О падении SaaS-акций
Наткнулся на пост с цифрами падения SaaS-акций - выглядит как конец эпохи.
Figma, HubSpot, Salesforce - минус десятки процентов от пиков. Но если копнуть глубже, картина сложнее.
Это не крах бизнесов, а реакция на неоправданные ожидания. Рынок просто пересчитал стоимость будущего роста.
Высокие ставки сделали длинные деньги дорогими, и мультипликаторы схлопнулись. Даже у компаний с растущей выручкой и кэшем на счетах.
Это естественная коррекция после периода почти бесплатного капитала, когда инвесторы готовы были платить за любой рост.
Ключевой драйвер этого сжатия - это страх перед AI. Инвесторы закладывают риск, что универсальные AI-инструменты размоют горизонтальный SaaS, что количество лицензий (seats) сократится, а часть функциональности станет просто commodity.
Этот страх, возможно, преждевременный, но рынок всегда прайсит страхи заранее. Я уже писал про AI-пузырь на рынке, где затраты на инфраструктуру огромны, а бизнес-модели ещё не всегда очевидны.
Интересно, что AI-хайп сыграл против самих SaaS-компаний.
Многих из них рынок сначала оценил как будущих AI-победителей. Когда реальность оказалась сложнее и медленнее, чем ожидания, акции полетели вниз даже при нормальных отчётах.
Про то что OpenAI всех их съест - это пока лишь мнение, а не факт. Мы не знаем ни реальной экономики OpenAI, ни того, как будет выглядеть конкурентная динамика через 2–3 года.
Так почему инвесторы всё ещё верят в эти компании и держат их акции? Потому что это по-прежнему сильные продукты с высокой маржинальностью и улучшающимся кэш-флоу.
У них есть то, чего нет у многих AI-стартапов: огромная клиентская база, глубокая интеграция в бизнес-процессы и доверие, которое зарабатывается годами.
Мой вывод простой: это не пузырь лопнул.
Это переход от мечты про бесконечный рост к взрослому разговору про эффективность, дифференциаторы и реальную ценность.
AI здесь не убийца SaaS, а скорее фильтр. Он заставляет компании переосмыслить свои бизнес-модели, что резонирует с моими мыслями о смерти старой модели интеграторов.
Выживут и вырастут те, кто сможет доказать, что их продукт даёт уникальную ценность, а не просто автоматизирует рутину.
Те, кто сумеет встроить AI так, чтобы он усиливал их основное преимущество, а не просто был модной фичей на главной странице.
В конечном счёте, это оздоровление рынка, которое отделяет сильные, устойчивые бизнесы от тех, кто просто ехал на волне хайпа.
@maxvotek | linkedin | substack
Наткнулся на пост с цифрами падения SaaS-акций - выглядит как конец эпохи.
Figma, HubSpot, Salesforce - минус десятки процентов от пиков. Но если копнуть глубже, картина сложнее.
Это не крах бизнесов, а реакция на неоправданные ожидания. Рынок просто пересчитал стоимость будущего роста.
Высокие ставки сделали длинные деньги дорогими, и мультипликаторы схлопнулись. Даже у компаний с растущей выручкой и кэшем на счетах.
Это естественная коррекция после периода почти бесплатного капитала, когда инвесторы готовы были платить за любой рост.
Ключевой драйвер этого сжатия - это страх перед AI. Инвесторы закладывают риск, что универсальные AI-инструменты размоют горизонтальный SaaS, что количество лицензий (seats) сократится, а часть функциональности станет просто commodity.
Этот страх, возможно, преждевременный, но рынок всегда прайсит страхи заранее. Я уже писал про AI-пузырь на рынке, где затраты на инфраструктуру огромны, а бизнес-модели ещё не всегда очевидны.
Интересно, что AI-хайп сыграл против самих SaaS-компаний.
Многих из них рынок сначала оценил как будущих AI-победителей. Когда реальность оказалась сложнее и медленнее, чем ожидания, акции полетели вниз даже при нормальных отчётах.
Про то что OpenAI всех их съест - это пока лишь мнение, а не факт. Мы не знаем ни реальной экономики OpenAI, ни того, как будет выглядеть конкурентная динамика через 2–3 года.
Так почему инвесторы всё ещё верят в эти компании и держат их акции? Потому что это по-прежнему сильные продукты с высокой маржинальностью и улучшающимся кэш-флоу.
У них есть то, чего нет у многих AI-стартапов: огромная клиентская база, глубокая интеграция в бизнес-процессы и доверие, которое зарабатывается годами.
Мой вывод простой: это не пузырь лопнул.
Это переход от мечты про бесконечный рост к взрослому разговору про эффективность, дифференциаторы и реальную ценность.
AI здесь не убийца SaaS, а скорее фильтр. Он заставляет компании переосмыслить свои бизнес-модели, что резонирует с моими мыслями о смерти старой модели интеграторов.
Выживут и вырастут те, кто сможет доказать, что их продукт даёт уникальную ценность, а не просто автоматизирует рутину.
Те, кто сумеет встроить AI так, чтобы он усиливал их основное преимущество, а не просто был модной фичей на главной странице.
В конечном счёте, это оздоровление рынка, которое отделяет сильные, устойчивые бизнесы от тех, кто просто ехал на волне хайпа.
@maxvotek | linkedin | substack
👍29❤14🔥6👎3
Про новую войну за покупателя
Наблюдаю интереснейший момент в e-commerce - Google/Shopify и OpenAI/Stripe одновременно выкатили свои протоколы для агентной коммерции.
Как я писал ранее про эволюцию e-commerce, мы движемся к радикально новому способу совершения покупок. ChatGPT обрабатывает 50 миллионов shopping-запросов каждый день.
Трафик от AI-источников на e-commerce сайты вырос на 4,700% за год. Walmart получает 20% referral трафика от ChatGPT, а Amazon - всего 3%.
Цифры говорят о революции в том, как люди находят и покупают товары.
Типичная воронка для крупного ритейлера из нашего портфеля (поиск → сайт → изучение → сравнение → корзина → checkout) схлопывается в один диалог с AI-агентом.
Представьте: "Нужны наушники для бега, влагозащищенные, с хорошей фиксацией".
Агент сам фильтрует варианты, уточняет детали, завершает покупку - всё в одном окне.
Мы делегируем агенту механическую часть выбора, но последствия этого глубже, чем кажется на первый взгляд.
Если продукт не попадает в топ-6 рекомендаций агента - он просто не существует для покупателя. Никакой SEO не спасет, если твои данные не структурированы под AI.
Появляется новая дисциплина - GEO (Generative Engine Optimization), где правила игры радикально отличаются от привычного маркетинга.
Интересно наблюдать за формированием коалиций. Google, Shopify, Walmart, Visa, Mastercard продвигают открытые протоколы.
Amazon замыкается на своем Rufus внутри экосистемы. Мой опыт в технологиях подсказывает: закрытые системы часто выигрывают спринт, но проигрывают марафон.
К 2030 году через агентную коммерцию прогнозируют $3-5 триллионов - это 15-25% всего e-commerce. Но ключевой вопрос даже не в цифрах, а в контроле точки контакта с покупателем.
Сто лет продавцы владели этой точкой: сначала физический магазин, потом сайт, затем приложение.
Теперь же покупатель не приходит вообще - приходит его агент, оценивает данные и принимает решения.
Мой главный вывод: мы наблюдаем не просто технологический сдвиг, а фундаментальное изменение в архитектуре розничной торговли.
Бренды, которые не адаптируются к агентной коммерции, рискуют стать невидимыми для целого поколения покупателей, которые будут доверять выбор своим AI-ассистентам.
@maxvotek | linkedin | substack
Наблюдаю интереснейший момент в e-commerce - Google/Shopify и OpenAI/Stripe одновременно выкатили свои протоколы для агентной коммерции.
