Ketika perekonomian global terus menghadapi tekanan, raksasa teknologi mulai menyadari bahwa penelitian inovasi teknologi yang tidak dapat dikomersialkan dalam jangka pendek telah kehilangan nilai investasi.
Pada bulan Agustus tahun ini, media melaporkan bahwa untuk mengurangi biaya dan meningkatkan efisiensi, raksasa teknologi Meta (sebelumnya Facebook) memberhentikan tim proyek bioscience ESMFold, yang membandingkan DeepMind AlphaFold Google dan menggunakan model besar kecerdasan buatan (AI) untuk mencapai tujuan tersebut. prediksi protein.
Meskipun EvolutionaryScale, sebuah perusahaan protein AI baru yang didirikan oleh tim setelah meninggalkan Meta, baru-baru ini menyelesaikan putaran awal pendanaan lebih dari US$40 juta, dilaporkan bahwa rencana pemberhentian dan pemberhentian Meta berarti mereka telah menghentikan penelitian ilmiah dan teknologi dan pengembangan dan beralih ke bisnis AI.
Faktanya, meskipun model berukuran besar telah memicu gelombang baru kegilaan AI di seluruh dunia dalam sembilan bulan terakhir, banyak raksasa teknologi yang berlomba untuk menghasilkan teknologi AI generatif. Namun, di bidang teknologi terdepan dengan siklus yang panjang, seperti penelitian dan pengembangan obat AI baru, sulit bagi perusahaan untuk memperoleh keuntungan cepat dalam jangka pendek. Ditambah dengan kinerja yang buruk di pasar sekunder, antusiasme investasi perlahan-lahan mereda. , dan perusahaan teknologi besar telah mengurangi penelitian teknologi AI murni. Data CB Insights menunjukkan bahwa pada kuartal kedua tahun ini, total investasi di bidang AI global anjlok 38% bulan ke bulan.
Vicky QU, Wakil Presiden Baitu Biotech, baru-baru ini mengatakan kepada TMTpost App bahwa ini bukan lagi waktunya untuk “membakar” uang investor dan kemudian mendukung listing tersebut selama 5 tahun. Kemampuan komprehensif sumber daya, teknologi, algoritma data, implementasi bisnis, dll., Hal ini menjadi faktor penting dalam pengembangan jangka panjang perusahaan AI.
"Sekarang kita sebenarnya telah mencapai titik balik pertama dalam kurva pengembangan teknologi Gartner yang sedang berkembang. Untuk mencapai titik terendahnya, dibutuhkan peluang dan kemampuan perusahaan," kata Qu Jiarun.
Modal ventura mengalami kemunduran, namun inovasi teknologi perusahaan memerlukan investasi jangka panjang
Faktanya, telah terjadi konflik jangka panjang dan keseimbangan keuntungan dan nilai antara inovasi teknologi perusahaan dan modal ventura.
Pada awal tahun 1988, Profesor Martin Kenney dari Universitas Carnegie Mellon di Amerika Serikat menerbitkan sebuah artikel di jurnal Research Policy, yang menyatakan bahwa modal ventura telah mengubah proses inovasi teknologi di Amerika Serikat. Ia mencontohkan bahwa investor, sebagai "penjaga gerbang teknis" yang mempercepat proses perubahan teknologi, menyediakan dana bagi perusahaan teknologi tinggi dan membantu perkembangannya, sehingga mendorong transformasi inovasi teknologi. Namun model ini juga membawa biaya yang tinggi.
Profesor Kenney percaya bahwa meskipun modal ventura adalah jenis investasi baru, namun lebih memperhatikan potensi manfaat perusahaan, dan bersedia berinvestasi tanpa mendapatkan keuntungan yang jelas, sehingga mengubah proses inovasi teknologi sebelumnya, namun masih ada beberapa risiko dalam model modal ventura pertanyaan.
Laporan tersebut menunjukkan bahwa, pertama-tama, modal ventura semacam ini memerlukan investasi modal dalam jumlah besar, yang tentunya meningkatkan biaya inovasi teknologi. Kedua, dalam mengejar keuntungan yang tinggi, modal ventura cenderung mengalir ke bidang-bidang yang memiliki potensi komersialisasi tinggi, dan mengabaikan bidang-bidang penelitian ilmiah lain yang sama pentingnya. Selain itu, karena sifat modal ventura adalah mengejar keuntungan yang tinggi, beberapa investor mungkin terlalu memperhatikan keuntungan jangka pendek, dan mengabaikan perkembangan perusahaan dalam jangka panjang dan kemajuan inovasi teknologi yang berkelanjutan.
Secara umum, Profesor Kenney menyimpulkan bahwa modal ventura memainkan peran positif dalam mendorong inovasi teknologi, namun pada saat yang sama, metode investasi ini perlu diperlakukan dengan lebih hati-hati dan rasional. Hanya dengan cara ini kita dapat memanfaatkan sepenuhnya manfaat modal ventura, mengurangi potensi risikonya, dan dengan demikian lebih efektif mendorong pengembangan inovasi ilmu pengetahuan dan teknologi.
