Nie ma kwadransa, by gdzieś w świecie nie pojawił się kolejny news, komentarz, analiza dotycząca DeepSeek. Nas oczywiście najbardziej ciekawi to, jak na pojawienie się chińskiego LLM zareagowali polscy inwestorzy VC oraz aniołowie biznesu. To przecież od decyzji tych ludzi zależeć będzie to, które rozwiązania AI od rodzimych startupów zyskają szansę na rozwój. Dlatego zwróciliśmy się do szeregu inwestorów, prosząc ich o odpowiedź na dwa pytania:
- Czy premiera DeepSeek zmienia Twoje podejście do wyceny lub oceny rozwiązań wykorzystujących AI?
- Jaka lekcja płynie dla inwestorów i founderów po premierze DeepSeek?
Poznajcie ich odpowiedzi
Wprowadzenie nowego LLM niewiele zmienia – Artur Banach, Movens Capital
1. Premiera DeepSeek, choć zatrząsła (przynajmniej póki co) rynkiem AI, szczególnie w USA, nie wpływa znacząco na nasze podejście inwestycyjne w Movens Capital. Wydaje się, o ile czas negatywnie nie zweryfikuje publikowanych informacji, że wprowadzany przez DeepSeek model open source może w przypadku wielu biznesów AI istotnie obniżyć inwestycje początkową i zmienne koszty mocy obliczeniowej – co może prowadzić szybszej adopcji AI w wielu sektorach i rzeczywistego obniżenia zapotrzebowania na kapitał w spółkach AI.
W specyficznych sytuacjach może to skutkować obniżeniem wycen – ale w naszym podejściu, gdzie w dużym stopniu skupiamy się na wertykalnych modelach (optymalnie budowanych o unikalne dane, wiedzę domenowa i workflow agentów AI autonomicznie wykonujących poszczególne zadania) wprowadzenie nowego LLM niewiele zmienia – jest to wręcz wpisane w nasze założenia, że co pewien czas zachodzić będzie zmiana tego typu.
Z tego względu, wybierając spółki w obszarze AI koncentrujemy się na najbardziej kompetentnych i ambitnych founderach i founderkach w Polsce i regionie CEE. Zespół powinien łączyć unikatowe kompetencje technologiczne w obszarze AI i zdolność nawigowania w zmieniającym się ekosystemie z bardzo silną znajomością danego rynku w skali międzynarodowej i potencjałem na zbudowanie jednego z liderów rynku z istotnymi barierami wejścia za kilka lat. Czy jest to możliwe? Dla 40% spółek z naszego portfela rynek amerykański jest głownym lub jedynym na jakim prowadza działalność. Ma to bezpośredni poziom na poziom wycen w transakcjach VC i M&A – są one tam znacznie wyższe niż w CEE
2. Główna lekcja z premiery DeepSeek jest taka, że znajdujemy się w momencie, gdy sama technologia to za mało. Dla inwestorów kluczowe stało się znalezienie projektów, które nie tylko wykorzystują najnowsze osiągnięcia AI, ale przede wszystkim rozwiązują konkretne problemy biznesowe w skalowalny sposób. Z perspektywy Movens Capital, szukamy founderów, którzy potrafią połączyć głęboką wiedzę techniczną z biznesowym pragmatyzmem.
Dla founderów najważniejszą lekcją jest konieczność budowania silnych zespołów łączących kompetencje AI z doświadczeniem biznesowym. DeepSeek, podobnie jak wcześniej modele OpenAI czy Anthropic, udowadnia, że sukces w AI to wypadkowa innowacyjności technologicznej, skutecznej monetyzacji i zdolności do szybkiego skalowania. Warto też odnieść się do paradoksu Jevonsa – XIX-wiecznego ekonomisty, który wysnuł teorię, że im efektywniej wykorzystujemy dany zasób, tym bardziej wzrasta jego zużycie. Jeszcze 2 lata temu algorytmy AI i chipy NVIDIA były na zupełnie innym etapie rozwoju. Wraz z pojawieniem się GPT-3 i późniejszych modeli językowych (od wielu producentów) oraz wejściem ich rozwiązań „pod strzechy” rośnie również wykorzystanie i zużycie tych technologii. W praktyce oznacza to, że startupy muszą już na wczesnym etapie myśleć o globalnym potencjale swojego rozwiązania i mieć jasno określoną ścieżkę do jego realizacji.
