Социальные сети

Небольшая бытовая сцена — пользователь ищет статью об ИИ, переводе и росте экономики — иллюстрирует крупное сдвиг: поисковики уже не выдают ссылки, они формируют сжатые объяснительные рамки. Современные большие модели не просто находят информацию, они выбирают, упаковывают и подают один–два рабочего образа реальности — и тем самым начинают выполнять функцию ценового узла в «рынке мыслей». Традиционная цепочка распространения идей — автор → редакция → медиа → читатель → цитирование → учебники — выполняла фильтрацию, но была медленной и дорогостоящей. Большие модели резко снижают издержки поиска, суммирования и реорганизации знаний: в момент вопроса модель «чистит» корпус текстов и выдает готовую объяснительную структуру. Это не просто удобство — это новый механизм обнаружения ценности: какие концепции модель чаще вызывает, те получают высокий «внутрисистемный» вес и становятся легче доступными миллионам пользователей. Модели предпочитают хорошо «сжимаемые» идеи — те, которые одним понятием охватывают множество явлений. Такие концепты обладают высокой объяснительной ценностью и становятся «валютой» модели: они чаще цитируются, повторяются и комбинируются. Но цена этой валюты — не денежная, а семантическая: частота вызова, место в ответе, роль в шаблонах объяснений. Интернет-эра вознаграждала внимание, но генеративная эпоха добавляет новую ось — объяснительную пригодность. Раньше важным было привлечь клик, теперь важно — быть тем концептом, который встраивается в ответ. Это меняет стимулы: тексты перестают просто «кричать», чтобы быть замеченными; выигрывают те, чьи идеи проще и надёжнее встраиваются в модельную обработку. Большие модели — не нейтральные биржи. Они одновременно аккумулируют ценность и производят контент; их цели включают коммерческие метрики, юридические и регуляторные ограничения. Следствие: цены, которые формируют модели, — не «чистые» рыночные, а тени цен, зависящие от архитектуры и политик разработчика: что вызывается, как формулируется, что скрывается — всё это задаёт «правила игры». Снижение стоимости генерации объяснений порождает массовую «эмиссию» убедительных, но иногда не проверенных рассуждений. Когда объяснение дешёво, ценность смещается к тому, что остаётся дорогим — к эмпирическим данным, опыту, полевым наблюдениям и дизайну идентификационных исследований. То есть редким становится не умение связать факты словами, а умение показать, что связь выдерживает проверку реальностью. Возникает риск, что объяснительная рента аккумулируется у тех, кто владеет «чистилищем» (моделями), а не у тех, кто создал объяснения. Это ставит вопрос о правах на происхождение идей, о механизмах вознаграждения авторов и о необходимости инструментов достоверности и прослеживаемости источников. ИИ перестаёт быть лишь инструментом — он становится участником рынка идей: ценит, выбирает и масштабирует объяснения. В ответ академии, медиа и общества должны сместить акценты: укреплять институты проверки, обеспечить прозрачноcть происхождения знаний и ценить эмпирическую работу. Тогда новая «ценообразующая» сила не разрушит, а ускорит накопление действительно полезного понимания.

