Pear VC, ein bekanntes Pre-Seed- und Seed-fokussiertes Venture-Unternehmen, betreibt seit etwa einem Jahrzehnt einen Accelerator mit etwa 10 Startups in jeder Charge.
Im Laufe dieser Jahre hat das kleine, aber feine Programm dazu beigetragen, zahlreiche Unternehmen wie Viz.ai zu gründen, deren von der FDA zugelassene KI Schlaganfälle diagnostizieren kann (und war). im Wert von 1,2 Milliarden US-Dollar im Jahr 2022), das Relationship-Management-Unternehmen Affinity, das laut PitchBook-Daten eine Serie C im Wert von 80 Millionen US-Dollar mit einer Bewertung von 620 Millionen US-Dollar aufnahm, und Valar Labs, das KI nutzt, um Ärzten bei der Entscheidungsfindung bei der Krebsbehandlung zu helfen. (Im Mai wurde eine Serie-A-Finanzierung im Wert von 22 Millionen US-Dollar abgeschlossen.)
In diesem Jahr hat Pear beschlossen, dass es an der Zeit ist, die Größe seines Accelerators zu vergrößern und den Unternehmen mehr Dienstleistungen anzubieten, indem es ihnen Hilfe bei der Rekrutierung und Platz in seinem neuen 30.000 Quadratmeter großen Büro in San Francisco bietet. Künftig wird das 14-wöchige Programm, das jetzt PearX heißt, zweimal im Jahr durchgeführt. Jede Gruppe wird aus etwa 20 Unternehmen bestehen. Das größere Programm ist immer noch weit von dem von Y Combinator entfernt, das jährlich Hunderte von Startups aufnimmt.
Es ist nicht nur die kleinere Größe, die PearX von YC unterscheidet. Die Startups in jedem Batch werden in der Regel erst am Demo-Tag bekannt gegeben, einer persönlichen Veranstaltung, an der über hundert VC-General Partners teilnehmen, darunter Top-Firmen wie Sequoia, Benchmark und Index Ventures. Während YC angibt, dass es jedem Unternehmen die gleichen Standardbedingungen bietet, kann die Finanzierung, die PearX-Startups von der Firma erhalten, je nach Bedarf und Entwicklungsstand zwischen 250.000 und 2 Millionen US-Dollar liegen.
Am diesjährigen Demo-Tag, der Anfang des Monats stattfand, nahmen 20 Unternehmen teil, von denen sich die meisten auf KI konzentrierten. Unter ihnen sind hier fünf, die uns und den Anwesenden mit neuen Ansätzen für komplexe Geschäftsprobleme auffielen.
Was es tut: identifiziert die beste Infrastruktur für Multimodell-KI-Anwendungen
Warum es auffiel: KI-Unternehmen möchten sicherstellen, dass sie die besten Tools für ihre Aufgabe verwenden. Herauszufinden, welche LLMs oder kleinen Sprachmodelle für jede Anwendung am besten geeignet sind, kann zeitaufwändig sein, insbesondere da sich diese Modelle ständig ändern und verbessern.
Nuetrino möchte es KI-Unternehmen einfacher machen, die richtige Mischung aus Modellen und anderen Systemen für ihre Anwendungen zu finden. Auf diese Weise können Entwickler schneller arbeiten und beim Betrieb ihrer Produkte Geld sparen.
Was es tut: Automatisiert die Marktforschung
Warum es auffiel: Marken geben jedes Jahr Millionen für Marktforschung aus. Der Prozess der Befragung potenzieller Kunden ist zeitaufwändig. Die Agenten von Quno AI können Kunden anrufen und qualitative und quantitative Daten sammeln. Die Ergebnisse können dann in Echtzeit analysiert werden. Ein Bonus ist, dass KI die Ergebnisse dieser Gespräche schnell analysieren kann.
Was es tut: Entwickelt Katastrophenmodelle für Hausratversicherungsträger
Warum es auffiel: Da Naturkatastrophen zunehmen, haben Sachversicherer Schwierigkeiten, herauszufinden, bei welchen Häusern das größte Risiko besteht, bei Katastrophen erheblichen Schaden zu erleiden. Das liegt daran, dass es schwierig und teuer ist, an Informationen über die Struktur von Häusern zu gelangen.
ResiQuant wurde von zwei Doktoranden im Bauingenieurwesen gegründet und erstellt Modelle zur Schätzung von Gebäudemerkmalen und deren Widerstandsfähigkeit bei Erdbeben, Hurrikanen und Bränden. Das Unternehmen behauptet, es könne Versicherungsträgern dabei helfen, das Risiko genauer einzuschätzen, und möglicherweise die Prämien für die Hausbesitzerversicherung für diejenigen senken, die als risikoärmer gelten.
Was es tut: Überwacht die reale Produktion und warnt Bediener bei Fehlern
Warum es auffiel: Im Januar wurden die Türen einer Boeing 737 Max geöffnet ist mitten im Flug ausgegangen Denn den Ermittlern zufolge fehlten vier wichtige Schrauben. Diese Situation ist nur ein bekanntes Beispiel dafür, was in Qualitätssicherungssystemen schief gehen kann. Aber Hersteller aller Arten von Produkten haben ähnliche Anforderungen, fehlerhafte Produkte zu erkennen, bevor sie das Werk verlassen.
Mithilfe von Kameras und KI hofft Self Eval, solche Bedenken auszuräumen, indem überprüft wird, ob Aufgaben korrekt ausgeführt werden, und Herstellungsfehler in Echtzeit gemeldet werden.
Was es tut: Erstellt Unterrichtspläne, die an die Bedürfnisse jedes Lehrers angepasst sind
Warum es auffiel: Seit einiger Zeit gibt es Software, die den Schwierigkeitsgrad basierend auf den individuellen Kenntnissen der Schüler anpasst. Die Gründer von TeachShare argumentieren jedoch, dass viele Bildungsunternehmen immer noch einen einheitlichen Ansatz für die Lehrplanentwicklung anbieten. Dies zwingt Lehrer dazu, viel Zeit damit zu verbringen, Unterrichtspläne an ihre spezifischen Klassenräume anzupassen. TeachShare zielt darauf ab, Lehrer bei der Anpassung täglicher Inhalte zu unterstützen und so die Übereinstimmung mit Bildungsstandards sicherzustellen.