Selama hampir 40 tahun terakhir, modal ventura telah mempengaruhi pesatnya perkembangan teknologi global dan industri teknologi, serta telah melahirkan ribuan perusahaan "unicorn". Data CB Insights menunjukkan hingga Agustus tahun ini, total 1.221 "unicorn" telah lahir di seluruh dunia, dengan total nilai pasar lebih dari 3,8 triliun yuan. Ini mencakup setidaknya 55 "perusahaan decacorn" (valuasinya melebihi US$10 miliar) dan 3 perusahaan "centenarian" (valuasinya setidaknya US$100 miliar).
Pada saat yang sama, berkat model modal ventura, perusahaan seperti Google, Apple, Alibaba, Tencent, ByteDance, Didi, dan Meituan secara bertahap berkembang dari perusahaan rintisan menjadi raksasa teknologi Internet.
Namun permasalahannya adalah dibandingkan dengan model lalu lintas di era Internet, bidang teknologi mutakhir seperti komputasi awan, AI, 5G, dan ilmu hayati memerlukan investasi yang lebih besar, siklus yang lebih panjang, dan kesulitan dalam menetapkan hambatan yang tinggi. banyak pesaing dan kerugian besar, sekitar 94% unicorn teknologi tidak memperoleh keuntungan.
Pada saat yang sama, siklus lembaga modal ventura dalam empat tahap penggalangan dana, investasi, pengelolaan, dan keluar semakin pendek.Tingkat keluar dan pengembalian investor domestik MOC (rasio nilai wajar perusahaan saat ini dan biaya investasi) di bidang teknologi menjadi lebih rendah. Hanya sedikit lembaga tahap awal yang dapat menghasilkan uang dari proyek tertentu, sehingga investor memiliki persyaratan yang lebih ketat terhadap profitabilitas perusahaan teknologi.
Ambil contoh semikonduktor chip. Menurut statistik, pada 30 April 2023, total nilai pasar dari 135 perusahaan semikonduktor (rantai industri penuh) yang terdaftar di Dewan Inovasi Sains dan Teknologi dan GEM adalah 3,0825 miliar yuan, kurang dari setengah nilai pasar Nvidia. 135 perusahaan chip yang disebutkan di atas akan mencapai pendapatan kumulatif sebesar 282,19 miliar yuan pada tahun 2022, dengan margin laba kotor rata-rata sebesar 39,1%, yang merupakan level rendah. Di antara mereka, hanya Cambrian, “saham chip AI domestik nomor satu”, yang mengalami kerugian kumulatif hampir 4 miliar yuan dalam lima tahun terakhir pada tahun 2022.
Data publik lainnya menunjukkan bahwa dalam tiga kuartal pertama tahun 2022, jumlah kasus keluar dari IPO adalah tahun 1996, terhitung hampir 60% dari total jumlah kasus keluar di pasar ekuitas, dan merger dan akuisisi, transfer ekuitas, dan metode lainnya diperhitungkan. untuk proporsi yang relatif kecil.
Dalam kasus tertentu, Beisen Holdings (HKG: 9669), sebuah perusahaan SaaS yang baru saja terdaftar, telah kehilangan hampir 5 miliar yuan dalam lebih dari empat tahun. Harga sahamnya telah turun lebih dari 70% dari awal tahun, dan banyak lagi investor menjualnya dengan harga diskon. Prospektus menyatakan bahwa Tianchuang Capital mengalihkan seluruh sahamnya pada April 2021 dan menerima US$8,02 juta, dengan valuasi didiskon menjadi 77,5%.Sequoia China, Goldman Sachs, SoftBank dan institusi lain juga tidak memperoleh jalan keluar yang menguntungkan.
Selain perusahaan, bidang penelitian teknologi akademis juga menghadapi fenomena serupa. Seorang akademisi dari Akademi Ilmu Pengetahuan China mengatakan kepada Titanium Media App pada bulan November tahun lalu bahwa pasar kurang memperhatikan penelitian ilmiah dan teknologi dasar yang tidak dapat dikomersialkan.Pendanaan tahunan dari National Natural Science Foundation of China lebih condong pada penelitian ilmiah bidang penelitian yang memiliki aplikasi, sementara beberapa inovasi ilmiah dan teknologi yang bersifat tunggal Pembiayaan sulit didapat.
“Instrumen ilmiah adalah kekurangan kita. Saya kira kita kurang memperhatikan metode perhitungan dan metode teoritis, sehingga perkembangannya tidak begitu cepat. Komite dana kita sekarang menginvestasikan lebih dari 30 miliar setahun, tetapi kebanyakan benar-benar diinvestasikan. dalam penelitian independen dan pengembangan penelitian ilmiah. Bidang instrumennya kurang dari 1 miliar, dan tadi karena seluruh portofolio yayasan tidak besar, investasinya pun lebih sedikit." kata akademisi tersebut di atas.
Oleh karena itu, dari sudut pandang mana pun, kesenjangan antara investasi dan inovasi teknologi semakin dalam seiring berjalannya waktu, dan konflik serta keseimbangan tidak dapat dihindari. Kemudian, untuk perusahaan besar seperti Meta, pilihan terakhirnya hanya “membunuh kudanya dengan air mata”, yaitu meninggalkan proyek ilmiah jangka panjang.
Produsen besar meninggalkan penelitian bioteknologi AI
Pada awal tahun 2021, sistem kecerdasan buatan AlphaFold2 yang dikembangkan oleh tim DeepMind Google mencapai akurasi yang menakjubkan dalam Kompetisi Prediksi Struktur Protein Internasional (CASP). Rentang struktur sekitar 200 juta protein mencakup hampir semua organisme yang diketahui di bumi, dan sebagian besar prediksi Model ini sangat konsisten dengan model struktur protein yang diukur secara eksperimental.
