Новости

Социальные сети

Узнайте больше о рынке It и новейших технологиях.
СТАТЬИ
16Апр

Американский стартап Baseten, разрабатывающий инфраструктуру для запуска моделей искусственного интеллекта, привлек новый раунд инвестиций в размере 1,5 млрд долларов. После сделки оценка компании достигла 13 млрд долларов. Всего за последние 18 месяцев Baseten закрыл четыре инвестиционных раунда, а одним из его инвесторов стала NVIDIA. В отличие от OpenAI или Anthropic, Baseten не создает собственные большие языковые модели. Компания специализируется на том, чтобы помогать бизнесу быстро, надежно и с минимальными затратами запускать и масштабировать уже существующие модели — как открытые, так и коммерческие. Основанная в 2019 году компания первоначально занималась решениями в области машинного обучения для борьбы с мошенничеством и модерации контента. Однако настоящий рост начался после появления ChatGPT в конце 2022 года, когда Baseten переориентировалась на инфраструктуру для генеративного ИИ. Сегодня многие AI-продукты используют сразу несколько моделей для разных задач. Например, сложная генерация кода может выполняться мощной коммерческой моделью, тогда как поиск, классификация или обработка контекста — более дешевыми открытыми моделями. Baseten предоставляет платформу, которая позволяет управлять такой инфраструктурой, распределять вычислительные ресурсы, оптимизировать использование GPU, снижать задержки и контролировать расходы. Клиентами компании стали быстрорастущие разработчики AI-сервисов, включая Cursor, Clay, Lovable, Abridge, Mercor и OpenEvidence. По данным СМИ, в первом квартале 2026 года годовая выручка Baseten достигла около 600 млн долларов, а за последний год доход компании вырос примерно в 20 раз. Эксперты сравнивают бизнес Baseten с ранними этапами развития облачных сервисов. Если раньше Amazon Web Services предоставляла компаниям серверы и вычислительные мощности для веб-приложений, то сегодня Baseten стремится стать инфраструктурной платформой для эпохи искусственного интеллекта, обеспечивая работу миллионов запросов к моделям. Впрочем, рынок AI-инфраструктуры остается крайне конкурентным. За него также борются Fireworks AI, Together AI, Modal, Replicate, Groq, Cerebras и крупнейшие облачные провайдеры. Кроме того, бизнес требует значительных инвестиций в графические процессоры и облачные мощности, поэтому прибыльность во многом зависит от эффективности использования оборудования и качества программной оптимизации. Дополнительным вызовом остается стремительное развитие технологий. Новые модели, ускорители, компиляторы и фреймворки появляются каждые несколько месяцев, поэтому инфраструктурные компании вынуждены постоянно обновлять свои решения, чтобы сохранять конкурентоспособность. Отдельное внимание привлекло участие NVIDIA в финансировании Baseten. Аналитики считают, что производитель графических процессоров делает ставку на долгосрочный рост рынка AI-инференса. Распространение более доступных открытых моделей, таких как DeepSeek, не обязательно снижает спрос на GPU — наоборот, оно может привести к массовому внедрению ИИ в бизнесе и увеличению общего объема вычислений. В этой модели именно такие компании, как Baseten, становятся связующим звеном между разработчиками моделей, облачными платформами и конечными корпоративными пользователями. На фоне быстрого роста рынка генеративного ИИ Baseten становится одним из наиболее заметных игроков в сегменте AI-инфраструктуры, где ключевым фактором успеха становится уже не создание самой мощной модели, а способность эффективно запускать тысячи моделей в реальных производственных условиях.

