Wohin fließt im Jahr 2026 das Geld für KI-Anwendungen?

Dieser Artikel kann eine automatische Übersetzung enthalten. Die Originalquelle ist zur Überprüfung verlinkt.

Wohin fließt im Jahr 2026 das Geld für KI-Anwendungen?

Fester FocusOne

2026.11.11 09:42

· Aus Hebei

Volltext 5488 Wörter

Text | Dingjiao One (dingjiaoone), Autor｜Li Mengran, Herausgeber｜Wei Jia

Auch im Jahr 2026 wird das „größte“ Geld im KI-Finanzierungsmarkt noch in Basisfähigkeiten wie große Modelle und Rechenleistung fließen. Aber immer häufiger tauchen Finanzierungsgeschichten auf der Anwendungsebene auf.

Laut Statistiken von Zhixixi verzeichnete die KI-Anwendungsrichtung im ersten Halbjahr 2026 unter den Hunderten Millionen Yuan an Finanzierungen in der inländischen KI-Industriekette mit insgesamt 33 Fällen die meisten Finanzierungsereignisse. Davon entfielen fast 40 % auf die Video-, Bild- und 3D-Generierung und etwa 20 % auf AI Agent. Unternehmensanwendungen, KI-Medizin/Medikamente, KI-Finanzierung, KI-Marketing und andere Bereiche wurden ebenfalls in Milliardenhöhe finanziert.

Megan ist die Gründerin der GTM-Gemeinschaftsgemeinschaft Origin Community und eine inländische C-End-Anwendungshändlerin im Ausland. Sie sagte gegenüber „Focus One“, dass die Einstellung des Kapitals gegenüber KI-Anwendungen aufgrund der Erfahrung bei der Kommunikation mit Investmentinstituten in diesem Jahr eine Reihe von Veränderungen erfahren habe. Das erste Halbjahr verlief insgesamt positiv, gegen Ende des Sommers und Frühherbsts wurden einige Institute jedoch vorsichtiger. Dafür gibt es zwei Gründe: Erstens lenkten Spuren wie verkörperte Intelligenz die Aufmerksamkeit ab; Zweitens gelang es einigen KI-Anwendungen nicht, tägliche Aktivität, Beliebtheit und Kommerzialisierung zu erreichen, nachdem sie viel Geld investiert hatten, und der Ausstiegspfad begann, mehr Diskussionen hervorzurufen. Seit Beginn des Oktobers hat die Marktaufmerksamkeit zugenommen, aber die Anleger legen mehr Wert auf die Fähigkeiten selbst entwickelter Modelle, technische Barrieren oder Software- und Hardwarekombinationen, die zu Unterschieden führen können.

Die Anleger sind vorsichtig geworden und der Geldfluss ist ungleichmäßig geworden. Das KI-Entwicklungsunternehmen Yanyu Technology schloss im Juni eine Serie-B+-Finanzierung in Höhe von fast 300 Millionen US-Dollar ab, mit einer Post-Investment-Bewertung von mehr als 2 Milliarden US-Dollar. In Branchen wie medizinischer Versorgung, Bildung, Marketing und Sicherheit haben immer mehr Unternehmen Finanzierungen in Höhe von mehreren zehn bis mehreren hundert Millionen Yuan erhalten. Gleichzeitig tauchen große Hersteller wie Byte, Alibaba, Tencent und Kuaishou auf fast jedem beliebten Anwendungspfad auf.

Warum konzentriert sich das Geld auf wenige Spuren? Haben Branchen mit begrenzter Finanzierung geringere Chancen? Wie können Start-up-Unternehmen unter dem Angriff großer Hersteller überleben?

01. Video, Bild und 3D, seien Sie der Erste, der „großes Geld“ verdient

Wenn man die diesjährigen großen Finanzierungen von KI-Anwendungsunternehmen zusammenfasst, wird der Geldfluss intuitiver sein.

