Джефф Безос вывел из тени свой новый стартап, где стал СЕО

Project Prometheus — ИИ-стартап по применению ИИ в инженерии и производстве в ключевых отраслях: компьютеры, автомобили и космические аппараты.

Похожий стартап есть и у Ларри Пейджа.

Уже на старте в компании работает почти 100 сотрудников, многие из которых — топ-специалисты из OpenAI, Google DeepMind и Meta(запрещена в РФ).

Компания фокусируется на физическом ИИ — технологиях, которые ускоряют проектирование, симуляцию и автоматизацию производства, включая робототехнику и предиктивное моделирование.

Безос не только инвестирует в проект, уже привлечено $6.2млрд, часть из которых лично дал основатель Amazon, но и будет управлять им совместно с сооснователем Виком Баджаджем, физиком и химиком ранее работавшим в Google X, Verily (биотех компания Alphabet) и Foresite Labs (инкубатор для ИИ-стартапов в области данных и наук).

Сейчас будет просто 🌶️

Большинство инженеров и инвесторов Долины признали Perplexity провальным проектом

На прошедшей конференции Cerebral Valley, в которой принимали участие инженеры, фаундеры и топ-инвесторы прошли анонимный опрос, где одним из вопросов был:
«Какой стартап с valuation >$1 млрд вы бы зашортили прямо сейчас?».

Ранее мы писали о пузыре инвестиций в Perplexity.

Ответы аудитории оказались такими:
1 место — Perplexity
2 место — OpenAI
Дальше с большим отрывом Cursor, Figure, Harvey и др.

Участники опроса обратили внимание на valuation $20–50 млрд и сказали: «Это труп, который ещё ходит». Цифры у Perplexity просто убийственные - 780 млн запросов в месяц, у Google: 13,7 млрд запросов в день.

То есть Perplexity имеет ~0,2 % от объёма Google, но торгуется в 100× к выручке. При этом каждый запрос Perplexity стоит дорого, а Google 90 %+ запросов отдаёт из кеша почти бесплатно.

Их новый браузер Comet — это не спасение, а признание поражения. Они сделали браузер, но это бессмысленно. Потому что браузерные войны закончились 15 лет назад. Chrome победил не качеством, а тем, что Google впихнул его везде: Android, Gmail, YouTube, реклама, дефолт на миллиардах устройств.

Arc — любимый браузер у гиков, но имеет <1 % рынка. Comet ждёт та же судьба.

Еще исторические примеры похожих проектов:
- Neeva (основана экс-главой поиска Google, поддержка Sequoia) → умерла, продана за $184 млн
- Bing + ChatGPT (эксклюзивный доступ к GPT-4 + миллиарды маркетинга) → +0,6 п.п. доли рынка за 3 года
- DuckDuckGo 17 лет бьётся → 2,3 % рынка.

Все эти компании имели либо лучше продукт, либо бесконечные деньги, либо и то, и другое — и всё равно проиграли.

Экономика у Perplexity фундаментально сломана. Чем больше пользователей — тем дороже им обходится каждый запрос.

У Google — наоборот, чем больше пользователей, тем дешевле (кеширование + масштаб).

Поиск выигрывается не лучшими ответами, а контролем над дефолтным поисковым окном на 4 миллиардах устройств. Google платит Apple $18 млрд в год только за то, чтобы остаться дефолтом в Safari.

У Perplexity — $1,5 млрд инвестиций против $300 млрд годовой выручки Google.

Инженеры на конференции сделали математику. Инвесторы — нет.

Google готовится к запуску в Gemini Enterprise 2 мультиагентных инструмента и дорабатывает AgentSpace Live, где несколько агентов и люди могут обсуждать задачу в онлайне

1. Idea Generation - команда из нескольких агентов за ~40 минут выдаёт до 100 детальных идей по любой бизнес- или продуктовой задаче. Потом эти же агенты устраивают «турнир»: сравнивают идеи между собой по заданным вами критериям и ранжируют их.

2. Co-Scientist - же принцип, но для научных исследований.
Загружаете свои данные и литературу → говорите, что хотите найти (новые мишени, репурпозинг молекул, гипотезы и т.д.) → указываете критерии оценки (новизна, feasibility, потенциальное влияние).

