Всеобщий токен-максимум: гонка вооружений, в которой никто не осмелится остановиться

Автор: партнер Five Source Capital Мэн Син; источник: LatePost

Мы объехали Кремниевую долину и обнаружили, что даже те, кто создает волны, уже почти утонули в них.

Утром 24 марта 2026 года я сидел в зале для зрителей Demo Day YC W26 batch, и когда на сцену вышла пятая компания с презентацией, 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 потоке более ста компаний, их деятельность на самом деле 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 скорее на разработчиков, превратился в интерфейс, которым может пользоваться практически любой. После выхода Opus 4.6 весь уровень сложности кодирования был сбит до нуля.

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

Цикл проекта в YC — три месяца, эта группа поступила в декабре, и с учетом предварительного отбора, получается, что это «хорошие компании», отобранные за 5 месяцев до этого. А за 5 месяцев, при нынешней скорости развития ИИ, уже успели произойти несколько парадигмальных сдвигов.

В первый раз я начал свой бизнес в 2012 году, когда получил приглашение на Fly Out от YC — личное приглашение на собеседование. Тогда YC в сфере акселераторов был практически единственным, и компании, которых они отбирали, часто задавали направление развития. Но ситуация меняется: за последние годы YC кажется, что отстает, превращаясь в lagging indicator (запаздывающий показатель).

Система потоков YC — заявки, отбор, вход, доработка, презентации — успешно работает уже более десяти лет в эпоху мобильного интернета. Но этот ритм рассчитан 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, что изменения происходят быстро, но это ощущение было в основном по месяцам.

Теперь же нужно считать по неделям.

Однажды за ужином друг, занимающийся пост-тренингом, сказал:

«Я заметил, что Кремниевая долина уже не успевает за собой.»

Все токены — максимум: гонка вооружений, в которой никто не осмелится остановиться

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

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

Безопасность кода уже не важна, лимит токенов взорван, рейтинги растут, весь Кремний — без оглядки вкладывается в ИИ. Но что происходит после этого?

Начнем с безопасности кода. Полгода назад это было бы невозможно представить: код — это главный актив компании, как можно позволить внешнему API иметь к нему доступ? Вначале Meta думала так же: у них был внутренний проект myclaw, пытавшийся решить эту проблему. Один из сотрудников 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, которые раньше казались непререкаемыми, были отодвинуты на задний план: сначала нужно повысить эффективность.

Из соображений безопасности Google запрещает большинству сотрудников использовать Claude Code или Codex иные конкурирующие инструменты, но DeepMind — исключение: команды, отвечающие за модель Gemini и внутренние приложения, используют Claude Code.

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

Но даже при этом 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 них есть доверие. Но у Meta и других гигантов такой связи нет — они действительно отложили безопасность кода в сторону. Все делают ставку на скорость.

Безопасность кода — это первая упавшая флаговая позиция, вторая — лимит токенов.

В нескольких стартапах, ориентированных на ИИ, один инженер за год расходует примерно 20 тысяч долларов на токены. Это не удивительно, но удивительно то, что это уже почти равносильно зарплате инженера. Кажется, компании используют ИИ для сокращения расходов на персонал, но на самом деле общие затраты могут не уменьшаться, а просто заменять человеческий труд на токены.

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

Но одновременно Meta в этом году уволила более десяти тысяч человек. С одной стороны, все используют Claude Code и гонят токены, с другой — массовые сокращения.

Эти два процесса — не противоречие, а две стороны одной медали.

Я посмотрел одну компанию на стадии Series C, и руководитель технологий показал мне Slack: там работают агенты, параллельно запущены десятки Cursor-агентов, и еще один окно Claude Code для диспетчеризации. Сейчас самый популярный страх среди программистов — проснуться утром и понять, что эти агенты делают без их ведома.

Но действительно ли производительность выросла в 100 раз? С конца прошлого года CTO многих ведущих компаний по логике и базам данных с энтузиазмом рассказывают мне о «стопроцентных инженерах» и «десятикратной эффективности»: раньше 60 человек делали за год, что теперь за неделю делают 2 человека с помощью Claude Code.

Я тоже начинал разделять их энтузиазм, 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? Неужели «100-кратное» повышение — это просто оптимизация численности?

Я не получил однозначного ответа. На самом деле, 100-кратное повышение эффективности при росте выручки — это всего лишь 50% или 1 раз.

Где разрыв? Пока никто точно не знает.

