AI新創7家平均估值案例達31倍，紅杉合夥人談AGI

7家AI新創在初始投資後不到1個月，平均企業估值由1.1億美元（約1493億韓元）升至34億美元（約4.614兆韓元），案例中的平均估值變化約達31倍。不過，企業名稱與個別交易條件尚未公開。

帕特·格雷迪(Pat Grady) 紅杉資本(Sequoia Capital)合夥人據報於9月24日在波士頓學院投資委員會簡報中提出相關案例。ABMedia報導，紅杉資本近12個月投資的7家企業，初始投資時的平均投後估值為1.1億美元。

目前沒有另外公開的官方文件可證實31倍的平均估值變化，以及該場簡報是否確實舉行。因此，這項數據應視為針對特定7家企業提出的案例，不能解讀為整體AI新創的平均增幅。

◇紅杉資本眼中的功能性AGI

紅杉資本將AI發展階段分為預訓練、推理能力與長時間工作。帕特·格雷迪與索尼婭·黃(Sonia Huang)在紅杉資本官方文章中寫道：「AGI現在就在這裡。」

紅杉資本沒有以技術定義說明AGI，而是將其描述為「自行解決問題的能力」。文章以ChatGPT作為2022年預訓練轉折點，並以OpenAI o1作為2024年底推理能力進展的案例。

能夠長時間工作的AI代理，目前被描述為可穩定執行任務約30分鐘。不過，文章也提到，代理可能出現幻覺、失去上下文，或朝錯誤方向執行工作的限制。

這項變化的核心，是AI從聊天機器人轉向工作執行者。AI服務可能不再只是回答問題，而是進一步完成招募、程式設計、法律、醫療與網路安全等特定工作。

◇應用企業的機會在於「擴散落差」

紅杉資本將AI模型能夠完成的工作，與企業實際採用程度之間的差距稱為「擴散落差」。這意味著，即使模型性能提升，導入企業現場並沉澱為工作流程仍需要額外時間。

文章提到的高優先領域包括程式設計、網路安全、醫療、金融服務與會計等高附加價值知識工作。管理企業核心資料與工作流程的「記錄系統」，也被列為AI時代的應用領域。

藥物設計等科學研究也被列為案例。簡報中提到，部分企業將候選物質設計時間由數年縮短至數天，但目前沒有公開獨立資料可證實特定企業的成果與時間。

簡報還提出，分類型AI服務Jev處理選擇型決策的成本，可能比大型語言模型低約100倍。簡報另稱，Jev推出7天後營收達1億美元（約1357億韓元），但官方財務資料或獨立營收驗證資料尚未確認。

Jev公開的開發者資料將該服務描述為決策模型，提供分類值、分數與機率等結構化結果，而非自由句子。公開資料可以確認其產品功能與存在，但營收數據缺乏驗證依據。社群媒體與開發者社群也出現質疑聲音，認為其可能只是重新包裝既有分類器技術。

◇模型快速進步，產品生命週期縮短

AI應用企業面臨的核心風險，是基礎模型的快速進步。企業目前收費提供的功能，可能在幾個月後被大型模型吸收為基本功能。

格雷迪表示，成功的AI企業約每4個月就必須重新發明自己。這不只涉及產品功能，也包括組織結構與人力運用方式。

因此，簡報提出的分析認為，相較於單純擴大使用者規模，建立能在特定工作中反覆使用的代理，以及累積獨有資料與工作流程更為重要。隨著AI模型功能快速趨同，深入企業客戶工作流程的應用服務，可能成為差異化因素。

AI模型功能商品化後，價值可能轉向終端應用程式與硬體，這項討論也與AI模型商品化與價值轉移可能性相呼應。不過，本次介紹的31倍企業估值案例未公開個別企業名稱與交易資料，不能擴大解讀為整體AI新創的普遍現象。