Bis vor Kurzem hatte diese düstere Entwicklung die Nachfrage nach Startup-Lottoscheinen nicht gedämpft. Die Risikokapitalfinanzierung erreichte in den USA, Europa und Asien Rekorde zwischen 2017 und 2021 mit einem Ein-Jahres-Rekord im Jahr 2021. Viele träumten davon, dass der Aufstieg der Gig Economy den privaten Autos und Parkplätzen ein Ende bereiten, physische Banken verdrängen und Arztpraxen durch Online-Besuche ersetzen würde.

Doch solche Träume wurden inzwischen zunichte gemacht – zusammen mit den Aktienkursen börsennotierter Startups, den sinkenden Bewertungen privat gehandelter Startups und einer schwindenden Zahl von Börsengängen und SPACS.

Globale VC-Finanzierung im ersten Quartal 2023 belief sich auf insgesamt 76 Milliarden US-Dollar Laut Crunchbase sind das 53 % weniger als die 162 Milliarden US-Dollar, die ein Jahr zuvor aufgebracht wurden. Darüber hinaus sind in der Zahl für 2023 zwei große Käufer enthalten – eine gemeldete Investition von 10 Milliarden US-Dollar in OpenAI (größtenteils von Microsoft MSFT) und 6,5 Milliarden US-Dollar vom Zahlungsriesen Stripe.

Das schwindende Interesse spiegelt sich in Pitchbooks wider Verhältnis von Kapitalnachfrage zu Angebotder im ersten Quartal 2023 einen Höchstwert von 3,24 für Late-Stage-Startups erreichte. Dies bedeutet, dass die von diesen Startups nachgefragte Kapitalmenge das 3,24-fache der bereitgestellten Menge betrug oder, andersherum betrachtet, die Startups erhalten konnten nur 30 % der beantragten Finanzierung.

Auch die Fremdfinanzierung von Startups versiegt. Laut Pitchbook, Das Volumen der Risikokredite in den USA sank im ersten Quartal 2023 auf 3,5 Milliarden US-Dollar, den niedrigsten Stand seit 2017. Dieser Einbruch wird wahrscheinlich durch die Schließung der Silicon Valley Bank im März und die Folgen ihres Scheiterns noch verschärft.

Es ist wahrscheinlich, dass sich diese drei Trends – geringere VC-Finanzierung, weniger Börsengänge und weniger Fremdfinanzierung – verschlimmern, bevor sie besser werden, was teilweise auf eine Realität zurückzuführen ist, die wir bereits (zum Beispiel hier) besprochen haben – die anhaltenden Verluste sogenannter Einhorn-Startups.

Ungefähr 90 % der öffentlich gehandelten Einhörner sind unrentabel und viele haben erschreckende kumulierte Verluste. Anfang 2023 hatten 22 Einhörner kumulierte Verluste von mehr als 3 Milliarden US-Dollar. Uber-Technologien UBER

hatte 33 Milliarden Dollar; Wir arbeiten WIR

16 Milliarden US-Dollar; Rivian Automotive RIVN

14,4 Milliarden US-Dollar; Teladoc-Gesundheit TDOC

11 Milliarden US-Dollar, Lyft LYFT

9,3 Milliarden US-Dollar.

Weitere Mitglieder dieses unterlegenen Einhornclubs sind: Robinhood Markets HAUBE

; Coinbase Global MÜNZE

; Palantir-Technologien PLTR

; Peloton Interactive PTON

; Wayfair W

; Twilio TWLO

; Nutanix NTNX

; DoorDash BINDESTRICH

; Ginkgo Bioworks Holdings DNA

; Schnapp SCHNAPP

; Blütenenergie SEI

; Qualtrics International XM

; Airbnb ABNB , Einladen NVTA

; Bright Health Group BHG

; KontextLogik WUNSCH , und Faraday Future Intelligent Electric FFIE .

Wie könnte das ausgehen? Pitchbook sagt das die Landebahnen Viele Startups im Früh- und Mittelstadium könnten innerhalb von sechs bis neun Monaten auslaufen. Ein VC warnte: „Wenn Unternehmen kein Geld aufbringen können, wohin sollen sie dann gehen?“

Können chatgpt und andere große Sprachmodelle (LLMs) sie speichern?