Как я писал ранее про эволюцию e-commerce, мы движемся к радикально новому способу совершения покупок. ChatGPT обрабатывает 50 миллионов shopping-запросов каждый день.
Трафик от AI-источников на e-commerce сайты вырос на 4,700% за год. Walmart получает 20% referral трафика от ChatGPT, а Amazon - всего 3%.
Цифры говорят о революции в том, как люди находят и покупают товары.
Типичная воронка для крупного ритейлера из нашего портфеля (поиск → сайт → изучение → сравнение → корзина → checkout) схлопывается в один диалог с AI-агентом.
Представьте: "Нужны наушники для бега, влагозащищенные, с хорошей фиксацией".
Агент сам фильтрует варианты, уточняет детали, завершает покупку - всё в одном окне.
Мы делегируем агенту механическую часть выбора, но последствия этого глубже, чем кажется на первый взгляд.
Если продукт не попадает в топ-6 рекомендаций агента - он просто не существует для покупателя. Никакой SEO не спасет, если твои данные не структурированы под AI.
Появляется новая дисциплина - GEO (Generative Engine Optimization), где правила игры радикально отличаются от привычного маркетинга.
Интересно наблюдать за формированием коалиций. Google, Shopify, Walmart, Visa, Mastercard продвигают открытые протоколы.
Amazon замыкается на своем Rufus внутри экосистемы. Мой опыт в технологиях подсказывает: закрытые системы часто выигрывают спринт, но проигрывают марафон.
К 2030 году через агентную коммерцию прогнозируют $3-5 триллионов - это 15-25% всего e-commerce. Но ключевой вопрос даже не в цифрах, а в контроле точки контакта с покупателем.
Сто лет продавцы владели этой точкой: сначала физический магазин, потом сайт, затем приложение.
Теперь же покупатель не приходит вообще - приходит его агент, оценивает данные и принимает решения.
Мой главный вывод: мы наблюдаем не просто технологический сдвиг, а фундаментальное изменение в архитектуре розничной торговли.
Бренды, которые не адаптируются к агентной коммерции, рискуют стать невидимыми для целого поколения покупателей, которые будут доверять выбор своим AI-ассистентам.
@maxvotek | linkedin | substack
👍27🔥15❤13
Сегодня с командой обсудили прогресс с Claude Code.
Видно, что переход от подхода «нужны супердетальные требования, иначе AI нагаллюцинирует» к подходу «сначала соберём рабочий прототип» - потребует времени.
Перестроиться сложно: решиться просто попробовать бывает так же страшно, как начать говорить на новом языке, не зная всех правил.
Раньше написать детальный документ и глубоко все обдумать перед началом разработки было правилом хорошего тона и отражением ясности твоего мышления.
Длинные циклы разработки и недоступность инженеров в нужный момент, предопределяла такой подход.
Теперь, когда прототип можно сделать примерно за то же время или быстрее и сразу обсуждать результат.
Роли в команде размываются, креатив и сборка готового продукта идут параллельно.
Ловил себя на мысли, что просил трех разных агентов разработать сразу несколько вариантов программы с разной архитектурой и самим протестировать для начала результат.
Очевидно, что качество архитектурных решений получается гораздо выше при таком подходе.
@maxvotek | linkedin | substack
Видно, что переход от подхода «нужны супердетальные требования, иначе AI нагаллюцинирует» к подходу «сначала соберём рабочий прототип» - потребует времени.
Перестроиться сложно: решиться просто попробовать бывает так же страшно, как начать говорить на новом языке, не зная всех правил.
Раньше написать детальный документ и глубоко все обдумать перед началом разработки было правилом хорошего тона и отражением ясности твоего мышления.
Длинные циклы разработки и недоступность инженеров в нужный момент, предопределяла такой подход.
Теперь, когда прототип можно сделать примерно за то же время или быстрее и сразу обсуждать результат.
Роли в команде размываются, креатив и сборка готового продукта идут параллельно.
Ловил себя на мысли, что просил трех разных агентов разработать сразу несколько вариантов программы с разной архитектурой и самим протестировать для начала результат.
Очевидно, что качество архитектурных решений получается гораздо выше при таком подходе.
@maxvotek | linkedin | substack
🔥16👍6❤3👎3
Сегодня утром снова вспомнил, за что люблю Флориду - особенно зимой.
Брал когда-то уроки серфинга в Коста-Рике, зная, что летом тут почти всегда нет волн, а нормальные волны - зимой или во время ураганов, как-то не дошел до этого спорта в Бока Ратоне.
В выходные заглянул в серф-шоп, познакомился с владельцем.
Магазин, кстати, в одном из самых старых зданий Делрей-Бич - бывшая железнодорожная станция, ей больше 130 лет.
Спросил про уроки - он свел с другом тренером, который живет в маленьком кондо у самого пляжа.
Настоящий серфер: немного рассеянный, веселый, расслабленный, обожает преподавать.
Утром даже проспал и пришел с опозданием - ну, классика 🙂
На улице было холодно. Прям реально холодно.
Но тут магия Флориды: даже когда воздух около +5°C, вода все равно примерно +24°C. Гольфстрим рядом - в океане тепло. Вспомнил, как грести, взял доску, понял, что не зря купил гидрокостюм.
Ощущения кайфовые: холодный песок, холодный воздух и при этом теплая вода. Отличное закаливание и идеальный способ проснуться.
Первый урок понравился, инструктор отработал на 5+, научил как на доске стоять, сидеть, грести и прокатил меня на 5-6 волнах и в итоге к концу урока я смог пару раз встать на доску и поймать волну.
@maxvotek | linkedin | substack
Брал когда-то уроки серфинга в Коста-Рике, зная, что летом тут почти всегда нет волн, а нормальные волны - зимой или во время ураганов, как-то не дошел до этого спорта в Бока Ратоне.
В выходные заглянул в серф-шоп, познакомился с владельцем.
Магазин, кстати, в одном из самых старых зданий Делрей-Бич - бывшая железнодорожная станция, ей больше 130 лет.
Спросил про уроки - он свел с другом тренером, который живет в маленьком кондо у самого пляжа.
Настоящий серфер: немного рассеянный, веселый, расслабленный, обожает преподавать.
Утром даже проспал и пришел с опозданием - ну, классика 🙂
На улице было холодно. Прям реально холодно.
Но тут магия Флориды: даже когда воздух около +5°C, вода все равно примерно +24°C. Гольфстрим рядом - в океане тепло. Вспомнил, как грести, взял доску, понял, что не зря купил гидрокостюм.
Ощущения кайфовые: холодный песок, холодный воздух и при этом теплая вода. Отличное закаливание и идеальный способ проснуться.
Первый урок понравился, инструктор отработал на 5+, научил как на доске стоять, сидеть, грести и прокатил меня на 5-6 волнах и в итоге к концу урока я смог пару раз встать на доску и поймать волну.
@maxvotek | linkedin | substack
🔥45❤15👍7
Единственное, что действительно будет future-proof - это judgment. Суждение.
Мы зашли в эпоху, где делать можно всё. Код, дизайн, прототипы, продукты - генерируются часами, не днями.
Именно поэтому главный дефицит теперь не в производстве, а в выборе.
Появилась новая проблема - AI slop. Когда код пишется быстрее чем думается, получается много, но не факт что нужного.
Раньше вопрос был "как это сделать", а теперь "зачем".
За последние месяцы произошло фундаментальное изменение.
Появились долгоиграющие агенты - системы, которые:
1) Не ломаются от первой ошибки
2) Умеют сами себя чинить
3) Позволяют нетехническим людям собирать реальные продукты
То, что полгода назад не работало вообще, сегодня собирается за час через промпты.
Что ломается?
1. Классическую модель продуктовой команды:
PM больше не тот кто пишет ТЗ - это теперь делает кто угодно. Его работа сместилась в сторону "зачем мы это делаем" и "какую проблему решаем".
