W dniu 1 lipca 2025 r. zorganizowaliśmy webinarium na żywo zatytułowane "AI Valuations and Funding Trends in 2025". Webinarium zostało zaprezentowane przez Marcina Majewskiego, dyrektora zarządzającego i Filipa Drazdou, dyrektora ds. fuzji i przejęć.
Możesz teraz obejrzeć pełną powtórkę webinaru poniżej. Jeśli chcesz pobrać materiały prezentacyjne wykorzystane podczas sesji, możesz to łatwo zrobić, klikając przycisk pobierania raportu po lewej stronie (jeśli korzystasz z komputera) lub przewijając na samym końcu (jeśli korzystasz z telefonu).
Poniżej znajduje się pełna transkrypcja dyskusji, zredagowana pod kątem przejrzystości, płynności i zwięzłości.
Powitanie i wprowadzenie
Marcin Majewski:
Cześć! Witamy na naszym webinarium poświęconym wycenom AI i fuzjom i przejęciom.
Nazywam się Marcin Majewski, jestem założycielem i partnerem zarządzającym Aventis Advisors.
Filip, przywitaj się i przedstaw.
Filip Drazdou:
Filip Drazdou, jestem dyrektorem w Aventis Advisors. Miło mi wszystkich widzieć.
Marcin Majewski:
Jesteśmy pod wrażeniem, że zdecydowałeś się poświęcić trochę swojego cennego czasu wakacyjnego, aby nas posłuchać. Mam więc nadzieję, że przedstawimy kilka interesujących spostrzeżeń na temat sztucznej inteligencji.
Podobnie jak większość ludzi, byliśmy nowicjuszami w przestrzeni AI, ale zaczęliśmy dość wcześnie, eksperymentując z AI w naszej własnej firmie jeszcze przed ogłoszeniem ChatGPT.
Od dłuższego czasu obserwujemy sztuczną inteligencję i jej wpływ na fuzje i przejęcia oraz inwestycje. W tym webinarium chcemy podzielić się tym, czego nauczyliśmy się do tej pory na temat rynków publicznych, prywatnych i tego, czego spodziewamy się w przyszłości fuzji i przejęć.
Do tej pory nie było wielu wyjść, ale spodziewamy się, że będzie ich wiele. Z niecierpliwością czekamy, aż te wyjścia dojdą do skutku.
W każdym razie, bez zbędnych ceregieli, przejdźmy do prezentacji. Mamy dzisiaj 45 minut, więc zacznijmy od agendy.
Porozmawiamy o:
- AI na rynkach publicznych - spółki giełdowe.
- Następnie interesujące spojrzenie na to, co właściwie kwalifikuje się jako sztuczna inteligencja (Filip to omówi).
- Najnowsze trendy w finansowaniu sztucznej inteligencji.
- Co widzimy w fuzjach i przejęciach AI - wyjścia i jak pozycjonować się jako założyciel lub inwestor.
- Następnie podsumujemy i zakończymy.
Pozostaniemy również kilka minut na koniec, aby odpowiedzieć na wasze pytania, więc zachęcamy do wpisywania ich, a my postaramy się, aby było to jak najbardziej interaktywne.
Film będzie również dostępny na naszej stronie internetowej i w serwisie YouTube. Subskrybuj nasz kanał jeśli możesz.
Filip, do ciebie.
Wyceny AI na rynkach publicznych
Filip Drazdou:
Tak, chcę zacząć od publicznych danych rynkowych, które zazwyczaj zapewniają najlepsze i najbardziej kompleksowe codzienne informacje o tym, co się dzieje.
Już wcześniej mieliśmy bardzo udane indeksy. Na przykład w M&A lub Usługi informatyczne - gdzie można śledzić nastroje i zmiany w branży.
Przez jakiś czas myśleliśmy: zróbmy coś takiego w AI. Ale pytanie brzmiało - co jest Sztuczna inteligencja na rynkach publicznych? Oczywiście przychodzi na myśl Nvidia i być może kilku innych mniejszych graczy. Ale które firmy faktycznie liczą się jako firmy AI?
Wymyśliliśmy całkiem interesującą metodologię. Wybraliśmy jedną konkretną datę w przeszłości (27 stycznia), kiedy DeepSeek został wydany, a rynki się załamały. Nvidia spadła o 17%, a wiele innych firm odnotowało dwucyfrowe spadki.
Powiedzieliśmy więc: w porządku, firmy, które doświadczyły znaczących ruchów tego dnia, są prawdopodobnie w jakiś sposób narażone na ekosystem sztucznej inteligencji. Zebraliśmy listę tych firm z różnych branż i to stało się naszym celem. Indeks AI.
Przeanalizowaliśmy wartości indeksu począwszy od listopada 2023 r. (w okolicach uruchomienia ChatGPT, czyli narodzin nowoczesnej sztucznej inteligencji). Od tego czasu:
- Równoważony indeks AI wzrósł o 166%.
- Wersja ważona kapitalizacją rynkową, w której Nvidia stanowi 30%, wzrosła o prawie 150%.
Główny wniosek: jesteśmy na szczycie wszech czasów dla firm zajmujących się sztuczną inteligencją. Nastroje nie mogą być lepsze.
Zanim przejdziemy do przypadków byków i niedźwiedzi, porozmawiajmy o tym, co znajduje się w tym indeksie.