Inwestorzy będą mniej skłonni płacić wysokie mnożniki tylko i wyłącznie za produkt – Mateusz Bodio, RKKVC
1. Premiera DeepSeek pokazuje, że bariery wejścia w budowę modeli językowych LLM szybko się obniżają, co ma istotne konsekwencje dla wyceny i strategii inwestycyjnej w AI. Czy jest to coś, czego się nie spodziewaliśmy? Na pewno nie. Wraz z czasem większość technologii nabiera skali, a tym samym obniżane są bariery wejścia. W moich tezach inwestycyjnych nigdy nie kierowałem się tzw. „Flavour of the month”, a fundamentalną analizą biznesu, profilu marżowości, analizą klientów itp. DeepSeek przypomina nam, że sama innowacja technologiczna może szybko tracić wartości, jeśli nie jest wsparta mocnym go-to-market i defensywną pozycją rynkową. Wyceny startupów AI, szczególnie tych opartych na gotowych LLM, będą musiały odzwierciedlać tę nową rzeczywistość – inwestorzy będą mniej skłonni płacić wysokie mnożniki tylko i wyłącznie za produkt, jeżeli firma nie ma unikalnych danych czy rozwiniętej (i sprawdzonej) strategii montetyzacji.
2. Przede wszystkim zbyt wcześnie by wysnuwać wnioski. Pojawia się coraz więcej spekulacji i teorii, na ile prawdą jest to, co ogłosiła firma DeepSeek. Dla mnie dużo konkretniejszą oznaką komodytyzacji AI będzie to, że nagle po DeepSeek pojawi się kilkanaście nowych firm tego rodzaju, które replikują skuteczność i nie mają wysokich wymagań sprzętowych do odpowiedniego działania algorytmu. Dlatego, jeżeli prawdą jest to, co DeepSeek ogłosił, można jednoznacznie stwierdzić, że koszt budowy dużych modeli dramatycznie spada – przewaga oparta wyłącznie na posiadaniu własnego modelu jest krótkoterminowa a zaczyna się liczyć monetyzacja, spektrum zastosowań oraz lojalność użytkowników
DeepSeek sygnalizuje zbliżanie się rynku do fazy optymalizacji i zwiększonej konkurencji – Przemysław Danowski, Momentum Capital Partners
1. Rozwój nowych produktów czy technologii zazwyczaj przebiega według schematu: prototyp/produkt → skalowanie → optymalizowanie → automatyzowanie. Premiera DeepSeek-R1 jest wyraźnym sygnałem, że AI będąc w fazie entuzjastycznego kolonizowania rynku „bez względu na koszty”, będzie coraz częściej optymalizować się i zwracać uwagę na efektywność. To moim zdaniem naturalny ale też symboliczny moment dla rynku – wyraźny sygnał, że pewne rezultaty można osiągać znacznie taniej, co obniża bariery dla dalszego rozwoju AI. Jeśli podawane przez DeepSeek dane są prawdziwe, oznacza to, że koszt trenowania ich modelu był ekstremalnie niższy niż w przypadku ChatGPT, a to w konsekwencji potencjalnie pozwala na oferowanie znacznie tańszego rozwiązania klientom. Z drugiej strony jest to z pewnością również impuls dla inwestorów do ostrożniejszego podejścia do wycen i zastanowienia się czy hype na AI spłaci się w każdym przypadku.