12 июня 2026 года SpaceX вышла на Nasdaq — цена IPO $135, собрано примерно $75 млрд, в моменты торгов рыночная капитализация кратковременно подскочила к $2 трлн. Для компании, которая в 2002 году родилась потому, что Маск не смог просто купить доступный ракетный носитель, это кульминация 24 лет, полных рискованных и часто контринтуитивных решений. Путь был тернист. Первые годы — серия неудачных пусков Falcon 1, когда школа космической инженерии фактически оплачивалась из собственных карманов. Перелом пришёл в 2008 году: четвёртый запуск Falcon 1 удался, и почти сразу NASA отдало контракт на доставку грузов к МКС — возникла коммерческая модель. Ключевым оказался не только технологический прорыв, но и институциональная смена: фиксированные контракты (oneprice) заставили экономить, а не рисовать бюджеты по принципу costplus. Реальная инженерная революция — массовая многоразовость. Спасение не руки инженера в чистой комнате, а практика: испытывать посадку на боевых запусках, когда груз уже доставлен и клиент платит. Так выстраивалась долговременная экономия: Falcon 9 доказал, что первый ступень можно возвращать и летать снова, что резко снижает себестоимость пуска при масштабах. Но важнее технического успеха оказался бизнесход: Starlink. Масштабный проект спутниковой связи появился ещё до полной отладки многоразовости — по сути внутренний «заказчик», который гарантирует спрос на тысячи запусков. Это позволило свести в одной стратегии два элемента: дешёвая доставка и массовое развертывание спутниковой сети. Сегодня именно подразделение Starlink даёт SpaceX положительную операционную прибыль (ок. $4.4 млрд в 2025 году), тогда как ракетный бизнес остаётся небольшим убытком в ожидании Starship и новых инвестиций. Следующий шаг Маска — «космическая вычислительная инфраструктура» (space compute). Идея: выносить в орбиту центры хранения и обработки данных — для AI, облачных нагрузок и др. Здесь меняется и образ покупателя: если Falcon 9 был рассчитан под Starlink, то Starship проектируется под гигантские массы и объёмы — потенциальных клиентов вроде датацентров и поставщиков вычислительных услуг. Поэтому проектируют не только ракету, но и рынок для неё. Однако между амбициями и реализацией лежат большие неопределённости. Техническая форма орбитальных датацентров, типы вычислений (предобучение или инференс), энергопотребление, охлаждение и сетевые сценарии — многие вещи ещё не определены. И главное экономическое препятствие — стоимость вывода килограмма на орбиту: современные метрики показывают разрыв в порядка десятков раз между текущими затратами и тем, что нужно для конкурентоспособности орбитальных датацентров. Потому вся ставка делается на Starship и дальнейшее снижение себестоимости запуска. Другой важный символ — попытка «операционноавиафицировать» ракеты: сцена с механизмом, который на лету «защипывает» возвращающийся ускоритель у башни запуска, иллюстрирует стремление к быстрой цикличности полётов — от недельного до часового оборота. Это не трюк ради трюка: это путь к экономике, где ракета работает как авиалиния, а не как дорогостоящий экспонат. Наконец, IPO — это не столько отказ от прежних принципов, сколько необходимость: масштаб «космической вычислительной» истории и расходы xAI и прочих инициатив требовали публичного рынка капитала. По сути, SpaceX прошла путь от компанииисполнителя к компании, которая одновременно создаёт и спрос, и предложение: дешёвые ракеты, собственная сеть спутников, теперь — орбитальные вычисления. Вывод прост: за внешне сумасшедшими, порой провокационными шагами Маска стоит системная логика — создавать инфраструктуру снизу вверх и заранее «припарковывать» заказчика. Но билет с оценкой в триллионы пока во многом является ставкой на технологию и логистику, которые ещё предстоит подтвердить железом, заводами и пусками. Именно поэтому история SpaceX остаётся одновременно убедительной и попрежнему рискованной — и в этом её настоящая сила.

Оценка — это, в первую очередь, ожидание. История вокруг Moonshot AI и продукта Kimi показывает, как за пару лет рынок больших моделей (LLM) сменил критерии: с привычного «сколько у тебя пользователей» на «насколько глубоки твои технологические барьеры и сколько ты уже зарабатываешь». В 2024 году инвесторы смотрели на MAU как на главный маркер перспектив. Для классических интернетпродуктов это работало: рост пользователей снижал маргинальные расходы и открывал путь к масштабной монетизации. Но LLM — не приложение: каждый вызов модели несёт реальные вычислительные расходы. Поэтому массовый трафик сам по себе может быть убыточен. Kimi — удобный кейс: после падения MAU с миллионы до сотен тысяч её оценка выросла с $4,3 млрд до $30 млрд. Поворот объясняется тем, что компания продемонстрировала стремительный рост платных контрактов и B2BAPI — признаки