Социальные сети

Представить себе будущее, в котором покупки и продажи ведут не люди, а их AI-агенты, уже несложно. Но эксперимент Anthropic показал нечто более важное: в такой экономике решающим фактором становится не только наличие AI, но и качество модели. А это значит, что в мире автономных агентов может появиться новый вид неравенства — и новый способ незаметно «доить» слабых участников рынка. Компания Anthropic провела внутренний тест под названием Project Deal: сотрудники получили AI-агентов Claude, а те в закрытом Slack-канале начали торговать между собой бывшими в употреблении вещами — велосипедами, спортивным инвентарем, техникой и другими предметами. Люди лишь задали базовые условия: что хотят купить или продать, какой у них психологический минимум цены, а также можно было прописать агенту «характер» — например, быть жестким, дружелюбным или эмоциональным переговорщиком. Дальше люди фактически отошли в сторону. AI-агенты сами искали товары, делали предложения, спорили о цене, вели многоходовые переговоры и даже оформляли итоговые подтверждения сделки. За неделю 69 агентов совершили 186 сделок на сумму более 4000 долларов. Самое интересное в эксперименте не в том, что AI смогли автоматически покупать и продавать вещи. Это уже само по себе впечатляет, но куда важнее другое: агенты вели себя не как тупые скрипты, а как довольно убедительные переговорщики. Один из примеров особенно показателен. Пользователь попросил своего агента сыграть роль усталого, бедного ковбоя, которому очень нужна старая велосипедная «рабочая лошадка». AI тут же выстроил целую театральную сцену, написал эмоциональное сообщение в Slack и начал торговаться с продавцом. Он умело сочетал жалость, аргументы о состоянии товара и рациональную просьбу снизить цену. В итоге сделка состоялась на условиях, которые устроили обе стороны. То есть AI не просто выполнял команды — он интерпретировал намерение, подбирал стиль общения и вел переговоры достаточно гибко, чтобы это выглядело почти по-человечески. Однако под красивой оболочкой скрывалась куда более тревожная закономерность. Когда исследователи смешали в одном пространстве модели разного уровня, выяснилось: более сильные модели системно выигрывают у более слабых. Если в переговорах сталкивались более мощный Claude Opus и более легкий Claude Haiku, сильная модель добивалась лучших условий. Она чаще продавала дороже и покупала дешевле. Разница была не символической, а вполне ощутимой: на уровне нескольких долларов в одной сделке, что при низкой средней цене товара превращалось в двузначное процентное преимущество. На простом языке это означает следующее: если у одного человека «умный» агент, а у другого — более слабый и дешевый, то первый будет стабильно получать более выгодные условия. Причем не потому, что товар лучше, а потому, что модель умеет лучше читать ситуацию, удерживать цену и грамотно давить на собеседника. В обычной торговле неравные условия быстро вызывают подозрение. Покупатель может пожаловаться, продавец — отказаться, а рынок сам отрегулирует грубый перекос. Но в AI-переговорах все гораздо тоньше. Anthropic проверила, как сами участники оценивали справедливость сделок. И тут случилось неприятное: люди почти не замечали, что их слабые модели проигрывают сильным. Восприятие справедливости у пользователей оставалось примерно одинаковым, даже когда в реальности одна сторона стабильно переплачивала или недополучала деньги. Это очень важный сигнал. AI может создавать иллюзию честной сделки, даже если математически одна из сторон системно теряет. Человек видит вежливый, логичный, умеренный диалог — и думает, что все прошло справедливо. На деле же модель соперника просто оказалась умнее. Еще один вывод эксперимента — довольно неприятный для всех, кто любит верить в «магические» промпты. Сильная стратегия переговоров не сводится к тому, чтобы просто сказать агенту «будь жестким» или «торгуйся агрессивно». Оказалось, что такие подсказки мало что меняют, если модель сама по себе слабее. То есть в мире AI-торговли решает не только инструкция, но и базовая мощность модели: объем параметров, глубина рассуждения, качество контекстной обработки, способность удерживать переговорную рамку. Иначе говоря, в будущей агентской экономике победит не тот, кто напишет лучший prompt, а тот, кто подключит более сильную модель. Project Deal — это не просто веселый эксперимент про «AI на барахолке». Это ранняя демонстрация того, как может выглядеть экономика, где решения принимает не человек, а агент. И тут возникает несколько серьезных сдвигов. Во-первых, маркетинг может начать работать не на людей, а на AI. Если раньше бизнес боролся за внимание пользователя, то теперь ему, возможно, придется убеждать агента, а не человека. Это уже не классический SEO, а нечто вроде AEO — Agent Engine Optimization, оптимизация под агентские системы принятия решений. Во-вторых, конкуренция сместится в сторону вычислительных ресурсов.Если твой AI-помощник слабее, то и условия сделки, вероятно, будут хуже. Значит, у богатых компаний и обеспеченных пользователей появится возможность подписывать дорогие, мощные модели, а у всех остальных — довольствоваться облегченной версией. Так появится новый тип цифрового неравенства: неравенство не в данных, а в переговорной силе модели. В-третьих, возникает юридический вакуум.