Kenyataan Kejam Industri VC: Mengapa Sebagian Besar Dana Belum Mengembalikan Modal Setelah 9 Tahun?

Penulis: Venture Curator

Diterjemahkan oleh: Deep Tide TechFlow

Panduan Deep Tide: Artikel ini membongkar dua hal dengan dua set data keras: bahwa VC besar berbondong-bondong berinvestasi di proyek AI yang serupa, sementara manajer baru lebih berani bertaruh pada yang berbeda; dan bahwa sebagian besar dana VC belum mengembalikan modal kepada LP setelah sembilan tahun. Bagi para pendiri yang sedang mencari dana, memahami tekanan finansial di balik dana jauh lebih penting daripada melihat kilau merek.

VC baru berinvestasi lebih banyak pada perusahaan rintisan yang tidak biasa, sementara pengeluaran AI sangat bervariasi di antara lebih dari 70.000 perusahaan.

Siapa yang Berinvestasi di Kategori Berisiko? Apa yang Data Tunjukkan.

Investor ventura biasanya diajarkan bahwa ini adalah bisnis tentang yang berbeda. Beberapa perusahaan yang tidak terduga menyumbang sebagian besar pengembalian, jadi lembaga dengan tim terbesar, jaringan terluas, dan modal terbanyak seharusnya paling mampu menemukannya.

Namun, penelitian baru oleh Dan Grey dari Odin berdasarkan data Dealroom menunjukkan bahwa lembaga terbesar sekarang paling tidak mungkin berinvestasi di perusahaan yang terlihat berbeda dari semua perusahaan lain yang didanai.

Grey memberi peringkat setiap perusahaan dalam portofolio investasi putaran awal lima dana besar (a16z, General Catalyst, Lightspeed, NEA, dan Accel) untuk tahun 2023 hingga 2025, serta sekelompok manajer baru terpilih, berdasarkan tingkat kelangkaan. Kelangkaan diukur dari dua dimensi: bisnis (industri, model, pelanggan, wilayah) dan teknologi, dibandingkan dengan semua perusahaan yang mendapatkan pendanaan putaran awal dari 2018 hingga 2025. Lima persen yang paling tidak biasa dianggap sebagai kategori berbeda.

Manajer baru menginvestasikan 24,7% dari putaran awal yang dapat dinilai ke dalam kategori berbeda (49 dari 198). Dana besar hanya menginvestasikan 11,5% (32 dari 278). Ini adalah selisih hampir dua kali lipat.

Selisih ini bukan karena setiap dana kecil adalah investor yang berlawanan. Banyak manajer baru sama-sama berinvestasi besar di AI: Conviction 100% di AI, South Park Commons 93,5%. Selisih ini berasal dari dana spesialis dengan misi berbeda, seperti Lowercarbon yang hanya 18,8% di AI, Multicoin hanya 15,4%.

Inilah mengapa alokasi portofolio sangat penting. Menggabungkan lima buku besar manajer baru yang berbeda, konsentrasi biasanya turun 22,6%. Menggabungkan lima dana besar hanya turun 2,0%, karena kelima dana tersebut sudah berada di antara 82,7% hingga 89,5% posisi AI. Dari 462 kombinasi manajer baru yang mungkin, hanya 2 yang tidak dapat mengalahkan kelompok dana besar.

Pentingnya hal ini melampaui statistik portofolio. Penelitian tentang risiko pendanaan telah lama berpendapat bahwa apakah investor mengharapkan dana lanjutan tersedia menentukan eksperimen mana yang bisa mendapatkan cek pertama. Odin dengan hati-hati menyatakan bahwa datanya tidak membuktikan mekanisme ini. Namun, jika kolam dana terbesar hanya berinvestasi di proyek yang sudah dianggap layak, maka perusahaan di luar konsensus ini hanya dapat mengandalkan orang lain untuk memberikan taruhan pertama.

Apakah ini berarti manajer baru lebih baik dalam memilih pemenang?

Tidak. "Yang berbeda" di sini merujuk pada yang jarang di antara perusahaan yang didanai, tidak berarti lebih inovatif atau lebih mungkin berhasil. Setelah menambahkan latar belakang pendiri ke dalam penilaian, selisih menyusut menjadi 19,8% berbanding 14,4%. Kelompok manajer baru adalah sampel terpilih, tidak mewakili seluruh pasar. Dan dana kecil juga memiliki momen kawanan mereka: blockchain menyumbang 46,7% dari putaran awal mereka, kemudian turun menjadi 20,9%.

Inilah yang perlu diperhatikan oleh investor.