16Апр

На конференции Internet Security Conference (ISC.AI) 2026 в Пекине компания 360 представила новую стратегию защиты от киберугроз, основанную на искусственном интеллекте. Центральной темой мероприятия стало влияние AI-агентов на сферу информационной безопасности: по мнению компании, они одинаково ускоряют как защиту, так и проведение кибератак. Поводом для обсуждения стали последние события в отрасли. Весной 2026 года компания Anthropic представила модель Mythos, предназначенную для поиска программных уязвимостей. По данным разработчика, система смогла обнаружить давно существовавшие ошибки в OpenBSD и FFmpeg, после чего вокруг нее был сформирован закрытый альянс Glasswing с участием ряда крупных западных компаний. Позднее власти США ограничили распространение модели, сославшись на соображения национальной безопасности. В 360 считают, что подобные технологии меняют баланс сил в киберпространстве. Если раньше поиск критических уязвимостей занимал месяцы и требовал участия высококвалифицированных специалистов, то современные AI-системы способны автоматизировать этот процесс и значительно сократить время от обнаружения проблемы до создания эксплойта. По словам главы компании Чжоу Хунъи, преимущество теперь определяется не только качеством инструментов, но и скоростью их применения. В качестве ответа компания представила собственную платформу поиска уязвимостей под названием «Тулунфэн» («Tu Long Feng»), которую позиционирует как китайский аналог Mythos. По данным 360, система уже обнаружила более 3400 потенциальных уязвимостей, из которых свыше ста получили официальное подтверждение, а часть была классифицирована как критически опасная. Среди них — давно существовавшие ошибки в Windows, Microsoft Office, Excel, а также компонентах экосистемы AI-агентов. Одновременно был представлен комплекс «Итяньчжэнь» («Yi Tian Zhen»), предназначенный для автоматизированной защиты инфраструктуры. Он должен круглосуточно анализировать события безопасности, оценивать риски и автоматически реагировать на инциденты без постоянного участия специалистов. По словам представителей 360, Китай не может ждать, пока отечественные языковые модели сравняются по возможностям с наиболее передовыми зарубежными решениями. Вместо этого компания делает ставку на инженерные решения, объединяя существующие модели с накопленным опытом специалистов по кибербезопасности и системой взаимодействия нескольких AI-агентов. Для развития этой экосистемы был также объявлен запуск программы сотрудничества «Щит Паньши», в которую вошли разработчики операционных систем, процессоров, облачных платформ и другого программного обеспечения. Предполагается, что участники будут совместно использовать инструменты поиска уязвимостей и обмениваться информацией об угрозах. На конференции обсуждалась и обратная сторона развития AI. Современные агенты уже способны автоматически перебирать миллионы ранее украденных учетных данных, что значительно увеличивает масштаб атак на пользовательские аккаунты. Авторы отмечают, что злоумышленникам больше не требуется вручную проводить массовые проверки паролей — эту работу могут выполнять автономные системы. Эксперты также предупреждают, что развитие искусственного интеллекта несет не только известные риски, но и новые типы угроз, которые пока сложно предсказать. По мере роста автономности AI-систем возрастает вероятность появления неожиданных сценариев поведения, особенно в случаях, когда модели принимают решения на основе собственных внутренних закономерностей, не всегда совпадающих с человеческой логикой. На этом фоне специалисты рекомендуют пользователям уделять больше внимания базовым мерам цифровой безопасности: использовать уникальные пароли для разных сервисов, включать двухфакторную аутентификацию и регулярно обновлять учетные данные. По мере того как искусственный интеллект становится доступным как защитникам, так и злоумышленникам, именно скорость обнаружения и устранения уязвимостей может стать главным фактором в борьбе за безопасность цифровой инфраструктуры.

16Апр

В 2026 году мир робототехники окончательно разделился на два лагеря: те, кто строит железные тела (антропоморфные платформы), и те, кто создаёт «мозги» — системы воплощенного интеллекта (Embodied AI). И если верить финансовым отчетам, «мозги» побеждают с разгромным счетом. По данным на июнь 2026 года, объем инвестиций в китайский сегмент воплощенного интеллекта уже составил 43,8 млрд юаней. Это почти 80% от всего объема за рекордный 2025 год. При этом более половины всех средств уходит компаниям, которые занимаются исключительно софтом и обучением моделей, отодвигая производителей «железа» на второй план. Инвесторы руководствуются простым правилом: «Железо определяет нижний порог возможностей робота, а интеллект — верхний». Благодаря развитой производственной цепочке в Китае, создание манипуляторов и приводов стало вопросом оптимизации затрат. Настоящий же вызов — это создание универсальной модели, способной понимать физический мир. Ключевые показатели сектора: Скорость финансирования: раунд раз в месяц стал нормой. Некоторые стартапы умудряются закрыть две стадии привлечения инвестиций с разницей в две недели. Аномальные оценки: средний объем раунда Pre-A в этом секторе составляет 700 млн юаней, а серии B — 2,25 млрд юаней. Такие цифры обычно характерны для зрелых компаний перед выходом на IPO. Лидеры гонки: компания Qianxun Intelligence за четыре месяца собрала около 5 млрд юаней, достигнув оценки в 20 млрд юаней. Если в 2024 году все говорили о VLA-моделях (Vision-Language-Action), то в 2026-м «билетом на бал» стали World Models. Почти 80% стартапов, получивших финансирование в этом году, заявляют о разработке моделей мира. В чем разница? Если VLA опирается на языковые модели, то модели мира чаще используют видеогенерацию как основу (backbone), пытаясь предсказать следующее состояние физической среды. Это позволяет роботам не просто выполнять команды, а «понимать» последствия своих действий в трехмерном пространстве. Рынок захватывают две группы основателей: Академические «звезды»: около половины стартапов возглавляются выходцами из лабораторий топовых вузов (Цинхуа, Пекинский университет). Примечательно омоложение команд — вчерашние аспиранты и «гениальные юноши» 2000-х годов рождения получают миллиардные оценки под свои идеи. Ветераны автопилота: инженеры из Huawei, Baidu и стартапов по беспилотному вождению массово переходят в робототехнику. Для них робот — это просто «автомобиль с руками», а задачи восприятия и планирования в реальном времени им хорошо знакомы. Ситуация на рынке перевернулась: теперь не стартапы бегают за деньгами, а инвестиционные фонды борются за право «занести» капитал. Основатели топовых компаний зачастую ставят жесткие условия: «Либо вы принимаете решение сейчас при оценке в 10 млрд, либо ждете следующего месяца, когда будет уже 15 млрд». Институциональные инвесторы, боясь упустить «новый OpenAI», вынуждены соглашаться на перегретые оценки. Несмотря на эйфорию, эксперты предупреждают о неизбежной «жестокой чистке». Ожидается, что более 90% текущих стартапов исчезнут, как только станет понятно, чья технологическая архитектура действительно способна к обобщению (generalization) в реальных условиях. Но пока капитал продолжает течь рекой. Ставка невероятно высока: создание ИИ, который сможет управлять любым физическим устройством так же легко, как человек, откроет рынок объемом в триллионы долларов, сопоставимый с рынками автомобилей и смартфонов вместе взятыми.

