Сколько следует расходовать на ИИ? Почему большинство VC-фондов ещё не вернули средства инвесторам и кто в инвестициях является истинным лидером?

Автор: Venture Curator

Перевод: TechFlow

Дайджест TechFlow: Эта статья с помощью двух наборов жестких данных разбирает два факта: крупные VC фонды массово вкладываются в однородные проекты по ИИ, в то время как новые управляющие чаще рискуют, выбирая нетипичные компании; а также то, что большинство VC фондов через девять лет существования все еще не вернули инвесторам (LP) свои вложения. Для основателей, привлекающих финансирование, понимание давления на капитал фондов важнее, чем брендовые логотипы.

Новые VC активнее инвестируют в нестандартные стартапы, а расходы на ИИ варьируются в огромном диапазоне среди более чем 70 тысяч компаний.

Кто же инвестирует в уникальные компании в сфере венчурного капитала? Что говорят данные.

Венчурным инвесторам обычно говорят, что это бизнес, построенный на поиске уникальных возможностей. Небольшое число компаний, успех которых никто не предвидел, приносит большую часть доходности, поэтому структуры с самой массовой командой, широкой сетью контактов и наибольшим капиталом должны иметь наибольшие шансы их находить.

Однако новое исследование Дана Греya из Odin на основе данных Dealroom показывает, что крупнейшие институты сейчас менее всего склонны инвестировать в компании, которые выглядят иначе, чем остальные получатели финансирования.

Grey оценил каждую компанию в seed-портфеле пяти гигантских фондов (a16z, General Catalyst, Lightspeed, NEA и Accel) за 2023–2025 годы, а также группу тщательно отобранных новых управляющих, по степени редкости. Уровень редкости измерялся по двум направлениям: бизнесу (отрасль, модель, клиенты, география) и технологиям, в сравнении со всеми seed-компаниями, привлечшими финансирование в период с 2018 по 2025 год. Самые необычные 20% определяются как «нетипичные».

Новые управляющие направили 24,7% оцениваемых seed-раундов в компании с нетипичным профилем (49 из 198). Крупнейшие фонды проинвестировали лишь 11,5% (32 из 278). Разрыв составляет почти двукратный показатель.

Эта разница обусловлена не тем, что каждый маленький фонд играет на опережение. Множество новых управляющих, как и гиганты, делают тяжелые ставки на ИИ: Conviction — на 100% ИИ, South Park Commons — на 93,5%. Разрыв возникает за счет профильных фондов с другими стратегиями, например, Lowercarbon инвестирует в ИИ лишь на 18,8%, Multicoin — на 15,4%.

Именно поэтому распределение портфеля имеет значение. Объединение книг расчетов пяти разных новых управляющих обычно снижает концентрацию на 22,6%. Объединение пяти крупнейших фондов снижает её лишь на 2,0%, поскольку все пять уже находятся в диапазоне ставок на ИИ от 82,7% до 89,5%. Среди 462 возможных комбинаций новых управляющих лишь 2 не смогли превзойти группу гигантов.

Важность этого вопроса выходит за рамки простой статистики портфелей. Исследования венчурных рисков всегда указывали на то, что ожидание инвесторами доступности последующего финансирования определяет, какие эксперименты получат первую заявку. Odin осторожно отмечает, что их данные не доказывают наличие такой механики. Но если крупнейшие пулы капитала инвестируют только в те проекты, которые уже широко признаны подходящими, то компании вне этого консенсуса останутся зависими от сторонних первых ставок.

Означает ли это, что новые управляющие лучше выбирают победителей?

Нет. «Нетипичные» здесь означают редкость среди финансируемых компаний, что не равно большей инновационности или вероятности успеха. После учета опыта основателей разрыв сократился до 19,8% против 14,4%. Эта группа новых управляющих — отобранная выборка, не отражающая весь рынок. Кроме того, маленькие фонды тоже поддаются стадному инстинкту: блокчейн составлял 46,7% их ранних раундов, позже упав до 20,9%.

Вот здесь инвесторам и стоит проявить осторожность.

Если ваша гипотеза гласит, что доходность приходит с уникальными компаниями, добавление именитого фонда лишь умножает те же самые ставки. Лишь корзина фондов с действительно разными стратегиями расширяет охват. Но сам по себе охват не является основанием для выписывания чека. Тест Odin сводится к следующему: чего именно не хватает вашему текущему портфелю в рамках одного фонда, каковы его комиссии и carry, какая доля после разводнения, и каков риск последующего финансирования.

Настоящий вопрос не в том, какой фонд самый большой. Вопрос в том, какие фонды действительно смотрят туда, куда никто другой не смотрит, так как согласно данным, этот список всё реже состоит из одних и тех же игроков.

Спустя девять лет большинство VC фондов все еще не вернули деньги инвесторам. Что будет дальше?