AlphaFold2 menjadi model prediksi struktur protein tiga dimensi paling akurat pada saat itu, menumbangkan bidang akademis biologi dan menarik perhatian luas.
Faktanya, penelitian dan pengembangan obat baru adalah salah satu bidang penelitian teknis yang paling berisiko, kompleks, dan memakan waktu dalam pengembangan manusia. Biaya penelitian dan pengembangan sekitar 2,6 miliar dolar AS, yang memakan waktu sekitar 10 tahun, dan tingkat keberhasilannya adalah kurang dari sepersepuluh. Namun, dengan penggantian algoritma skrining pada manusia dengan algoritma AI, tampaknya AI dapat menciptakan obat yang dapat mengurangi biaya penemuan obat baru sekitar 35%, dan waktu siklus juga dipersingkat menjadi 1-2 tahun. , dan bahkan mungkin selesai dalam beberapa bulan.
Menurut statistik Sullivan, pada tahun 2020, pasar penelitian dan pengembangan obat global akan mencapai 191,5 miliar dolar AS (sekitar 1,24 triliun yuan).
Dalam konteks ini, raksasa internet telah melihat peluang besar di persimpangan antara biomedis dan AI. Di satu sisi, mereka mencoba meningkatkan pemahaman dan pengaruh mereka di bidang ini dengan membentuk tim peneliti yang menghasilkan kekuatan komputasi dan solusi. Meta, Tencent, Huawei dan raksasa teknologi Tiongkok dan Amerika lainnya berpartisipasi.
Mark Zuckerberg pun melihat peluang ini, Meta menjadi perusahaan teknologi besar pertama yang berinvestasi pada AI dan mendirikan laboratorium penelitian dasar kecerdasan buatan (Fair) pada tahun 2013. Pada akhir tahun 2020, Meta mendirikan departemen penelitian biologi di tim Fair, dan secara resmi meluncurkan model prediksi protein Meta ESMFold pada Juli 2022.
Dilaporkan bahwa model ESMFold didasarkan pada arsitektur Transformer dan memiliki 15 miliar parameter dan dapat memprediksi urutan lebih dari 600 juta protein metagenomik dalam dua minggu menggunakan cluster yang terdiri dari sekitar 2,000 chip GPU. Urutan ini diekspresikan melalui rantai yang terdiri dari 20 asam amino berbeda, dan metagenom juga dikenal sebagai "materi gelap" dunia biologis, termasuk mikroorganisme di tanah, lautan, dan tubuh manusia.
Sejauh ini, ESMFold merupakan model bahasa protein terbesar di dunia. Kecepatan AI 60 kali lebih cepat dibandingkan AlphaFold, namun akurasinya lebih rendah. Ini dianggap sebagai salah satu teknologi kompetitif penting AlphaFold.
Peta resolusi struktur protein diukur dengan ESMFold, model AI yang dikembangkan oleh Meta (Sumber: Meta)
Namun, dua tahun kemudian, Meta kini mencoba menyesuaikan strategi penelitiannya dengan faktor-faktor seperti resesi ekonomi global dan pendapatan iklan yang lebih rendah.
"Financial Times" Inggris percaya bahwa budaya akademis dalam Fair Labs adalah alasan mengapa Meta lambat dalam memimpin kompetisi model besar AI. Dengan merebaknya ChatGPT, Meta kini mencoba menyesuaikan kondisi menargetkan "GenAI" dan mengkonfigurasi ulang Pamerannya. Arah penelitian tim beralih ke komersialisasi model AI.
“Jika sebuah perusahaan besar ingin melakukan pekerjaan dengan baik dalam biosains AI, hal tersebut terutama dibatasi oleh ruang pengembangan internal, pengendalian biaya, ekologi departemen, dan faktor lainnya.” Qu Jiarun mengatakan kepada TMTpost Media App bahwa meskipun tim penelitian dan pengembangan dari perusahaan teknologi besar dapat melakukannya menerbitkan beberapa makalah, mereka perlu memecahkan masalah secara bertahap. Masalah dalam industri kehidupan tidak terlalu realistis. Dalam arti tertentu, bidang biologi memerlukan investasi penelitian dan pengembangan selama 10 atau 20 tahun, dan perusahaan besar sering kali tidak mau bertahan untuk sementara waktu. lama.
Qu Jiarun percaya bahwa sejak berkembangnya industri AI, baik itu kekuatan komputasi atau sumber daya data, hal ini bukan lagi sesuatu yang dapat "ditembus" oleh perusahaan start-up sederhana. Dari sudut pandang investor, terdapat banyak permasalahan pada tingkat pendanaan seluruh bidang AI dalam perubahan lingkungan umum saat ini.Cara mendukungnya hingga tahap IPO perlu mengandalkan darah sendiri. Bagi perusahaan besar seperti Meta, investasi jangka panjang di bidang biomedis merupakan hal yang sangat “ideal”.
