Засновник a16z: У епоху Agent справді важливі речі змінилися

Оригінальна назва відео: Марк Андреєсен розмірковує про смерть браузера, Pi + OpenClaw та чому «цей раз інший»

Джерело відео: a16z, Latent Space

Переклад оригіналу: FuturePulse

Джерело сигналу:

Це останнє інтерв’ю засновника a16z Марка Андреєсена у подкасті Latent Space.

Він — відомий американський інтернет-підприємець, один із ключових діячів раннього розвитку інтернету; після заснування a16z став представником топових інвесторів Кремнієвої долини.

Уся розмова зосереджена на історії розвитку штучного інтелекту та його найновіших тенденціях, дуже варта уваги.

1. Цей цикл AI не з’явився нізвідки, а є першим всеохоплюючим «початком роботи» після 80 років технологічної гонки

· Цей цикл AI не з’явився нізвідки, а є першим за 80 років довгої технологічної гонки, що «починає працювати»

· Марк Андреєсен прямо називає сучасний період «80-річним нічним успіхом», маючи на увазі, що на очах у публіки раптовий прорив — це результат десятиліть накопичених технологій, що нарешті вивільнилися.

· Він простежує цю лінію технологій до ранніх досліджень нейронних мереж і підкреслює, що сьогодні галузь вже прийняла «нейронні мережі як правильну архітектуру».

· За його словами, ключові моменти — не один час, а ланцюг: AlexNet, Transformer, ChatGPT, моделі reasoning, потім агенти та самовдосконалення.

· Він особливо наголошує, що цього разу не лише покращилася генерація тексту, а з’явилися одночасно чотири функціональні напрями: LLM, reasoning, кодування та агенти / рекурсивне самовдосконалення.

· Він вважає, що «цей раз інший», не через більш захопливий наратив, а тому, що ці можливості вже починають працювати у реальних задачах.

2. Pi та OpenClaw, архітектура агентів, — це глибша зміна програмного забезпечення, ніж чатботи

· Він конкретизує поняття агента: по суті це «LLM + оболонка + файловий систем + markdown + cron/loop». У цій структурі LLM — ядро для reasoning і генерації, оболонка забезпечує середовище виконання, файловий систем зберігає стан, markdown робить стан читабельним, а cron/loop — циклічне пробудження та просування задач.

· Він вважає цю комбінацію важливою, оскільки окрім нової моделі всі інші компоненти вже давно зрілі, зрозумілі та повторювані у світі софту.

· Статус агента зберігається у файлах, тому його можна переносити між моделями та середовищами; базова модель може змінюватися, але пам’ять і стан залишаються.

· Він багато разів підкреслює інспекцію: агент знає свої файли, може читати свій стан і навіть переписувати файли та функції, рухаючись у напрямку «розширити себе».

· На його думку, справжній прорив — не лише «модель відповідає», а й здатність агента використовувати існуючий Unix-інструментарій, щоб залучити потенціал усього комп’ютера.

3. Браузери, традиційний GUI та епоха «людських програм» поступово замінюються агент-орієнтованим інтерфейсом

· Марк Андреєсен чітко сказав, що у майбутньому «можливо, вам більше не потрібен користувацький інтерфейс».

· Він додав, що основними користувачами програмного забезпечення у майбутньому можуть стати не люди, а «інші боти».

· Це означає, що багато сучасних інтерфейсів, створених для людського кліку, перегляду та заповнення форм, з часом стануть виконавчими шарами, що викликаються агентами.

· У цьому світі люди більше виступають як ті, хто ставить цілі: повідомляє системі, що потрібно, а потім агент викликає сервіси, керує софтом і виконує процеси.

· Він пов’язує цю зміну із більшою майбутньою еволюцією програмного забезпечення: високоякісне софт стане все більш «наповненим», перестане бути рідкістю, створеною кількома інженерами вручну.

· Він також вважає, що важливість мов програмування знизиться; моделі зможуть писати код на різних мовах, перекладати між ними, а людство більше цікавитиме не сама мова, а пояснення, чому AI організував код саме так.

· Він навіть згадує більш радикальний напрям: концептуально AI може не лише генерувати код, а й безпосередньо виводити нижчий рівень — бінарний код або ваги моделей.