Uwzględniliśmy cały łańcuch dostaw sztucznej inteligencji. 27 stycznia, kiedy rynki spadły, nie były to tylko półprzewodniki, ale wszystko, od wytwarzania energii elektrycznej po ropę i gaz, łańcuchy dostaw półprzewodników, centra danych i dostawców sprzętu. Więc nasz Indeks AI wyższego szczebla obejmuje wszystkie te firmy, które przyczyniają się do rozwoju infrastruktury AI.
Aplikacje LLM i AI będą ostatecznie częścią tego indeksu, ale większość z nich nie jest jeszcze publicznie notowana. Na razie pracujemy nad infrastrukturą i podażą, co jest bardzo interesujące. Dzisiejsza sztuczna inteligencja to nie tylko OpenAI czy Anthropic; to także cała baza przemysłowa stojąca za nimi.
Bull Case: Boom inwestycyjny w sztuczną inteligencję
Filip Drazdou:
Pytanie brzmi teraz, co dalej? Dokąd zmierzamy?
Naszą tradycją jest przedstawianie zarówno argumentu byka, jak i niedźwiedzia. Marcin, chcesz zacząć od przypadku byka? Jak daleko możemy się posunąć?
Marcin Majewski:
Nie wiem dokładnie, jak daleko, ale cieszę się, że jestem optymistą, ponieważ naprawdę uważam, że zajdziemy bardzo daleko.
Czy to bańka? Trudno powiedzieć. Jest wiele oczekiwań i będzie ich jeszcze więcej.
Myślę jednak, że jest to uzasadnione. Sztuczna inteligencja znacząco zmieni społeczeństwo i sposób życia ludzi.
Przebudowa świata w celu dostosowania go do SI wymaga po prostu dużo pieniędzy. I ktoś musi to zrobić. I ktoś na tym zyska.
Myślę więc, że jesteśmy dopiero na początku rewolucji AI. Zobaczymy znacznie większy wzrost.
Wciąż istnieje ogromna ilość infrastruktury, którą należy zbudować, aby dostosować ją do sztucznej inteligencji. Wierzę, że czeka nas trwający od 5 do 10 lat boom inwestycyjny, który wywinduje wyceny na niespotykane dotąd wyżyny.
Tym razem wyjątkowe jest również to, że rywalizują nie tylko firmy. W grę wchodzą również państwa narodowe. Jest to coś, czego nie widzieliśmy podczas poprzednich boomów technologicznych.
Duża część infrastruktury będzie zbędna, ponieważ będzie powielana w różnych lokalizacjach geograficznych. Każdy chce mieć suwerenną sztuczną inteligencję.
Będziemy więc mieć suwerenną sztuczną inteligencję dla Stanów Zjednoczonych, Chin, krajów UE i wielu innych.
Dlatego uważam, że inwestycje w sieć, w centra danych będą ogromne.
Dopóki nie zbudujemy nowej fuzji jądrowej jako źródła energii, myślę, że nadal będziemy potrzebować mnóstwa takich inwestycji. Bo to jest po prostu drogie.
Myślę więc, że przed tymi firmami jeszcze długa droga.
Filip?
Bear Case: Korekty na rynku AI i presja konkurencyjna
Filip Drazdou:
Tak, trochę trudno było znaleźć tutaj niedźwiedzia. Wiele z tych spółek to nie hype stocks czy SPAC. Są to firmy starej gospodarki, które istnieją od ponad 100 lat i dopiero teraz czerpią korzyści ze wszystkich inwestycji i CapEx w AI.
Gdybym miał postawić tezę o niedźwiedziu, zacząłbym od korelacji z indeksem S&P 500. Jeśli uważasz, że rynek jest ogólnie przewartościowany, zwłaszcza w Stanach Zjednoczonych, to w przypadku jakiejkolwiek korekty spółki te ucierpią.
Widzieliśmy to już w przypadku ceł, które spowodowały dość duży spadek dla wielu spółek. Jeśli więc w Stanach Zjednoczonych pojawi się kolejna bessa, spółki te mogą tracić na wartości szybciej niż inne.
Moja druga uwaga brzmi: obecnie firmy te cieszą się bardzo wysoką rentownością i marżami. Nvidia praktycznie drukuje pieniądze w miliardach. Ale zgodnie z prawami ekonomii, w końcu zostanie to zniwelowane. Całkowita pula zysków zmniejszy się wraz z pojawieniem się nowych graczy, nasileniem się konkurencji i przeniesieniem wartości na konsumentów lub firmy.
Możemy więc zaobserwować spadek zysków, a wraz z nim spadek cen akcji, ale nie z powodu zaniku popytu, ale z powodu redystrybucji zysków.
Próbka firm jest jednak dość zróżnicowana. Osobiście nie widzę bańki w dziedzinie sztucznej inteligencji.
Jak myślisz, Marcin?
Wyceny AI: Czy istnieje bańka w wycenach AI?
Marcin Majewski:
Nie, nie. Jeśli spojrzymy na szeroki segment i łańcuch dostaw, myślę, że to rozsądne. Nawet Nvidia wygląda dla mnie rozsądnie.
Filip Drazdou:
Tak, zwłaszcza przy dotychczasowym wzroście przychodów i rentowności.
Marcin Majewski:
Tak, dokładnie.
Filip Drazdou:
Warto jednak zauważyć, że nie dotyczy to tylko Nvidii. Przyjrzeliśmy się różnym segmentom i przeanalizowaliśmy, które grupy osiągnęły najlepsze wyniki od czasu wydania ChatGPT.