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

Один из основателей, занимающихся продажами B2B, рассказал мне, что его команда из 16 человек, двое из них — продавцы, за 12 месяцев достигла 30 миллионов долларов ARR — всё благодаря AI-кодингу. Такие случаи иногда встречаются. Но чаще я вижу, что стартапы создают больше, но эти продукты зачастую не соответствуют product-market fit (PMF, соответствие продукта рынку).

В Кремниевой долине сейчас популярно пробовать 100 вариантов подходов с помощью vibe coding, чтобы понять, какой из них сработает, а не ограничиваться 10. Но кто сможет поймать следующую волну? Пока что — очень трудно.

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 ядро компетенции. Но даже у них oncall-агенты пока 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, поэтому все без остановки вкладывают деньги: безопасность кода уже не важна, лимит токенов взорван, рейтинги растут. Но когда паровая машина действительно обгонит повозку — никто не знает, и никто не осмеливается остановиться и дождаться этого.

Потому что остановка — это слишком дорого.

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. Тогда казалось — это прорыв. До этого тестовые автопарки росли медленно — по 10, 15, 20 машин. Но после этого порога быстро стало 100, 1000. Сегодняшние кодирующие агенты находятся примерно в той же стадии.

В 2021 году в Шанхае автоматическое вождение впервые достигло 5 часов без вмешательства — это был важный этап для внутреннего рынка. На фото — тогдашний COO Didi Autonomous Driving Мэн Син в разговоре с Себастьяном Труном, «отцом беспилотных машин» из Google, 2021 год.

METR — исследовательский институт в Калифорнии, специализирующийся на оценке возможностей AI-кодирования. В прошлом году они предложили показатель: сколько задач агент может выполнить с 50% успеха (по времени, которое требуется человеку-эксперту). В марте 2025 года этот показатель для Claude 3.7 Sonnet составлял 50 минут; к концу 2025 года — Claude Opus 4.6 — уже 14,5 часов. За два года период удвоения этого показателя сократился с 7 до 4 месяцев. Как только надежность агента повысится еще на один уровень, расход токенов перестанет быть вопросом в годовом выражении — он станет вопросом за одну ночь.

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

После обвала команды xAI — люди, создающие ракеты, начали создавать модели

В одном из стейк-хаусов в Маунтин-Вью вечером около девяти часов я встретил друга, который долго работал с Маском. Мы говорили более трех часов, и я потом понял, что за все это время он ни разу не сказал ничего хорошего о Маске.

Один из деталей: я спросил его, как у него дела в xAI за три года. Он ответил, что почти все это время он жил в компании, дома почти ничего не обустраивал, даже кровати не покупал. В компании он спал в sleeping pod (спальный модуль), примерно как в хостеле. Я посоветовала ему купить кровать, ведь у него уже огромные акции, он вышел из компании. Он улыбнулся.

Работа в xAI — в Кремниевой долине известна своей интенсивностью, но сейчас примерно 90% команды уже ушли. У них есть чат для увольнений, туда постоянно добавляются новые.

Триггером стало увольнение Тони Ву, и цепная реакция: по словам инсайдера, «другие компании могли бы месяцами готовить команду топ-менеджеров, а у xAI — всего за месяц». Некоторые еще в октябре прошлого года чувствовали недовольство Маска, но не ожидали, что так быстро произойдет чистка.

Теперь Маск начал привлекать людей из SpaceX и Tesla для управления xAI: «Создатели ракет начали создавать модели».

Недовольство Маска связано с тем, что он вложил миллиарды в вычислительные ресурсы, но Grok так и не вышел на передовые позиции. Почему? Это вопрос, который задают все, кто работает в xAI. Ответ, как мне кажется, очень прост: команда очень сильная и трудолюбивая, но управленческий стиль в стиле производства, возможно, не подходит для крупномасштабных моделей.

Я работал восемь лет в автоматическом вождении и у меня есть свои мысли. Маск раньше создавал SpaceX и Tesla — по сути, системные инженерные проекты: длинные цепочки, включающие софт, железо, цепочки поставок, — в каждом из них есть место для инноваций, но в конечном итоге это инженерия «от начала до конца».

Он умеет находить ключевые рычаги в длинной цепочке и максимально сжимать сроки для достижения целей. Модульные ракетные двигатели, повторное использование — всё это результат такого мышления.

Но в xAI он действует не как системный инженер. Сейчас он делает три вещи: сначала вкладывает в крупнейший в мире GPU-кластер (сейчас даже шутят, что xAI — это не neo lab, а neo cloud, предоставляющий вычислительные ресурсы для Cursor), затем задает команду жесткими дедлайнами, и лично занимается разработкой некоторых функций. Это — точечные меры, а не полноценное планирование.