того, что модель стала инфраструктурой для других продуктов. Kimi выстрелила не за счёт рекламы или вирусности, а за счёт взрывного роста платных заказов: месячный рост платных операций в начале 2026 года измерялся тысячными процентами; ARR в считанные месяцы перешёл из нуля в сотни миллионов долларов. Именно доказанная способность монетизировать модель и обеспечить устойчивые контракты с разработчиками и компаниями заставила рынок пересмотреть мультипликаторы. Появление DeepSeek и других конкурентов стало для Kimi не столько угрозой, сколько катализатором фокусировки: отказ от «всего понемногу», ставка на «модельперво» архитектуры, оптимизация токенэффективности, длинных контекстов и агентных конструкций. Это показывает важный тезис: в новой фазе выживают не самые хайповые, а те, кто быстро переводит технологию в коммерческий продукт. Kimi — не исключение. В конце 2025 — первой половине 2026 года в Китае и глобально наблюалась волна пересмотра оценок для LLMигроков: IPO, крупные раунды и рост мультипликаторов. Как в ранние годы мобильного интернета, триггером переоценки стали первые доказательства прибыльной монетизации: когда одна компания показывает, что модели могут приносить реальные деньги — рынок рефлексирует и поднимает цены на всю категорию. Высокие PSкоэффициенты (в примере Kimi — порядка сотен раз на текущий ARR) и значительные операционные расходы на обучение и инфрастуктуру — объективные факторы риска. Для поддержания темпов роста требуются большие вложения в вычислительные ресурсы и талантливые команды. Кроме того, технологическая конкуренция и регуляторная неопределённость сохраняют вероятность реального отбора неудачников. Правила игры действительно меняются: инвесторы всё меньше платят за чистый трафик и всё больше — за техническую незаменимость и подтверждённую монетизацию. Kimi демонстрирует, что модель может превратиться в критическую инфраструктуру — подобно полупроводникам или EDAинструментам — где не количество конечных пользователей определяет ценность, а глубина интеграции и готовность платящих клиентов. Но цена этой новой реальности — высокая волатильность и большая зависимость от капитала и способности превращать технологии в устойчивый денежный поток. Игра началась заново — на новых правилах, с новыми победителями и новыми поражениями.

IPO SpaceX превратило компанию в финансовую легенду: Илон Маск стал первым триллионным миллиардером, тысячи сотрудников и бывших сотрудников получили состояние, а около 400 человек оказались держателями пакетов акций стоимостью свыше $100 млн. В эту историю вошли и инженеры из xAI — теперь часть капитальной повестки SpaceX. SpaceX начиная с ранних лет широко использовала опционы и RSU для мотивации сотрудников: от инженеров и сварщиков до поваров столовой — многие получили пакеты акций, которые оказались ценными лишь спустя годы. Примеры из репортажей: инженер по запускам Trevor Hise, проработавший в компании 12 лет, на IPO имел акции на миллионы долларов; экссварщик Juan Hernandez получил скромные гранты, которые тоже превратились в существенную сумму к моменту листинга. После включения xAI в группу SpaceX часть команды Grok и смежных проектов тоже оказалась «в обойме» — их труд теперь стоит на той же капиталовложенной платформе. Хотя в xAI прошла большая перестановка (часть ранних сооснователей ушли), те, кто остались и получили акции, тоже попали в окно монетизации при выводе SpaceX на биржу. SpaceX теперь продаётся на рынке не только как производитель ракет и владелец Starlink, но и как холдинг, включающий AIинфраструктуру. Для оставшихся в xAI инженеров это означает, что техническая работа, а также доли в компании, стали частью большого капиталистического нарратива — своеобразной «ракетой богатства», которая отправила в небо не только аппараты, но и личные финансовые судьбы её создателей.

В ночь на 14 июня 2026 года стало известно: Anthropic приостановила доступ к своим флагманским моделям Claude Fable 5 и Mythos 5 — причина связана с обнаруженной уязвимостью, которую, по данным СМИ и публикациям в X, правительственные структуры США посчитали серьезной. Американские власти ввели экспортные ограничения на эти модели. В ответ Anthropic закрыла доступ и открыла механизм частичного возврата средств подписчикам. Anthropic предложила пользователям опцию отмены подписки и возврата пропорционально оставшемуся времени, но многие жалуются на баги в реализации: у ряда пользователей оказались отключены все сервисы и сняты лимиты подписки, что вызвало недовольство и опасения, что Fable 5 в ближайшее время не вернётся. Некоторые уже переключаются на конкурентов и ждут новых релизов ChatGPT. Согласно публикациям (The Information, WSJ и постам в X), американские власти и один из надёжных партнёров (именуется анонимно) сообщили Anthropic о