1 lipca 2025 roku zorganizowaliśmy webinar na żywo zatytułowany „AI Valuations and Funding Trends in 2025”. Webinar poprowadzili Marcin Majewski, Managing Director, oraz Filip Drazdou, M&A Director.
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 webinarze o wycenach AI i M&A.
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 dużym wrażeniem, że zdecydowaliście się poświęcić część cennego letniego urlopu, żeby nas posłuchać. Mam nadzieję, że podzielimy się z Wami kilkoma ciekawymi spostrzeżeniami na temat sztucznej inteligencji.
Jak większość ludzi, w świecie AI byliśmy nowicjuszami, ale zaczęliśmy dość wcześnie, eksperymentując ze sztuczną inteligencją we własnej firmie jeszcze przed premierą ChatGPT.
Obserwujemy więc AI i jej wpływ na M&A oraz inwestycje już od dłuższego czasu. Na tym webinarze chcemy podzielić się tym, czego dowiedzieliśmy się dotąd o rynkach publicznych, rynkach prywatnych i tym, czego spodziewamy się po przyszłości M&A.
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, czyli spółki notowane na giełdzie.
- Następnie interesujące spojrzenie na to, co właściwie kwalifikuje się jako sztuczna inteligencja (Filip to omówi).
- Najnowsze trendy w finansowaniu sztucznej inteligencji.
- To, co widzimy w AI M&A i exity oraz to, jak ustawić się w roli założyciela lub inwestora.
- 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.
Nagranie będzie też dostępne na naszej stronie i na YouTube, więc koniecznie Subskrybuj nasz kanał jeśli możesz.
Filip, do ciebie.
Wyceny AI na rynkach publicznych
Filip Drazdou:
Tak, chcę zacząć od danych z rynków publicznych, które zwykle dostarczają najlepszej i najbardziej kompleksowej, codziennej informacji o tym, co się dzieje.
Robiliśmy już wcześniej bardzo udane indeksy, na przykład dla SaaS lub Usługi informatyczne , gdzie można śledzić nastroje i rozwój branży.
Od pewnego czasu myśleliśmy: zróbmy coś takiego w AI. Ale pojawiało się pytanie: 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 roku (mniej więcej w czasie premiery ChatGPT, czyli narodzin nowoczesnej AI). 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 AI. 27 stycznia, kiedy rynki spadły, nie chodziło tylko o półprzewodniki, ale o wszystko: od wytwarzania energii elektrycznej, przez sektor naftowo-gazowy, łańcuchy dostaw półprzewodników i centra danych, aż po dostawców sprzętu. Dlatego 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:
Tak. Nie wiem dokładnie, jak daleko, ale z przyjemnością stawiam na scenariusz byczy, bo szczerze wierzę, że zajdziemy bardzo daleko.
Czy to bańka? Trudno powiedzieć. Jest wiele oczekiwań i będzie ich jeszcze więcej.
Ale uważam, że te oczekiwania są uzasadnione. AI zasadniczo zmieni społeczeństwo i sposób, w jaki żyją ludzie.
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 pozostaje do zbudowania ogromna ilość infrastruktury, by dostosować świat do AI. Wierzę, że czeka nas 5- do 10-letni boom inwestycyjny, który wywinduje wyceny na niespotykane wcześniej poziomy.
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 AI dla USA, dla Chin, dla krajów UE i tak dalej.
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 zbudować scenariusz niedźwiedzi, zacząłbym od korelacji z indeksem S&P 500. Jeśli uważasz, że rynek jako całość jest przewartościowany, zwłaszcza w USA, to przy każdej korekcie te spółki 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 zobaczyć spadek zysków, a wraz z nim spadek kursów akcji, ale nie dlatego, że zniknie popyt, lecz dlatego, że zyski rozłożą się inaczej.
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.