“Modal adalah mencari keuntungan, jadi berinvestasi pada kendaraan otonom atau keamanan. Bagi produsen besar, menginvestasikan uang dalam inovasi pada saat itu adalah risiko yang sangat besar. Untuk posisi No. 1 di perusahaan, mereka lebih memikirkan urusan bisnis. Salah siapa jika Anda mengeluarkan uang dan tidak mendapatkan hasil?” Wang Xiaochuan, pendiri Sogou, pendiri dan CEO Baichuan Smart, mengatakan kepada Titanium Media App.
Dalam dua tahun terakhir, banyak perusahaan Internet besar telah mengumumkan penutupan atau pengurangan proyek komersialisasi non-jangka pendek. Misalnya, proyek mobil self-driving milik perusahaan induk Google, Alphabet, Waymo, telah memecat ratusan orang, dan game cloud Stadia telah menyusut secara menyeluruh; Amazon berturut-turut telah menutup kendaraan pengiriman tak berawak Scout dan perusahaan robot gudang Canvas ; ; Tencent akan menghapus dan menutup Penguin FM, alat pembelian grup Gouxiangtuan, dll.
Wang Xiaochuan mengatakan bahwa dari perspektif inersia perusahaan, paling mudah bagi perusahaan teknologi besar untuk mencapai tujuan bisnis mereka, dan sulit untuk mencapai inovasi 0-to-1. Sebaliknya, ada peluang lebih besar bagi startup untuk mencapai tujuan mereka. itu, dan talenta dari perusahaan besar tidak dapat membentuk sinergi.
Model ilmu kehidupan merintis jalan diterapkan
Setelah dua tahun melakukan investasi penelitian dan pengembangan, pada tahun 2020, Baitu Biotech, yang diprakarsai oleh Robin Li, pendiri Baidu Group, membangun model besar lintas modal "xTrimo" dengan ratusan miliar parameter, dan merilis model besar berbasis ilmu hayati model pada bulan Maret tahun ini. Platform AIGP (AI Generated Protein), serta rencana kerja sama ekologi AIGP, menggabungkan model ilmu hayati dengan kebutuhan kesehatan medis, desain obat, energi dan perlindungan lingkungan, serta bidang lainnya.
Qu Jiarun mengatakan kepada TMTpost App bahwa saat ini, Baitu Biotech tidak lagi terbatas pada bidang biomedis, namun berharap dapat menjangkau berbagai bidang bernilai tinggi melalui model ilmu hayati yang besar. Perusahaan harus memiliki kemampuan untuk bertanggung jawab atas keuntungan dan kerugian mereka sendiri. "Pendapatan adalah OKR penting dari atas ke bawah di banyak perusahaan."
“Beberapa perusahaan start-up seringkali merekrut banyak orang-orang yang sangat inovatif. Banyak ilmuwan yang sepenuh hati ini mungkin mampu membuat terobosan teknologi kelas dunia, namun jika musim dingin tiba-tiba datang, dana harus 'dipotong', dan perusahaan-perusahaan ini harus dipaksa untuk mempraktikkan teknologi dan bisnis." kata Qu Jiarun.
Qu Jiarun berkata, "Dibandingkan dengan perusahaan lain, Baitu Biotech terutama menyediakan dua model bisnis kepada pelanggan. Yang pertama adalah platform desain protein yang komprehensif dan inovatif, dan yang lainnya menggunakan data pihak lain untuk menyediakan model komputasi biologis pribadi dan menyediakannya dalam batch. .., ini adalah kemampuan yang tidak dimiliki oleh banyak perusahaan biokomputer AI."
Song Le, CTO Baitu Biotechnology, menyebutkan bahwa saat ini, perusahaan besar seperti Google dan Microsoft yang memiliki kemampuan model skala besar yang kuat di dunia, juga melakukan model skala besar yang berkaitan dengan ilmu kehidupan, namun mereka lebih banyak di tingkat penerbitan makalah Tidak ada perusahaan dengan kemampuan pelatihan model yang kuat di pabrik. Dan Baitu Biotech memiliki kemampuan pelatihan model skala besar dan tim ilmu kehidupan profesional.
Menurut Titanium Media App, pada "Konferensi Biokomputer Tiongkok Kedua" yang diadakan pada tanggal 3 September, Baitu Biotech mengumumkan perekrutan pengujian internal model online ringan xTrimo untuk pelanggan industri To B (perusahaan). Hubungi API untuk mewujudkan eksplorasi yang lebih kompleks masalah dalam ilmu kehidupan dengan biaya yang sangat rendah.
Qu Jiarun yakin era "membakar" uang investor dan kemudian mendukung pencatatan IPO selama lima tahun telah berakhir. Di era yang berorientasi pada teknologi, masyarakat tidak memiliki tekanan yang kuat untuk menghasilkan keuntungan, namun kini, dalam lingkungan ekonomi yang berbeda, para CEO dan investor telah mengalami perubahan penting dalam pola pikir mereka mengenai pengembangan perusahaan yang sehat dalam jangka panjang.
"Ini bukan pertanyaan bagaimana industri AI bisa mendapat untung, tapi bagaimana semua inovasi teknologi bisa untung. Misalnya, bagaimana robot-robot dengan ide bagus ini bisa untung? " Qu Jiarun menegaskan, yang ada hanyalah satu rencana pengembangan yang ada di depan banyak perusahaan saat ini: bertanggung jawab atas untung dan ruginya sendiri, lalu kita bisa bicara tentang perasaan dan cita-cita.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
Apakah AI memudar? Total investasi di bidang AI global anjlok 38% pada kuartal kedua
Penulis｜Lin Zhijia
Editor｜Ma Jinnan
Sumber丨Titanium Media
Ketika perekonomian global terus menghadapi tekanan, raksasa teknologi mulai menyadari bahwa penelitian inovasi teknologi yang tidak dapat dikomersialkan dalam jangka pendek telah kehilangan nilai investasi.
