Хотя большая часть мира закрылась во время пандемия COVID-19широко открылись ворота для финансирования стартапов на ранних и поздних стадиях в области данных и искусственного интеллекта. Команда на FirstMark Capitalво главе с партнером Мэтт Терк, выпустила последний из своих ежегодных энциклопедических ландшафты данных и ИИ. С одной стороны, Терк и его коллеги писали, что это созревание, о чем свидетельствуют прорывные IPO Снежинка и Сливаться, заверяя сообщество венчурных капиталистов в том, что доходы и рост реальны, и что наплыв финансирования не вызывает повторения пузыря доткомов.

И да, в отчете говорится, что обещание искусственного интеллекта теперь подтверждается. Мы видим, как это проявляется не только в инструментах, которые используют бизнес-аналитики, например в бизнес-аналитике, но и в том факте, что машинное обучение в базе данных становится функцией флажков, не говоря уже о том, что Oracle, SAP, Salesforce и другие теперь регулярно включают машинное обучение в корпоративные приложения. Таким образом, мы видим меньше заголовков о беспилотных автомобилях, и мир не ждет, когда беспилотный Uber подъедет, чтобы доказать, что ИИ существует.

Несколько месяцев назад FirstMark сошел с ума — он представил Индекс MAD публичных компаний, занимающихся машинным обучением, искусственным интеллектом и данными. Значение состоит в том, что теперь их достаточно, чтобы перечислить их самостоятельно, а не сгруппировать под более общим технологическим зонтиком. И список — на тот момент около дюжины компаний плюс-минус — недавно (за последние пять лет) стали публичными.

Конечно, все это возможно благодаря венчурному сообществу. Ссылаясь на данные из CB Insights, венчурное финансирование выросли на 157% г / г ко второму кварталу этого года, в то время как государственное финансирование через IPO, прямые листинги или SPAC увеличилось более чем в 6 раз в первой половине 2021 года по сравнению с годом ранее. Единственный показатель, который снизился, — это поглощения, по всей вероятности, потому что оценка с использованием венчурного капитала делает такие компании, как Databricks (на $ 38 млрд), слишком дорогими для приобретения, даже для подобных Microsoft.

Отчет начался с обзора экосистемы, обсуждения финансовой деятельности, а затем выявления ключевых технологических тенденций в инфраструктуре данных, аналитике и искусственном интеллекте. Он слишком объемный, чтобы рассматривать его построчно, но вы можете увидеть полный отчет. здесь. Эскизное изображение пейзажа показано выше. Можно найти более разборчивое исполнение здесь, и если вам нужны все кровавые подробности, команда FirstMark составила подробную таблицу, к которой вы можете получить доступ здесь.

Мы остановимся на некоторых главных впечатлениях.

Как мы (и другие) уже обсуждали ранее, мы больше не думаем о больших данных как о чем-то особенном. Когда вы можете запустить хранилище данных Snowflake с петабайтами данных и включить автоматическое масштабирование, вы внезапно используете облако для выполнения того, что раньше требовалось инженерам данных для настройки кластеров Hadoop, запуска Zookeeper, а затем вручную кодирования этих MapReduce (или более поздних версий). Spark) процедуры. А с возможностью анализа данных за пределами реляционных таблиц, таких как JSON, файлы Parquet и графические представления проекта, внезапно те 3 V, которые якобы определяли большие данные, теперь поддерживаются вашим облачным хранилищем данных или домом у озера. Опишите его как «Стек современных данных» или назовите его феноменом, который автор назвал «Большая разблокировка».

Мы все продолжаем читать цифры Snowflake и слышим слухи о том, когда Databricks наконец выйдет на IPO, но Амазонка Redshift, Azure Synapse Analytics, и Google BigQuery продолжают оставаться одними из самых быстрорастущих сервисов для своих облаков.

И благодаря AutoML, появлению инструментов и сервисов, охватывающих весь жизненный цикл создания и запуска этих моделей, вы можете сказать то же самое об ИИ. Продолжается танец игроков, которые превращаются в универсальные платформы. Платформы ML, от SageMakers и Вершинные ИИ к Датировано и Данные Роботы мира, расширяются до услуг полного жизненного цикла. То же самое можно сказать и о других частях экосистемы данных. Confluent хочет запускать не только ваши потоки Kafka, но и ваше хранилище данных в реальном времени.

