Shomik Ghosh, Partner at Sierra Ventures – Interview Series

Shomik Ghosh เป็น Partner ที่ Sierra Ventures เขาเคยเป็น Partner ที่ Boldstart Ventures ซึ่งเขาเน้นการลงทุนในระดับเริ่มต้นกับผู้ก่อตั้งทางเทคนิคที่สร้างผลิตภัณฑ์เพื่อแก้ปัญหาขององค์กร เช่น Cloudquery, Kiln AI และ Noded AI ก่อนหน้านั้น เขาเป็นนักลงทุนในระยะการเติบโตที่ Top Tier Capital โดยลงทุนตั้งแต่ Series B ถึงก่อน IPO เช่น CircleCI, Anaplan และ Shape Security

Sierra Ventures เป็นบริษัททุนร่วมทุนที่เน้นการสนับสนุนสตาร์ทอัพในระดับเริ่มต้น โดยมุ่งเน้นไปที่เทคโนโลยีและองค์กรที่มีความลึก บริษัทลงทุนหลักๆ ในระดับ seed และ Series A ในด้านต่างๆ เช่น ปัญญาประดิษฐ์ ความปลอดภัยขององค์กร อินฟราสตรัคเจอร์ขององค์กร และเทคโนโลยีคลาวด์ ในช่วงไม่กี่ปีที่ผ่านมา Sierra Ventures ได้เน้นการลงทุนใน AI ในระยะเริ่มต้น โดยสนับสนุนบริษัทที่สร้างแพลตฟอร์ม AI พื้นฐาน อินฟราสตรัคเจอร์สำหรับการเรียนรู้ของเครื่อง ระบบอัตโนมัติ และแอปพลิเคชัน AI สำหรับองค์กร โดยผ่านกลยุทธ์การลงทุนและเครือข่ายที่มีประสบการณ์ของบริษัท ช่วยให้บริษัทเทคโนโลยีใหม่ๆ ปรับกลยุทธ์ผลิตภัณฑ์ ขยายการดำเนินงาน และเร่งการนำโซลูชัน AI ที่ซับซ้อนไปใช้ในอุตสาหกรรมต่างๆ

คุณได้เปลี่ยนจากนักลงทุนในระยะการเติบโตที่ Top Tier Capital Partners มาเป็นผู้นำการลงทุน AI ในระยะเริ่มต้น tại Sierra Ventures หลังจากที่คุณสนับสนุนบริษัทที่มีผลการดำเนินงานดีเยี่ยมที่ Boldstart Ventures การเดินทางนี้ได้เปลี่ยนแปลงวิธีที่คุณแยกแยะระหว่าง AI ที่เป็นแนวหน้า (Frontier AI) และ AI ที่ใช้จริง (Applied AI) อย่างไร?

มีการเปลี่ยนแปลงมากมายในระยะเวลานั้น AI เป็นการเปลี่ยนแปลงที่เป็นการเปิดใช้งานอย่างมากที่แพร่กระจายไปทั่วอุตสาหกรรมเร็วกว่าการเปลี่ยนแปลงรูปแบบเทคโนโลยีก่อนหน้านี้ เนื่องจาก AI ยืนอยู่บนไหล่ของการเปลี่ยนแปลงที่เกิดขึ้นก่อนหน้านี้ เช่น การคำนวณแบบคลาวด์ อุปกรณ์ PC/Mobile และการปรับปรุง AI แต่ละครั้ง จึงทำให้ AI ที่ทันสมัยสามารถแพร่กระจายได้อย่างรวดเร็ว ซึ่งเป็นสาเหตุว่าทำไมผลกระทบจึงดูเหมือนเกิดขึ้นอย่างรวดเร็วและมีการเคลื่อนไหวที่รุนแรงในตลาดหุ้น และแม้กระทั่งการเปลี่ยนแปลงในสงครามสมัยใหม่ สิ่งที่เราค้นหาคือผู้ก่อตั้งที่ก้าวไปสู่อนาคต พวกเขากำลังยอมรับความเสี่ยงในการสร้างฟังก์ชันและความสามารถสำหรับโลกที่ยังไม่มีอยู่ แต่ในขณะเดียวกันก็สามารถทำให้ลูกค้าประทับใจด้วยผลลัพธ์ที่ไม่เคยเห็นมาก่อน ซึ่งช่วยให้สามารถขยายขนาดได้เร็วขึ้น ในทั้ง Frontier AI และ Applied AI สิ่งนี้มีอยู่ตั้งแต่หุ่นยนต์ไปจนถึงแอปพลิเคชัน AI ในแนวตั้ง

