VC-Investor: "Wir suchen nach solchen Unternehmen."
Im vergangenen Mai hat die neue Entwicklung des leitenden Partners von GSR Ventures, Zhu Xiaohu, Aufmerksamkeit erregt. Damals, als er bekannte, sich nicht für menschlicheoidale Roboter zu interessieren, zog er sich nach dem Massenausstieg aus Projekten für menschlicheoidale Roboter zurück und investierte stattdessen in ein Projekt für Unterwasserroboter – Shihang Intelligence (im Folgenden Shihang genannt).
Damals hatte die Außenwelt bereits Zhus Vorgehen interpretiert. Zhu Xiaohu zog sich aus Projekten für menschlicheoidale Roboter zurück, weil die Geschäftsmöglichkeiten unklar waren, und erklärte öffentlich, dass menschlicheoidale Roboter "nur für Forschung oder Präsentation verwendet werden und keinen nachhaltigen Wert schaffen". Das Unternehmen, in das er sich dann investierte, gehörte dagegen zu den "praktischen Investitionen", da es über eine tiefe Szenariofähigkeit verfügt und schnell kommerzialisiert werden kann.
Shihang wurde im Jahr 2023 gegründet und ist das erste chinesische Unternehmen, das die Forschung an Unterwasserreinigungsrobotern betrieben und die kommerzielle Nutzung von Unterwasserreinigungsrobotern abgeschlossen hat. Mit Unterwasseruniversalrobotern als Hauptlinie hat seine Produktreihe "Orca" die Produktivität im Meer von 0 bis 10.000 Metern unter Wasser geschaffen und wird derzeit hauptsächlich im Bereich der Schiffswaschung eingesetzt.
"Wird euer Produkt unter Wasser von einer Person herangeschoben?" Zu Beginn erhielt das Shihang-Team auch viele Zweifel, und das Gründungsmitglied konnte nur mühevoll erklären: "Ganz und gar nicht." Kürzlich sagte Cao Ying, Mitbegründerin und COO von Shihang, mir: "Dieses Jahr hat das Unternehmen die Kommerzialisierung begonnen, und das Einkommen hat sich um das Zehnfache erhöht. Es wird erwartet, dass das Unternehmen nächstes Jahr gewinnbringend sein wird."
Cao Ying gab an, dass die Forschungs- und Entwicklungskosten für Unterwasserszenarien tatsächlich höher seien als für menschlicheoidale Roboter in anderen Szenarien. Im gesamten Robotersektor ist es selten, dass ein Unternehmen nach einem hohen Forschungs- und Entwicklungsaufwand binnen etwas mehr als einem Jahr gewinnbringend werden kann.
Vielleicht wissen viele nicht, dass hinter Shihangs schneller Kommerzialisierung sein fortschrittliches Geschäftsmodell – "AI für Ergebnisse bezahlen" – eine große Rolle spielt.
Genauer gesagt: Bei jedem gereinigten Schiff zahlt der Schiffseigner eine Reinigungsgebühr. Der Grund, warum der Schiffseigner bereit ist, dafür zu bezahlen, liegt darin, dass das gereinigte Schiff nicht nur die unüberprüfbaren manuellen Reinigungen ersetzen kann, sondern auch Kraftstoff sparen kann. "Nach unserer Reinigung kann ein Schiff täglich 100.000 Yuan an Kraftstoffkosten sparen."
Dies bringt für Shihang zwei Vorteile: Erstens kann das Produkt die Bedürfnisse der Kunden genauer erfüllen. Zweitens kann es die Obergrenze des Einnahmemengenwachstums sprengen. Dies bringt eine Umstellung des bisherigen Einnahmermodells der Branche, das auf dem Verkauf von Hardware, SaaS oder integrierten Lösungen basierte.
Tatsächlich haben nicht nur Shihang, sondern auch viele namhafte Unternehmen im In- und Ausland das Geschäftsmodell "AI für Ergebnisse bezahlen" eingeführt, und dies ist inzwischen das Konsens aller globalen AI-Riesen und Kapitalriesen geworden.
Bei der geschlossenen Sitzung des dritten Sequoia Capital AI Summits im vergangenen Mai haben 150 weltweit führende AI-Gründungsunternehmen, darunter Sequoia Capital Partner Pat Grady, OpenAI CEO Sam Altman und Google Chief Scientist Jeff Dean, nach sechsstündigen intensiven Diskussionen viele fortschrittliche Ansichten und Konsenspunkte hervorgebracht. Darunter sind "Outcome-based Pricing" (Preisgestaltung basierend auf Ergebnissen) und "Outcome-as-a-Service" (Ergebnisse als Service) zu den wichtigsten Ansichten geworden, was bedeutet: "Bei der nächsten AI-Welle wird nicht nur das Werkzeug verkauft, sondern auch der Nutzen." Pat Grady bezeichnet dies als "Eine Million Millionen Dollar Chancen".