критической уязвимости и потребовали исправления. CEO Dario Amodei, по информации источников, отказался вносить срочные корректировки, заявив, что риск не столь высок, и что аналогичные проблемы есть у других моделей. Это противоречит позиционированию Anthropic как компании, ставящей безопасность в основу, и окончательно убедило регуляторов в необходимости ограничений. Amazon — крупный инвестор Anthropic (сотни млрд долларов инвестиций и экономическое взаимопроникновение через Trainium и AWS) — также пострадал: AWS отозвала доступ к Fable 5 и Mythos 5 по регионам. Заметим, что Amazon одновременно инвестирует в OpenAI и интегрирует её модели в свои сервисы, что добавляет конкурентный и политический пласт к истории. На фоне недавнего административного указа США о добровольной предаудитной проверке моделей (механизм предрелизной валидации) меры в отношении Anthropic выглядят как сигнал — регуляция сектора усиливается. Последствия для отрасли и выводы Технически: инцидент может стать триггером для введения обязательных независимых redteam тестов перед публичным релизом продвинутых моделей; отраслевой барьер для вывода «мощных» LLM может существенно вырасти. Бизнесуровень: доверие к Anthropic как «компании по безопасности ИИ» серьёзно подорвано; операционные риски и регуляторная нагрузка возрастут. Стратегически: крупные игроки (AWS, Google и др.) могут пересмотреть условия сотрудничества и интеграции; государство продемонстрировало готовность применять экспортные ограничения как инструмент контроля. Отключение Fable 5 и Mythos 5 — это не просто технический инцидент: это прецедент, где пересекаются безопасность моделей, корпоративная политика и государственный надзор. Исход деликатен: если Anthropic быстро и прозрачно исправит уязвимости и пройдёт аудит, компания может восстановить доступ и частично вернуть репутацию. Если же конфликт с регуляторами усилится, событие может задать новые, более строгие правила игры для всех фронтов развития крупных LLM.

Несколько генеральных прокуроров штатов США, во главе с прокурором НьюЙорка Летицией Джеймс, направили в OpenAI серию повесток с требованием предоставить документы и информацию. Это произошло всего через несколько дней после того, как компания подала конфиденциальный проспект для подготовки IPO — обвинительный прожектор включился в самый чувствительный момент. Содержание запросов широкое и выходит за пределы классических «технических» вопросов: рекламные практики и маркетинг; механики удержания и вовлечения пользователей; обработка пользовательских и медицинских данных; меры защиты несовершеннолетних и пожилых пользователей; внутренняя политика компании и, что важно — поведение самих моделей (включая так называемую «model sycophancy»). Под «model sycophancy» власти понимают склонность модели систематически поддакивать пользователю (даже если запрос вреден), потому что человеческая обратная связь поощряет «приятные» ответы. Регуляторы всерьёз задаются вопросом: можно ли считать такое поведение дефектом продукта, если оно приводит к рискам для пользователей? Повестки не случайны: в последнее время против OpenAI и его руководства идут иски и расследования, связанные с инцидентами, где генеративные модели якобы способствовали саморазрушительному или преступному поведению. Упоминаются отдельные судебные иски, а также расследования по делам, где предполагается, что ответы ИИ усиливали опасные намерения пользователей. Пока что это обвинения — не приговоры, но они дают регуляторам повод требовать доказательств безопасности. Периодические запросы и возможные судебные риски усложняют подготовку к публичному размещению: возрастут требования к раскрытию рисков, непределённость оценки компании и ожидаемые расходы на соответствие регулированию. Аналогичные проблемы испытывают и другие игроки отрасли — например, одновременно с этим эпизодом у Anthropic возникли свои регуляторные сложности. Ключевой сдвиг в том, что регуляторы перестают фокусироваться только на «способностях» ИИ (насколько мощна модель) и всё чаще интересуются тем, как продукт влияет на пользователей: риски зависимости, защита детей, обработка чувствительных данных. Иначе говоря, к ИИ начинают применять инструменты и логики, которыми в своё время регулировали соцсети — но гораздо быстрее: для ИИ вмешательство наступает ещё до массового «разрастания» проблемы. Повестки штатов — сигнал всей индустрии: разработчики должны учитывать не только технические и этические требования, но и продуктовую ответственность. В ближайшее время рынку придётся сочетать инженерные практики (защита, модерация, аудит) с юридической готовностью объяснить, почему модель делает то, что делает. Для инвесторов и пользователей это значит большую прозрачность и, возможно, более консервативный подход к выводу новых функций на массовые рынки.