Zbudowaliśmy indeks o równych wagach złożony z różnych spółek powiązanych z AI i uszeregowaliśmy je według całkowitej stopy zwrotu. Nvidia, jako część grupy dostawców chipów, plasuje się mniej więcej w okolicach średniej całego indeksu, bo niektórym innym spółkom półprzewodnikowym nie poszło tak dobrze.
To, co naprawdę rzuciło mi się w oczy, to infrastruktura i wszystko, co związane z energią elektryczną, HVAC, budową centrów danych. To właśnie te spółki „od kilofów i łopat”, które faktycznie budują fizyczną infrastrukturę dla AI, radzą sobie najlepiej.
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.
Na rynkach publicznych jest mnóstwo solidnych okazji, a na rynkach prywatnych prawdopodobnie jeszcze więcej, wśród dostawców dla tych graczy budujących infrastrukturę AI. Często są one wyceniane uczciwie, ale mają szansę skorzystać na rosnącym popycie na usługi, budownictwo i sprzęt.
Porady dla założycieli AI
Marcin Majewski:
Filip, gdybyś miał doradzać założycielowi, powiedziałbyś mu, żeby gonił za jednorożcami, czy raczej poszedł w HVAC i fachy rzemieślnicze?
Filip Drazdou:
Myślę, że to zależy od apetytu na ryzyko. Ale tak, wierzę, że okazje są w HVAC i energetyce. Niektóre z tych spółek są wyceniane przy jednocyfrowych wielokrotnościach EBITDA, w okolicach środka tego przedziału.
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.
Więc każdy musi zdecydować sam. Uważam, 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 wygrani, ci, którzy zarobią najwięcej, będą w AI. Ale dla rozsądniejszego zwrotu w stosunku do podejmowanego ryzyka więcej sensu może mieć postawienie na coś tradycyjnego i konserwatywnego.
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:
Bardzo nas to ekscytuje, bo lubimy patrzeć, jak coś rośnie, choć jest tu mnóstwo niuansów i sporo do rozłożenia na czynniki pierwsze.
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.
To pokazuje, że branża dojrzewa. Pod pewnymi względami jest już dość późno w tej grze.
Rok 2025 prawdopodobnie pobije wszelkie rekordy (110 mld USD według stanu na czerwiec). Nie zdziwiłbym się, gdybyśmy do końca roku osiągnęli 200 mld USD łącznego 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. Trend jest podobny: mniej rund, ale bardziej skoncentrowane finansowanie.
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.
Rozrzut wskaźników EV/Revenue jest ogromny: od wysokich wartości jednocyfrowych w przypadku niektórych spółek po ponad 100x w przypadku Perplexity.
Kluczowym czynnikiem wyceny jest wzrost przychodów. Na kolejnym slajdzie porównujemy rundy finansowania OpenAI oraz to, jak zmieniał się jej wskaźnik EV/Revenue.
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.
To naturalne. W miarę dojrzewania branży mnożniki przychodów maleją, a od spółek oczekuje się, że w końcu zaczną przynosić zysk. Wciąż jesteśmy od tego dość daleko, ale spodziewam się, że spółki AI będą mocniej naciskać na monetyzację.
Prawdopodobnie zobaczymy szerszą kompresję mnożników przychodów, nawet wśród spółek na wczesnym etapie, zwłaszcza gdy zarabianie stanie się łatwiejsze, a klienci coraz chętniej będą płacić za AI.
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: To spółki, które koncentrują się na badaniach nad AI i jej trenowaniu. Napędzają aplikacje innych firm. Zwykle uzyskują najwyższe wyceny i naszym zdaniem jest to uzasadnione, bo są trwalsze.