16Апр

В эпоху искусственного интеллекта состояние можно заработать не за десятилетия, а за несколько лет. Одним из самых ярких примеров стала компания Anysphere — разработчик популярного ИИ-редактора кода Cursor. После объявления о покупке компании SpaceX за 60 млрд долларов десятки ее ранних сотрудников фактически стали мультимиллионерами. По оценкам аналитиков, первые 50 сотрудников Anysphere могут получить выплаты от десятков до сотен миллионов долларов каждый. Для многих из них путь от стартапа до финансовой независимости занял всего три года. История Anysphere началась в 2022 году, когда четверо студентов Массачусетского технологического института — Майкл Труэлл, Аман Сангер, Суалех Асиф и Арвид Луннемарк — решили создать собственный технологический проект. Первоначально они пытались разрабатывать ИИ для инженерных задач, однако быстро поняли, что их главный опыт связан с программированием. Так появилась идея Cursor — редактора кода нового поколения, который использует возможности больших языковых моделей для написания, редактирования и проверки программ. Продукт вышел в 2023 году и стремительно набрал популярность. Cursor оказался одним из первых инструментов, реализовавших концепцию так называемого «vibe coding» — подхода, при котором разработчик формулирует идею на естественном языке, а ИИ самостоятельно пишет значительную часть кода. Рост оказался феноменальным: за год компания достигла годовой выручки в 100 млн долларов; к 2025 году число ежедневных пользователей превысило миллион; годовая выручка выросла более чем до 1 млрд долларов; клиентами стали свыше половины компаний из списка Fortune 500. Несмотря на успех, у Cursor была уязвимость: компания не создавала собственные фундаментальные модели, а использовала технологии сторонних разработчиков, прежде всего Anthropic. По мере усиления конкуренции на рынке ИИ-программирования необходимость создания собственных моделей становилась все более очевидной. Для этого требовались огромные вычислительные мощности. Именно здесь интересы Anysphere и SpaceX совпали. Компания Илона Маска активно развивает собственную ИИ-инфраструктуру, включая суперкомпьютерные кластеры для обучения моделей. Покупка Cursor позволяет SpaceX укрепить позиции в перспективном сегменте ИИ-разработки программного обеспечения. Главными победителями сделки стали не только основатели, но и сотрудники, присоединившиеся к компании на раннем этапе. По оценкам венчурных инвесторов, в технологических стартапах подобного масштаба первые десятки сотрудников обычно получают значительные пакеты опционов. После продажи компании эти опционы превращаются в реальные деньги. Оценки различаются, но многие аналитики считают, что сотрудники из числа первых 50 человек могут получить выплаты от 20 млн до 500 млн долларов на человека. Основатели выигрывают еще больше. По данным Forbes, каждый из четырех сооснователей владел примерно 4,5% компании. После сделки их личное состояние может превысить 2,5 млрд долларов на каждого. История Cursor — далеко не единственный пример. В последние два года рынок увидел целую серию подобных сделок: OpenAI приобрела медицинский ИИ-стартап Torch примерно за 100 млн долларов спустя год после его основания; израильский стартап Base44 был продан компании Wix за 80 млн долларов всего через несколько месяцев после запуска; китайские ИИ-компании, включая Zhipu AI, создали сотни сотрудников-миллионеров благодаря программам участия в капитале. Все это свидетельствует о формировании новой модели накопления богатства. Если раньше путь к крупному капиталу часто требовал десятилетий развития бизнеса, масштабных инвестиций и сложной инфраструктуры, то сегодня небольшая команда талантливых инженеров может создать продукт мирового уровня за считаные годы. Однако вместе с успехами растут и вопросы о возможном перегреве рынка. Некоторые сделки оцениваются в миллиарды долларов еще до появления устойчивой прибыли, а инвесторы опасаются повторения сценариев прошлых технологических пузырей. Тем не менее даже критики признают: искусственный интеллект стал самым мощным двигателем создания новой стоимости со времен мобильной революции и облачных вычислений. История Cursor показывает, что в новой технологической эпохе главным активом становятся не заводы и недвижимость, а знания, талант и способность быстро создавать востребованные продукты. Для поколения инженеров и предпринимателей ИИ превратился в настоящую «лотерею возможностей» — с крайне высокими рисками, но и с беспрецедентными шансами на успех.

