DST Global Юрия Мильнера вложился в американский ИИ-стартап Clay. Раунд D на $115 млн возглавила Wellington Management при участии Sequoia Capital, A16Z Perennial и CapitalG. Оценка стартапа достигла $7,1 млрд. Clay был основан в 2017 году. Стартап разрабатывает инструменты на базе искусственного интеллекта для продаж и маркетинга. В течение последнего года компания сфокусировалась на разработке ИИ-агентов, помогающих автоматизировать поиск клиентов и выстраивать коммуникации с потенциальными корпоративными заказчиками. С Clay сейчас сотрудничает более чем 17 тыс. организаций - большинство из них входят в список Forbes AI50. Это Anthropic, Google, OpenAI, Stripe, ElevenLabs, Visa, Siemens и UPS. DST Global был запущен в 2009 году. Фонд инвестирует в компании поздней стадии, которые работают в области ИИ, финтеха, e-commerce, логистики. @rusven

Взрослые и дети ИИ лезет из каждого утюга. Но каждый месяц 10 тысяч человек вбивают в поиск «как заполнить профиль в соцсети». 9-классник заметил это и создал AI-генератор. Под капотом — ChatGPT с простыми промптами, лендинг на Тильда, ЮКасса. Доход — 35к рублей за 2 месяца. «Школьники» до сих пор зарабатывают сотни тысяч на регистрации в OpenAI из России. Внутри три действия — включить VPN, купить за 5 центов виртуальный номер для активации, взять с клиента 150 рублей. Пока мы обсуждаем «космические корабли, которые бороздят просторы большого театра», дети решают скучные проблемы ленивых взрослых. Единорогами не станут, но денег получат больше 99% стартапов. Ежемесячно 5000 динозавров спрашивают у Яндекса «как понять договор»; 7800 луддитов — «как написать сценарий рилса»; 5600 олдскульщиков — «как сделать рубрики в блоге». Они уже ищут решение и готовы отдать копеечку за ответ. Вывод прост: пока стартаперы рассказывают про «телепатию через чипы Илона Маска», вокруг бродят миллионы людей, заказывающих такси через телефонный звонок. И в карманах у них лежат вполне настоящие рубли. P.S. Посту год, но стал только актуальнее :)

Денежный поток: кислород вашего бизнеса Шон Пик, директор по маркетингу Lightning Media Partners, помогает предпринимателям контролировать денежный поток и избегать финансовых трудностей. По его словам, деньги — это кислород бизнеса: без них компания не сможет платить зарплаты, закупать оборудование и развиваться. Советы эксперта: Следите за поступлениями — задержки клиентских платежей тормозят рост. Используйте онлайн-сервисы для контроля счетов Ищите новые источники прибыли — внедряйте новые продукты, услуги, акции, чтобы компенсировать расходы Планируйте кредиты с запасом — берите чуть больше, чем нужно, и договаривайтесь о льготных условиях Своевременно платите налоги — штрафы и блокировка бюджета могут остановить бизнес Правильно оценивайте продукт — слишком высокие или низкие цены угрожают прибыли Фиксируйте изменения проекта — согласовывайте дополнительные этапы с оплатой и сроками Обновляйте оборудование — старое тормозит процессы и забирает деньги на ремонт. Фаундер | Бизнес и Стартапы