Тем не менее, авторы ссылаются на обычные центробежные силы, с растущим вниманием к сетки данных в центре внимания (подробнее об этом мы расскажем в следующем посте). Но движение к консолидации вряд ли затормозило венчурную активность. По данным CB Insights, в стартапы в области ИИ было вложено 38 миллиардов долларов, что примерно равно сумме, вложенной в течение всего 2020 года; и за первые шесть месяцев было проведено более 50 раундов на сумму более 100 миллионов долларов. Финансовое сообщество распространилось не только на венчурные капиталисты, но и на хедж-фонды, и это прекрасное сокращение от предприятий, поэтически сокращенное до SPAC. И многие из этих финансовых средств были спровоцированы не голодными стартапами, а финансистами, стремящимися продвинуться дальше.

Авторы оптимистично оценивают перспективы аналитики и ИИ в целом. Но в отчете также упоминается взрывной рост, но не в доходах, а в количестве стартапов в таких нишах, как обратный ETL, качество данных, каталоги данных, аннотации данных и MLOps, где инвестиции, по-видимому, опережают готовность рынка их поглотить.

Итак, есть много сумасшедших денег. У нас есть несколько риторических вопросов. Любит ли компания Датабрики В самом деле необходимость 3,5 миллиарда долларов в банке? С распространением венчурных стартапов, стоимость которых превышает 1 миллиард долларов, не устарел ли термин «единорог»? Прибегают финансисты из-за FOMO — страха упустить?

Но наш главный вопрос в том, идем ли мы в новый пузырь? Мы обменялись электронной почтой с ведущим автором Мэттом Тёрком по этой самой проблеме. Он считает, что «качественных компаний больше, чем когда-либо». Есть постоянные учредители с хорошей репутацией. Хороший пример — соучредитель Dataiku. Флориан Дуэто, чей предыдущий акт был успешный выход с поисковой системой Exalead, которую Dassault Systemes приобрела примерно десять лет назад.

В отчете также упоминается напряженный рынок труда. В некоторой степени это старые новости — с тех пор, как мы начали произносить слова «большие данные», уже давно не хватает специалистов по данным и инженеров по обработке данных. Подобно нехватке разработчиков Java в эпоху доткомов, эти проблемы в значительной степени решаемы; станьте свидетелями большого количества студентов, обучающихся по программам науки о данных в колледжах. Наша забота о талантах касается других звеньев пищевой цепочки — опытных менеджеров, руководителей, отдела продаж и маркетинга. Мы слышали, как некоторые поставщики рассказывают нам о проблемах, связанных с заполнением этих слотов. В большинстве случаев речь идет не о школах, которые выпускают выпускников с правильными степенями. Мы полагаем, что отсутствие управленческих кадров и талантов для выхода на рынок может несколько затормозить рост.

Терк также отмечает стабильный рост ежегодных регулярных доходов для многих из этих стартапов и что, в отличие от эпохи доткомов, которая была обещана, нынешняя эпоха связана с развертыванием. Мы согласны. Мы считаем, что облако имеет здесь большое значение. В прошлые эпохи организациям приходилось тратить свои капитальные бюджеты на свои места, приобретать, развертывать и обслуживать больше серверов. И наоборот, облако позволяет выполнять горизонтальное масштабирование практически мгновенно без бюрократизма, связанного с бюджетированием капиталовложений.

Что касается экономики в целом, то на горизонте есть потенциальные грозовые тучи, такие как вероятность того, что деньги станут дороже, когда ФРС, наконец, начнет повышать процентные ставки, не говоря уже о структурных препятствиях, создаваемых глобально нарушенными цепочками поставок. Мы действительно думаем, что сейчас мы находимся в пике финансирования стартапов. Нас не удивит волна IPO или других выходов в следующие 12 месяцев, за которыми последует замедление венчурного и других форм финансирования. Вероятна некоторая встряска рынка для новых предприятий — мы видели это на начальном этапе стартапов в области больших данных в период 2015/16 года. Но опять же, мы также ожидаем успеха от многих текущих стартапов в области обработки данных и искусственного интеллекта, поскольку экономические сбои — это те самые проблемы, которые они призваны решать.