Es ist wieder soweit: die Woche, in der Startups der neuesten Ausgabe von Y Combinator ihre Produkte der Medien- und Investorenprüfung präsentieren. In den nächsten beiden Tagen werden insgesamt rund 217 Unternehmen anwesend sein, etwas weniger als die 235 Firmen des letzten Winters, da die VC-Begeisterung einen leichten Einbruch erlitt.
Im ersten Halbjahr 2023 werden VCs unterstützt fast 4.300 Deals im Gesamtwert von 64,6 Milliarden US-Dollar. Das hört sich vielleicht nach viel an. Der Dealwert stellte jedoch einen Rückgang um 49 % gegenüber dem ersten Halbjahr 2022 dar, während das Dealvolumen im Jahresvergleich um 35 % zurückging.
Positiv zu vermerken ist, dass ein Segment – angetrieben zu gleichen Teilen von Hype und Nachfrage – die anderen bei weitem übertrifft: KI.
Fast ein Fünftel der gesamten weltweiten Risikokapitalfinanzierung kam von August bis Juli aus dem KI-Sektor. nach zu CrunchBase. Und die Gier manifestiert sich in der Y-Combinator-Kohorte dieses Sommers, die im Vergleich zur Wintergruppe 2022 mehr als doppelt so viele KI-Unternehmen aufweist (57 gegenüber 28).
Um einen Eindruck davon zu bekommen, welche KI-Technologien heutzutage Investitionen vorantreiben, habe ich mich eingehend mit der Sommerreihe 2023 befasst und die von YC unterstützten KI-Startups zusammengestellt, die mir am differenziertesten – oder vielversprechendsten – erschienen.
KI-Infrastruktur-Startups
Mehrere Startups in der Y-Combinator-Kohorte konzentrieren sich nicht auf das, was KI leisten kann, sondern auf die dafür notwendigen Tools und Infrastruktur bauen KI von Grund auf.
Es gibt Schattenform, das beispielsweise eine Plattform bietet, die es Kunden ermöglicht, auf KI-Trainings- und Inferenz-Workloads zuzugreifen und diese bei jedem Cloud-Anbieter bereitzustellen. Shadeform wurde von den Dateningenieuren und verteilten Systemarchitekten Ed Goode, Ronald Ding und Zachary Warren gegründet und zielt darauf ab, sicherzustellen, dass KI-Jobs pünktlich und zu „optimalen Kosten“ ausgeführt werden.
Wie Goode in a Blogeintrag Auf der Y Combinator-Website hat die explosionsartige Nachfrage nach Hardware für die Entwicklung von KI-Modellen, insbesondere GPUs, zu einem Kapazitätsmangel geführt. (Microsoft kürzlich warnte vor Dienstunterbrechungen, wenn es nicht genügend KI-Chips für seine Rechenzentren bekommen kann.) Kleinere Anbieter gehen online, stellen aber nicht immer die vorhersehbarsten Ressourcen bereit – was eine Skalierung zwischen ihnen erschwert.
Shadeform löst dieses Problem, indem es Kunden ermöglicht, KI-Jobs überall in der öffentlichen Cloud-Infrastruktur zu starten. Mithilfe der Plattform können Unternehmen GPU-Instanzen bei jedem Anbieter über eine einzige Konsole verwalten, „automatische Reservierungen“ konfigurieren, wenn die benötigten Maschinen verfügbar sind, oder sie mit einem einzigen Klick in Serverclustern bereitstellen.
Bildnachweis: Schattenform
Ein weiteres faszinierendes Y-Combinator-Startup, das Herausforderungen im KI-Betrieb angeht, ist Cerelyze, gegründet vom ehemaligen Peloton-KI-Ingenieur Sarang Zambare. Cerelyze ist Zambares zweiter YC-Neuzugang, nachdem er das KI-Team beim kassenlosen Einzelhandels-Startup Caper geleitet hat.