Stworzyliśmy ważony równomiernie indeks różnych spółek eksponowanych na sztuczną inteligencję i wykreśliliśmy je według całkowitego zwrotu. Nvidia - część grupy dostawców chipów - oscyluje wokół ogólnej średniej indeksu, ponieważ niektóre inne firmy półprzewodnikowe nie radziły sobie tak dobrze.
To, co naprawdę mnie wyróżniało, to infrastruktura i wszystko, co związane z elektrycznością, HVAC, budową centrów danych. Te firmy, które faktycznie budują fizyczną infrastrukturę dla sztucznej inteligencji, osiągają najlepsze wyniki.
To bardzo wymowne. Na razie nie jest to oprogramowanie, ponieważ oprogramowanie takie jak OpenAI nie jest jeszcze notowane, więc nie wiemy, jak radziłoby sobie na rynkach publicznych.
Jak dotąd tradycyjne spółki radziły sobie bardzo dobrze. Ma to duże znaczenie dla inwestorów. Nie musisz gonić za kolejnym OpenAI lub Anthropic.
Istnieje wiele solidnych możliwości na rynkach publicznych i prawdopodobnie jeszcze więcej na rynkach prywatnych dla dostawców tych graczy infrastruktury AI. Są one często dość wysoko wyceniane, ale mogą skorzystać na rosnącym popycie na usługi, konstrukcje i sprzęt.
Porady dla założycieli AI
Marcin Majewski:
Więc Filip, gdybyś miał doradzić założycielowi, powiedziałbyś mu, żeby gonił jednorożce, czy zajął się HVAC i handlem?
Filip Drazdou:
Myślę, że zależy to od apetytu na ryzyko. Ale tak, uważam, że istnieją możliwości w branży HVAC i energii elektrycznej. Niektóre z tych spółek notowane są przy średnich jednocyfrowych wskaźnikach EBITDA.
Marcin Majewski:
Nie, ale gdybyś rozmawiał z założycielem startupu, czy powiedziałbyś mu, żeby zajął się HVAC, pracował w terenie, czy też zajął się uczeniem maszynowym, budowaniem LLM lub wrapperów AI?
Filip Drazdou:
Myślę, że to naprawdę zależy od osobowości. Widzimy, że wiele osób decyduje się na studia LLM i AI. Ale jest to również trudne, ponieważ nie tylko prowadzisz badania, ale musisz także prowadzić firmę.
Tak więc, dla każdego coś innego. Myślę, że HVAC nie jest tak złą okazją, jak mogłoby się wydawać.
Marcin Majewski:
To bardzo wyważony pogląd. Powiedziałbym, że stosunek ryzyka do zysku jest prawdopodobnie lepszy w bardziej tradycyjnych transakcjach niż w przypadku sztucznej inteligencji.
Oczywiście, najwięksi outliers, ludzie, którzy zarabiają najwięcej pieniędzy, będą w AI. Aby jednak uzyskać bardziej rozsądny zwrot z podejmowanego ryzyka, bardziej sensowne może być zajęcie się czymś tradycyjnym i konserwatywnym.
W tych sektorach można dokonać wielu bezpiecznych zakładów, a także oferują one solidne możliwości wyjścia z inwestycji.
Filip Drazdou:
Tak, a jeśli ta produkcja połączy się z pewnym reshoringiem w Stanach Zjednoczonych, można zarobić dużo pieniędzy na produkcji rzeczy, które wcześniej były produkowane za granicą, ale teraz są sprowadzane z powrotem. Na przykład komponenty potrzebne do centrów danych.
Marcin Majewski:
Dokładnie. I to nie tylko w Stanach Zjednoczonych. To samo dzieje się w Europie. Wraz z deglobalizacją łańcuchy dostaw stają się coraz krótsze, więc lokalna siła robocza i produkcja będą prawdopodobnie rosły we wszystkich głównych blokach gospodarczych.
To bardzo interesująca zmiana.
Wyceny AI na rynkach prywatnych i trendy w finansowaniu AI
Marcin Majewski:
Przejdźmy więc do finansowania prywatnego.
Filip Drazdou:
Tak, finansowanie.
Marcin Majewski:
Jesteśmy tym bardzo podekscytowani, ponieważ lubimy patrzeć, jak rzeczy się rozwijają, choć jest tu wiele niuansów i wiele do rozpakowania.
Oczywiście nagłówki są znajome. Największe rundy finansowania w historii dotyczą sztucznej inteligencji. To powszechna wiedza. Jeśli jednak zagłębimy się w strukturę finansowania, zaczniemy dostrzegać mniej oczywiste wzorce.
Zaobserwowaliśmy, że coraz większa część całkowitego finansowania AI trafia do zwycięzców. Myślę, że już teraz możemy ich tak nazwać. Coraz mniej kapitału trafia do startupów na wczesnym etapie rozwoju.
Pokazuje to, że branża dojrzewa. Pod pewnymi względami jest już dość późno.
Rok 2025 będzie prawdopodobnie poza wykresami ($110 miliardów od czerwca). Nie zdziwiłbym się, gdybyśmy do końca roku osiągnęli $200 miliardów całkowitego finansowania AI.
A to nawet nie obejmuje wszystkich inwestycji "Wspaniałej 7" w sztuczną inteligencję. Ogólnie rzecz biorąc, inwestycje w sztuczną inteligencję mogą już sięgać bilionów dolarów.
