Искусственный интеллект вытесняет потребительские стартапы из Юго-Восточной Азии
Венчурные инвестиции в Юго-Восточной Азии перераспределяются в сторону ИИ-компаний, а потребительские стартапы остаются без привычного финансирования. На фоне этого китайский Moonshot закрывает гигантский раунд Series F.
Пока венчурные фонды гонятся за каждой компанией, которая умеет правильно написать prompt, традиционные потребительские стартапы Юго-Восточной Азии обнаруживают, что рынок, на котором они выросли, принципиально изменился.
Рынок, который перевернулся за два года
Ещё два-три года назад логика венчурных инвестиций в Юго-Восточной Азии была предельно простой: найти большую необслуживаемую потребительскую аудиторию, запустить приложение с дотациями, вырасти за счёт дешёвых денег и в итоге выйти на IPO или продать стратегу. Grab, GoTo, Sea Group — все эти компании прошли именно этот путь.
Сейчас эта модель под угрозой. Причины комплексные: ставки выросли, глобальные фонды сократили выделения на emerging markets, а главное — интерес инвесторов переключился на генеративный ИИ. Вопрос не в том, кто соберёт больше пользователей в Индонезии или Вьетнаме, а в том, кто построит модель, инфраструктуру или приложение на базе LLM, которое будет масштабироваться глобально.
Цифры говорят сами за себя: доля ИИ-компаний в общем объёме венчурных раундов Юго-Восточной Азии растёт квартал за кварталом. При этом средний чек на потребительский стартап в регионе сократился заметно — не столько за счёт падения количества сделок, сколько за счёт снижения их размеров. Фонды, которые раньше охотно писали чеки на $10–20 млн потребительским командам, теперь предпочитают вкладывать те же деньги в три ИИ-стартапа с потенциалом горизонтального масштабирования.
Что это значит для потребительских стартапов
Для основателей, работающих в e-commerce, fintech, доставке или образовании, ситуация выглядит так:
Фандрайзинг стал объективно сложнее. Не исчез полностью — есть ниши, которые продолжают привлекать внимание, например B2B-платформы для SME или инфраструктурные решения. Но чисто потребительские истории с логикой «расти за счёт юзеров, монетизируй потом» фонды теперь финансируют неохотно.
Стратегия выхода изменилась. Раньше путь лежал через IPO на биржах Юго-Восточной Азии или Гонконга. Сейчас эти рынки themselves переживают не лучшие времена для листинга tech-компаний. Стратегические покупатели тоже стали разборчивее — корпорации вроде Grab или Sea Group оптимизируют расходы вместо того, чтобы поглощать мелкие стартапы.
Пивот в ИИ не garantirovan. Логичный ответ основателя — добавить в продукт AI-фичи или переформулировать бизнес как «AI-powered». Но инвесторы научились отличать реальную интеграцию ИИ от маркетинговой обёртки. Вложение в fine-tuning существующей модели — это не то же самое, что разработка собственной LLM с уникальными данными.
Moonshot: обратная сторона монеты
На этом фоне выделяется раунд Series F Moonshot AI — китайского стартапа, разрабатывающего большую языковую модель Kimi. Сумма раунда исчисляется миллиардами долларов, а оценка компании вышла за $3 млрд, по крайней мере по последним доступным данным.
Стоит отметить важный нюанс: Moonshot — это китайская компания, а не южноазиатская. Её успех в fundraisings скорее иллюстрирует глобальный перекос капитала в сторону ИИ, чем укрепляет локальную экосистему Юго-Восточной Азии. Деньги идут в Peking, не в Jakarta или Ho Chi Minh City.
При этом сам факт масштабного раунда Series F — событие, которое требует скептического взгляда. История знает немало примеров компаний, собравших миллиарды на этапе, когда у них ещё не было устойчивой бизнес-модели. Moonshot развивает Kimi — чат-бот, конкурирующий с ChatGPT и другими LLM на китайском рынке. Конкуренция в этом сегменте жёсткая: Alibaba, Baidu, ByteDance — все работают над аналогичными решениями. Вопрос в том, хватит ли у Moonshot дифференциации, чтобы удержать позиции, когда capital rush неизбежно сойдёт на нет.
Структурная проблема vs. цикличность
Важно разделить два явления. Первое — циклическое: венчурный рынок всегда испытывал волны интереса к определённым секторам. В 2010-х это были ride-hailing и fintech, сейчас — ИИ. Через два-три года фокус может сместиться снова.
Второе — структурное. Юго-Восточная Азия не имеет собственной мощной AI-инфраструктуры. Нет локальных аналогов NVIDIA для чипов, нет экосистемы для обучения больших моделей с нуля. Региональные ИИ-стартапы в основном строятся поверх API западных или китайских моделей. Это означает, что даже если венчурные деньги перетекают в ИИ-сектор ЮВА, они финансируют в лучшем случае application layer, а не фундаментальные исследования.
Для потребительских стартапов это не повод для паники, но повод для переосмысления. Компании, которые удачно совмещают потребительскую логику с реальной интеграцией ИИ — например, используют генеративные модели для персонализации, автоматизации операций или снижения издержек на обслуживание — имеют шанс найти свою нишу в обновлённом ландшафте.
Те же, кто продолжает играть по правилам 2019 года — расти за счёт субсидий и конкурировать только ценой — столкнутся с тем, что этот капитал просто недоступен в прежних объёмах.