Pojawienie się DeepSeek nie jest z pewnością też zagrożeniem dla rynku AI i ekosystemu wspierającego, lecz naturalnym etapem jego dojrzewania. Wzrost konkurencji oznacza lepszą dostępność narzędzi i rosnącą presję na poprawę efektywności kosztowej. Wraz z rozwojem AI nadal będzie rosło zapotrzebowanie na bardziej wydajne rozwiązania infrastrukturalne, zwłaszcza w obszarze hardware’u i energii. W przypadku takich spółek jak np. Nvidia nadal powinniśmy oczekiwać istotnych innowacji które, będą wspierały wzrost tych spółek. Co się dzieje po tej stronie rynku? Przykładowo zespół naukowców z Uniwersytetu Minnesoty pod przewodnictwem profesora Jian-Ping Wanga stworzył przełomową technologię w obszarze Computational Random-Access Memory (CRAM), która może zrewolucjonizować przetwarzanie danych w AI. Technologia ta pozwala na obliczenia bezpośrednio w pamięci, eliminując konieczność przenoszenia danych między jednostkami logicznymi a pamięcią, co do tej pory było głównym czynnikiem zwiększającym zużycie energii. Dzięki temu AI może stać się nawet 1000 razy bardziej energooszczędna. Wcześniej komercjalizacja takich technologii była trudna do uzasadnienia ekonomicznie, ale przy obecnym tempie wzrostu zużycia energii przez AI, rozwiązania takie jak CRAM z Minesoty mogą odegrać kluczową rolę w rozwoju sektora i dać istotną przewagę podmiotom, które zaadoptują tą technologię. O takich rewolucyjnych rozwiązaniach na styku z AI będziemy słyszeć coraz częściej.
Patrząc na obecną sytuację i potencjalne zmiany na rynku sztucznej inteligencji musimy zdać sobie też sprawę z tego, że dziś generatywna AI funkcjonuje na poziomie ANI (Artificial Narrow Intelligence) – czyli wyspecjalizowanych systemów zdolnych do wykonywania określonych zadań. Świętym gralem natomiast jest AGI (Artificial General Intelligence) – systemy, które mogłyby myśleć, uczyć się i działać w sposób podobny do człowieka. W drodze do tego celu może dojść jeszcze wielokrotnie do istotnych zmian wśród liderów rynku generatywnej AI, a dużo na tych zmianach z pewnością skorzystają firmy z ekosystemu wpierającego rozwój AI, a więc firmy dostarczające infrastrukturę – producenci chipów, operatorzy centrów danych oraz sektor energetyczny.
Premiera DeepSeek nie zmienia fundamentalnego podejścia do AI jako technologii przełomowej która zrewolucjonizuje funkcjonowanie wielu branż, ale sygnalizuje zbliżanie się rynku do fazy optymalizacji i zwiększonej konkurencji. Możliwość znaczącego obniżenia kosztów wskazuje na dojrzewanie technologii i otwiera przestrzeń dla dalszej adopcji. W dłuższym terminie skorzysta na tym cały ekosystem i klienci uzyskując dostęp do bardziej wydajnych i zrównoważonych rozwiązań AI.
2. Myślę, że zarówno inwestorzy jaki i founderzy mogą wykorzystać tą okazję do refleksji. Zwróciłbym przy tym uwagę na następujące kwestie:
- zrozumienie rynku i momentu cyklu rozwoju technologii pozwala zachować spokój – każda technologia przechodzi kolejne etapy rozwoju. Świadomość, w którym momencie znajduje się technologia i rynek, pozwala chłodniej podchodzić do medialnych doniesień, wycen, lepiej identyfikować okazje i unikać projektów, które mogą szybko stracić przewagę;
- zwinność i elastyczność działania jest konieczna aby utrzymać się na powierzchni – w sektorze nowoczesnych technologii trzeba zakładać scenariusze przełomowych odkryć i zmian rynkowych. W dynamicznych branżach jak AI przewagę zdobywają ci, którzy potrafią błyskawicznie testować, optymalizować i dostosowywać swoje rozwiązania;
- skuteczne konkurowanie z liderem jest możliwe – pozycja lidera zawsze będzie ambicją drugiego i trzeciego gracza. Aby jako challenger móc skutecznie atakować pozycję lidera, konieczne jest wypracowanie wyraźnej przewagi. Może to być np. innowacja technologiczna, wyższa efektywność czy model biznesowy, który zmienia zasady dotychczasowej gry;
- bariera wejścia na rynek może być niższa, niż się wydawało – koszty budowy konkurencyjnych modeli AI spadają, co otwiera drzwi dla nowych graczy. Dla biznesu stwarza to ryzyko ze strony rosnącej konkurencji natomiast dla inwestorów jest to jednocześnie szansa na inwestycje w kolejne spółki, które mogą szybko zdobyć atrakcyjną pozycję w swoich obszarach.