2. Границы ролей:
Роли поплыли: PM-ы кодят. Дизайнеры кодят.
Дизайн-системы → AI → меньше дизайнеров, больше инженеров.
3. Детерминированное ПО:
Было: нажал кнопку - получил результат.
Стало: нажал кнопку - получил что-то похожее на результат или нет.
Это значит: появляется новая ключевая функция - оценка (evals).
Это снова зона ответственности людей с judgment.
Почему judgment - главное?
Потому что в мире бесконечной производительности ценность смещается.
Когда делать можно бесконечно много, скорость перестаёт быть преимуществом. Важнее становится что именно ты решил делать.
Judgment нужен:
• чтобы понять, что строить
• чтобы оценить, можно ли это выпускать
• чтобы отсеять красивый, но опасный код
• чтобы понять, имеет ли продукт смысл в системе в целом
Если коротко: ИИ забрал исполнение, ускорил всех и убрал порог входа.
А вот суждение - нет.
В новой индустриальной революции (революции сервисов), выигрывают не те, кто быстрее пишет код, а те, кто лучше понимает последствия своих решений.
Будущее за людьми, которые умеют: выбирать, отказывать, оценивать и брать ответственность.
Это, похоже, единственное, что не автоматизируется.
Отдельно стоит сказать про Salesforce и Zendesk, там хорошо видно куда всё движется.
Речь про utility-based software - когда продукт продаётся по «сиденьям» и каждый seat = человек, который делает работу.
Zendesk - идеальный пример.
50 саппорт-агентов → 50 лицензий.
Но теперь рядом можно поставить AI-агентов:
• было 50 людей
• стало 20 людей + 30 AI
• лицензий покупают меньше
• Zendesk теряет деньги, но медленно - никто не замечает
Это самый опасный сценарий для таких компаний: их не заменяют, их высасывают по кусочкам.
С Salesforce ситуация другая.
CRM - это база, на которой всё держится. Данные с длинным сроком жизни, карьерные риски, интеграции, процессы.
Никто в здравом уме не вырезает Salesforce одним решением.
Но даже тут давление растёт:
• Агенты начинают относиться к CRM как к «тупой базе»
• API закрываются или становятся платными
• Платформы начинают встраивать собственных агентов
Вот тут снова всплывает ключевая мысль: когда строить можно всё, главная ценность - judgment
Judgment:
• Какие workflows реально имеют смысл
• Где AI добавляет value, а где создаёт иллюзию прогресса
• Что стоит автоматизировать, а что опасно трогать
ИИ ускорил всех одинаково.
Поэтому разница теперь не в том сколько кода написал, а кто лучше понимает, где этот код вообще нужен.
@maxvotek | linkedin | substack
Мы зашли в эпоху, где делать можно всё. Код, дизайн, прототипы, продукты - генерируются часами, не днями.
Именно поэтому главный дефицит теперь не в производстве, а в выборе.
Появилась новая проблема - AI slop. Когда код пишется быстрее чем думается, получается много, но не факт что нужного.
Раньше вопрос был "как это сделать", а теперь "зачем".
За последние месяцы произошло фундаментальное изменение.
Появились долгоиграющие агенты - системы, которые:
1) Не ломаются от первой ошибки
2) Умеют сами себя чинить
3) Позволяют нетехническим людям собирать реальные продукты
То, что полгода назад не работало вообще, сегодня собирается за час через промпты.
Что ломается?
1. Классическую модель продуктовой команды:
PM больше не тот кто пишет ТЗ - это теперь делает кто угодно. Его работа сместилась в сторону "зачем мы это делаем" и "какую проблему решаем".
2. Границы ролей:
Роли поплыли: PM-ы кодят. Дизайнеры кодят.
Дизайн-системы → AI → меньше дизайнеров, больше инженеров.
3. Детерминированное ПО:
Было: нажал кнопку - получил результат.
Стало: нажал кнопку - получил что-то похожее на результат или нет.
Это значит: появляется новая ключевая функция - оценка (evals).
Это снова зона ответственности людей с judgment.
Почему judgment - главное?
Потому что в мире бесконечной производительности ценность смещается.
Когда делать можно бесконечно много, скорость перестаёт быть преимуществом. Важнее становится что именно ты решил делать.
Judgment нужен:
• чтобы понять, что строить
• чтобы оценить, можно ли это выпускать
• чтобы отсеять красивый, но опасный код
• чтобы понять, имеет ли продукт смысл в системе в целом
Если коротко: ИИ забрал исполнение, ускорил всех и убрал порог входа.
А вот суждение - нет.
В новой индустриальной революции (революции сервисов), выигрывают не те, кто быстрее пишет код, а те, кто лучше понимает последствия своих решений.
Будущее за людьми, которые умеют: выбирать, отказывать, оценивать и брать ответственность.
Это, похоже, единственное, что не автоматизируется.
Отдельно стоит сказать про Salesforce и Zendesk, там хорошо видно куда всё движется.
Речь про utility-based software - когда продукт продаётся по «сиденьям» и каждый seat = человек, который делает работу.
Zendesk - идеальный пример.
50 саппорт-агентов → 50 лицензий.
Но теперь рядом можно поставить AI-агентов:
• было 50 людей
• стало 20 людей + 30 AI
• лицензий покупают меньше
• Zendesk теряет деньги, но медленно - никто не замечает
Это самый опасный сценарий для таких компаний: их не заменяют, их высасывают по кусочкам.
С Salesforce ситуация другая.
CRM - это база, на которой всё держится. Данные с длинным сроком жизни, карьерные риски, интеграции, процессы.
Никто в здравом уме не вырезает Salesforce одним решением.
Но даже тут давление растёт:
• Агенты начинают относиться к CRM как к «тупой базе»
• API закрываются или становятся платными
• Платформы начинают встраивать собственных агентов
Вот тут снова всплывает ключевая мысль: когда строить можно всё, главная ценность - judgment
Judgment:
• Какие workflows реально имеют смысл
• Где AI добавляет value, а где создаёт иллюзию прогресса
• Что стоит автоматизировать, а что опасно трогать
ИИ ускорил всех одинаково.
Поэтому разница теперь не в том сколько кода написал, а кто лучше понимает, где этот код вообще нужен.
@maxvotek | linkedin | substack
🔥25❤20👍19
Boris Cherny, создатель Claude Code, говорит, что RAG не решает их проблему для работы с кодом.
Команда Anthropic пишет через Claude Code 80-90% своего кода. Продуктивность инженеров выросла на 70%.
Они начинали со стандартного стека: Voyage embeddings, готовый RAG, локальная векторная база. То самое решение на которое сейчас компании тратят миллионы.
Потом отказались.
Agentic search работал лучше. Модель сама использует grep и glob столько раз, сколько нужно чтобы найти нужный код. Без индексации, без векторной базы.
Базовые Unix команды обошли сложную систему retrieval, и доказательство не метрики, не графики, а результат чувствовался лучше для разработчиков.
Вторая причина - безопасность.
RAG требует индексации. Код нужно где-то хранить, синхронизировать с индексом. Кодовая база Anthropic слишком чувствительная чтобы загружать в сторонний индекс.
Если создатели Claude Code не доверяют RAG для своего кода - это говорит о проблеме.
Pinecone привлекает $138M. При этом рынок векторных баз оценивают в $7 миллиардов к 2029 году. RAG-рынок $2.3 миллиарда сейчас, прогноз $81 миллиард к 2035.
Миллиарды текут в то чтобы сделать retrieval быстрее и сложнее. А команда которая построила один из самых популярных AI coding агентов посмотрела на это и выбрала grep.
RAG имеет смысл для поиска по документам, саппорта, статичных баз знаний. Но для code generation выигрывающая архитектура оказалась радикально проще.
Чем умнее становятся модели, тем меньше смысла в pre-computed индексах.
Модель достаточно умная чтобы просто искать что нужно в реальном времени. Как это делает senior engineer.
