2023 ൽ 10 ബില്യൺ ഡോളർ ഫണ്ടിംഗുമായി ജെൻഎഐ സ്റ്റാർട്ടപ്പുകൾ റെക്കോർഡുകൾ തകർത്തു
2023 ൽ, ജനറേറ്റീവ് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (ജെൻഎഐ) സ്റ്റാർട്ടപ്പുകൾക്കുള്ള ആഗോള വെഞ്ച്വർ ക്യാപിറ്റൽ ഫണ്ടിംഗിൽ 110 ശതമാനം ഗണ്യമായ വർധനയുണ്ടായി, ശ്രദ്ധേയമായ 10 ബില്യൺ ഡോളറിലെത്തി. എന്നിരുന്നാലും, മൊത്തത്തിലുള്ള സ്റ്റാർട്ടപ്പ് ഫണ്ടിംഗ് ഈ വർഷം മാന്ദ്യം നേരിട്ടു, ഡിസംബർ 8 വരെ മൊത്തം 224 ബില്യൺ ഡോളർ, ഇത് 2021 ൽ സമാഹരിച്ച 655 ബില്യൺ ഡോളറിൽ നിന്ന് 65 ശതമാനം കുറവാണ്. എന്നിരുന്നാലും, ഗ്ലോബൽ ഡാറ്റ അനുസരിച്ച്, സ്റ്റാർട്ടപ്പ് ഫണ്ടിംഗിൽ വിശാലമായ ഇടിവുണ്ടായിട്ടും നിക്ഷേപത്തിൽ ഗണ്യമായ വർദ്ധനവ് കണ്ട ജെൻഎഐ സ്റ്റാർട്ടപ്പുകളെ സംബന്ധിച്ചിടത്തോളം ആഖ്യാനം വ്യത്യസ്തമാണ്.
വർദ്ധിച്ചുവരുന്ന പലിശനിരക്ക്, മാന്ദ്യ ആശങ്കകൾ, വെല്ലുവിളി നിറഞ്ഞ മാക്രോ ഇക്കണോമിക് അന്തരീക്ഷം തുടങ്ങിയ ഘടകങ്ങൾ കാരണം സ്റ്റാർട്ടപ്പ് ഫണ്ടിംഗിലെ മാന്ദ്യത്തിന്റെ സവിശേഷതയായ ‘സ്റ്റാർട്ടപ്പ് ശൈത്യകാല’ത്തിനിടയിൽ, ഗണ്യമായ നിക്ഷേപം നേടുന്നതിനുള്ള ജെൻഎഐ സ്റ്റാർട്ടപ്പുകളുടെ ശ്രദ്ധേയമായ കഴിവ് ഈ സാങ്കേതികവിദ്യയുടെ തകർപ്പൻ സ്വഭാവത്തെ ഉയർത്തിക്കാട്ടുന്നു. വിവിധ മേഖലകളിലും വ്യവസായങ്ങളിലും അതിന്റെ വിശാലമായ ആപ്ലിക്കേഷനുകളും പരിവർത്തന സാധ്യതകളും ഇത് പ്രകടമാക്കുന്നു,” ഗ്ലോബൽ ഡാറ്റയിലെ ഫിനാൻഷ്യൽ മാർക്കറ്റ്സ് ടീമിനെ നയിക്കുന്ന സിഎഫ്എ ആദർശ് ജെയിൻ വിശദീകരിച്ചു.
യുണൈറ്റഡ് സ്റ്റേറ്റ്സിൽ, ജെൻഎഐ സ്റ്റാർട്ടപ്പുകൾ ഫണ്ടിംഗിൽ ആധിപത്യം പുലർത്തി, 2018 മുതൽ 75 ശതമാനം (16 ബില്യൺ ഡോളർ) നേടി, തുടർന്ന് ഇസ്രായേൽ, ജർമ്മനി, ഫ്രാൻസ്, യുകെ, ചൈന എന്നിവ 15 ശതമാനം അധികമായി സംഭാവന ചെയ്തു. ഡീൽ വോള്യങ്ങളുടെ വിതരണം സൂചിപ്പിക്കുന്നത് പ്രാരംഭ ഘട്ട സ്റ്റാർട്ടപ്പുകൾ എല്ലാ ഇടപാടുകളുടെയും 40 ശതമാനവും സീഡ്-സ്റ്റേജ് സ്റ്റാർട്ടപ്പുകൾ മൊത്തം 37 ശതമാനവും ഉൾക്കൊള്ളുന്നു – ഇത് പ്രാരംഭ ജെൻഎഐ സ്റ്റാർട്ടപ്പ് ഫണ്ടിംഗിൽ ഗണ്യമായ സ്വാധീനം ചെലുത്തുന്നു. ശക്തമായ അടിസ്ഥാന ഡ്രൈവർമാർ കാരണം 2024 ലും അതിനുശേഷവും ജെൻഎഐ സ്റ്റാർട്ടപ്പുകൾക്കായി നിക്ഷേപ പ്രവാഹം തുടരുമെന്ന് ജെയിൻ പ്രതീക്ഷിക്കുന്നു. ഉദാഹരണത്തിന്, സ്റ്റാർട്ടപ്പ് ഫണ്ടിംഗ് ത്വരിതപ്പെടുത്തുന്നതിനുപുറമെ, ഗ്ലോബൽ ഡാറ്റയുടെ പേറ്റന്റ് അനലിറ്റിക്സ് അനുസരിച്ച്, ജെൻഎഐ മേഖലയിലെ പേറ്റന്റിംഗ് പ്രവർത്തനങ്ങൾ കഴിഞ്ഞ അഞ്ച് വർഷത്തിനിടെ 85 ശതമാനം കോമ്പൗണ്ട് വാർഷിക വളർച്ചാ നിരക്കിന് (സിഎജിആർ) സാക്ഷ്യം വഹിച്ചു.
Experienced Researcher with a demonstrated history of working in the Deep Learning, Computer Vision
