Всем максимизация токенов — гонка вооружений, в которой никто не осмелится остановиться

Статья написана: Мэн Синь

24 марта 2026 года утром я сидел в зале YC W26 batch Demo Day, и когда на сцену вышла пятая компания, я решил больше не делать заметки.

Это не потому, что это не важно, а потому, что я понял: то, что я записал, может устареть уже в следующем месяце.

В этом выпуске более ста компаний, и их деятельность очень сосредоточена: примерно 80% — вертикальные агенты, например, помощь юристам в организации документов, помощь службе поддержки в распределении задач, помощь HR в отборе резюме.

Если бы я увидел эти проекты в октябре прошлого года, я бы скорее подумал: «Довольно оригинально». Но проблема в том, что за эти пять месяцев мир изменился.

Claude Code из инструмента, ориентированного больше на разработчиков, превратился в интерфейс, которым может пользоваться практически любой. После выхода Opus 4.6 весь уровень сложности кодинга был сбит до нуля.

Те вертикальные агенты, пока не сформировали бизнес-барьеры, сегодня любой обычный инженер, даже я сам, за один уикенд может сделать их. Они уже потеряли инвестиционную ценность.

Цикл проекта YC — три месяца, эта группа поступила в декабре, и с учетом предварительного отбора, это «хорошие компании», выбранные за пять месяцев до этого. А за пять месяцев, при нынешней скорости развития ИИ, уже вполне возможно несколько раз сменить парадигму.

В 2012 году, когда я впервые начал свой бизнес и получил приглашение на Fly Out от YC, YC был практически единственным в акселераторском сегменте, и компании, которые они отбирали, часто представляли «следующее направление». Но ситуация меняется: за последние годы YC кажется, что всё перевернулось, и теперь он всё больше выступает как lagging indicator (отстающий показатель).

Система групповых проектов YC — заявки, отбор, поступление, доработка, презентации — успешно работает уже более десяти лет в эпоху мобильного интернета. Но эта модель рассчитана на более медленный мир.

За полтора года в сфере венчурных инвестиций я примерно раз в квартал приезжаю в Кремниевую долину, последний раз — в октябре прошлого года. Раньше я ощущал быстрые перемены, но это ощущение было в основном по месяцам.

Теперь же нужно воспринимать всё «по неделям».

Однажды вечером, за ужином, один друг, занимающийся post-training (послеобучающими) проектами, сказал мне случайно:

«Я заметил, что даже Кремниевая долина начала не успевать за собой.»

Полностью погружённые в гонку за токены: гонка вооружений, в которой никто не осмеливается остановиться

Полгода назад, если бы кто-то сказал мне, что у Meta 40 тысяч инженеров используют продукты конкурентов для написания кода, я бы подумал, что это шутка.

Но это правда. Вся Meta использует Claude Code. Это не стартап, не экспериментальная команда, а компания с рыночной капитализацией в триллион долларов.

Безопасность кода отпала, лимиты токенов взорвались, рейтинги взвинчены, весь Кремниевый берег вкладывает деньги в ИИ без оглядки. А что после этого?

Начнем с безопасности кода. Полгода назад это было бы невозможно представить: код — это главный актив компании, как можно позволить API сторонней компании с ним взаимодействовать? В Meta изначально так и думали: у них был внутренний проект myclaw, пытавшийся решить эту проблему. Друг из Meta рассказал мне, что они создали продукт для кодинга, но «он был неудобен, никто не пользовался». После этого компания смягчила требования: если не затрагиваются клиентские данные, можно свободно использовать Claude Code.

Затем начались внутренние совещания о том, как стать AI-native организацией, проводились тренинги, вводились оценки. Безопасность кода, безопасность использования — эти святые красные линии были отодвинуты на задний план: главное — повысить эффективность.

Из соображений безопасности Google запретил большинству сотрудников использовать Claude Code или Codex, но DeepMind — исключение: несколько команд, отвечающих за модель Gemini и внутренние приложения, используют Claude Code.