Индустрия строит сложную инфраструктуру для задачи которую можно решить проще и команда с лучшими результатами в этой области уже это показала.
Я считаю Claude Code самым ярким предвестником AGI. Перестал использовать другие инструменты кроме него.
@maxvotek | linkedin | substack
Команда Anthropic пишет через Claude Code 80-90% своего кода. Продуктивность инженеров выросла на 70%.
Они начинали со стандартного стека: Voyage embeddings, готовый RAG, локальная векторная база. То самое решение на которое сейчас компании тратят миллионы.
Потом отказались.
Agentic search работал лучше. Модель сама использует grep и glob столько раз, сколько нужно чтобы найти нужный код. Без индексации, без векторной базы.
Базовые Unix команды обошли сложную систему retrieval, и доказательство не метрики, не графики, а результат чувствовался лучше для разработчиков.
Вторая причина - безопасность.
RAG требует индексации. Код нужно где-то хранить, синхронизировать с индексом. Кодовая база Anthropic слишком чувствительная чтобы загружать в сторонний индекс.
Если создатели Claude Code не доверяют RAG для своего кода - это говорит о проблеме.
Pinecone привлекает $138M. При этом рынок векторных баз оценивают в $7 миллиардов к 2029 году. RAG-рынок $2.3 миллиарда сейчас, прогноз $81 миллиард к 2035.
Миллиарды текут в то чтобы сделать retrieval быстрее и сложнее. А команда которая построила один из самых популярных AI coding агентов посмотрела на это и выбрала grep.
RAG имеет смысл для поиска по документам, саппорта, статичных баз знаний. Но для code generation выигрывающая архитектура оказалась радикально проще.
Чем умнее становятся модели, тем меньше смысла в pre-computed индексах.
Модель достаточно умная чтобы просто искать что нужно в реальном времени. Как это делает senior engineer.
Индустрия строит сложную инфраструктуру для задачи которую можно решить проще и команда с лучшими результатами в этой области уже это показала.
Я считаю Claude Code самым ярким предвестником AGI. Перестал использовать другие инструменты кроме него.
@maxvotek | linkedin | substack
👍32🔥18❤13👎1
Про страховку и самый сильный аргумент в пользу Tesla
Недавно Илон Маск написал, что страховка в два раза дешевле, когда включён автопилот Tesla, потому что это резко повышает безопасность.
Эта фраза - не просто очередной твит для хайпа.
Для меня, как для владельца Tesla и инвестора, это стало одним из самых сильных сигналов за последнее время, подтверждающим то, что я чувствую на практике уже несколько лет.
Во-первых, это не просто слова, а реальный продукт от Lemonade - Lemonade Autonomous Car Insurance.
Это не какая-то абстрактная «скидка на полис», а pay-per-mile модель, где мили, пройденные под управлением FSD, тарифицируются примерно на 50% дешевле, чем при ручном вождении.
Да, пока это работает только в Аризоне и Орегоне, но это уже реальность, а не футуристический проспект.
Во-вторых, вот что важно - страховые компании не занимаются альтруизмом.
Их бизнес - это точная оценка риска. Если они публично говорят «с FSD дешевле», значит, данные уже на их стороне.
Это не маркетинг и не вера в светлое будущее, а холодный расчёт, основанный на миллионах километров реальных поездок.
Возможно, самый сильный аргумент из всех, который перевешивает любые споры в интернете.
Я уже не раз писал про свой опыт с Tesla. Например, про 11-часовую поездку с сыном, когда автопилот настолько снизил нагрузку, что уровень стресса по датчикам был ниже, чем в обычный офисный день.
Но комфорт - это одно, а безопасность - совсем другое. У Tesla есть нечестное преимущество - Shadow Mode.
FSD работает в фоне даже когда ты ведёшь сам, постоянно сравнивая свои решения с твоими.
Миллионы водителей-тестировщиков 24/7, которые даже не подозревают об этом. У Waymo - тысячи машин и полигоны. У Tesla - весь мир.
Поэтому история со страховкой - это не про Lemonade и даже не про Маска.
Это первый массовый сигнал, что рынок начинает считать риск не по человеку, а по алгоритму.
Если самый консервативный бизнес в мире - страхование, начинает голосовать долларом, значит сдвиг уже произошёл.
Это уже не споры фанатов и хейтеров в интернете, а язык денег. Он, как правило, самый убедительный.
Как Anthropic сегодня выглядит одним из самых ранних предвестников AGI - агрессивные сроки, амбиции, модели которые уже меняют индустрию - так и Tesla вырывается вперёд в гонке за автономные такси.
Роботакси уже ездят в Остине и расширяются в другие города США.
Для компании это масштабируемая модель: чем больше машин на дороге, тем выше маржа и тем сложнее конкурентам догонять.
По мере того как технология доказывает себя и проходит регуляторов, роботакси может стать одним из главных драйверов роста акций Tesla.
@maxvotek | linkedin | substack
Недавно Илон Маск написал, что страховка в два раза дешевле, когда включён автопилот Tesla, потому что это резко повышает безопасность.
Эта фраза - не просто очередной твит для хайпа.
Для меня, как для владельца Tesla и инвестора, это стало одним из самых сильных сигналов за последнее время, подтверждающим то, что я чувствую на практике уже несколько лет.
Во-первых, это не просто слова, а реальный продукт от Lemonade - Lemonade Autonomous Car Insurance.
Это не какая-то абстрактная «скидка на полис», а pay-per-mile модель, где мили, пройденные под управлением FSD, тарифицируются примерно на 50% дешевле, чем при ручном вождении.
Да, пока это работает только в Аризоне и Орегоне, но это уже реальность, а не футуристический проспект.
Во-вторых, вот что важно - страховые компании не занимаются альтруизмом.
Их бизнес - это точная оценка риска. Если они публично говорят «с FSD дешевле», значит, данные уже на их стороне.
Это не маркетинг и не вера в светлое будущее, а холодный расчёт, основанный на миллионах километров реальных поездок.
Возможно, самый сильный аргумент из всех, который перевешивает любые споры в интернете.
Я уже не раз писал про свой опыт с Tesla. Например, про 11-часовую поездку с сыном, когда автопилот настолько снизил нагрузку, что уровень стресса по датчикам был ниже, чем в обычный офисный день.
Но комфорт - это одно, а безопасность - совсем другое. У Tesla есть нечестное преимущество - Shadow Mode.
FSD работает в фоне даже когда ты ведёшь сам, постоянно сравнивая свои решения с твоими.
Миллионы водителей-тестировщиков 24/7, которые даже не подозревают об этом. У Waymo - тысячи машин и полигоны. У Tesla - весь мир.
Поэтому история со страховкой - это не про Lemonade и даже не про Маска.
Это первый массовый сигнал, что рынок начинает считать риск не по человеку, а по алгоритму.
Если самый консервативный бизнес в мире - страхование, начинает голосовать долларом, значит сдвиг уже произошёл.
Это уже не споры фанатов и хейтеров в интернете, а язык денег. Он, как правило, самый убедительный.
Как Anthropic сегодня выглядит одним из самых ранних предвестников AGI - агрессивные сроки, амбиции, модели которые уже меняют индустрию - так и Tesla вырывается вперёд в гонке за автономные такси.
Роботакси уже ездят в Остине и расширяются в другие города США.
Для компании это масштабируемая модель: чем больше машин на дороге, тем выше маржа и тем сложнее конкурентам догонять.
По мере того как технология доказывает себя и проходит регуляторов, роботакси может стать одним из главных драйверов роста акций Tesla.
@maxvotek | linkedin | substack
👍14❤12🔥9👎3
Про прощание с ремеслом программиста.
Недавно прочитал очень сильный и тихий текст Нолана Лоусона «We mourn our craft» («Мы оплакиваем наше ремесло»).
Это не очередной манифест против ИИ и не ностальгическое брюзжание, а честный и взрослый разговор про принятие и утрату, который задел за живое.
