Рынок GenAI за 2023-2024 годы перешел из стадии хайпа в фазу жесткой фильтрации: средний чек посевных инвестиций в AI-стартапы вырос до $2-5 млн, но требования к выручке (MRR) на стадии Seed поднялись с $10-20 тыс. до $50 тыс. в месяц.
Структура капитала и пороги входа
Венчурные фонды в нише ИИ сейчас работают по модели «агрессивного захвата». На стадии Pre-seed оценка стартапа с сильной командой (ex-Google, OpenAI, DeepMind) может достигать $10-20 млн даже без продукта. Однако для «обычных» фаундеров порог входа стал выше: инвесторы требуют подтвержденный Product-Market Fit и стоимость привлечения клиента (CAC), которая не превышает LTV в 3 раза.
Кейс: стартап по автоматизации юридического документооборота привлек $1.5 млн при оценке $8 млн, показав рост базы пользователей на 15% ежемесячно. Фонд забрал 18.75% доли, зафиксировав право приоритетного выкупа (Right of First Refusal) при следующем раунде. Экспертный вывод: сейчас выигрывают фонды, которые инвестируют не в «идею нейросети», а в доступ к уникальным проприетарным данным для обучения модели.
Риски «оберток» над OpenAI и Anthropic
Главный риск 2024 года — инвестиции в так называемые «GPT-wrappers» (сервисы, которые просто перепродают API гигантов). Такие проекты имеют нулевой ров (moat): как только OpenAI выпускает обновление (например, GPT-4o или Sora), десятки стартапов закрываются за неделю. Профессиональные фонды теперь требуют наличия собственного слоя логики или дообученных моделей (Fine-tuning) на закрытых датасетах.
Пример: сервис по генерации маркетинговых текстов с MRR $30к обвалился после выхода новой функции в ChatGPT. Инвесторы потеряли 100% капитала, так как у проекта не было уникального алгоритма. Экспертный вывод: избегайте фондов, которые инвестируют в приложения-интерфейсы; ищите тех, кто ставит на инфраструктурный слой (MLOps, векторные базы данных, оптимизация вычислений).
Экономика вычислений и Burn Rate
Специфика ИИ-фондов — колоссальные затраты на GPU и облака. Если в обычном SaaS Burn Rate (скорость сжигания денег) может составлять $20-50 тыс./мес., то в AI-стартапах он легко достигает $100-300 тыс. только на аренду H100 или A100. Это сокращает Runway (запас прочности) проекта с 18 до 6-9 месяцев, заставляя фаундеров чаще выходить на новые раунды с понижением оценки (Down round).
Сравнение: классический SaaS-проект при инвестициях $1 млн живет год; AI-проект с тяжелым обучением модели может потратить эту сумму за 4 месяца. Экспертный вывод: при анализе фонда смотрите, есть ли у него партнерства с NVIDIA или облачными провайдерами (Azure, AWS) для получения грантов на вычисления — это снижает риск банкротства портфеля на 30-40%.
Стратегии выхода и ликвидность
Традиционный выход через IPO сейчас замедлен, поэтому доминирует стратегия M&A; (поглощение гигантами). Microsoft, Google и Meta скупают не столько компании, сколько таланты (Acqui-hiring). Средний чек таких сделок для ранних команд составляет $5-50 млн, где основная сумма уходит ключевым инженерам, а не акционерам.
Мини-кейс: стартап по синтезу голоса был куплен корпорацией за $12 млн. Инвесторы раннего этапа получили 3х от вложений, но основатели получили бонусы за переход (retention bonuses) на сумму $2 млн. Экспертный вывод: в AI-секторе высокая вероятность частичного списания доли инвесторов в пользу команды при M&A;, что делает этот актив более рискованным, чем традиционный софт.
Вывод
Венчурные инвестиции в ИИ сегодня — это игра в «инфраструктуру и данные». Я рекомендую избегать фондов, которые инвестируют в прикладные AI-сервисы без собственного технологического стека. Оптимальный выбор — фонды, специализирующиеся на B2B-решениях с глубокой интеграцией в бизнес-процессы (Vertical AI), где LTV клиента высок, а зависимость от обновлений OpenAI минимальна. Начинать стоит с анализа портфеля фонда: если там более 50% простых чат-ботов — это красный флаг.