Агенты генерируют гипотезы, дебатируют между собой и выдают ранжированный список с обоснованиями.

Плюс параллельно дорабатывают AgentSpace Live — голосовой «конференц-звонок», где несколько агентов и люди могут обсуждать задачу в реальном времени.

Всё это пока только в Gemini Enterprise в закрытом превью.
Для многих компаний, которые уже 10–15 лет сидят на Google Workspace и не планируют переходить на Microsoft 365 Copilot, это будет первое полноценное решение такого уровня.

Андрей Карпатый высказался о том, как лучше всего понимать влияние ИИ на экономику и рынок труда.

Недавно он жестко высказался про агенты, AGI и тд.

Экс-глава AI в Tesla и со-основатель OpenAI говорит, что самые популярные аналогии (ИИ = электричество, ИИ = промышленная революция и т.д.) не самые точные.

По его мнению, самая сильная и точная аналогия — это то, что современный ИИ — это новая парадигма программирования, которую он много лет назад назвал Software 2.0.

Что изменилось с ИИ (Software 2.0)?

Сейчас мы больше не пишем программы вручную строчка за строчкой. Мы задаём цель, например, «максимально точно классифицировать картинки» или «получить максимальный счёт в игре» и запускаем градиентный спуск, который сам в миллиардах параметров нейронной сети находит работающую программу.

Это меняет то, какие задачи становятся автоматизируемыми.

Теперь главный вопрос уже не «смогу ли я чётко описать алгоритм?», а «смогу ли я проверить, правильно ли выполнена задача?», то есть верифицируемость.

Три ключевых условия, чтобы задача была легко автоматизируема в эпоху Software 2.0:
1. Среда должна быть перезапускаемой — можно быстро начать новую попытку.
2. Попытки должны быть быстрыми и дешёвыми.
3. Должна быть автоматическая награда/оценка.

Если эти три условия выполнены — задача обречена на сверхчеловеческий уровень автоматизации.

Примеры задач, которые идеально подходят под Software 2.0 (быстро прогрессируют):
- Математика (есть правильный ответ → легко проверить)
- Программирование (можно автоматически запустить тесты)
- Шахматы, го, StarCraft, Dota (симуляция перезапускается, есть счёт)
- Решение головоломок, CAPTCHA, доказательство теорем
- Просмотр видео до конца (YouTube точно знает, досмотрел ты или нет — это тоже верифицируемый сигнал!)

На таких задачах ИИ уже сейчас часто превосходит лучших людей на планете.

Примеры задач, которые пока отстают (потому что плохо верифицируемы):
- Творчество (как объективно оценить, что картина или рассказ «хорошие»?)
- Стратегическое мышление в реальном мире (слишком много скрытого состояния, долгосрочные последствия)
- Задачи, требующие глубокого понимания физического мира, здравого смысла, социального контекста
- Работа с реальными людьми, переговорами, эмпатией и т.д.

Для них пока приходится полагаться либо на «магию обобщения» нейронок, либо на более слабые методы вроде имитации человека.

Главный тезис Карпатого - Software 1.0 легко автоматизирует то, что ты можешь задать. Software 2.0 легко автоматизирует то, что ты можешь проверить.

Карпатый предлагает смотреть на будущее рынка труда через эту призму:
Чем больше в твоей работе задач, которые можно объективно и автоматически проверить и на которых можно «натренироваться» миллиарды раз в симуляции, тем выше вероятность, что они будут автоматизированы в ближайшие 5–10 лет.

Anthropic внедряет свой ИИ в образование в Африке

Вместе с министерством образования Руанды и африканским провайдером технологического обучения ALX они интегрируют Chidi - обучающий компаньон, который помогает развивать навыки работы с ИИ, в национальную систему образования.

Ранее мы писали, что Anthropic системно входит в образование и создает экосистему.

Chidi работает как ментор, который задаёт вопросы для размышления, а не даёт прямые ответы, чтобы стимулировать критическое мышление и эффективное использование ИИ.

В свою очередь, ALX распространит Chidi среди своих студентов через программы по всему континенту.

