导航 AI 投资格局

私募股权指南 AUTHORS AI持续演进，与之前的技术软件类似，它“正在吞噬世界”。AI逐渐引起了私募股权（PE）投资者的关注，他们希望通过投资这一新兴领域获得高回报。然而，高回报的背后伴随着由AI技术复杂性和过度宣传所带来的重大风险。本观点旨在通过识别潜在风险并批判性评估这一充满挑战但前景广阔领域的机遇，帮助投资者做出明智的投资决策。 Michael PapadopoulosRichard Phillips Gonzalo Garcia Greg Smith Guillem Casahuga 在本全面指南中，我们旨在概述以下关键点：（1）区分AI制造商与AI使用者的重要性，（2）应对 hype 和“错失机会恐惧”（或 FOMO）与AI实际潜力之间的差异的关键方法，（3）AI的能力及其固有限制，以及（4）一些实用工具和方法以有效评估AI资产的质量。这些要点为导航AI投资决策提供了具体途径。 例如，OpenAI 以其在开发生成预训练变换器（GPT）等人工智能模型方面处于前沿，并为自然语言处理（NLP）设立了新标准而闻名，提供了前沿人工智能研发的投资机会，同时伴随着较高的风险和潜在回报。开发和训练基础人工智能模型所需的巨额前期成本可能会因竞争对手的进步而失效，使得投资成为高风险高收益的领域。 -AI 用户 - 利用现有 AI 进行业务增强。AI用户是那些将现有AI技术融入自身业务以改进或创新的企业，有效地在其行业中应用这些技术，而不直接参与AI开发。虽然这种方法涉及较少的投资，并且可能降低被竞争对手超越的风险，但也限制了潜在的增长空间。此外，应用这些技术需要特定领域的专业知识、市场信誉以及针对客户独特问题的具体配置。例如，一家营销公司利用GPT自动化数字内容创作（如幻灯片或博客文章）。该公司不是开发AI模型，而是将AI整合到其现有的商业模式中。对这类公司的投资重点在于在其既定业务模式内整合和扩展AI工具，通常会导致更为可预测、风险较低的回报。 从 AI 用户区分 AI 制造商 区分开发人工智能技术的公司（AI开发者）与利用人工智能提升其业务流程或产品的企业（AI用户）对于投资者来说至关重要，这会影响投资的风险状况和潜在回报（见图1）： -人工智能制造商 — — 推动技术向前发展。聚焦于人工智能技术的研发与创新，人工智能制造商推动新AI模型和算法的创建，并不断拓展人工智能所能实现的边界。 区分 AI 制造商和 AI 用户至关重要 ， 原因如下 ： -风险评估。投资于AI制造商涉及更高的风险，因为开发新技术固有的不确定性较高。相比之下，AI用户通常风险较低，因为他们应用的是现有技术。 -增长潜力。AI 制造商如果其创新成功，可能实现爆炸性增长，但面临激烈的竞争和高支出率。AI 用户可能不具备相同的高增长潜力，但可以通过提高运营效率实现稳步增长。 -专业知识要求。投资者对于人工智能制造商需要具备坚实的技术基础理解以及其发展环境的认识。相反，投资于人工智能用户可能需要传统的行业知识，重点关注市场渗透和可扩展性。 HYPE / FOMO VS 。人工智能投资的现实 在快速发展的AI领域，对变革性变化的兴奋和潜力往往导致了巨大的 hype。特别是在AI领域， hype 往往由夸大其能的能力主张驱动，这可能会误导投资者关于AI产品的成熟度，并推高估值，最终当技术未能如承诺般交付时，这些泡沫会破裂。恐惧错失机会（FOMO）可能会加剧这一问题，促使投资者根据他人的行为而非深入的财务分析和技术理解来做出决策（见图3）。对于PE投资者而言，区分真正的技术创新和过度炒作至关重要。本部分通过实际案例探讨 hype 和现实之间的区别，为投资策略提供见解。 理解这些区别（参见图2），使私募股权投资者能够战略性地调整其投资策略以匹配其风险偏好和目标回报，从而在人工智能领域作出更为明智的资本投资。 