Сам Google тоже не сидит сложа руки: они запустили внутренний инструмент для кодинга Antigravity, в феврале этого года заявили, что около 50% нового кода пишется ИИ.

Но даже так, сотрудники DeepMind продолжают использовать Claude Code. Одной из причин является то, что Anthropic предоставил им приватную версию, ведь их модели и обучение в основном идут на TPU в облаке Google, и у сторон есть доверие. А у Meta и других гигантов — такой связи нет, и они действительно отбрасывают безопасность кода. Все делают ставку на скорость.

Безопасность кода — это первая упавшая флаг-стена, вторая — лимит токенов.

В нескольких компаниях, занимающихся AI-native стартапами в Пало-Альто, один инженер за год расходует примерно 200 тысяч долларов на токены. Эта цифра сама по себе не удивительна, но удивляет то, что стоимость AI для топ-инженера уже приближается к его зарплате. Кажется, компании используют ИИ для сокращения расходов на персонал, но на самом деле общие затраты, возможно, не снизились, а просто заменили человеческий труд на токены.

Meta в этом плане — самая экстремальная: у них есть внутренний рейтинг по расходу токенов — кто больше использует, тот в списке. В конце могут уволить, поэтому сотрудники даже придумали неофициальный титул «token legend».

Но одновременно Meta провела два масштабных сокращения, в которых уволили более десяти тысяч человек. С одной стороны, все используют Claude Code и гоняются за токенами, с другой — массовые увольнения.

Эти два факта — две стороны одной медали.

Я посмотрел одну компанию на стадии Series C: руководитель технологий открыл мне Slack — там работают агенты, параллельно запущены десятки Cursor-агентов, и еще один окно Claude Code для диспетчеризации. Самая популярная тревога среди программистов — не знать, что делают агенты перед сном, и это вызывает тревогу.

Но действительно ли производительность выросла в 100 раз? С конца прошлого года CTO ведущих баз данных и логических движков с энтузиазмом рассказывают мне о «стопроцентных инженерах» и «десятилетнем росте эффективности»: раньше 60 человек делали за год то, что теперь за неделю делают 2 человека с Claude Code.

Я тоже начинал радоваться, но потом остыл и задал себе вопрос: хорошо, эффективность выросла в 100 раз, но выросла ли выручка компании в 100 раз? Или расширилась ли продуктовая линейка в 100 раз? В конце концов, «100-кратное» улучшение — это, скорее всего, оптимизация численности сотрудников.

Я не получил однозначного ответа. На самом деле, при таком росте эффективности увеличение выручки составляет лишь 50% или даже один раз.

В чем причина? Пока никто точно не знает.

«Используя столько токенов, компания должна кардинально измениться. Но что именно — я не знаю.»

Один основатель, занимающийся B2B-продажами, рассказал мне, что его команда из 16 человек, из них двое продажников, за 12 месяцев достигла 30 миллионов долларов ARR — всё благодаря AI-кодингу. Такие случаи иногда встречаются, но чаще я вижу, что стартапы создают больше продуктов, но у них всё равно нет product-market fit (PMF, соответствия продукта рынку).

Сейчас в Кремниевом долине очень популярно экспериментировать с 100 способами «vibe coding», чтобы понять, какой из них сработает, а не ограничиваться 10. Но кто сможет поймать следующую волну? Пока что — очень трудно сказать.

Самое яркое контрпример — внутри Anthropic. Я спросил одного их сотрудника: «Какая ситуация с агентами у вас самая болезненная?» Он ответил: «Это oncall (оперативное реагирование).»

Типичный сценарий oncall — если API Claude вдруг стал медленнее, или один из узлов модели вышел из строя, или пользователь пожаловался на неправильный вывод, инженер oncall должен быстро найти причину — баг в коде, проблему с ресурсами или сбой модели — и решить, что делать дальше.

