- Terwijl de waarderingen van bedrijven kelderen tijdens de neergang van de markt, voorspellen insiders en VC’s een golf van fusies en overnames.
- Machine-learning startups in de “$ 10 miljoen ARR club” zijn de belangrijkste doelwitten, zeggen ze.
- De datagigant Snowflake zegt dat het strategische overnames in de gaten houdt, wat verder wijst op een shake-out.
De waarderingen van bedrijven worden massaal verlaagd naarmate de markt verzuurt, met veel verhogingen en ontslagen van werknemers. Insiders en investeerders verwachten nu een grote golf van overnames, en veel startups op het gebied van machine learning zijn het belangrijkste doelwit.
Sommige van de startups die het meest waarschijnlijk worden opgepikt, maken deel uit van wat investeerders en insiders soms de “token $ 10 miljoen ARR-club” noemen, wat verwijst naar bedrijven die een paar grote eerste klanten hebben opgehaald, maar die nog niet in de mainstream zijn doorgebroken . Met een dreigende neergang, hun klanten zou kunnen proberen snel kosten te besparen – wat ten koste zou gaan van de startups die op hun deals vertrouwen.
Zoals met de meeste opkomende technologie, vinden nieuwe start-ups op het gebied van machine learning doorgaans een goede plek in het snel evoluerende veld en bouwen ze een product op als een wig bij klanten. Degenen die succes hebben, kunnen vervolgens aanvullende producten lanceren en geleidelijk uitbreiden totdat ze een groot deel van de machine learning-workflows van hun klanten bezitten. Degenen die geen duurzaam bedrijf kunnen opbouwen, worden overgenomen of sluiten uiteindelijk.
Met de huidige marktomstandigheden en lagere prijskaartjes aan startups, dit betekent dat er waarschijnlijk volop mogelijkheden zullen zijn voor acquisities, hetzij als “acqui-hire” of om belangrijke technologie op te kopen. Vooral Snowflake zal waarschijnlijk acquisities in de gaten houden na $ 800 miljoen te hebben uitgegeven aan een machine-learningplatform genaamd Streamlit.
“Ik denk dat de komende zes maanden, als de zaken blijven waar ze zijn, er interessante kansen kunnen zijn op het gebied van fusies en overnames. Niet per se grote fusies en overnames, maar ik denk wel dat er een aantal waarderingsresets zullen plaatsvinden voor sommige van de particuliere bedrijven die er zijn dat zou interessante kansen kunnen creëren’, zei de financieel directeur van Snowflake, Mike Scarpelli, tijdens de meest recente winstoproep van het bedrijf.
Scarpelli legde verder uit dat er enkele gebieden op de routekaart van het bedrijf waren waar het zinvol kan zijn om overnames te overwegen voor zowel extra personeel als technische aankopen.
“We zijn niet op zoek naar inkomsten, maar naar goede teams en technologie tegen een redelijkere waardering”, zei hij.
Dezelfde tools die tot waarderingen van miljarden leiden, verliezen hun glans
De datacatalogusruimte, die startups omvat zoals het bedrijf Alation van $ 1,2 miljard en het bedrijf Collibra van $ 5,25 miljard, is een van de vele gebieden in de machine learning-industrie waarvan bronnen zeggen dat het een uitdaging kan zijn om te bewijzen als een overtuigend op zichzelf staand product, dat maakt het rijp voor overnames. Een ander onderdeel van die workflow dat vaak voorkomt, zijn feature stores.
Met feature stores kunnen ontwikkelaars voorkomen dat ze moeiteloos enorme herberekeningen moeten uitvoeren bij het implementeren van een machine learning-component van een product. De grootste speler is Tecton, dat de open-source feature-store tool Feast beheert. Tecton is in 2019 opgericht door de makers van Uber’s Michelangelo machine-learning tools.
Tecton is sindsdien verder gegaan dan feature stores naar andere producten, en zoals veel open-source tools, dient Feast als een opstapje naar een meer geavanceerde (en lucratievere) tool. Maar insiders vragen zich af of een feature store – die op dat moment genoeg was om Tecton $ 60 miljoen aan financiering van investeerders zoals Sequoia en Andreessen Horowitz binnen te halen – een op zichzelf staand product kan zijn. Zowel Tecton als Rasgo, een andere startup die werd gelanceerd op het momentum van feature-stores, hebben sindsdien nieuwe gebieden betreden.
“Die terminologie was een beetje lastig voor ons. Het is heel gemakkelijk om het woord ‘winkel’ te horen en aan een databasetabel te denken”, vertelde Tecton-CEO Michael Del Balso aan Insider. “Wat we hebben gezien, en we zien dit keer op keer, teams die machine learning in productie nemen. Ze onderschatten dit probleem.”
Het is in veel opzichten een terugkeer naar de eeuwenoude vraag of iets een functie of een product is. De machine-learning startup Dataiku heeft bijvoorbeeld een feature-store-component, terwijl Tecton snel heeft geprobeerd verder te groeien dan feature stores. Beide worden ondersteund door Snowflake nadat Tecton eerder deze maand $ 100 miljoen ophaalde in een ronde waarin ook Databricks was opgenomen.
Snowflake en Databricks zouden dezelfde functies kunnen ontwikkelen als deze startups van miljarden dollars
Terwijl Snowflake en Databricks beide wedden op Tecton en anderen, bestaat er een schaduw over de vraag of ze hun eigen producten zullen lanceren. Insiders zeggen dat zolang ze dienen als een manier om het gebruik van Snowflake en Databricks te stimuleren, ze verwachten dat de bedrijven ondersteund blijven. Maar Snowflake en Databricks kunnen ook bepaalde delen van de workflow, zoals een feature store, zien als een onderdeel dat ze aan hun eigen producten kunnen toevoegen.
Niet alle machine learning startups bevinden zich in deze positie. Veel investeerders en insiders hebben gezegd dat er verschillende startups zijn die waarschijnlijk genoeg momentum hebben opgebouwd om te voorkomen dat ze deel uitmaken van een rollup. Hugging Face, onlangs gewaardeerd op $ 2 miljard, is er een die vaak voorkomt vanwege de grote community, naast de startup Weights & Biases die experimenten volgt.
Tegelijkertijd kunnen acquisities die zich voordoen lucratieve resultaten opleveren voor investeerders, die zelden de bliksem-in-een-fles resultaten van een WhatsApp of Red Hat zien. Kleinere acquisities en beursintroducties leveren grotendeels de verwachte resultaten op met een voldoende hoog volume.
“Machine learning is echt spannend, maar soms is het voor sommige van deze bedrijven moeilijk om de ROI te koppelen aan,” zei een insider dicht bij Tecton en andere startups. “Wie weet – met deze marktomgeving kan consolidatie heel snel plaatsvinden.”
0 Comments