Do inwestycji w AI nadal podchodzimy z chłodną głową – Wojciech Fedorowicz, Full Speed VC
1. Premiera DeepSeek, choć dość niespodziewana, nie zmienia naszego podejścia do oceny rozwiązań AI. Jako inwestorzy, razem z Danielem Star, od lat działamy na styku sztucznej inteligencji i machine learningu. W naszym portfelu mamy wiele spółek rozwijających przełomowe rozwiązania AI, ale nigdy nie kierowaliśmy się krótkoterminowymi trendami czy hype’em.
Gdy tylko na rynku pojawił się ChatGPT i inne modele LLM, spodziewaliśmy się ich komodytyzacji – czyli szerokiej adopcji, eksplozji nowych zastosowań oraz obniżenia kosztów i barier wejścia. W naszych listach do inwestorów wielokrotnie podkreślaliśmy, że choć AI jest technologią przełomową, kluczowe jest to, jakie produkty i usługi na jej bazie przetrwają rynkową konkurencję.
DeepSeek to kolejny krok w ewolucji AI, ale nie jest to zaskoczenie – raczej potwierdzenie, że tempo tej rewolucji przyspiesza. Nadal jednak do inwestycji w AI podchodzimy z chłodną głową. AI to technologia, a nie produkt – a to oznacza, że samo wdrożenie AI nie gwarantuje sukcesu. Kluczowe jest, czy rozwiązanie adresuje realny problem klientów i czy potrafi utrzymać przewagę konkurencyjną.
Dlatego inwestujemy w spółki takie jak Neptune, które rozwija platformę observability dla LLM, pomagając firmom skutecznie monitorować i zarządzać ich własnymi modelami AI. Innym przykładem jest 4Semantics, które wykorzystuje AI do automatycznej analizy gigantycznych wolumenów skomplikowanych dokumentów w sektorze finansowym. Rewolucja AI, w tym DeepSeek, nie zmienia fundamentów naszego podejścia do inwestycji – nadal kluczowa jest wartość dostarczana klientom i trwałość przewagi konkurencyjnej.
2. Najważniejsza lekcja pozostaje niezmienna – jesteśmy dopiero na początku rewolucji AI, a jej ostateczny kształt wciąż pozostaje niewiadomą. Jeśli porównać obecną sytuację do rozwoju Internetu, to znajdujemy się mniej więcej w latach 90. Mamy już pierwsze kluczowe narzędzia (LLM, generatywną AI), ale ich pełny potencjał jeszcze nie został odkryty.
Podobnie jak rozwój Internetu był powiązany z postępem w mocy obliczeniowej procesorów, transmisji danych i miniaturyzacji elektroniki, tak rozwój AI będzie zależny od innych technologii, takich jak:
- ultraszybkie technologie transmisji danych;
- rozwój sektora robotyzacji;
- nowe typy algorytmów optymalizujące wydajność i koszt modeli AI.
DeepSeek to świetny przykład tego, jak szybko zmieniają się możliwości algorytmiczne, ale to nie znaczy, że już dziś znamy finalnych zwycięzców tej rewolucji. Dla inwestorów i founderów kluczowe będzie przewidywanie trendów i ich komercyjna egzekucja – czyli nie tylko tworzenie technologii, ale dostarczanie klientom realnej wartości, za którą będą gotowi zapłacić.
Przy tak szybkim tempie zmian trudno mówić o długoterminowej przewadze konkurencyjnej, ale krótkoterminowe zwycięstwa odnoszą ci, którzy znajdują rynkowe nisze i dostarczają sprawdzone rozwiązania przed konkurencją. To właśnie w tych miejscach warto szukać najlepszych inwestycji.
Nie spodziewam się drastycznych korekt w najbliższym czasie – Szymon Janiak, Czysta3.VC
1. Wyceny w branży inwestycyjnej nie są indywidualną decyzją opartą o pojedyncze zdarzenia. To kolektywny trend, który jest związany z szeregiem czynników – cyklem koniunkturalnym, etapem życia danej technologii, popytem itd. AI jest wciąż na relatywnie wczesnym etapie rozwoju i pozostaje w fazie wzrostowej. To, że kolejne rozwiązania powstają za fragment kosztów tych wcześniejszych to kwestie zupełnie naturalna. Pionierzy muszą liczyć się z największymi nakładami – to efekt krzywej uczenia. Wobec tego nie spodziewam się drastycznych korekt w najbliższym czasie.