Anthropic — одна из лучших компаний по созданию кодирующих агентов, и этот сценарий — их сильная сторона. Но даже у них oncall-агенты всё равно неудобны.

Это и есть реальное состояние дел в апреле 2026 года: паровая машина уже изобретена, но иногда она работает медленнее, чем повозка. Все знают, что паровая машина рано или поздно станет быстрее, и потому все без остановки вкладывают деньги: безопасность кода игнорируется, лимиты токенов взрываются, рейтинги взвинчены. А когда паровая машина действительно обгонит повозку — никто не знает, но никто не осмеливается остановиться и подождать этого дня.

Потому что цена остановки может оказаться выше, чем ошибка в расходе токенов.

К тому же, расход токенов, скорее всего, растет не линейно. Это напомнило мне мой опыт в автоматическом вождении: в 2021 году в Шанхае мы впервые достигли 5 часов непрерывного автономного вождения без вмешательства человека. Тогда казалось, что это — большой прорыв. До этого тестовые автопарки росли медленно — по 10, 15, 20 машин. Но после этого порога быстро достигли 100, 1000 машин. Сегодня системы кодирующих агентов находятся примерно в той же стадии.

В 2021 году в Шанхае, когда впервые реализовали 5 часов автономного вождения без вмешательства, это стало важной вехой для отечественного автопрома. На фото — тогдашний COO Didi Autonomous Driving Мэн Синь в разговоре с Себастьяном Труном, «отцом беспилотных автомобилей» из Google, 2021 год.

METR — исследовательский институт в Калифорнии, специализирующийся на оценке возможностей AI-кодинга. В прошлом году они предложили показатель: сколько времени агент способен успешно выполнить задачу с вероятностью 50% (по времени, которое требуется человеку-эксперту). В марте 2025 года этот показатель у Claude 3.7 Sonnet составлял 50 минут; к концу 2025 года — Claude Opus 4.6 — уже 14,5 часов. За два года этот показатель удвоился с периода 7 месяцев до 4 месяцев. Как только надежность агента повысится еще на один уровень, расход токенов перестанет быть вопросом ежегодного роста на 50%, а станет увеличиваться в разы за ночь.

Есть прогноз, который все поддерживают: к концу этого года многие компании (включая крупные технологические корпорации) фактически смогут обойтись 20% своих сотрудников.

После краха команды xAI, люди, создающие ракеты, начали создавать модели

В одном из ресторанов в Маунтин-Вью, вечером около девяти, ко мне подошел друг, работавший с Маском долгое время. Мы беседовали более трех часов, и я вдруг понял: за всё время он ни разу не сказал ничего хорошего о Маске.

Один из деталей: я спросил его, как у него идут дела в xAI за три года. Он ответил, что почти всё время живет в компании, дома почти не обустраивал, даже кровати не покупал. Спит в sleeping pod (спальном модуле), как в хостеле. Я посоветовал ему купить кровать, ведь у него уже крупные акции. Он улыбнулся.

Работа в xAI — это известный тяжелый режим в Кремниевой долине, но сейчас, по его словам, около 90% команды уже ушли. У них есть чат для увольнений, туда постоянно добавляют новых.

Триггером стал увольнение Тони Ву, и цепная реакция: по словам инсайдера, «другие компании могли бы готовить команду руководителей полгода, а в xAI — всего за месяц». Еще в октябре прошлого года некоторые чувствовали недовольство Маска, но не ожидали, что так быстро произойдет чистка.

Теперь Маск переводит людей из SpaceX и Tesla, чтобы взять управление в xAI: «Создатели ракет начали создавать модели».

Недовольство Маска связано с тем, что он вложил миллиарды в вычислительные ресурсы, а Grok так и не вышел на передовые позиции. Почему? Это вопрос, который задают все, кто работает в xAI. Ответ — очень прост: команда очень сильная, работает на пределе, но управлять такой большой моделью — это не системная инженерия. Он хорошо умеет находить ключевые точки и максимально сокращать сроки, как в случае с ракетами и их повторным использованием.

