Шомик Гхош, Партнер в Sierra Ventures – Интервью Серия

Шомик Гхош является Партнером в Sierra Ventures. Ранее он был Партнером в Boldstart Ventures, где он сосредоточился на инвестировании на ранней стадии в технических основателях, создающих продукты для решения проблем предприятий, таких как Cloudquery, Kiln AI и Noded AI. До этого он был инвестором на стадии роста в Top Tier Capital, инвестировавшим от серии B до предИПО, таких как CircleCI, Anaplan и Shape Security.

Sierra Ventures – это венчурная фирма, ориентированная на поддержку инновационных предприятий и глубоких технологических стартапов. Фирма инвестирует в основном на стадии семя и серии А в таких областях, как искусственный интеллект, кибербезопасность, инфраструктура предприятий и облачные технологии. В последние годы Sierra Ventures уделяет особое внимание ранним инвестициям в ИИ, поддерживая компании, создающие фундаментальные платформы ИИ, инфраструктуру машинного обучения, автономные системы и приложения ИИ для предприятий. Благодаря своей инвестиционной стратегии и сети опытных отраслевых советников, фирма помогает возникающим технологическим компаниям усовершенствовать стратегию продукта, масштабировать операции и ускорять принятие передовых решений ИИ в различных отраслях.

Вы перешли от инвестиций на стадии роста в Top Tier Capital Partners к руководству ранними инвестициями в ИИ в Sierra Ventures, после лет поддержки прорывных компаний в Boldstart Ventures. Как это путешествие сформировало ваш способ различать передовой ИИ и применяемый ИИ сегодня?

Многое изменилось за это время. ИИ – это огромный сдвиг, который проник в отрасли быстрее, чем предыдущие технологические парадигмы, поскольку ИИ стоит на плечах предыдущих сдвигов. Облачные вычисления, устройства PC/мобильные устройства и каждая волна предыдущих достижений ИИ предоставили строительные блоки для современного ИИ, чтобы распространиться быстро. Это также объясняет, почему влияние кажется так быстрым и внезапным, с драматическими движениями на фондовом рынке и даже влиянием на современную войну. То, что мы ищем, – это основатели, которые делают шаг в будущее. Они принимают на себя все риски создания функциональности и возможностей для мира, который еще не существует, но в то же время могут удивить клиентов результатами, которые никогда не видели раньше, что позволяет быстрее масштабироваться. И в передовом, и в применяемом ИИ это существует, от робототехники до вертикальных приложений ИИ.

В практических терминах, как вы определяете “передовой ИИ” против “применяемого ИИ”, когда оцениваете ранние стартапы, и где вы видите самые большие заблуждения в том, как эти категории обсуждаются в более широкой повествовательной ИИ?

Передовой ИИ означает использование технологий для решения проблем на грани того, что возможно. До сих пор мы не имели роботов, которые могли бы существенно повысить эффективность отрасли вне складов, мы не имели новых полупроводниковых чипов или очков, разработанных с помощью новой лазерной технологии и сырья. Применяемый ИИ означает использование технологий для решения проблем, которые известны сегодня, но ранее не могли быть решены в той же степени. Хорошим примером являются голосовые агенты, где компании, такие как Smallest AI, помогают клиентам создавать человеческие чат-опыты и достигать результатов для клиентов, а не предоставлять продукт, который помогает достичь результата. Этот аспект доставки результатов, а не помощи в улучшении процесса, является ключевым сдвигом, который применяемый ИИ приносит в отрасли.

Из вашей точки зрения, работая в тесном сотрудничестве с основателями через инновации моделей, робототехники и вертикального ИИ, где происходят самые значимые прорывы прямо сейчас?

Прорывы происходят повсюду! Генерация кода ИИ позволяет создавать более быстрые циклы продукта, чем раньше. Модели доставляют новые возможности с управлением памятью и средами RL, адаптированными к различным случаям, чтобы галлюцинации быстро уменьшались, а точность для работы с знаниями улучшалась экспоненциально. Все это питается само собой. В робототехнике мы видим первые признаки того, что законы масштабирования работают так же, как в LLM. Это огромный прорыв, поскольку раньше LLM были в основном основаны на тексте или изображениях, но теперь модели, обученные на физическом мире, которые должны понимать физику, показывают аналогичные законы масштабирования. Новые статьи, такие как статья о рекурсивных LLM, показывают, как модели могут улучшать себя, работая вместе. Мы видим структуры моделей System 1 и 2, которые начинают появляться и похожи на динамику, которую мы видим в мозге. Доменные модели становятся легче обучать и извлекать из передовых моделей OSS, чтобы помочь строителям вертикального ИИ доставлять лучшие результаты клиентам.

Когда вы оцениваете раннюю компанию ИИ, как вы балансируете техническую новизну против совпадения продукта и рынка и реальной клиентской тяги?

В конце концов, техническая новизна сама по себе обычно более полезна для исследовательского поля. В фундаментальных моделях, например, техническая новизна может привести к прорыву, который затем представляет новый вертикальный масштаб. Но для большинства стартапов техническая новизна является средством для достижения цели – доставки лучшего результата для клиентов. Основатели стартапов не должны строить что-то просто потому, что это технически сложно построить, а скорее в результате того, что они строят таким образом, они достигают лучших результатов для клиентов и также создают лучший ров вокруг бизнеса, который делает его труднее для других скопировать. В эпоху генерации кода ИИ многое из технической новизны может быстро быть нарушено, поэтому все больше и больше это зависит от понимания результативного инжиниринга против просто технического инжиниринга.