ในทางปฏิบัติ คุณกำหนด “Frontier AI” และ “Applied AI” อย่างไรเมื่อประเมินสตาร์ทอัพในระยะเริ่มต้น และคุณเห็นความเข้าใจผิดที่ใหญ่ที่สุดอย่างไรในการอภิปรายเกี่ยวกับหมวดหมู่เหล่านี้ในเรื่องราว AI ที่กว้างขึ้น?

Frontier AI หมายถึงการใช้เทคโนโลยีเพื่อแก้ปัญหาที่อยู่บนขอบของสิ่งที่เป็นไปได้ ในปัจจุบันเรายังไม่มีหุ่นยนต์ที่สามารถช่วยเหลืออุตสาหกรรมนอกเหนือจากคลังสินค้า เรายังไม่มีชิปหรือแก้วที่ออกแบบโดยใช้เทคโนโลยีเลเซอร์ใหม่และวัสดุใหม่ Applied AI หมายถึงการใช้เทคโนโลยีเพื่อแก้ปัญหาที่ทราบในปัจจุบัน แต่ไม่สามารถแก้ไขได้ในระดับเดียวกัน ตัวอย่างที่ดีคือตัวแทนเสียงที่บริษัทอย่าง Smallest AI ช่วยให้ลูกค้าสามารถส่งมอบประสบการณ์เชิงโต้ตอบที่เหมือนมนุษย์และส่งมอบผลลัพธ์ให้กับลูกค้าแทนการขายผลิตภัณฑ์ที่ช่วยให้สามารถบรรลุผลลัพธ์ได้ การส่งมอบผลลัพธ์แทนการปรับปรุงกระบวนการเป็นการเปลี่ยนแปลงที่สำคัญที่ Applied AI นำมาใช้ในอุตสาหกรรม

จากมุมมองของคุณในการทำงานอย่างใกล้ชิดกับผู้ก่อตั้งผ่านนวัตกรรมแบบจำลอง หุ่นยนต์ และ AI ในแนวตั้ง การผิดพลาดที่มีความหมายที่สุดกำลังเกิดขึ้นที่ไหน?

การผิดพลาดกำลังเกิดขึ้นทุกที่! การสร้างโค้ด AI ทำให้สามารถมีวงจรผลิตภัณฑ์ที่เร็วขึ้นกว่าเดิม โมเดลมอบความสามารถใหม่ๆ ด้วยการจัดการหน่วยความจำและสภาพแวดล้อม RL ที่ปรับให้เหมาะสมกับการใช้งานต่างๆ ทำให้ความแม่นยำในการทำงานที่ต้องใช้ความรู้เพิ่มขึ้นอย่างมาก ในขณะที่การเกิดขึ้นของ “hallucinations” ลดลงอย่างรวดเร็ว ในด้านหุ่นยนต์ เราเห็นเครื่องหมายแรกๆ ของการทำงานตามกฎการขยายขนาดที่คล้ายกับ LLMs ซึ่งเป็นการผิดพลาดที่สำคัญ เนื่องจากก่อนหน้านี้ LLMs ส่วนใหญ่เกี่ยวข้องกับข้อความหรือภาพ แต่ขณะนี้โมเดลที่ฝึกฝนในโลกแห่งความเป็นจริงที่ต้องเข้าใจฟิสิกส์แสดงให้เห็นถึงกฎการขยายขนาดที่คล้ายกัน การเผยแพร่เอกสารใหม่ๆ เช่น Recursive LLMs แสดงให้เห็นว่าโมเดลสามารถปรับปรุงตัวเองได้โดยการทำงานร่วมกัน เราเริ่มเห็นโครงสร้างแบบ System 1 และ 2 ที่คล้ายกับพลวัตที่เราเห็นในสมอง โมเดลเฉพาะโดเมนที่สามารถฝึกฝนและกลั่นกรองจากโมเดล OSS ที่มีเหตุผลช่วยให้ผู้สร้าง AI ในแนวตั้งสามารถส่งมอบผลลัพธ์ที่ดีกว่าให้กับลูกค้า