Statistiken von IT Orange zeigen, dass in der ersten Hälfte dieses Jahres insgesamt 84 Finanzierungen im AIGC-Anwendungspfad, repräsentiert durch Bild- und Videogenerierung, eingeworben wurden, insgesamt 59,605 Milliarden Yuan, mit einem Durchschnitt von 710 Millionen Yuan pro Transaktion, dem höchsten Wert unter allen KI-Unterabteilungen. Unter ihnen, Shengshu Technology, Sand.ai, LiblibAI/Yanyu Technology und Aishi Technology, haben vier AIGC-Anwendungsunternehmen insgesamt 9,378 Milliarden Yuan eingesammelt.

Seit Anfang dieses Jahres konzentriert sich die Großfinanzierung weiterhin auf Unternehmen mit Bezug zur visuellen Gestaltung.

Nachdem das KI-Videounternehmen Aishi Technology im März eine Serie-C-Finanzierungsrunde in Höhe von 300 Millionen US-Dollar abgeschlossen hatte, erreichte der Gesamtumfang der Serie-C-Finanzierung im Juli 2,98 Milliarden Yuan; im Juni schloss die LiblibAI-Muttergesellschaft Yanyu Technology eine B+-Finanzierungsrunde über fast 300 Millionen US-Dollar mit einer Post-Investment-Bewertung von mehr als 2 Milliarden US-Dollar ab; im Juli schloss Shengshu Technology eine B+-Finanzierungsrunde in Höhe von 500 Millionen US-Dollar ab; Das KI-3D-Unternehmen VAST gab im September den Abschluss der Finanzierungsrunden der Serien B und B+ mit einem Gesamtbetrag von etwa 3 Milliarden Yuan und einer kumulierten Finanzierung von etwa 5 Milliarden Yuan in weniger als einem halben Jahr bekannt; Meshy schloss im Juli eine Serie-B-Finanzierung in Höhe von fast 400 Millionen US-Dollar ab.

Warum sind Video und 3D die ersten, die großes Geld verdienen?

Ding Boran, ein Investor von Dewu Capital, sagte gegenüber „Focus One“, dass das erste, worauf Kapital achtet, die Marktobergrenze ist. In ToC-Anwendungen ist Video immer noch eines der Medienformate mit dem reichhaltigsten Inhalt und den am meisten nachgefragten Inhalten, und 3D könnte in der nächsten Phase ein neuer Inhaltsträger werden. Für Kapital, das auf „große Chancen“ setzen muss, eignet sich diese Art von Kurs eher für große Unternehmen und ist eine weitere Investition wert.

Der Markt ist groß genug, was nur eine Voraussetzung ist. Bryan Liu, Investmentdirektor von Alumni Ventures, sagte gegenüber „Fixed Focus One“, dass die visuelle Generierung auch eine weitere Eigenschaft hat, die vom Kapital leicht bevorzugt wird: Der Produkt-Feedback-Zyklus ist kürzer.

„Nach der Erstellung eines Videos, eines Bildes oder eines 3D-Materials lässt sich oft in relativ kurzer Zeit überprüfen, ob der Inhalt verfügbar ist und ob der Nutzer bereit ist, ihn zu nutzen und zu bezahlen.“ Diese Funktion macht die visuelle Generierung einfacher als einige Industrieanwendungen, die eine langfristige Überprüfung der Effekte erfordern, um zu zeigen, dass diese Produktgeneration besser ist als die vorherige Generation.

Eine Gruppe von Unternehmen der visuellen Generierung hat bereits im Vorfeld quantifizierbare Kommerzialisierungsindikatoren erreicht.

PixVerse, eine Tochtergesellschaft von Aishi Technology, wird im November 2024 mit der Kommerzialisierung beginnen. Bis Oktober 2025 hat der veröffentlichte ARR 40 Millionen US-Dollar überschritten, mit mehr als 100 Millionen Nutzern. Die Einnahmen stammen hauptsächlich aus Mitgliederabonnements, hauptsächlich in Überseemärkten; Yanyu Technology gab bekannt, dass der Gesamt-ARR des Unternehmens im Mai 2026 300 Millionen US-Dollar erreicht hat. Capital ist zunehmend in der Lage, Indikatoren wie Benutzerumfang, Abonnementeinnahmen und API-Aufrufe zu verwenden, die eher an traditionelle Internetunternehmen angelehnt sind, um ein KI-Anwendungsunternehmen zu messen.