- Aplikacje AI: To solidne biznesy zbudowane na bazie AI, rozwiązujące konkretne problemy w danych branżach czy sektorach. To nie są zwykłe wrappery. Te spółki dogłębnie rozumieją swoich klientów i ich procesy, i stosują AI w przemyślany sposób, by dostarczać realną 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 coś dodać do wszystkich slajdów. Jedna ciekawa obserwacja ze slajdu o największych rundach finansowania to to, jak łączy się on z rynkami publicznymi. Niemal całe finansowanie trafiające do OpenAI, Anthropic i Cohere ostatecznie płynie do infrastruktury lub trenowania 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 AI, ale ogólnie ich mnożniki nie wydają się przesadnie wyśrubowane. Powiedziałbym, że wyceny są dość rozsądne. Inwestorzy wydają się teraz lepiej rozumieć, jak analizować i wyceniać te biznesy. Premii nie dostajesz ot tak, tylko dlatego, że jesteś „spółką AI”.
Aktywność M&A w AI
Marcin Majewski:
Przejdźmy do AI M&A. Wciąż jesteśmy na wczesnym etapie. Wolumen jest niewielki, wręcz znikomy, ale transakcje, które dochodzą do skutku, są bardzo głośne.
Przeanalizowaliśmy aktywność z ostatnich dwóch i pół roku. Wciąż idzie powoli. W 2023 roku odnotowaliśmy około 100 exitów, które zaklasyfikowaliśmy jako AI M&A, głównie wykupów większościowych. Dla jasności: nie liczymy tu 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 exitu. Niektóre startupy AI są sprzedawane, zanim w ogóle wejdą na rynek. Widzimy tego teraz coraz więcej. Robi się coraz bardziej konkurencyjnie i coraz trudniej rosnąć, więc okno na exit się skraca. Obecnie wynosi około pięciu lat, ale zdarzały się już spółki, które robiły exit 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. AI M&A będzie nadal rosło, ale wciąż trudno ocenić, które spółki to prawdziwa AI, a które to po prostu przebrandowany 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:
Klienci często pytają nas, jak wycenić ich spółkę AI. Chcieliśmy więc podzielić się kilkoma doświadczeniami z życia i praktycznymi wskazówkami, zwłaszcza w kontekście M&A.
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.
Ale kiedy spojrzysz na szerszą grupę startupów AI, wiele z nich boryka się z trudnościami. Wciąż szukają product-market fit, mają wysoki churn, a ich struktura kosztów jest trudna, bo wiele z nich odsprzedaje moc obliczeniową kupowaną od innych, co zjada 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.
Sprawę dodatkowo utrudnia to, że kolejne pokolenie startupów AI będzie dysponować jeszcze bardziej wydajnymi narzędziami, często budowanymi przez dzisiejszych graczy. To nasili konkurencję, jeszcze bardziej zepchnie marże w dół i podniesie koszty pozyskania klienta.
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 firmie 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 w nich te same zasady.
Potrzebujesz:
- Solidna analiza fundamentalna
- Przejrzysta ekonomika jednostki
- Wskaźniki KPI, takie jak wzrost przychodów, utrzymanie klientów, stosunek CAC do LTV itp.
Bycie „firmą AI” nie daje Ci premii z automatu. Wręcz przeciwnie: wobec braku wyraźnej synergii po stronie nabywcy exit może być nawet sygnałem ostrzegawczym. Aktywne szukanie exitu 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 biznesu i wyceniasz przewidywane przepływy pieniężne. W AI jest to bardzo trudne, bo większość spółek nie jest jeszcze rentowna, ale wciąż wykonalne, choć spekulacyjne.
- Metoda porównawcza: Porównujesz wskaźniki wyceny z rund finansowania lub publicznych spółek porównywalnych. Nie ma jeszcze wielu benchmarków M&A, ale generalnie, jeśli pozyskałeś kapitał przy 10x przychodów, powinieneś dążyć do podwojenia przychodów, by zrobić exit przy 5x i nie zawieść inwestorów.
- 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.
Słowo na zakończenie i sesja Q&A
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.
Sesja pytań i odpowiedzi
Marcin Majewski:
Mamy kilka pytań. Czy powinniśmy się nimi zająć?