เมื่อประเมินบริษัท AI ในระยะเริ่มต้น คุณสร้างสมดุลระหว่างความใหม่ทางเทคนิคและความเหมาะสมของตลาดผลิตภัณฑ์以及การยอมรับของลูกค้าในโลกแห่งความเป็นจริงอย่างไร?

สุดท้ายแล้ว ความใหม่ทางเทคนิคในตัวเองมีประโยชน์มากกว่าสำหรับสาขาวิจัย ในตัวอย่างเช่น โมเดลพื้นฐานสำหรับ AI ความใหม่ทางเทคนิคอาจนำไปสู่การผิดพลาดที่สามารถนำไปสู่การเปลี่ยนแปลงที่สำคัญได้ แต่สำหรับสตาร์ทอัพส่วนใหญ่ ความใหม่ทางเทคนิคเป็นเพียงวิธีการสู่จุดสิ้นสุดในการส่งมอบผลลัพธ์ที่ดีกว่าให้กับลูกค้า ผู้ก่อตั้งสตาร์ทอัพไม่ควรสร้างสิ่งใดสิ่งหนึ่งเพียงเพราะมันยากที่จะสร้าง แต่ควรสร้างเพราะการสร้างในลักษณะนั้นจะนำไปสู่ผลลัพธ์ที่ดีกว่าสำหรับลูกค้า และสร้างรากฐานที่ดีกว่าสำหรับธุรกิจที่ทำให้คนอื่นยากต่อการลอกเลียนแบบ ในยุคของการสร้างโค้ด AI ความใหม่ทางเทคนิคสามารถถูกทำลายได้อย่างรวดเร็ว ดังนั้นจึงเป็นเรื่องของการทำวิศวกรรมที่ขับเคลื่อนด้วยผลลัพธ์มากกว่าการทำวิศวกรรมที่เป็นเพียงเทคนิค

นอกเหนือจากเทคโนโลยีเอง คุณค้นหาสิ่งใดในผู้ก่อตั้ง AI ในระยะเริ่มต้น?

เราต้องการเห็นผู้ก่อตั้งที่สร้างสำหรับอนาคตที่ยังไม่เกิดขึ้น โดยทำการเดิมพันที่คำนวณไว้ในการปรับปรุงตัวแทน โมเดล และฮาร์ดแวร์ที่อาจเกิดขึ้นในระยะใกล้ และสร้างผลิตภัณฑ์ที่ใช้ประโยชน์จากสิ่งเหล่านั้น จากนั้นเราต้องการให้ผู้ก่อตั้งอธิบายว่าทำไมอนาคตจึงจะเกิดขึ้น และทำไมการสร้างสำหรับอนาคตในขณะนี้จะช่วยปรับปรุงชีวิตของลูกค้า 10 เท่าในอนาคตโดยการเตรียมพร้อมสำหรับอนาคตแล้ว เรายังต้องการให้ผู้ก่อตั้งยอมรับ AI อย่างเต็มที่ หากคุณไม่ใช้ Cursor, Codex, Claude Code เพื่อทำการทดลองและเรียนรู้ จะยากที่จะเห็นอนาคตโดยพิจารณาจากความเร็วในการปรับปรุงที่ผลิตภัณฑ์เหล่านี้นำมาให้กับจักรวาลซอฟต์แวร์ การเปลี่ยนแปลงเหล่านี้มีผลกระทบต่อจักรวาลฮาร์ดแวร์ เนื่องจากฮาร์ดแวร์และซอฟต์แวร์รวมกันเพื่อช่วยให้ฮาร์ดแวร์ตัดสินใจโดยอัตโนมัติเพื่อส่งมอบผลลัพธ์ที่ดีกว่าให้กับลูกค้า

สัญญาณใดบ่งชี้ว่าบริษัท AI ที่มีความทะเยอทะยานทางเทคนิคมีศักยภาพที่จะพัฒนาเป็นธุรกิจที่มีความพร้อมสำหรับองค์กรและสามารถขยายขนาดได้?