Die schnelle Kommerzialisierung ist jedoch nicht der einzige Grund. Visuelle Generierung ist auch eine Kategorie mit hohen Kapitalinvestitionen bei KI-Anwendungen. Zu den Finanzierungszwecken von Aishi Technology gehören Basismodelle für die Videoerzeugung, Echtzeit-Weltmodelle und globales Produktwachstum; VAST betreibt nicht nur Tripo, sondern investiert auch weiterhin in die Forschung und Entwicklung von 3D-Basismodellen, Daten und Weltmodellen, die einen kontinuierlichen Mittelverbrauch erfordern.

Aishi Technology hatte zuvor verraten, dass sich das Produktgeschäft grundsätzlich selbst finanzieren kann, wenn man die Investitionen in selbst entwickelte Großmodelle nicht mit einrechnet. Mit anderen Worten: Es gibt eine Schicht kontinuierlicher Modellinvestitionen zwischen dem durch das Produkt generierten Umsatz und dem Kapitalbedarf des gesamten Unternehmens.

Ein anderer Unternehmenstyp hat bewiesen, dass er auch ohne die Entwicklung eines eigenen zugrunde liegenden Modells hohe Bewertungen erzielen kann. Beispielsweise verlässt sich Yanyu Technology beim Bau von Produkten nicht auf selbst entwickelte allgemeine Grundmodelle. Stattdessen werden verschiedene Modelle zusammengefasst und mehr Möglichkeiten in kreative Tools, Arbeitsabläufe und Benutzerökologie integriert. Das Unternehmen hat sich von der LiblibAI-Community weiter ausgeweitet, um Agent Star Stream und die Videoerstellungsplattform LibTV zu entwickeln. Seit Mai dieses Jahres hat der ARR 300 Millionen US-Dollar erreicht.

Hinter „Video und 3D ziehen das meiste Geld an“ verbergen sich tatsächlich zwei unterschiedliche Logiken: Eine Art von Unternehmen muss viel Kapital einsetzen, um die Modellfähigkeiten weiter zu verbessern; Der andere Typ kann sich auch auf die Anwendung selbst verlassen, um Benutzer, Umsatz und Ökosystem zu bilden.

Neben der visuellen Generierung ist Agent eine weitere Richtung, in der große Finanzierungsbeträge auftauchen. Im Oktober gab Today AI, ein Personalagentenunternehmen, das gerade sein Produkt auf den Markt gebracht hatte, bekannt, dass seine kumulierte Finanzierung 200 Millionen US-Dollar überstieg. Ein weiteres Star-Agenturunternehmen, Manus, schloss im selben Monat eine neue Finanzierungsrunde über mehr als 500 Millionen US-Dollar mit einer Zielbewertung von rund 4 Milliarden US-Dollar ab und wurde damit zu einer der meistgesehenen Großfinanzierungen im Agentenbereich in diesem Jahr.

Anders als bei der visuellen Generierung wird das vom einzelnen Agenten erhaltene Geld hauptsächlich in das Team und den Eintritt investiert. Heute wurden die Produkte von AI erst im September auf den Markt gebracht. Capital interessiert sich für die Produkterfahrung des Gründerteams bei großen Herstellern und für die Möglichkeit, dass persönliche Agenten den Zugang zur nächsten Generation der KI ermöglichen.

02. Sind die Möglichkeiten geringer, wenn der Finanzierungsumfang nicht so groß ist?

In Bezug auf den Finanzierungsumfang sind Video, Bildgebung und 3D in diesem Jahr fast die wichtigsten Bereiche für KI-Anwendungen. Betrachtet man jedoch die Häufigkeit, sind eher vertikale Branchenanwendungen aktiver.