Im Inland hat es auch Institutionen gegeben, die in die gleiche Richtung gehen. "Wir suchen derzeit nach Unternehmen mit diesem Geschäftsmodell und werden auch einige vielversprechende Unternehmen dazu anregen, sich in diese Richtung umzuwandeln", sagte Wang Xiangyun, leitender Partner von Shengjing Jiacheng Venture Capital. Dieses Gebührenmodell habe es einigen Portfoliounternehmen ermöglicht, ihr Einkommen und ihre Gewinne um das Zehnfache zu steigern.
Während die These vom "AI-Blase" die Venture Capital-Branche ständig warnt, hat sich ein klarerer kommerzieller Weg gezeigt. Dies ist wie ein Lichtblick im Chaos.
Warum wurde es vorgeschlagen?
In China war Shengjing eine der ersten Institutionen, die dieses Geschäftsmodell vorschlug.
Im März 2025 schlug Shengjing AI RaaS (Result-as-a-Service, Ergebnisse als Service) vor, d.h. ein extrem ergebnisorientiertes Modell, das es wagt, Ergebnisse als Grundlage für die Preisgestaltung, die Gebühren oder die Gewinne zu verwenden, und verglich es bildlich mit "AI-Eigentümern oder AI-Auftraggebern". Es wird befürwortet, dass nur durch eine end-to-end-Serviceleistung und eine tiefe Einbettung in die physische Welt wahrer Wert geschaffen werden kann.
Tatsächlich wurde Shihangs Geschäftsmodell von Shengjing ermöglicht. Bei einer Geschäftseinrichtung lernte Chen Xiaobo, Gründer von Shihang, Peng Zhiqiang, Vorsitzender von Shengjing NetLink und Gründerpartner von Shengjing Jiacheng Venture Capital, kennen. Ihre Ansichten und Werte stimmten überein, und Shihang folgte von Anfang an Peng Zhiqiangs Vorschlag und gründete sein Geschäftsmodell auf der Zahlung für Ergebnisse. Shengjing investierte auch in die Angel-Runde.
Das Team hat sich überlegt, ob es Geräte oder Ergebnisse anbieten soll. "Schließlich haben wir festgestellt, dass die Bereitstellung von Ergebnissen die beste Lösung ist, da die Anzahl der Malzahlungen unbegrenzt erhöht werden kann und das endgültige Ergebnis ebenfalls unbegrenzt groß sein wird. Für die Kunden ist die Entscheidungskostenfrage, ob sie 100.000 Yuan für eine Schiffswaschung oder mehrere Millionen Yuan für eine Maschine ausgeben sollen, klar. Letzteres ist offensichtlich teurer." Cao Ying erinnerte sich.
Dieser Vorfall ereignete sich im Jahr 2023, einem Jahr, in dem unbegrenzte Chancen und eine kalte Kapitalumgebung zusammentrafen. Damals hatte der junge Wissenschaftler Chen Xiaobo, der damals etwa 30 Jahre alt war, bereits 18 Jahre lang in der Welt der Unterwasserroboter erforscht. Erst nachdem das Geschäftsmodell bestätigt war, erfolgte die Investition von Zhu Xiaohu Anfang dieses Jahres. Laut Berichten hat Zhus Ressourcen und Fähigkeiten Shihang dabei geholfen, sich einen Fuß in die Tür zu drücken, während Zhu Xiaohu an einem der vielversprechendsten chinesischen Unterwasserroboterprojekte beteiligt wurde.
Warum hat Shengjing so schnell reagiert?
Wang Xiangyun sagte mir, dass die Engpässe des SaaS-Modells diese Veränderung vorangetrieben haben. "Während unserer letzten SaaS-Investitionsphase haben wir festgestellt, dass die US-amerikanische SaaS-Branche in vollem Gange ist und die Unternehmen hohe Bewertungen haben, während die chinesische SaaS-Industrie in Bezug auf Einkommen, Bewertung und Ausstieg unter enormen Druck und Herausforderungen steht." Kurz gesagt: "Es stimmt nicht auf."
Das Team kam also zu dem Schluss, dass die bloße Nachahmung des US-Modells in China möglicherweise nicht funktionieren würde und dass die Softwarelogik eher im Rahmen des industriellen Internets und längeren Geschäftsketten berücksichtigt werden sollte. Entsprechend hat Shengjing auch einige erfolgreiche Investitionen getätigt.
Im Jahr 2022, nach der Einführung von ChatGPT, trat eine neue AI-getriebene Industrierevolution ein. Shengjing beobachtete, dass mit der Weiterentwicklung der AI-Grundmodelle der Weg für einige "einfache Hüllen" Anwendungen immer enger würde. Daher sei der langfristige und nachhaltige Kapitalwert einfacher Hüllenprojekte gefragt. Welche Fähigkeiten müssen also verbessert werden, um nicht von der Konkurrenz eingeholt zu werden?