Основателям обычно внушают, что их VC фонды — это терпеливый капитал. Венчурный бизнес — это марафон; фонды создаются ради ожидания значимых результатов, и в графиках капитализации никто не торопит с выводом наличности.

Однако новые данные из отчета Carta о производительности VC фондов за второй квартал 2026 года показывают, что терпение многих фондов иссякает, поскольку большинство из них до сих пор не возвратило деньги своим инвесторам.

Carta отслеживает чистый DPI (Distributed to Paid-In), то есть долю реальных денежных средств, возвращенных фондом LP от каждой вложенной ими доллара, охватывая около 3000 американских венчурных фондов, начавших инвестиции в период с 2017 по 2026 год.

Фонды, запущенные в 2017 году, существуют уже около девяти лет, подходя к концу типичного десятилетнего цикла жизни фонда. Медианный фонд вернул всего 0,37x денежными средствами. Даже фонды в первом квартиле вернули лишь 0,70x. Только топ-10% возвратили сумму, превышающую вложенные средства LP, достигнув 1,37x.

У более молодых фондов ситуация хуже еще больше. Медиана фондов 2018 года составила 0,15x, а медиана фондов 2019 года — 0,04x, то есть спустя семь лет за каждый вложенный доллар возвращается лишь 4 цента.

Стоимость присутствует на бумаге. Медианная балансовая стоимость фондов 2017 года составляет 1,72x, но денежные средства вернулись примерно в одном случае из пяти. Остальное до сих пор заблокировано в непубличных компаниях, которые еще не были проданы или вышли на IPO.

Есть второй нюанс, объясняющий, почему эту картину сложно оценить со стороны. Большинство этих фондов все же вернули часть денег: 86% фондов 2017 года и 70,4% фондов 2018 года хотя бы частично выплатили наличность. Поэтому почти каждый фонд может заявить своим LP, что распределение началось. Но лишь немногие могут сказать, что они полностью вернули вложения.

Тогда почему основателям вообще стоит обращать внимание на финансовую книгу своих инвесторов?

Потому что хронометрия фонда вашего инвестора не совпадает с часами вашей компании. Фонд, приближающийся к закрытию, имеющий обязательства перед LP в виде реальных денег и одновременно собирающий новый фонд, испытывает сильное желание получить ликвидность как можно скорее. Это давление может проявиться в давлении на досрочную продажу, продаже акций на вторичном рынке или осторожности в продолжении инвестиций в вашем следующем раунде.

Вот здесь основателям и нужно быть начеку.

Это вовсе не означает, что ваши инвесторы будут действовать вам во вред. Фонды могут продлевать срок существования, и у многих топовых институциональных игроков есть веские причины продолжать поддержку своих чемпионов. Данные Carta лишь фиксируют нехватку ликвидности, но не предопределяют действия каждого фонда. Однако год выпуска фонда, который выписал вам чек, стал реальным фактором, а не просто примечанием внизу страницы. Партнер, выводящий капитал из фонда 2017 или 2018 года, находится в совершенно иных условиях, чем партнер из абсолютно нового фонда 2025 года.

Настоящий риск заключается не в том, что вашим инвесторам нужна ликвидность. Риск в том, что вы не знаете, из какого именно фонда поступили ваши средства, сколько наличности он должен своим участникам, и как это повлияет на их рекомендации относительно вашего следующего раунда или выхода.

Где находятся главные деньги в ИИ: frontier-модели или средний рынок?

Большинство материалов об ИИ фокусируются на frontier: новейшие, самые умные и дорогие модели каждой лаборатории. Однако Томаш Тунгуз из Theory Ventures выдвигает аргумент: по-настоящему важным рынком является средний сегмент, и данные об расходах это подтверждают.

Средний уровень уже поглощает около 40% расходов на ИИ и 30% потребления токенов.

По сравнению с этим доля frontier-моделей невелика. Самая мощная модель Anthropic Fable 5.1 заняла лишь 3,7% расходов шлюза (gateway) за первые 12 дней после запуска. Её предыдущий аналог максимум достигал 13,2%, но спустя месяц после выхода Opus 5 по половинной цене упал до 4,9%. В корпоративных учетных записях доля потребления токенов frontier-моделями снизилась с 53% в начале августа до 45% в сентябре.

Ценовые войны также разворачиваются именно в этом сегменте. Когда Anthropic снизило цены на новые модели в сентябре, OpenAI ответило аналогичным ходом примерно через 90 минут. До этого снижения ценовая линейка серии Opus на протяжении четырех версий фиксировалась на уровне 5 долларов за миллион входных токенов и 25 долларов за выходные. В бюджетном сегменте OpenAI в июле обрушил цены на Luna на 80%, а в сентябре ещё на 50%.