To ekscytujący czas, a w tej przestrzeni można zarobić dużo pieniędzy.
Mniej rund, większe czeki
Na kolejnym slajdzie pokazaliśmy liczbę transakcji. Tendencja jest podobna, z mniejszą liczbą rund, ale bardziej skoncentrowanym finansowaniem.
Liczba rund finansowania osiągnęła szczyt w 2021 r., prawdopodobnie również pod wpływem zmian związanych z COVID.
W 2025 roku możemy zaobserwować ożywienie w liczbie rund AI. Możemy wyrównać rekord z 2024 roku, ale nie sądzę, abyśmy przekroczyli liczbę, którą widzieliśmy we wcześniejszych latach.
Rok 2021 prawdopodobnie oznaczał szczyt wolumenu transakcji i spodziewam się, że koncentracja wokół największych startupów będzie się utrzymywać.
Wyceny sztucznej inteligencji w 2025 roku: Szerokie spektrum
Wyceny są bardzo interesujące. Przedstawiliśmy migawkę wycen z 2025 r. i okresowo ją odświeżamy.
Istnieje ogromna rozpiętość w mnożnikach EV / przychodów - od wysokich jednocyfrowych wartości dla niektórych firm, do ponad 100x dla Perplexity.
Kluczowym czynnikiem wpływającym na wycenę jest wzrost przychodów. Na następnym slajdzie porównujemy rundy finansowania OpenAI i ewolucję wielokrotności przychodów.
W grudniu 2023 r. spółka zebrała 53-krotność przychodów. Następnie wzrosły ponad 5-krotnie, a ich wielokrotność spadła do 42x. Następnie ponownie prawie się potroili, a wielokrotność spadła jeszcze bardziej.
Jest to naturalne zjawisko. W miarę jak branża dojrzewa, mnożniki przychodów ulegają kompresji, a od firm oczekuje się, że w końcu osiągną zysk. Jesteśmy jeszcze daleko od tego, ale spodziewam się, że firmy zajmujące się sztuczną inteligencją będą mocniej naciskać na monetyzację.
Prawdopodobnie zaobserwujemy szerszy spadek mnożników przychodów, nawet wśród firm na wczesnym etapie rozwoju, zwłaszcza że zarabianie pieniędzy staje się łatwiejsze, a klienci są coraz bardziej skłonni płacić za sztuczną inteligencję.
Sztuczna inteligencja była kiedyś nowością, często darmową. Obecnie wiele firm agresywnie na niej zarabia.
Co napędza wycenę poza wzrostem?
Na kolejnym slajdzie podkreślamy, co wyróżnia wyceny poza samym wzrostem przychodów.
Bardzo ważne jest, aby ocenić jakość podstawowej działalności. Pod szyldem sztucznej inteligencji działa wiele różnych rodzajów firm, ale niektóre modele biznesowe są wyraźnie bardziej zrównoważone niż inne.
Dzielimy je na trzy szerokie kategorie:
- Modele podstawowe: Są to firmy, które koncentrują się na badaniach i szkoleniach w zakresie sztucznej inteligencji. Zasilają one aplikacje innych firm. Mają tendencję do osiągania najwyższych wycen i naszym zdaniem jest to uzasadnione, ponieważ są bardziej zrównoważone.
- Aplikacje AI: Są to solidne firmy zbudowane w oparciu o sztuczną inteligencję, rozwiązujące określone problemy w pionach lub branżach. To nie są tylko opakowania. Firmy te dogłębnie rozumieją swoich klientów, ich przepływy pracy i stosują sztuczną inteligencję w znaczący sposób, aby dostarczać rzeczywistą wartość.
- Cienkie opakowania AI: Zazwyczaj oferują one minimalną wartość dodaną, tylko nieco lepszy interfejs niż ChatGPT, aby zrobić zasadniczo to samo. Są one w dużym stopniu zależne od obliczeń i są najbardziej ryzykownym modelem.
Obecnie firmy zajmujące się aplikacjami AI notują 10-60-krotność przychodów. Ale są one również dość intensywnie sprzedawane i narażone na ryzyko zakłóceń, zwłaszcza jeśli firmy takie jak OpenAI oferują podobną funkcjonalność za darmo.
Ogólnie rzecz biorąc, im bardziej produkt firmy pasuje do rzeczywistego przypadku biznesowego lub problemu, tym lepsza jest jego wycena.
Na dole mamy ogólne modele sztucznej inteligencji typu "ja też. Zwykle handluje się nimi przy mnożnikach przychodów 1-5x, co obserwujemy obecnie na rynku.
Marcin Majewski:
Filip, coś byś dodał?
Alokacja kapitału w sztucznej inteligencji: dokąd idą pieniądze
Filip Drazdou:
Jasne - chciałbym dodać trochę do wszystkich slajdów. Jednym z interesujących spostrzeżeń z górnego slajdu dotyczącego pozyskiwania funduszy jest to, w jaki sposób wiąże się to z rynkami publicznymi. Prawie wszystkie fundusze dla OpenAI, Anthropic i Cohere są ostatecznie przeznaczane na infrastrukturę lub szkolenie modeli.
Nie ma zbyt wiele kapitału przeznaczonego na aplikacje AI. Większość z nich przeznaczana jest na badania podstawowe, centra danych, procesory, duże inwestycje CapEx.
