Deeptech कंपनियां अलग तरह से बनाई जाती हैं

 (codingvc.com)
6 पॉइंट द्वारा GN⁺ 19 시간 전 | अभी कोई टिप्पणी नहीं है. | WhatsApp पर शेयर करें
  • पिछले 10 वर्षों में तेज़ी से scale होने वाले bits (software) में पूंजी केंद्रित रही, लेकिन अब पूरी अर्थव्यवस्था की bottlenecks फिर से atoms, यानी भौतिक क्षेत्र, की ओर लौट रही हैं, और इन्हें हटाने वाली frontier technology कंपनियां अगली पीढ़ी की कंपनियों के रूप में उभर रही हैं
  • data center पर power grid का दबाव, defense budget का autonomous weapons·sensors·shipbuilding की ओर शिफ्ट, manufacturing capability का strategic asset बनना, biology का programmable therapeutics में बदलना, और robotics का field deployment में प्रवेश जैसी शुरुआती संकेत पहले से दिखाई दे रहे हैं
  • deeptech सिर्फ "ज़्यादा कठिन software" नहीं है, बल्कि people·path dependence, risk·reversibility, और capital·value creation की तीन परतों में अलग नियमों वाला एक अलग खेल है
  • जो constraints शुरुआत को कठिन बनाते हैं, वही एक साथ विजेताओं को अधिक defensible और नकल करना कठिन भी बनाते हैं
  • hardware पर software investment formula लागू करना नहीं, बल्कि physical economy के structural differences को दूसरों से पहले समझना ही मुख्य अवसर है

लोग और path dependence (People and Path Dependence)

  • deeptech में pivot बहुत अधिक constrained होता है

    • software dating से video (YouTube) में, या game से productivity tool (Slack) में pivot कर सकता है, लेकिन robotics कंपनी पूरी टीम को फिर से बनाए बिना nuclear·pharma में pivot नहीं कर सकती
    • शुरुआती दिशा को सही पकड़ना निर्णायक है, और साथ ही एक कठिन समस्या पर विशेषज्ञता, technical progress, और customer relationships को accumulate करने का concentration effect पैदा होता है

  • शुरुआती design decisions hardware कंपनियों की सफलता या विफलता तय करते हैं

    • robot arm की लंबाई जैसी एक change motor·actuator·battery·manufacturing process·supply chain के फैसलों पर cascading impact डालती है
    • गलत फैसले की लागत software के कुछ घंटों की नहीं, बल्कि महीनों से वर्षों की होती है
    • इसके उलट, अच्छे शुरुआती फैसले accumulate होते जाते हैं, और मज़बूत architecture manufacturing ease, service cost, deployment safety, और replication difficulty में बढ़त में बदलता है

  • deeptech व्यवसायों में founder-market fit अनिवार्य है

    • कई software उत्पाद बेहतरीन generalists से बनाए जा सकते हैं, लेकिन deeptech को electrical·mechanical·turbomachinery जैसे specialist talent की ज़रूरत होती है
    • core talent की कमी प्रगति की गति को तेज़ी से गिरा देती है, लेकिन एक बार टीम बन जाए तो वही टीम moat का हिस्सा बन जाती है

  • physical products में एक ही जगह काम करना निर्णायक होता है

    • software में अगर components के बीच interfaces साफ हों, तो remote development संभव है (New York में code update होने पर LA में तुरंत उसके ऊपर build किया जा सकता है)
    • hardware में components को साथ में develop और test करना पड़ता है, इसलिए physical proximity ज़रूरी है; वरना iteration speed तेज़ी से गिरती है
    • यही वजह है कि LA में space startups और Boston में biotech clusters बने, जो talent·suppliers·advisors·customers·repeat founders को एक जगह लाकर progress तेज़ करते हैं