Один из создателей Skype может заработать миллиарды на Anthropic У WSJ вышла большая статья про Яана Таллинна — одного из создателей Skype. Чего вдруг про него вспомнили? А он один из ранних инвесторов Anthropic, у которого вот-вот случится IPO. Но при этом Таллин жесткий критик AI-гонки. Он считает, что AI может привести к катастрофе. Как пишет WSJ, Таллинн уже больше 10 лет топит за безопасность AI, боясь катастрофы. Ну, например, что из-за дата-центров не останется сельхоз-земель, что приведет к голоду. Или что AI-инженеры как-то поменяют состав атмосферы земли. В общем, апокалипсис. И Таллинн задонатил около $170 млн на разные инициативы, связанные с безопасностью AI. При этом он инвестор Anthropic. Фонд Таллинна вложился в компанию еще на раунде А. Почти на самом старте компании, когда основатели Anthropic ушли из OpenAI. И, как пишет WSJ, на том раунде компанию оценили $461 млн. А сейчас Anthropic в ходе IPO хочет получить оценку в $2 трлн. Если я все правильно подсчитал, то это 4338х к оценке того раунда, где участвовал Таллинн. Но почему борец за безопасность AI вдруг инвестирует в одного из лидеров AI-гонки? Как пишет WSJ, его друзья так объясняют логику — если бы он не вложил средства в Anthropic, его место занял бы инвестор, которого не волнуют вопросы безопасности. При этом с главой Anthropic Дарио Амодеем Таллинн знаком аж минимум с 2011 года. При этом Таллинн еще раньше инвестировал в AI-лабораторию DeepMind. Еще до того, как ее в 2014-м купил Google. На них он тоже хотел влиять, но там его никто не хотел слушать, рассказал WSJ автор книги про DeepMind Себастьян Маллаби. Интересно, конечно, а в Anthropic его кто-нибудь слушает? Этот момент как-то не особо раскрыт. Но ситуация вроде как беспроигрышная. Если Таллин заработает на IPO Anthropic, то сможет вложить кучу денег в безопасность AI. А если вдруг Anthropic обанкротится по какой-то причине, то польза в том, что хотя бы они не создали сверхинтеллект AGI. Про Таллинна в статье есть еще интересная деталь. Сейчас ему 54, и он очень любит танцевать хип-хоп. Он регулярно занимается с преподавателем танцев и практикует фристайл — от Сан-Франциско до своего любимого Токио, пишет WSJ. @TheEdinorogBlog — тот самый канал про стартапы🦄

Скрытые потери бизнеса Косвенные расходы часто остаются вне поля зрения, хотя именно они способны значительно снизить итоговую прибыль компании. Эти затраты не всегда очевидны, но регулярно влияют на финансовые показатели. Пример: пекарня ежедневно производит больше изделий, чем продаёт. Остатки списываются, превращаясь в незаметные, но постоянные убытки. Чтобы избежать подобных потерь, важно анализировать динамику продаж и корректировать объёмы производства в соответствии с реальным спросом. Применение инструментов учёта, прогнозирования и оптимизации закупок позволяет контролировать издержки и повышать эффективность бизнеса. Для стартапов это особенно критично: каждый сэкономленный процент на косвенных расходах напрямую увеличивает маржинальность и ускоряет выход на прибыль. Фаундер | Бизнес и Стартапы