16Апр

Многолетнее правило полупроводниковой отрасли начинает рушиться. Если раньше крупнейшие производители микросхем и памяти могли диктовать условия поставщикам оборудования, требуя постоянного снижения цен, то сегодня ситуация меняется. Причина — стремительный рост спроса на вычислительные мощности для искусственного интеллекта. Недавно несколько ключевых поставщиков оборудования для SK Hynix запросили повышение цен на свою продукцию на 3–4%. Еще несколько лет назад подобный шаг выглядел бы немыслимым: рынок традиционно оставался на стороне покупателей. Однако дефицит оборудования и гонка за расширением производственных мощностей заставляют производителей чипов пересматривать привычные правила. Одним из главных бенефициаров ИИ-бума стали производители оборудования для создания памяти HBM (High Bandwidth Memory), которая используется в ускорителях Nvidia, AMD и других разработчиков ИИ-чипов. Особенно высокий спрос наблюдается на установки термокомпрессионного соединения (TCB, Thermo-Compression Bonding), необходимые для многослойной сборки HBM. Южнокорейские компании Hanmi Semiconductor и Hanwha Semitech получают крупные заказы от SK Hynix на производство оборудования для выпуска памяти HBM4. Рост заказов объясняется сразу несколькими факторами: расширением производства HBM для ИИ-ускорителей; развитием технологий упаковки чипов Chiplet; увеличением спроса на современные методы соединения кристаллов в процессорах и специализированных ИИ-чипах. По сути, оборудование для продвинутой упаковки стало одним из самых дефицитных ресурсов отрасли. Еще недавно многие аналитики ожидали, что технология гибридного соединения (Hybrid Bonding) быстро заменит TCB. Однако внедрение идет медленнее прогнозов. Гибридное соединение обеспечивает более высокую плотность интеграции, но требует значительно более сложного контроля качества, чистоты производства и уровня выхода годных кристаллов. Поэтому производители памяти продолжают использовать TCB для массового выпуска HBM4, параллельно инвестируя в будущие линии Hybrid Bonding. Наиболее вероятный сценарий сегодня — сосуществование обеих технологий в ближайшие годы. Массовый переход на гибридное соединение может начаться только с поколений памяти HBM5 и выше. Парадоксально, но сами производители оборудования столкнулись с нехваткой компонентов. Корейские компании, выпускающие тестовое оборудование для полупроводниковой промышленности, сообщают о рекордных сроках поставки FPGA, процессоров и специализированных управляющих микросхем. Некоторые FPGA теперь приходится ждать до 52 недель вместо прежних двух месяцев. Возникла необычная ситуация: чтобы производить оборудование для выпуска чипов, нужны сами чипы, а они в первую очередь уходят в дата-центры и ИИ-инфраструктуру крупнейших технологических компаний. В результате возникает цепочка: Растет спрос на ИИ-чипы. Производители расширяют мощности. Требуется больше оборудования. Производителям оборудования не хватает электронных компонентов. Сроки поставок оборудования увеличиваются. Таким образом, ИИ создает дефицит сразу на нескольких уровнях цепочки поставок. По прогнозам отраслевой ассоциации SEMI, мировой рынок оборудования для производства полупроводников вырастет с 133 млрд долларов в 2025 году до 145 млрд долларов в 2026-м и достигнет рекордных 156 млрд долларов в 2027 году. Главными драйверами роста станут: производство передовых логических чипов для ИИ; расширение мощностей по выпуску памяти HBM; развитие технологий продвинутой упаковки, включая CoWoS и Chiplet-архитектуры. Крупнейшие игроки отрасли уже наращивают инвестиции. SK Hynix планирует удвоить производственные мощности в течение пяти лет, а Micron увеличила капитальные расходы на 2026 финансовый год примерно до 20 млрд долларов. Одновременно растут закупки оборудования у ASML и других лидеров рынка. ИИ меняет не только технологии, но и баланс влияния в полупроводниковой отрасли. Если раньше поставщики оборудования были вынуждены мириться с постоянным давлением на цены, то теперь именно они становятся владельцами одного из самых дефицитных ресурсов — способности быстро наращивать производственные мощности. Наибольшие преимущества получают компании, работающие на критически важных участках производства: в литографии, памяти HBM, передовой упаковке и тестировании микросхем. Именно они становятся ключевыми участниками новой гонки за вычислительные мощности, без которых невозможно дальнейшее развитие искусственного интеллекта.