За пределами самой технологии, что вы конкретно ищете в основателе, строящем компанию ИИ на самых ранних стадиях?

Мы хотим видеть основателей, которые строят будущее, которое еще не произошло. Делая рассчитанные ставки на агентов, модели и улучшения аппаратного обеспечения, которые, вероятно, произойдут в ближайшем будущем, и строя продукты, которые капитализируются на этом. Затем мы хотим, чтобы основатель объяснил, почему это будущее произойдет и почему строительство для этого будущего сейчас улучшит жизнь клиентов в 10 раз в будущем, готовясь к этому сейчас. Мы также хотим видеть основателей, которые полностью принимают ИИ. Если вы не используете Cursor, Codex, Claude Code для экспериментов и обучения, трудно представить будущее, учитывая темп улучшения, который эти продукты приносят в программную вселенную. Эти изменения имеют косвенное влияние на аппаратную вселенную, поскольку программное и аппаратное обеспечение все больше интегрируются для обеспечения автономного принятия решений аппаратным обеспечением для доставки лучших результатов клиентам.

Какие сигналы указывают на то, что технически амбициозная компания ИИ имеет потенциал эволюционировать в масштабируемый, готовый к предприятию бизнес, а не оставаться исследовательским усилием?

Обычно основатели, которые начали с исследовательского усилия, имеют конечную цель в виду. Они могут хотеть продолжать исследования для продвижения области, но они также понимают, что монетизация примененного исследования помогает обеспечить топливо для этих достижений. Итак, мы просто пытаемся понять, как основатель, который сейчас находится в исследовательском режиме, думает об применении этого исследования и какие гипотезы он имеет для тестирования прогресса исследования в мире на пути к дерискам исследовательской стадии.

Для основателей, строящих высокотехнологичные платформы без немедленной видимости дохода, как они должны структурировать вехи и разговоры с инвесторами по-другому, чем стартапы с более ясными путями монетизации в ближайшем будущем?

Очень трудно сказать. Каждый стартап имеет уникальные аспекты. Компания по робототехнике может не иметь видимости дохода в течение долгого времени, но вехи на пути могли бы быть эмерджентными возможностями, законами масштабирования в моделях, действиями, которые ранее были невозможны. В инфраструктуре ИИ это может быть доставка 2-3 дизайнерским партнерам продукта, который предоставляет результаты, которые команды рады использовать и готовы рискнуть, используя продукт в производстве, даже если он ранний. В вертикальном ИИ обычно есть более ясный путь к монетизации, поскольку если вы доставляете результат клиента в вертикали, который решает большую проблему, клиенты готовы платить за это обычно сразу.

Было значительное движение вокруг стартапов, строящих агентов ИИ – каково ваше мнение о долгосрочном потенциале успеха компаний, ориентированных в первую очередь на автономные агенты в среде предприятия?

Дженсен Хуанг из Nvidia (NVDA ) сказал, что Openclaw был моментом ChatGPT для эры агентов. Я думаю, что это говорит все. График для агентов в предприятии больше не является долгосрочной ставкой, а скорее той, которая быстро становится реальностью, будь то предприятия хотят этого или нет, поскольку компьютерное использование, браузер и личные агенты проникают через организации, начиная снизу. Эра уже здесь, и предприятия будут采用 агентов во всех аспектах организации, и им понадобится управление, безопасность, мониторинг, инфраструктура, вычислительные и данные для обслуживания всего этого.

Какие закономерности вы видите в типах основателей ИИ или доменах, которые привлекают устойчивую уверенность инвесторов, а не те, которые могут переиндексироваться на повествование?

Я думаю, что есть слишком много областей возможностей для основателей, чтобы строить в одних и тех же областях. Юридическая техника, такая как Harvey, Legora, Eudia, все хорошо прошли, но все еще есть новые компании, которые появляются каждый день в этой области. Мое сообщение для основателей будет таким: ИИ – это огромный сдвиг. Он влияет на каждый аспект мира. Учитывая это, площадь продуктов для строительства и проблем для решения бесконечна. Думайте больше, чем просто следуя за успешной компанией, которая подняла много денег. Мы можем использовать ИИ, чтобы доставить результаты, меняющие жизнь, и поэтому я бы призвал основателей тратить больше времени на размышления о проблемах, которые они хотели бы решить, и затем работать назад, чтобы понять, как ИИ может помочь решить их.

Оглядываясь вперед, как вы ожидаете, что строительство ранних компаний ИИ будет эволюционировать в течение следующих пяти лет, поскольку возможности созревают и рынки стабилизируются?

Я не уверен, что “стабилизация рынка” – это термин, который я бы использовал. Я думаю, что ИИ улучшается экспоненциально, и в результате будет много разрушений. Но разрушение создает бесконечные возможности, и поэтому строительство ранних компаний входит в одну из самых динамичных эр, которую мы видели в последние годы. Мы забываем, но компании, такие как OpenAI и Anthropic, менее десяти лет от роду и уже считаются мега-капитальными технологическими компаниями. Есть окно времени, когда возможности расширяются быстро, и для строительства так много огромных компаний. Это один из самых интересных времен в технологиях, которые я испытал в своей жизни.

Спасибо за великое интервью, предприниматели, которые хотят узнать больше, должны посетить Sierra Ventures.