Основные цели и фокус партнёрства:

1. Инструмент предназначен для выпускников университетов и молодых специалистов. Он помогает осваивать такие области, как анализ данных, облачные вычисления, программирование и data science.

2. Учителя смогут использовать Chidi для планирования уроков, повышения продуктивности и индивидуальной поддержки студентов.

3. Планируется охватить сотни тысяч учащихся, с акцентом на развитие независимых навыков решения проблем.

Сбер представил ИИ-аналитика для карьерного трека CEO и CFO

Как отметил Тарас Скворцов, заместитель председателя правления Сбера, такой ИИ-аналитик — это умный компас, который помогает человеку выбрать правильное направление для развития карьеры. Он объясняет, какие навыки сейчас самые ценные для рынка, и подбирает подходящие образовательные программы. Это особенно важно в финансах, где технологии регулярно меняют правила игры.

Как работает ИИ-аналитик на основе GigaChat:

1. Сбор и анализ данных:
• ИИ обрабатывает тысячи вакансий для CEO и CFO из открытых источников.
• Добавляются данные из образовательных программ. •Плюс анализ исследований и отчётов.
•Дополняется глубокими интервью и опросами целевых групп.

2. Что выдаёт на выходе ИИ—аналитик?
- Для текущих CEO/CFO — список самых востребованных компетенций прямо сейчас.
- Формирует профили будущих лидеров — какие навыки будут в топе через 3–5 лет, на основе трендов.
- Рекомендации
- Создаёт цифровые дашборды.

Продукт представили накануне AI Journey, его разработали специалисты из Школы финансов СберУниверситета вместе с блоком "Финансы" Сбера.

Свежий отчет о том куда идут деньги в ИИ от венчурного фонда Accel

Деньги 2025 года
Всего в облака и ИИ вложено $184 млрд.
• 59.6% ($109 млрд) — в фундаментальные модели.
• 40.4% — в приложения.
Европа и Израиль вместе взяли 66% от американского объема в приложениях, но только 4% в моделях.

Инфраструктура
На горизонте 2026–2030 гиперскейлеры и новые игроки планируют вложить $4.1 трлн в дата-центры.
Из них $2.3 трлн — только на GPU/CPU.
К 2030 году мощность ИИ-дата-центров должна вырасти с 52 GW до 169 GW (×3.3).
Уже законтрактовано ~55% от необходимого.
Для окупаемости с 20% маржой дата-центры должны генерировать $3.1 трлн выручки за 2026–2030 гг.
Это требует дополнительного роста мирового ВВП примерно на 1–1.5% сверх текущих прогнозов МВФ.
Если рост будет обычным — инвестиции не окупятся.

Энергия
В США уже виден дефицит 36 GW в ближайшие 3 года.
Для его покрытия нужно либо 35 новых атомных реакторов, либо солнечные панели на площади больше Лос-Анджелеса. Пока реальных решений нет.

Маржинальность
Валовая маржа ИИ-нативных компаний сейчас 7–40%.
У классического облачного SaaS — 76% в среднем.
Единственный способ выжить — дальнейшее падение стоимости инференса.
С марта 2023 по октябрь 2025 цена 1M токенов GPT упала с $75 до $2 (–97% за 31 месяц).
Если тренд сохранится, экономика приложений станет здоровой.

Корпоративное ПО
Рост публичных облачных компаний замедлился с 47% в 2021 до 15% в 2025.
Лидеры ИИ-интеграции (Oracle +63%, Palantir +367%, IBM +48%) растут.
Классические (Salesforce –16%, Adobe –8%, ServiceNow +9%) стагнируют или падают.

Что реально важно прямо сейчас?
1. Если вы строите ИИ-приложение — фокус на вертикали (healthcare, legal, finance, construction). Там бюджеты пока ещё не захвачены.
2. Если вы инвестор — модели уже очень дорогие, лучшие входы в приложения и инфраструктуру.
3. Если вы корпоративный покупатель — агенты и computer-use модели уже экономят миллионы. Внедрять имеет смысл сейчас, пока конкуренты ещё думают.

Отчет заканчивается вопросом:
Сможет ли мировая экономика дать лишние 1–2% роста ВВП, чтобы всё это окупилось?