Все, кто занимается автоматическим вождением, знают: на поздних стадиях между командами софта, инфраструктуры и аппаратуры возникают основные конфликты. Каждая из них требует решений на уровне CTO, и никто одновременно не разбирается во всех трех областях. Хорошая практика — хотя бы знать, как сбалансировать ресурсы и определить приоритеты: сейчас — софт, потом — инфраструктура. Это — наличие глобального плана.

Проблема xAI — в отсутствии такого глобального плана, только спринты. Если бы давление было меньше, умные люди могли бы сами находить баланс, и команды — взаимодействовать. Но сверхвысокий темп Маска и отсутствие четкого глобального плана приводят к тому, что все распадается. Руководители по направлениям борются за свои приоритеты, никто не занимается координацией.

Успех SpaceX и Tesla объясняется тем, что в этих отраслях Маск практически не сталкивался с конкурентами равного масштаба — он соревнуется сам с собой. Но в ИИ ситуация иная: конкуренция жестче, и даже OpenAI может быть захвачена или обогнана Anthropic.

Один из соучредителей xAI в прошлом году сказал, что его удивило две вещи: «Насколько жестока конкуренция» и «насколько мало возможностей для инноваций в приложениях ИИ — все уже съедено моделями».

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

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

Я думаю, что уходящие из xAI друзья не пожалеют о своем решении: xAI — одна из самых быстрых историй богатства в Кремниевой долине. За год компания привлекла десятки миллиардов долларов, а сейчас слияние с SpaceX сделало ее капитализацию 2,5 триллиона долларов. И почти все девять соучредителей стали миллиардерами, а ведущие инженеры — от нескольких десятков миллионов до миллиарда долларов. Деньги в Кремниевой долине — действительно огромные. Если они снова начнут что-то создавать, у них будет достаточно ресурсов, чтобы заниматься интересными проектами, а не только быстрым заработком.

Инженеры, вечно в тревоге, и исследователи, еще более тревожные

Общение с инженерами сейчас — это своего рода странное взаимопонимание: все признают, что почти не пишут код, но при этом делают вид, что это не страшно, потому что их заменит ИИ, а те, кто не использует ИИ, — останутся позади.

Сегодня 80% навыков программных инженеров уже заменены моделями, и причина, по которой они еще остаются — в том, что модели иногда ошибаются, и за ними нужен человек, чтобы контролировать. Но даже это «контролировать» скоро может стать ненужным.

Более радикально: сегодня так называемые «AI native организации» звучат очень привлекательно — они структурируют рабочие процессы, автоматизируют части работы с помощью ИИ, создают навыки. Но по сути это — превращение своих способностей в навыки машин: вы превращаете свои умения в навыки для машин, и компания получает ваш навык. В этом случае сокращение штата — вопрос этики. Сегодня Meta занимается именно этим.

Хотя все сейчас гонятся за токенами, в глубине ощущается тревога, которая пронизывает весь Кремний.

И что удивительно — эта тревога распространяется и на исследователей.

Researcher — это вершина пирамиды талантов. Не просто «ученый», а тот, кто занимается обучением моделей и инновациями в алгоритмах в крупных компаниях (OpenAI, Anthropic, DeepMind). Их отличие от инженеров в том, что инженеры «создают», пишут код, внедряют, оптимизируют; исследователи — «придумывают», что и как делать: предлагают новые методы обучения, проектируют архитектуры, проводят эксперименты.

Теперь даже работа исследователей автоматизируется. Это то, что делают коллеги из DeepMind — используют модели для обучения моделей, — и что стало популярным трендом этого года. Пока что большинство решений — только до уровня публикации статей: ИИ помогает запускать эксперименты и писать научные работы, но окончательное решение остается за человеком.

Компании вроде OpenAI, Anthropic, Google хотят сделать еще более радикально: чтобы цикл автоматизации дошел до обновления самой модели, — не только улучшения деталей, а чтобы ИИ сам находил новые парадигмы. Если это получится, — это будет настоящая замена исследователей. Внутри Google DeepMind уже более года экспериментируют, чтобы модели сами решали, какие эксперименты запускать, и оценивали, какая стратегия перспективнее — и так обучают модели следующего поколения.

И исследователи тоже начинают бояться увольнений — потому что это дорого. Глобально исследователей всего несколько тысяч, их зарплаты — миллионы, десятки миллионов долларов.

«В будущем 10 человек будут делать работу 100, получать в 20 раз меньше, а 90 — останутся без работы.»