Pada bulan Agustus tahun ini, media melaporkan bahwa untuk mengurangi biaya dan meningkatkan efisiensi, raksasa teknologi Meta (sebelumnya Facebook) memberhentikan tim proyek bioscience ESMFold, yang membandingkan DeepMind AlphaFold Google dan menggunakan model besar kecerdasan buatan (AI) untuk mencapai tujuan tersebut. prediksi protein.
Meskipun EvolutionaryScale, sebuah perusahaan protein AI baru yang didirikan oleh tim setelah meninggalkan Meta, baru-baru ini menyelesaikan putaran awal pendanaan lebih dari US$40 juta, dilaporkan bahwa rencana pemberhentian dan pemberhentian Meta berarti mereka telah menghentikan penelitian ilmiah dan teknologi dan pengembangan dan beralih ke bisnis AI.
Faktanya, meskipun model berukuran besar telah memicu gelombang baru kegilaan AI di seluruh dunia dalam sembilan bulan terakhir, banyak raksasa teknologi yang berlomba untuk menghasilkan teknologi AI generatif. Namun, di bidang teknologi terdepan dengan siklus yang panjang, seperti penelitian dan pengembangan obat AI baru, sulit bagi perusahaan untuk memperoleh keuntungan cepat dalam jangka pendek. Ditambah dengan kinerja yang buruk di pasar sekunder, antusiasme investasi perlahan-lahan mereda. , dan perusahaan teknologi besar telah mengurangi penelitian teknologi AI murni. Data CB Insights menunjukkan bahwa pada kuartal kedua tahun ini, total investasi di bidang AI global anjlok 38% bulan ke bulan.
Vicky QU, Wakil Presiden Baitu Biotech, baru-baru ini mengatakan kepada TMTpost App bahwa ini bukan lagi waktunya untuk “membakar” uang investor dan kemudian mendukung listing tersebut selama 5 tahun. Kemampuan komprehensif sumber daya, teknologi, algoritma data, implementasi bisnis, dll., Hal ini menjadi faktor penting dalam pengembangan jangka panjang perusahaan AI.
"Sekarang kita sebenarnya telah mencapai titik balik pertama dalam kurva pengembangan teknologi Gartner yang sedang berkembang. Untuk mencapai titik terendahnya, dibutuhkan peluang dan kemampuan perusahaan," kata Qu Jiarun.
Modal ventura mengalami kemunduran, namun inovasi teknologi perusahaan memerlukan investasi jangka panjang
Faktanya, telah terjadi konflik jangka panjang dan keseimbangan keuntungan dan nilai antara inovasi teknologi perusahaan dan modal ventura.
Pada awal tahun 1988, Profesor Martin Kenney dari Universitas Carnegie Mellon di Amerika Serikat menerbitkan sebuah artikel di jurnal Research Policy, yang menyatakan bahwa modal ventura telah mengubah proses inovasi teknologi di Amerika Serikat. Ia mencontohkan bahwa investor, sebagai "penjaga gerbang teknis" yang mempercepat proses perubahan teknologi, menyediakan dana bagi perusahaan teknologi tinggi dan membantu perkembangannya, sehingga mendorong transformasi inovasi teknologi. Namun model ini juga membawa biaya yang tinggi.
Profesor Kenney percaya bahwa meskipun modal ventura adalah jenis investasi baru, namun lebih memperhatikan potensi manfaat perusahaan, dan bersedia berinvestasi tanpa mendapatkan keuntungan yang jelas, sehingga mengubah proses inovasi teknologi sebelumnya, namun masih ada beberapa risiko dalam model modal ventura pertanyaan.
Laporan tersebut menunjukkan bahwa, pertama-tama, modal ventura semacam ini memerlukan investasi modal dalam jumlah besar, yang tentunya meningkatkan biaya inovasi teknologi. Kedua, dalam mengejar keuntungan yang tinggi, modal ventura cenderung mengalir ke bidang-bidang yang memiliki potensi komersialisasi tinggi, dan mengabaikan bidang-bidang penelitian ilmiah lain yang sama pentingnya. Selain itu, karena sifat modal ventura adalah mengejar keuntungan yang tinggi, beberapa investor mungkin terlalu memperhatikan keuntungan jangka pendek, dan mengabaikan perkembangan perusahaan dalam jangka panjang dan kemajuan inovasi teknologi yang berkelanjutan.
Secara umum, Profesor Kenney menyimpulkan bahwa modal ventura memainkan peran positif dalam mendorong inovasi teknologi, namun pada saat yang sama, metode investasi ini perlu diperlakukan dengan lebih hati-hati dan rasional. Hanya dengan cara ini kita dapat memanfaatkan sepenuhnya manfaat modal ventura, mengurangi potensi risikonya, dan dengan demikian lebih efektif mendorong pengembangan inovasi ilmu pengetahuan dan teknologi.