Das Ergebnis von Shengjings Überlegungen war: Es braucht eine starke Szenariofähigkeit und eine Gebührenpflichtung basierend auf Ergebnissen. Anhand von Investitionsfällen wurde festgestellt, dass das ergebnisorientierte Gebührenmodell das Einkommen und die Gewinne um das Zehnfache steigern kann. Neben Shihang gehört auch Lingyun Zhikuang – ein AI-Unternehmen für die Mineralerkundung – zu Shengjings Investitionsfällen.
Dafür hat das Shengjing Research Institute auch kontinuierlich Artikel veröffentlicht und die Serie "30 globale AI RaaS-Fälle" herausgebracht, um die Leitunternehmen systematisch zu analysieren und Einsparungen für die einheimischen Unternehmer zu bieten.
Dieser Ansatz hat die Zustimmung vieler Anleger gefunden. Der erfahrene Anleger Yun Ke sagte mir auch: Das SaaS-Modell wird höchstwahrscheinlich im Zeitalter der AI enden. Hinter diesem Logik liegen zwei Gründe:
Erstens hat sich die Zahlungsphilosophie geändert. Das Wesen von SaaS besteht darin, dass die Benutzer für Werkzeuge bezahlen, aber die Werkzeuge sind nur Mittel und können das endgültige Ergebnis nicht lösen. AI kann jedoch direkt die Arbeitskräfte ersetzen, daher ist dies ein viel größerer Markt als SaaS.
Zweitens sind die besten AI-Modelle proprietär und in den Händen von Riesenunternehmen. Die neuen SaaS-Anwendungen mit Hüllen können fast keine Wettbewerbsvorteile aufbauen.
Derzeit sucht auch Yun Ke nach Unternehmen mit diesem Geschäftspotenzial.
Welche Standards gibt es?
Vielleicht fragen sich viele, wie die Bewertungsstandards für die Zahlung von AI-Agenten basierend auf Ergebnissen aussehen.
Nehmen wir Shihang als Beispiel. Cao Ying gestand, dass das Unternehmen den Wert schrittweise durch die tatsächlichen Betriebsergebnisse, wie die Kraftstoffersparnis für die Kunden, beweisen und den Markt aufklären müsse. Dieser Prozess sei herausfordernd.
Cao Ying fasste zusammen, dass die Umsetzung des Geschäftsmodells "für Ergebnisse bezahlen" hauptsächlich auf drei Fähigkeiten basiert:
Erstens eine überragende Hardware- und Systemintegrationfähigkeit. Zweitens das "Treibstoff" für die kontinuierliche Weiterentwicklung und den Aufbau von Wettbewerbsvorteilen, indem es durch die Reinigung von "tausenden von Schiffen" Betriebsdaten unter verschiedenen Schiffstypen (Trockenkargo-Schiffe, Containerschiffe usw.), verschiedenen Meeresgebieten (Nordsee, Ostsee, Südsee), verschiedenen Wasserqualitäten und verschiedenen Jahreszeiten gesammelt hat. Dies ist für jedes Unternehmen, das nur Geräte verkauft oder nicht direkt mit Endkunden in Kontakt kommt, nicht möglich. Drittens sind die Serviceergebnisse messbar und überprüfbar.
Derzeit ist Shihang das chinesische Unternehmen mit den meisten Unterwasserszenariodaten. "Später kommende Unternehmen haben Schwierigkeiten, aufzuholen." Allerdings sagte Cao Ying auch, dass das Unternehmen bei der Umsetzung des Geschäftsmodells hauptsächlich "im Inland konkurriert und im Ausland Geld verdient".
Einerseits sind die chinesischen Schiffseigner sehr preissensibel und neigen dazu, die kostengünstigste Lösung zu wählen, auch wenn die Servicequalität unterschiedlich ist. In ausländischen Märkten wie Japan und Singapur ist die Arbeitskosten höher, und die Kunden schätzen den Wert der Technologie mehr und sind bereit, dafür einen höheren Preis zu zahlen. Der durchschnittliche Auftragswert im Ausland kann mehr als dreimal so hoch wie im Inland sein. Daher ist das Unternehmen derzeit bemüht, den ausländischen Markt zu erschließen.
International wird das RaaS-Modell in mehreren Bereichen praktiziert. Unternehmen wie Clay, Sierra und 11X haben vom traditionellen Software-Abonnementmodell zum aufgabenbasierten Gebührenmodell oder zu einem gemischten Preisgestaltungsmodell basierend auf Aufgaben und Ergebnissen übergegangen.