Но в xAI он делает не системную инженерию. Он занимается тремя вещами: сначала — закупает самый крупный GPU-кластер (сейчас даже шутят, что xAI — это не neo lab, а neo cloud, предоставляющий вычислительные мощности для Cursor), затем — ставит жесткие дедлайны, и лично занимается разработкой некоторых функций. Это — точечные меры, а не полноценное планирование.

Все, кто занимается автоматическим вождением, знают: в поздней стадии возникает конфликт между командами по программному обеспечению, инфраструктуре и аппаратуре. Все три направления требуют решений уровня CTO, но никто из них не разбирается во всех трех. Хорошая практика — хотя бы знать, как сбалансировать ресурсы и определить приоритеты: сейчас — программное обеспечение, потом — инфраструктура. Это — глобальное планирование.

Проблема xAI — отсутствие такого глобального плана, только спринты. Если бы давление было меньше, умные люди могли бы сами находить баланс и работать в гармонии. Но сверхвысокий темп Маска и отсутствие общего плана приводят к тому, что все распадается. Руководители каждого направления борются за свои приоритеты, а общего координации нет.

Успех SpaceX и Tesla — одна из причин, почему они так хороши: в этих отраслях Маск почти не сталкивался с конкурентами равного масштаба, он соревнуется сам с собой. Но в AI всё иначе: конкуренция — жестокая, и даже OpenAI могут увести у них лидерство.

Один из соучредителей xAI в прошлом году сказал, что он не ожидал двух вещей: во-первых, насколько жестока конкуренция; во-вторых, насколько мало возможностей для инноваций — все уже «съедены» моделями.

Рост Anthropic — одна из самых драматичных за последний год перемен в AI-индустрии. И она полностью изменила фокус: год назад все боролись за количество пользователей C-уровня и за видео-генерацию, а сейчас (на этапе) решающее значение имеют B2B и кодинг.

Конечно, история xAI — это также история о том, «что деньги приходят слишком быстро и в больших объемах».

Я уверен, что друзья, покинувшие xAI, не пожалеют о своем решении: xAI — это одна из самых быстрых историй богатства в Кремниевом долине. За год они привлекли финансирование в десятки миллиардов долларов, а сейчас, объединившись с SpaceX, стали компанией стоимостью 250 миллиардов долларов. И почти все соучредители — миллиардеры, а ведущие инженеры — миллионы или десятки миллионов долларов. Деньги в Кремниевом долине — это реально очень много. Если они снова начнут свой бизнес, у них будет достаточно ресурсов, чтобы заниматься тем, что им интересно, а не только зарабатывать быстро.

Беспокоящиеся инженеры — еще больше тревожных ученых

Общение с инженерами сейчас — это своего рода странное взаимопонимание: все признают, что почти не пишут код, но при этом все делают вид, что это не страшно, потому что их скоро вооружит ИИ и они смогут «убить» тех, кто еще не прошел AI-обработку.

Сегодня 80% программных инженеров заменены моделями, и причина, по которой они еще остались — в том, что модели иногда ошибаются, и нужен человек, чтобы следить. Но и это «следить» очень скоро может стать ненужным.

Более радикально: сегодня так называемые «AI-native организации» звучат очень привлекательно — они позволяют каждому отделу оптимизировать рабочие процессы, автоматизировать части работы с помощью ИИ и превращать их в навыки. Но по сути это — превращение собственных возможностей в машинные навыки: вы превращаете свои способности в навыки машины, и компания получает ваш навык. В этом смысле — уже идет AI-изация. И если это приведет к сокращениям — вопрос этический. Сегодня Meta занимается именно этим.

Хотя все сейчас гоняются за токенами, ощущается одна вещь — в Кремниевом долине витает скрытая тревога.

