August 13, 2026

В обсуждении пересмотрели тезис о скором обнулении SaaS-компаний из-за генеративного ИИ и vibe coding. По мнению ведущих, первоначальная оценка была слишком агрессивной и преждевременной: компании с большим объёмом кода действительно могут столкнуться с давлением, но их устойчивость не всегда определяется только программным продуктом.

Во время распродажи технологических и программных компаний совокупно было потеряно около $2 трлн рыночной капитализации, однако значительная часть рынка восстановилась: ETF iShares, отслеживающий технологический и программный сектор, вырос примерно на 30% за последние шесть месяцев.

Крупный монолитный продукт теперь считается менее сильным конкурентным барьером, чем десять лет назад, а конкуренция особенно усиливается в сегменте точечных решений. При этом источниками устойчивости могут быть продажи, бизнес-развитие, сетевые эффекты и другие активы; окончательное влияние инструментов agentic coding, как отмечается, может проявиться лишь в течение нескольких лет.

Shopify приводят как пример SaaS-платформы с низкой относительной стоимостью для клиента и широкой экосистемой. Shopify Plus, по оценке участников, стоит около $1 000 в месяц для знакомого им бизнеса с почти $100 млн годовой выручки. Создание сопоставимого продукта, по их мнению, потребовало бы нескольких людей, занимающихся vibe coding круглосуточно, и не учитывало бы уже существующие приложения и интеграции.

Участники предполагают, что сетевые эффекты, маркетплейс и инфраструктура Shopify могут позволить ИИ работать поверх платформы, не вытесняя её. После последней отчётности акции Shopify, согласно обсуждению, выросли на 20%; также прозвучало предположение о перетоке части денег из полупроводниковых компаний в Shopify, хотя устойчивость этого движения остаётся неясной.

Spotify может оставаться ценным агрегатором и в мире, где значительная часть музыки создаётся с помощью ИИ: его преимущество, по мнению ведущего, связано с аудиторией, сетевым эффектом и дистрибуцией, а не только с программным кодом. Пользователи могут слушать AI-музыку не в отдельном конкурирующем сервисе, а на Spotify.

В качестве примера обсуждалась песня Phoenix Flexin «Rubbers», которая, вероятно, создана с помощью ИИ — ведущий считает это «почти подтверждённым», но не представляет как окончательно установленный факт. Композиция получила сотни тысяч загрузок на Spotify; размещение на платформе даёт автору доступ к аудитории и возможность получать роялти, чего простое нахождение песни «где-то в интернете» не гарантирует.

Возможность быстро создавать игры с помощью vibe coding сама по себе не означает, что Roblox потеряет ценность. У платформы есть сетевая инфраструктура, аудитория и каналы дистрибуции, которые могут оставаться востребованными независимо от упрощения разработки игр.

При оценке устойчивости платформ к agentic coding tools, помимо производства контента, предложено учитывать сетевые эффекты, динамику маркетплейса и сильные go-to-market-организации. Игры, созданные с помощью ИИ, вероятно, будут распространяться через уже существующие платформы с аудиторией и инфраструктурой, хотя неясно, насколько быстро и широко ИИ изменит экономику создания игр.

В обсуждении кибербезопасность названа одним из сегментов, выигрывающих от развития ИИ. Акции Palo Alto Networks выросли на 121% за последние 12 месяцев, а капитализация компании достигла 320 млрд долларов. CrowdStrike за тот же период прибавила 107%, ее оценка составила 230 млрд долларов.

CEO Palo Alto Networks Никеш Арора вложил 10 млн долларов собственных средств в акции компании в момент, когда инвесторы сомневались, сможет ли ИИ нарушить рынок кибербезопасности. По утверждению ведущего, стоимость этой инвестиции выросла до 26 млн долларов, а акции Palo Alto Networks достигли исторического максимума. Обсуждение не доказывает точную связь между ростом котировок и развитием ИИ.

Chegg назвали каноническим примером жертвы «SaaSpocalypse», которая не смогла восстановиться. По словам участников обсуждения, акции образовательного сервиса упали на 99% за последние пять лет.