Wiemy dużo o SaaS i wielu z nas zna wyceny SaaS. Dla porównania, 20-30-krotność przychodów dla pionierskich firm z branży sztucznej inteligencji może wydawać się wysoka, ale nie jest oburzająca. W szczytowym okresie bańki SaaS wiele spółek publicznych było notowanych przy podobnych mnożnikach, przy znacznie wolniejszym wzroście i braku rentowności.
Nie znamy dokładnej rentowności tych spółek zajmujących się sztuczną inteligencją, ale na wysokim poziomie ich mnożniki nie wydają się zawyżone. Powiedziałbym, że wyceny są dość rozsądne. Wydaje się, że inwestorzy lepiej rozumieją, jak analizować i wyceniać te firmy. Nie otrzymujesz premii tylko dlatego, że jesteś "firmą AI".
Fuzje i przejęcia w dziedzinie sztucznej inteligencji
Marcin Majewski:
Przejdźmy do fuzji i przejęć związanych ze sztuczną inteligencją. Wciąż jesteśmy na wczesnym etapie. Wolumen jest niewielki. Powiedziałbym, że niewielki, ale transakcje, które mają miejsce, są bardzo głośne.
Przeanalizowaliśmy ostatnie dwa i pół roku aktywności. Jest ona wciąż powolna. W 2023 r. odnotowaliśmy około 100 wyjść, które sklasyfikowaliśmy jako fuzje i przejęcia związane ze sztuczną inteligencją, głównie wykupy większościowe. Aby było jasne, nie liczymy tutaj rund finansowania.
W 2024 roku mieliśmy ich 138. W 2025 roku mamy już 80, a wygląda na to, że ten rok ustanowi nowy rekord. Aktywność rośnie, ale wciąż jesteśmy na wczesnym etapie. Prawdziwy szczyt nastąpi prawdopodobnie za kilka lat.
Szczególnie godne uwagi jest to, jak krótki jest cykl - od założenia do wyjścia z inwestycji. Niektóre startupy AI są sprzedawane, zanim jeszcze trafią na rynek. Widzimy to teraz coraz częściej. Branża staje się coraz bardziej konkurencyjna i trudniejsza do rozwoju, więc okno wyjścia jest coraz krótsze. Obecnie wynosi ono około pięciu lat, ale widzieliśmy już firmy, które wychodziły z inwestycji po sześciu miesiącach.
To coś, czego nigdy wcześniej nie widzieliśmy. To niesamowite, ale także niezwykle trudne dla założycieli. Musisz naprawdę precyzyjnie zaplanować swoje wejście i wyjście. Ta gra jest tylko dla najlepszych operatorów.
Marcin Majewski:
Filip, coś do dodania?
Filip Drazdou:
Nie, zgadzam się. Fuzje i przejęcia związane ze sztuczną inteligencją będą nadal rosły, ale nadal trudno jest stwierdzić, które firmy są naprawdę AI, a które są po prostu rebrandowanymi SaaS z dodanymi funkcjami AI.
Ale jak powiedziałeś, coraz więcej z tych firm będzie szybko przejmowanych.
Jak wycenić firmę zajmującą się sztuczną inteligencją
Marcin Majewski:
Nasi klienci często pytają nas o to, jak wycenić swoją firmę zajmującą się sztuczną inteligencją. Chcieliśmy więc podzielić się kilkoma rzeczywistymi doświadczeniami i praktycznymi wskazówkami, zwłaszcza w kontekście fuzji i przejęć.
Po pierwsze, szum i doniesienia prasowe na temat sztucznej inteligencji zniekształcają rzeczywistość. Tak, istnieje kilka bardzo głośnych przejęć, w których duzi, dobrze finansowani nabywcy płacą ogromne ceny za firmy z kluczowymi synergiami lub talentami.
Ceny te są zazwyczaj uzasadnione. Na przykład firmy takie jak Meta stoją w obliczu ogromnego ryzyka, jeśli nie wygrają w AI. Aby to złagodzić, są skłonne zapłacić najwyższą cenę.
Jednak patrząc na szerszą grupę startupów AI, wiele z nich boryka się z trudnościami. Wciąż szukają dopasowania produktu do rynku, mają wysoką rotację, a ich struktury kosztów są trudne, ponieważ wiele z nich odsprzedaje obliczenia od innych, co zjada ich marże.
W przeciwieństwie do firm SaaS, które zazwyczaj miały marże brutto na poziomie 80-90%, widzimy, że firmy zajmujące się sztuczną inteligencją działają na poziomie 40-50%. Trudno jest zbudować coś trwałego z taką ekonomią.
Jeszcze trudniejsze jest to, że kolejna kohorta startupów AI będzie dysponować jeszcze bardziej wydajnymi narzędziami, często zbudowanymi przez dzisiejsze pokolenie. Przyspieszy to konkurencję, jeszcze bardziej obniży marże i podniesie koszty pozyskiwania klientów.
Gdzie powstaje wartość
Większość dzisiejszej wartości trafia do warstwy infrastruktury, niezależnie od tego, czy są to dostawcy energii, czy warstwa obliczeniowa (np. twórcy modeli i LLM). Gdybym miał wybierać, postawiłbym raczej na "kilofy i łopaty" niż na przeludnioną warstwę aplikacji.
W Aventis staramy się stosować konserwatywne, racjonalne podejście do wyceny AI. Naszym zdaniem firmy zajmujące się sztuczną inteligencją nie różnią się zasadniczo od innych przedsiębiorstw. Obowiązują te same zasady.