格局中的 PE 可寻址市场 尽管存在巨大的兴奋情绪，然而，完全自动驾驶车辆仍主要处于测试阶段，并且尚未普及，因为它们面临复杂多变的现实环境、监管框架以及公众信任度发展的缓慢。 应对 HYPE / FOMO 的策略 这一波失败的企业凸显了尽职调查和对技术及市场动态更深入理解的必要性。为了避免基于炒作和 Fear ofMissing Out（FOMO）进行投资所带来的风险，我们建议投资者考虑以下六种策略： IBM健康部门面临类似挑战。该公司承诺通过将人工智能应用于疾病诊断、个性化治疗和优化医疗工作流程来实现医疗领域的革命。然而，IBM的人工智能受到了管理数据复杂性、扩展AI解决方案以及在不同类型的医疗案例中一致性准确性不足的阻碍。2022年，由于其在该领域的挣扎，IBM出售了Watson Health，突显了人工智能在医疗领域承诺与其实现之间的差距。 1.技术尽职调查。聘请AI专家深入评估当前能力和发展前景，包括算法、数据质量和实际效果。确保每项投资都基于对AI技术、商业模式和领导团队的全面分析，以及特定的AI应用场景，并提供概念可行性的证据支持。 2.市场验证。投资于已有 proven 的 AI 部署和付费客户的企业，而非那些尚未验证、被过度炒作的技术。专注于长期潜力而非短期趋势。考虑该 AI 应用是否有可持续的市场需求，以及它如何融入更广泛的科技和经济趋势。 对于FOMO而言，恐惧错失（FOMO）是推动对新兴技术如人工智能、区块链和自主系统进行快速投资的主要动力。受DeepMind和OpenAI等先驱人工智能公司成功以及加密货币和区块链等领域快速增长的启发，许多投资者纷纷投入资金支持那些对未来创新潜力提出大胆承诺的初创企业。在某些情况下，这些初创企业承诺利用人工智能和区块链解决复杂问题或预测市场趋势，这引发了个人投资者和风险资本家急于抓住下一个大机遇的投资热潮。这种热情往往导致了对底层技术、商业模式或现实潜在结果缺乏全面理解的投资决策。 3.监管和道德考虑。考虑监管挑战和道德影响 ， 因为它们可能会影响人工智能的采用和可扩展性。 4.长期潜力与短期收益。关注具有可持续、长期 AI商业模式的公司 ， 而不是那些追逐短期炒作的公司。 5.风险管理。多元化投资以减轻任何单一新兴技术领域相关的风险。特别是在人工智能领域，该领域的景观正在迅速演变，许多技术仍处于实验阶段，这一点尤为重要。 尽管一些公司取得了显著的进步，但许多以人工智能和区块链为基础的初创企业未能达到预期。例如，一些基于人工智能的金融预测初创公司声称可以通过算法预测来彻底改变交易，但金融市场高度波动以及AI在如此复杂和动态系统中的初级应用往往意味着这些解决方案并不如宣传中那么可靠或具有创新性。许多项目陷入了困境或失败，导致投资者蒙受了巨大损失。 6.教育反对炒作。促进投资团队内的学习和理解文化。确保决策者了解人工智能及其实际影响，有助于防止仅基于市场兴奋做出决策。 -制造。预测性维护和质量控制算法正在减少停机时间和缺陷，从而实现显著的成本节约。 理解并将其纳入投资分析中，私募股权投资者将能够区分实质性机遇与被炒作夸大的机遇。这种战略方法可以降低风险，并使投资者能够抓住具有重大影响的人工智能进步。 -能源。AI正在优化能源消耗、预测设备故障并促进可再生能源的集成。 PE 公司在利用 AI 的能力方面具有独特的优势 ， 这可以在以下方面发挥关键作用 ： 人工智能能力和固有限制 -尽职调查。AI驱动的工具可以分析大量数据以识别潜在的风险和机会，从而支持基于数据的投资决策。 当然，在进入AI领域之前，公司必须了解AI的能力和局限性。这种知识确保了现实的期望和战略决策。在本节中，我们将探讨关于AI的常见误解，探究其实际能力，并讨论认识到其局限性的重要性。 -投资组合管理。AI可以监测投资组合公司的绩效，识别改进领域，并提供数据驱动的建议。 -退出战略。AI 可以分析市场趋势并预测最佳退出时间 ， 从而最大化投资回报。 