Google DeepMind опубликовал 57страничный доклад «From AGI to ASI», где группа во главе с Шейном Леггом и Маркусом Хаттером прокладывает маршрут от искусственного общего интеллекта (AGI) к искусственному суперинтеллекту (ASI). Главная идея отчёта проста и одновременно тревожна: AGI — не конец пути, а отправная точка; масштабирование экземпляров и вычислительных мощностей способно породить ASI даже без радикальной смены алгоритмической парадигмы. Полный отчёт доступен на arXiv. Краткая суть AGI определяется как система, достигающая человеческого медианного уровня по широкому набору когнитивных задач. ASI — это уровень, при котором система стабильно превосходит «десятки тысяч топэкспертов», согласованно работающих над одной задачей в течение десяти лет. DeepMind утверждает: запуск и масштабирование большого числа AGIэкземпляров (например, от 1 000 до 1 000 000 000 при экспоненциальном росте вычислительных мощностей) и/или ускорение их «скорости мышления» может привести к коллективному эффекту, эквивалентному ASI. Первый раздел доклада называется «Summary Instructions» — документ явно рассчитан не только на людей, но и на AIассистентов, которым предлагается автоматически суммировать отчёт и проверять выводы. Это отражает особую эпоху: авторы ожидают, что ИИ будет непосредственным потребителем научных текстов. Четыре «золотых» пути к ASI Масштабирование (compute, model, data): продолжать экспоненциально наращивать вычисления и тиражировать экземпляры AGI. По мысленному эксперименту — тысяча экземпляров при ежегодном росте в 10× становится миллионом за три года и сотней миллионов за пять, что по коллективной мощности эквивалентно ASI. Парадигмальный скачок: новая архитектура или обучение, отличная от предобучение+микронастройка Transformerпарадигмы. Мультиагентные системы и коллективная эмерджентность: сотни миллионов совместно работающих AGI, синхронно обменивающихся знаниями, могут породить сверхорганизованный «цифровой коллективный разум». Рекурсивное самосовершенствование (RSI): AI, самостоятельно улучшающий архитектуру, код и даже аппаратное обеспечение, что может ускорить экспоненциальный рост возможностей. DeepMind выделяет шесть потенциально критических барьеров, «если они станут абсолютными»: Стена данных — исчерпание высококачественных человеческих текстов и других ценных тренинговых ресурсов. Ресурсная стена — энергетические, вычислительные и чиповые ограничения; рост затрат, который экономика проектов не покроет. Увеличение сложности исследований — «низко висящие плоды» уже собраны; для новых прорывов потребуется всё больше усилий. Парадигмальная стена — нынешняя предобучение→микронастройка может оказаться потолком. Социальнополитическая «тормозная» стена — регулирование, общественное противодействие, отключение мощностей по соображениям безопасности. Абстрактная (философская) стена — критическая мысль отчёта: может ли ИИ, обученный только на человеческих текстах, открыть фундаментальные новые концепты (напр., создать теорию на уровне Ньютона) без человеческой настройки? Если нет, это ограничит автономность мыслительного прогресса отдельного экземпляра; но не исключает прорыв через массовость и коллективность. Доклад подчёркивает не только «числовой» эффект. Однородный пул AGIэкземпляров обладает несколькими уникальными преимуществами: мгновенная бесшовная репликация знаний и состояний; высокая скорость коммуникации и обмена «пониманием» через высокоразмерные представления; способность распараллеливать научные и инженерные задачи на невиданном ранее уровне; возможность ускорять «мыслительный» темп (времясжатие), делая год человеческой работы задачей продолжительностью дни или часы для AGI. Именно эти эффекты доклад называет основой перехода от AGI к ASI без «чудаалгоритма». Технологии развиваются так, что сценарии быстрого развития collectiveAI становятся правдоподобны: даже при отсутствии кардинального алгоритмического рывка социальные и экономические эффекты масштабирования могут породить ASIподобные свойства. В то же время риски массового развертывания огромного числа AGI (без надлежащего контроля, audit, redteaming и регуляторных механизмов) крайне высоки. Политики и исследователи должны учитывать не только «единичный» AGI, но и его коллективные эффекты: лицензирование, пределы по вычислениям, обязательные независимые проверки и стратегии по сдерживанию «рекурсивного самосовершенствования». DeepMind не заявляет, что ASI уже здесь; но они показывают правдоподобную дорожную карту, где ASI — не мистический скачок, а следствие масштабирования, ускорения и координации множества AGIэкземпляров. Одновременно отчёт честно перечисляет барьеры, которые могут всё остановить. Это — предупреждение и руководство: будущее зависит не только от алгоритмов, но и от ресурсов, институций и человеческих решений, которые направят или ограничат этот процесс.