16Апр

На рынке венчурного капитала назревает одна из крупнейших сделок десятилетия. Американский «единорог» Databricks, специализирующийся на данных и искусственном интеллекте, планирует новый раунд финансирования. По сообщениям источников, компания нацелена на оценку до 175 миллиардов долларов (около 1,26 трлн юаней). На фоне выхода SpaceX на биржу и секретной подготовки к IPO таких гигантов, как OpenAI и Anthropic, Databricks остается, пожалуй, самой крупной и активной ИИ-компанией, все еще доступной на частном рынке. История Databricks началась в 2013 году в стенах лаборатории AMPLab Университета Беркли. Группа исследователей создала Apache Spark — мощный движок для параллельной обработки огромных массивов данных. Если данные — это железная руда, то Spark стал самой эффективной машиной для её добычи. С наступлением эры больших языковых моделей (LLM) роль Databricks стала критической. Сами по себе модели вроде GPT не знают специфики конкретного бизнеса — остатков на складах ритейлера или подозрительных транзакций в банке. Чтобы ИИ приносил пользу, его нужно «подключить» к частным данным компании. Databricks предоставляет единую платформу, где предприятия могут управлять данными, обучать модели и внедрять ИИ-приложения, соблюдая при этом строгие требования безопасности и комплаенса. В отличие от традиционных софтверных компаний, продающих лицензии, Databricks работает по модели облачных вычислений: чем больше данных обрабатывает клиент и чем чаще запускает ИИ-агентов, тем выше чек. Финансовые показатели компании впечатляют: Годовая выручка: превысила $5,4 млрд. Удержание выручки (Net Revenue Retention): более 140%. Это означает, что старые клиенты тратят в этом году на 40% больше, чем в прошлом. Крупные контракты: более 800 клиентов приносят компании свыше $1 млн в год, а более 70 клиентов — свыше $10 млн. Такая «липкость» бизнеса объясняется высокой стоимостью миграции: как только компания выстраивает свои аналитические цепочки и ИИ-ассистентов на платформе Databricks, она становится неотъемлемой частью её ИТ-инфраструктуры. Сегодня Databricks эволюционирует. Если раньше компания помогала «понимать данные» (через отчеты и прогнозы), то теперь цель — «управлять данными через ИИ». С помощью таких продуктов, как Genie и Agent Bricks, любой сотрудник — от продавца до бухгалтера — может общаться с корпоративными данными на естественном языке. Databricks стремится стать «операционной системой» для корпоративного ИИ, которая берет на себя всё: от хранения данных до контроля затрат на использование нейросетей. Инвесторы верят в Databricks, потому что компания не просто «рассказывает сказки» об ИИ, а создала реальную инфраструктуру, без которой внедрение искусственного интеллекта в крупном бизнесе практически невозможно.