Если AI-агент был обманут через prompt injection, взлом или скрытую инструкцию, кто несет ответственность? Пользователь? Разработчик? Платформа? Продавец, чей агент использовал нечестную стратегию? Современное право на такие вопросы пока отвечает очень плохо. Есть и более глубокая культурная проблема. В Project Deal человек уже почти не участвует в самой сделке. Он лишь задает пожелания, а потом физически передает товар. AI становится не помощником, а посредником, который принимает решение вместо человека. Если эта модель приживется, роль человека в коммерции может сузиться до странного минимума: мы будем задавать ориентиры, оплачивать счета и носить коробки. А все остальное — поиск, сравнение, торг, психологическое давление, расчет выгоды — возьмет на себя агент. Именно в этом и кроется главная интрига агентской экономики. Она обещает удобство, но одновременно способна незаметно забрать у человека не только время, но и саму способность понимать, насколько честной была сделка. Эксперимент Anthropic показал, что AI-агенты уже умеют вести переговоры, играть роли и автономно совершать сделки. Но вместе с этим он вскрыл куда более неприятную реальность: в мире AI торговаться будут не люди, а модели, и сильные модели начнут стабильно выигрывать у слабых. На поверхности это выглядит как технологический прогресс. Но в глубине — это новый рынок, где неравенство будет определяться не только деньгами, но и вычислительной мощностью. А значит, вопрос будущего будет звучать так: не «может ли AI купить вещь», а кто именно сможет позволить себе того AI, который умеет покупать лучше других.

Май 2026 года стал моментом истины для технологического сектора США. Квартальные отчёты «Большой пятерки» (Microsoft, Alphabet, Amazon, Meta и Apple), чей совокупный капитал составляет около трети ВВП США, показали: рынок больше не готов платить за «будущее». Инвесторы требуют отдачи здесь и сейчас. В 2026 году терпение рынка иссякло. Теперь ценность компании определяется не объёмом инвестиций в ИИ, а тем, как эти технологии трансформируются в чистую прибыль. Google и Amazon: победа собственного «железа» Главным героем сезона стала компания Alphabet. Чистая прибыль Google в первом квартале подскочила на 81%. Но самый важный показатель скрыт в эффективности Google Cloud: операционная маржа облачного подразделения выросла с 17,8% до 32,9% всего за год. Секрет такого успеха — в собственных чипах TPU. Используя собственные процессоры для задач ИИ вместо закупки дорогостоящих GPU от Nvidia, Google радикально сократила издержки. Теперь компания начинает продавать мощности TPU сторонним клиентам, вторгаясь на «территорию» Nvidia. Amazon (AWS) также опроверг слухи о своем «отставании». Выручка AWS выросла на 28% — это самый быстрый рост за последние 15 кварталов. Как и Google, Amazon делает ставку на импортозамещение в сфере чипов: доход от собственного процессора Trainium превысил 20 млрд долларов в годовом исчислении, а объем предзаказов на него зашкаливает. Microsoft и Meta (запрещённая в России): разница в темпах Microsoft продолжает удерживать лидерство в корпоративном секторе. Доходы от облака Azure выросли почти на 40%, а число платных рабочих мест Copilot достигло 20 миллионов. Оказалось, что бизнес в США готов платить за ИИ-инструменты по подписке, и маржинальность этих процессов даже выше, чем на ранних этапах облачной миграции. У Meta ситуация сложнее. Несмотря на рост прибыли на 61% и отличные показатели рекламной выручки, акции компании упали. Причина — резкое увеличение плана капитальных затрат на 2026 год (до 125–145 млрд долларов). Инвесторы напуганы: они верят в логику Марка Цукерберга, но не уверены, что доходы от ИИ поспеют за такими гигантскими расходами на инфраструктуру. Китайские гиганты: три вопроса к отчетности На фоне американских успехов внимание переключается на Китай. Alibaba, Tencent и Baidu готовятся представить свои данные. И хотя объемы их ИИ-инвестиций (около 60 млрд долларов) скромнее американских (720 млрд долларов на всю пятерку), они ведут битву за внутренний рынок. Для оценки их «ИИ-качества» эксперты выделяют три ключевых показателя: Маржинальность ИИ-нагрузок. Смогут ли Alibaba Cloud или Tencent Cloud повторить успех Google и превратить рост выручки в рост операционной прибыли? Доля собственных чипов. Насколько успешно внедряются процессоры собственной разработки (Hanguang, Kunlun) в условиях дефицита западных технологий? Это определит «потолок» их прибыли. Качество удержания в C-сегменте. Китайские ИИ-продукты (Doubao, Qianwen) показывают огромные цифры по количеству пользователей, но вопрос в том, готовы ли эти пользователи платить или хотя бы пользоваться сервисами регулярно после завершения праздничных промо-акций. Отчеты американских гигантов дали четкий ответ: ИИ может быть прибыльным. Google уже доказал это через оптимизацию затрат на железо и рост эффективности облака. Теперь очередь за остальными. Технологии перестали быть просто «фишкой» — они стали главным фактором в борьбе за рентабельность бизнеса.