Die Daten von iiMedia Consulting zeigen, dass im ersten Halbjahr 2026, obwohl der Finanzierungsbetrag für Anwendungen der KI-Industrie (ohne AIGC und allgemeine KI-Anwendungen) nur 25,792 Milliarden Yuan betrug, 133 Finanzierungen stattfanden. Dies ist die Kategorie mit den meisten Finanzierungsereignissen unter den Hauptrichtungen in der Statistik, mit einem Durchschnitt von etwa 194 Millionen Yuan pro Transaktion.

Es ist ersichtlich, dass die Häufigkeit, mit der Mittel aus Industrieanträgen erhalten werden, nicht gering ist, die Mittel jedoch stärker gestreut sind.

Nach Ansicht von Bryan Liu können die beiden Schienentypen selbst nicht einfach horizontal verglichen werden. Video, Bilder und 3D sind Technologien und Produktformen, während medizinische Versorgung, Bildung, Marketing und Sicherheit Branchen sind. Was die Kluft wirklich vergrößert, ist die unterschiedliche Art und Weise, wie verschiedene Unternehmen ihren Wert überprüfen.

Der erste Typ ist ein Unternehmen, das länger braucht, um „Ergebnisse“ nachzuweisen. Medizinische Versorgung und Bildung sind typische „Long-Feedback“-Geschäfte.

Ding Boran ist davon überzeugt, dass sowohl die Medizin als auch die Bildung den Anforderungen der Datensicherheit, des Datenschutzes, der Compliance oder der Kapitalisierung unterliegen. Für medizinische Start-ups ist der Zyklus der Beschaffung von Branchendaten, der Durchführung der Produktverifizierung und der Eingabe realer Geschäftsprozesse länger, während es für Bildungsunternehmen schwierig ist, eine Kapitalisierung zu erreichen.

Bryan erklärte weiter, dass bei medizinischer Behandlung klinische Wirkungen nachgewiesen werden müssen, dass Bildung Lerneffekte verifizieren muss und dass einige ToB-Szenarien Beschaffung, Zahlung und verantwortliche Stellen stärker miteinander verknüpfen müssen. „Es ist nicht so, dass diese Branchen weniger Chancen haben, sondern dass die Verifizierungswege unterschiedlich sind und einige Branchen mehr Zeit benötigen.“

SenseTime ist ein Beispiel. Dieses aus SenseTime ausgegliederte Unternehmen schloss im April dieses Jahres eine Serie-A-Finanzierung über mehr als 500 Millionen Yuan mit einer Bewertung von über 1 Milliarde US-Dollar ab. Im Juli schloss das Unternehmen eine Serie-B-Finanzierung über mehr als 100 Millionen US-Dollar mit einer Post-Investment-Bewertung von mehr als 10 Milliarden Yuan ab. Seine SenseCare-Plattform gibt derzeit bekannt, dass das Unternehmen mit mehr als 500 Krankenhäusern zusammengearbeitet und mehr als 30 Registrierungszertifikate für Medizinprodukte erhalten hat. Im Vergleich zu einer C-seitigen Anwendung, die nach dem Start anhand des Benutzerwachstums überprüft werden kann, muss medizinische KI offensichtlich nicht nur Modellfunktionen, sondern auch Krankenhäuser, klinische Daten und Compliance-Systeme akkumulieren.

Bildung ist ähnlich. Zhibei Technology, gegründet im Jahr 2023, schloss im Januar dieses Jahres die Pre-A-Finanzierungsrunde mit einem Betrag von mehreren Millionen US-Dollar ab; Dance with Love wurde im selben Jahr gegründet und erzielte mit seinem KI-Lehrerprodukt „Ai Xue“ einen monatlichen Umsatz von über mehreren zehn Millionen Yuan. Bis November 2025 wurden vier Finanzierungsrunden mit einem Gesamtfinanzierungsbetrag von rund 150 Millionen US-Dollar abgeschlossen. Bevor die Produkte online gingen, wurden mehrere Monate lang Indikatoren wie die Kursabschlussquote und die Rückerstattungsquote getestet. Ob ein KI-Bildungsprodukt die Lerneffekte wirklich verbessern kann, bedarf oft einer längeren Beobachtung.

