Это не я! Я работу не ищу!

Про рынок РФ, часть 1: мотивация

Делал вчера с ребёнком умного робота. Идея – запихать AI в Raspberry Pi, приделать микрофон, колонки, камеру и колёса. Супер, да?

Но мы делаем это в Москве. Все сервисы заблокированы. Claude Code тоже не поставить. Сижу перебираю варианты заливая код на девайс руками. Ребёнок спрашивает Алису – та рекомендует сервисы Яндекса и Гигачат. Пожалуй, не сегодня.

Через полчаса выяснилось что OpenVPN блокируется провайдером. Ребёнок ковыряет в носу и явно теряет мотивацию. Алиса соболезнует и предлагает прокси сервисы. Меня конкретно бесит что мы даже начать не можем из-за этих тупых проблем.

Спустя ещё несколько неудач я нашел готовый конфиг для linux от одного из VPN-провайдеров. Он заработал сразу, чему я был безумно рад. Дальше дело пошло – сделали умную говорилку, начали прикручивать камеру, ребёнок в восторге.

Это я всё к чему.

Вся эта ситуация – буквально AI на российском рынке.

Тебе нужно:
- Проковырять доступы блокируемые с двух сторон
- Найти как оплатить и не потерять аккаунты
- Понять какие законы РФ ты потенциально можешь нарушить и как этого избежать
- Построить защитных мер от законов РФ
- Прикрутить Яндекс или Гигачат там где иначе никак

Это всё решаемые проблемы. Но мотивация падает – и у инженеров, и у компаний.

В результате отстаёт самое главное – головы людей. Технологии где-то за заборами живут.

Про рынок РФ, часть 2: суверенный AI

Самый популярный вопрос ко мне – сможет ли индустрия РФ создать AI мирового уровня?

Конечно, нет.

Этот ответ людей не удивляет. Но главной причиной часто считают невозможность купить Nvidia. Ну, нет.

Для создания базовых моделей нужны три вещи: вычислительные мощности, данные и таланты.

Мощности стоят денег. Много денег. Для понимания разрыва – траты одного только Amazon на AI-инфраструктуру это четверть годового российского бюджета – порядка $150B за 2026.

Данные тоже стоят денег. Эту часть часто забывают или недооценивают. За OpenAI, Anthropic и прочими стоят компании вроде Surge и Scale AI создающие данные для обучения. Одна только Surge заработывает на данных $1B+ в год.

Таланты тянутся за самыми классными задачами. Самые классные задачи требуют первых двух пунктов. Лучшие ребята стягиваются со всех стран поближе к лабам с деньгами – включая ребят из РФ.

Так что – причины вполне рыночные. У экономики РФ просто не хватит денег. Внутренний рынок довольно скромный и не растет. Экспорт технологий сильно ограничен. Непонятно, как возвращать инвестиции.

Китай – хороший пример “не-США” где локальной экономики вполне хватает чтобы потягаться. Как следствие, локальных “не уехавших” талантов там тоже хватает – внутри интересно.

AI – не та индустрия, где получится отстроить независимость.

Кстати, я не согласен с общественным насмеханием над самой идеей суверенного ИИ. Стараться повышать независимость индустрии – это хорошо.

Суверенный ИИ это не российский прикол – это мировой тренд на Sovereign AI. Никто не хочет оказаться в зависимой позиции в ещё одной индустрии.

Но тут вариантов не вижу. Если открытые модели начнут отставать, придётся закупать.

What next?

Активно исследую что строить дальше. Делюсь – в формате открытых рассуждений.

Я хочу работать с генеративными технологиями. Я хочу решать реальные проблемы этого мира – иметь здесь high agency.

Я хочу область где новые технологии действительно всё меняют. Забавно, что пришлось отмести финтех. Hot take: финтех практически не затронут новой AI-волной.

Я сразу отметаю B2C. Кровавая мясорубка из компаний, в которой я участвовать не хочу. Привлечение очень сложное, 50 стартапов на одну идею, в любой момент тебя сжирает Google и так далее.

Я отмёл core технологии и платформенные слои. Сами модели – у меня нет там leverage, без меня разберутся. Платформенные слои – слишком медленно и инженерно, хочется ближе к эффекту на общество.