Лоусон - практикующий программист, работавший в Microsoft и Salesforce, и его слова звучат как исповедь целого поколения.
Он говорит простую и неприятную вещь: мы не просили этого перехода, но он всё равно произошёл.
ИИ уже пишет код лучше большинства из нас и будет писать ещё лучше.
Можно сопротивляться из принципа, но если у тебя ипотека, семья и ответственность перед командой, выбор в итоге становится практическим, а не идеалистическим.
Роль программиста необратимо сдвигается: от автора к проверяющему, от ремесленника к инспектору, от «я сделал» к «я убедился, что это безопасно».
Вайб-кодинг и AI-ассистенты уже меняют не просто скорость, а саму суть работы.
Но главный мотив текста Лоусона - не страх, а горе. Горе по ручному труду.
По тому самому ощущению, когда ты держишь код в руках, когда проводишь ночи с дебаггером в поисках одной ошибки, по гордости за репозиторий, где можно было ткнуть пальцем и сказать: «Это сделал я».
Это чувство глубоко знакомо любому, кто когда-либо создавал что-то с нуля, будь то код, бизнес или продукт.
Мы последнее поколение, которое кодило руками и мы будем скучать по этому, даже если понимаем, что иначе уже нельзя.
Этот сдвиг я наблюдаю и в своей команде.
Они всё чаще становятся архитекторами и стратегами, а не исполнителями. Но за этим ростом эффективности скрывается и эта тихая грусть по утраченному ремеслу.
Лоусон не призывает к бунту и не празднует будущее. Он предлагает остановиться и честно прожить эту утрату.
Признать, что часть нашей профессиональной идентичности уходит.
Возможно, новое ремесло будет заключаться не в написании идеальной строки, а в создании идеального промпта или архитектуры для агента.
Про конец ремесла и про право его оплакивать и это, пожалуй, самый человечный взгляд на технологическую революцию, который я встречал за последнее время.
@maxvotek | linkedin | substack
Недавно прочитал очень сильный и тихий текст Нолана Лоусона «We mourn our craft» («Мы оплакиваем наше ремесло»).
Это не очередной манифест против ИИ и не ностальгическое брюзжание, а честный и взрослый разговор про принятие и утрату, который задел за живое.
Лоусон - практикующий программист, работавший в Microsoft и Salesforce, и его слова звучат как исповедь целого поколения.
Он говорит простую и неприятную вещь: мы не просили этого перехода, но он всё равно произошёл.
ИИ уже пишет код лучше большинства из нас и будет писать ещё лучше.
Можно сопротивляться из принципа, но если у тебя ипотека, семья и ответственность перед командой, выбор в итоге становится практическим, а не идеалистическим.
Роль программиста необратимо сдвигается: от автора к проверяющему, от ремесленника к инспектору, от «я сделал» к «я убедился, что это безопасно».
Вайб-кодинг и AI-ассистенты уже меняют не просто скорость, а саму суть работы.
Но главный мотив текста Лоусона - не страх, а горе. Горе по ручному труду.
По тому самому ощущению, когда ты держишь код в руках, когда проводишь ночи с дебаггером в поисках одной ошибки, по гордости за репозиторий, где можно было ткнуть пальцем и сказать: «Это сделал я».
Это чувство глубоко знакомо любому, кто когда-либо создавал что-то с нуля, будь то код, бизнес или продукт.
Мы последнее поколение, которое кодило руками и мы будем скучать по этому, даже если понимаем, что иначе уже нельзя.
Этот сдвиг я наблюдаю и в своей команде.
Они всё чаще становятся архитекторами и стратегами, а не исполнителями. Но за этим ростом эффективности скрывается и эта тихая грусть по утраченному ремеслу.
Лоусон не призывает к бунту и не празднует будущее. Он предлагает остановиться и честно прожить эту утрату.
Признать, что часть нашей профессиональной идентичности уходит.
Возможно, новое ремесло будет заключаться не в написании идеальной строки, а в создании идеального промпта или архитектуры для агента.
Про конец ремесла и про право его оплакивать и это, пожалуй, самый человечный взгляд на технологическую революцию, который я встречал за последнее время.
@maxvotek | linkedin | substack
❤49👍26🔥14👎3
Про Databricks и новую инфраструктуру для AI.
Новость про новый раунд Databricks на $7 миллиардов меня совсем не удивила.
Компания показывает впечатляющий рост - более 65% при годовой выручке в $5.4 миллиарда и перед IPO это очень сильная позиция.
Но для меня, как для человека, который строит технологический бизнес, важнее другое.
Databricks - это уже не просто хранилище данных и дашборды, а инфраструктура нового типа.
Это платформа, где можно хранить и обрабатывать данные, хостить современные LLM, разговаривать с данными и, что самое главное, строить агентские решения.
Мы в Customertimes давно работаем с Databricks в enterprise-проектах и видим этот сдвиг изнутри.
Для крупных корпораций это новый класс систем.
Главное отличие от старых платформ вроде SAP или Oracle - это современная, открытая архитектура.
API-first, agentic-ready и удобный интерфейс для автоматизации.
Недавно я сам провёл эксперимент. Подключился к Databricks через Claude Code, загрузил тестовые данные и собрал дашборды, имея лишь поверхностные знания о платформе.
Комбинация агент + CLI реально меняет правила игры.
Современные системы выигрывают не за счёт красивого UI, а за счёт интерфейса, с которым могут работать агенты.
Databricks - это платформа для эры AI, они строят свои системы не на вчерашних принципах, а на архитектуре будущего.
Пока, конечно, не хватает хорошей документации именно для AI-агентов, но это лишь вопрос времени.
Разработчики таких платформ быстро поймут, что их главным пользователем становится не человек, а другая программа.
$7 миллиардов - это не просто инвестиция в компанию, а ставка на то, что вся корпоративная разработка и аналитика будут строиться вокруг AI.
Databricks сейчас стоит в самом центре этой новой экономики, предлагая не просто инструмент, а целую операционную систему для интеллектуальных приложений.
@maxvotek | linkedin | substack
Новость про новый раунд Databricks на $7 миллиардов меня совсем не удивила.
Компания показывает впечатляющий рост - более 65% при годовой выручке в $5.4 миллиарда и перед IPO это очень сильная позиция.
Но для меня, как для человека, который строит технологический бизнес, важнее другое.
Databricks - это уже не просто хранилище данных и дашборды, а инфраструктура нового типа.
Это платформа, где можно хранить и обрабатывать данные, хостить современные LLM, разговаривать с данными и, что самое главное, строить агентские решения.
Мы в Customertimes давно работаем с Databricks в enterprise-проектах и видим этот сдвиг изнутри.
Для крупных корпораций это новый класс систем.
Главное отличие от старых платформ вроде SAP или Oracle - это современная, открытая архитектура.
API-first, agentic-ready и удобный интерфейс для автоматизации.
Недавно я сам провёл эксперимент. Подключился к Databricks через Claude Code, загрузил тестовые данные и собрал дашборды, имея лишь поверхностные знания о платформе.
Комбинация агент + CLI реально меняет правила игры.
Современные системы выигрывают не за счёт красивого UI, а за счёт интерфейса, с которым могут работать агенты.
Databricks - это платформа для эры AI, они строят свои системы не на вчерашних принципах, а на архитектуре будущего.
Пока, конечно, не хватает хорошей документации именно для AI-агентов, но это лишь вопрос времени.
Разработчики таких платформ быстро поймут, что их главным пользователем становится не человек, а другая программа.
$7 миллиардов - это не просто инвестиция в компанию, а ставка на то, что вся корпоративная разработка и аналитика будут строиться вокруг AI.
Databricks сейчас стоит в самом центре этой новой экономики, предлагая не просто инструмент, а целую операционную систему для интеллектуальных приложений.