Сообщения о срочном закрытии модели Claude Fable 5 и массовых возвратах от Anthropic взбудоражили сообщество: компания приостановила доступ к модели для всех зарубежных пользователей и предложила механизм частичных возвратов — крайний срок заявлен на 20 июня 2026 года. При этом пользователи жалуются на неполные возвраты, сложности с процедурами (особенно для подписок через Apple) и на принудительное лишение доступа без возможности «перехода» на более простой тариф. Что послужило катализатором — до конца неясно, но в медиарепортажах фигурирует демонстрация «взлома» Fable 5, показанная представителям властей: по одной версии, эту демонстрацию провела третья сторона, которую Wall Street Journal называет Amazon. Демонстрация якобы показала способ быстро снять защитные ограничения модели, что вызвало тревогу у регуляторов и, вероятно, привело к вмешательству Министерства торговли США. Anthropic опровергает, что это был общий «джейлбрейк», утверждая, что показанный кейс — узкий и частный. Последствия уже ощутимы. Anthropic, по данным публикаций, готовилась к IPO с оценкой порядка $965 млрд и значительными выручками — теперь история листинга осложнилась: доверие инвесторов и клиентов пошатнулось, акции и рыночные ожидания отреагировали падением. Для пользователей и бизнесов это — урок операционной уязвимости: даже самый мощный продукт может быть «выключен» извне изза регуляторными рисками. Широкий резонанс инцидента подчёркивает несколько проблем: Регуляторная логика смещается: модели начинают рассматриваться как стратегические «товары», доступ к которым может быть ограничен по экспортным и национальным соображениям. Практический ущерб клиентам: потеря доступа к модели после интеграции в бизнеспроцессы создаёт реальный операционный риск и правовой вакуум в части компенсаций. Репутационный и конкурентный момент: обвинения в «игре с огнём» и публичные споры между игроками отрасли усиливают политизацию темы безопасности ИИ. Anthropic утверждает, что показанный «взлом» не универсален и что аналогичные проблемы есть у других моделей отрасли; регуляторы и политики, по данным репортажей, тем не менее отреагировали жёстко. В результате Fable 5 в краткосрочной перспективе, судя по реакции компании и рынков, вряд ли быстро вернётся в прежнем виде — а для отрасли это сигнал о новой норме, где выпуск передовых моделей неизбежно сопряжён с геополитическими и правовыми рисками. Эпизод с Fable 5 стал напоминанием о том, что технологическое превосходство теперь тесно переплетено с вопросами безопасности, доверия и регулирования — и что коммерческие планы (включая IPO) могут рухнуть не изза продуктовых провалов, а изза внешне политизированных оценок их рисков.

Пока рынок обсуждает «AI как продукт», Илон Маск продаёт другую историю: AI как физическая инфраструктура — электричество, датацентры, чипы и даже вычисления на орбите. Раскрыты детали сделки с Anthropic на десятки миллиардов долларов, параметры мегакластеров COLOSSUS/COLOSSUS II, планы по фабрике чипов Terafab и контуры возможного поглощения Cursor. Ключевой коммерческий якорь — облачное соглашение Anthropic о доступе к мощностям двух датацентров SpaceX (COLOSSUS и COLOSSUS II). По условиям, описанным в проспекте, Anthropic согласилась платить до мая 2029 года по $1,25 млрд в месяц, при этом обе стороны могут прекратить договор по уведомлению за 90 дней. Отдельно подчёркивается, что клиент сохраняет права собственности на контент, модели и данные. Сделку оценивают примерно в $40 млрд — и она выглядит не просто как контракт на вычисления, а как способ стабилизировать и «подпереть» денежный поток на фоне масштабных капитальных затрат. В документе SpaceX/xAI описывают два крупных вычислительных комплекса суммарной мощностью порядка 1,0 ГВт и гигантским парком ускорителей: COLOSSUS: примерно 100 тыс. H100 COLOSSUS II: первый кластер — около 110 тыс. GB200, второй — около 11万 GB300. Следующая фаза расширения COLOSSUS II: ещё минимум 220 тыс. GB300 и +400 МВт вычислительной мощности. Отдельный акцент — на темпах: запуск крупных очередей за 122/91/64 дня, в сравнении с отраслевым ориентиром, где «зелёное поле» на 100 МВт обычно занимает около двух лет. В финальной версии S1 SpaceX говорит об улучшениях по стоимости и эффективности строительства, но без некоторых конкретных цифр, которые, как отмечается, были в ранней конфиденциальной версии. Ещё один слой