โดยทั่วไป ผู้ก่อตั้งที่เริ่มต้นจากความพยายามในการวิจัยมีเป้าหมายสุดท้ายในใจ พวกเขาอาจต้องการดำเนินการต่อการวิจัยเพื่อปรับปรุงสาขานี้ แต่พวกเขายังเข้าใจด้วยว่าการสร้างรายได้จากผลการวิจัยช่วยให้สามารถสนับสนุนการปรับปรุงเหล่านั้นได้ ดังนั้นเราจึงพยายามเข้าใจว่าผู้ก่อตั้งที่อยู่ในโหมดวิจัยคิดอย่างไรเกี่ยวกับการใช้งานการวิจัยและสมมติฐานใดที่พวกเขามีในการทดสอบความก้าวหน้าของการวิจัยในโลกเพื่อลดความเสี่ยงของขั้นตอนการวิจัย

สำหรับผู้ก่อตั้งที่สร้างแพลตฟอร์มที่มีความซับซ้อนสูงโดยไม่มีการมองเห็นรายได้ใกล้ๆ นี้ ควรจัดโครงสร้าง 里程碑 และการสนทนากับนักลงทุนอย่างไร?

ยากที่จะพูดได้ว่า สตาร์ทอัพแต่ละแห่งมีแง่มุมที่เป็นเอกลักษณ์ บริษัทหุ่นยนต์อาจไม่มีการมองเห็นรายได้เป็นเวลานาน แต่ 里程碑 ในระหว่างทางอาจเป็นความสามารถที่เกิดขึ้นใหม่ กฎการขยายขนาดในโมเดล การกระทำที่ไม่สามารถเกิดขึ้นได้ก่อนหน้านี้ ในด้าน AI อินฟราสตรัคเจอร์ อาจเป็นการนำเสนอผลิตภัณฑ์ที่ให้ผลลัพธ์ที่ทีมต่างๆ พอใจและยินดีที่จะใช้ผลิตภัณฑ์นั้นในการผลิตแม้ว่าจะยังอยู่ในระยะเริ่มต้น ในด้าน AI ในแนวตั้ง โดยทั่วไปจะมีเส้นทางที่ชัดเจนกว่าสำหรับการสร้างรายได้ เนื่องจากหากคุณส่งมอบผลลัพธ์ให้กับลูกค้าในแนวตั้งที่แก้ปัญหาที่สำคัญ ลูกค้าจะยินดีจ่ายสำหรับสิ่งนั้นโดยทั่วไปแล้วทันที

มีโมเมนตัมที่สำคัญเกี่ยวกับสตาร์ทอัพในการสร้างตัวแทน AI คุณมีมุมมองอย่างไรเกี่ยวกับศักยภาพความสำเร็จในระยะยาวของบริษัทที่เน้นไปที่ตัวแทนอัตโนมัติภายในสภาพแวดล้อมองค์กร?

Jensen Huang ของ Nvidia กล่าวว่า Openclaw เป็นช่วงเวลา ChatGPT สำหรับยุคตัวแทน ฉันคิดว่านั่นบอกทุกอย่างแล้ว ระยะเวลาสำหรับตัวแทนในองค์กรไม่ใช่การเดิมพันในระยะยาวอีกต่อไป แต่เป็นสิ่งที่กำลังจะเกิดขึ้นอย่างรวดเร็ว ไม่ว่าองค์กรจะต้องการหรือไม่ เนื่องจากการใช้คอมพิวเตอร์ เบราว์เซอร์ และตัวแทนส่วนบุคคลแพร่กระจายไปทั่วองค์กรตั้งแต่การใช้งานจากล่างขึ้นบน ยุคของตัวแทนมาถึงแล้ว องค์กรจะนำตัวแทนไปใช้ในทุกด้านขององค์กร และพวกเขาจะต้องการการกำกับดูแล ความปลอดภัย การติดตาม ระบบอินฟราสตรัคเจอร์ การคำนวณ และรางข้อมูลเพื่อรองรับทุกสิ่งนี้

