en el entorno general, existen muchos problemas en el nivel de financiación de todo el campo de la IA. La forma de apoyarla hasta la etapa de IPO debe depender de su propia sangre. Para una gran empresa como Meta, la inversión a largo plazo en el campo biomédico es algo muy "ideal".
"El capital busca ganancias, por lo que invierte en conducción autónoma o en seguridad. Para los grandes fabricantes, invertir dinero en innovación en ese momento era un gran riesgo. Para el puesto número uno en la empresa, piensan más en asuntos comerciales. ¿De quién es la culpa si gastas dinero y no obtienes resultados?”, dijo a Titanium Media App Wang Xiaochuan, fundador de Sogou, fundador y director ejecutivo de Baichuan Smart.
En los últimos dos años, muchas empresas importantes de Internet han anunciado el cierre o la reducción de proyectos de comercialización que no son a corto plazo. Por ejemplo, Waymo, el proyecto de vehículos autónomos de la empresa matriz de Google, Alphabet, ha despedido a cientos de empleados, y el juego en la nube Stadia se ha reducido por completo; Amazon ha cerrado sucesivamente su vehículo de reparto no tripulado Scout y su empresa de robots de almacén Canvas; ByteDance ha suspendido su software social FeiChat y Time Photo Album. Tencent eliminará y cerrará Penguin FM, la herramienta de compra grupal Gouxiangtuan, etc.
Wang Xiaochuan dijo que desde la perspectiva de la inercia corporativa, las grandes empresas de tecnología son las más fáciles de alcanzar sus objetivos comerciales y es difícil lograr una innovación de 0 a 1. En cambio, es más probable que las empresas de nueva creación lo hagan, y Los talentos de las grandes empresas no pueden formar una fuerza conjunta.
Se implementa el modelo pionero de ciencias biológicas
Después de dos años de inversión en I + D, en 2020, Baitu Biotech, iniciada por Robin Li, el fundador de Baidu Group, construyó un gran modelo intermodal "xTrimo" con cientos de miles de millones de parámetros y lanzó el gran modelo de ciencias biológicas impulsado. modelo en marzo de este año.La plataforma AIGP (AI Generated Protein), así como el plan de cooperación ecológica AIGP, combinan el modelo de ciencias biológicas con las necesidades de salud médica, diseño de medicamentos, energía y protección ambiental, y otros campos.
Qu Jiarun dijo a la aplicación TMTpost que ahora Baitu Biotech ya no se limita al campo de la biomedicina, sino que espera aterrizar en múltiples campos de alto valor a través de grandes modelos de ciencias biológicas. Las empresas deben tener la capacidad de ser responsables de sus propias pérdidas y ganancias: "En muchas empresas, los ingresos son un OKR importante de arriba a abajo".
"Algunas empresas de nueva creación a menudo contratan a mucha gente muy innovadora. Estos científicos apasionados pueden ser capaces de lograr avances tecnológicos de talla mundial, pero si de repente llega el frío invierno, habrá que 'recortar' los fondos y estas empresas "Tenemos que ser obligados a poner la tecnología en uso comercial", dijo Qu Jiarun.
Qu Jiarun dijo: "En comparación con otras empresas, Baitu Biotech ofrece principalmente a sus clientes dos modelos de negocio. Uno es una plataforma de diseño de proteínas integral e innovadora y el otro utiliza los datos de la otra parte para proporcionar modelos informáticos biológicos privados y proporcionarlos en lotes. . , que es una capacidad que muchas empresas de biocomputación de IA no tienen”.
El Dr. Song Le, CTO de Baitu Biological Sciences, mencionó que en la actualidad, grandes empresas como Google y Microsoft con sólidas capacidades de modelos a gran escala en el mundo también están fabricando modelos a gran escala relacionados con las ciencias biológicas, pero están más en el nivel de publicación de artículos No hay ninguna empresa con una sólida capacidad de formación de modelos en la fábrica. Baitu Biotechnology tiene grandes capacidades de capacitación de modelos y un equipo profesional de ciencias biológicas.
Según Titanium Media App, en la "Segunda Conferencia de Biocomputación de China" celebrada el 3 de septiembre, Baitu Biotech anunció la contratación de pruebas internas del modelo en línea ligero xTrimo para clientes de la industria To B (empresas). Llame a API para explorar temas más complejos en las ciencias de la vida. a muy bajo costo.
Qu Jiarun cree que la era de "quemar" el dinero de los inversores y luego apoyar la cotización en bolsa durante cinco años ha terminado. En la era orientada a la tecnología, la gente no tenía una presión tan fuerte para obtener ganancias, pero ahora, en diferentes entornos económicos, los directores ejecutivos y los inversores han experimentado cambios importantes en sus patrones de pensamiento sobre el desarrollo saludable de las empresas a largo plazo.
"No se trata de cómo la industria de la inteligencia artificial puede obtener ganancias, sino de cómo todas las innovaciones tecnológicas pueden generar ganancias. Por ejemplo, ¿cómo pueden obtener ganancias estos robots con buenas ideas?", Enfatizó Qu Jiarun, solo hay Un plan de desarrollo al que se enfrentan hoy muchas empresas: ser responsables de sus propias pérdidas y ganancias, entonces podremos hablar de sentimientos e ideales.