И что удивительно — эта тревога распространяется и на исследователей.

Исследователи — это вершина пирамиды талантов. Не просто «ученые», а те, кто занимается обучением моделей и разработкой алгоритмов в крупных компаниях (OpenAI, Anthropic, DeepMind и др.). Их отличие от инженеров в том, что инженеры «создают вещи»: пишут код, внедряют, оптимизируют. А исследователи — более «высокого уровня»: придумывают новые методы обучения, проектируют архитектуры моделей, проводят эксперименты и проверяют гипотезы.

Теперь даже работа исследователей автоматизируется. Это то, что делают коллеги из DeepMind — используют модели для обучения моделей, и это — одна из горячих тем этого года. Но большинство таких систем пока что ограничиваются «публикацией статей»: ИИ помогает запускать эксперименты и писать научные работы, но окончательное решение принимает человек.

Компании вроде OpenAI, Anthropic, Google хотят идти дальше: они мечтают о полном автоматическом цикле — чтобы модели сами находили новые прорывы, а не просто улучшали детали. Если это получится, — это будет настоящая замена исследователей. Внутри Google DeepMind уже более года экспериментируют, чтобы модели сами решали, какие эксперименты проводить, и оценивали, какая стратегия наиболее перспективна. Это — обучение модели следующего поколения.

И исследователи тоже начинают бояться увольнений — потому что они очень дорогие. Средняя зарплата — миллионы долларов в год, и даже миллиарды.

«В будущем 10 человек будут делать работу 100 человек, получать 20% зарплаты, а остальные 90 — останутся без работы.»

И реальные сокращения — еще больше, чем кажется. Первым делом сокращают внешних подрядчиков: аутсорсинг, фрилансеры, компании из Индии и Филиппин, которые раньше занимались обслуживанием клиентов, аннотацией данных, бухгалтерией. Это — первая жертва AI. И это — очень тревожный знак: «сервисная» экономика, на которую опирались страны, — может исчезнуть.

Весь Кремниевый берег следит за Meta: если их эксперимент удастся — доходы не упадут, эффективность повысится — другие крупные компании быстро последуют за ними, и сокращения станут нормой. А процесс сокращений — сам по себе ускоряется: сначала все боятся, потом — сокращают быстрее и без сожалений.

Но вместе с сокращением старых позиций появляются новые.

Многие стартапы начинают нанимать так называемых «AI builder» — специалистов, сочетающих функции продакт-менеджера, фронтенд- и бэкенд-инженера. Есть и комбинированные роли — data scientist + ML-инженер, а также специалисты по контенту: писатели, маркетологи, операторы.

В Кремниевом долине спрос на эти новые роли очень высок, но есть одна проблема: никто не знает, как их нанимать. Невозможно отобрать по резюме — такие роли раньше не существовали, а навыки скрыты внутри собственных проектов. Невозможно проверить на собеседовании — главное здесь — «эстетика + умение работать с ИИ». Уже есть стартапы, которые создают автоматические симуляции для оценки кандидатов: по заданию они используют AI-инструменты, чтобы выполнить тестовое задание. Это — что-то вроде новых программных тестов, только для новых навыков.

Когда ИИ сможет делать всё, ценность человека перейдет от «что умеешь делать» к «что стоит делать и что не стоит делать».

Два раза по оценке стоимости — NVIDIA на каждом «столе»

Рассказав о людях, которых заменяют — инженерах, исследователях, финансистах — я хочу выделить одну роль, которая не только не исчезает, а становится всё более влиятельной — это, по сути, «теневой босс».

Этот, казалось бы, децентрализованный мир, на самом деле — очень централизован.

И центр — NVIDIA.

Я думал, что дефицит карт в прошлом году уже снизился. В какой-то момент — в середине 2025-го — финансирование neo cloud-проектов, поддерживаемых NVIDIA, стало затруднительным, некоторые компании даже продали бизнес. Но сейчас я вижу, что дефицит снова вырос, и даже сильнее, чем раньше.