Cerelyze nimmt KI-Forschungspapiere – wie sie typischerweise in Open-Access-Archiven wie Arxiv.org zu finden sind – und übersetzt die darin enthaltene Mathematik in funktionierenden Code. Warum ist das nützlich? Nun, viele Veröffentlichungen beschreiben KI-Techniken mithilfe von Formeln, enthalten jedoch keine Links zu dem Code, mit dem sie in die Praxis umgesetzt wurden. Normalerweise müssen Entwickler die in den Artikeln beschriebenen Methoden zurückentwickeln, um daraus funktionierende Modelle und Apps zu erstellen.
Cerelyze versucht, die Implementierung durch eine Kombination aus KI-Modellen, die Sprache und Code verstehen, und PDF-Parsern, die „für wissenschaftliche Inhalte optimiert sind“, zu automatisieren. Über eine browserbasierte Oberfläche können Benutzer eine Forschungsarbeit hochladen, Cerelyze Fragen in natürlicher Sprache zu bestimmten Teilen der Arbeit stellen, Code generieren oder ändern und den resultierenden Code im Browser ausführen.
Nun kann Cerelyze nicht übersetzen alles in einem Papier zum Codieren – zumindest nicht in seinem aktuellen Zustand. Zambare räumt ein, dass die Codeübersetzung der Plattform derzeit nur für eine „kleine Untergruppe von Arbeiten“ funktioniert und dass Cerelyze nur Gleichungen und Tabellen aus Arbeiten extrahieren und analysieren kann, keine Zahlen. Aber ich denke immer noch, dass es ein faszinierendes Konzept ist, und ich hoffe, dass es mit der Zeit – und den richtigen Investitionen – wächst und sich verbessert.
KI-Entwicklungstools
Immer noch entwicklerorientiert, aber kein KI-Infrastruktur-Startup per se, Fegen Erledigt autonom kleine Entwicklungsaufgaben wie Debugging auf hoher Ebene und Funktionsanfragen. Das Startup wurde dieses Jahr von William Zeng und Kevin Lu gegründet, beide Veteranen des zum Videospiel gewordenen sozialen Netzwerks Roblox.
„Als Softwareentwickler wechselten wir von spannenden technischen Herausforderungen zu alltäglichen Aufgaben wie dem Schreiben von Tests, Dokumentationen und Refaktorierungen“, sagt Zeng schrieb auf dem Blog von Y Combinator. „Das war frustrierend, weil wir große Sprachmodelle kannten [similar to OpenAI’s GPT-4] könnte das für uns erledigen.“
Sweep kann einen Codefehler oder ein GitHub-Problem aufgreifen und planen, wie es gelöst werden kann, sagen Zeng und Lu – indem der Code geschrieben und über Pull-Requests an GitHub übertragen wird. Es kann auch auf Kommentare reagieren, die entweder von Code-Betreuern oder -Eigentümern zum Pull-Request abgegeben wurden – ein bisschen wie GitHub Copilot, aber autonomer.
„Sweep begann, als wir erkannten, dass einige Software-Engineering-Aufgaben so einfach waren, dass wir die gesamte Änderung automatisieren konnten“, sagte Zeng. „Sweep erreicht dies, indem es die gesamte Projektanfrage mit Code schreibt.“
Angesichts der Tendenz der KI, Fehler zu machen, bin ich etwas skeptisch, was die Zuverlässigkeit von Sweep auf lange Sicht angeht. Zum Glück gilt das auch für Zeng und Lu – Sweep implementiert Code-Korrekturen nicht standardmäßig automatisch und erfordert eine menschliche Überprüfung und Bearbeitung, bevor sie in die Master-Codebasis übertragen werden.
KI-Apps
In diesem Jahr haben wir uns von der Tooling-Untergruppe der AI Y Combinator-Startups abgewendet Heutzutagedas sich selbst als „KI-Copilot für die Planung von Firmenveranstaltungen“ bezeichnet.
Anna Sun und Amy Yan gründeten das Unternehmen Anfang 2023. Sun war zuvor bei Datadog, DoorDash und Amazon tätig, während Yan verschiedene Rollen bei Google, Meta und McKinsey innehatte.