Спрос на Chegg, особенно популярный во время COVID-19, сократился на фоне бесплатных инструментов вроде ChatGPT и Gemini: они отвечают на вопросы по домашним заданиям и помогают пользователю во время работы. Выручка компании, как утверждалось, составила $376 млн в 2025 году — на 39% меньше, чем $617 млн годом ранее, — а рыночная капитализация оценивается примерно в $80–90 млн. Участники считают, что Chegg может потребоваться полная перестройка бизнеса, однако неясно, сможет ли компания восстановиться.

В обсуждении со ссылкой на The Information Canva названа новым примером SaaS-компании, столкнувшейся с давлением со стороны ИИ. По словам участников, такие модели, как ChatGPT Images, Nano Banana Pro и Grok Imagine, уже способны создавать некоторые дизайны, для которых пользователи раньше могли обращаться к Canva — например, инфографику или приглашения.

Участники различают SaaS-продукты, находящиеся на прямом пути замещения ИИ-моделями, и компании, которые обеспечивают саму AI-инфраструктуру. Базы данных, аналитические и инфраструктурные сервисы могут выигрывать от роста AI-нагрузок: модели генерируют больше данных, а лабораториям требуются дополнительные инструменты. В качестве примеров названы Datadog и Twilio.

Twilio, компания в сфере коммуникационной инфраструктуры, за последний год выросла на 150%, а её стоимость в обсуждении оценивается в $38 млрд. Участники отметили, что ранее ожидали оценку примерно в $5 млрд и связывают сильную динамику с устойчивостью бизнеса после прежнего бума и распродажи времён COVID-19.

По их мнению, Twilio сложно быстро заменить с помощью «вайб-кодинга»: сервис обеспечивает отправку текстовых сообщений и взаимодействие приложений с сетями мобильных операторов. Долгосрочные отношения с операторами, защита от спама и собственная сетевая инфраструктура, как считают speakers, формируют защитный барьер компании даже в эпоху ИИ.

Jiahu Yu объявил, что покидает Meta, чтобы основать новую компанию и создать лабораторию с пока не определённым названием и направлением. Ранее он перешёл из OpenAI в MSL, а затем присоединился к Meta.

Yu отметил работу своей мультимодальной команды над Muse Spark, Voice Mode, Muse Image и Muse Video. По его словам, теперь его полностью занимает проблема, которая будет иметь большое значение для будущего человечества, но пока остаётся в значительной степени неисследованной; её конкретная природа не уточняется.

Участники обсуждения предположили, что проект может быть связан с безопасностью социальных сетей или «согласованными» соцмедиа, однако это лишь спекуляция. Они также прогнозируют, что уход Yu может быть не последним заметным выходом из MSL в ближайшие один-два месяца.

Глава Instagram Адам Моссери объявил об обновлении словесного знака сервиса — примерно через десять лет после предыдущего изменения. Новый вариант описывается как более чистый и современный, но сохраняющий отсылки к оригинальному дизайну.

Редизайн вызвал негативные реакции у части пользователей и споры о читаемости и узнаваемости: участники обсуждения сочли оригинал устаревшим, но при этом знаковым, а новый вариант — неоднозначным. Один из участников предположил, что к обновлению привыкнут в течение нескольких дней, поскольку люди часто видят словесный знак Instagram; также прозвучала мысль, что изменение может со временем понравиться.

Louis Vuitton и Singer создали коллаборацию на базе Porsche 911; по словам участников обсуждения, было изготовлено два таких автомобиля. Машину описывали как крайне необычную: в дизайне упоминались кожаные ремни, пряжки, синие колёса, шлем и другие декоративные элементы. Один из собеседников счёл исполнение чрезмерным и назвал автомобиль безвкусным, тогда как другой увидел в нём скорее арт-объект, чем машину для повседневной езды.

В качестве альтернативы обсуждался Porsche 993 Turbo от Aimé Leon Dore и Porsche. Участники отметили, что эта коллаборация была представлена на официальном YouTube-канале Porsche, выглядела значительно сдержаннее и, по их оценке, была хорошо реализована творчески. В сравнении двух автомобилей предпочтение отдали версии Aimé Leon Dore.