Пока ответ скорее "не очевидно".

Пока все ждут Gemini 3 от Google, хотим рассказать о драме вокруг главного героя Google Ноаме Шазире, которому заплатили ~$3 млрд, чтобы он вернулся в Google

В 2024 году после возвращения в Google Шазир значительно улучшил Gemini.

По словам источников, он внёс ключевые изменения в обучение моделей - изменил несколько строк кода и качество скакнуло вверх. Его последнее выступление тут.

Gemini теперь один из лидеров рынка, конкурирует с GPT-4o и Claude.

Говорят, сейчас в Google напряженка вокруг Ноама. Дело в том, что за год он опубликовал десятки постов во внутренних форумах, которые коллеги сочли дискриминационными и разжигающими ненависть.

Посты неоднократно удаляли модераторы. Руководство, включая его друга, Джеффа Дина типа публично осудили его. Коллеги жаловались: «Он гений, но его слова травмируют».

Некоторые требовали увольнения, но топ-менеджмент Сундар Пичаи, Демис Хассабис защищает Шазира — из-за его вклада в Gemini.

Интересно, через год Шазир снова уйдёт из Google и запустит свой новый стартап? Или Google тихо снимет все внутренние модерации и скажет: «Пусть говорит, что хочет, главное — модели».

Ноам Шазир — один из ключевых разработчиков LLM. В 2017 году он стал соавтором легендарной статьи «Attention is All You Need», которая ввела архитектуру Transformer — основу для ChatGPT, Gemini и почти всех современных ИИ.

Большое интервью с ним тут.

Gemini 3 вышел только что. Google называет её самой умной моделью на сегодняшний день в мультимодальности, мощная в агентных задачах и вайб-кодинге.

Модель обучалась полностью на TPU.

Google также представил Antigravity — это агентная платформа на уровне задач.

Она использует рассуждения Gemini 3, использование инструментов и агентное программирование, превращая ИИ из инструмента в партнёра.

Агенты имеют доступ к редактору, терминалу, браузеру; автономно планируют, выполняют и валидируют сложные задачи.

Интегрировано с Gemini 2.5 Computer Use (управление браузером) и Nano Banana (Gemini 2.5 Image для редактирования изображений).

Весь интернет в восторге от Gemini 3, даже Сэм Альтман. Впервые пишет про конкурентов такое.

Вот это реально круто: всего за 2 промта Gemini 3 создал инженерную симуляцию АЭС с нуля.

Модель выдала полностью рабочую симуляцию с корректной физикой, системой управления стержнями и теплопередачей всего за 2 промпта.

Для сравнения, раньше на такую же задачу даже лучшие версии Claude и GPT-4o тратили 15–30 итераций и часто ошибались в физике.

Если уже сейчас Gemini 3 за 2 промта делает точную инженерную симуляцию АЭС, то можно будет просто заливать в Genie 3 и получить полноценный VR-тур внутри действующего реактора с фотореалистичной графикой, где всё работает по настоящим физическим законам.

Промты были такие:

1) "Write code for a detailed explainer showing how a nuclear reactor works. It should break down the different stages of the process in a clear way. Use whatever libraries to get this done but make sure I can paste it all into a single HTML file and open it in Chrome. Make it interesting and beautiful, in one code block."

2) "Code a 3d voxel version of the same demo"

Дэмис Хассабис СЕО DeepMind как и Ян Лекун делает ставку на world models

В интервью Хассабис говорит, что модели мира — это то, на что он тратит большую часть своего исследовательского времени.

Также Google решают вопросы последовательности и памяти. Над ними сейчас идёт работа в проектах Simmer и Genie — они будут надстраиваться поверх Gemini.

Хассабис продолжает говорить, что до AGI осталось 5–10 лет, и, скорее всего, понадобится ещё 1-2 исследовательских прорыва.

Про пузырь ИИ.
«Часть индустрии точно в пузыре. Когда ты видишь seed-раунды на несколько миллиардов $ за по сути “ничего” — талантливые команды есть, но это уже первые признаки пузыря.

Но с нашей стороны я вижу огромное количество реальной ценности: и краткосрочной (внедрение в Search, Workspace, YouTube, Android), и долгосрочной — робототехника, гейминг, открытие лекарств.