Bei dieser Art von Unternehmen muss das Kapital darauf warten, dass das Produkt seine Wirksamkeit unter Beweis stellt.

Bei der zweiten Art handelt es sich um ein Unternehmen, dessen Wert direkt durch seine Betriebsleistung nachgewiesen werden kann. Ihr Finanzierungsumfang ist möglicherweise nicht groß, aber sie verfügen möglicherweise früher über klare Umsatz- und Kundendaten. Ein Beispiel ist GEO, das in diesem Jahr einen rasanten Aufschwung erlebt.

Die Smart-Push-Ära, die erst im Jahr 2025 eingeführt wurde, hat in diesem Jahr mehrere zehn Millionen Yuan in Engelsrunden abgeschlossen. Im ersten Halbjahr dieses Jahres gab das Unternehmen bekannt, dass der ARR 100 Millionen Yuan überschritten hat; Es bedient derzeit mehr als 400 Kunden und es wird erwartet, dass der ARR für das gesamte Jahr 2026 bei fast 200 Millionen Yuan liegen wird. Deepin Yunhai, das ebenfalls im Jahr 2025 gegründet wurde, schloss im Oktober 2026 eine Multi-Millionen-Angel-Finanzierungsrunde mit einem Jahresumsatz von mehreren zehn Millionen Yuan ab.

Im Vergleich zu videobasierten Schulungsmodellen ist der finanzielle Bedarf solcher Unternehmen offensichtlich nicht auf dem gleichen Niveau. Die geringere Finanzierungssumme hindert sie jedoch nicht daran, ihre Bedürfnisse zunächst bei Kunden und Einkommen abzuklären.

Der dritte Typ besteht darin, auf Unternehmen mit ausgereifter Nachfrage zu warten, und das Tempo der Finanzierung hängt von der Reife des Marktes ab. KI-Sicherheit ist ein solcher Weg.

Ein KI-Sicherheitsexperte sagte gegenüber „Focus One“, dass es nicht daran liege, dass kein Bedarf an Sicherheit bestehe, sondern dass die Betonung von KI-Risiken bei vielen Unternehmen nicht ganz mit der Geschwindigkeit der Anwendung Schritt gehalten habe. Bevor es zu einem ausreichend starken Risikoereignis kommt, sind Unternehmen nicht bereit, gezielt Budgets für die KI-Sicherheit bereitzustellen.

Da Agenten jedoch beginnen, auf interne Unternehmensdaten zuzugreifen, Tools anzurufen und sogar Aufgaben autonom auszuführen, wird dieser Bedarf deutlich. Nachdem EgeCloud im Mai dieses Jahres eine Serie-B-Finanzierung in Höhe von Hunderten Millionen Yuan abgeschlossen hatte, weitete das Unternehmen seine Produkte weiter aus, von der Bürosicherheit bis hin zum einheitlichen Sicherheitsmanagement von „Menschen + KI“. Im September schloss das Unternehmen eine Serie-B+-Finanzierung in Höhe von fast 100 Millionen Yuan ab, und die Mittel werden weiterhin in die Corporate-Governance-Plattform von Menschen und KI-Agenten investiert.

Die Chancen in einigen Branchen werden warten, bis KI wirklich in den Kerngeschäftsprozess eindringt, und dann wird die ursprüngliche potenzielle Nachfrage zu einem klaren Kauf.

Daher ist die Höhe der Finanzierung nicht gleichbedeutend mit der Größe der Chance. Einige Tracks müssen warten, bis sich die Ergebnisse beweisen, andere müssen warten, bis die Einnahmen zuerst sprechen, und einige müssen warten, bis die Nachfrage reift. Um zu beurteilen, ob ein Titel eine Chance hat, ist es besser, statt darauf zu achten, wie viel Geld er kostet, wie er genutzt wird und wie lange es dauert, bis er seinen Wert unter Beweis stellt.