Один из сигналов — если вы можете стабильно предоставлять API, например, Claude, с 99-процентной стабильностью, вы можете продавать его по цене в 2-3 раза выше официальной.

После резкого роста спроса на API Anthropic, перебои в его работе участились — это проблема для многих продуктов, основанных на Claude.

Раньше бизнес на маршрутизации (Router) строился на том, что вы дешевле официальных сервисов — и потому получаете трафик. Теперь всё наоборот: стабильность стала редким ресурсом. Некоторые стартапы на этом хорошо зарабатывают, и в Кремниевом долине появляются новые компании, похожие на Coreweave или Nebius.

И проблема не только в GPU: недавно Элад Гил написал очень точную оценку — производственные мощности производителей памяти Hynix, Samsung, Micron расширяются минимум два года. Значит, до 2028 года ни одна AI-компания не сможет значительно обогнать конкурентов по вычислительным мощностям. Ограничения по мощности объективно укрепляют монополию крупных моделей — не потому, что кто-то ленится, а потому что физические сроки производства таковы.

Всё это — очень ясная картина власти: у кого есть карты — тот силен, у кого есть карты — тот NVIDIA.

Я слышал, что Reflection — один из первых инвесторов в этот сегмент, и когда они привлекали финансирование, их просили делать coding, а основатель встречался с Хуангом (Гонгом), и тот сказал: «Забудьте про coding, делайте «DeepSeek» в США, создавайте open-source модели, я дам деньги и карты». Reflection полностью переориентировалась.

На американском рынке появились новые схемы финансирования: в одной раунде — два разных оценки. Инвесторы, входящие рано и по низкой цене, — одни; крупные игроки вроде NVIDIA — по высокой. Такая структура уже появляется и у нас.

Но даже NVIDIA не может полностью контролировать распределение ресурсов — ведь многое зависит от физических возможностей.

Общественное сопротивление строительству дата-центров в США растет. Сейчас в стране около 100 проектов, и 40 из них — под угрозой срыва. В штате Мэн приняли закон, запрещающий новые дата-центры. В одном городе одобрили проект на 6 миллиардов долларов, и половина депутатов тут же была отстранена — новые депутаты пришли, чтобы отменить решение.

Недостаток мощности — не из-за плохого продукта или недостаточного спроса, а потому, что физический мир не успевает за цифровым.

Это — другой уровень «отставания».

Капитализация Кремниевой долины меняется

Посмотрим на цифры.

ВВП США — около 30 триллионов долларов. В этом году доходы OpenAI и Anthropic — примерно по 30 миллиардов долларов в год, то есть каждая занимает около 0,1% ВВП США. Если к концу года их доходы достигнут 100 миллиардов, а вместе с облачными сервисами и другими доходами — около 1% ВВП, то за несколько лет рост был рекордным.

Этот рост — беспрецедентен. Но странно: чем быстрее растет индустрия, тем больше инвесторы теряют ориентиры в оценке. В результате — структура оценки в Кремниевом долине рушится.

Я обсуждал это с несколькими коллегами из вторичного рынка, и один из терминов, который постоянно звучит — «re-rationalization» (возврат к разумной оценке).

За последние годы инвестиции в AI основывались на будущих денежных потоках: даже если сейчас компания убыточна, инвестор верит, что через 3–5 лет она достигнет ARR. Но сейчас эта модель не работает.

Проблема — в самой базовой модели оценки — DCF (discounted cash flow). Обычно прогнозируют 10 лет будущих потоков и добавляют terminal value (конечную стоимость), предполагая, что компания будет стабильно работать. Но сейчас — и это главное — прогнозировать 10 лет сложно, а terminal value вообще трудно посчитать, потому что предпосылка — стабильное развитие — уже не работает: AI может в любой момент все перевернуть.