За последний год китайская игровая индустрия заметно активизировалась в направлении AI-игр для женской аудитории. Крупные компании и стартапы начали экспериментировать с форматом, где искусственный интеллект используется не только для диалогов, но и для генерации персонажей, сюжета, сцен и даже целых интерактивных миров. Интерес к этому сегменту не случаен. Женские игры в Китае стали одним из самых быстрорастущих направлений. По данным исследования Gamma Data, в 2024 году объем рынка достиг 80 млрд юаней, а рост составил 124,1% год к году. На этом фоне неудивительно, что в нишу начали активно заходить крупные игроки, включая ByteDance и Tencent. Но вопрос остается открытым: действительно ли AI-формат способен изменить рынок женских игр или это пока лишь модный эксперимент? Одним из первых заметных проектов стал AI-компаньон от ByteDance. Это приложение изначально делало ставку на общение с виртуальными персонажами, которых пользователь может создавать и настраивать сам. Со временем продукт расширился: появились голосовые диалоги, звонки, редактор историй и визуальные инструменты. Модель монетизации здесь типична для мобильных приложений: бесплатная загрузка; платная подписка; внутренняя валюта; дополнительные функции по модели in-app purchase. Интересно, что такая логика оплаты уже близка к классическим otome-играм: пользователь платит не просто за доступ, а за более глубокое эмоциональное взаимодействие с персонажем. Потому что он попадает в ключевой запрос аудитории женских игр: персонализация, эмоциональная вовлеченность и ощущение уникального общения. AI в этом смысле подходит идеально. Он может: запоминать детали диалога; подстраиваться под стиль общения; реагировать на действия пользователя; создавать иллюзию более живого и «своего» персонажа. Однако у таких продуктов есть и проблемы. Их аудитория быстро растет на старте, но удержание пользователей часто оказывается слабее, чем у классических игр. Кроме приложений для общения, на рынке появляются и сервисы, где AI используется для создания историй и ролевых сценариев. Такие проекты позволяют пользователям: писать совместные истории с персонажами; создавать собственные сюжетные миры; придумывать отношения между героями; работать с фанатскими и авторскими персонажами. По сути, это гибрид: AI-помощника; социальной платформы; инструмента для творчества; интерактивной игры. Такой формат привлекает не только поклонниц женских игр, но и любителей фанфиков, ролевых сценариев, оригинальных персонажей и творческого самовыражения. Самый интересный и одновременно самый сложный сегмент — это 3D AI-игры в жанре отомэ. Именно они сейчас считаются новым стартап-направлением. В отличие от традиционных женских игр, где сюжет заранее прописан, такие проекты обещают: живой диалог с персонажем; ветвящиеся сценарии; адаптацию под поведение игрока; большую свободу в отношениях и развитии истории. То есть игрок общается не с заранее заданными репликами, а с персонажем, который отвечает в реальном времени. На рынке уже появились первые подобные проекты, и некоторые из них даже привлекли серьезное финансирование. Это показывает, что инвесторы видят в нише потенциал. Особенно если учитывать, что команда таких стартапов часто состоит из людей с опытом работы в крупных игровых компаниях. Главная проблема новых AI-игр — не только технология, но и экономика. В классических отомэ-играх пользователь платит за сюжетные эпизоды, карты, костюмы, события или подписку. В AI-формате часто применяется другая модель: ежемесячные подписки; внутренняя валюта за каждое сообщение; платный доступ к более глубокому уровню общения; дополнительные функции, связанные с эмоциями, памятью персонажа или скрытыми сценами. На практике это нередко вызывает у игроков недовольство. Пользователи считают, что: общение слишком дорогое; прогресс к «романтическому режиму» слишком медленный; за базовые вещи приходится платить слишком часто. Иными словами, AI-игра может быть технологически интересной, но не всегда удобной или выгодной для массового игрока. Несмотря на ажиотаж, полностью заменить традиционные женские игры AI-проекты пока не могут. Причин несколько. 1. Искусственность слишком заметна. Первые диалоги с AI часто кажутся слишком механическими. Игрок быстро понимает, что перед ним алгоритм, а не полноценный герой с характером. 2. Сюжет уступает качеству классических игр. У больших otome-проектов есть сильная сценарная база, выстроенная драматургия и продуманные характеры. AI-проекты пока редко могут предложить такой же уровень проработки. 