Selama hampir 40 tahun terakhir, modal ventura telah mempengaruhi pesatnya perkembangan teknologi global dan industri teknologi, serta telah melahirkan ribuan perusahaan "unicorn". Data CB Insights menunjukkan hingga Agustus tahun ini, total 1.221 "unicorn" telah lahir di seluruh dunia, dengan total nilai pasar lebih dari 3,8 triliun yuan. Ini mencakup setidaknya 55 "perusahaan decacorn" (valuasinya melebihi US$10 miliar) dan 3 perusahaan "centenarian" (valuasinya setidaknya US$100 miliar).
Pada saat yang sama, berkat model modal ventura, perusahaan seperti Google, Apple, Alibaba, Tencent, ByteDance, Didi, dan Meituan secara bertahap berkembang dari perusahaan rintisan menjadi raksasa teknologi Internet.
Namun permasalahannya adalah dibandingkan dengan model lalu lintas di era Internet, bidang teknologi mutakhir seperti komputasi awan, AI, 5G, dan ilmu hayati memerlukan investasi yang lebih besar, siklus yang lebih panjang, dan kesulitan dalam menetapkan hambatan yang tinggi. banyak pesaing dan kerugian besar, sekitar 94% unicorn teknologi tidak memperoleh keuntungan.
Pada saat yang sama, siklus lembaga modal ventura dalam empat tahap penggalangan dana, investasi, pengelolaan, dan keluar semakin pendek.Tingkat keluar dan pengembalian investor domestik MOC (rasio nilai wajar perusahaan saat ini dan biaya investasi) di bidang teknologi menjadi lebih rendah. Hanya sedikit lembaga tahap awal yang dapat menghasilkan uang dari proyek tertentu, sehingga investor memiliki persyaratan yang lebih ketat terhadap profitabilitas perusahaan teknologi.
Ambil contoh semikonduktor chip. Menurut statistik, pada 30 April 2023, total nilai pasar dari 135 perusahaan semikonduktor (rantai industri penuh) yang terdaftar di Dewan Inovasi Sains dan Teknologi dan GEM adalah 3,0825 miliar yuan, kurang dari setengah nilai pasar Nvidia. 135 perusahaan chip yang disebutkan di atas akan mencapai pendapatan kumulatif sebesar 282,19 miliar yuan pada tahun 2022, dengan margin laba kotor rata-rata sebesar 39,1%, yang merupakan level rendah. Di antara mereka, hanya Cambrian, “saham chip AI domestik nomor satu”, yang mengalami kerugian kumulatif hampir 4 miliar yuan dalam lima tahun terakhir pada tahun 2022.
Data publik lainnya menunjukkan bahwa dalam tiga kuartal pertama tahun 2022, jumlah kasus keluar dari IPO adalah tahun 1996, terhitung hampir 60% dari total jumlah kasus keluar di pasar ekuitas, dan merger dan akuisisi, transfer ekuitas, dan metode lainnya diperhitungkan. untuk proporsi yang relatif kecil.
Dalam kasus tertentu, Beisen Holdings (HKG: 9669), sebuah perusahaan SaaS yang baru saja terdaftar, telah kehilangan hampir 5 miliar yuan dalam lebih dari empat tahun. Harga sahamnya telah turun lebih dari 70% dari awal tahun, dan banyak lagi investor menjualnya dengan harga diskon. Prospektus menyatakan bahwa Tianchuang Capital mengalihkan seluruh sahamnya pada April 2021 dan menerima US$8,02 juta, dengan valuasi didiskon menjadi 77,5%.Sequoia China, Goldman Sachs, SoftBank dan institusi lain juga tidak memperoleh jalan keluar yang menguntungkan.
Selain perusahaan, bidang penelitian teknologi akademis juga menghadapi fenomena serupa. Seorang akademisi dari Akademi Ilmu Pengetahuan China mengatakan kepada Titanium Media App pada bulan November tahun lalu bahwa pasar kurang memperhatikan penelitian ilmiah dan teknologi dasar yang tidak dapat dikomersialkan.Pendanaan tahunan dari National Natural Science Foundation of China lebih condong pada penelitian ilmiah bidang penelitian yang memiliki aplikasi, sementara beberapa inovasi ilmiah dan teknologi yang bersifat tunggal Pembiayaan sulit didapat.
“Instrumen ilmiah adalah kekurangan kita. Saya kira kita kurang memperhatikan metode perhitungan dan metode teoritis, sehingga perkembangannya tidak begitu cepat. Komite dana kita sekarang menginvestasikan lebih dari 30 miliar setahun, tetapi kebanyakan benar-benar diinvestasikan. dalam penelitian independen dan pengembangan penelitian ilmiah. Bidang instrumennya kurang dari 1 miliar, dan tadi karena seluruh portofolio yayasan tidak besar, investasinya pun lebih sedikit." kata akademisi tersebut di atas.
Oleh karena itu, dari sudut pandang mana pun, kesenjangan antara investasi dan inovasi teknologi semakin dalam seiring berjalannya waktu, dan konflik serta keseimbangan tidak dapat dihindari. Kemudian, untuk perusahaan besar seperti Meta, pilihan terakhirnya hanya “membunuh kudanya dengan air mata”, yaitu meninggalkan proyek ilmiah jangka panjang.