16Апр

Большинство компаний в 2026 году уже используют AI, но эффективность бизнеса (выручка, прибыль) у большинства не растёт — потому что AI внедряют как инструмент, а не как часть стратегии и организационной перестройки. Технология есть, ценность не материализуется изза трёх повторяющихся ошибок в мышлении и исполнении. Что показывает статистика По исследованию McKinsey: 88% организаций внедрили AI, но 81% не получили значимого коммерческого эффекта; только 1% считают внедрение зрелым. Gartner прогнозирует: к концу 2027 года >40% проектов с «интеллектуальными агентами» будут закрыты изза неочевидной бизнесценности и неконтролируемых затрат. Три основных когнитивных провала компаний AI — не как стратегия, а как «инструмент». Компании ставят задачу «внедрить AI», но не перепроектируют бизнеспроцессы: AI просто отвечает на рутинные запросы, а люди продолжают работать по старым ролям и метрикам, не переходя к задачам более высокой добавленной стоимости. Перекладывание ответственности на IT. CTO/IT строит систему, но не может менять оргструктуру, KPI и полномочия. Без вовлечения руководства и бизнесвладельцев изменения остаются поверхностными. Отсутствие механизма непрерывного обучения. Нет практических, позиционно ориентированных тренингов и времени на освоение новых ролей. Люди “пользуются” AI, но не перерабатывают свои задачи и навыки. Три вещи, за которые CEO должен лично отвечать Выбор правильных пилотных сценариев. Критерии: болевая точка, хорошее качество данных, быстрый эффект (результат за ~3 месяца). Пилот должен давать реальный кейс успеха для дальнейшего масштабирования. Перестройка организации, а не только покупка инструментов. Практика: двойное лидерство проектов (бизнес + AIкоординатор), назначение «AIвнедренца» в каждой линии бизнеса, централизованное хранение/шаблоны успешных кейсов для повторного использования. Инвестиции в людей и культуру. Практическое: прикладные тренинги по задачам, найм «πталантов» (глубокая экспертиза + способность работать с AI), выделение ресурсов и права на эксперимент (малые автономные команды c KPI на три месяца). Практические рекомендации (шортлист) Начинайте с одного узкого, высокоощутимого сценария; измеряйте реальные бизнесметрики. Делайте «AIвстраивание» бизнеспроектом, а не ITзадачей. Формализуйте знания (шаблоны, навыки, playbooks) и централизуйте их повторное использование. Учите сотрудников владеть контекстом — AI эффективен только с качественным «входом» и надёжной валидацией результатов. Давайте командам право «ошибаться и исправлять» — быстрые итерации важнее идеальной первой версии. AI может поднять индивидуальную эффективность, но без изменений в процессах, организационной структуре и культуре обучения он остаётся «инструментом украшения», а не драйвером роста. Чтобы выиграть — CEO должен лично вести отбор сценариев, перестройку процессов и подготовку людей. Только так «повышение человекоэффективности» превратится в реальные доходы и конкурентное преимущество.

16Апр

Бум искусственного интеллекта породил новую волну предпринимателей. Это не знаменитые основатели стартапов из Кремниевой долины и не топ-менеджеры, которые сразу привлекают многомиллионные инвестиции. Речь идет о бывших сотрудниках крупных технологических компаний, которые решили выйти из привычной корпоративной среды и попробовать построить собственный бизнес с помощью AI. Общая черта этих людей — понимание того, что многие задачи, которые раньше требовали команды, сложных процессов и нескольких уровней управления, сегодня может выполнять один человек при поддержке искусственного интеллекта. Однако сами предприниматели не спешат называть себя владельцами «компаний одного человека» (One-Person Company, OPC). Для них это скорее промежуточная стадия, эксперимент с новой организационной моделью. Одним из таких предпринимателей стал бывший инженер Tencent и Baidu Ван Ши. Еще до появления современных AI-агентов он начал выстраивать собственные рабочие процессы, в которых несколько моделей искусственного интеллекта выполняли разные функции и взаимодействовали друг с другом. Сегодня у него круглосуточно работают пять компьютеров и более двадцати AI-аккаунтов. Одни модели создают контент, другие структурируют материалы, третьи проверяют качество результата. Сам предприниматель сравнивает себя с режиссером, который не выполняет работу напрямую, а управляет целой системой цифровых помощников. По мнению Вана, главным конкурентным преимуществом в эпоху AI становится не умение пользоваться конкретным инструментом, а способность понимать возможности и ограничения технологии. Он уверен, что преимущества получают те, кто быстрее других замечает новые технологические тренды и умеет внедрять их в реальные бизнес-процессы. Похожего взгляда придерживается и предпринимательница Сяомань, выпускница престижного университета, работавшая в сфере образования и AI-продуктов. Она считает, что эпоха, когда специалист мог десятилетиями накапливать опыт в одной узкой области, постепенно уходит в прошлое. Современные модели развиваются настолько быстро, что знания устаревают буквально за месяцы. Именно поэтому она решила создать собственный продукт практически в одиночку. Используя AI-инструменты, Сяомань самостоятельно пишет технические задания, проектирует пользовательские сценарии и тестирует решения. По ее словам, впервые за долгое время она получила возможность воплощать собственные идеи без необходимости проходить через сложные корпоративные согласования и многоступенчатые процессы принятия решений. Еще один герой новой волны предпринимателей — молодой специалист по имени Шаохуа, который успел поработать в строительстве, недвижимости, энергетике и медиа. После знакомства с генеративным AI он начал активно использовать технологии для создания контента и работы с клиентами. Шаохуа отмечает парадоксальную особенность новой эпохи: AI действительно повышает производительность, но одновременно заставляет людей учиться еще больше. Новые модели и сервисы появляются настолько быстро, что постоянное обучение становится обязательным условием профессионального выживания. По его словам, сегодня важнее всего не владеть каким-то одним инструментом, а уметь быстро адаптироваться к изменениям и внедрять новые возможности в свою работу. Более опытный предприниматель Дафэй, представитель поколения 1980-х годов, смотрит на ситуацию несколько иначе. За его плечами работа в крупных медиакомпаниях, интернет-корпорациях и образовательном бизнесе. Он считает, что популярная идея «компании одного человека» зачастую недооценивает реальные требования к предпринимателю. По его мнению, AI не заменяет профессиональные знания и опыт, а лишь усиливает уже существующие компетенции. Если человек плохо разбирается в определенной области, искусственный интеллект не сможет полностью компенсировать этот недостаток. Именно поэтому Дафэй называет AI не заменой специалиста, а «суперпомощником», который позволяет быстрее реализовывать собственные идеи. Истории этих предпринимателей показывают, что искусственный интеллект меняет не только инструменты работы, но и саму структуру бизнеса. Многие бывшие сотрудники крупных компаний сегодня экспериментируют с моделью «человек плюс AI-система», которая позволяет запускать проекты с минимальными затратами и высокой скоростью. Однако большинство из них не рассматривают этот формат как конечную цель. Они видят в нем переходный этап между традиционными корпорациями прошлого и новыми организационными моделями будущего. И если в чем-то они сходятся единогласно, так это в одном: в эпоху AI самым ценным навыком становится способность постоянно учиться и быстро адаптироваться к изменениям. Именно это качество, а не доступ к технологиям, будет определять успех в ближайшие годы.