И реальные сокращения — еще больше, чем кажется. Первым делом сокращают подрядчиков — аутсорсинговые компании, которые занимаются поддержкой, обслуживанием, обработкой данных. Это значит, что страны, которые раньше зарабатывали на аутсорсинге — Индия, Филиппины — могут оказаться первыми, кто пострадает. Стратегия развития экономики через сервисы — под угрозой.

Весь Кремний следит за Meta: если их эксперимент удастся — без потери доходов и с ростом эффективности — другие крупные компании быстро последуют, и сокращения станут нормой. А механизм самоускорения — очень жесткий: сначала никто не хочет сокращать, чтобы не испортить мораль, а когда это становится привычным — сокращают все быстрее и быстрее.

Но при этом новые рабочие места появляются одновременно со старыми.

Многие стартапы начинают нанимать так называемых «AI builder» — специалистов, сочетающих функции продакт-менеджера, фронтенд и бэкенд-разработчика. Есть и комбинированные роли — data scientist + ML-инженер, а также контент-менеджеры, объединяющие написание, продвижение и операционную деятельность.

Запросы на такие новые роли в Кремниевой долине очень высоки, но есть одна проблема: как их нанимать? Невозможно отобрать по резюме — такие роли раньше не существовали, а навыки скрыты внутри проектов. Невозможно проверить на практике — ведь главное умение — «эстетика + умение пользоваться ИИ». Уже есть стартапы, которые создают автоматические симуляции для собеседований: кандидат показывает, как он использует ИИ для выполнения задач. Это похоже на старые тесты по программированию, только проверяют совсем новые навыки.

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

Два оценки на раунд — Nvidia на каждом «столе» собирает ставки

Рассказав о людях, которых заменили — инженерах, исследователях, финансистах, — есть одна роль, которая не только не исчезла, а наоборот — становится все более влиятельной за этим процессом.

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

И центр — Nvidia.

Я думал, что дефицит чипов уже прошел, и в прошлом году ситуация улучшилась. В середине 2025-го некоторые компании, поддерживаемые Nvidia, neo cloud — новые облачные сервисы, специализирующиеся на GPU — испытывали трудности с финансированием, некоторые даже продавались. Но сейчас я вижу, что дефицит вернулся — и еще более острый.

Конкретный сигнал: если вы можете стабильно предоставлять API, например, Claude API, 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 создает проблему для многих продуктов на базе Claude.

Раньше бизнес по маршрутизации (Router) основывался на том, что я дешевле официальных сервисов — и поэтому получаю трафик. Сейчас ситуация полностью изменилась: стабильность стала редким ресурсом. Некоторые стартапы на этом хорошо зарабатывают, и в Кремниевом долине появляются новые компании, похожие на Coreweave или Nebius.

И проблема с вычислительными мощностями — не только в распределении GPU. Недавний комментарий Элада Гила очень точен: производственные мощности производителей памяти (Hynix, Samsung, Micron) расширяются минимум два года. Это значит, что до 2028 года ни одна AI-компания не сможет значительно увеличить преимущества за счет вычислительных ресурсов. Ограничения по мощности укрепляют монополии на рынке крупных моделей — не потому, что кто-то ленится, а потому, что физические циклы производства очень медленные.

Власть в этой системе — очень ясна: у кого есть карты — тот силен, у кого есть карты — тот Nvidia. Сегодня публичные компании CoreWeave, Lambda, Nebius — все связаны с Nvidia.

Стратегия Nvidia глубже, чем я думал. Инвестор Reflection рассказывал, что их первый проект — это кодинг, а потом основатель встретился с Дженсеном Ху, который сказал: «Хватит заниматься кодингом, сделай для меня «американский DeepSeek», создай open-source модель для США, я дам тебе деньги и карты». И Reflection полностью изменил направление.

На американском рынке появились новые структуры финансирования: в одной раунде дают два варианта оценки. Инвесторы, входящие рано и по низкой оценке, и крупные игроки вроде Nvidia, — по высокой. Такая схема уже появляется и в России.

Но сколько бы Nvidia ни пыталась контролировать распределение, она не может управлять тем, чего не существует.

Общественное сопротивление строительству дата-центров в США растет. Сейчас в стране около 100 проектов по созданию дата-центров, из них 40 — под угрозой срыва. В штате Мэн приняли закон, полностью запрещающий строительство новых дата-центров. В одном городе одобрили проект стоимостью 6 миллиардов долларов, и половина депутатов в тот же день проголосовали за его отмену, а новые депутаты — за его ликвидацию.

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

Это — другой уровень «отставания».

Система оценки стоимости в Кремниевой долине меняется

Начнем с цифры.