Мы в Alphabet в уникальной позиции, если пузырь лопнет и будет откат — мы всё равно выиграем. А если пузыря нет и всё продолжит расти — мы тоже выиграем. Наша задача — побеждать в обоих сценариях».

Про вычисления и TPU
«Мы всегда на передовой по эффективности. Нам это жизненно необходимо — обслуживать миллиарды запросов в AI Overviews. Но да, TPU всё равно не хватает — я бы с радостью взял ещё больше».

Экс-топ-менеджер TSMC украл секреты 2нм и устроился в Intel

Экс- старший вице-президент по разработке технологий и корпоративной стратегии компании TSMC Ло Вэйжэнь подозревается в краже секретных материалов о передовых технологиях.

Отметим, что бывший инженер также подозревается в краже секретов о 2нм.

Ло ушел на пенсию в июле 2025 года, но уже в октябре он присоединился к Intel — прямому конкуренту TSMC. Intel в последние годы пытается догнать тайваньского гиганта в производстве передовых чипов, инвестируя миллиарды в новые фабрики и нанимая таланты из Азии.

Перед уходом на пенсию Ло якобы попросил подчиненных подготовить технические презентации по 3-м ключевым технологиям TSMC:

1. 2-нанометровый процесс — флагманская разработка, которая позволит создавать чипы в 1,4 раза эффективнее 3-нм аналогов; производство стартует в 2025–2026 годах.
2. A16 — промежуточный процесс на 16 ангстрем (1,6 нм), ориентированный на высокопроизводительные приложения.
3. A14 — 14-angstrom (1,4 нм) технология, еще более продвинутая, с фокусом на энергоэффективность.

MIT о новом подходе к решению задач абстрактного мышления через компьютерное зрение

Есть такой бенчмарк ARC - визуальные головоломки, которые проверяют способность к абстрактному мышлению. Задачи выглядят как цветные сетки, где нужно понять правило и применить его к новому примеру.

Последние пару лет все пытались решить ARC большими языковыми моделями - GPT, Claude, специализированными рекуррентными моделями.

MIT задали простой вопрос: а почему вообще визуальную задачу пытаются решать через язык?
Их подход назвали VARC (Vision ARC). Суть проста: это задача перевода изображения в изображение. Не токены, не текст - чистое зрение.

Тут сразу же отреагировали люди из ex-DeepMind на эту работу, предложив посмотреть на их PushWorld - другой бенчмарк для абстрактного мышления.

Похоже, в сообществе зреет консенсус: для абстрактного мышления нужны специализированные архитектуры с правильными индуктивными смещениями, а не просто "больше параметров".

Одна из старейших криптобирж Kraken подала заявку на IPO. В этом году бум на IPO среди бирж

Kraken подала заявление по форме S-1 в SEC. Количество акций для размещения и ценовой диапазон пока не определены. IPO ожидается после завершения процесса рассмотрения SEC.

Сегодня Kraken — 4-я по объёму торгов криптобиржа в мире (по данным на 2025 год), с поддержкой более 450 криптовалют и свыше 1000 торговых пар.

Kraken имеет сильную репутацию в плане безопасности — с момента основания не было крупных хакерских атак. В отличие от конкурентов Binance, Kraken фокусируется на прозрачности и институциональных клиентах. Её модель бизнеса построена на низких комиссиях, глубокой ликвидности и инструментах Kraken Pro.

В этом году IPO сделали криптобиржи "взрослыми" игроками: 3–4 листинга привлекли >$2 млрд, подняли валюации до $13 млрд (Bullish) и усилили конкуренцию с Binance/COIN.

Греф показал гуманоидного робота Сбера

Сбер займется созданием спутниковой группировки, но в части генИИ.

В. Путин попросил у Грефа денег на спутниковые группировки, на что Греф сказал, что денег нет, все съедает ИИ 😁

Маск обещает ЦОДы в космосе через 4-5 лет, также строит в Саудовской Аравии ЦОД на 500 мегаватт

Напомним, что недавно Google представил свой проект ЦОДа в космосе.

