За последние 24 часа объем венчурных вливаний в узкоспециализированные ИИ-стартапы превысил $450 млн, при этом средний чек раунда Seed вырос до $4-6 млн. Рынок окончательно переходит от инвестиций в «обертки» над LLM к финансированию вертикального ИИ и собственной инфраструктуры вычислений.
Смещение капитала в сторону Vertical AI
Инвесторы перестали переплачивать за универсальные чат-боты. Основной поток средств сейчас идет в Vertical AI — решения, обученные на проприетарных данных конкретных индустрий (медицина, право, инженерия). Средняя оценка таких стартапов на ранних стадиях сейчас в 2.5–3 раза выше, чем у общих сервисов, так как LTV (пожизненная ценность клиента) здесь прогнозируется на уровне $50k–100k в год при минимальном оттоке.
Пример: стартап по автоматизации юридического аудита с точностью извлечения сущностей 98% привлекает раунд серии А по оценке $120 млн, в то время как очередной «помощник по написанию текстов» с аналогиким стеком не получит и $10 млн. Мой вывод: эпоха хайпа вокруг интерфейсов закончилась, началась эпоха глубокой доменной экспертизы.
Инфраструктурный голод и инвестиции в Compute
Критическим узлом стали вычислительные мощности. За сутки зафиксированы сделки по созданию частных GPU-кластеров с привлечением от $50 млн до $200 млн. Инвесторы теперь смотрят не только на код, но и на доступ к H100/B200: наличие гарантированных квот на чипы увеличивает стоимость компании на 15-20% еще до появления первого коммерческого продукта.
Кейс: компания, владеющая сетью из 10 000 GPU, оценивается рынком как инфраструктурный актив, а не софтверный стартап. Это создает опасный пузырь «железа», где капитализация растет за счет стоимости оборудования, а не за счет выручки от сервиса. Считаю это риском: как только предложение чипов стабилизируется, переоцененные инфраструктурные игроки рухнут.
Регуляторный фильтр венчурных сделок
Новые нормы ЕС и США заставляют фондов проводить жесткий Compliance-аудит перед закрытием сделок. Теперь в Due Diligence входит пункт о происхождении обучающих данных: если стартап использовал датасеты без лицензии, вероятность закрытия сделки падает на 40% из-за рисков будущих штрафов (до 7% от мирового оборота по некоторым нормам). Сравнение новых регуляторных норм ИИ показывает, что рынок Европы становится более консервативным по сравнению с США.
На практике это значит, что стартапы с «серыми» данными теперь вынуждены проводить ре-трейнинг моделей, что увеличивает стоимость разработки на $200k–500k и затягивает выход на рынок на 2-3 месяца. Мой вердикт: юридическая чистота данных теперь важнее, чем архитектурная элегантность модели.
Эволюция моделей монетизации: от токенов к результату
Инвесторы требуют перехода от оплаты за токены (Token-based pricing) к оплате за результат (Outcome-based pricing). В сделках последних 24 часов приоритет отдается компаниям, которые берут % от сэкономленного бюджета или заработанной прибыли клиента. Это меняет экономику: маржинальность падает с 80-90% (типичных для SaaS) до 60-70%, но резко растет объем рынка (TAM).
Кейс: ИИ-агент для оптимизации логистики, берущий 5% от экономии на топливе, привлекает больше инвестиций, чем аналогичный сервис с подпиской $500/мес, так как потенциальный доход с одного крупного клиента вырастает с $6 000 до $150 000 в год. Это единственный путь к масштабированию без бесконечного сжигания венчурного капитала.
Вывод
Рынок ИИ перешел в фазу прагматизма. Чтобы получить инвестиции сегодня, нужно предлагать либо уникальный доступ к данным (Proprietary Data), либо подтвержденную экономию для клиента в твердых цифрах. Избегайте инвестиций в «оболочки» над OpenAI и стартапы без четкой стратегии комплаенса. Начинать нужно с поиска узких ниш, где стоимость ошибки высока, а готовность платить за точность 99%+ превышает $100k в год — именно там сейчас сосредоточен самый дешевый и качественный капитал.