Produsen besar meninggalkan penelitian bioteknologi AI
Pada awal tahun 2021, sistem kecerdasan buatan AlphaFold2 yang dikembangkan oleh tim DeepMind Google mencapai akurasi yang menakjubkan dalam Kompetisi Prediksi Struktur Protein Internasional (CASP). Rentang struktur sekitar 200 juta protein mencakup hampir semua organisme yang diketahui di bumi, dan sebagian besar prediksi Model ini sangat konsisten dengan model struktur protein yang diukur secara eksperimental.
AlphaFold2 menjadi model prediksi struktur protein tiga dimensi paling akurat pada saat itu, menumbangkan bidang akademis biologi dan menarik perhatian luas.
Faktanya, penelitian dan pengembangan obat baru adalah salah satu bidang penelitian teknis yang paling berisiko, kompleks, dan memakan waktu dalam pengembangan manusia. Biaya penelitian dan pengembangan sekitar 2,6 miliar dolar AS, yang memakan waktu sekitar 10 tahun, dan tingkat keberhasilannya adalah kurang dari sepersepuluh. Namun, dengan penggantian algoritma skrining pada manusia dengan algoritma AI, tampaknya AI dapat menciptakan obat yang dapat mengurangi biaya penemuan obat baru sekitar 35%, dan waktu siklus juga dipersingkat menjadi 1-2 tahun. , dan bahkan mungkin selesai dalam beberapa bulan.
Menurut statistik Sullivan, pada tahun 2020, pasar penelitian dan pengembangan obat global akan mencapai 191,5 miliar dolar AS (sekitar 1,24 triliun yuan).
Dalam konteks ini, raksasa internet telah melihat peluang besar di persimpangan antara biomedis dan AI. Di satu sisi, mereka mencoba meningkatkan pemahaman dan pengaruh mereka di bidang ini dengan membentuk tim peneliti yang menghasilkan kekuatan komputasi dan solusi. Meta, Tencent, Huawei dan raksasa teknologi Tiongkok dan Amerika lainnya berpartisipasi.
Mark Zuckerberg pun melihat peluang ini, Meta menjadi perusahaan teknologi besar pertama yang berinvestasi pada AI dan mendirikan laboratorium penelitian dasar kecerdasan buatan (Fair) pada tahun 2013. Pada akhir tahun 2020, Meta mendirikan departemen penelitian biologi di tim Fair, dan secara resmi meluncurkan model prediksi protein Meta ESMFold pada Juli 2022.
Dilaporkan bahwa model ESMFold didasarkan pada arsitektur Transformer dan memiliki 15 miliar parameter dan dapat memprediksi urutan lebih dari 600 juta protein metagenomik dalam dua minggu menggunakan cluster yang terdiri dari sekitar 2,000 chip GPU. Urutan ini diekspresikan melalui rantai yang terdiri dari 20 asam amino berbeda, dan metagenom juga dikenal sebagai "materi gelap" dunia biologis, termasuk mikroorganisme di tanah, lautan, dan tubuh manusia.
Sejauh ini, ESMFold merupakan model bahasa protein terbesar di dunia. Kecepatan AI 60 kali lebih cepat dibandingkan AlphaFold, namun akurasinya lebih rendah. Ini dianggap sebagai salah satu teknologi kompetitif penting AlphaFold.
Namun, dua tahun kemudian, Meta kini mencoba menyesuaikan strategi penelitiannya dengan faktor-faktor seperti resesi ekonomi global dan pendapatan iklan yang lebih rendah.
"Financial Times" Inggris percaya bahwa budaya akademis dalam Fair Labs adalah alasan mengapa Meta lambat dalam memimpin kompetisi model besar AI. Dengan merebaknya ChatGPT, Meta kini mencoba menyesuaikan kondisi menargetkan "GenAI" dan mengkonfigurasi ulang Pamerannya. Arah penelitian tim beralih ke komersialisasi model AI.
“Jika sebuah perusahaan besar ingin melakukan pekerjaan dengan baik dalam biosains AI, hal tersebut terutama dibatasi oleh ruang pengembangan internal, pengendalian biaya, ekologi departemen, dan faktor lainnya.” Qu Jiarun mengatakan kepada TMTpost Media App bahwa meskipun tim penelitian dan pengembangan dari perusahaan teknologi besar dapat melakukannya menerbitkan beberapa makalah, mereka perlu memecahkan masalah secara bertahap. Masalah dalam industri kehidupan tidak terlalu realistis. Dalam arti tertentu, bidang biologi memerlukan investasi penelitian dan pengembangan selama 10 atau 20 tahun, dan perusahaan besar sering kali tidak mau bertahan untuk sementara waktu. lama.
Qu Jiarun percaya bahwa sejak berkembangnya industri AI, baik itu kekuatan komputasi atau sumber daya data, hal ini bukan lagi sesuatu yang dapat "ditembus" oleh perusahaan start-up sederhana. Dari sudut pandang investor, terdapat banyak permasalahan pada tingkat pendanaan seluruh bidang AI dalam perubahan lingkungan umum saat ini.Cara mendukungnya hingga tahap IPO perlu mengandalkan darah sendiri. Bagi perusahaan besar seperti Meta, investasi jangka panjang di bidang biomedis merupakan hal yang sangat “ideal”.