Jika argumen Anda adalah bahwa pengembalian berasal dari yang berbeda, maka menambahkan satu dana merek besar hanya menambah taruhan yang sama. Sekelompok dana dengan misi yang benar-benar berbeda dapat memperluas jangkauan. Namun, hanya dengan jangkauan tidak cukup untuk menjadi alasan untuk mengeluarkan cek. Uji coba Odin sendiri adalah: apa yang dapat ditambahkan oleh sebuah dana untuk melengkapi kekurangan portofolio Anda yang ada, dengan biaya dan manfaat apa, berapa proporsi kepemilikan setelah dilusi, dan bagaimana risiko pendanaan lanjutan.

Masalah sebenarnya bukanlah dana mana yang terbesar. Masalahnya adalah dana mana yang benar-benar melihat tempat yang tidak dilihat orang lain, karena dari data, daftar ini semakin bukan orang yang sama.

Setelah Sembilan Tahun, Sebagian Besar Dana VC Masih Belum Mengembalikan Uang kepada Investor. Apa yang Akan Terjadi Selanjutnya?

Pendiri biasanya diajarkan untuk melihat VC mereka sebagai modal yang sabar. Investasi ventura adalah maraton; dana didirikan untuk menunggu hasil besar, dan tidak ada yang terburu-buru untuk mendapatkan uang tunai di tabel ekuitas.

Namun, data baru dari laporan kinerja dana VC kuartal kedua 2026 Carta menunjukkan bahwa banyak dana kesabaran mereka mulai habis, karena sebagian besar masih belum mengembalikan uang investor mereka.

Carta melacak net DPI, yaitu proporsi uang tunai yang sebenarnya dikembalikan kepada LP dibandingkan dengan setiap dolar yang diinvestasikan LP, mencakup sekitar 3000 dana ventura AS yang mulai berinvestasi antara 2017 dan 2026.

Dana yang mulai berinvestasi pada 2017 sekarang telah berjalan sekitar sembilan tahun, mendekati akhir siklus hidup dana sepuluh tahun yang khas. Dana median hanya mengembalikan 0,37 kali uang tunai. Bahkan, kuartil teratas hanya mengembalikan 0,70 kali. Hanya 10% teratas yang mengembalikan lebih dari jumlah yang diinvestasikan LP, mencapai 1,37 kali.

Dana yang lebih muda dalam situasi yang lebih buruk. Dana median 2018 mengembalikan 0,15 kali, dan median dana 2019 adalah 0,04 kali, yang berarti setelah tujuh tahun, satu dolar hanya mengembalikan 4 sen.

Nilai di atas kertas memang ada. Dana median 2017 memiliki nilai buku median 1,72 kali, tetapi hanya sekitar seperlima yang dikembalikan dalam bentuk uang tunai. Sisanya masih terkurung di perusahaan swasta yang belum dijual atau go public.

Ada detail kedua yang menjelaskan mengapa sulit untuk melihat ini dari luar. Sebagian besar dana memang mengembalikan sebagian uang: 86% dari dana 2017 dan 70,4% dari dana 2018 setidaknya mengembalikan sebagian uang tunai. Jadi hampir setiap dana dapat memberi tahu LP mereka bahwa distribusi telah dimulai. Namun, sangat sedikit dana yang dapat mengatakan bahwa mereka telah mengembalikan uang.

Mengapa pendiri harus peduli dengan buku besar dana investor mereka?

Karena jam dana investor Anda tidak sama dengan jam perusahaan Anda. Sebuah dana yang mendekati jatuh tempo, masih berutang uang tunai kepada LP, dan sedang mengumpulkan dana berikutnya, memiliki motivasi yang kuat untuk segera mendapatkan likuiditas. Tekanan ini dapat muncul sebagai dorongan untuk menjual lebih awal, menjual sahamnya di pasar sekunder, atau menjadi lebih berhati-hati dalam memberikan investasi di putaran berikutnya.

Dan inilah yang perlu diperhatikan oleh pendiri.

Semua ini tidak berarti bahwa investor Anda akan melakukan hal yang merugikan Anda. Dana dapat memperpanjang masa berlakunya, dan banyak lembaga terkemuka memiliki alasan yang cukup untuk terus mendukung pemenang mereka. Data Carta hanya menunjukkan kekurangan uang tunai, tidak mencerminkan bagaimana setiap dana akan bertindak. Namun, tahun dana yang memberi Anda cek sekarang menjadi variabel nyata, bukan catatan kaki. Seorang mitra yang berinvestasi dari dana 2017 atau 2018 berada dalam posisi yang sangat berbeda dibandingkan dengan mitra yang berinvestasi dari dana baru 2025.