Potrzebujesz:
- Solidna analiza fundamentalna
- Przejrzysta ekonomika jednostki
- Wskaźniki KPI, takie jak wzrost przychodów, utrzymanie klientów, stosunek CAC do LTV itp.
Bycie "AI" nie zapewnia domyślnie premii. W przypadku braku wyraźnej synergii napędzanej przez kupującego, wyjścia mogą być nawet czerwoną flagą. Proaktywne poszukiwanie wyjścia może sygnalizować, że coś nie działa.
Jeśli jednak kupujący zgłosi się do ciebie teraz, a dopasowanie jest odpowiednie, prawdopodobnie jest to świetny czas na odpowiedź.
Podręcznik wyceny
Na następnym slajdzie przedstawiliśmy nasz zwykły podręcznik do wyceny firmy technologicznej.
- Podejście oparte na dochodach: Zdyskontowane przepływy pieniężne. Prognozujesz przyszłe wyniki biznesowe i wyceniasz prognozowane przepływy pieniężne. Bardzo trudne w AI, ponieważ większość firm nie jest jeszcze rentowna, ale nadal jest to wykonalne, choć spekulacyjne.
- Metoda porównawcza: Porównujesz mnożniki wyceny z rund finansowania lub porównań publicznych. Nie ma jeszcze wielu benchmarków dotyczących fuzji i przejęć, ale ogólnie rzecz biorąc, jeśli pozyskałeś 10-krotność przychodów, powinieneś dążyć do podwojenia przychodów, aby wyjść na poziomie 5x i zapewnić inwestorom całość.
- Podejście oparte na aktywach: Często w oparciu o wartość odtworzeniową. Założyciele czasami lubią kierować rozmowy w tym kierunku, ale nie zalecamy tego w przypadku sztucznej inteligencji. Technologia ta bardzo szybko traci na wartości. Narzędzia i techniki szybko ewoluują, sprawiając, że to, co budujesz, staje się przestarzałe w ciągu kilku miesięcy.
Podsumowując, staramy się pozostać uziemieni. Chcemy nadać sens temu, co się dzieje, bez poddawania się szumowi lub panice.
Uwagi końcowe i pytania i odpowiedzi
Marcin Majewski:
Jeśli Filip nie ma nic więcej do dodania, myślę, że możemy zakończyć.
Filip Drazdou:
Tak, myślę, że możemy.
Marcin Majewski:
To by było na tyle. I tak, wygenerowaliśmy mema za pomocą AI! To prawdopodobnie jedyna rzecz w całej talii, do której użyliśmy AI.
W tej przestrzeni jest dużo szumu i FOMO. Mamy nadzieję, że ten artykuł przyniósł trochę zdrowego rozsądku i jasności. Zachęcamy do kontaktu z nami w przypadku jakichkolwiek pytań lub jeśli potrzebujesz porady dotyczącej inwestycji lub strategii wyjścia.
Chętnie udzielimy wyważonych, racjonalnych wskazówek.
W końcu dojdzie do wyjścia, trzeba tylko podejść do tego świadomie, z czystą głową.
Pytania i odpowiedzi publiczności
Marcin Majewski:
Mamy kilka pytań. Czy powinniśmy się nimi zająć?
Filip Drazdou:
Tak, pierwszy z nich, który widzę, mógłby zająć cały nasz czas, ale prawdopodobnie jest to ten, o którym wszyscy myślą:
"Czy sztuczna inteligencja to kolejna bańka internetowa?".
Marcin Majewski:
Jest wiele podobieństw. Ale myślę, że różni się pod jednym kluczowym względem: Firmy zajmujące się sztuczną inteligencją generują realne przychody lub przynajmniej próbują to robić. Nie miało to miejsca podczas bańki internetowej, kiedy to można było zbierać pieniądze tylko na podstawie oglądalności i ruchu w sieci.
Dziś trzeba przynajmniej sprzedać kilka tokenów, aby uzasadnić wycenę.
Marcin Majewski:
Następne pytanie: Czy hype nieco przygasł?…
Filip Drazdou:
Tak, myślę, że szum nieco wygasa. Inwestorzy są teraz znacznie lepiej poinformowani o sztucznej inteligencji. Jak powiedziałeś wcześniej, wyceniają spółki w oparciu o fundamenty i dane finansowe, a nie tylko technologię lub etykietę "AI".
Obecnie firmy muszą odpowiadać na trudniejsze pytania:
- Ilu masz użytkowników?
- Jak będziesz zarabiać pieniądze?
- Jaka jest marża brutto?
Trudniej jest teraz uzyskać finansowanie. Wielu wczesnych inwestorów sparzyło się na startupach, które miały początkową falę popularności, ale potem ChatGPT dodał tę samą funkcjonalność, stał się częścią Copilot lub został zintegrowany z Google Gemini. Google wprowadza nowe produkty na każdej konferencji.
Naprawdę musisz upewnić się, że aplikacja AI, którą finansujesz na etapie zalążkowym lub serii A, może przetrwać. Na przykład, pojawiła się duża fala notatników AI, a teraz ta funkcja istnieje natywnie w Google Meet. Excel otrzymał obsługę formuł opartych na sztucznej inteligencji. Arkusze Google mają teraz "=AI" podpowiadające Gemini.
Implikacja jest więc jasna: będą wielcy zwycięzcy, ale prawdopodobnie wśród dużych firm z głębokimi kieszeniami. Mniejszym graczom będzie trudniej.