Filip Drazdou:
Tak, pierwsze, które widzę, mogłoby zająć cały nasz czas, ale to prawdopodobnie pytanie, które chodzi wszystkim po głowie:
"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 się upewnić, że aplikacja AI, którą finansujesz na etapie seed czy Series A, przetrwa. Była na przykład duża fala narzędzi AI do robienia notatek, a teraz ta funkcja działa natywnie w Google Meet. Excel dostał wsparcie formuł opartych na AI. Google Sheets ma teraz „=AI”, które odpytuje 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.
Wymagają ogromnej energii, sprzętu i infrastruktury, żeby je stworzyć i utrzymać. Myślę, że tylko garstka firm będzie w stanie pozwolić sobie na ich utrzymanie. Spodziewam się więc, że skończymy z oligopolem, w którym zaledwie kilku dużych graczy zarabia 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, sporo korzystamy z porównywalnych z rund finansowania, żeby wyznaczać górne granice i zarządzać oczekiwaniami. Na przykład jeśli OpenAI pozyskuje kapitał przy 20x przychodów i rośnie w określonym tempie, mniejsza, niszowa spółka nie dostanie tej 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 względnie niskie, nikomu nie przeszkadza, że te spółki przynoszą straty, o ile utrzymują rozsądny wzrost.
Jeśli jednak doświadczymy kolejnej fali inflacji, a w jej efekcie wzrosną stopy procentowe, co zasadniczo wywołałoby poważny kryzys gospodarczy, to moim zdaniem mogłoby to doprowadzić do znacznego ograniczenia wydatków na AI.
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 M&A
Marcin Majewski:
Filip, jakich narzędzi AI używamy jako doradcy M&A?
Właściwie używamy ich całkiem sporo. ChatGPT jest głęboko wpleciony w nasze procesy. 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 nie jest jeszcze na odpowiednim poziomie, ale ludzie bardzo chętnie testują aplikacje AI. Więc jeśli jakaś firma zgłosi się do nas z narzędziem AI skrojonym pod M&A, jest bardzo prawdopodobne, że je wypróbujemy.
Ale w większości przypadków narzędzie nie sprawdza się na poziomie, jakiego potrzebujemy.
Marcin Majewski:
Dokładnie. Łatwo jest uzyskać początkową trakcję w AI, ale utrzymanie klientów jest znacznie trudniejsze.
Doszliśmy do wniosku, że podobnie jak wiele firm doradczych, musimy przekształcić się w firmę technologiczną. Planujemy mocno zainwestować w budowę własnych agentów i systemów AI.
Charakter pracy młodszych analityków szybko się zmienia. Podczas gdy to, co robimy, czyli rozmowy z ludźmi i doradztwo, nie zmienia się zbytnio, sposób, w jaki zbieramy i analizujemy dane, zmienia się błyskawicznie.
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. The Reguła 40, czyli marża zysku plus wzrost przychodów, to dobre ramy. Choć wiele spółek AI nie jest jeszcze rentownych, inwestorom wciąż zależy na obu stronach tego równania. Jeśli jesteś jednocześnie rentowny i szybko rośniesz, to mocny przepis na udany exit.
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 zdecydowanie się dzieje. Generowanie wideo przez AI od Google, funkcje transkrypcji w Meet oraz integracje z Sheets i innymi narzędziami to poważne zagrożenia dla spółek o wąskich zastosowaniach.
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, jakiejkolwiek metryki użyjesz, musi się ona bronić w modelu DCF. ARR to skrót do zrozumienia wartości, ale EBITDA, cash flow i trwała ekonomika liczą się w dłuższej perspektywie bardziej.
Jest to jedno z narzędzi w zestawie narzędzi, ale nigdy jedyne.
Uwagi końcowe
Marcin Majewski:
I tak dobiegamy do końca dzisiejszego webinaru.
Jeśli chcesz z nami porozmawiać, czy to o budowie strategii AI, planie exitu, czy mapie drogowej inwestycji, śmiało się z nami skontaktuj. Chętnie porozmawiamy 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.