Расследование The Wall Street Journal, продолжавшееся более года, описывает секретную сеть северокорейских IT-работников, которые устраиваются на удалённые должности в американские компании. По данным ФБР, тысячи таких специалистов подают заявки; одна отслеженная ячейка за три месяца отправила их более чем в 1 000 компаний.

Работники используют украденные американские личности и ИИ на разных этапах найма, включая технические собеседования. Американские посредники размещают у себя корпоративные ноутбуки, к которым подключаются сотрудники, находящиеся, в частности, в Китае и России; некоторые из них одновременно работают под несколькими именами и на нескольких должностях.

В обсуждении со ссылкой на оценку Минфина США говорится, что подобные операции принесли почти $800 млн в 2024 году, а северокорейское правительство может забирать до 90% заработка работников за рубежом. Участники также предупреждают, что доступ нанятых таким образом сотрудников к корпоративным системам может создать риск установки шпионского ПО, однако не устанавливают, сопровождается ли каждая такая схема взломом.

Amanvari, курорт Aman в частном сообществе Costa Palmas в Baja California Sur, отменил бронирование Ryan Walker стоимостью $4 663. Walker, у которого более 150 000 подписчиков, заявил в видео, что его не пустили на территорию, а объект выглядел незавершённым; ролик набрал более 750 000 просмотров. Wall Street Journal представила альтернативную версию событий.

По данным Aman, бронирование отменили из-за сокращённой вместимости на первой неделе после открытия 1 августа. Внутренние документы показывают, что за пять дней до приезда курорт предупредил Walker о месячном запрете на публикацию контента и предложил перенести поездку. Aman также заявила, что Walker прибыл к служебной точке доступа, а не к главному входу. Walker сказал, что следовал указаниям GPS и не слышал замечания о служебном входе.

Курорт сообщил, что полностью вернул деньги, предложил компенсировать дополнительные расходы и помочь с перебронированием; Walker подтвердил возврат, но от остальных предложений отказался. Остаются противоречивые версии о причине недопуска и вызове полиции: Aman заявила, что не вызывала её, а Walker позже сказал, что не видел полицейских. История подчёркивает напряжение между приватностью гостей и независимыми обзорами создателей контента.

Клиент McDonald’s запросил данные своей программы лояльности и получил персонализированный отчёт объёмом 515 страниц. По данным Wired, документ содержал сведения о клиенте, найденные в системах компании, а также алгоритмический прогноз его следующей покупки. В числе указанных предпочтений были большая Diet Coke, spicy snack rack и большая Grinch McShaker fries.

Эксперты по приватности заявили, что такой уровень детализации может восприниматься как вторжение в частную жизнь, хотя для программ лояльности крупных компаний США подобная практика считается достаточно стандартной. Участники обсуждения предложили запросить аналогичные отчёты у других компаний.

По обсуждению, AI-стартап Descartes находится в переговорах о продаже за $6 млрд. Кварталом ранее его оценивали в $4 млрд; потенциальный покупатель не назван, а сама сделка не подтверждена.

Descartes разрабатывает world video models и inference optimization. Участники считают, что возможное приобретение frontier AI lab может свидетельствовать о растущем стратегическом интересе к world models и их связи с развитием AGI, но отмечают: нынешние впечатляющие демонстрации пока остаются в основном прототипами, а практическое применение в B2B, enterprise и coding неясно.

Основатель River AI сообщил о привлечении компанией $1,1 млрд. Он рассказал, что ранее работал в DeepMind над WaveNet и агентом для StarCraft, затем занимался LLM в OpenAI и стал сооснователем xAI вместе с Илоном.

По словам основателя, River AI стремится сделать AI более распределённым: чтобы пользователи и компании могли владеть собственными системами и адаптировать их под себя. Уже доступен River API для обучения моделей на открытых весах, а компания также разрабатывает персональных AI-агентов, которые лучше понимают пользователя по мере взаимодействия. Запуск эффективного инференса дома или в офисе он назвал целью, которую River AI ещё предстоит реализовать.

Видеоигры могут стать средой для проверки AI-систем на задачах, которым они не обучались напрямую. По мнению гостя, игры сочетают сложное решение проблем с измеримым прогрессом: результатом может быть переход между уровнями или завершение игры.