Nicht viele von uns mussten eine Firmenveranstaltung planen – schon gar nicht dieser Reporter. Doch Sun und Yan beschreiben die Tortur als beschwerlich, unnötig ermüdend und teuer.
„Unternehmensveranstaltungsplaner werden bei der Planung von Veranstaltungen mit endlosen Anrufen und E-Mails bombardiert“, schreibt Sun in einem Blogbeitrag von Y Combinator. „Aus Angst vor knappen Zeitplänen zahlen Planer für Vollzeitassistenten oder Werkzeuge, die sie über 100.000 US-Dollar pro Jahr kosten.“
Also, dachten Sun und Yan, warum nicht die schmerzhaftesten Teile des Prozesses der KI überlassen?
Kommen Sie zu Nowadays, das – sofern die Details einer bevorstehenden Veranstaltung (z. B. Termine und Anzahl der Teilnehmer) bereitgestellt werden – automatisch Kontakt zu Veranstaltungsorten und Anbietern aufnehmen und relevante E-Mails und Telefonanrufe verwalten kann. Heutzutage können sogar persönliche Vorlieben im Zusammenhang mit Veranstaltungen berücksichtigt werden, z. B. Annehmlichkeiten in der Nähe eines bestimmten Veranstaltungsortes und Aktivitäten, die zu Fuß erreichbar sind.
Ich sollte beachten, dass nicht ganz klar ist, wie Nowadays hinter den Kulissen funktioniert. Beantwortet und tätigt KI tatsächlich Telefonanrufe und beantwortet E-Mails? Oder sind irgendwo auf dem Weg Menschen beteiligt – etwa zur Qualitätssicherung? Deine Vermutung ist genauso gut wie meine.
Nichtsdestotrotz ist Nowadays eine sehr coole Idee mit einem potenziell riesigen adressierbaren Markt (510,9 Milliarden US-Dollar bis 2030). nach an Allied Market Research) und ich bin gespannt, wie es weitergeht.
Bildnachweis: Heutzutage
Ein weiteres Startup, das versucht, traditionell manuelle Prozesse abzustrahieren, ist FleetWorksdie Idee des ehemaligen Uber Freight-Produktmanagers Paul Singer und Quang Tran, der früher an Moonshot-Projekten bei Airbnb arbeitete.
FleetWorks richtet sich an Frachtmakler – die wesentlichen Vermittler zwischen Frachtverladern und Spediteuren. FleetWorks wurde als Ergänzung zum Telefon-, E-Mail- und Transportmanagementsystem (TMS) eines Maklers entwickelt und kann Ladungen automatisch buchen und verfolgen sowie Termine mit Versandunternehmen vereinbaren, die über kein Buchungsportal verfügen.
In der Regel müssen sich Makler per Telefon oder E-Mail an Fahrer und Disponenten wenden, wenn Ladungen nicht automatisch verfolgt werden, um Aktualisierungen zum Sendungsstatus zu erhalten. Gleichzeitig müssen sie Anrufe von Speditionen entgegennehmen, die an der Buchung von Ladungen interessiert sind, über den Preis verhandeln und Termine für außerplanmäßige Ladungen vereinbaren.
Singer und Tran behaupten, dass FleetWorks die Belastung verringern kann (kein Wortspiel beabsichtigt), indem es Anrufe und E-Mails auslöst und alle relevanten Informationen an das TMS oder die E-Mail weiterleitet. Zusätzlich zur Weitergabe von Ladungsdetails kann die Plattform den Preis besprechen und einen Spediteur buchen, sogar einen Fahrer anrufen und die Account-Teams über auftretende Probleme informieren.
„FleetWorks hilft Frachtunternehmen, sich auf hochwertige Arbeit zu konzentrieren, indem es Routineanrufe und E-Mails automatisiert“, schrieb Singer in einem Y Combinator Post. „Unsere KI-gestützte Plattform kann E-Mails nutzen oder eine menschenähnliche Stimme verwenden, um Tracking-Anrufe zu tätigen, Lasten abzudecken und Termine zu verschieben.“
Wenn es wie angekündigt funktioniert, klingt das wirklich nützlich.