2. Z perspektywy founderów warto pamiętać, że pozycję lidera na rynku niezwykle trudno jest utrzymać. Nieustannie konkurencja będzie próbować coś robić szybciej, lepiej, taniej, więc nie można spoczywać na laurach – trzeba systematycznie rozwijać spółkę aż do exitu.
Inwestorzy z kolei muszą być świadomi, że czas w sektorze nowych technologii płynie niesamowicie szybko, w związku z czym nawet dzień po inwestycji może został ogłoszone rozwiązanie, które będzie lepsze pod wieloma względami. Warto zatem oceniać spółkę nie tylko z perspektywy danego momentu, ale również jej krótko- i długofalowych planów.
W obecnym krajobrazie technologicznym łatwo podważyć wartość spółki – Dominik Krawczyk, Cobin Angels
1. Rozwój sztucznej inteligencji od samego początku wpływał na sposób postrzegania spółek przez inwestorów. Po początkowym entuzjazmie związanym z każdą firmą oznaczoną etykietą „AI”, nadszedł czas refleksji i analizy, które projekty rzeczywiście przynoszą trwałą wartość. W tak dynamicznie rozwijającej się technologii kluczowe jest ustalenie, czy inwestycja, którą realizujemy dzisiaj, będzie miała potencjał biznesowy w przyszłości.
Warto zauważyć, że wiele projektów określanych mianem AI, jeśli nie opiera się na deep tech lub nie tworzy niepodważalnej wartości, może zostać szybko zastąpionych przez nowsze rozwiązania. Przykładem tego, jak szybko inna technologia może wejść na rynek i konkurować z najlepszymi, nawet przy bardzo wysokim zaawansowaniu technologicznym obecnych graczy jest DeepSeek. Chińska firma, która wprowadziła na rynek model AI o nazwie DeepSeek-R1, wprowadzając dotychczasowy układ na rynku AI w konsternację. Model ten oferuje zaawansowane możliwości porównywalne z produktami gigantów takich jak OpenAI, ale przy potencjalnie niższych kosztach i mniejszym zużyciu mocy obliczeniowej (coraz częściej jednak słyszy się głosy o niepełnym obrazie kosztów technologii). Niemniej jednak, ogłoszenie tej rewolucji spowodowało znaczące spadki wartości rynkowej firm takich jak NVIDIA, której akcje spadły o 17% w jeden dzień.
Takie wydarzenia podkreślają, jak w obecnym krajobrazie technologicznym łatwo podważyć wartość spółki. Dodatkowo, w erze dezinformacji i „wojen informacyjnych”, liderzy rynku AI starają się kreować wizerunek bycia na czele innowacji, często poprzez niekończące się aktualizacje i nowe wersje produktów, które często są działaniami PR-owymi.
2. Z perspektywy inwestora w obecnych czasach szczególnie istotne jest, aby patrzeć nie tylko na obecną wartość spółki, ale także na to, gdzie będzie za kilka lat. Kluczowe pytania to: jak rozwój technologii może jej zagrozić, czy założyciele zdają sobie z tego sprawę i czy budowana wartość pozwoli jej przetrwać mimo dynamicznych zmian. Idealna sytuacja to taka, w której startup nie tylko nie konkuruje bezpośrednio z rozwijającą się technologią AI ani nie opiera swojego modelu biznesowego na niewielkiej przewadze wydajnościowej, ale wręcz zyskuje na postępie AI. Najlepsze inwestycje to te, w których wartość biznesu opiera się na aspektach, którym rozwój technologii nie zagraża – na przykład unikalnych danych, sieci kontaktów, regulacjach czy przewagach związanych z integracją AI w niszowe branże.
Odwołując się do sytuacji związanej z premierą DeepSeek, nie zmieniam swojego zdania dotyczącego wycen spółek AI. W obszarze dużej rewolucji technologicznej i deep techu ryzyko inwestycji zawsze jest większe, dlatego również wyceny i potencjalne zwroty mogą być wyższe. Należy także zauważyć, jak szybko, dzięki zaprezentowaniu przełomowej technologii, można przejść z poziomu nieznanej szerzej firmy do rywalizacji z największymi graczami na rynku. To z jednej strony pokazuje duże ryzyko – nawet rozwinięte biznesy muszą liczyć się z nowymi graczami – ale z drugiej strony, jest to także szansa na niespotykany dotąd wzrost wartości w tempie, którego wcześniej nie znaliśmy. W kontekście wycen należy również zwrócić uwagę jak spółki technologiczne korzystają na technologii, zarówno w zakresie wzrostów wycen, jak i marżowości już teraz – META osiąga niespełna 60% marży operacyjnej w stosunku do 33% w Q3’22, a jej akcje rosną sukcesywnie, również po ogłoszeniu wydatków ponad 60 mld USD w 2025 na inwestycje w obszarze sztucznej inteligencji.