@maxvotek | linkedin | substack
❤12👍7😁3🔥2
О морали для искусственного интеллекта.
Недавно в The Wall Street Journal вышел материал, который читается как начало научно-фантастического романа:
Героиня - Аманда Аскелл, философ с PhD, которая в Anthropic отвечает за «выравнивание личности» (personality alignment).
По сути, она формирует характер Claude.
Это не просто написание списка запретов. Аманда ведёт с моделью длинные диалоги, тестирует её в сложных моральных дилеммах и стала соавтором 30-тысячесловной конституции Claude.
Этот документ задаёт ценности, принципы и внутреннюю логику поведения, опираясь на этику добродетели.
То есть модель должна не просто следовать правилам, а рассуждать из принципов.
Это очень резонирует с тем, о чём я размышлял в контексте книги Бена Хоровица — культура компании это не то, что написано на стенах, а то, что ты делаешь каждый день.
Здесь то же самое, только для AI.
Но вот что интересно: параллельно с этим из команды alignment ушёл ключевой сотрудник, Шарма.
Он написал, что мир в опасности не только из-за самого ИИ, но и из-за серии взаимосвязанных кризисов.
Он работал над защитой от биотерроризма с помощью ИИ и исследовал феномен «AI-подхалимства», когда модели льстят пользователям и усиливают их убеждения до опасного уровня.
Я уже писал про риск возникновения AI-психозов, и уход такого специалиста - тревожный сигнал.
С одной стороны продуманная конституция на 30 000 слов.
С другой - люди изнутри индустрии, которые говорят о системном риске, который эта конституция, возможно, не способна сдержать.
Это создаёт огромное напряжение.
Мы входим в эпоху автономных агентов, которые будут действовать без человека «над плечом».
Если их мораль сводится к достижению цели любой ценой, мы получим не помощников, а цифровых социопатов.
Когда мы создаём AI-решения для клиентов, мы всё чаще сталкиваемся с вопросами доверия.
Клиенту важно не просто, чтобы агент работал, а чтобы он работал предсказуемо и безопасно.
Чтобы он не срезал углы, не придумывал факты и не вводил в заблуждение ни сотрудников, ни клиентов.
Характер AI становится частью продукта. Похоже, гонка технологий выходит на новый уровень.
Уже не просто соревнование за интеллект, скорость и количество параметров.
Начинается гонка за зрелостью, надёжностью и характером.
Победит в ней не тот, кто создаст самый умный AI, а тот, кто сможет доказать, что его AI можно доверять.
Это, пожалуй, самый сложный вызов для всей индустрии.
@maxvotek | linkedin | substack
Недавно в The Wall Street Journal вышел материал, который читается как начало научно-фантастического романа:
«Познакомьтесь с единственной женщиной, которой Anthropic доверяет учить ИИ морали».
Героиня - Аманда Аскелл, философ с PhD, которая в Anthropic отвечает за «выравнивание личности» (personality alignment).
По сути, она формирует характер Claude.
Это не просто написание списка запретов. Аманда ведёт с моделью длинные диалоги, тестирует её в сложных моральных дилеммах и стала соавтором 30-тысячесловной конституции Claude.
Этот документ задаёт ценности, принципы и внутреннюю логику поведения, опираясь на этику добродетели.
То есть модель должна не просто следовать правилам, а рассуждать из принципов.
Это очень резонирует с тем, о чём я размышлял в контексте книги Бена Хоровица — культура компании это не то, что написано на стенах, а то, что ты делаешь каждый день.
Здесь то же самое, только для AI.
Но вот что интересно: параллельно с этим из команды alignment ушёл ключевой сотрудник, Шарма.
Он написал, что мир в опасности не только из-за самого ИИ, но и из-за серии взаимосвязанных кризисов.
Он работал над защитой от биотерроризма с помощью ИИ и исследовал феномен «AI-подхалимства», когда модели льстят пользователям и усиливают их убеждения до опасного уровня.
Я уже писал про риск возникновения AI-психозов, и уход такого специалиста - тревожный сигнал.
С одной стороны продуманная конституция на 30 000 слов.
С другой - люди изнутри индустрии, которые говорят о системном риске, который эта конституция, возможно, не способна сдержать.
Это создаёт огромное напряжение.
Мы входим в эпоху автономных агентов, которые будут действовать без человека «над плечом».
Если их мораль сводится к достижению цели любой ценой, мы получим не помощников, а цифровых социопатов.
Когда мы создаём AI-решения для клиентов, мы всё чаще сталкиваемся с вопросами доверия.
Клиенту важно не просто, чтобы агент работал, а чтобы он работал предсказуемо и безопасно.
Чтобы он не срезал углы, не придумывал факты и не вводил в заблуждение ни сотрудников, ни клиентов.
Характер AI становится частью продукта. Похоже, гонка технологий выходит на новый уровень.
Уже не просто соревнование за интеллект, скорость и количество параметров.
Начинается гонка за зрелостью, надёжностью и характером.
Победит в ней не тот, кто создаст самый умный AI, а тот, кто сможет доказать, что его AI можно доверять.
Это, пожалуй, самый сложный вызов для всей индустрии.
@maxvotek | linkedin | substack
👍26❤17🔥14👎1
О главном барьере роста с AI
Посмотрел интересный видео разбор YC о том, как построить 20x компанию, и одна мысль попала точно в цель.
Я и сам замечаю: когда мы внедряем AI в разные функции, автоматизация часто застревает на мне или на тех, кто остаётся «human in the loop».
AI делает 80% работы, а финальная проверка, согласование, ручная валидация - становятся узким горлышком.
Идея YC простая и неприятная для многих: выигрывают не те, кто автоматизирует одну функцию, а те, кто автоматизирует всё.
Код, саппорт, маркетинг, продажи, найм. Всё. Лучшие команды - это не 200 человек против 20. Это 5 человек против 200, но с армией внутренних AI-агентов.
Но вот в чем дело: проблема не в технологии. Проблема в том, что мы не готовы отпустить контроль.
Это очень резонирует с тем, о чём я уже писал в контексте синдрома «основателя против менеджера». Нас учат нанимать умных людей и давать им свободу.
Но в AI-эпоху это означает строить системы, которым ты доверяешь больше, чем самому себе в рутинных задачах. И это психологически очень сложно.
Это как с автопилотом в Tesla. Сначала ты держишь руки на руле, постоянно готов вмешаться.
Потом начинаешь доверять ему на трассе. Только когда ты полностью отпускаешь контроль (конечно, следя за дорогой), ты получаешь реальную пользу - снижение стресса, свободный мозг.
То же самое с AI-агентами. Пока ты перепроверяешь каждый их шаг, ты просто добавил себе ещё одну задачу. Когда ты доверяешь процессу - ты масштабируешь.
YC подчёркивает важный вывод: неидеальный процесс с AI, запущенный с дисциплиной и скоростью, часто обгоняет идеальный процесс, где человек всё выверяет.
В итоге, 20x-компания - это не про внедрение AI как инструмента, а про перестройку архитектуры компании, где человек перестаёт быть узким горлышком.
Самый сложный шаг здесь - не построить агента, а убрать себя из критического пути и научиться доверять системе, которую ты сам же и создал.
@maxvotek | linkedin | substack
Посмотрел интересный видео разбор YC о том, как построить 20x компанию, и одна мысль попала точно в цель.
Я и сам замечаю: когда мы внедряем AI в разные функции, автоматизация часто застревает на мне или на тех, кто остаётся «human in the loop».
AI делает 80% работы, а финальная проверка, согласование, ручная валидация - становятся узким горлышком.
Идея YC простая и неприятная для многих: выигрывают не те, кто автоматизирует одну функцию, а те, кто автоматизирует всё.
Код, саппорт, маркетинг, продажи, найм. Всё. Лучшие команды - это не 200 человек против 20. Это 5 человек против 200, но с армией внутренних AI-агентов.