Мне нравятся индустрии где есть сложные интеллектуальные workflow – и на них всё работает. Это классная задача, мне хочется её решать.

Простые и популярные индустрии – маркетинг, продажи, etc – я тоже отмёл. Малый порог входа, очень много игроков – малая вероятность успеха даже если ты молодец. Меньше зависит от самих технологий.

Бывают и слишком сложные индустрии. Моё восхищение вызывает Physics X – AI-проектирование двигателей, крыльев, процессоров, материалов и так далее. Но мой индекс Хирша для такого маловат. Буду с восторгом смотреть со стороны.

Что попадает в фильтр? О, много чего классного.

Проектирование зданий, электроники, мебели и даже ювелирки. Документы, бухгалтерия и налоги – как же много тут страданий людей! Медицина. Креативные индустрии. И ещё множество чего.

Столько всего можно сделать лучше!

Я продолжаю разбираться дальше. Ваши комментарии которые помогут мне в этом пути – приветствуются.

The Bitter Lesson

Когда решаешь сложную задачу – всегда помогает набрать побольше экспертизы в доменной области и воспользоваться чужим опытом. Надёжный уверенный способ решать задачи.

Так вот – в AI всё работает иначе. Каждый раз побеждает другая парадигма – взять огромные вычислительные мощности и накидать туда данных или симуляций.

Такой подход выиграл в шахматах – AlphaZero учился без экспертизы. Паттерн повторился в CV, распознавании речи, ботах в Dota 2 и позже в LLM. Каждый раз люди сопротивляются такому подходу – это противоречит нашему человеческому опыту. Эксперты ходят и грустят "а как же наша экспертиза". Знакомо, разработчики?

Этот урок известен как The Bitter Lesson – горький урок необратимой победы большого компьюта и масштаба над доменными экспертными решениями. Название пошло от одноименного эссе Ричарда Саттона.

Ричард описывает корневую причину как закон Мура в его современных формах. Рост компьюта продолжает расти – значит, решения масштабируемые по компьюту в итоге победят. Экспертность не масштабируется.

Ключевые навыки для продвижения вперёд это scalable search and learning – а не экспертные знания. На поиск и обучение раскладывается примерно любой современный AI – и если компьют продолжит расти, эта парадигма победит.

В robotics сейчас происходит борьба этих двух подходов. Лагерь запомнивших bitter lesson ставит на VLA и world models. Лагерь более классических подходов сопротивляется – и не без оснований. Сильные аргументы есть с обеих сторон – но будущее уже предопределено. Правда, непонятно, когда.

Интересно, что похожий паттерн видно везде. Мы учим наши AI-системы доменное-специфичным вещам и прочим claude.md хакам – чтобы в очередной итерации развития моделей получить очередной bitter lesson – и выкинуть это всё на помойку. Мы строим экспертные компании на доменных знаниях – и потом массово закрываем их получив очередной горький урок.

The Bitter Lesson – важнейший концепт для понимания технологий сегодня, стоит его изучить. Прочитайте эссе, оно короткое.

p.s. пост заведомо однобокий для усиления. есть сильные аргументы в другую сторону, включая огромное количество экспертов в обучении современных llm

Кстати, если ещё не смотрели Pantheon – бегите смотреть!

Сериал про Uploaded Intelligence – людей загружают в облако и они начинают там другую жизнь. Очень технологичный, супер актуальный, великолепно сделан. И прямо в точку.

Вайбы Love, Death & Robots и Black Mirror. Netflix

Ребятам, которые увлеклись вайбкодингом.

Если вы смогли сегодня что-то навайбкодить – завтра это сможет сделать любой школьник. Вам может казаться что ваш эйджент сворм самый крутой – оглянитесь потом назад после выхода следующего opus/codex.

Ценность перетекает в другие места. Отношения, нетворк, GTM, глубокая доменная экспертиза etc.

Вайбкодинг – новая база. Разобрались, освоили – и вперёд отращивать то, чем вы будете ценны хотя бы через полгода.

Kodacode

Я ангел-инвестор в трёх технологических компаниях.