คุณเห็นรูปแบบใดบ้างในประเภทของผู้ก่อตั้ง AI หรือโดเมนที่ดึงดูดความเชื่อมั่นของนักลงทุนอย่างต่อเนื่อง เทียบกับผู้ที่อาจมุ่งเน้นมากเกินไปในเรื่องราว?

ฉันคิดว่ามีพื้นที่ที่มีโอกาสมากเกินไปสำหรับผู้ก่อตั้งที่จะสร้างในพื้นที่เดียวกัน เทคโนโลยีกฎหมายอย่าง Harvey, Legora, Eudia ทำได้ดี แต่ยังมีบริษัทใหม่ๆ เกิดขึ้นทุกวันในพื้นที่นี้ ข้อความสำหรับผู้ก่อตั้งคือ AI เป็นการเปลี่ยนแปลงที่เป็นการเปิดใช้งานอย่างมาก มันส่งผลกระทบต่อทุกด้านของโลก ด้วยเหตุนี้ พื้นที่ผิวของผลิตภัณฑ์ที่จะสร้างและปัญหาที่จะแก้ไขจึงไม่มีขอบเขต ผู้ก่อตั้งควรคิดใหญ่กว่าการตามไปที่บริษัทที่ประสบความสำเร็จที่คุณเห็นได้รับการสนับสนุนมาก เราสามารถใช้ AI เพื่อส่งมอบผลลัพธ์ที่เปลี่ยนแปลงชีวิต และดังนั้นฉันจึงขอแนะนำให้ผู้ก่อตั้งใช้เวลาในการคิดปัญหาที่พวกเขาต้องการแก้ไข แล้วทำงานย้อนกลับเพื่อดูว่า AI สามารถช่วยแก้ปัญหาเหล่านั้นได้อย่างไร

เมื่อมองไปข้างหน้า คุณคาดหวังว่าการสร้างบริษัท AI ในระยะเริ่มต้นจะพัฒนาไปอย่างไรในอีก 5 ปีถัดไป เมื่อความสามารถที่มีความสามารถเติบโตและตลาดมีความมั่นคง?

ฉันไม่แน่ใจว่า “การมีเสถียรภาพของตลาด” เป็นคำที่ฉันจะใช้ ฉันคิดว่า AI กำลังปรับปรุงอย่างเป็นเลขชี้กำลัง และด้วยเหตุนี้จึงจะมีการเปลี่ยนแปลงมากมาย แต่การเปลี่ยนแปลงนี้สร้างโอกาสที่ไม่สิ้นสุด และดังนั้นการสร้างบริษัทในระยะเริ่มต้นจึงเข้าสู่หนึ่งในยุคที่มีการเปลี่ยนแปลงมากที่สุดในยุคที่เราเห็นในไม่กี่ปีที่ผ่านมา เราลืมไปแล้วว่าบริษัทอย่าง OpenAI และ Anthropic มีอายุน้อยกว่าหนึ่งทศวรรษและถูกมองว่าเป็นบริษัทเทคยักษ์ใหญ่ มีหน้าต่างเวลาที่ความสามารถกำลังขยายตัวอย่างรวดเร็ว และมีโอกาสมากมายสำหรับการสร้างบริษัทขนาดใหญ่ๆ มันเป็นหนึ่งในยุคที่น่าตื่นเต้นที่สุดในด้านเทคที่ฉันเคยสัมผัสในชีวิต

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้ก่อตั้งที่ต้องการเรียนรู้เพิ่มเติมควรเยี่ยมชม Sierra Ventures