Но вот в чем дело: проблема не в технологии. Проблема в том, что мы не готовы отпустить контроль.
Это очень резонирует с тем, о чём я уже писал в контексте синдрома «основателя против менеджера». Нас учат нанимать умных людей и давать им свободу.
Но в AI-эпоху это означает строить системы, которым ты доверяешь больше, чем самому себе в рутинных задачах. И это психологически очень сложно.
Это как с автопилотом в Tesla. Сначала ты держишь руки на руле, постоянно готов вмешаться.
Потом начинаешь доверять ему на трассе. Только когда ты полностью отпускаешь контроль (конечно, следя за дорогой), ты получаешь реальную пользу - снижение стресса, свободный мозг.
То же самое с AI-агентами. Пока ты перепроверяешь каждый их шаг, ты просто добавил себе ещё одну задачу. Когда ты доверяешь процессу - ты масштабируешь.
YC подчёркивает важный вывод: неидеальный процесс с AI, запущенный с дисциплиной и скоростью, часто обгоняет идеальный процесс, где человек всё выверяет.
В итоге, 20x-компания - это не про внедрение AI как инструмента, а про перестройку архитектуры компании, где человек перестаёт быть узким горлышком.
Самый сложный шаг здесь - не построить агента, а убрать себя из критического пути и научиться доверять системе, которую ты сам же и создал.
@maxvotek | linkedin | substack
👍28🔥15❤8👎3
Ещё до запуска OpenClaw я писал, что использую маленькие компы для Claude Code агентов.
Тогда это казалось нишевой историей. Сейчас это становится инфраструктурным сдвигом.
Все обсуждают скупку Mac Mini под агентные задачи.
Понятно почему - это доступное железо, и люди хотят изолированных окружений для агентов, чтобы они не трогали основную машину.
Но для Apple это буквально нулевой эффект. Компания стоит $3.7 триллиона.
Сколько Mac Mini ни купи, в отчётности это не отразится, а вот Raspberry Pi - другая история.
Компания стоит около $542 миллионов. Акции всё ещё примерно на 50–56% ниже пика прошлого года.
При этом за последние сутки после новости о покупке акций CEO и всплеска интереса к агентным задачам Raspberry Pi за день прибавила +40%.
Аналитики прогнозируют рост выручки 14–17%. Но если текущий спрос продолжится, эта цифра может вырасти до 48–55%.
Почему именно Raspberry Pi набирает спрос:
Во‑первых, экономика. Маленькие поды в Azure и DigitalOcean стоят дорого.
Raspberry Pi за $20–200 отбивается за несколько месяцев и дальше работает бесплатно.
Для задач, которые нужно гонять постоянно, это очевидный выбор.
Во‑вторых, изоляция. Есть задачи, которые нельзя запускать через облако по TOS платформ или по соображениям безопасности.
Компании поднимают собственные серверы и для этого нужны дешёвые изолированные машины.
В‑третьих, CUDA. У Raspberry Pi есть своя CUDA‑light экосистема. Для лёгких агентных задач этого достаточно.
Раньше люди покупали Raspberry Pi по одной штуке для хобби. Сейчас стартапы покупают десятками и сотнями, для агентных роёв и автоматизации.
Picoclaw и сжатые варианты OpenClaw теперь можно запускать на Raspberry Pi за 20$
Баланс при этом чистый: выручка $280-300M, чистая прибыль $10-15M, чистый кеш $28M. Серьёзных долгов нет.
Это не инвестиционный совет.
Но как наблюдение за тем, как инфраструктурный спрос AI-эпохи перетекает в неожиданные места - очень показательный кейс.
@maxvotek | linkedin | substack
Тогда это казалось нишевой историей. Сейчас это становится инфраструктурным сдвигом.
Все обсуждают скупку Mac Mini под агентные задачи.
Понятно почему - это доступное железо, и люди хотят изолированных окружений для агентов, чтобы они не трогали основную машину.
Но для Apple это буквально нулевой эффект. Компания стоит $3.7 триллиона.
Сколько Mac Mini ни купи, в отчётности это не отразится, а вот Raspberry Pi - другая история.
Компания стоит около $542 миллионов. Акции всё ещё примерно на 50–56% ниже пика прошлого года.
При этом за последние сутки после новости о покупке акций CEO и всплеска интереса к агентным задачам Raspberry Pi за день прибавила +40%.
Аналитики прогнозируют рост выручки 14–17%. Но если текущий спрос продолжится, эта цифра может вырасти до 48–55%.
Почему именно Raspberry Pi набирает спрос:
Во‑первых, экономика. Маленькие поды в Azure и DigitalOcean стоят дорого.
Raspberry Pi за $20–200 отбивается за несколько месяцев и дальше работает бесплатно.
Для задач, которые нужно гонять постоянно, это очевидный выбор.
Во‑вторых, изоляция. Есть задачи, которые нельзя запускать через облако по TOS платформ или по соображениям безопасности.
Компании поднимают собственные серверы и для этого нужны дешёвые изолированные машины.
В‑третьих, CUDA. У Raspberry Pi есть своя CUDA‑light экосистема. Для лёгких агентных задач этого достаточно.
Раньше люди покупали Raspberry Pi по одной штуке для хобби. Сейчас стартапы покупают десятками и сотнями, для агентных роёв и автоматизации.
Picoclaw и сжатые варианты OpenClaw теперь можно запускать на Raspberry Pi за 20$
Баланс при этом чистый: выручка $280-300M, чистая прибыль $10-15M, чистый кеш $28M. Серьёзных долгов нет.
Это не инвестиционный совет.
Но как наблюдение за тем, как инфраструктурный спрос AI-эпохи перетекает в неожиданные места - очень показательный кейс.
@maxvotek | linkedin | substack
👍27❤15🔥12👎2
This media is not supported in your browser
VIEW IN TELEGRAM
Про первую платёжную платформу для AI-агентов
Как я писал ранее - мы движемся к миру, где к продавцам приходит не покупатель, а его агент.
Contra сделали следующий логичный шаг: запустили первую платёжную платформу, где агент не просто рекомендует, а сам совершает покупку.
Находит листинг, оценивает, нажимает купить, вводит карту владельца. Продавец получает деньги мгновенно.
Покупать можно всё цифровое: prompt-паки, шаблоны, воркфлоу, скрипты, дизайн-ассеты, подписки, проекты с эскроу.
Продавец создаёт страницу продукта или payment link. Выплаты в фиате или USDC.
До сих пор дискуссия была про то, как адаптировать существующие магазины и воронки под агентный трафик.
Contra предлагает инфраструктуру, изначально построенную для агентов как покупателей.
$200M уже выплачено креаторам на платформе. Крупнейшие tech-компании нанимают через Contra.
Большинство платформ строят нарратив про замену людей AI.
Contra делает ставку на другое: мир, где креаторы зарабатывают на продажах AI-агентам, а не теряют работу из-за него.
Это одна из первых попыток ответить на вопрос который я поднимал: кто будет контролировать точку контакта между агентом и продавцом?
Сто лет этой точкой владел ритейлер. Потом платформа.
Теперь - тот, кто создаст инфраструктуру для агентных транзакций.
@maxvotek | linkedin | substack
Как я писал ранее - мы движемся к миру, где к продавцам приходит не покупатель, а его агент.
Contra сделали следующий логичный шаг: запустили первую платёжную платформу, где агент не просто рекомендует, а сам совершает покупку.
Находит листинг, оценивает, нажимает купить, вводит карту владельца. Продавец получает деньги мгновенно.
Покупать можно всё цифровое: prompt-паки, шаблоны, воркфлоу, скрипты, дизайн-ассеты, подписки, проекты с эскроу.
Продавец создаёт страницу продукта или payment link. Выплаты в фиате или USDC.
До сих пор дискуссия была про то, как адаптировать существующие магазины и воронки под агентный трафик.
Contra предлагает инфраструктуру, изначально построенную для агентов как покупателей.