Das von Bret Taylor, Vorsitzender des OpenAI-Vorstands, gegründete AI-Kundenservice-Unicorn Sierra ist besonders aggressiv. Es ist nicht nur ein einfaches Kundenservice-System, sondern eine Agentenplattform für den geschlossenen Verkaufsprozess, die Marken dabei hilft, den gesamten Verkaufsprozess von der ersten Anfrage bis zur Bestellung abzuschließen.
Es kommt nicht nur mit den Kunden in Kontakt, sondern ist auch für die Umsetzung der Ergebnisse verantwortlich und geht tatsächlich den Weg "Gib mir ein Budget, und ich bringe dir einen bestimmten GMV".
Ein Detail ist noch deutlicher: Wenn der AI-Intelligent Agent die Anfragen von Anrufen oder Online-Beratungen unabhängig löst, erhebt Sierra eine Gebühr. Wenn es schließlich an einen Menschen weitergeleitet werden muss, ist diese Beratung kostenlos.
"Wir mögen dieses Modell sehr, und ich denke, dass es das Standardgeschäftsmodell für Intelligent Agenten werden wird", sagte Bret Taylor. Sierra wurde im Jahr 2023 gegründet und hat sich inzwischen zu einem Unicorn mit einem Wert von zehn Milliarden US-Dollar entwickelt.
Ramp hat diesen Ansatz auf die Spitze getrieben. Dies ist ein fintech-Unternehmen, das 2019 in New York, USA, gegründet wurde. Es begann mit einer Firmenkreditkarte und hat das Ziel, die traditionelle Unternehmensausgabenverwaltung mit technischen Mitteln zu revolutionieren und Unternehmen Zeit und Geld zu sparen. Es verkauft kein Finanzsystem, sondern verspricht direkt, wie viel Kosten gespart werden können. Seine AI kann überflüssige Abonnements automatisch erkennen, Preise verhandeln, Risiken vorhersagen und den "Nutzen aus der Verwendung dieses Tools" in ein KPI umwandeln.
Um allgemeinere Bewertungsstandards für "ergebnisorientierte Produkte" zu definieren, hat Sequoia auf seiner geschlossenen Konferenz drei Kriterien angegeben: Kann es einen vollständigen Aufgabenablauf abschließen? Hat es die Dauerhaftigkeit bei der Aufgabenausführung? Kann es messbaren Geschäftswert liefern?
Nach Ansicht des Shengjing-Teams ist die Verbreitung dieses Modells ein schrittweiser Prozess, der in vier Stufen von L1 bis L4 nach der Intelligenzgrad eingeteilt werden kann: L1 repräsentiert hauptsächlich Online-Digitalanwendungen, die sich auf hochrepetitive, klar strukturierte und hochstandardisierte Kurzprozessgeschäfte beziehen, wie beispielsweise in der Rechts- und Kundenservicebranche. L2 bezieht sich auf lange Betriebsprozesse, die komplexe Schlussfolgerungen und die Nutzung und Integration von Werkzeugen erfordern und oft die Beteiligung von Hardwaretools erfordern. L3 konzentriert sich eher darauf, dass der Kunde einen geschlossenen Verkaufsprozess für Produkte und Dienstleistungen erreicht und schließlich eine Endergebnisbeteiligung an den Verkaufseinnahmen erzielt, was bedeutet, dass die externe Verbindungsfähigkeit des AI-Services qualitativ verbessert wird. L4 wird zum "AI-Eigentümer", der nicht nur über AI-Servicefähigkeiten verfügt, sondern auch dank der AI-Vorteile der Haupt- oder Teilinhaber des Kernvermögens oder des Unternehmenswerts wird.
Wang Xiangyun ist der Meinung, dass Geschäftsprozesse mit einem höheren Intelligenzgrad in der Regel eine hochwertige Zusammenarbeit zwischen AI und hochqualifizierten Fachkräften erfordern, was ein gesünderes AI-Industrialisierungsmodell ist. In Zukunft wird der Anteil der AI allmählich steigen. In Bezug auf die Gesamtschrittgeschwindigkeit wird der AI RaaS in Lieferketten und Wertschöpfungsketten mit einem höheren Marktwirtschaftsgrad schneller voranschreiten.
AI-Blutmeer und -Blase können gleichzeitig wahr sein
AI-Agenten kamen zur Zeit der Umsetzung von AI-Grundmodellen auf und befinden sich auch in der Diskussion über die "AI-Blase".
Im zweiten Halbjahr 2025 hatte der AI-Kapitalmarkt seine schlechteste Leistung seit April dieses Jahres. Der NASDAQ-Index fiel in einer Woche um mehr als 3%, was die Diskussion über die AI-Blase noch intensiver machte.
Der Hauptgrund liegt darin, dass Top-Unternehmen wie OpenAI einen deutlichen Kontrast zwischen hohen Forschungs- und Entwicklungsausgaben und kommerziellen Einnahmen aufweisen: Im Jahr 202