Bill Gates sagt, dass ChatGPT „unsere Welt verändern wird“. Ein Wharton-Professor verkündet dass die Produktivitätsgewinne durch LLMs möglicherweise größer sind als die Gewinne durch Dampfkraft. Ben Miller, der CEO von Fundrise, vorhergesagt dass KI „den größten Produktivitätsboom in der amerikanischen Geschichte seit der Erfindung der Elektrizität hervorbringen wird“.

Kein Wunder, dass finanziell angeschlagene Unternehmen nach einer Rettungsleine für KI suchen und neue Startups den KI-Hype verbreiten. Wir stehen an der Schwelle zu einer KI-Blase, die mit den Dotcom- und Kryptowährungsblasen konkurrieren könnte. Viele Investoren wollen unbedingt nicht außen vor bleiben und viele Unternehmen nehmen ihr Geld gerne an. Wer braucht Details? Nennen Sie es einfach KI und zählen Sie das Geld.

Wir waren gegenüber KI skeptisch und bleiben es auch. LLMs sind Black-Box-Textgeneratoren, mehr nicht. Sie erledigen diese einfache Aufgabe erstaunlich gut und geben selbstbewusst kohärente, grammatikalisch korrekte (wenn auch oft ausführliche) Antworten auf Benutzeraufforderungen. Da es sich um Black Box handelt, sind selbst die Ersteller manchmal überrascht und ratlos über ihre Ergebnisse.

Trotz des oberflächlichen Anscheins ist die Realität jedoch so, dass LLMs nicht dazu gedacht sind und in der Praxis auch keine Möglichkeit haben, die von ihnen generierten Wörter mit der realen Welt in Beziehung zu setzen. LLMs neigen dazu, Unwahrheiten zu verbreiten und haben keine Möglichkeit zu wissen, ob ihre Äußerungen wahr oder falsch sind.

Die Unzuverlässigkeit von ChatGPT und anderen LLMs stellt ein erhebliches rechtliches, finanzielles und Reputationsrisiko für jedes Unternehmen dar, das sie zur daraus resultierenden Textgenerierung nutzt.

Yann LeCun, Chef-KI-Wissenschaftler bei Meta AI, ein oft begeisterter Enthusiast für LLMs, kürzlich hielt einen Vortrag an der Northeastern University, wo er zugab, dass „maschinelles Lernen scheiße“ sei, da aktuelle KI-Systeme spezialisiert und spröde seien, „dumme“ Fehler machen und nicht argumentieren und planen, im Gegensatz zu Tieren und Menschen, die neue Aufgaben schnell erlernen und verstehen können, wie Die Welt funktioniert und kann nachdenken und planen.

Die KI-Blase wird Start-ups möglicherweise noch eine Weile über Wasser halten und sicherlich viele neue Start-ups beflügeln, aber um auf lange Sicht profitabel zu sein, bedarf es mehr als nur der Fähigkeit, glatte Prosa zu schreiben. Es gibt viele eng definierte Aufgaben, die KI-Systeme gut erledigen können, entweder alleine oder unterstützend für Menschen, aber Behauptungen, dass die Produktivitätssteigerungen durch die Technologie mit Dampfkraft und Elektrizität mithalten können, sind eklatante Lügenmärchen, die mit der Desinformation, bei der KI überragend ist, mithalten können.

Jeffrey Lee Funk ist ein unabhängiger Technologieberater. Gary Smith, Fletcher-Jones-Professor für Wirtschaftswissenschaften am Pomona College, ist Autor von Dutzenden Forschungsartikeln und 16 Büchern, zuletzt „Distrust: Big Data, Data-Torturing, and the Assault on Science“ (Oxford University Press, 2023)..

Mehr: Wenn Sie in KI-Aktien investieren, achten Sie auf diese Umsatz- und Ertragstricks

Lesen Sie auch: Amazon hat ein Jahrzehnt lang kein Geld verdient, aber diese Verluste waren nicht einmal annähernd so groß wie das, was Startup-Unternehmen und ihre Investoren jetzt erleiden müssen.