Пол двигается каждые четыре месяца Pat Grady из Sequoia выложил запись своего отчёта для инвесторов фонда о том, что происходит в AI. Это внутренний доклад, без какого-либо маркетинга, и наружу такие попадают редко. Grady считает, что компании, которые строят приложения поверх моделей, переизобретают себя каждые четыре месяца, потому что пол под ногами постоянно сдвигается. Интернет и мобильная связь меняли то, как информация распространяется. AI меняет то, как она обрабатывается, и последний такой переход был в 60-х, когда электроника перешла на кремний. Поэтому платформа, на которой ты строишь, улучшается быстрее, чем то, что ты на ней построил. В ведущих лабораториях уже обсуждают ASI, потому что модели во многом строят сами себя. Grady выделяет три точки перелома: ChatGPT в ноябре 2022 (масштаб), o1 в конце 2024 (рассуждения) и Claude осенью 2025 (агенты, которые держат длинную задачу). Первые две дали более быстрых лошадей, а после третьей ассистент стал агентом, который доводит работу до результата. С Zoom было так же: видеозвонки существовали и раньше, но доверять им начали только с ним. Что из этого следует: 1. Разрыв во внедрении. Между тем, что модели умеют, и тем, что реально внедрено, огромная дистанция, и все прикладные компании живут в этом разрыве. Лабы идут туда сами: режут цены на API и нанимают армии инженеров, которые сидят прямо у клиентов из Fortune 500 и строят там приложения на их токенах. Я писал про FDE как профессию, теперь это стратегия лаб. 2. Дорогая интеллектуальная работа: программирование, кибербезопасность, медицина, финансы, бухгалтерия. Sequoia ждёт гиганта в каждой из этих областей. Одна из таких компаний закрыла прошлый год на $200M и идёт на $700M в этом. В фарме кандидатов в лекарства уже находят промптом за дни вместо нескольких лет. 3. Свои модели. Компании уводят нагрузку с фронтир-моделей на свои дообученные open-source модели, и причина экономическая. Поставщик даёт три точки на кривой цена/качество - большую, среднюю и маленькую модель, а твои задачи почти никогда не попадают ровно в них, поэтому своя модель выходит дешевле и лучше. Дешёвые токены не значат, что все побегут к OpenAI. 4. Специализированные архитектуры. Ещё одна универсальная лаборатория миру не нужна, нужны лабы под конкретную область или новую архитектуру. JEV вышел на рынок с моделью-классификатором: большая часть корпоративного ML сводится к выбору из нескольких вариантов, и классификатор делает это в 100 раз дешевле, чем LLM. С нуля до $100M выручки за семь дней, The Information пишет об оценке $10B. 5. Организация как лаборатория. Лучших людей отделяют от операционки и дают ломать и строить продукт, а координация идёт через AI вместо слоёв менеджеров. Иначе за четыре месяца не пересобраться. Норма теперь - это два раунда подряд: один от партнёра, который строит продукт вместе с тобой, второй от того, кто просто даёт деньги. У Sequoia за год семь таких сделок: первый раунд в среднем по оценке $110M, а через месяц второй по $3,4B. Grady говорит, что никогда такого не видел, и сам называет это пузырём, хотя в том же докладе называет происходящее самым большим и быстрым технологическим переходом в истории. Мне кажется, верно и то и другое, я про это писал. Для Sequoia разрыв во внедрении - это рынок для стартапов. Мне он больше видится рынком ответственности: разрыв закрывают люди внутри конкретной компании, которые подписались за результат и готовы рисковать репутацией и позицией при следующем сдвиге пола. Конкурировать с лабами по вычислительной мощности бесполезно, а контекст, данные и того, с кого спросят за результат, лаба на себя не возьмёт. Я бы спросил свою компанию, что мы пересоберём через четыре месяца и кто за это отвечает. @maxvotek | linkedin | substack

Neo labs: большие раунды или большой риск? Помните мой пост о том, почему мы не инвестируем в neo labs (стартапы AI-исследователей)? Deedy Das, партнер Menlo Ventures (не путать с Mento 🙂), написал свои мысли и расчеты, объяснил почему вложения в такие компании сложно окупить. Даже если им удастся создать хорошую модель. Что тогда таким стартапам делать с вычислительными мощностями, на которые они привлекли сотни миллионов долларов? Перевел текст для вас, чтобы каждый составил свое мнение:

Экономика «неолабораторий» (neo labs) Под неолабораторией здесь будем понимать стартап, созданный AI-ресерчерами. Такая компания привлекает крупные инвестиции еще до появления готового продукта, чтобы оплатить вычислительные мощности и взяться за решение масштабной задачи в AI. Для обучения собственной AI-модели нужны огромные вычислительные мощности. По расчету автора, только оборудование обойдется в $125-150 млн за три года, причем часть суммы придется опплатить сразу. И даже при таких затратах можно обучить модель всего лишь уровня GPT-4. Прим.: в оригинале автор приводит конкретные модели оборудования и расчет их мощности Если взять сильную open-source модель и дообучить ее, шансов выйти на уровень передовых LLM больше. Но есть два риска: 1) Придется потратить еще миллионы долларов на среды для обучения с подкреплением (RL) - задачи и симуляции, на которых модель тренируется и получает обратную связь, 2) Пока вы дообучаете выбранную LLM, может выйти новая модель, которая окажется лучше. Тогда придется либо продолжать работу с уже устаревшей, либо начинать дообучение заново. Чтобы вложения окупились, ваша модель должна давать результаты лучше и, желательно, стоить дешевле. А клиенты должны пользоваться ею достаточно долго, чтобы прибыль от их запросов покрыла затраты на обучение. Если обучение модели обошлось в $10 млн, то при марже 50% и средней цене $2 за миллион токенов, клиенты должны воспользоваться моделью на 10 трлн токенов (!), чтобы прибыль покрыла только обучение. При этом нужно убедить клиентов выбрать вашу модель вместо новых и более дешевых, например Opus 5.5. Тем временем каждый час простоя влетает в копеечку. Поэтому свободные мощности обычно перепродают посредникам, используют для обработки запросов к open-source моделям или сдают в краткосрочную аренду. Но если мощности заняты меньше 60% времени, даже сдача в аренду не покроет расходы. Добавьте к этому огромные затраты на команду. Что тогда можно делать с вычислительными мощностями? • Вообще не лезть в разработку моделей, • Занять нишу, в которую не пойдут крупные AI-лаборатории (как сделали Jev и World Labs): такой продукт может мешать их основному бизнесу, приносить слишком мало денег или отвлекать от главной цели, • Собрать большой массив собственных данных в конкретной области (как Periodic Labs), и за счет них превзойти универсальные передовые модели. Такое чаще возможно в робототехнике, биологии и химии. Но даже если вам удалось создать полезную модель, которая выигрывает у крупных лабораторий по качеству и цене, этого мало. Нужно найти рынок, где достаточно клиентов и где выручка существенно превышает стоимость вычислений. Иначе огромные расходы на мощности не окупятся. Короче, легких денег здесь нет. Оригинал: https://x.com/deedydas/status/2103903382822089010?s=46

Лучшие посты | Mento VC Fund II | Стать инвестором

Здоровье как побочный эффект Болезнь – штука непредсказуемая и иногда очень разрушительная. Поэтому возникает идея страховки. В некоторых странах вся медицина базируется на ней. Страховая компания не хочет платить за дорогие лекарства, поэтому старается объяснить врачу, что он зря выписал что-то современное, лечить Билла надо подорожником. Доктору, конечно, жаль больного, но тратить свое время на ругань с бюрократией ему лень. У пациента права голоса вообще нет. В результате рецепты реально не доходят до аптеки. И в этот момент страдает фармкомпания – её новый и дорогой бестселлер не купят, а на подорожнике много не заработаешь. И поэтому возникает #стартадпня Forus – бесплатный для врача AI-агент, который ругается со страховой, показывает ей анализы и предыдущие назначения и в итоге проталкивает рецепт для одобрения. Позиционирование: “вы можете выписывать хорошие лекарства, и их подтвердят”. И, между прочим, жизни людям спасает таким странным способом: хорошие лекарства не зря считаются хорошими, кому-то помогут. Forus – уже довольно большой бизнес. Выручка в мае пересекла отметку в 50 миллионов долларов в год, а на днях стартап привлек инвестиции по оценке в 3 миллиарда. https://forus.com/ #сша #здоровье #мегараунд #ai

