VC-Investor: "Wir suchen nach solchen Unternehmen."
Autor | Riemann
Im vergangenen Mai hat die neue Bewegung von Zhu Xiaohu, dem leitenden Partner von Jinshajiang Venture Capital, Aufmerksamkeit erregt. Damals, als er „nicht optimistisch über humanoid Roboter“ war und nach dem Rückzug aus einer Reihe von Projekten in der Humanoid-Roboter-Branche, hat er sich dann für ein Projekt in der Unterwasser-Roboter-Branche entschieden – ShiHang Intelligence (im Folgenden ShiHang genannt).
Damals wurde Zhus Vorgehen von außen interpretiert. Zhu zog sich aus dem Bereich der Humanoid-Roboter zurück, weil die Geschäftsmöglichkeiten unklar waren. Er hat öffentlich erklärt, dass Humanoid-Roboter „nur für Forschung oder Präsentation verwendet werden und keinen nachhaltigen Wert schaffen“. Die Firma, in die er investierte, hingegen repräsentiert eine „realistische Investition“, da sie über eine tiefe Szenario-Kompetenz verfügt und schnell kommerzialisiert werden kann.
ShiHang wurde 2023 gegründet und ist eines der ersten chinesischen Unternehmen, das sich mit Unterwasser-Reinigungsrobotern befasst und deren kommerzielle Nutzung umgesetzt hat. Mit einem Schwerpunkt auf universellen Unterwasserrobotern hat die Produktlinie „Orca“ eine Produktivität im Meer von 0 bis 10.000 Metern geschaffen und wird derzeit hauptsächlich im Bereich der Schiffswaschung eingesetzt.
„Wird euer Produkt unter Wasser von einer Person geschoben?“ Anfangs hat das ShiHang-Team viele Zweifel gehört. Das Gründerteam musste sich wiederholt erklären, dass dies „absolut nicht der Fall“ sei. Kürzlich hat Cao Ying, Mitbegründerin und COO von ShiHang, mir erzählt: „Dieses Jahr hat das Unternehmen die kommerzielle Phase begonnen, und das Einkommen hat sich um das Zehnfache erhöht. Wir erwarten, dass wir nächstes Jahr profitabel sein werden.“
Cao Ying hat enthüllt, dass die Forschungs- und Entwicklungsausgaben für Unterwasser-Szenarien tatsächlich höher sind als für Humanoid-Roboter in anderen Szenarien. Im gesamten Robotik-Sektor ist es selten, dass ein Unternehmen nach einem hohen Forschungs- und Entwicklungsaufwand binnen etwas mehr als einem Jahr profitabel wird.
Vielleicht wissen viele nicht, dass hinter der schnellen Kommerzialisierung von ShiHang ein sehr fortschrittliches Geschäftsmodell steht – „AI for Results Pricing“.
Konkret bedeutet dies, dass der Schiffseigner jedes Mal, wenn ein Schiff gereinigt wird, eine Reinigungsgebühr zahlt. Der Anreiz für den Schiffseigner, dafür zu bezahlen, liegt darin, dass die gereinigten Schiffe nicht nur die unüberprüfbaren manuellen Reinigungsverfahren ersetzen können, sondern auch Kraftstoffkosten sparen. „Nach unserer Reinigung können die Schiffe 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 Einkommens erhöhen. Dies ist ein Umbruch gegenüber dem bisherigen Geschäftsmodell der Branche, das auf dem Verkauf von Hardware, SaaS oder integrierten Lösungen basierte.
Tatsächlich haben nicht nur ShiHang, sondern auch viele namhafte Unternehmen in China und im Ausland mit dem Geschäftsmodell „AI for Results Pricing“ begonnen. Dies ist inzwischen das Konsens von globalen AI-Riesen und Kapitalgebern geworden.
Bei der geschlossenen Sitzung des 3. Sequoia Capital AI Summit im vergangenen Mai, an der 150 weltweit führende AI-Gründer teilnahmen, darunter der Partner von Sequoia Capital Pat Grady, der CEO von OpenAI Sam Altman und der Chefwissenschaftler von Google Jeff Dean, sind nach sechs Stunden intensiver Diskussion viele fortschrittliche Ansichten und Konsenspunkte hervorgetreten. Darunter sind Outcome-based Pricing (Preisgestaltung basierend auf Ergebnissen) und Outcome-as-a-Service (Ergebnis als Dienstleistung) zu den wichtigsten Ansichten geworden, was bedeutet: „Bei der nächsten Runde von AI wird nicht das Werkzeug verkauft, sondern der Nutzen.“ Pat Grady hat dies als eine „Billionen-Dollar-Chance“ bezeichnet.