Marcin Majewski:
Dokładnie. Inwestorzy są teraz bardziej wymagający. Nie przyciągniesz ich uwagi, mówiąc, że zajmujesz się sztuczną inteligencją. Potrzebujesz solidnego zespołu i jasnej strategii wejścia na rynek, aby przyciągnąć kapitał.
P: Czy podstawowe modele zostaną utowarowione?
Marcin Majewski:
Świetne pytanie. Nie sądzę, byśmy mieli kwalifikacje do zagłębiania się w tę kwestię z technicznego punktu widzenia, ale z inwestycyjnego punktu widzenia modele fundamentalne to coś więcej niż tylko same modele.
Ich stworzenie i obsługa wymaga ogromnych nakładów energii, sprzętu i infrastruktury. Myślę, że tylko garstka firm będzie w stanie pozwolić sobie na ich utrzymanie. Spodziewam się więc, że skończymy z oligopolem - tylko kilku dużych graczy zarabiających większość pieniędzy.
To sprawia, że jest mało prawdopodobne, aby podstawowe modele stały się towarem. Są one zbyt rzadkie i zbyt drogie.
P: Czy mnożniki fundraisingowe są tak użyteczne jak porównania spółek publicznych?
Marcin Majewski:
Porównania dotyczące pozyskiwania funduszy często wykazują wyższe mnożniki, ponieważ firmy są na wcześniejszym etapie cyklu życia i mają wyższe stopy wzrostu. Porównania spółek publicznych są niższe, odzwierciedlając dojrzałość.
Ostatecznie te dwa czynniki będą się do siebie zbliżać. W miarę jak prywatne firmy, takie jak OpenAI, osiągają późne etapy, ich mnożniki prawdopodobnie będą bardziej zbliżone do dojrzałych firm, takich jak Google czy Microsoft.
Filip Drazdou:
Tak, często używamy porównań do ustalania pułapów i zarządzania oczekiwaniami. Na przykład, jeśli OpenAI pozyskuje 20-krotność przychodów i rośnie w określonym tempie, mniejsza niszowa firma nie otrzyma takiej samej wielokrotności, będzie ona znacznie niższa.
Te benchmarki są więc przydatne do zakotwiczenia wycen, nawet jeśli nie są one porównywalne.
P: W którym momencie straty w dużych firmach zajmujących się sztuczną inteligencją stają się czerwoną flagą?
Filip Drazdou:
Doskonałe pytanie. Widzieliśmy, że firmy SaaS i marketplace przetrwały ze stratami przez bardzo długi czas. Kiedyś byłem sceptyczny, ale Amazon, Uber i Airbnb zmieniły tę narrację. Różne modele, ale ta sama lekcja.
Jeśli firma staje się wystarczająco duża, straty są mniejszym zmartwieniem, zwłaszcza w branżach pionierskich, takich jak sztuczna inteligencja.
Kluczowym sygnałem jest wzrost. Dopóki spółka rośnie, inwestorzy nie zwracają uwagi na straty. Ale gdy wzrost zatrzymuje się, kwestia rentowności staje się nieunikniona.
Marcin Majewski:
Dokładnie. Firmom takim jak Uber w końcu udało się "włączyć" rentowność. Jest to więc możliwe, choć zdecydowanie trudniejsze dla mniejszych graczy.
Środowisko gospodarcze i odporność AI
Marcin Majewski:
Moim zdaniem, dopóki stopy procentowe i koszt kapitału pozostają na relatywnie niskim poziomie, nikomu nie przeszkadza, że spółki te przynoszą straty, pod warunkiem, że odnotowują rozsądny wzrost.
Jeśli jednak doświadczymy kolejnej fali inflacji i w rezultacie wzrosną stopy procentowe, co zasadniczo wywoła poważny kryzys gospodarczy. Uważam, że mogłoby to doprowadzić do znacznego ograniczenia wydatków związanych ze sztuczną inteligencją.
Tak więc, choć ryzyko to istnieje, dopóki środowisko finansowe pozostaje stabilne, nie widzę powszechnej presji na firmy zajmujące się sztuczną inteligencją.
Narzędzia AI używane przez doradców ds. fuzji i przejęć
Marcin Majewski:
Filip, z jakich narzędzi AI korzystamy jako doradcy ds. fuzji i przejęć?
Używamy całkiem sporo. ChatGPT jest głęboko osadzony w naszych przepływach pracy. Coraz częściej korzystamy też z Gemini, które zaczyna odgrywać coraz większą rolę.
Czasami mamy implementacje z Claude Perplexity dla niektórych przypadków użycia.
Filip Drazdou:
Więc tak, używaliśmy Perplexity przez jakiś czas, ale po tym jak ChatGPT dodał funkcję wyszukiwania, używanie osobnego produktu tylko do tego celu wydawało się nieco zbędne.
Przetestowaliśmy wiele narzędzi. Wiele z nich jeszcze nie działa, ale ludzie bardzo chętnie testują aplikacje AI. Jeśli więc firma zwróci się do nas z narzędziem sztucznej inteligencji dostosowanym do fuzji i przejęć, z dużym prawdopodobieństwem je wypróbujemy.
Jednak w większości przypadków narzędzie to nie spełnia naszych oczekiwań.
Marcin Majewski:
Dokładnie. Łatwo jest uzyskać początkową trakcję w AI, ale utrzymanie klientów jest znacznie trudniejsze.
Doszliśmy do wniosku, że podobnie jak wiele firm świadczących profesjonalne usługi, musimy przekształcić się w firmę technologiczną. Planujemy znaczne inwestycje w tworzenie własnych agentów i systemów AI.
