Den generativa AI-boomen har gett upphov till en uppsjö av nystartade företag. Men när dammet börjar lägga sig ser två en gång så populära affärsmodeller mer alarmerande ut: LLM-omslag och AI-aggregatorer.
Darren Mowry, som leder Googles globala startup-organisation över Cloud, DeepMind och Alphabet, säger att startups med dessa krokar har en ”check engine-lampa” tänd.
LLM wrappers är i grunden startups som lindar in befintliga stora språkmodeller som Claude, GPT, Gemini, etc. i en produkt eller UX-lager för att lösa ett specifikt problem. Ett exempel är en startup som använder AI för att hjälpa elever att lära sig.
”Om du bara låter din backend-modell göra allt jobbet, och du ganska mycket vitmärker den modellen, har branschen inte mycket tålamod för det längre”, sa Morley i veckans avsnitt av Equity.
Att linda in ”mycket tunn immateriell egendom lindad runt Gemini och GPT-5” visar en brist på differentiering, sa Morley.
För att nystartade företag ska ”gå framåt och växa”, sa han, ”behöver de djupa och breda vallgravar, antingen horisontellt differentierade eller vertikalt marknadsspecifika.” Exempel på djupa LLM-omslagstyper inkluderar Cursor, en GPT-driven kodningsassistent, och Harvey AI, en juridisk AI-assistent.
tech crunch event
boston, massachusetts
|
9 juni 2026
Med andra ord kan startups inte längre förvänta sig att deras produkter ska dra till sig uppmärksamhet genom att lägga ett gränssnitt ovanpå GPT, som de gjorde i mitten av 2024 när OpenAI lanserade sin ChatGPT-butik. Den nuvarande utmaningen är att bygga hållbart produktvärde.
AI-aggregatorer är en delmängd av omslag. En start som aggregerar flera LLM till ett gränssnitt eller API-lager för att dirigera frågor mellan modeller och ge användare åtkomst till flera modeller. Dessa företag tillhandahåller vanligtvis ett orkestreringslager som inkluderar övervaknings-, styrnings- eller utvärderingsverktyg. Överväg AI-sökstartup Perplexity eller OpenRouter, en utvecklarplattform som ger tillgång till flera AI-modeller genom ett enda API.
Även om många av dessa plattformar är väletablerade, är Mowrys ord tydliga för kommande startups. ”Håll dig borta från aggregatorverksamheten.”
Generellt sett, säger han, är anledningen till att aggregatorer inte har sett mycket tillväxt eller framsteg på sistone inte på grund av bakgrundsberäkning eller åtkomstbegränsningar, utan för att användare vill ha ”inbäddad immateriell egendom” för att säkerställa att de dirigeras till rätt modell vid rätt tidpunkt baserat på deras behov.
Mowry har hållit på med molnspel i decennier, klippt tänderna på AWS och Microsoft innan han började med Google Cloud och såg hur detta utspelar sig. Han sa att den nuvarande situationen återspeglar de tidiga dagarna av cloud computing i slutet av 2000-talet och början av 2010-talet, när Amazons molnverksamhet tog fart.
Vid den tiden dök det upp en rad nystartade företag för att sälja vidare AWS-infrastruktur, och presenterade sig själva som en enkel ingångspunkt som erbjöd verktyg, faktureringsintegration och support. Men eftersom Amazon byggde sina egna företagsverktyg och tillät kunder att hantera molntjänster direkt, raderades de flesta av dessa startups ut. De enda som överlevde var de som lade till riktiga tjänster som säkerhet, migration och DevOps-konsulting.
AI-aggregatorer möter nu liknande marginalpress när modellleverantörer själva expanderar till företagskapacitet och potentiellt sidoförmedlare.
Mowry är hausse på Vibe-kodnings- och utvecklarplattformar, som hade ett rekordår 2025 med startups som Replit, Lovable och Cursor (alla Google Cloud-kunder, enligt Mowry) som lockade till sig betydande investeringar och kunddragning.
Mowry förväntar sig också en stark tillväxt inom direkt-till-konsument-teknologi, där företag lägger några av dessa kraftfulla AI-verktyg i händerna på kunder. Han noterade att film- och tv-studenter har möjlighet att levandegöra sina berättelser med hjälp av Googles AI-videogenerator Veo.
Utöver AI ser Mowry även möjligheter inom bioteknik och klimatteknik. Både när det gäller riskinvesteringar i dessa två branscher och den ”otroliga mängden data” som startups kan komma åt för att skapa verkligt värde ”på sätt som inte var möjliga tidigare.”
