First Mark更新了2024年的MAD（Machine Learning机器学习，AI，Data Science数据科学）全景图，并且附了一份分析报告。
直观上，就是一张摆满了公司logo的全景图，按照First Mark的说法，今年一共收纳了2011个logo，相比去年的1416个增长了578个。
First Mark的分析报告链接是https://mattturck.com/MAD2024/，中文总结摘要我放到文章最后。
我稍微花了些时间，把这张全景（landscape）图及背后的数据爬了下来，并做了简要分析，出于对IP的尊重，恕不能提供详细数据，只根据数据简单分析，并谈一下自己的一些发现和结论。
首先，我只获取到了1993个，并没有新闻博客里公布的2011那么多，但相信这个差距不影响结论。当然，因为很多公司其实同时属于多个分类，大公司旗下也有不同的产品线，所以如果从公司的维度看，即使是获取的1993个，也存在不少的重复。
其次，按照First Mark的一级分类，统计了收录的logo数量和总融资金额（实际上只有1364条融资纪录，当然，很多大公司，例如IBM，HP，Google，Microsoft，AWS等并没有这些融资纪录，所以这个覆盖度其实很具备代表性了）。即使，因为上面所说的原因，还是存在一定的重复计算，但是也很容易看出分布的变化了。
具体到分类，虽然“应用——工业”和“机器学习与AI”两个类别收录的公司数量并不是最多的，但是融资额却“鹤立鸡群”。其实，这里面还是有比较大的数据误差的。
- 对于“工业应用”而言，数据里存在了“Uber”这家公司，融资额直接就是150亿美金；
- 在First Mark的数据里，类似于OpenAI以不同的名字记录了五次，但是融资金额都是140亿美金，同样的情况，还有Claude的母公司Anthropic，刚被微软收购的Inflection等；
- 把这些造成巨大影响的数据进行简单修正后，结果如下：
显然，“机器学习与AI”类别的“真实”融资金额不再那么突兀了，但是看起来“融资金额/公司”的比例依然比较高，其实，如果考虑到这其中还有一堆巨头（融资额都为0），那么实际上这个领域依然是一个成色十足的“吞金兽”。
值得注意的是，应用领域依然是更能吸引融资的，甚至，B端（工业industry、企业enterprise）比toC（Horizontal）对资金的吸纳能力更强，但是正如名字一样，toC都已经是浮出水平线上的了，更容易受到关注，而toB则更多隐藏在水面之下，少为人知。
如果再看二级分类的话，在“工业”类别里，健康（Healthcare）、生命科学、空间技术占比挺高的。这一点，其实在英伟达前不久的GTC会议中也看到了。技术进步在这些领域的落地也许更有价值。
最后，我本来以为AI热潮推动下，2023年后成立的公司进入到大众视野的应该挺多，但结果并不完全这样。
在进入到全景图里的2023年后成立的logo数量是55个，但是去重后（一眼望去，Mistral以不同的形式出现了四次，01与Yi，xAI与Grok），差不多就是50个，这个数量如果考虑“初创企业平均两到三年生命期”的经验数值的话，其实是很低的（最多不超过所有收录公司数量的不到10%）。
AI创业绝对不是一门好生意。
最后，按照文章开始所述，First Mark出了一篇分析，我用Kimi Chat对内容进行了总结，结果如下。
虽然存在瑕疵，但是First Mark确实做了一件非常伟大的事情，并且坚持了很长一段时间，今天的简评也只是基于数据能够得到的结论和启示的冰山一角。
更多的分析与交流，或许线下场合会更合适。