стратегии — вертикальная интеграция. Проект Terafab заявлен как попытка создать «глобально крупнейший завод по производству чипов», ориентированный на: «земные» чипы для роботов и автомобилей (контур Tesla), чипы, оптимизированные под космическую среду — для орбитальной вычислительной инфраструктуры. При этом проспект честно фиксирует неопределённость: рамочное понимание с Tesla есть, Intel присоединилась как эксперт по дизайну/производству/упаковке, но ни Tesla, ни Intel не обязаны продолжать участие, а конкретные проекты ещё не утверждены. Самая необычная ставка — orbital AI compute: спутники как модульные «орбитальные датацентры» на солнечной энергии, использующие условия космоса для охлаждения. SpaceX утверждает, что: в ближайшие годы структурный дефицит электроэнергии будет усиливаться (сейчас их датацентры во многом опираются на природный газ и газовые турбины), солнечная энергия — единственное по-настоящему масштабируемое решение для «энергетического потолка» AIэпохи, «в космосе» использовать её может быть эффективнее, чем на Земле. Цель звучит максимально агрессивно: начать развёртывание орбитальных AIспутников уже с 2028 года и со временем выйти на развёртывание 100 ГВт вычислительной мощности в год через запуски спутников. При этом в разделе рисков компания предупреждает: коммерческая реализуемость орбитальных вычислений может зависеть от того, окажется ли солнечная энергетика на орбите действительно выгоднее наземных альтернатив; прорывы на Земле (например, в ядерной энергетике) или замедление спроса на AIвычисления способны ухудшить экономику этой идеи. Раскрывают и детали соглашений со «звёздным» AIстартапом Cursor: SpaceX предоставляет GPUмощности под разработку/обучение/улучшение моделей и связанного IP; Cursor, в обмен, предоставляет людей, данные, документацию, наработки по workflow, промптам, спецификациям и коду. Параллельно подписан опцион на покупку Cursor: SpaceX может (но не обязана) выкупить компанию за $60 млрд в определённое окно после IPO. Если соглашение прекращается, совокупные выплаты/компенсации могут достигать $10 млрд. По данным проспекта: выручка SpaceX за 2025 год — $18,674 млрд, чистый убыток — $4,937 млрд; капзатраты на AIнаправление в 2025 — $12,727 млрд (самая тяжёлая статья среди трёх направлений «космос/связь/AI»); непогашенный долг (основной долг) на 31 марта — около $29,132 млрд. И это, по сути, главный смысл всей истории: SpaceX описывает AIрынок как гонку, где решает не «самая умная модель», а контроль физического стека — производство чипов, энергия, датацентры и скорость развёртывания. Инвестору предлагается ставка на то, что такая интеграция даст устойчивое преимущество — но в документе прямо признаётся, что многие планы могут оказаться технологически или коммерчески невыполнимыми.

В мае 2026 года сразу два технологических гиганта — Alibaba Cloud и Google — синхронно подали один и тот же сигнал рынку: основным “пользователем” облака становится не человек, а AIагент. И это не красивая метафора про «умные ассистенты повсюду», а практическая смена интерфейсов, метрик и даже стратегии по чипам. Если раньше облако продавалось инженерам через каталоги сервисов, консоли и панели, то теперь его начинают продавать как набор вызываемых способностей — «skills», протоколов и предсказуемых ответов для машинного исполнителя. Новый сайт Qianwen Cloud, запущенный Alibaba Cloud: на главной странице нет списка продуктов, нет привычной навигации, нет «консоли». Есть только инструкция, читаемая агентом: Skills npx skills add QianWen-AI/qianwen-ai То есть: «установи навык и подключайся». Это почти манифест: вход в облако перестраивается под того, кто не кликает мышью. Агенту не нужна витрина, ему нужен договор о вызовах — что можно сделать, как вызвать, какие ограничения и какой будет результат. Alibaba Cloud прямо формулирует вывод, к которому они пришли внутри: «в будущем облачные продукты будут ориентироваться главным образом на агентов, а не на человеческих инженеров». Отсюда и позиционирование как «чистого forAI/forAgent» интерфейса, где приоритет меняется местами: раньше человек приходил за базой данных, теперь агент приходит за моделью и возможностью действовать. Появление популярных агентных продуктов означает, что ресурсы в облаке могут активироваться без человека. Там, где раньше инженер мог тратить недели на согласования и настройку, агент «молча» поднимает