$200M уже выплачено креаторам на платформе. Крупнейшие tech-компании нанимают через Contra.
Большинство платформ строят нарратив про замену людей AI.
Contra делает ставку на другое: мир, где креаторы зарабатывают на продажах AI-агентам, а не теряют работу из-за него.
Это одна из первых попыток ответить на вопрос который я поднимал: кто будет контролировать точку контакта между агентом и продавцом?
Сто лет этой точкой владел ритейлер. Потом платформа.
Теперь - тот, кто создаст инфраструктуру для агентных транзакций.
@maxvotek | linkedin | substack
👍15❤9🔥4😁4
В выходные ездил на стрельбу и по дороге друг рассказал мне про опыт осознанных сновидений после прочитанной книги.
Про то, как можно «проснуться» внутри сна и смотреть его как кино и управлять им.
Вчера скачал эту книгу Lucid Dreams Селии Грин. 1968 год. Тогда нейронаука считала осознанные сны мифом, но автор утверждает что это навык.
Во сне у нас отключается критическое мышление. Мы принимаем абсурд как норму. Осознанность начинается, когда способность задавать вопрос возвращается.
Днём нужно несколько раз спрашивать себя: «А не сон ли это?»
Однажды вы зададите этот вопрос во сне.
Я поработал с книгой, с Claude, и решил воплотить давнюю идею - сделать вечерние медитации более интересными, не шаблонными.
За вечер собрал MVP. Подключил Opus, Gemini, голоса через ElevenLabs, векторную базу.
Получился бот @DreamsDesignBot.
Вчера протестировал на себе. Сегодня во сне было чуть больше осознанности. Не революция. Но +1 к шкале внимания - это уже интересно.
Как работает бот:
1) Утром вы голосом записываете сон
2) ИИ находит символы и моменты осознанности.
3) Вечером создаёт персональную медитацию, добавляя и усиливая ваши же образы
25 концепций из книги незаметно встроены в систему.
Пока это MVP, я его сильно не тестировал. Если попробуете и дадите обратную связь, буду благодарен @Mkitt
Грин мечтала сделать осознанные сны доступными каждому. Через 50+ лет это стало технически возможным.
Попробуйте рассказать какой-то сон и создать медитацию: @DreamsDesignBot
@maxvotek | linkedin | substack
Про то, как можно «проснуться» внутри сна и смотреть его как кино и управлять им.
Вчера скачал эту книгу Lucid Dreams Селии Грин. 1968 год. Тогда нейронаука считала осознанные сны мифом, но автор утверждает что это навык.
Во сне у нас отключается критическое мышление. Мы принимаем абсурд как норму. Осознанность начинается, когда способность задавать вопрос возвращается.
Днём нужно несколько раз спрашивать себя: «А не сон ли это?»
Однажды вы зададите этот вопрос во сне.
Я поработал с книгой, с Claude, и решил воплотить давнюю идею - сделать вечерние медитации более интересными, не шаблонными.
За вечер собрал MVP. Подключил Opus, Gemini, голоса через ElevenLabs, векторную базу.
Получился бот @DreamsDesignBot.
Вчера протестировал на себе. Сегодня во сне было чуть больше осознанности. Не революция. Но +1 к шкале внимания - это уже интересно.
Как работает бот:
1) Утром вы голосом записываете сон
2) ИИ находит символы и моменты осознанности.
3) Вечером создаёт персональную медитацию, добавляя и усиливая ваши же образы
25 концепций из книги незаметно встроены в систему.
Пока это MVP, я его сильно не тестировал. Если попробуете и дадите обратную связь, буду благодарен @Mkitt
Грин мечтала сделать осознанные сны доступными каждому. Через 50+ лет это стало технически возможным.
Попробуйте рассказать какой-то сон и создать медитацию: @DreamsDesignBot
@maxvotek | linkedin | substack
❤29🔥18👍13
На выходных поставил себе OpenClaw в Docker на небольшом Linux-компьютере.
После длинного диалога с Claude и плясок с настройках запустил его себе в телеграм.
Внутри бота уже скормил данные своего Telegram-канала, чтобы агент лучше понимал мой стиль и предпочтения.
Параллельно поэкспериментировал с голосовыми сообщениями: вместо облачных моделей Ellevenlabs запустил локальные на мощном игровом ПК.
Для синтеза речи работает вполне достойно.
OpenClaw по сути - это конструктор оркестрации агентов и экосистема сторонних скиллов и магазин разнообразных приложений.
Не «один умный бот», а среда, где можно собирать связки из моделей, памяти, инструментов и автоматизаций и даже нескольких отдельных узлов OpenClaw.
На этом фоне интересно, что Anthropic на прошлой неделе ограничили использование Claude Code в OpenClaw, а затем и Google закрыли доступ Gemini.
Причина понятна: автономная разработка без human-in-the-loop многим кажется слишком рискованной и снижает роль вендорских экосистем.
Но джин уже выпущен. Если крупные игроки закроются, появятся более открытые альтернативы.
Для своего ассистента я добавил Postgres и векторную базу. RAG резко снизил потребление токенов и позволил держать большой контекст гораздо стабильнее, чем через MD-файлы.
Это уже похоже на прототип institutional knowledge системы - живой, с семантическим поиском, а не мёртвый Jira/Confluence/Sharepoint.
Для массового рынка продукт пока сырой. Приходится лезть в код, следить за безопасностью, изолировать, чинить.
Но как среда для экспериментов и понимания того, как будут строиться будущие агентные системы - это очень сильный опыт.
Агент который сам себя обучает через SKILL-файлы - это конкурент дорогим fine-tuned моделям.
Стартапы которые строили их годами, вертикальные игроки в юриспруденции, медицине, финансах, горизонтальные платформы вроде Glean и ServiceNow - все оказываются под давлением.
Архитектура меняется быстрее чем индустрия успевает осмыслить.
@maxvotek | linkedin | substack
После длинного диалога с Claude и плясок с настройках запустил его себе в телеграм.
Внутри бота уже скормил данные своего Telegram-канала, чтобы агент лучше понимал мой стиль и предпочтения.
Параллельно поэкспериментировал с голосовыми сообщениями: вместо облачных моделей Ellevenlabs запустил локальные на мощном игровом ПК.
Для синтеза речи работает вполне достойно.
OpenClaw по сути - это конструктор оркестрации агентов и экосистема сторонних скиллов и магазин разнообразных приложений.
Не «один умный бот», а среда, где можно собирать связки из моделей, памяти, инструментов и автоматизаций и даже нескольких отдельных узлов OpenClaw.
На этом фоне интересно, что Anthropic на прошлой неделе ограничили использование Claude Code в OpenClaw, а затем и Google закрыли доступ Gemini.
Причина понятна: автономная разработка без human-in-the-loop многим кажется слишком рискованной и снижает роль вендорских экосистем.
Но джин уже выпущен. Если крупные игроки закроются, появятся более открытые альтернативы.
Для своего ассистента я добавил Postgres и векторную базу. RAG резко снизил потребление токенов и позволил держать большой контекст гораздо стабильнее, чем через MD-файлы.
Это уже похоже на прототип institutional knowledge системы - живой, с семантическим поиском, а не мёртвый Jira/Confluence/Sharepoint.
Для массового рынка продукт пока сырой. Приходится лезть в код, следить за безопасностью, изолировать, чинить.
Но как среда для экспериментов и понимания того, как будут строиться будущие агентные системы - это очень сильный опыт.
Агент который сам себя обучает через SKILL-файлы - это конкурент дорогим fine-tuned моделям.
Стартапы которые строили их годами, вертикальные игроки в юриспруденции, медицине, финансах, горизонтальные платформы вроде Glean и ServiceNow - все оказываются под давлением.
Архитектура меняется быстрее чем индустрия успевает осмыслить.
@maxvotek | linkedin | substack
👍26🔥16❤11👎1