W obliczu tych wyzwań kluczowe jest, aby inwestorzy dokładnie analizowali, które spółki rzeczywiście budują przewagę technologiczną i mają zabezpieczenia przed szybką marginalizacją. Warto zwracać uwagę na te firmy, które nie tylko korzystają z istniejących rozwiązań, ale także wnoszą unikalną wartość i innowacje, które zapewnią im trwałą pozycję na rynku. W dynamicznie zmieniającym się świecie AI, tylko te spółki, które potrafią dostosować się do nowych realiów i nieustannie wprowadzać innowacje, mają szansę na długoterminowy sukces.
Z perspektywy wyceny kluczowa jest jakość teamu – Karol Lasota, Inovo VC
1. Moim zdaniem fundamentalnie wiele się nie zmieniło. W długim terminie LLMy zmierzają do tego by stać się commodity i kluczowa będzie stawać się warstwa aplikacyjna – czyli jak dobry produkt z perspektywy klienta stworzysz, wykorzystując dostępne LLMy. Bardzo się cieszę, że DeepSeek wszedł na rynek, bo wniósł nowe pomysły na budowanie LLMów i ograniczył koszty. To sprawia że wykorzystanie AI stanie się bardziej dostępne dla szerszej grupy ludzi. Dla nas z perspektywy wyceny kluczowa jest jakość teamu, bo na koniec dnia oni zawsze dowożą efekt. W obecnym AI świecie nowe przełomowe rozwiązania wychodzą w każdym tygodniu, więc liczy się to czy zespół jest w stanie się do nich szybko adaptować i wykorzystywać je na swoją korzyść.
2. Obecnie jak masz zgrany, smart, 10x engineers zespół, to nawet ze znacznie mniejszymi zasobami niż well-funded startupy/scaleupy oraz big tech jesteś w stanie tworzyć wyjątkowe rozwiązania i dostarczać 10x output. Widzę coraz więcej zespołów, które składają się tylko z 2-3 founderów i z wykorzystaniem Cursorów tego świata są w stanie dostarczać kilka razy większy output niż zespoły kilkunasto- czy kilkudziesięcioosobowe, działające jeszcze kilka lat temu.
Daniel Kahneman przewraca się ze śmiechu w grobie – Paweł Michalski, VC Leaders
1. Nie mam jednego, generalnego zdania na temat wyceny czy oceny rozwiązań AI. Reakcja na ogłoszenie DeepSeeka pokazuje dobitnie, jak masowym rynkiem stało się AI – wydarzenia starają się komentować zarówno laicy, użytkownicy, jak i eksperci, a w gąszczu informacji łatwo stracić kontekst. Traktuję z rezerwą informacje o tym, ile USA wydadzą na Stargate i kto te pieniądze przekaże, tak samo jak z rezerwą traktuję przechwałki, że DeepSeek jest tani jak barszcz. I podobnie podchodzę do wycen – na własnej skórze nauczyłem się, że od tego jako popularne jest rozwiązanie i ile korzyści przynosi mogą być lata świetlne odległości.
2. Dwie potężne lekcje, które płyną z tego wydarzenia:
- potrzeba matką wynalazku: DeepSeek próbował optymalizować proces trenowania, bo nie miał droższego, bardziej wydajnego hardware’u (ze względu na ograniczenia eksportowe nałożone przez USA). No i im wyszło;
- narracja może Cię wzmonić… albo zabić: jak widać na obrazkach z giełd: to, jak my, ludzie, widzimy rzeczywistość, wciąż decyduje o tym, gdzie lądują nasze pieniądze. Z jednej strony nie chcemy wierzyć, że DeepSeekowi udało się osiągnąć efektywność poziomu OpenAI bez wsparcia rządu Chin i boimy się „wysłać coś Chińczykom”, a z drugiej zarżnęliśmy 500 miliardów USA kapitalizacji giełdowej „overnight”. Daniel Kahneman przewraca się ze śmiechu w grobie.