  • deeptech talent दुर्लभ है, लेकिन ज़्यादा mission-driven भी होता है

    • अमेरिका में software engineers लगभग 40 लाख हैं, लेकिन RF engineers 20,000, nuclear engineers 10,000, और turbomachinery engineers सिर्फ 2,500 हैं
    • top 5% talent hire करना hardware में कहीं अधिक कठिन है, क्योंकि पूरे देश में pool सिर्फ सैकड़ों से हज़ारों लोगों का होता है
    • लेकिन प्रतिस्पर्धी कंपनियां कम होती हैं, और inspiring mission की वजह से धीमी incumbent कंपनियों से specialist engineers को लाना अपेक्षाकृत आसान हो सकता है

  • deeptech कंपनियों को अलग तरह के शुरुआती employees चाहिए होते हैं

    • software startups शुरुआत में generalist full-stack engineers को hire कर सकते हैं और बाद में specialists जोड़ सकते हैं
    • deeptech को बहुत specific शुरुआती टीम चाहिए — ऐसे लोग जिनके पास किसी खास therapeutic pathway, actuator design, RF system, या manufacturing process का सीधा और मुश्किल से हासिल किया गया अनुभव हो

risk और reversibility (Risk and Reversibility)

  • software market risk से मरता है, hardware technology risk से

    • software बनाना तुलनात्मक रूप से आसान है, लेकिन ऐसा product बन जाना भी आसान है जिसका market न हो
    • hardware में category-level demand अक्सर साफ होती है (सस्ती energy, cancer therapeutics), लेकिन technology risk कहीं अधिक होता है — क्या यह काम करेगा, क्या इसे economic तरीके से बनाया जा सकेगा, क्या इसे safely deploy किया जा सकेगा, और क्या सही sales channel मिलेगा
    • लेकिन technology risk, market risk की तुलना में अधिक legible होता है — जैसे motor का torque target हासिल करना, battery की cost curve तक पहुंचना, या therapeutics का cells को मारना, इन्हें explicit milestones से verify किया जा सकता है

  • regulatory friction deeptech की default state है, और यह दोनों दिशाओं में काम करती है

    • fintech·healthcare जैसे कुछ क्षेत्रों को छोड़कर ज़्यादातर software unregulated होता है (नया CRM तैयार होते ही launch किया जा सकता है)
    • ज़्यादातर hardware facilities permitting, safety certification, environmental review, और regulatory approval जैसी निगरानी के दायरे में आता है
    • लेकिन एक बार barrier पार हो जाए तो competitors को भी वही प्रक्रिया अपनानी पड़ती है, और FDA drug approval या FAA drone operating approval जैसी regulatory progress बड़े value inflection points बन जाती है

  • deeptech में अच्छी judgment की value अधिक होती है

    • software नए database या UI toolkit को जल्दी अपना सकता है, लेकिन hardware change manufacturing tools·supply chain partners·certification path·customer deployment सब पर असर डालता है
    • गलत judgment की लागत software में कुछ दिन से कुछ हफ़्ते, hardware में कई महीने से कई साल हो सकती है
    • कुंजी कठिन फैसलों से बचना नहीं, बल्कि महत्वपूर्ण फैसले दूसरों से बेहतर लेना है

  • deeptech की progress continuous नहीं, बल्कि discrete होती है

    • software launch के बाद revenue धीरे-धीरे बढ़ता है, और $3M ARR के लक्ष्य के मुकाबले $1.5M·$3M·$5M की तरह spectrum पर मापा जा सकता है
    • deeptech milestones ज़्यादा binary होते हैं — जैसे nuclear fuel reaction का sustain होना या किसी specific tumor cell का मरना; यह या तो संभव है या नहीं, "आधा काम करता है" का मतलब काम नहीं करता
    • progress भले lumpy लगे, लेकिन risk reduction स्पष्ट होती है; इसलिए जब key risk सफलतापूर्वक हट जाता है, तो बड़ी uncertainty मिटने से value तेज़ी से बदल सकती है

  • software में entry barrier कम, लेकिन moat कमजोर होती है; hardware में entry barrier ऊंचा, लेकिन moat ज़्यादा मज़बूत होती है