Что я поняла, пока поднимаю $3 млн Сейчас я привлекаю $3 млн. На прошлой неделе мы сели с одним нашим ангелом и адвайзером (с 1 октября он переходит к нам в команду на фулл-тайм), чтобы подготовить деку перед тем, как отправлять её инвесторам. Думала, поправим пару слайдов. А по итогу два часа разбирали один вопрос: к чему мы реально придём на эти деньги за ближайшие месяцы? Через несколько дней новый партнёр, который тоже заходит в раунд, первым делом спросил меня то же самое, только другими словами: «Какой горизонт выхода?» И я поняла: инвесторам почти неинтересно, какая у вас компания сегодня. Им важно, куда она придёт и сможете ли вы это доказать. Наш потенциал на ближайшие месяцы - выйти за пределы моих личных связей, запустить продажи в Штатах через партнёров, у которых уже есть свои клиенты, и дорасти до нескольких десятков enterprise-компаний. Честно, эта осень будет одной из самых тяжёлых) Но если получится, дальше sky's the limit😄 Критически важно понимать, к чему вы реально можете прийти. Это нужно, чтобы презентовать это будущим партнёрам и качественно выстраивать план действий. Как мы проверяли, что этот потенциал реальный 1. Сходятся ли цифры. В одном месте у нас стояла выручка с прогнозами, в другом без. Эдвайзер сразу сказал: фонд увидит расхождение и спросит, что ещё не сходится. Теперь в графе «сейчас» только то, что есть по контрактам и на банковском счёте. 2. Можно ли дойти до цели снизу вверх. Я посчитала, сколько клиентов нужно и сколько пользователей у каждого. Оказалось, что нам не нужны сотни компаний, хватит нескольких десятков. И я понимаю, откуда они придут: партнёры в Штатах, адвайзеры с контактами и выставка в Лондоне, где мы на прошлой неделе дебютировали. 3. Хватит ли денег до следующей точки. Если поднимаешь сейчас по одной оценке, на следующем раунде она должна быть заметно выше. Значит, этих денег должно хватить, чтобы показать цифры, которые эту оценку оправдают. 4. Что будет с деньгами инвестора. Горизонт выхода нужно знать заранее. У нас это выкуп долей фаундерами, стратегический покупатель или публичный рынок. И главное: что мы пообещали инвесторам, то и есть наш план. Рекомендую провести такую же оценку своей компании. Напишите в комментариях, какой у вас потенциал на 3-3-12 месяцев и как он проходит по этим четырём вопросам. Я всё прочитаю и отвечу👇🏼🤝

В моей рабочей почте каждый день примерно 50 писем с темой: we've built new ai empowered gtm tool. Дальше это обычно что-то из: cold outreach automation, market research, и самое частое конечно же SEO/GEO или как там его про выдачу в чат боты. Сотни писем, большая часть написана через AI, отвечено - ноль. Почти у всех письмо построено по принципу: • в заголовке хук (например чел написал Ferrari, оказалось это название их тула) • внутри аля переработанное описание того, что о твоей компании нашел агент (обычно конечно же нормально оно найти не может, глазами будет в три раза быстрее понять) • стандартный темплейт про мы найдем вам стопицот сделок, сделаем стопицот результатов Бывает открываю сайты таких ребят - 100% made by claude

Растущие компании часто копируют найм у крупных. И это проблема. Господа предприниматели, так вы отсекаете людей, которые могли бы тащить, и выбираете тех, кто хорош только внутри давно слаженной системы. Пару недель назад рекрутер из США с 16-летним стажем, которая подбирает людей в основном для компаний из Fortune 500, выложила ролик: не приходите на собеседование с айс-латте. По её мнению, стакан в руке выглядит слишком расслабленно, будто интервью для кандидата лишь пункт в списке дел. Ролик жёстко завирусился. Занятный ответ дал бывший руководитель команды в Netflix. Там у неё была сотрудница Лекси: опаздывала на встречи, переписывалась неформально, а на собеседовании сидела, закинув ноги на стул. Слабо представляю, но допустим В общем, подозрительный персонаж в работе оказался крайне сильным спецом. Вывод автора: управленцев в корпорациях учат отбирать удобных, а не сильных. Пожалуй соглашусь

Крупной компании такое по карману. У растущего бизнеса без венчурных денег ставки высоки: доверия в виде бренда нет, процессов нет, удобный слабый руководитель может буквально зафакапить бизнес

Навешивать ярлыки на корпоративный опыт при этом не хочу. В корпорациях есть те, кто запускал и тащил продукты и процессы с нуля. Вопрос в том, чьи это успехи: самого человека или структуры и бренда