Надо заметить что это сомнительный способ зарабатывать деньги. Статистика против тебя – если ты не знаешь каких-то секретов. Я делаю это не ради денег. Для меня это способ ставить на своё же видение и получать реальную обратную связь. А ещё – проживать с компаниями их путь.

Одна из компаний это Kodacode – российский Cursor. Идея простая – на рынке нужен локальный подобный продукт из-за ограничений, а экспертных команд которые могут создать такой продукт мало. Если вы думаете что Cursor это простая обёртка – советую почитать например репорт про Composer 2.

Проекту уже год. Ребята отлично себя чувствуют.

Отличный продукт, любимый разработчиками. Рост x5 по юзерам с начала года – 15k MAU – практически без платного привлечения. 1000+ человек в комьюнити. Есть полный стек своих моделей – лучшие модели среди конкурентов по бенчам.

У команды сильная экспертиза в создании своих моделей – и это очень важно, так как долгосрочный рычаг в более эффективных адаптируемых on-premise моделях. Всё как у Cursor. Ребята умеют обучать модели под кодовую базу компании – кто таким может похвастаться?

Платные подписки появились только в марте – и уже дают около миллиона выручки в месяц. Настоящий бизнес здесь в b2b – и первые серьёзные контракты уже на подходе.

Скоро Series A. Вопросов ребятам можно накидать в комментариях.

Kodacode Website | Telegram | Community

Накидали клоунов на пост )

В такие моменты я вспоминаю эту потрясающую картинку которую нашла моя дочь

Думаю, вы часто слышите, что у сына маминой подруги уже случился эйай. Бизнесом заправляют агенты, данные лежат в LLM Wiki, а кофемашина в офисе имеет свой MCP.

Не ведитесь. Практика в бизнесах совсем другая.

В среду Рома Кумар с классными ребятами делает онлайн-конфу про AI. Я там расскажу про более реальное положение дел.

Расскажу про:
- Что на самом деле происходит в компаниях с AI
- Как живые люди сопротивляются изменениям и что с этим делать
- Какие другие типичные сложности возникают и что делать уже с ними
- РФ-специфичные сложности и как люди их решают

Я выступаю в 21:00. Приходите послушать.

Регистрация тут

Китайская токен-экономика – реально киберпанк

Оказывается, в Китае можно купить доступ к Anthropic / OpenAI за 10% от официальной цены. Я не ошибся – дешевле в десять раз.

За этим стоит невероятный мир китайской токен-экономики. Ключевой элемент – специальные transfer stations: прокси, пробрасывающие токены из США в Китай.

Работает это в несколько слоёв.

Во-первых, они эксплуатируют субсидированные бесплатные и Max-подписки через фейковые аккаунты. Американские компании постоянно ужесточают доступ – и это порождает ответную индустрию. Например, на потоке стоит поиск реальных людей в Азии и Латинской Америке, которые проходят KYC и заводят аккаунты.

Во-вторых, они подменяют модели, скрывая это от потребителя. Вы покупаете доступ к Opus 4.8, но если запрос простой – вам подсовывают Sonnet. Кстати, это довольно сложно сделать – эти пираты технологически сильны.

Но самое интересное – рынок данных. Эти сервисы собирают запросы и ответы, и потом продают их дальше – в том числе в китайские лабы. Датасеты с reasoning traces непонятного происхождения периодически попадаются на HuggingFace.

В результате получается радикально меньшая цена. Вот пример такого провайдера: Yunwu. Цены дешевле официального API Anthropic на 93%.

Интересно, что в самом Китае такие сервисы тоже запрещены: они не проходят регуляцию. Но их много и они серые.

Transfer stations являются частью большого процесса дистилляции топовых американских моделей. Вы же не думаете что Китай сам свои модели создаёт? Deepseek не появился бы без американских моделей. На это постоянно жалуется Anthropic. Что там у нас с отключением Fable для не-US?

Очень много деталей можно найти в этом блогпосте. Великолепное чтиво. Там есть такая феноменальная фраза:

History teaches us that access blockage rarely stops determined users. They raise the cost of access, which in turn creates profitable markets for anyone with the expertise to lower it.

Всё так, всё так.