DeepSeek nie będzie mieć wielkiego wpływu na wyceny startupów w regionie CEE – Borys Musielak, SMOK Ventures
1. Inwestuję w founderow ze Wschodniej Europy budujących rozwiązania na globalny rynek. W tej części świata wiemy, że nie wygramy dostępem do kapitału, musimy więc kombinować inaczej. Startupy z regionu CEE muszą być zwinne, szybkie w testowaniu rozwiązań i oszczędne, bo wiedzą, że zostaną dokapitalizowane tylko, jeśli bardzo wcześnie pokażą trakcję. Z tych powodów raczej nie uważam, że w naszym regionie powstanie firma typu DeepSeek, która wymagała ponad miliarda dolarów inicjalnej inwestycji, żeby zebrać dane testowe i wytrenować swoje modele. Powstanie DeepSeek jest na pewno dużym wydarzeniem, bo stawia Chiny na równi ze Stanami Zjednoczonymi w wyścigu o dominację na rynku AI. Nie będzie mieć jednak wielkiego wpływu na wyceny startupów w regionie CEE czy na ocenę rozwiązań wykorzystujących AI w Polsce, poza tym, że dzięki dostępowi do jeszcze tańszej sztucznej inteligencji, founderzy z naszego regionu będą w stanie budować jeszcze szybciej i jeszcze taniej, zwiększając tym samym przewagę jaką mają nad amerykańskimi konkurentami, którzy mogą czuć się mniej pewnie korzystając z chińskiej technologii.
2. Jeśli jesteś founderem i budujesz startup w pierwszym kwartale 2025 roku nie wykorzystując DeepSeek, powinieneś mieć bardzo dobre uzasadnienie tej decyzji, bo na dziś przepłacasz kilkunastokrotnie za technologię, która jest jedną z większych pozycji kosztowych obok dostępu do chmury i wynagrodzeń pracowników. Jeśli jesteś inwestorem, pytanie o to, z którego modelu AI korzysta startup, powinno być jednym ze znaczących podczas procesu technicznego due diligence.
„Każdy ma swój wytrenowany model, mam i ja” – Kamil Stanuch, analityk, anioł biznesu, autor newslettera Substack
1. Nie. Uważam, że dostawcy infrastruktury (od półprzewodników NVIDIA po rozwiązania chmurowe od AWS) tylko się umocnią w duchu paradoksu Jevonsa: im wydajniej wykorzystujemy dany surowiec, tym bardziej rośnie jego zużycie. Może OpenAI czy Meta zrewidują, czy poniesione do tej pory wydatki można zoptymalizować, ale nawet jeśli modele będą za darmo i do odpalania lokalnie, to każdy teoretycznie powinien sobie sprawić domowy chip czy kartę graficzną. Jeśli można teoretycznie wytrenować model za $5 mln, to może każde ze 195 państw zakupi H100, a co za tym idzie też każda większa firma będzie mogła robić trening na własnych danych i model uszyty pod siebie? A to oznaczałoby, że TAM (total addressable market) tylko rośnie („Każdy ma swój wytrenowany model, mam i ja”).
W takim eksperymencie myślowym może nam wyjść, że chipy czy moc obliczeniowa podobnie jak chmura od AWS, Google Cloud czy Azura będzie po prostu globalnym podatkiem od Internetu, który płaci każdy.
2. Mam tu nieśmiałą tezę, że do łaski powinny wrócić te wyśmiewane “wrappery na ChatGPT”, bo źródłem przewagi konkurencyjnej – o ile nie jesteś gigantem czy jakimś Deep Techem – nie będzie bitwa o benchmarki, tylko lojalność względem interfejsu. Tak jak przeciętnego użytkownika nie interesuje, jaką ma pod spodem bazę danych czy z jakiego providera chmurowego korzysta, tak 95% przypadków użycia modeli dla 95% populacji to problemy spoza teorii grafów czy różniczkowania funkcji wielu zmiennych, więc konkurencja na poziomie wydajności modelu o dodatkowe 2 punkty procentowe w benchmarkach to niekoniecznie ślepa, ale wąska uliczka.