    • software जल्दी launch हो सकता है, लेकिन economies of scale मामूली होती हैं, distribution channels exclusive नहीं होते, और AI tools की वजह से features की नकल आसान होने से moat कमजोर हो रही है — इसलिए तेज़ी से grow करता है, पर उतनी ही तेज़ी से plateau या shrink भी कर सकता है
    • hardware में commercial-grade product बनाने में 2 से 5 साल लग सकते हैं, जो एक महंगा entry barrier है; लेकिन एक बार sellable product बन जाए, तो economies of scale वास्तविक होती हैं, और brand·track record की value होती है (100वां reactor बेचने वाली कंपनी बनाम पहला reactor बेचने वाली कंपनी)
    • regulatory friction competitors को catch up करने से रोकती है, इसलिए जो barriers शुरुआत में धीमा करते हैं, वही बाद के चरण में कंपनी की रक्षा करते हैं और market dominance में मदद करते हैं

पूंजी और value creation (Capital and Value Creation)

  • software products दसियों हज़ार से लाखों डॉलर में बिकते हैं, hardware products लाखों से करोड़ों डॉलर में

    • power plants लाखों से अरबों डॉलर के होते हैं, बड़े industrial automation systems करोड़ों डॉलर के, और advanced therapeutics प्रति treatment $1M तक के
    • software revenue का 30% sales·marketing पर खर्च कर सकता है ($100K contract पर $30K CAC), लेकिन deeptech R&D पर ज़्यादा खर्च कर सकता है ($100M contract पर $30M sales expense की ज़रूरत नहीं)
    • नतीजतन, hardware शुरुआती चरण में capital-intensive होता है जब technology feasibility साबित की जा रही होती है, जबकि software बाद के चरण में capital-intensive होता है जब बड़े पैमाने पर customer acquisition की लागत चुकानी होती है — कुल capital intensity समय के साथ मिलती-जुलती हो सकती है, फर्क सिर्फ timing का है
    • बड़े contract sizes की वजह से कुछ बड़े customers और deployments भी बड़ी company value को support कर सकते हैं

  • deeptech कंपनियों का financing stack अलग होता है

    • software कुछ million dollars revenue के बाद equity, venture debt, और revenue-based financing जुटाता है
    • deeptech में शुरुआती revenue-based financing दुर्लभ है, लेकिन equipment financing·inventory financing·project financing·government grants और contracts का उपयोग किया जा सकता है
    • सही इस्तेमाल होने पर dilution कम किया जा सकता है और equity capital को सबसे high-risk, highest-upside हिस्सों के लिए बचाया जा सकता है
    • pre-seed चरण में भी सैकड़ों हज़ार से million dollars तक equipment financing मिल सकती है — क्योंकि lenders progress नहीं, equipment को collateral के रूप में underwrite करते हैं (अगर $1M machine बंद होने पर $900K में दोबारा बेची जा सकती है, तो अच्छा interest rate मिल सकता है)

  • deeptech financing metrics-based नहीं, milestone-based होती है

    • software revenue·retention·usage metrics के आधार पर follow-on rounds जुटाता है
    • deeptech capital ऐसे बड़े milestones और key risk reduction के आधार पर जुटाता है, जैसे हर subsystem और full prototype का बनना, या manufacturing का manual से partially automated और फिर fully automated होना
    • deeptech में बड़े risk के हटते ही value inflect करती है, जबकि software में value traction के साथ अधिक continuously बदलती है