In China gibt es bereits Institutionen, die sich diesem Trend anpassen. „Wir suchen nach Unternehmen mit diesem Geschäftsmodell und werden auch einige potenzielle Unternehmen dazu anregen, sich in diese Richtung zu wandeln.“ Wang Xiangyun, leitender Partner von Shengjing Jiacheng Venture Capital, hat erklärt, dass dieses Gebührenmodell einige Portfolio-Unternehmen dazu gebracht hat, ihr Einkommen und ihre Gewinne um das Zehnfache zu erhöhen.
Während die These von der „AI-Blase“ die Venture-Capital-Branche warnt, hat sich ein klarerer Weg zur Kommerzialisierung gezeigt. Dies ist wie ein Lichtblick im Chaos.
Warum wurde es vorgeschlagen?
In China ist Shengjing eine der ersten Institutionen, die dieses Geschäftsmodell vorgeschlagen hat.
Im März 2025 hat Shengjing das Konzept von AI RaaS (Result-as-a-Service, Ergebnis als Dienstleistung) vorgeschlagen, das auf einem extrem ergebnisorientierten Modell basiert. Es ist bereit, die Ergebnisse als Grundlage für die Preisgestaltung, die Gebühren oder die Gewinne zu nutzen und wird bildlich als „AI-Eigentümer oder AI-Auftraggeber“ bezeichnet. Es wird behauptet, dass nur durch eine End-to-End-Dienstleistung und eine tiefe Einbindung in die physische Welt wahrer Wert geschaffen werden kann.
Tatsächlich wurde das Geschäftsmodell von ShiHang von Shengjing initiiert. Bei einer Geschäftseinrichtung hat Chen Xiaobo, der Gründer von ShiHang, Peng Zhiqiang, der Vorsitzende von Shengjing NetLink und der Gründungs-Partner von Shengjing Jiacheng Venture Capital, kennengelernt. Sie hatten ähnliche Ansichten und Werte. ShiHang folgte von Anfang an Pengs Vorschlägen und gründete sein Geschäftsmodell auf der Ergebnispauschale. Shengjing hat auch in die Angel-Runde investiert.
Das Team hat eine finanzielle Berechnung durchgeführt, um zu entscheiden, ob es Geräte oder Ergebnisse anbieten soll. „Schließlich haben wir festgestellt, dass die Bereitstellung von Ergebnissen die beste Lösung ist, da die Anzahl der Durchführungen unbegrenzt erhöht werden kann und das Endergebnis somit unendlich groß werden kann. Für die Kunden ist die Entscheidungskosten, 100.000 Yuan für eine Schiffswaschung zu zahlen oder Millionen für eine Maschine auszugeben, deutlich höher. Offensichtlich ist es letzteres.“ Cao Ying erinnerte sich.
Dieses Ereignis ereignete sich 2023, einem Jahr, in dem unbegrenzte Chancen und eine kalte Kapitalumgebung zusammentrafen. Damals war der junge Wissenschaftler Chen Xiaobo in der Welt der Unterwasserroboter bereits 18 Jahre aktiv. Erst nachdem das Geschäftsmodell validiert war, hat Zhu Xiaohu Anfang dieses Jahres investiert. Es wird berichtet, dass Zhus Ressourcen und Fähigkeiten ShiHang geholfen haben, Fuß zu fassen, während Zhu sich an einem der vielversprechendsten chinesischen Projekte in der Unterwasserrobotik beteiligt hat.
Warum hat Shengjing so schnell reagiert?
Wang Xiangyun hat mir erklärt, dass die Grenzen des SaaS-Modells diese Veränderung vorangetrieben haben. „Während des letzten SaaS-Investitionszyklus haben wir festgestellt, dass die US-SaaS-Branche boomt und die Unternehmen hohe Wertschätzungen haben, während die chinesische SaaS-Industrie in Bezug auf Einkommen, Wertschätzung und Exit den gesamten Kette großen Druck und Herausforderungen ausgesetzt ist.“ Kurz gesagt: „Es stimmt nicht auf.“
Das Team hat daher gefolgert, dass die reine Nachahmung des US-Modells in China möglicherweise nicht funktioniert. Stattdessen sollten die Software-Logiken in den Rahmen des industriellen Internets und längerer Geschäftsketten betrachtet werden. Auf dieser Grundlage hat Shengjing auch einige erfolgreiche Investitionen getätigt.
Im Jahr 2022, nach der Veröffentlichung von ChatGPT, hat sich eine neue AI-getriebene Industrierevolution eingeleitet. Shengjing hat beobachtet, dass mit der Weiterentwicklung der AI-Basis-Modelle der Weg für einige „einfache Umschichtungen“ immer enger wird. Daher ist der langfristige und nachhaltige Kapitalwert einfacher Umschichtungsprojekte herausgefordert. Welche Fähigkeiten müssen verbessert werden, um nicht vom Markt verschlungen zu werden?