“Modal adalah mencari keuntungan, jadi berinvestasi pada kendaraan otonom atau keamanan. Bagi produsen besar, menginvestasikan uang dalam inovasi pada saat itu adalah risiko yang sangat besar. Untuk posisi No. 1 di perusahaan, mereka lebih memikirkan urusan bisnis. Salah siapa jika Anda mengeluarkan uang dan tidak mendapatkan hasil?” Wang Xiaochuan, pendiri Sogou, pendiri dan CEO Baichuan Smart, mengatakan kepada Titanium Media App.
Dalam dua tahun terakhir, banyak perusahaan Internet besar telah mengumumkan penutupan atau pengurangan proyek komersialisasi non-jangka pendek. Misalnya, proyek mobil self-driving milik perusahaan induk Google, Alphabet, Waymo, telah memecat ratusan orang, dan game cloud Stadia telah menyusut secara menyeluruh; Amazon berturut-turut telah menutup kendaraan pengiriman tak berawak Scout dan perusahaan robot gudang Canvas ; ; Tencent akan menghapus dan menutup Penguin FM, alat pembelian grup Gouxiangtuan, dll.
Wang Xiaochuan mengatakan bahwa dari perspektif inersia perusahaan, paling mudah bagi perusahaan teknologi besar untuk mencapai tujuan bisnis mereka, dan sulit untuk mencapai inovasi 0-to-1. Sebaliknya, ada peluang lebih besar bagi startup untuk mencapai tujuan mereka. itu, dan talenta dari perusahaan besar tidak dapat membentuk sinergi.
Model ilmu kehidupan merintis jalan diterapkan
Setelah dua tahun melakukan investasi penelitian dan pengembangan, pada tahun 2020, Baitu Biotech, yang diprakarsai oleh Robin Li, pendiri Baidu Group, membangun model besar lintas modal "xTrimo" dengan ratusan miliar parameter, dan merilis model besar berbasis ilmu hayati model pada bulan Maret tahun ini. Platform AIGP (AI Generated Protein), serta rencana kerja sama ekologi AIGP, menggabungkan model ilmu hayati dengan kebutuhan kesehatan medis, desain obat, energi dan perlindungan lingkungan, serta bidang lainnya.
Qu Jiarun mengatakan kepada TMTpost App bahwa saat ini, Baitu Biotech tidak lagi terbatas pada bidang biomedis, namun berharap dapat menjangkau berbagai bidang bernilai tinggi melalui model ilmu hayati yang besar. Perusahaan harus memiliki kemampuan untuk bertanggung jawab atas keuntungan dan kerugian mereka sendiri. "Pendapatan adalah OKR penting dari atas ke bawah di banyak perusahaan."
“Beberapa perusahaan start-up seringkali merekrut banyak orang-orang yang sangat inovatif. Banyak ilmuwan yang sepenuh hati ini mungkin mampu membuat terobosan teknologi kelas dunia, namun jika musim dingin tiba-tiba datang, dana harus 'dipotong', dan perusahaan-perusahaan ini harus dipaksa untuk mempraktikkan teknologi dan bisnis." kata Qu Jiarun.
Qu Jiarun berkata, "Dibandingkan dengan perusahaan lain, Baitu Biotech terutama menyediakan dua model bisnis kepada pelanggan. Yang pertama adalah platform desain protein yang komprehensif dan inovatif, dan yang lainnya menggunakan data pihak lain untuk menyediakan model komputasi biologis pribadi dan menyediakannya dalam batch. .., ini adalah kemampuan yang tidak dimiliki oleh banyak perusahaan biokomputer AI."
Song Le, CTO Baitu Biotechnology, menyebutkan bahwa saat ini, perusahaan besar seperti Google dan Microsoft yang memiliki kemampuan model skala besar yang kuat di dunia, juga melakukan model skala besar yang berkaitan dengan ilmu kehidupan, namun mereka lebih banyak di tingkat penerbitan makalah Tidak ada perusahaan dengan kemampuan pelatihan model yang kuat di pabrik. Dan Baitu Biotech memiliki kemampuan pelatihan model skala besar dan tim ilmu kehidupan profesional.
Menurut Titanium Media App, pada "Konferensi Biokomputer Tiongkok Kedua" yang diadakan pada tanggal 3 September, Baitu Biotech mengumumkan perekrutan pengujian internal model online ringan xTrimo untuk pelanggan industri To B (perusahaan). Hubungi API untuk mewujudkan eksplorasi yang lebih kompleks masalah dalam ilmu kehidupan dengan biaya yang sangat rendah.
Qu Jiarun yakin era "membakar" uang investor dan kemudian mendukung pencatatan IPO selama lima tahun telah berakhir. Di era yang berorientasi pada teknologi, masyarakat tidak memiliki tekanan yang kuat untuk menghasilkan keuntungan, namun kini, dalam lingkungan ekonomi yang berbeda, para CEO dan investor telah mengalami perubahan penting dalam pola pikir mereka mengenai pengembangan perusahaan yang sehat dalam jangka panjang.
"Ini bukan pertanyaan bagaimana industri AI bisa mendapat untung, tapi bagaimana semua inovasi teknologi bisa untung. Misalnya, bagaimana robot-robot dengan ide bagus ini bisa untung? " Qu Jiarun menegaskan, yang ada hanyalah satu rencana pengembangan yang ada di depan banyak perusahaan saat ini: bertanggung jawab atas untung dan ruginya sendiri, lalu kita bisa bicara tentang perasaan dan cita-cita.