Я сравнил это с метафорой: компании, не входящие в главный AI-канал, — это как ожидание ядерной бомбы: вы знаете, что она обязательно взорвется, только не знаете когда. Поэтому оценка должна сосредоточиться не на «что будет, если не взорвется», а на «насколько быстро они смогут реагировать, если взорвется». Это — совершенно новая логика оценки.

SaaS — первый сегмент, который пересмотрели в цене на Уолл-стрит. Snowflake в 2023 году по модели DCF требовал почти 100 лет, чтобы окупиться; сейчас его капитализация сократилась вдвое. ServiceNow, Workday — тоже под ударом. И это только начало.

Наоборот, компании, которые действительно могут расти за счет больших моделей, — это, скорее всего, лидеры рынка, потому что их будущее кажется более стабильным. Они не «разоряются», а смотрят, насколько широко смогут расширить границы.

Раньше стартапы говорили: «Зарплата чуть ниже, зато опционы — будущее богатство». Но это было при условии, что компания сохранит ценность через 15–20 лет. Если этот сценарий не сбудется, то самый рациональный ответ — «не давайте мне опционы, лучше сразу деньги».

Это — снова меняет структуру затрат и стратегию финансирования.

VC тоже страдает. За последние 3–6 месяцев почти все фонды инвестировали хотя бы в один neo lab, и многие ученые из известных AI-лабораторий получили миллиарды долларов. Но сейчас все считают, что это было немного поспешно и дорого. Почему же тогда инвестируют? Потому что, если эта компания действительно что-то сделает, рост будет настолько быстрым, что оценка покажется очень низкой.

Один инвестор прямо сказал: «Либо zero to 100, либо zero to zero. Лучше вложиться в neo lab с бесконечными возможностями, чем в дорогой A-round, где зарабатываешь „тяжелые деньги“».

Раньше считалось, что 1 доллар ARR — это 1 доллар ARR, независимо от того, моделируешь ли ты, создаешь приложение или инфраструктуру. Но сейчас — это равенство разрушено.

Вертикальные агенты — мультипликатор около 5, универсальные — около 10, а модели — 20–30 раз ARR (например, Anthropic с 30 млрд долларов ARR и оценкой в 800 млрд долларов — 26,7 раза). Год назад я думал, что можно считать оценку по ARR, умножая на один коэффициент, но сегодня — это уже не так.

Токсичные деревья и список убийств AI

Кремниевая долина переживает глубокий кризис доверия.

На этой неделе я слышал, как друзья обсуждали: покупать биткоины, строить бункеры, ставить пуленепробиваемое стекло — всё всерьез.

Недавно в Кремниевом долине популярны кислородные деревья (酸橙树), у которых на ветках — острые шипы длиной 4 дюйма, и любой, кто попытается перелезть, заплатит за это.

Wall Street Journal даже написал о доме-«форте» за 15 миллионов долларов: бетонные горшки с кислородными деревьями, за ними — рвы, за рвами — лазерные датчики, вход — 3-дюймовая стальная дверь с 13 замками, внутри — бункер с тяжелой дверью весом 2000 фунтов, а ландшафт — тоже часть обороны.

Компании, обеспечивающие безопасность для CEO, показывают самый высокий рост с 2003 года. Особенно после убийства CEO UNH в Манхэттене — эта тенденция резко усилилась.

А теперь — стрельба у ворот богатых и известных.

В ночь на 11 апреля, около 4 утра, 20-летний парень в толстовке Champion прилетел из Техаса в Калифорнию, с канистрой бензина, и поджег себя у ворот дома Сам Альтмана, стоимостью 27 миллионов долларов, — бросил коктейль Молотова.

Через полтора часа он появился в офисе OpenAI, разбил стекло, схватил стул и кричал: «Я сожгу всё здесь, убью всех внутри!»