Обсуждение также показало, что агентов, преимущественно обученных программированию, уже можно подключать к игровым API: они способны управлять юнитами, ресурсами и перемещением в Pokémon и других играх. Гость считает, что такая способность демонстрирует рост универсальности моделей, хотя ведущий отметил, что игровые бенчмарки пока могут оставаться «игрушечными» и не быть центральным направлением для лабораторий.

Большинство моделей с подкреплением пока обучают в синтетических средах и симуляциях. В таких условиях агент может многократно ошибаться и учиться, тогда как запуск, например, агента для продаж в реальном бизнесе способен ухудшить опыт клиентов и привести к потере потенциальных покупателей.

Собеседник отметил, что одним из крупных направлений сейчас становится перенос обучения в онлайн-среду: модели напрямую взаимодействуют с пользователями и компаниями, а их веса обновляются по мере выполнения задач. По его словам, это пока нерешённая исследовательская проблема: универсального способа такого обучения не существует, а лучшие агенты до сих пор обучались в симуляциях. River AI работает над этим направлением.

Гость назвал большой возможностью для компаний использование собственных данных — собранных от клиентов или в ходе работы — для оценки и улучшения моделей. По его мнению, компании должны создавать специализированные оценки и пытаться разрабатывать собственные модели: система, оптимизированная под конкретную задачу, может оказаться лучшей в мире именно для этого сценария.

В качестве инструмента для такой настройки был приведён River API, который позволяет дообучать модель на собственных оценках и средах обучения. При этом для проверки общей способности моделей к обобщению гость считает полезными неожиданные, ранее не встречавшиеся задачи, например игры, на которых система не обучалась.

River AI взимает с клиентов плату по фактическому использованию — за токены, дообучение и запуски reinforcement learning. При этом компании требуется значительный доступ к GPU: финансирование помогает его получать, но само по себе не гарантирует доступ, поскольку цены на ускорители растут, а вычислительные мощности дата-центров остаются дефицитными.

Компания разворачивает дополнительные GPU-мощности для исследований и работы API. По словам представителя, всё больше компаний хотят создавать собственные модели, обучать их на своих данных и оценивать собственными методиками; River AI ожидает дальнейшего роста спроса. Участники обсуждения также предположили, что инвесторы могут совместно с портфельными компаниями распределять GPU-мощности и заключать более гибкие сделки, чтобы учитывать неопределённость будущего спроса.

По мнению участника обсуждения, рост персональных AI-агентов — следующего этапа развития после coding agents — может резко увеличить спрос на токены. Из-за ограниченной емкости дата-центров и узких мест в цепочках поставок, считает он, потребуется развивать специализированные чипы для inference. При этом Nvidia и AMD, как отмечалось, сохранят особенно сильные позиции в обучении моделей.

Такие чипы потенциально смогут повысить энергоэффективность за счет аппаратной интеграции элементов архитектуры трансформеров или модельных весов. Однако специализация снижает гибкость: современные подходы с размещением весов на одном чипе ограничены примерно 8 млрд параметров, тогда как лучшие модели, по словам участника, имеют триллионы параметров. Когда появятся чипы, способные эффективно запускать такие модели, в обсуждении не уточнялось.

Появление мощных coding agents и AI API рассматривается как ранний этап, а не конец развития отрасли. По словам участников, несколько лет назад такие системы уже представлялись будущим, но теперь они стали реальностью.

Участники ожидают новые подходы к созданию и использованию AI-систем, бизнес-модели, исследовательские проекты и потребительские продукты. Они также считают, что заметные инновации могут создать люди без известного имени в AI, если предложат нестандартные идеи. Какие именно лаборатории, модели или продукты окажутся успешными, не уточняется.

Представитель CoreWeave Брэндон Макби назвал результаты компании во втором квартале «феноменальным превышением ожиданий» и заявил, что показатели бизнеса будут улучшаться до конца года.

По его словам, главным ограничением остается цепочка поставок — самая сложная часть бизнеса. CoreWeave сообщила, что сейчас эксплуатирует 51 дата-центр и умеет организовывать поставки, запуск инфраструктуры и ее своевременную передачу клиентам.