  • deeptech सही तरह से करने पर इनाम कहीं अधिक मजबूत value capture होता है

    • software लगातार competition का सामना करता है — Harvey ने legal teams के लिए शानदार AI product बनाया, लेकिन तुरंत बाद Legora ने competing product के साथ ध्यान खींच लिया, और एक व्यक्ति द्वारा बना open source alternative Mike launch हुआ जिसे पहले ही हज़ारों GitHub stars मिल चुके हैं
    • hardware अलग है — कोई भी garage में commercial reactor या cancer-killing virus नहीं बना रहा; इसके लिए capital·team·time की मांग बहुत अधिक है
    • अगर सक्षम टीम बड़ी समस्या हल कर दे, तो वह बहुत अधिक value capture कर सकती है और लंबे समय तक market dominance की संभावना बढ़ जाती है (उदाहरण: Nvidia के GPU, SpaceX के space launches, Illumina के gene sequencers)
    • इसलिए शुरुआती company formation कठिन होती है, लेकिन विजेता के पास संरचनात्मक रूप से महत्वपूर्ण, मुश्किल से replace होने वाली, और लंबे समय तक मूल्यवान कंपनी बनने की संभावना अधिक होती है — यानी अलग return profile

founders और investors के लिए निहितार्थ

  • "hardware कठिन है" एक उपयोगी चेतावनी ज़रूर है, लेकिन उपयोगी framework नहीं; बेहतर नज़रिया यह है कि bits से बनाना और atoms से बनाना अलग constraints के तहत काम करता है

    • software product·distribution uncertainty को तेज़ी से पार कर जीतता है, जबकि deeptech कम संख्या में कठिन और irreversible फैसले सही लेकर जीतता है
    • सही specialist team बनाना, सही architecture चुनना, सही technology risk हटाना, regulation को navigate करना, सही capital mix के साथ financing करना, और technical progress को मज़बूत moat में बदलना — यही सब निर्णायक है

  • founders के लिए deeptech movement से ज़्यादा judgment को reward करता है

    • बेहतरीन founders सिर्फ तेज़ नहीं चलते, बल्कि यह भी समझते हैं कि कहाँ speed महत्वपूर्ण है और कहाँ patience अनिवार्य
    • वे समझते हैं कि कौन-से शुरुआती फैसले वर्षों तक असर डालेंगे, कौन-से risk पहले हटाने चाहिए, और कौन-से milestones वास्तव में success probability बदलते हैं
    • software में progress iteration से accumulate होती है, जबकि deeptech में progress कुछ कठिन लेकिन सही फैसलों से accumulate होती है

  • investors के लिए अलग diligence questions की ज़रूरत होती है

    • software में शुरुआती सवाल user love·retention·growth·GTM momentum के होते हैं
    • deeptech में पहले सवाल अधिक बुनियादी होते हैं — क्या यह इस problem के लिए सही team है, क्या शुरुआती architecture choices मज़बूत हैं, क्या हर milestone meaningful risk हटाता है, क्या regulation और manufacturing से गुजरने का credible path है, और क्या financing plan development path के साथ aligned है

  • बेहतरीन deeptech कंपनियां सिर्फ धीमे sales cycle वाली software कंपनियों जैसी नहीं दिखतीं; उनमें अलग quality signals होते हैं — उत्कृष्ट founder-market fit, स्पष्ट technical inflection points, urgent customer demand, और manufacturing·regulation·performance·supply chain को मजबूत moat में बदलने की क्षमता

    • deeptech सिर्फ ज़्यादा कठिन नहीं है, बल्कि वही कठिनाई खुद अवसर का हिस्सा है
    • दुर्लभ talent, regulatory friction, manufacturing complexity, technology risk, और धीमी iteration वास्तविक बाधाएं हैं, लेकिन साथ ही वे हल्के प्रतिस्पर्धियों को बाहर रखती हैं और विजेताओं को संरचनात्मक रूप से महत्वपूर्ण कंपनी बनने का मौका देती हैं
    • जो कंपनियां कठिन physical bottlenecks हल करती हैं, वे सिर्फ demand capture नहीं करतीं, बल्कि पूरे industries को अपने इर्द-गिर्द फिर से व्यवस्थित कर सकती हैं

संबंधित पढ़ाई

अभी कोई टिप्पणी नहीं है.

अभी कोई टिप्पणी नहीं है.