Аналитика
Micro1 достигает $500 миллионов годового валового объема при доходах, пока лаборатории ИИ конкурируют за экспертные обучающие данные
Стартап по разметке данных увеличил свою выручку в пять раз за восемь месяцев, заключив контракты с экспертами в различных областях, включая врачей, юристов и ученых, для обучения систем ИИ. Быстрое масштабирование компании отражает интенсивную конкуренцию между лабораториями ИИ за высококачественные обучающие данные и вызывает вопросы о устойчивости ее маржинальности.
Элвин С. ·
Micro1, стартап по маркировке данных, который привлекает экспертов в своих областях для обучения систем искусственного интеллекта, увеличил свой валовой годовой оборот до 500 миллионов долларов за восемь месяцев, согласно отчету TechCrunch. Компания начинала этот период с валового оборота в 100 миллионов долларов, что означает пятикратное расширение и подчеркивает жесткую конкуренцию между лабораториями ИИ за надежные обучающие данные. Micro1 нанимает врачей, юристов, ученых и других специалистов на контрактной основе для маркировки и аннотирования наборов данных, которые обучают ИИ-модели выполнению специализированных задач.
Сообщаемые показатели маржи рассказывают более сложную историю, чем простой рост выручки. Сообщается, что Micro1 сохраняет от 60 до 70 процентов валовых счетов, что подразумевает чистую годовую норму дохода между 150 и 200 миллионами долларов после выплаты подрядчикам. Это оставляет значительный разрыв между основной выручкой и фактической прибылью компании, различие, которое имеет значение при оценке того, создает ли стартап устойчивый бизнес или просто прокачивает капитал. Модель компании зависит от сохранения доступа к экспертам в своей области, готовым работать на условиях контрактов, рынок труда на котором может ужесточиться по мере масштабирования других платформ для обучения ИИ. отчет TechCrunch документирует отчётность, лежащую в основе этой записи.
Расширение отражает структурный спрос со стороны ИИ-лабораторий, которым необходимы тренировочные данные с гарантией точности. Универсальная маркировка данных, выполняемая краудсорсингом, оказалась недостаточной для приложений с высокими ставками. Модель ИИ, предназначенная для помощи радиологам, должна обучаться на данных, размеченных людьми, которые понимают медицинскую визуализацию. Юридический инструмент для исследований требует аннотирования юристами, знакомыми с судебной практикой. Эта специализация создает обоснованный рынок для платформ, которые могут надежно привлекать и управлять экспертными подрядчиками. Маркировка данных остается основой для контролируемого машинного обучения, а качество размеченных данных напрямую ограничивает производительность модели.
Вопрос о марже
На первый взгляд, Micro1Рост выглядит впечатляюще. Достижение $500 миллионов валового дохода менее чем за год ставит компанию среди самых быстрорастущих поставщиков корпоративных AI-услуг. Но финансовая архитектура под этим вызывает вопросы относительно устойчивости. Если компания сохраняет 60-70 процентов от выставленных счетов, она работает с подрядной зарплатой, которая масштабируется вместе с доходом. Такая структура оставляет ограниченное пространство для операционных расходов, капитальных вложений или прибыли. Доля в 35-40 процентов должна покрывать продажи, инженерные работы, инфраструктуру платформы, поддержку и накладные расходы. Для справки, компании по аннотации данных традиционно работали с низкой рентабельностью именно потому, что затраты на рабочую силу тесно связаны с доходом.
Структура стимулов также имеет значение. Micro1 получает выгоду, когда лаборатории запрашивают больше аннотирования данных. Лаборатории получают выгоду, когда они получают доступ к экспертной маркировке по разумной стоимости. Но подрядчики получают наибольшую выгоду, когда спрос на их навыки превышает предложение. По мере того как больше платформ для обучения ИИ конкурируют за один и тот же пул экспертов в определенной области, давление на зарплаты, вероятно, возрастет. У врачей, юристов и ученых есть альтернативы. Если три платформы конкурируют за время одного и того же радиолога, этот радиолог может требовать более высокие ставки. Сообщаемый уровень удержания Micro1 в 60–70 процентов указывает на то, что компания сейчас обладает переговорной силой, но это преимущество может не сохраниться, если предложение экспертов сократится. Операционная компромиссность также отражается в аннотирование данных.
Конкурентная устойчивость и требования к капиталу
Рост Micro1 происходил на фоне более широкого развития инфраструктуры ИИ. Лаборатории инвестируют в обучение моделей, оптимизацию вывода, системы поиска и конвейеры данных. Слой разметки данных находится внутри этого большего стека, конкурируя за внимание и капитал наряду с другими поставщиками инфраструктуры. Стартап продемонстрировал наличие спроса, но это отличается от демонстрации способности поддерживать цены или долю на рынке по мере усиления конкуренции. Другие платформы могут выйти на рынок с различными моделями подрядчиков, географическим арбитражем или специализированным вертикальным фокусом. Micro1 может столкнуться с давлением как со стороны устоявшихся компаний по аннотации данных, так и со стороны новых участников, оптимизирующихся под конкретные отрасли или типы задач. Для более широкого контекста, корпоративный ИИ излагает соответствующий стандарт или учреждение.
Требования к капиталу для масштабирования бизнеса, зависящего от подрядчиков, значительные. Найм, проверка и удержание экспертов в своей области в большом объеме требуют операционной сложной организации. Micro1 необходимо создавать системы для управления распределенными подрядчиками по специальностям и географиям. Нужно обеспечивать единообразие качества и соответствие требованиям лаборатории. Также необходимо управлять выплатами подрядчикам, контрактами и ответственностью. Эти операционные издержки не масштабируются так линейно, как чистое программное обеспечение, что означает, что рост при показателе в $500 миллионов в год, вероятно, требует значительных инвестиций в операционную и вспомогательную инфраструктуру. облачные вычисления помогает разместить проблему в более широком контексте политики и инженерии.
Быстрый рост Micro1 также зависит от устойчивого спроса со стороны лабораторий искусственного интеллекта, готовых платить за экспертную маркировку. Сегодня этот спрос кажется реальным, но он зависит от того, чтобы несколько факторов оставались стабильными. Если лаборатории разработают собственные возможности по маркировке, они могут сократить аутсорсинг. Если синтетические данные или методы слабого контроля улучшатся быстрее, чем ожидалось, спрос на человеческую маркировку может снизиться. Если несколько лабораторий объединятся в меньшие, более крупные структуры, у них может появиться больше рычагов для переговоров о ценах. Рынок маркировки данных является подлинным и растет, однако разрыв между валовой выручкой и чистым доходом в сочетании с бизнес-моделью, зависящей от подрядчиков, указывает на структурные ограничения Micro1 в отношении прибыльности. Стартап Micro1 должен справляться с противоречивыми давлениями: сохранять ценовую власть, одновременно конкурируя за таланты подрядчиков, масштабировать операции, одновременно контролируя расходы, и удерживать отношения с клиентами, одновременно управляя сжатием маржи с обеих сторон. Эти сложные проблемы сохраняются даже по мере того, как инфраструктура облачных вычислений становится более эффективной и по мере того, как Управление рисками ИИ рамки зрелости развиваются во всех предприятиях. Ранний успех Micro1 автоматически не решает их.
Темы: ИИ, маркировка данных, стартапы, корпоративный ИИ, бизнес-стратегия