Макби также заявил, что компания занимает уникальное положение в поставках высокопроизводительной инфраструктуры. Это оценка представителя CoreWeave, а не независимое подтверждение.

В CoreWeave заявили, что для AI-компаний, особенно с небольшими балансами, прогнозирование спроса становится критически важным: от него могут зависеть их финансовые показатели и жизнеспособность. После планирования спроса компании необходимо обеспечить финансирование требуемой инфраструктуры; в CoreWeave это направление назвали важным организационным навыком, который команда развивала последние шесть лет.

В качестве примера компания привела сделку DDTL-5 — первую ее кредитную линию, по которой срок контрактов оказался короче периода амортизации. Это означает, что инвесторы приняли на себя риск продления контрактов на вычислительные мощности. По словам представителя CoreWeave, такая структура позволила компании активнее работать с контрактами меньшей длительности, преимущественно с корпоративными клиентами.

AI-лаборатории и гипермасштабируемые облачные провайдеры обычно ориентируются на контракты сроком пять—шесть лет, тогда как корпоративные заказчики выбирают более короткие сроки. В CoreWeave считают, что возможность финансировать такие контракты важна для дальнейшего планирования спроса; масштабы будущего спроса и степень риска продления в обсуждении не уточнялись.

CoreWeave позиционирует себя как специализированного поставщика облачной инфраструктуры на рынке, где работают гиперскейлеры и другие «неооблака». Компания заявляет, что ее отличие основано на технологическом продукте и своевременности поставок.

По словам представителя CoreWeave, сервис рассчитан на масштабирование разных типов нагрузок — обучения, дообучения и инференса. Компания также обещает лучшие показатели производительности с поправкой на стоимость FLOPS и токенов, однако независимого сравнения с конкурентами в обсуждении не приводится.

Обсуждение сделки на $500 млрд с участием крупных банков было представлено как признак того, что в сектор AI-инфраструктуры готов направляться значительный капитал. Структура сделки, ее участники и сроки реализации не уточнялись.

Гость назвал приток дополнительного капитала позитивным для отрасли и отметил, что CoreWeave уже много лет занимается финансированием рынка AI-инфраструктуры. По его мнению, сделка демонстрирует готовность инвесторов поддерживать строительство инфраструктуры для развития искусственного интеллекта.

CoreWeave заявила, что клиенты по-прежнему специально запрашивают A100 — GPU, представленный в 2020 году, — поскольку для некоторых задач Ampere является наиболее производительной платформой. Компания сообщила о контракте на инфраструктуру A100 до 2029 года; он предусматривает take-or-pay, фиксированный срок и фиксированную цену.

По словам CoreWeave, цены на A100 остаются устойчивыми с начала 2025 года. Компания считает корректным шестилетний срок амортизации этой инфраструктуры и допускает существенный срок полезного использования сверх него. При этом она не наблюдает ускоренного износа оборудования или неожиданного роста частоты ошибок.

В обсуждении также прозвучало мнение, что разные AI-нагрузки требуют разных GPU и что старые поколения могут продолжать использоваться после периода амортизации. Насколько широко пример A100 применим ко всей отрасли, не установлено.

CoreWeave заявила, что рынок электроэнергии остается конкурентным, но сама доступность мощности не является главным ограничением. Основным узким местом компания считает готовую подключенную инфраструктуру дата-центров — powered shell, включая поставки резервных батарей и трансформаторов.

По словам представителя CoreWeave, значительным ограничением также остаются квалифицированные электрики: на подготовку таких специалистов для работы на площадках дата-центров уходят годы. Компания преимущественно привлекает субподрядчиков, лишь частично строит объекты самостоятельно и в основном арендует мощности; этот подход использовался для масштабирования бизнеса. Количественная оценка дефицита мощности или емкости не приводилась.

CoreWeave сообщила, что за последние 24 месяца привлекла более $40 млрд в виде долгового и акционерного финансирования. Компания считает финансирование «глубоко важным» для бизнеса и заявила, что сформировала сильную команду в Нью-Йорке.

