Nie mają produktów, nie mają przychodów, często nie mają nawet klasycznego planu monetyzacji — a i tak potrafią zebrać setki milionów dolarów i wskoczyć na wyceny liczone w miliardach. W Dolinie Krzemowej rośnie fala tzw. neolabów: startupów-laboratoriów badawczych, które stawiają na długoterminowe przełomy w sztucznej inteligencji, a nie na szybki produkt i sprzedaż.
- Flapping Airplanes zebrał 180 mln dol. przy wycenie 1,5 mld dol., mimo braku produktu i przychodów
- Humans& pozyskał 480 mln dol. w rundzie seed przy wycenie 4,48 mld dol. Reflection AI — 2 mld dol. przy wycenie 8 mld dol.
- Kapitał płynie do badań, bo inwestorzy polują na „kolejne OpenAI”, ale rośnie też krytyka. Większość neolabów może skończyć bez przełomu i bez zwrotu
- Największe ryzyko? Wojna o talenty — nawet współzałożyciele startupów potrafią odpływać do gigantów rynkowych, gdy stawki wynagrodzeń rosną do astronomicznych poziomów
Historia Bena Spectora, doktoranta Stanfordu i twórcy Flapping Airplanes, dobrze oddaje zmianę w myśleniu rynku.
Nie było klasycznego pitch decka, nie było produktu, nie było nawet krótkoterminowego planu zarabiania. Było za to laboratorium, pomysł na nowe podejście do trenowania modeli AI oraz ambicja zbudowania zespołu młodych badaczy, którzy chcą mierzyć się z największymi problemami AI. Inwestorzy weszli w to bez wahania — 180 mln dol. i wycena 1,5 mld dol.
Spector tłumaczy logikę „najpierw nauka, potem biznes” w następujący sposób: — Małe zespoły genialnych młodych ludzi, które potrafią spojrzeć na problem w nowy sposób — to są organizacje, które naprawdę wygrywają.
To sedno tezy neolabów. Przełom architektoniczny i badawczy ma większą wartość niż dopracowany use case na dziś.
Ta moda nie dotyczy jednego projektu. W ostatnich miesiącach głośno było m.in. o Humans&, które zebrało 480 mln dol. w seedzie (runda zalążkowa) przy wycenie 4,48 mld dol., oraz o Reflection AI, które pozyskało 2 mld dol., podnosząc wycenę do 8 mld dol. Do tego dochodzi Periodic Labs, które wystartowało z 300 mln dol. kapitału na wizję automatyzacji badań naukowych.
W tle jest jeszcze większa stawka. To Safe Superintelligence (SSI) Ilyi Sutskevera, współtwórcy OpenAI, które według doniesień było wyceniane na 32 mld dol. mimo braku publicznego produktu. Sam Sutskever mówił o tym w ten sposób: — Opisałbym to tak, że są pewne idee, które uważam za obiecujące, i chcę je zbadać. I zaznaczał, że nie składa obietnic przełomu, produktu ani przychodów.
Dlaczego inwestorzy kupują tę narrację właśnie teraz
Boom na neolaby jest częścią szerszego zjawiska. Kapitał (szczególnie w USA) koncentruje się wokół AI, a presja FOMO („kto nie wejdzie teraz, przegapi wielką szansę”) podbija wyceny. Według danych cytowanych z serwisu PitchBook finansowanie amerykańskich startupów AI miało sięgnąć rekordowych 222 mld dol. w 2025 r.
Do tego dochodzi rosnące przekonanie części środowiska badawczego, że obecny paradygmat „dokarmiania” modeli AI większą ilością danych i mocy obliczeniowej może mieć malejące korzyści — a więc prawdziwy skok może wymagać nowej architektury, nowych metod uczenia, nowych założeń.
Neolaby sprzedają nie aplikację, tylko szansę na zmianę reguł gry.
Jak ujął to jeden z inwestorów, to inny typ zakładu niż klasyczne venture capital. — Laboratorium wspierane kapitałem VC — to nowa rzecz. To nie jest tradycyjny venture capital — powiedział w wywiadzie dla Wall Street Journal Pete Sonsini, współzałożyciel funduszu Laude Ventures. Logika jest prosta: jeśli zadziała — zwrot może być skrajnie ponadprzeciętny. A jeśli nie? Kapitał zostanie przepalony jak w ryzykownym programie badawczym.
Czytaj też: Czy ChatGPT „lubi” twoją markę? W erze AI to konieczne dla marketingu
Ryzyka: przepaść technologiczna, wojna o talenty i drenaż akademii
Największy zarzut wobec neolabów brzmi tak: wyceny wyprzedzają prawdopodobieństwo przełomu. Krytycy mówią o przepaści technologicznej, której większość zespołów nie przeskoczy. — Przepaść technologiczna do przekroczenia dla każdego z tych neolabów jest bardzo znacząca i myślę, że to ryzyko jest bardzo realne. Zdecydowana większość w ogóle jej nie przekroczy. Skończą z czymś, co jest tylko trochę lepsze. A jeśli jesteś trochę lepszy od alternatyw, nie masz znaczenia — zauważa Ashu Garg, partner generalny w Foundation Capital.
Drugie ryzyko to talenty. Neolaby konkurują nie tylko ze sobą, ale też z gigantami, którzy potrafią „wykupywać” ludzi i zespoły, gdy stawka strategiczna rośnie. Symboliczny przykład? Thinking Machines Lab (projekt współtworzony przez byłą menedżerkę OpenAI Mirę Murati) stracił dwóch współzałożycieli na rzecz OpenAI. To potrafi zachwiać nawet najbardziej gorącą narracją inwestycyjną — bo jeśli laboratorium traci mózgi, traci też powód istnienia.
Nic dziwnego, że inwestorzy zaczęli mocniej weryfikować motywacje. „Czy to motywacja finansowa, czy motywacja, żeby naprawdę wywrzeć wpływ? Czy są w tym na 10 lat? Czy mają cztery domy, które muszą spłacać?” W świecie neolabów pytanie o przychody bywa mniej istotne niż pytanie o to, kto wytrzyma dekadę bez gwarancji wyniku.
Jest jeszcze efekt uboczny: uniwersytety. Gdy laboratoria z miliardowymi wycenami rekrutują najmłodszych i najzdolniejszych, uczelnie tracą ludzi. Jeden z profesorów Stanfordu zwracał uwagę na rotację większą niż kiedykolwiek wcześniej, a ryzyko jest systemowe. Mniej osób wybierze karierę naukową, a także trudniej będzie „wytrenować” następną generację badaczy.
Neolaby korzystają z okna, w którym pieniądz jest jeszcze gotów finansować obietnicę przełomowych innowacji. Pytanie, które zostaje, jest już czysto rynkowe. Ile z tych laboratoriów rzeczywiście dowiezie przełom, zanim skończy się cierpliwość inwestorów i zanim talenty znów odpłyną do największych graczy?
Sprawdź też: Chipy znów na fali. Davos podgrzewa trend AI, a słowa Huanga windują wyceny