Risiko sebenarnya bukanlah bahwa investor Anda membutuhkan likuiditas. Tetapi Anda tidak tahu dari dana mana uang Anda berasal, berapa banyak uang tunai yang masih mereka utang kepada investor mereka, dan bagaimana hal ini akan mempengaruhi saran yang mereka berikan pada putaran pendanaan atau keluar Anda berikutnya.

Di Mana Uang Terbesar di AI: Model Terdepan atau Pasar Menengah?

Sebagian besar laporan AI fokus pada yang terdepan: model terbaru, tercerdas, dan termahal dari setiap laboratorium. Namun, Tomasz Tunguz dari Theory Ventures mengajukan argumen: pasar yang benar-benar penting adalah tingkat menengah, dan data pengeluaran juga mendukung hal ini.

Tingkat menengah telah mengambil sekitar 40% dari pengeluaran AI dan 30% dari penggunaan token.

Sebaliknya, bagian model terdepan sangat tipis. Model terkuat Anthropic, Fable 5.1, hanya menyumbang 3,7% dari pengeluaran gateway dalam 12 hari pertama setelah peluncurannya. Pendahulunya mencapai puncaknya di 13,2%, kemudian setelah Opus 5 dirilis dengan setengah harga sebulan kemudian, turun menjadi 4,9%. Di antara akun perusahaan besar, konsumsi token model terdepan turun dari 53% pada awal Agustus menjadi 45% pada bulan September.

Perang harga juga sedang berlangsung di tingkat ini. Pada bulan September, ketika Anthropic menurunkan harga model baru, OpenAI mengikuti sekitar 90 menit kemudian. Sebelum penurunan harga itu, harga untuk empat versi berturut-turut dari seri Opus tetap di $5 per juta token input dan $25 per juta token output. Di sisi bawah, OpenAI pada bulan Juli memangkas harga Luna sebesar 80%, dan pada bulan September memangkasnya lagi sebesar 50%.

Tiga kekuatan terus menekan harga di tingkat menengah ke bawah:

Persaingan antar laboratorium. Laboratorium sekarang akan mengikuti penurunan harga satu sama lain dalam hitungan jam, bukan beberapa kuartal.

Model bobot terbuka. Di gateway yang mengungkapkan data, model terbuka menjalankan sebagian besar volume token, dengan harga 86% lebih rendah daripada harga model tertutup.

Penyempurnaan. Cursor Composer 2 yang disempurnakan berdasarkan model bobot terbuka Kimi K2.5, mengurangi biaya total sebesar 86% dibandingkan model yang dikembangkan sendiri sebelumnya. Harvey mengurangi biaya setiap sel relatif terhadap Sonnet 5 sebesar 55%, sambil mencetak skor lebih tinggi daripada Fable 5.

Situasi ini terus terjadi secara struktural. Perusahaan perlu melakukan hal-hal yang AI lakukan, seperti merangkum kontrak atau mengklasifikasikan tiket kerja, yang hampir tidak berubah dari tahun ke tahun. Namun, biaya kecerdasan yang memenuhi ambang ini terus menurun dengan cepat. Jadi, dapatkan pekerjaan di tingkat yang memiliki persyaratan tetap, yang semakin murah setiap kuartal, sementara sebagian besar pekerjaan nyata berada di tingkat ini, bukan di terdepan.

Permintaan tampaknya bukan piramida dengan puncak di atas, tetapi lebih seperti kurva lonceng yang lebar di tengah. Pembeli peduli tentang seberapa banyak kecerdasan yang bisa mereka dapatkan untuk setiap dolar, bukan kemampuan puncak. Pertanyaan yang belum terjawab adalah apakah pasar menengah ini pada akhirnya akan menjadi komoditas. Jika iya, maka ekonomi seluruh pasar AI juga akan berubah.

Bagi siapa pun yang membuat produk di atas model-model ini, patut dipertanyakan: lapisan mana yang benar-benar dibutuhkan produk Anda. Membayar harga model terdepan untuk pekerjaan di tingkat menengah sekarang adalah cara terbaik untuk kehilangan keuntungan.

Perusahaan median menghabiskan $11,38 per karyawan setiap bulan. 10% teratas menghabiskan $611.

1% teratas menghabiskan $7.449, hampir 650 kali lipat dari median. Ketika Ramp mengaitkan pengeluaran ini dengan catatan tenaga kerja 21.559 perusahaan dari Revelio Labs, ditemukan bahwa perusahaan dengan pengeluaran tinggi mengalami pertumbuhan jumlah karyawan sebesar 10,2% dalam dua tahun, dengan peningkatan perekrutan untuk posisi entry-level sebesar 12%.