AI技术，尤其是由机器学习（ML）和深度学习驱动的技术，在自然语言处理（NLP）、图像识别和预测分析等领域展现了卓越的能力。然而，投资者必须区分AI当前的实际能力与未来愿景之间的差异。 尽管人工智能技术具有巨大的潜力，但也面临着一些固有的局限性，这些局限性往往被忽视或误解。当前的人工智能能力经常被高估，导致人们产生错误的认知，例如认为人工智能可以完全自动化商业运营或完全取代人类判断。这些不切实际的期望与对人工智能基本限制缺乏了解相结合，可能会导致对不成熟技术的过度投资。 尽管澄清人工智能周围的 hype 和误解非常重要，同样重要的是要承认其潜在价值。人工智能正在各行各业产生实际影响，包括以下领域的转型： -医疗保健。AI驱动的诊断工具提升准确性和速度，而预测分析优化患者护理和资源分配。 为了做出明智的投资决策，投资者必须基于关键性能指标（包括准确率、可靠性、错误率及其他特定应用的相关指标）仔细评估人工智能系统。同样重要的是对人工智能系统数据基础进行全面评估，因为数据的质量、数量及其管理直接关系到系统的性能和潜力。通过批判性地评估性能指标、数据实践及人工智能的局限性，投资者可以准确衡量其能力，并作出平衡潜在收益与实际限制的战略决策。 -金融。算法交易和欺诈检测系统正在革新金融领域，而由人工智能驱动的客户服务聊天机器人（如Klarna）正在提升用户体验。 -零售和电子商务。个性化推荐和需求预测正在推动销售和客户满意度提升，而供应链优化则在降低成本并改善物流方面发挥作用。 案例研究 ： AI 的变革力量 气候和地理空间数据。这导致了预测性维护系统的建立，并提高了树木管理和风险控制水平。 在 Arthur D. Little ， 我们亲眼目睹了人工智能如何彻底改变了许多行业 ； 例如 ： -制药公司公司在规划和优先级安排临床研究组合时面临挑战。一种利用AI/ML技术和事件树分析的平台能够帮助企业评估决策点对整体组合支出的影响。通过动态仪表盘和概率场景模拟，AI能够快速评估对组合的影响。 欧洲传输系统运营商面对维护调度和难以到达的设备位置带来的挑战，一种 -生成式AI解决方案通过构建位置和需求的图网络表示，并利用图智能将相关文档传递给大型语言模型，生成维修工程师所需的具体步骤指令。这导致了动态文档的生成，从而改善了维护调度。 -公共交通提供商面临来自铁路轨道上倒伏树木和不一致维护的干扰。一种先进的AI/ML解决方案预测轨道段落上的静态和动态风险，利用 分析人工智能资产的工具和方法 数据的质量、多样性、代表性和道德来源。 -伦理和偏见评价。评估人工智能系统中的伦理考虑和偏见越来越重要，尤其是在直接影响人类生活的应用领域，如招聘、贷款审批和执法中。 准确有效地评估AI资产对于私募股权投资者来说至关重要，因为它决定了投资的潜在成功和可持续性。本节讨论了各种先进的工具和方法来分析AI资产，并强调其实用应用，以提供一个全面的尽职调查框架。 -AI 公司的财务 / 商业指标。财务评估仍然是投资分析的基石 ， 适合 AI 公司的具体情况。 分析 AI 资产的工具和方法包括 ： -AI 的静态代码分析。静态代码分析涉及检查人工智能系统的源代码以识别潜在的缺陷或漏洞，而无需执行程序。这种分析对于确保人工智能软件的稳健性和安全性至关重要。 -先进的分析方法。投资者也可以采用更为先进的分析方法以深入洞察人工智能投资的技术潜力和商业前景。 -人工智能专家咨询。Incorporating 人工智能专家的见解可以为分析提供额外的深度，提供纯数据可能无法揭示的视角。 -性能基准。性能基准衡量人工智能系统在标准化任务和与行业基准或竞争解决方案的对比中的有效性。 这些方法使私募股权投资（PE）投资者能够全面且严格地分析人工智能资产，确保对潜在投资的技术和财务方面有更深入的理解，并与可扩展且伦理上合理的AI解决方案保持一致。 -数据审计。进行数据审计涉及对用于训练和测试 AI模型的数据集进行彻底检查。审计评估