Три фактора постоянно оказывают давление, снижая цены в среднем сегменте:

Конкуренция между лабораториями. Лаборатории теперь реагируют на снижение цен друг друга в течение часов, а не кварталов.

Модели с открытыми весами. На шлюзах, публикующие статистику, open-source модели генерируют большую часть объема токенов, при этом их цена на 86% ниже средневзвешенной цены закрытых моделей.

Тонкая настройка (fine-tuning). Агрегатор Cursor Composer 2, обученный на базе open-модели Kimi K2.5, снизил общие затраты на 86% по сравнению с предыдущей собственной разработкой. Harvey удешевил обработку одной задачи (cell) на 55% по сравнению с Sonnet 5, при этом набрав более высокий балл, чем Fable 5.

Этот процесс носит структурный характер. Задачи, которые предприятия поручают ИИ, такие как сводка контракта или категоризация заявки, изо дня в день остаются практически неизменными. При этом стоимость интеллекта, необходимого для решения таких задач, стремительно падает. Таким образом, слой, способный удовлетворить базовые требования, дешевеет ежеквартально, тогда как основная масса реальной работы приходится именно на него, а не на frontier.

Спрос напоминает не пирамиду с узкой вершиной, а скорее колокол с толстым центром. Покупателей интересует количество полученного интеллекта на каждый доллар, а не пиковые возможности. Под вопросом остается одно: превратится ли этот средний рынок в commodity. Если да, экономика всего ИИ-рынка кардинально изменится.

Тем, кто строит продукты поверх этих моделей, стоит задать вопрос: какой именно уровень реально нужен вашему продукту. Переплачивать цену frontier-модели за работу среднего уровня сегодня — это наиболее эффективный способ отказаться от прибыли.

Сколько именно должна тратить ваша стартап-компания на ИИ? Таковы данные.

Если спросить большинства основателей, сколько они тратят на ИИ, вы получите уверенную цифру: несколько лицензий ChatGPT и Claude, счетчики за Cursor, растущие расходы на API — в сумме тысячи долларов в месяц. Звучит точно, но на деле это не так. Ведь сюда смешаны три категории расходов без единой общей черты, объединяет их лишь класс поставщика.

Платежные данные Ramp, охватывающие более 70 тысяч компаний США, показывают, насколько фрагментирован сам факт «использования ИИ».

Медианная компания тратит 11,38 долларов на сотрудника в месяц. Топ-10% — 611 долларов.

Топ-1% тратит 7 449 долларов, что примерно в 650 раз больше медианы. Когда Ramp сопоставил эти расходы с кадровыми данными Revelio Labs, охватывающими 21 559 компаний, оказалось, что у компаний с высокими затратами за два года штат вырос на 10,2%, причем найм на стартовые позиции увеличился на 12%.

В данных компаний с низкой интенсивностью использования никаких значимых изменений не прослеживается.

Давайте потратим чуть больше. Но куда именно?

Многие основатели сравнивают счета за ИИ со своим IT-бюджетом, потому что в выписках эти статьи лежат рядом с Figma и Notion. Это неверный знаменатель. Все больше расходов на ИИ заменяет не софт, а людей. Аналогом ИИ-агента поддержки является должность сотрудника поддержки, а не ваш пакет SaaS-инструментов.

Возьмем типичную seed-компанию: 12 человек, ежемесячный фонд оплаты труда около 180 тысяч долларов, расходы на ИИ — 4 тысячи долларов в месяц. На фоне бюджета на ПО сумма кажется тяжелой. Но на фоне ФОТа это лишь 2,2%. Одна и та же цифра дает совершенно противоположные выводы.

Решение — разделить ИИ-бюджет на три блока и оценивать каждый по своей метрике:

ИИ в статье ФОТ (агенты поддержки, SDR и программирования) сравнивается с зарплатой человека, которого вы не нанимаете. Если вы не можете назвать конкретную должность, эта статья не относится к данной группе.

ИИ в статье производительности (лицензии, заметки и инструменты для письма) оценивается по уровню использования. Если активность падает ко второму месяцу — отказывайтесь от инструмента.

ИИ в статье себестоимости (вызовы API и токены внутри продукта) оценивается через маржинальность при масштабировании в 10 раз, и эти расходы должны быть учтены в вашей COGS (себестоимости реализованной продукции).

Смешивание трех категорий приводит к взаимному искажению сигналов. Перерасход на лицензии делает общую сумму визуально непропорциональной, из-за чего основатели начинают экономить на агентах, хотя именно там кроется главная отдача. Компании из топ-1% побеждают не из-за больших трат, а благодаря четкой классификации расходов: они агрессивно инвестируют туда, где ИИ заменяет человеческий труд, строго контролируют расходы там, где он лишь ускоряет процессы, и следят за маржой при внутренних интеграциях в продукт.