Сегодня на мероприятии в Саудовской Аравии Илон Маск
представил свое видение будущего:

1. Работа станет опциональной в течение 10-20 лет. Работать люди будут по желанию, как сейчас играют в игры.

2. Гуманоидные роботы станут крупнейшей индустрией в истории — больше, чем мобильные телефоны.

3. Tesla создаст первых по-настоящему полезных гуманоидных роботов.

4. В долгосрочной перспективе деньги перестанут быть релевантными.

5. ИИ и робототехника— единственный путь к устранению бедности.

Еще Маск заявил, что уже через 4-5 лет самым экономически эффективным способом ИИ-вычислений будут солнечные ИИ-спутники в космосе. Причины:

- Бесконечная солнечная энергия без перерывов
- Естественное охлаждение через радиацию
- Солнечные панели дешевле
- Земля получает только 1/2 миллиардную часть энергии Солнца
- Для масштабирования до 300 гигаватт в год просто невозможно строить столько электростанций на Земле.

Маск не сказал ничего о проблемах для ИИ-вычислений в космосе:

1. Стоимость выведения на орбиту - даже с многоразовыми ракетами SpaceX это ~$1,500-2,000 за кг на низкую орбиту. Дата-центр Маска на Земле: 2 тонны стойка, из них 1.95 тонны — охлаждение. Хорошо, убрали охлаждение. Но сервера, кабели, корпуса, радиаторы, солнечные панели — всё равно тонны оборудования. Starship обещает $10-100/кг, но это пока не реализовано в масштабе.
2. Радиационная стойкость В космосе жёсткое излучение. Космические компьютеры обычно на 10-20 лет отстают от земных по производительности именно из-за этого.
3. Обслуживание и ремонт Сломалось что-то? На Земле техник приедет за час. В космосе — нужна целая миссия или роботизированная система обслуживания.
4. Латентность Для inference это критично. Низкая орбита даёт ~10-40ms задержки, геостационарная ~500ms. Для многих AI-приложений это неприемлемо.
5. Космический мусор
6. Эффективность солнечных панелей Да, в космосе постоянный свет. Но панели деградируют от радиации быстрее, чем на Земле. И площадь нужна огромная — для 500 МВт это километры панелей.

РФ создает административную ловушку для ИИ, а не экосистему

Вчера на конференции AI Journey В. Путин выступил с поручениями по развитию ИИ в России:

→Создать национальный план внедрения ген ИИ по всем отраслям и регионам

→ Сформировать штаб руководства с административным ресурсом (существующий Аналитический центр при Правительстве с Минцифры признаны недостаточными)

→ К марту 2026 подготовить отчётность министерств и регионов по применению ИИ

→ К 2030 ИИ должен применяться во всех ключевых отраслях.

→ Построить за 20 лет 38 атомных энергоблоков для энергообеспечения ЦОДов

Если посмотреть на это все объемно, то получается, что рынок нужно искусственно создать. Но ведь все высокопарно говорят, что «ИИ - это новое электричество». Зачем это принуждение? Каковы реальные причины отсутствия рынка и капитала?

А вместо экосистемы разработчиков создается бюрократическая матрёшка.
И все будут друг другу отчитываться, проводить совещания, согласовывать позиции - это круговорот воды в природе, то есть общения чиновников без конкретных реальных дел.

Крутая работа от Meta* - они устранили узкое место в 3D-данных

Meta представила SAM 3D — две новые модели для автоматической 3D-реконструкции объектов и людей по обычным фотографиям.

Главное новшество не сама архитектура, хотя она тоже новая, а способ получения данных для обучения.

В 3D до сих пор была фундаментальная проблема: размечать настоящий мир вручную почти нереально в больших объёмах.

Meta решила её тем же методом, который использовался для выравнивания LLM:
- генерируем много синтетических данных для претренинга
- люди не рисуют 3D-модели с нуля, а просто ранжируют и поправляют результаты модели
- сложные кейсы отправляются 3D-художникам, модель дообучается, цикл повторяется.

Получилось масштабировать разметку в десятки-сотни раз дешевле, чем раньше.

Уже работает в Facebook Marketplace: можно загрузить фото комнаты и посмотреть, как туда встанет выбранная мебель.

*запрещенная организация в РФ.