16Апр

Краткий пересказ John Jumper — ключевая фигура проекта AlphaFold и один из лауреатов Нобелевской премии по химии за прорыв в предсказании структуры белков — официально покинул Google DeepMind и присоединился к Anthropic. Его уход следует спустя почти девятилетнюю работу в DeepMind. В последние дни в индустрии последовали и другие громкие переходы (например, уход Noam Shazeer в OpenAI). Для DeepMind это выглядит как серьёзная потеря талантов, а для Anthropic — рекрутинг мирового масштаба, укрепляющий амбиции компании в биомедицинской области. Джампер возглавлял команду AlphaFold с самого начала и был центральной фигурой в серии прорывов: AlphaFold, AlphaFold 2 и последующие масштабирования базы структур белков, а затем и расширение на межмолекулярные взаимодействия (AlphaFold 3). Его вклад привёл к радикальному ускорению структурной биологии и в конечном счёте — к Нобелевской премии. В 2026 году Anthropic уже инвестировал в биомедицинское направление: приобретение Coefficient Bio за $400 млн, запуск Claude for Life Sciences и строительство собственных лабораторий. Приход Джампера явно нацелен на усиление этой стратегии. Параллельно другие ведущие исследователи уходят из Google (включая недавний переход Noam Shazeer в OpenAI после дорогостоящего возвращения в Google), что вызывает вопросы о кадровой устойчивости DeepMind/Brain. Переход Нобелевского лауреата — не только PRудачa для Anthropic, но и реальное усиление компетенций в биоинформатике и молекулярном инжиниринге. Джампер приносит сочетание глубокого предметного знания и опыта создания прикладных MLсистем, критичных для ускорения открытия лекарств и дизайна биомолекул. Одновременно OpenAI и DeepMind вкладываются в life sciences (GPTRosalind, Isomorphic Labs и т.д.), так что рынок экспертиз и талантов становится новым полем соперничества между крупными лабораториями. Компании всё активнее переводят ресурсы от «чисто» языковых/универсальных моделей к вертикальным решениям с реальными коммерческими и научными кейсами (биофарма, протеиндизайн, экспериментальная автоматизация). Для DeepMind уход таких фигур — сигнал организационных и культурных проблем, которые требуют объяснений: удержание, мотивация, свобода научной работы. Для Anthropic — технический и регуляторный вызов: переход от модели разработки ПО к интеграции MLрешений в лабораторные процессы и клинические цепочки требует инфраструктуры, GMPсоответствия и длительных проверок. Этические и общественные последствия быстрого внедрения AI в биологию остаются ключевыми: ускорение открытия не отменяет необходимости строгой проверки безопасности и воспроизводимости. Приход John Jumper в Anthropic — важная точка в эволюции рынка: крупные AIлаборатории теперь прямо борются за таланты и вертикальные рынки биомедицины. Это ускорит разработки, но одновременно повысит ставки по организации, нормативам и ответственному внедрению.