FBI нашли у него документ с заголовком «Ваше последнее предупреждение», в котором перечислены имена и адреса руководителей AI-компаний и инвесторов.

Через два дня, в воскресенье, у Альтмана снова произошла атака: машина Honda остановилась у ворот, из нее высунули руку и выстрелили в дом, затем скрылись.

Это — не единичные случаи. В конце марта в центре Сан-Франциско прошли массовые протесты против гонки вооружений в AI: люди держали плакаты «Stop the AI Race» и «Don’t Build Skynet», выступая у офисов Anthropic, OpenAI и xAI. Сенатор Берни Сандерс предупредил в Конгрессе: «Человечество действительно может потерять контроль над планетой».

Согласно рассказам друзей из xAI, Маск тоже очень боится, что его могут убить — это — открытая тайна.

За этим стоит простая страховая логика: если AI возьмет под контроль большую часть производства, и человек перестанет быть необходимым для экономики, — все социальные договоры о «что ты внес, то и получаешь» — исчезнут. Останется только одна власть — у кого есть GPU и электроэнергия. Иерархия не будет — она будет подавлена: немногочисленные элиты — и все остальные.

«Через два года на американских выборах главной темой станет вопрос о связи AI и общества. Возможно, появится движение за права AI.»

Инфляция в США все еще высока. Я жил в Калифорнии много лет и никогда не видел бензин по 7 долларов за галлон. В конце февраля Citrini опубликовал доклад «Global Intelligence Crisis», в котором описал сценарий, что из-за чрезмерного успеха AI к 2028 году может произойти экономический кризис…

На обратном рейсе в Пекин я перечитал свои заметки за последние две недели и понял: всё сводится к одному слову — «отставание».

YC отстает, правила безопасности кода в Meta не соблюдаются, управление в xAI — неэффективно, исследователи — не успевают, мощности — не хватает, оценочные модели — устарели, общество — не выдерживает… В итоге Кремниевая долина сама не успевает за собой.

Но в конце концов я хочу сказать, что один из друзей из Anthropic вспомнил слова Dario Amodei: «С помощью AI рак — в некотором смысле — побежден. Не исчез, а превращается в хроническое заболевание, которое не умирает, только лечение дорогое, и распространение — вопрос времени.»

Я не уверен, что Dario имел в виду «рак побежден» в полном смысле, но в Кремниевом долине сейчас наиболее популярные направления — AI4S, AI for Biotech. Многие крупные модели создают люди, которые не разбираются в медицине, но хотят изменить отрасль с помощью AI.

За последние две недели я увидел много «отставаний», и это вызывает тревогу. Но если AI действительно за несколько лет сделает рак хроническим заболеванием и ускорит материалы на двадцать лет вперед, — эта «отсталость» может стать крупнейшим скачком в истории развития человечества.

Мой ребенок — два года, у следующего, возможно, уже появится брат или сестра. Какой будет этот мир — я сейчас даже не могу представить.

Но я надеюсь, что в их мире будет больше людей, исцеленных с помощью AI, и меньше взрывов и стрельбы у дверей тех, кто занимается AI.

В статье Пола Грэма 2008 года «Cities and Ambition» есть такой отрывок: «Несмотря на то, что в Кремниевой долине очень ценят ум, посыл там —: ты должен иметь влияние, и это не совсем то же самое, что в Нью-Йорке. В Нью-Йорке важна сумма денег — миллиарды долларов, даже если они унаследованы. В Кремниевой долине важнее — какое влияние ты оказываешь на мир. Люди ценят Ларри и Сергея не за богатство, а за то, что они контролируют Google, который влияет почти на каждого.» Сейчас AI поднимает эту атмосферу на новый уровень.

Автор колонок, Мэн Синь: партнер «Five Sources Capital», бывший COO автопилота Didi. Это его первая статья о AI-инвестициях, и он будет регулярно делиться своими наблюдениями на «Вечернем обзоре».

Источник иллюстрации: Visual China