03. Wenn die Giganten dem Untergang geweiht sind, müssen Start-up-Unternehmen noch drei Hürden überwinden

Der Wettbewerb um KI-Anwendungen ist deutlich komplexer als noch vor einigen Jahren.

Einerseits werden die Fähigkeiten großer Modelle immer noch rasch verbessert. Ein Produkt, das heute etabliert zu sein scheint, kann morgen durch ein Update des Basismodells abgedeckt werden. Auf der anderen Seite konkurrieren Doubao und Yuanbao um den allgemeinen KI-Zugang. Alibaba, Tencent und Byte arbeiten alle an Büros und Agenten. Auch Videoerzeugung, KI-Programmierung, Bildung, Marketing und sogar medizinische Behandlung sind bei großen Unternehmen überfüllt.

Nach Ansicht von Megan liegt der Vorteil großer Hersteller nicht nur in mehr Geld. Im Vergleich zu unternehmerischen Teams produzieren sie Produkte schneller, verfügen über ausgereiftere Investitionskanäle und Benutzerwachstumsmechanismen und verfügen über eine große Anzahl vorhandener Benutzer und Daten. Wenn neue Anwendungen nicht über diese Erfahrungen verfügen und nur das Benutzerwachstum erlernen, werden sie viel langsamer sein als diese.

Startups müssen beweisen, was sie nach dem Einstieg der großen Hersteller hinterlassen können.

Die erste Frage ist, ob Startups ihren eigenen unabhängigen Wert aufbauen können, wenn große Unternehmen sowohl Verbündete als auch Rivalen sind.

Mittlerweile wird die Beziehung zwischen großen Unternehmen und Startups immer komplizierter. Im Oktober gab das Personal-Agent-Startup Today AI bekannt, dass es eine Finanzierung in Höhe von insgesamt mehr als 200 Millionen US-Dollar abgeschlossen habe. Unter den Investoren traten auch Tencent und Ant Group auf, außerdem beteiligten sich die Angel-Runde und das große Modellunternehmen Step Star. Sein Gründer Qi Junyuan war zuvor Vizepräsident von Byte Feishu-Produkten und verantwortlich für die PC-Version von Doubao.

Andererseits wirbt Tencent für seine eigenen Agent-Produkte, und das zu Ant gehörende Unternehmen Lingguang erweitert auch seine Fähigkeiten zur Ausführung persönlicher Aufgaben. Für Today AI hat das Industriekapital Geld und Ressourcen gebracht, aber es hat den Wettbewerb nicht ausgeschaltet. Es muss immer noch mit den Produkten der Aktionäre um die nächste Generation des persönlichen KI-Zugangs konkurrieren.

Solche Beziehungen werden immer häufiger. Während große Unternehmen in externe Unternehmen investieren, engagieren sie sich auch selbst in ähnlichen Geschäften. Ein Startup muss nachweisen, dass es auch ohne die Ressourcen der Aktionäre einen Wert hat, der nicht einfach ersetzt werden kann.

Zweitens werden durch die schnelle Iteration der Modellfähigkeiten auch die technischen Barrieren von Anwendungsunternehmen ständig beeinträchtigt.

Bryan Liu glaubt, dass diese Fähigkeit nicht exklusiv ist, wenn der Vorteil eines Unternehmens nur darin besteht, ein besseres allgemeines Modell zu nennen. Modellverbesserungen können sogar zwei gegensätzliche Effekte gleichzeitig haben. Einerseits kann es Anwendungsunternehmen dabei helfen, die Entwicklungs- und Bereitstellungskosten zu senken. Andererseits kann es auch die ursprünglich beauftragten Funktionen eines Unternehmens direkt in grundlegende Fähigkeiten umwandeln, die jeder erhalten kann.

Heute erkennt die KI diesen Druck an. In einem Interview mit den Medien in diesem Jahr erklärte sein Team, dass sich Personal AI immer noch in einem sehr homogenen Wettbewerbsstadium befinde und die Unterschiede in ein oder zwei Funktionspunkten bald durch Konkurrenten ausgeglichen werden könnten.