Data pengguna dengan intensitas rendah tidak menunjukkan perubahan signifikan.

Jadi, belanjakan lebih banyak. Tapi untuk apa?

Sebagian besar pendiri membandingkan tagihan AI dengan anggaran perangkat lunak mereka, karena biaya ini muncul di tagihan bersama dengan Figma dan Notion. Ini adalah pembanding yang salah. Semakin banyak pengeluaran AI yang menggantikan bukan perangkat lunak, tetapi orang. Seorang agen layanan pelanggan dibandingkan dengan posisi layanan pelanggan, bukan dengan paket SaaS Anda.

Mari kita hitung sebuah perusahaan tahap benih yang tipikal: 12 orang, dengan biaya gaji bulanan sekitar $180.000, pengeluaran AI $4.000 per bulan. Dibandingkan dengan anggaran perangkat lunak, $4.000 terlihat cukup besar. Namun, dibandingkan dengan biaya gaji, itu hanya 2,2%. Angka yang sama, kesimpulannya sangat berbeda.

Solusinya adalah membagi anggaran AI menjadi tiga bagian, masing-masing dievaluasi dengan pembandingnya sendiri:

• Garis Gaji AI (agen layanan pelanggan, SDR, dan agen pemrograman) dibandingkan dengan gaji orang yang tidak Anda rekrut. Jika Anda tidak bisa menyebutkan posisi itu, maka tidak seharusnya masuk dalam kategori ini.
• Garis Produktivitas AI (kursi, alat catatan, dan alat penulisan) melihat tingkat penggunaan. Jika tingkat penggunaan menurun pada bulan kedua, maka hapus.
• Garis Biaya AI (token dan panggilan API dalam produk) melihat margin kotor pada volume 10 kali lipat, dan harus dimasukkan dalam COGS Anda.

Mencampurkan ketiga kategori ini akan membuat setiap sinyal saling menetralkan. Pemborosan pada kursi membuat total terlihat besar, sehingga pendiri menjadi lebih berhati-hati pada agen, padahal di situlah letak imbalannya. Para pemenang 1% teratas bukan karena mereka menghabiskan banyak, tetapi karena pengeluaran mereka terklasifikasi dengan baik: berinvestasi besar di tempat AI menggantikan tenaga kerja, sangat berhati-hati di tempat yang hanya mempercepat pekerjaan manusia, dan memantau margin kotor di dalam produk.

Kami telah membongkar metode pengurutan lengkap, termasuk serangkaian proses audit 30 menit yang dapat Anda gunakan minggu ini untuk memeriksa tagihan Anda, lihat "Apa yang Harus Dijadikan Pembanding untuk Pengeluaran AI Anda?"

Mengapa Due Diligence VCs di Deep Tech Justru Menurun?

Anda mungkin berpikir bahwa teknologi yang paling sulit harus menerima pemeriksaan yang paling ketat. Sebuah komputer kuantum, reaktor fusi nuklir, atau arsitektur chip baru, harus memenuhi hukum fisika untuk berfungsi, atau tidak, dan memverifikasi hal ini membutuhkan keahlian yang nyata.

Namun, Marin Ivezic dari PostQuantum berpendapat bahwa kenyataannya justru sebaliknya: semakin besar transaksi, semakin tinggi kandungan teknologinya, semakin tidak mungkin ada orang independen yang memverifikasi apakah secara ilmiah itu dapat dipertahankan.

Ini bukan karena investor menjadi malas. Beberapa perubahan struktural terjadi bersamaan.

Lapisan ahli menghilang.

Dulu, investor bisa mendapatkan penilaian teknis independen dari tim riset bank, yang mempekerjakan analis profesional. Aturan MiFID II Eropa tahun 2018 mengharuskan biaya riset dan biaya transaksi dibayar secara terpisah, sehingga model ini menyusut. Dilaporkan bahwa skala riset saham Eropa menurun sekitar 20%, dan jumlah analis profesional di bank-bank besar juga berkurang.

Jaringan ahli kini menjadi bisnis senilai sekitar $2,5 miliar, mengisi sebagian kekosongan. Namun, ini hanya efektif jika Anda tahu ahli mana yang harus ditanya dan pertanyaan apa yang harus diajukan. Di bidang yang paling maju, ini adalah pengetahuan yang tidak dimiliki oleh investor yang bersifat umum.

Aliran dana menuju generalis.