Das Ergebnis von Shengjings Überlegungen war: Es ist erforderlich, eine starke Szenario-Kompetenz zu entwickeln und sich anhand der Ergebnisse zu bezahlen. Anhand von Investitionsfällen hat sich gezeigt, dass ein ergebnisorientiertes Gebührenmodell das Einkommen und die Gewinne um das Zehnfache erhöhen kann. Neben ShiHang umfasst Shengjings Investitionsfälle auch Lingyun Zhikuang, ein Unternehmen für AI-geführte Bergbauerkundung.
Deshalb hat das Shengjing Research Institute auch eine Reihe von Artikeln veröffentlicht, die das „AI RaaS Global Case 30“-Projekt vorstellen und die Leitunternehmen systematisch analysieren, um ein Vorbild für einheimische Unternehmer bereitzustellen.
Dieser Ansatz hat die Zustimmung vieler Anleger gefunden. Der erfahrene Anleger Yun Ke hat mir auch erklärt, dass das SaaS-Modell im Zeitalter der AI höchstwahrscheinlich enden wird. Dies basiert auf zwei Gründen:
Erstens hat sich die Zahlungslogik geändert. Die Essenz des SaaS besteht darin, dass die Benutzer für Werkzeuge bezahlen. Doch Werkzeuge sind nur Mittel und können das Endergebnis nicht garantieren. AI hingegen kann Arbeitskräfte direkt ersetzen, was einen viel größeren Markt darstellt als SaaS.
Zweitens sind die besten AI-Modelle proprietär und in den Händen von Großkonzernen. Die neuen SaaS-Lösungen mit Umschichtung können kaum eine Wettbewerbsvorteil aufbauen.
Derzeit sucht auch Yun Ke nach Unternehmen mit diesem Geschäftsmodell.
Welche Standards gibt es?
Vielleicht fragen sich viele, wie das Kriterium für die Bezahlung basierend auf Ergebnissen bei AI-Agenten festgelegt wird.
Nehmen wir ShiHang als Beispiel. Cao Ying hat eingeräumt, dass das Unternehmen den Wert seiner Dienstleistungen schrittweise durch die tatsächlichen Betriebsergebnisse, wie die Kraftstoffeinsparung für die Kunden, beweisen muss und den Markt dafür sensibilisieren muss. Dieser Prozess ist herausfordernd.
Cao Ying hat zusammengefasst, dass die Umsetzung des Geschäftsmodells „AI for Results Pricing“ hauptsächlich auf drei Fähigkeiten beruht:
Erstens, eine überragende Fähigkeit in der Hardware- und Systemintegration. Zweitens, die kontinuierliche Weiterentwicklung und das Aufbauen von Wettbewerbsvorteilen. Durch die Reinigung von „tausenden von Schiffen“ hat das Unternehmen Betriebsdaten unter verschiedenen Schiffstypen (Trockenkargo-Schiffe, Containerschiffe usw.), in verschiedenen Meeresgebieten (Nordmeer, Ostmeer, Südmeer), unter verschiedenen Wasserqualitäten und in verschiedenen Jahreszeiten gesammelt. Dies ist für Unternehmen, die nur Geräte verkaufen oder nicht direkt mit Endkunden interagieren, nicht möglich. Drittens, die Messbarkeit und Verifizierbarkeit der Dienstleistungsergebnisse.
Derzeit ist ShiHang das chinesische Unternehmen mit den meisten Unterwasser-Szenariodaten. „Es wird schwierig für Nachzügler, uns einzuholen.“ Allerdings hat Cao Ying auch erklärt, dass das Unternehmen während der Etablierung des Geschäftsmodells hauptsächlich „im Inland in Konkurrenz steht und im Ausland Geld verdient“.
Einerseits sind die chinesischen Schiffseigner sehr preissensibel und neigen dazu, die kostengünstigste Lösung zu wählen, auch wenn die Qualität der Dienstleistungen unterschiedlich ist. In ausländischen Märkten wie Japan und Singapur sind die Arbeitskosten höher, und die Kunden schätzen den Wert der Technologie mehr und sind bereit, dafür einen höheren Preis zu zahlen. Der durchschnittliche Preis pro Auftrag im Ausland kann das Dreifache des inländischen Preises betragen. Daher ist das Unternehmen derzeit bemüht, ausländische Märkte zu erschließen.
International wird das RaaS-Modell in verschiedenen Bereichen praktiziert. Unternehmen wie Clay, Sierra und 11X haben sich von der traditionellen Software-Abonnement-Modell zu einem aufgabenbasierten oder gemischten Preisgestaltungsmodell entwickelt.
Das von Bret Taylor, dem Vorsitzenden des OpenAI-Rats, gegründete AI-Kundenservice-Unicorn Sierra ist besonders aggressiv. Es ist nicht nur ein einfaches Kundenservice-System, sondern eine Agent-Platform für den Absatzprozess, die Marken bei der gesamten Verkaufsabwicklung von der ersten Anfrage bis zur Bestellung unterstützt.