Мы детально разобрали полный метод ранжирования, включая систему аудита за 30 минут, которую вы можете применить на этой неделе для проверки своих счетов. Подробности см. в статье «Чем именно следует обосновывать ваш ИИ-расходы?»

Почему венчурная due diligence в сфере deeptech стала только хуже?

Казалось бы, самые сложные технологии должны проходить самое жесткое scrutiny. Квантовый компьютер, термоядерный реактор или новая архитектура чипа либо работают в рамках законов физики, либо нет, и для этого требуется настоящая экспертная оценка.

Однако Марин Ивецич из PostQuantum считает, что на деле всё наоборот: чем крупнее сделка и выше технологическая сложность, тем меньше шансов, что независимый эксперт проверит научную состоятельность проекта.

Дело не в том, что инвесторы стали ленивыми. Накопилось сразу несколько структурных изменений.

Исчез слой экспертов.

Раньше инвесторы могли опираться на независимые технические оценки от банковских исследовательских подразделений, где работали профильные аналитики. Правило MiFID II в Европе в 2018 году, требующее раздельной оплаты исследований и сделок, привело к свертыванию этой модели. Сообщается, что объем европейского equity research снизился примерно на 20%, а число профильных аналитиков в крупных банках также уменьшилось.

Рынок экспертных сетей сейчас оценивается примерно в 2,5 млрд долларов и заполняет часть вакуума. Но он работает только тогда, когда вы знаете, кого спрашивать и о чем. В frontier-секторе именно этих знаний у инвесторов общего профиля обычно нет.

Деньги перетекают к специалистам широкого профиля.

В 2025 году частные инвестиции в квантовые технологии достигли 4,9 млрд долларов, показав рост на 192%. Крупнейшими участниками стали BlackRock и NVIDIA, а не специализированные квантовые фонды. Суверенные фонды и пенсионные резервы все активнее выходят на подобные раунды. Опрос суверенных фондов показал, что 58% участников не располагают ресурсами для участия в сделки в статусе lead investor. Капитал, неспособный провести самостоятельную техническую экспертизу, вынужден полагаться на чужие суждения.

Бренд лидера раунда заменил собственную проверку.

Авторитетный lead investor выступает гарантом для всех co-investors. Последователи де-факто принимают за данность, что лидер проверил физическую реализуемость, но сами они не видят эту проверку и не могут подтвердить её факт. В некоторых случаях этого нет даже номинально: в финансировании Quantinuum на 600 млн долларов вообще не фигурирует официальный lead investor.

Deadlines и стадный эффект ставят скорость выше проверки.

К концу 2023 года фонды США аккумулировали рекордные 311,6 млрд долларов неиспользованного капитала (dry powder). Менеджеру под давлением необходимости deploy cash выгоднее присоединиться к хайповой сделке, чем тормозить её процесс. Кроме того, ошибаться вместе с конкурентами наносит меньший ущерб репутации, чем ошибаться в одиночку.

В deeptech отсутствуют обязательные точки контроля.

Биотехнологии служат отличным контрастным примером. Процесс регуляторного одобрения FDA принуждает к публикации данных на каждом этапе, благодаря чему в отрасли сформировалась целая экосистема due diligence: научные консультативные советы, внешние эксперты-рецензенты, поэтапные аудиты.

В квантовой сфере нет равных ей барьеров. Самую строгую техническую проверку крупной квантовой компании, которую удалось найти автору, инициировало правительство Австралии через запрос информации; ни один инвестор такого не делал.

Результаты наглядно отражены в цифрах.

В 2025 году частные инвестиции в квантовую отрасль составили 4,9 млрд долларов, в то время как совокупная выручка всей индустрии квантовых вычислений едва достигла 1,4 млрд долларов. Три квантовые компании, листинговавшиеся через SPAC в 2021 году, прогнозировали консолидированную выручку в 1,2 млрд долларов на 2025 год, однако фактически отчитались лишь об 138 млн долларов. Примечательно, что наиболее надежную верификацию провели шорт-селлеры, а не инвесторы.

У этого финала уже есть исторические прецеденты. В период с 2006 по 2011 год венчурный капитал вложил в чистые технологии более 25 млрд долларов, потеряв половину суммы. Академики, изучавшие тот цикл, предупреждали, что пенсионные и суверенные фонды без опыта в hardware станут следующей партией, которая будет кормить подобные компании.

Предлагаемое решение очевидно: перед участием в глубоком технологиями раунде сверх определенного масштаба LP должны требовать отчет о независимой технической оценке, который не заказывается самим фондом и не подбирается основателями. Стоит отметить, что автор лично инвестирует в квантовые стартапы и владеет компанией, предоставляющей подобные услуги проверки. Однако главный тезис остается верным: в deeptech подпись на графике рассредоточения капитала незаметно вытеснила технический аудит, и перед чеками подобных сумм стоимость нескольких недель независимой экспертизы显得 ничтожной.