По словам представителя CoreWeave, финансовых специалистов компания преимущественно нанимает из private equity, private credit и инвестиционного банкинга — людей с глубоким опытом в финансах. Найм также идет в инженерные команды и подразделения физического развертывания; текущая численность и целевые показатели найма не уточнялись.

Представитель CoreWeave заявил, что сопротивление строительству AI-инфраструктуры на уровне отдельных округов и штатов, вероятно, будет переносить проекты в другие юрисдикции, но не устранять спрос. По его словам, спрос на AI и окупаемость таких решений сейчас особенно высоки, а inference выгоден клиентам компании.

CoreWeave уже работает в Канаде и Европе и объявила о расширении в APAC. Представитель ожидает дальнейшего глобального роста при сохранении фокуса на развертываниях внутри США. Связь между общественной реакцией в соцсетях и реальными решениями местных властей, по его оценке, зависит от конкретной площадки; компания обсуждает с местными сообществами пользу проектов для региона.

В обсуждении CoreWeave и другие так называемые neocloud-провайдеры рассматриваются как инфраструктурные компании, способные оставаться в стороне от политических и коммерческих конфликтов AI-индустрии. Это, по мнению ведущих, позволяет им обслуживать клиентов по разные стороны отраслевых соперничеств.

CoreWeave сравнили со «Швейцарией» среди AI-компаний: у лабораторий, гиперскейлеров и других игроков есть финансовые и личные связи, тогда как нейтральный инфраструктурный поставщик может работать со всеми сторонами. Это подано как потенциальное, а не доказанное преимущество.

Flock Safety запустила бесплатный инструмент, который сканирует журналы аудита в поисках аномального поведения. По словам CEO компании, его разработали около четырёх месяцев назад после выявления злоупотреблений при поиске данных; все клиенты Flock теперь обязаны им пользоваться.

В большинстве городов журналы проверяют администратор полиции и городской менеджер. По замыслу компании, городской менеджер должен обеспечить дополнительный контроль, если нарушения совершает начальник полиции. CEO также ожидает новых сообщений об арестах сотрудников за злоупотребление служебным положением.

Глава Flock Safety заявил, что вандализм камер действительно происходит, однако это не новая проблема для компании: оборудование также повреждают ураганы во Флориде и землетрясения в Калифорнии. По его словам, данные не позволяют однозначно определить, когда тренд в TikTok начал влиять на масштабы вандализма.

Глава компании считает, что инфлюенсеры в TikTok и Instagram убеждают молодых людей уничтожать камеры, называя такие действия уголовными преступлениями. В качестве примера он привёл арест в Нью-Мексико: подозреваемому, по его словам, грозит от пяти до девяти лет тюрьмы за демонтаж камеры, что он назвал чрезмерным и тревожным наказанием.

Обсуждение систем наблюдения Flock Safety перешло от реакции в соцсетях к вопросу о демократическом контроле. Участники связали общественную тревогу с более широкими страхами вокруг ИИ и отметили, что камеры Flock заметнее для граждан, чем деятельность брокеров данных, покупающих и продающих геолокацию. При этом продукт считают эффективным в борьбе с преступностью, но потенциально опасным в руках злоумышленников.

Участники заявили, что правила использования таких систем должны определять избранные законодатели, а не только руководство Flock. Представитель компании сказал, что Flock будет соблюдать требование ордера, если оно станет законом, и сослался на 40 судебных дел за последние несколько лет, в которых использование продукта не признали нарушением Конституции. По его словам, за предыдущий год технология помогла раскрыть миллион преступлений, а за упомянутый предыдущий месяц была задействована в 1 025 делах о пропавших людях.

Представитель Flock также сообщил, что в этом году были приняты девять законопроектов штатов, и выразил надежду на принятие 20–30 подобных законов в следующем году. Он сомневается, что единое федеральное правило сможет учесть различия между штатами и городами. Камеры устанавливают полицейские департаменты, а контракты выносятся на голосование городских советов; стороны признали, что более быстрый доступ к объединённым записям и ИИ-автоматизация могут усилить контроль и одновременно подорвать доверие сообществ.