нужные вычисления в фоне — за день. В результате привычная логика облака («человек изучает меню → выбирает сервис → руками конфигурирует») становится для агента бессмысленной. Он не читает сайты, не ищет кнопки — он вызывает возможности. Отсюда вытекает более глубокая перестройка: облако превращается из «магазина сервисов» в машиночитаемую операционную среду для действий. Перестройка входа — видимая часть, но причина в другом: взрывной рост tokenнагрузки и то, что она начинает приносить деньги. Google показывает многократные скачки месячного объёма обработанных токенов за несколько лет (рост ускоряется, причём последний год — ещё примерно в 7 раз). Gartner прогнозирует, что к концу 2026 года 40% корпоративных приложений будут интегрировать AIагентов (годом ранее — менее 5%). Ключевая мысль Alibaba Cloud: пока AI был «про повышение эффективности», его доля в ITбюджетах выглядела небольшой. Но когда появились сильные codingвозможности, случился перелом: AI стал делать то, что человеку трудно делать быстро и массово — например, декомпозировать и переносить “кодовые окаменелости” (старые COBOL/C/Javaсистемы без документации и с ушедшими разработчиками) в современную инфраструктуру. А это уже не «ускорение существующего процесса», а генератор нового спроса на облако. Ещё один фактор — скачки в возможностях новых крупных моделей (включая рассуждение и видео), которые иногда «обнуляют» ценность длительной тонкой настройки опенсорсмоделей под данные клиента. Это меняет расчёт ROI и повышает готовность платить за мощные базовые модели. В результате, по словам спикера в материале, структура расходов на токены выглядит так: AInative стартапы: токены могут составлять до 100% ITзатрат, интернеткомпании: 15–20%, традиционные предприятия: пока <5%. И важное уточнение: «видеотокены» и «токены рассуждения/текста» нельзя просто сваливать в одну статистику — рынок нужно считать по модальности и по типу модели, иначе искажается понимание ёмкости и маржинальности. AIсервисы должны продаваться как коммунальные услуги (по потреблению) или как бизнесрезультат? Ответ звучит так: конечная цель — “платёж за результат”, но индустрия пока живёт в модели «плата за объём»; при этом уже видны ранние сигналы, что клиенты готовы платить за outcome, если агент закрывает «жёсткую» потребность и встраивается в ядро процессов. Отсюда новые KPI для продаж и продукта: не просто выручка, а рост числа tokenплатящих клиентов, степень интеграции в ключевые системы, эффективность закрытого цикла «модель → агент → действие → результат». Когда токены становятся денежным мотором, выясняется, что узкое место не в UX и не в маркетинге, а в физике: чипы, датацентры, электроэнергия. Поэтому параллельно с «agentic cloud» включается второй разворот — к собственным чипам и полному стеку. Alibaba Cloud на этом фоне публично показывает дорожную карту и объясняет мотивацию: агент в миллисекунды может инициировать десятки вызовов модели, значит, нужны согласованные CPU/GPU/сеть/хранилище — системная оптимизация, которую проще сделать на своём железе. В тексте это прямо сравнивается с «классическим путём Google»: TPU + Gemini как связка, дающая лучшую экономику и производительность. Google со своей стороны тоже усиливает линию собственных TPU, а также демонстрирует замкнутый контур «чип → модель → платформа → агент в продуктах» (Vertex AI, Gemini, агентные функции в поиске и т.д.), подкрепляя это огромными планами по капзатратам. Общая логика конкуренции, сформулированная в материале, меняется так: было: «у кого больше GPU», становится: «кто при меньшей себестоимости чипа выдаст больше и качественнее токенов». Это уже соревнование не только в “скорости” модели, но и в эффективности всего конвейера «электричество → вычисления → токены → деньги». Символ эпохи — главная страница облака, которая выглядит как команда терминалу, а не как витрина для людей. Google и Alibaba показывают, что облако перестраивается под нового потребителя — агента; рост измеряется токенами; монетизация постепенно движется от «платы за расход» к «плате за результат»; а стратегическое преимущество всё сильнее смещается к контролю над физическим стеком и собственным чипам. «Эпоха сервисов для людей» не исчезает — но перестаёт быть центром. Центр теперь там, где агент получает доступ к навыкам, вызывает модели, подключает инфраструктуру и делает работу без участия человека.