Charakter pracy młodszego analityka szybko się zmienia. Podczas gdy to, co robimy rozmawiając z ludźmi, doradzając, nie zmienia się zbytnio, sposób, w jaki gromadzimy i analizujemy dane, szybko się przekształca.
Czy reguła 40 jest nadal przydatna w sztucznej inteligencji?
Marcin Majewski:
Otrzymaliśmy świetne pytanie: czy Reguła 40 jest nadal przydatna w sztucznej inteligencji?
Myślę, że to wciąż aktualne. Zasada 40, marża zysku plus wzrost przychodów to dobre ramy. Chociaż wiele firm zajmujących się sztuczną inteligencją nie jest jeszcze rentownych, inwestorzy nadal dbają o obie strony tego równania. Jeśli jesteś zarówno rentowny, jak i szybko się rozwijasz, jest to dobry przepis na udane wyjście z inwestycji.
Filip Drazdou:
Tak, ale zależy to od modelu biznesowego. Reguła 40 powstała w SaaS, gdzie firmy miały wysokie koszty pozyskania klienta i powtarzające się przychody z subskrypcji. W tym kontekście sensowne było poświęcenie rentowności na rzecz wzrostu.
Jeśli firma zajmująca się sztuczną inteligencją ma podobną dynamikę, to działa. Ale jeśli jest to bardziej e-commerce lub model odsprzedaży, gdzie marże są niskie, a utrzymanie klientów słabe, potrzebujesz rentowności z góry.
Wgląd w wyceny AI i porównania SaaS
Filip Drazdou:
Kolejną kwestią, którą omawialiśmy przed webinarium, był "efekt DeepSeek" z 27 stycznia. Przyjrzeliśmy się, które akcje spółek wzrosły lub spadły tego dnia.
Co zaskakujące, firmy SaaS nie poruszyły się zbytnio. Więc nawet jeśli mogą wspominać o "sztucznej inteligencji" dziesiątki razy w rozmowach o zyskach, inwestorzy na rynku publicznym tego nie kupują. Istnieje wyraźne rozróżnienie: Spółki AI i SaaS są traktowane jako odrębne klasy.
Zakłócenie przez Google: Prawdziwe zagrożenie
Marcin Majewski:
Pojawiło się naprawdę interesujące pytanie dotyczące aplikacji głosowych i wideo, które zostały zakłócone przez Google.
To się zdecydowanie dzieje. Generowanie wideo przez sztuczną inteligencję Google, funkcje transkrypcji w Meet oraz integracje z Sheets i innymi narzędziami - to poważne zagrożenia dla firm z wąskimi przypadkami użycia.
W przeszłości Google nie zawracało sobie głowy mniejszymi, niszowymi produktami SaaS. Ale teraz, dzięki sztucznej inteligencji, jest dla nich ekonomicznie wykonalne bezpośrednie dostarczanie tych możliwości.
Tym razem Google działa szybko i myślę, że wyciągnęli wnioski z wcześniejszych niepowodzeń w mediach społecznościowych. Byli jednymi z pierwszych, którzy zainwestowali w sztuczną inteligencję, a teraz wykonują ją bardzo dobrze.
Filip Drazdou:
Mieliśmy linię gdzieś w talii: "Im większy TAM, tym bardziej ryzykowny". Ma to tutaj dobre zastosowanie.
ARR w świecie sztucznej inteligencji: Nadal aktualne?
Marcin Majewski:
Kolejne świetne pytanie: czy ARR jest przestarzały w świecie sztucznej inteligencji?
Filip Drazdou:
To zależy od modelu biznesowego. Jeśli jest to biznes oparty na subskrypcji, ARR jest nadal bardzo przydatny. Można zastosować wszystkie znane wskaźniki SaaS (ARPU, LTV/CAC, retencja).
Ale jeśli odsprzedajesz tokeny lub przeprowadzasz jednorazowe transakcje, ARR staje się mniej znaczący.
Marcin Majewski:
Ostatecznie, niezależnie od używanej miary, musi się ona sumować w DCF. ARR to skrót do zrozumienia wartości, ale EBITDA, przepływy pieniężne i zrównoważona ekonomia mają większe znaczenie w dłuższej perspektywie.
Jest to jedno z narzędzi w zestawie narzędzi, ale nigdy jedyne.
Uwagi końcowe
Marcin Majewski:
To prowadzi nas do końca dzisiejszego webinaru.
Jeśli chcesz z nami porozmawiać, czy to w celu zbudowania strategii AI, planu wyjścia, czy mapy drogowej inwestycji - skontaktuj się z nami. Chętnie odbierzemy telefon i doradzimy.
Mamy nadzieję, że ta sesja okazała się wnikliwa. Prosimy o podzielenie się nią z kolegami, przyjaciółmi lub rodziną, którzy mogą z niej skorzystać.
Wkrótce udostępnimy nagranie i transkrypcję.
Jeszcze raz dziękujemy za dołączenie do nas podczas letnich wakacji, zwłaszcza tym z Was, którzy mieszkają w Europie, gdzie lipiec jest zazwyczaj wolniejszym miesiącem.
Filip Drazdou:
Dziękuję wszystkim. Miłej reszty dnia.
Marcin Majewski:
Dziękuję.
Filip Drazdou:
Dzięki, pa.
Marcin Majewski:
Do widzenia.
