استارت آپ های مورد علاقه ما از روز دموی دعوتی Pear VC

Pear VC، یک شرکت سرمایه گذاری برجسته و متمرکز بر بذر، حدود یک دهه است که شتاب دهنده ای را با حدود 10 استارت آپ در هر دسته راه اندازی کرده است.

در طی آن سال‌ها، این برنامه کوچک اما قدرتمند به راه‌اندازی شرکت‌های متعددی مانند Viz.ai کمک کرد که هوش مصنوعی مورد تأیید FDA آن‌ها می‌تواند سکته را تشخیص دهد (و به ارزش 1.2 میلیارد دلار در سال 2022)؛ بر اساس داده‌های PitchBook، شرکت مدیریت روابط Affinity، که 80 میلیون دلار سری C را با ارزش 620 میلیون دلار جمع‌آوری کرد. و Valar Labs که از هوش مصنوعی برای کمک به پزشکان در تصمیم گیری در مورد درمان سرطان استفاده می کند (سری A 22 میلیون دلاری را در ماه مه تعطیل کرد).

امسال، گلابی تصمیم گرفته است که زمان آن رسیده است که اندازه شتاب دهنده خود را افزایش دهد و با ارائه کمک و فضایی در داخل دفتر جدید خود در سانفرانسیسکو به مساحت 30000 فوت مربع، خدمات بیشتری به شرکت ها ارائه دهد. در آینده، این برنامه 14 هفته ای که اکنون PearX نامیده می شود، دو بار در سال اجرا می شود. هر دسته شامل تقریباً 20 شرکت خواهد بود. برنامه بزرگتر هنوز با Y Combinator که سالانه صدها استارتاپ را می پذیرد، فاصله زیادی دارد.

این فقط اندازه کوچکتر نیست که PearX را از YC متمایز می کند. استارت‌آپ‌های هر دسته معمولاً تا روز آزمایشی، رویدادی حضوری با حضور بیش از صد شریک عمومی VC، از جمله شرکت‌های برتر مانند Sequoia، Benchmark، و Index Ventures، معرفی نمی‌شوند. در حالی که YC می‌گوید که شرایط استاندارد یکسانی را به هر شرکت ارائه می‌کند، بودجه استارت‌آپ‌های PearX از این شرکت می‌تواند از 250000 دلار تا 2 میلیون دلار باشد، بسته به نیاز و مرحله توسعه.

روز نمایشی امسال که در اوایل این ماه برگزار شد، شامل 20 شرکت بود که بیشتر آنها بر روی هوش مصنوعی متمرکز بودند. در میان آنها، در اینجا پنج مورد وجود دارد که برای ما و جمعیت حاضر با رویکردهای تازه به مشکلات پیچیده تجاری متمایز بود.

هوش مصنوعی نوترینو

کاری که انجام می دهد: بهترین زیرساخت را برای برنامه های کاربردی هوش مصنوعی چند مدلی شناسایی می کند.

چرا برجسته شد: شرکت‌های هوش مصنوعی می‌خواهند مطمئن شوند که از بهترین ابزار برای این کار استفاده می‌کنند. تشخیص اینکه کدام مدل‌های زبان بزرگ (LLM) یا مدل‌های زبان کوچک برای هر برنامه بهترین هستند، می‌تواند زمان‌بر باشد، به خصوص که این مدل‌ها دائماً در حال تغییر و بهبود هستند.

نوترینو می‌خواهد یافتن ترکیب مناسبی از مدل‌ها و سایر سیستم‌ها را برای شرکت‌های هوش مصنوعی آسان‌تر کند تا در برنامه‌های خود استفاده کنند. به این ترتیب، توسعه‌دهندگان می‌توانند سریع‌تر کار کنند و در هزینه‌های اجرای محصولات خود صرفه‌جویی کنند.

Quno AI

کاری که انجام می دهد: تحقیقات بازار را خودکار می کند.

چرا برجسته شد: برندها سالانه میلیون ها دلار صرف تحقیقات بازار می کنند. فرآیند بررسی مشتریان بالقوه زمان بر است. عوامل Quno AI می توانند با مشتریان تماس بگیرند و داده های کمی و کیفی را جمع آوری کنند. سپس نتایج را می توان در زمان واقعی تجزیه و تحلیل کرد. یک امتیاز این است که هوش مصنوعی می تواند به سرعت نتایج حاصل از این مکالمات را تجزیه و تحلیل کند.

ResiQuant

کاری که انجام می دهد: مدل های فاجعه را برای شرکت های بیمه خانه توسعه می دهد.

چرا برجسته شد: با افزایش بلایای طبیعی، شرکت‌های بیمه دارایی در تلاش هستند تا بفهمند کدام خانه‌ها در معرض آسیب‌های قابل توجهی در طول فجایع هستند. به این دلیل که دسترسی به اطلاعات در مورد سازه های خانه دشوار و پرهزینه است.

ResiQuant که توسط دو دکترای مهندسی سازه تأسیس شده است، در حال ایجاد مدل هایی برای تخمین ویژگی های ساختمان و نحوه ماندگاری آنها در هنگام زلزله، طوفان و آتش سوزی است. این شرکت ادعا می کند که می تواند به شرکت های بیمه کمک کند تا ریسک را با دقت بیشتری ارزیابی کنند و به طور بالقوه حق بیمه صاحب خانه را برای کسانی که ریسک کمتری دارند کاهش دهد.

خود ارزیابی

کاری که انجام می دهد: تولید در دنیای واقعی را رصد می کند و به اپراتورها از اشتباهات هشدار می دهد.

چرا برجسته شد: در ژانویه، درهای یک بوئینگ 737 مکس وسط پرواز منفجر شد به گفته محققان، چهار پیچ مهم گم شده بود. این وضعیت تنها یک نمونه بارز از آنچه در سیستم‌های تضمین کیفیت می‌تواند خراب شود است. اما تولیدکنندگان انواع محصولات نیازهای مشابهی برای شناسایی محصولات معیوب قبل از خروج از کارخانه دارند.

Self Eval امیدوار است با استفاده از دوربین‌ها و هوش مصنوعی بتواند به چنین نگرانی‌هایی پاسخ دهد و تأیید کند که وظایف به درستی انجام شده‌اند و خطاهای تولید را در زمان واقعی نشان می‌دهند.

TeachShare

کاری که انجام می دهد: برنامه های درسی را متناسب با نیازهای هر معلم ایجاد می کند.

چرا برجسته شد: نرم افزاری که سختی را بر اساس دانش فردی دانش آموزان تنظیم می کند مدتی است که در دسترس بوده است. با این حال، بنیانگذاران TeachShare استدلال می‌کنند که بسیاری از شرکت‌های آموزشی هنوز یک رویکرد یکسان برای توسعه برنامه درسی ارائه می‌دهند. این امر معلمان را مجبور می کند تا زمان قابل توجهی را صرف اصلاح برنامه های درسی متناسب با کلاس های درس خود کنند. هدف TeachShare کمک به معلمان در تنظیم محتوای روزانه، حصول اطمینان از همسویی با استانداردهای آموزشی است.