Nach Megans Ansicht ergibt sich eine Art von Chancen für Start-ups aus Szenarien, die so segmentiert und experimentell sind, dass großen Unternehmen vorübergehend die Motivation zum Einstieg fehlt; Ein anderer Weg besteht darin, zunächst Communities und Beziehungen rund um eine kleine Gruppe von Hauptbenutzern aufzubauen und das Produkt dann wachsen zu lassen. Die Vorteile solcher Unternehmen ergeben sich nicht unbedingt aus einer stärkeren Technologie, sondern können aus einem tieferen Verständnis bestimmter Benutzer und der Ansammlung des Teams in der Gemeinschaft, im Wachstum oder in einer bestimmten Branche resultieren.

Wenn Ding Boran KI-Anwendungsunternehmen beurteilt, legt er Wert auf einzigartige Daten, Branchen-Know-how, Kundenbeziehungen und die Einbettung in reale Arbeitsabläufe. Beispielsweise können ToB-Anwendungen schnell Kunden akquirieren und sie in Kundenabläufe einbetten, während ToC-Anwendungen schnell Kunden akquirieren und Benutzerdaten sammeln können, wodurch ein Datenschwungrad entsteht. Das sind Dinge, die für große Hersteller kurzfristig nur schwer zu kopieren sind. Gelingt es, ausreichend Finanzmittel zu beschaffen und die anschließende Kundenakquise zu beschleunigen, können sich gewisse Hürden bilden.

Aber Megan glaubt, dass „Daten“ selbst nicht unbedingt eine natürliche Barriere darstellen. Im Vergleich zu einmal erfassten statischen Daten sind das Verhalten, die Interaktion und das Gedächtnis, die Benutzer hinterlassen, wenn sie das Produkt über einen langen Zeitraum verwenden, sowie das kontinuierliche Benutzerverständnis, das das Unternehmen dabei bildet, wertvoller.

Darüber hinaus müssen Startups auch eine realistischere Frage beantworten: ob die Vorteile im großen Maßstab reproduziert werden können.

Bryan erinnerte daran, dass einige vertikale KI-Unternehmen im Zuge der „Vertiefung der Branche“ leicht zu projektbasierten Dienstleistungsunternehmen werden können.

Einige KI-Unternehmen können gute Einnahmen erzielen, indem sie eine kleine Anzahl von Kunden in der Anfangsphase umfassend bedienen. Wenn jedoch jeder weitere Kunde eine Neugestaltung des Prozesses und Investitionen in mehr Ingenieure und Servicepersonal erfordert, steigen mit steigendem Umsatz auch die Kosten. Selbst wenn Sie über umfassende Branchenkenntnisse verfügen, bauen Sie in diesem Fall möglicherweise nur ein projektbasiertes Geschäft aus, anstatt ein wirklich skalierbares KI-Produkt zu entwickeln. Beispielsweise muss das KI-Medizinunternehmen nachweisen, dass es das Modell des führenden Krankenhauses auf weitere Krankenhäuser übertragen kann, und das GEO-Unternehmen muss nachweisen, dass das Wachstum von Produkten und nicht von Arbeitskräften abhängt.

Wenn also große Hersteller vollständig in die Anwendungsschicht einsteigen und die zugrunde liegenden Modelle ständig aktualisiert werden, sind für die Top-Player in der visuellen Generierung die Modellfähigkeiten immer noch das A und O, aber für mehr KI-Anwendungsunternehmen können diese drei Testfragen entscheidender sein als „Welches Modell wird verwendet“, um zu bestimmen, wie weit sie letztendlich gehen können.

Respekt vor der Originalarbeit, wenn Sie qualifiziert sind, sollten Sie geschätzt werden.

Gemäß der Anforderung des Cybersicherheitsgesetzes, Ihren echten Namen anzugeben, verknüpfen Sie bitte Ihre Mobiltelefonnummer, bevor Sie einen Kommentar veröffentlichen.

Äußern