Es kommt nicht nur mit den Kunden in Kontakt, sondern ist auch für die Umsetzung der Ergebnisse verantwortlich. Es folgt tatsächlich dem Prinzip: „Gib mir ein Budget, und ich bringe dir einen bestimmten Umsatz.“
Ein Detail macht dies noch deutlicher: Wenn der AI-Agent die Anfragen von Anrufen oder Online-Beratungen unabhängig löst, wird Sierra eine Gebühr erheben. Wenn es schließlich auf die manuelle Bearbeitung ankommt, ist diese Anfrage kostenlos.
„Wir mögen dieses Modell sehr. Ich glaube auch, dass es das Standard-Geschäftsmodell für Agenten werden wird.“ Bret Taylor hat so erklärt. Sierra wurde 2023 gegründet und hat sich inzwischen zu einem Unicorn mit einem Marktwert von zehn Milliarden US-Dollar entwickelt.
Ramp hat diesen Ansatz noch weiter vorangetrieben. Dies ist ein fintech-Unternehmen, das 2019 in New York gegründet wurde. Es begann mit einer Firmenkreditkarte und hat das Ziel, die traditionellen Methoden der Unternehmensausgabenverwaltung mit technologischen Mitteln zu revolutionieren und Unternehmen Zeit und Geld zu sparen. Anstatt ein Finanzsystem anzubieten, verspricht es direkt, eine bestimmte Einsparung zu erzielen. Sein AI-System kann überflüssige Abonnements automatisch erkennen, Preise verhandeln, Risiken vorhersagen und die „Erträge aus der Nutzung dieses Tools“ zu einem KPI machen.
Um ein allgemeineres Kriterium für „ergebnisorientierte Produkte“ zu definieren, hat Sequoia Capital auf seiner geschlossenen Sitzung drei Bewertungsstandards festgelegt: Kann es einen vollständigen Aufgabenablauf abschließen? Hat es die Dauerhaftigkeit bei der Aufgabenausführung? Kann es messbare geschäftliche Werte liefern?
Nach Ansicht des Shengjing-Teams ist die Verbreitung dieses Modells ein schrittweiser Prozess, der in vier Stufen von L1 bis L4 eingeteilt werden kann, basierend auf dem Grad der Intelligenz:
L1 repräsentiert hauptsächlich Online-Digitalanwendungen, die sich auf hochgradig repetitive, klar strukturierte und hochgradig standardisierte Kurzprozesse beschränken. Beispielsweise wird dieses Modell zunächst in Branchen wie Recht und Kundenservice angewendet. L2 beinhaltet oft komplexe logische Schlussfolgerungen, die Nutzung und Integration von Tools sowie lange Betriebsprozesse, die häufig die Einbindung von Hardware erfordern. L3 konzentriert sich stärker darauf, den Absatzprozess von Produkten und Dienstleistungen abzuschließen und schließlich einen Umsatzanteil zu erzielen. Dies bedeutet eine qualitative Verbesserung der externen Verlinkungsfähigkeit der AI-Dienstleistungen. L4 steigt auf die Ebene des „AI-Eigentümers“ auf, der nicht nur über AI-Dienstleistungsfähigkeiten verfügt, sondern auch als Haupt- oder Teilinhaber von Kernvermögen oder Unternehmenswert durch die Vorteile der AI fungiert.
Wang Xiangyun ist der Meinung, dass hochintelligenzbasierte Geschäftsprozesse in absehbarer Zeit eine hochwertige Zusammenarbeit zwischen AI und hochqualifizierten Fachkräften erfordern. Dies ist ein gesünderes Modell für die AI-Industrialisierung. In Zukunft wird der Anteil der AI allmählich steigen, je reifer die Technologie wird. In Bezug auf die Geschwindigkeit der Umsetzung wird AI RaaS in Lieferketten und Wertschöpfungsketten mit einem höheren Marktanteil schneller voranschreiten.
AI-Blutmeer und -Blase können gleichzeitig wahr sein
AI-Agenten sind in der Phase der Umsetzung von großen AI-Modellen entstanden und befinden sich auch in der Diskussion um die „AI-Blase“.
Im zweiten Halbjahr 2025 hat der AI-Kapitalmarkt die schlechteste Leistung seit April dieses Jahres gezeigt. Der NASDAQ-Index hat in einer Woche um mehr als 3 % gefallen, was die Diskussion um die AI-Blase noch intensiver gemacht hat.
Der Hauptgrund liegt in der deutlichen Diskrepanz zwischen den hohen Forschungs- und Entwicklungsausgaben von Top-Unternehmen wie OpenAI und