4. Цикл інвестицій у AI цього разу схожий на бульбашку 2000 року, але структура попиту і пропозиції інша

![]###https://img-cdn.gateio.im/social/moments-7d54512ddf-38ed3abd60-8b7abd-badf29###

· Він згадує 2000-й і підкреслює, що крах був здебільшого не через «недостатню інтернет-економіку», а через надмірне будівництво телекомунікаційної та пропускної здатності, передчасне розгортання оптоволоконних мереж і дата-центрів, що довго поглиналися.

· Він вважає, що сьогодні також можна побачити ознаки «надмірного будівництва», але основні інвестори — це великі компанії з готівкою, такі як Microsoft, Amazon, Google, а не високоризикові гравці з високим кредитним навантаженням.

· Він особливо підкреслює, що зараз інвестиції у GPU швидко перетворюються у дохід, що відрізняє їх від 2000 року, коли багато потужностей залишалися невикористаними.

· Він наголошує, що зараз ми використовуємо «засипаний» (sandbagged) технологічний рівень: через нестачу GPU, пам’яті, дата-центрів потенціал моделей ще не повністю розкритий.

· За його словами, у найближчі роки обмеженням будуть не лише GPU, а й CPU, пам’ять, мережі та взаємодія всього чіпового екосистеми.

· Він порівнює закони масштабування AI із законом Мура, вважаючи, що вони не лише описують закономірності, а й постійно стимулюють капітал, інженерію та індустріальні синергії.

· Він згадує дивну, але важливу тенденцію: з прискоренням оптимізації софту старіші чіпи іноді стають більш економічно вигідними, ніж при покупці.

5. Відкритий код, краєва обробка та локальне виконання — це не побічні ефекти, а частина конкуренції у AI

· Марк Андреєсен чітко вважає, що open source дуже важливий, не лише через безкоштовність, а тому, що «дозволяє всьому світу зрозуміти, як це зроблено».

· Він порівнює відкриті проєкти на кшталт DeepSeek із «подарунком світу», оскільки код і публікації швидко поширюють знання і підвищують рівень галузі.

· У його розумінні, open source — це не лише технічний вибір, а й геополітична та ринкова стратегія: різні країни і компанії можуть обирати різні відкриті моделі відповідно до своїх бізнес-обмежень і цілей впливу.

· Він також підкреслює важливість краєвої обробки (Edge inference): у найближчі роки централізовані обчислення можуть залишатися дорогими, і багато споживчих застосунків не зможуть довго витримувати високі витрати на хмарний reasoning.

· Він згадує повторювану модель: моделі, які сьогодні здаються «неможливими для запуску на ПК», через кілька місяців вже можуть працювати локально.

· Окрім вартості, локальне виконання мотивують довіра, приватність, затримки та сценарії використання: носимі пристрої, дверні замки, мобільні гаджети — все це краще для низької затримки і локального reasoning.

· Його висновок дуже простий: майже все, що має чіпи, у майбутньому матиме AI-модель.

6. Основна проблема AI — не лише у моделях, а у безпеці, ідентифікації, фінансах, організаційних та системних опорах

· У питаннях безпеки він дуже гостро зазначає: майже всі потенційні вразливості будуть легше виявлятися, і в короткостроковій перспективі можливі «великі кібератаки».

· Але він також вважає, що інтелектуальні програми зможуть масштабувати здатність виправляти вразливості; у майбутньому «захист софту» може полягати у тому, щоб боти самі сканували і виправляли його.

· Щодо ідентифікації, він вважає, що «доказ бота» (proof of bot) — не працює, оскільки боти стають все сильнішими; справжній шлях — «доказ людини» (proof of human), тобто біометрія, криптографія і вибіркове розкриття.

· Він також згадує часто ігноровану проблему: якщо агенти справді почнуть діяти у реальному світі, їм знадобляться гроші, платіжні системи, банківські рахунки або стабільні монети. На рівні організацій він використовує концепцію менеджерського капіталізму і вважає, що AI може посилити роль засновників, оскільки боти добре справляються з звітністю, координацією, документацією та управлінською роботою.

· Але він не вважає, що суспільство швидко прийме AI: він наводить приклади ліцензій, профспілок, страйків портових робітників, урядових структур, освіти і медицини, що мають багато системних уповільнювачів.

· Його висновок — ідеалісти та апокаліптики у сфері AI часто ігнорують один важливий момент: якщо технологія стане можливою, це не означає, що 8 мільярдів людей одразу змінять свої звички.