Pada tahun 2025, investasi kuantum swasta mencapai $4,9 miliar, meningkat 192%. Investor terbesar adalah BlackRock dan NVIDIA, bukan dana kuantum khusus. Dana kekayaan negara dan pensiun juga semakin banyak terlibat dalam putaran ini, sebuah survei terhadap dana kekayaan negara menemukan bahwa 58% lembaga tidak memiliki sumber daya untuk memimpin transaksi. Modal yang tidak dapat melakukan pemeriksaan teknis sendiri akhirnya hanya dapat bergantung pada penilaian orang lain.

Nama pemimpin menggantikan pemeriksaan.

Sebuah pemimpin yang memiliki reputasi baik memberikan jaminan kredit untuk semua orang yang ikut serta. Pihak yang ikut serta secara default menganggap pemimpin telah memverifikasi kelayakan fisik, tetapi mereka tidak melihat pemeriksaan itu dan tidak dapat memastikan bahwa itu benar-benar terjadi. Beberapa putaran bahkan tidak memiliki ini: pendanaan $600 juta dari Quantinuum sama sekali tidak memiliki nama pemimpin.

Batas waktu dan efek kawanan membuat kecepatan mengalahkan pemeriksaan.

Pada akhir 2023, dana AS memiliki rekor $311,6 miliar yang belum diinvestasikan. Seorang manajer dana yang menghadapi tekanan alokasi, bergabung dengan transaksi yang populer lebih menguntungkan daripada menundanya. Selain itu, salah dengan rekan-rekan memiliki dampak reputasi yang jauh lebih kecil dibandingkan salah sendiri.

Deep tech tidak memiliki titik pemeriksaan yang wajib.

Bioteknologi adalah perbandingan yang baik. Proses persetujuan FDA memaksa setiap tahap data untuk dipublikasikan, sehingga industri membangun seluruh seperangkat norma due diligence di sekitar hal ini: dewan penasihat ilmiah, penilai profesional, pemeriksaan bertahap.

Bidang kuantum tidak memiliki penghalang yang setara. Pemeriksaan teknis paling ketat yang dapat ditemukan artikel ini untuk perusahaan kuantum besar berasal dari pemerintah Australia, yang diungkapkan melalui permohonan informasi publik, bukan dari pihak investor mana pun.

Hasilnya jelas terlihat dalam angka.

Investasi kuantum swasta pada tahun 2025 adalah $4,9 miliar, sementara total pendapatan industri komputasi kuantum sekitar $1,4 miliar. Tiga perusahaan kuantum yang terdaftar melalui SPAC pada tahun 2021, pernah memprediksi total pendapatan sekitar $1,2 miliar pada tahun 2025, tetapi yang sebenarnya disampaikan sekitar $138 juta. Dan yang melakukan beberapa pekerjaan verifikasi yang paling solid adalah para short seller, bukan investor.

Bagaimana hal ini akan berakhir, sudah ada presedennya. Antara 2006 dan 2011, modal ventura menginvestasikan lebih dari $25 miliar dalam teknologi bersih, dengan lebih dari setengahnya mengalami kerugian. Peneliti yang mempelajari siklus tersebut pada waktu itu memperingatkan bahwa dana pensiun dan kekayaan negara yang tidak memiliki pengalaman perangkat keras akan menjadi kelompok berikutnya yang membayar untuk perusahaan-perusahaan ini.

Solusi yang diusulkan sangat sederhana: sebelum ikut serta dalam putaran deep tech yang melebihi ukuran tertentu, LP harus meminta pemeriksaan kelayakan teknis independen, yang tidak boleh ditugaskan oleh dana dan tidak boleh dipilih oleh pendiri. Perlu dicatat bahwa penulis sendiri berinvestasi di perusahaan rintisan kuantum dan mengelola perusahaan yang menyediakan layanan pemeriksaan semacam itu. Namun, inti dari pandangan ini tetap berlaku: di bidang deep tech, sebuah tanda di tabel ekuitas telah diam-diam menggantikan pemeriksaan teknis, dan di hadapan jumlah cek seperti itu, biaya pemeriksaan independen selama beberapa minggu tidak ada artinya.

Konten ini disediakan hanya untuk tujuan informasi umum dan bukan merupakan nasihat keuangan, investasi, hukum, atau pajak. Setiap acara, reward, promosi online, atau informasi terkait yang disebutkan di sini tidak boleh dianggap sebagai rekomendasi, ajakan, atau undangan untuk membeli, menjual, memperdagangkan, atau melakukan transaksi aset kripto apa pun. Aset kripto sangat fluktuatif dan dapat mengakibatkan kerugian. Ketersediaan layanan, produk, dan acara terkait WEEX dapat berbeda-beda di setiap wilayah. Anda bertanggung jawab untuk memastikan bahwa partisipasi Anda sesuai dengan hukum dan peraturan setempat yang berlaku.