Flock Safety изменила рекомендованный срок хранения данных с 30 до 7 дней. По словам CEO компании, решение принято на фоне недостаточно быстрых действий местных властей и властей штатов по введению требований об accountability. Большинство клиентов, вероятно, примет новый срок по умолчанию.

Компания оценивает, что сокращение срока приведёт примерно к 10%-ному снижению эффективности расследований, и считает этот компромисс оправданным. CEO сообщил, что некоторые регуляторы штатов установили срок в 21 день, тогда как в Нью-Джерси действует мандат на хранение данных в течение пяти лет; он также заявил, что регулирование этой технологии необходимо ускорить.

Партнёр Sequoia Capital заявил, что темпы роста AI-компаний выглядят беспрецедентными. По его словам, Anthropic, OpenAI и xAI растут невиданными ранее темпами, а компании следующего уровня — Harvey, Open Evidence, Glean и Factory — также демонстрируют необычно быстрый рост. Участники обсуждения отметили, что бизнес-фундамент, на создание которого раньше могло уходить десятилетие, теперь формируется за 2–3 года.

Собеседники считают, что развитие AI происходит не только в крупнейших компаниях, создающих foundation-модели. Компании прикладного уровня начинают создавать собственные исследовательские возможности и лаборатории, что участники назвали «демократизацией интеллекта». По их мнению, это позволяет прикладным компаниям решать специализированные задачи, которым крупные лаборатории могут уделять меньше внимания.

В обсуждении также прозвучала идея, что стартапам следует владеть собственным интеллектом и иметь возможность управлять им. Переход к open-weight-моделям ранее рассматривался главным образом как способ снизить затраты, но теперь, по оценке участников, становится стратегической и экзистенциальной необходимостью для компаний, чьи AI-возможности являются основой продукта.

Участники обсуждения считают, что большинству software-компаний не потребуется предварительно обучать собственные модели: вместо этого они смогут адаптировать открытые модели под задачи своей предметной области. Для такой работы, по их словам, нужны специалисты по post-training либо технически сильные универсалы — более широкий кадровый пул, чем команды фундаментальных AI-лабораторий.

Доступность внутренней AI-лаборатории связывают с созреванием модульного стека: Fireworks предоставляет инфраструктуру post-training, LangChain — инструменты оценки, Trajectory помогает с непрерывным обучением, а Merkur — с работой data factory. Благодаря этим компонентам небольшая команда может собрать исследовательский стек, что, по мнению участников, было значительно сложнее несколько лет назад.

В качестве примера приводится Harvey: его исследовательская команда состоит из семи человек, а созданный ею юридический бенчмарк в обсуждении назван передовым. При этом участники оставляют открытым вопрос о том, какого размера и специализации должна быть внутренняя лаборатория конкретной крупной software-компании.

В обсуждении рынок post-training-as-a-service и fine-tuning-as-a-service назван отдельным и формирующимся направлением. Специализированные провайдеры могут дообучать модели для компаний, которые не хотят самостоятельно строить полный исследовательский и технический стек. По мнению участника, рынок inference для open-моделей уже становится крупным и будет расширяться.

Для внедрения open-weight-моделей компаниям может потребоваться период адаптации и сопровождения с участием специалистов, работающих непосредственно с их командами. Fireworks связывают с reinforcement learning на собственных онлайн-данных, а Mercure — с улучшением модели под конкретную предметную область через синтетические данные.

При этом стратегия и техническая дорожная карта, по мнению участника, должны оставаться под контролем сильной внутренней команды: бизнесу следует избирательно решать, какие части стека отдавать внешним поставщикам. В обсуждении предполагается, что со временем компании-разработчики приложений будут наращивать экспертизу внутри, как это ранее сделал Cursor.

Участники обсуждения считают, что ценовая конкуренция на рынке AI не обязательно ведет к ухудшению бизнеса. Отстающие лаборатории конкурируют ценой, а лидирующие стремятся предлагать конкурентоспособные модели на разных уровнях ценовой кривой.

По их словам, использование AI быстро растет одновременно с валовой маржой компаний, применяющих эту технологию: удешевление интеллектуальных сервисов позволяет наращивать их использование и улучшать экономику приложений. Представитель Fireworks и других модельных компаний также наблюдает улучшение клиентских когорт, несмотря на ценовую конкуренцию, поэтому описывает ситуацию как потенциальный сценарий, в котором выигрывают все.