16Апр

Цифровые сотрудники — уже не фантастика, а реальность: при правильной настройке бизнес и фрилансеры действительно получают прирост продуктивности и экономию затрат. Журналисты собрали пять живых кейсов (юрист, продавец на маркетплейсах, венчурный инвестор, основатель сервиса и журналист), которые показывают, как в 2025–2026 годах агентAI действительно стал «работать» вместо людей — и что при этом важно учитывать. Коротко о главном Формат: вместо замены — ассистирование и автоматизация рутинных задач. Люди используют несколько агентов с разными ролями (консультант, инженер, редактор, служба поддержки) и привязывают их к своим workflow. Стоимость: месячные расходы на подписки/инструменты обычно в диапазоне ~$100–200 (в статье — 1000–4000 юаней), что значительно ниже месячных зарплат сотрудников. Эффект: экономия времени (в ряде случаев авторы оценивают экономию рабочего времени до 50–80%), возможность охватить больше задач и быстрее масштабировать операции. Ограничения: агенты часто «ошибаются» — требуется человеческая верификация, контроль качества и строгие правила/скрипты. Истории и уроки Юрист: 45 «скиллов» для агента. Адвокат потратил несколько месяцев на настройку 45 специализированных навыков — от OCRраспознавания протоколов до автоматизированной подготовки черновиков ответов. Результат: значительная часть рутинной работы AI делает сам, но финальное экспертное суждение остаётся за человеком. Вывод: отдавать агенту строго формализуемые подпроцессы — работает лучше всего. Кроссбордер ecommerce: вместо трёх сотрудников — один владелец + четыре агентаВладелец магазина заменил штат из трёх человек на набор агентов: тексты (AI), поддержка (AIбот), автоматизация рекламы и аналитика. Экономия расходов заметна, но остаётся риск «перепила» — например, агент по ошибке запустил промо без скидки. Правило: всегда оставлять финальную проверку для человека в клиентфейсах. Инвестор: агенты как «ночная смена» для скоринга стартапов. Инвестор поручает агентам первичный скрининг пакетов и компиляцию данных при часовой разнице с зарубежными командами. Это увеличивает пропускную способность и позволяет быстрее находить перспективные компании. Агенты не принимают решения, но многократно ускоряют подготовку. Основатель малого бизнеса: агент — инженер и продуктовый помощникПредприниматель использует агентов в роли «инженера», «менеджера продукта» и «дизайнерастажёра». Результат — быстрая реализация идей и экономия на аутсорсе. Однако владелец отмечает: агент — хороший исполнитель, но не стратег; критические решения остаются за человеком. Журналист: агент как стажёр и учитель. Агенты помогают структурировать интервью, готовить черновики и обучать новым навыкам. Для творческих и исследовательских задач полезны, но теряют нюанс и глубину человеческого наблюдения. Практические рекомендации Начинайте с мелких, чётко формулируемых задач: автоматизация рутинных этапов даёт быстрый положительный эффект. Структурируйте «навыки» (Skills) и собирайте собственный контекст/корпус знаний — чем лучше агент «подкормлен» вашим контентом, тем полезнее он работает. Обязательно ставьте контроль качества: обзор, валидация и финальное утверждение человека для клиенториентированных материалов. Диверсифицируйте инструменты: сочетание нескольких моделей/агентов даёт гибкость и снижает риск «зависания» от одного провайдера. Не забывайте про безопасность и конфиденциальность — особенно в юридической и инвестиционной работе. Ограничения и риски Агент не заменяет профессиональную экспертизу: он ускоряет подготовку, но не отвечает за юридическую, финансовую или этическую ответственность. Риск «перепаковки» ошибок: если вы дадите агенту неверную инструкцию, он масштабирует ошибку быстрее человека. Не стоит рассматривать агентов как «бесплатную рабочую силу»: требуется время и усилия для их настройки и поддержки. Вывод Цифровые сотрудники меняют операционную модель малого бизнеса, фриланса и команд: при скрупулёзной подготовке, дисциплине в контроле и грамотной интеграции AIагентов можно значительно повысить продуктивность и снизить расходы. Но успех зависит не столько от самой технологии, сколько от умения структурировать работу, готовности инвестировать в создание «навыков» для агентов и сохранять человеческий контроль там, где решаются ключевые коммерческие и репутационные вопросы.

Если у вас есть инновационная идея, мы будем рады реализовать ее для Вас!

Специалисты нашей кампании и наши разработки для вас!