ВВП США — около 30 триллионов долларов. Текущий годовой доход OpenAI и Anthropic — примерно по 30 миллиардов долларов, то есть каждая из них занимает около 0,1% ВВП США. Если к концу года их доходы достигнут 100 миллиардов, а вместе с облачными сервисами и другими источниками — около 1% ВВП, то за несколько лет индустрия выросла с нуля до этого уровня.

Это — беспрецедентный рост. Но при этом чем быстрее растет индустрия, тем больше инвесторы теряют ориентиры в ценообразовании — структура оценки в Кремниевой долине рушится.

Я обсуждал это с несколькими коллегами из вторичного рынка, и один из часто повторяющихся терминов — «re-rationalization» (рационализация оценки).

В последние годы инвестиции в AI основывались на будущих денежных потоках: сегодня компания может быть убыточной, зато через 3–5 лет она покажет ARR, и инвесторы готовы платить за это. Но сейчас эта модель работает плохо.

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, потому что через 3 года (а иногда — через 1) индустрия может кардинально измениться. А terminal value вообще трудно посчитать, потому что предпосылка — стабильное развитие, а если ИИ может в любой момент все перевернуть — эта предпосылка исчезает.

Я сравнил это с метафорой: компании, не входящие в основной AI-курс, — это как ожидание ядерной бомбы: вы знаете, что она обязательно взорвется, только не знаете когда. Тогда оценка должна строиться не на «что будет, если не взорвется», а на «насколько быстро я смогу отреагировать, если взорвется». Это — совершенно другой подход к оценке.

SaaS — первый сектор, который пересмотрели по новой. Snowflake в 2023 году по свободному денежному потоку требовал почти 100 лет, чтобы окупиться, а сейчас — в два раза дешевле. ServiceNow, Workday — тоже под ударом, и это только начало.

Говоря иначе, компании, у которых есть крупные модели, — это те, у которых есть шанс на стабильный рост, потому что они не «разоряются» и могут расширять границы.

Раньше говорили: «Работай за меньшие деньги, получай опционы, и через 15–20 лет станешь богатым». Но если этот сценарий уже не работает, то самый рациональный ответ — «не хочу опционов, дайте мне деньги сейчас».

Это — снова меняет структуру затрат и финансирования.

Венчурные фонды тоже страдают. За последние 3–6 месяцев почти все фонды инвестировали хотя бы в одну neo lab — в исследовательские компании из известных AI-лабораторий, получая по нескольку миллиардов долларов. Но сейчас все считают, что это было слишком дорого и поспешно. Почему же тогда инвестировали? Потому что, если эта компания действительно что-то сделает, рост будет настолько быстрым, что оценка покажется очень низкой.

Один инвестор прямо сказал: «Либо ты идешь от нуля к сотне, либо — к нулю. Лучше вложиться в neo lab с огромным потенциалом, чем в дорогой A-round, чтобы заработать немного».

Раньше все считали, что 1 доллар ARR — это 1 доллар стоимости. Но сейчас — это уже не так.

Минимальный мультипликатор для вертикальных агентов — около 5, для универсальных — около 10, а для моделей — 20–30 (например, Anthropic с 30 млрд долларов ARR и оценкой в 800 млрд — примерно 26,7 раза). Год назад я думал, что можно просто умножить ARR на фиксированный коэффициент, чтобы получить оценку, — сейчас это не работает.

Яблоко и список убийств ИИ

Кремниевая долина переживает глубокий кризис доверия.

На этой поездке я постоянно слышал, как друзья обсуждают одно и то же: покупать биткоины, строить бункеры, ставить пуленепробиваемое стекло в дома — и не в шутку.

Недавно в Кремниевой долине стало популярно сажать кислородные деревья, у которых ветви покрыты 4-дюймовыми шипами — любой, кто попытается перелезть, заплатит цену.

Wall Street Journal даже написала о «бункерных особняках» стоимостью 15 миллионов долларов: бетонные клумбы с кислородными деревьями, за ними — рвы, за рвами — лазерные системы обнаружения вторжений, вход — стальная дверь толщиной 3 дюйма с 13 замками, внутри — убежище весом 2000 фунтов, а ландшафт — оборонительные сооружения.

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

И тут же — выстрелы у ворот дома главы AI-компании.

В ночь с 11 на 12 апреля 20-летний парень в куртке Champion прилетел из Техаса в Калифорнию, с канистрой бензина, подошел к дому Сэма Алтмана, стоимостью 27 миллионов долларов, и поджег его.

Через полтора часа он появился у офиса OpenAI, разбил стекло и закричал: «Я сожгу это место, убью всех внутри.»

ФБР нашли у него документ с заголовком «Ваше последнее предупреждение», в котором