При этом участники отмечают, что Anthropic и OpenAI остаются частными компаниями, из-за чего рынок не видит полной картины их результатов. Крупные клиенты используют и открытые модели, а большее раскрытие данных публичными игроками, по их мнению, упростило бы оценку рынка.

Prisma заявила, что продемонстрировала предсказание токенов с использованием примерно 200 000 клеток мозга. По словам основателя и CEO Шона Коула, компания выращивает нейроны из плюрипотентных стволовых клеток, дифференцирует их в разные типы человеческих нейронов, помещает в чашку и стимулирует электрически, измеряя реакции. Ранее Prisma показывала, как такие клетки играют в Doom.

Коул охарактеризовал текущую способность к предсказанию токенов как базовую — примерно на уровне задачи «хот-дог или не хот-дог». В отдельной ограниченной нелинейной задаче система, по данным Prisma, достигла 78%, тогда как линейный декодер мог получить максимум 75%. Основатель считает, что результат подтверждает жизнеспособность последовательных контекстных архитектур с электрической стимуляцией на биологических субстратах; масштабирование и сравнение с передовыми ИИ-моделями не установлены.

Prisma считает, что биологические нейронные субстраты могут быть значительно энергоэффективнее кремния. Основатель компании также выделяет потенциальную эффективность обучения: биологические системы, по его словам, способны учиться на гораздо меньшем числе примеров, чем кремниевые системы.

Ещё одним преимуществом называют continual learning — непрерывное обучение со временем. При этом участники обсуждения поставили под вопрос, даст ли такая эффективность существенное преимущество перед современными ИИ-системами и дата-центрами; оптимальный подход к continual learning в ИИ пока не определён.

Сейчас клетки Prisma, по словам компании, живут около шести месяцев, тогда как человеческие клетки мозга — значительно дольше. Компания намерена продлевать срок их жизни. Prisma также утверждает, что может вводить информацию в клетки, ускоряя обучение конкретным задачам — например, классификации изображения как хот-дога или не хот-дога — и пропуская часть базовой фазы обучения.

Prisma планирует с нуля создать автоматизированную лабораторию. Компания хочет автоматизировать исследования стволовых клеток, их дифференциацию в нейроны, подбор оптимального состава клеток и размещения электродов.

По оценке компании, такую автоматизацию можно будет применять, в частности, для тестирования лекарств. Prisma считает, что это способно стать значимым источником краткосрочной выручки и помочь финансировать долгосрочную цель — сделать клетки мозга фундаментальной основой вычислений. В обсуждении также упоминалось венчурное финансирование через Y Combinator; сроки и структура дальнейшего финансирования не уточнялись.

Silver Lake ведёт переговоры о покупке Workday, сообщили источники в обсуждении. Компанию оценили примерно в $50 млрд; также прозвучало, что её акции выросли на 17%. При этом в статье, на которую ссылались, оценка составляла $43 млрд, поэтому цифра зависит от времени измерения.

Сделка не представлена как завершённая. Участники назвали потенциальное приобретение смелой ставкой и предположили, что переход Workday в статус частной компании мог бы упростить проведение ИИ-трансформации.

В 1995–1996 годах Microsoft выпустила винный справочник The Essential Reference from Vine to Glass. Продукт распространялся на CD-ROM и позиционировался как официальный источник информации о вине.

Этот пример показывает, что Microsoft той эпохи выходила за рамки основного программного бизнеса, создавая специализированные контентные продукты. В обсуждении также звучит предположение, что такой справочник мог соответствовать интересам части клиентов компании того времени.

Участники обсуждения предположили, что постоянные разговоры об AI вскоре могут начать восприниматься как неловкость. По их аналогии с интернетом, при полной диффузии технологии внимание сместится на происходящее с её помощью и на конкретные компании, а не на саму базовую технологию.

При этом сейчас вокруг AI продолжается гонка с большими финансовыми ставками. Собеседники допустили, что технология потенциально может повлиять на всю мировую экономику, однако масштаб этого влияния не определён.