3. Персонажи нестабильны. Одна из главных ценностей жанра — стабильность образа любимого героя. В AI-играх персонаж может: путать контекст; противоречить сам себе; забывать детали; отвечать не в том тоне, которого ждёт игрок. Для жанра, где эмоциональная привязанность — основа опыта, это серьезная проблема. 4. Визуальная часть тоже не всегда убедительна 3D-модели часто критикуют за: слабую анимацию; неестественную мимику; жесткие движения; нестабильное качество картинки. Иногда это портит впечатление даже сильнее, чем проблемы в тексте. AI не отменяет женские игры, а расширяет их границы. Он открывает новые форматы: общение с персонажем; сюжетное соавторство; персонализированные истории; ролевые и социальные сценарии. Но классические отомэ-игры по-прежнему сильнее там, где важны: качество сценария; художественная целостность; стабильный образ героя; эмоциональная режиссура. Поэтому сейчас рынок развивается не в формате «AI вместо старых игр», а в формате сосуществования двух моделей: традиционной, где сюжет и персонажи создаются вручную; AI-формата, где упор делается на персонализацию и интерактивность.

Весной 2026 года Anthropic резко изменила подход к монетизации Claude — и это вызвало недоумение у пользователей. Сначала компания ограничила доступ к мощным функциям программирования, затем начала переводить корпоративных клиентов на оплату по факту использования, а позже фактически «разрезала» подписку Pro, оставив в ней только базовые возможности. Формально каждое изменение объясняется ростом затрат на вычисления. Но в совокупности складывается понятная стратегия: сначала привлечь пользователей доступной подпиской, встроиться в их рабочие процессы, а затем постепенно повышать стоимость через разделение функций и оплату за использование. При этом Anthropic активно наращивает функциональность Claude — почти каждую неделю появляются новые возможности: автоматизация задач, интеграции с сервисами, работа с файлами и удалённое управление. Но параллельно компания ограничивает сторонние инструменты, замыкая экосистему внутри себя. Это повышает «цену ухода» для пользователя: смена сервиса означает уже не просто другой чат, а перестройку всей работы. Такая модель не нова. Похожие подходы уже применялись в стриминге, играх, программном обеспечении и облачных сервисах: разделение по времени, функциям, возможностям и объёму использования. Anthropic фактически объединила все эти методы в одной системе. Главный вопрос — успеет ли компания «привязать» пользователей до того, как они начнут уходить к конкурентам. Пока рынок ИИ остаётся высококонкурентным, а переход между сервисами относительно прост, слишком агрессивная монетизация может сыграть против самой компании. Но если эта модель закрепится, она может стать новой нормой для всей индустрии: AI-сервисы перестанут продавать «подписку» и начнут продавать «электричество» — по счётчику.

Ещё недавно казалось, что искусственный интеллект станет «дешёвым помощником для всех». Но в 2026 году рынок резко развернулся: модели дорожают, бесплатные лимиты сокращаются, а использование ИИ всё чаще превращается в ощутимую статью расходов. И парадоксально — на этом фоне выигрыват обычные сотрудники. С начала года индустрия столкнулась с настоящей «инфляцией токенов»: топовые модели стали дороже облачные вычисления подорожали бесплатные лимиты резко урезали Теперь даже обычный рабочий сценарий может стоить ощутимых денег. Например: сложный запрос к модели может «съесть» значительную часть лимита генерация видео — несколько долларов за секунды результата анализ больших документов — сотни долларов за сессию ИИ перестал быть игрушкой — он стал инфраструктурой с ценником. Причин несколько, и все они структурные. 1. Изменился характер использованияЕсли раньше люди писали стихи и письма, теперь они загружают: огромные отчёты кодовые базы научные статьи Объёмы данных выросли кратно — вместе с затратами. 2. Появились агенты (Agent)ИИ больше не отвечает на один вопрос — он выполняет целые цепочки действий: ищет информацию проверяет гипотезы делает итерации За одним запросом могут стоять тысячи внутренних операций и миллионы токенов. 3. Подорожала инфраструктура память (HBM) электричество охлаждение дата-центров Всё это делает вычисления дороже — и цена перекладывается на пользователей. Сегодня токены — это уже не абстракция, а полноценный ресурс, сравнимый с энергией. ИИ становится чем-то вроде коммунальной услуги: как интернет как электричество как мобильная связь Появляется даже идея: каждому человеку нужен отдельный бюджет на ИИ. И вот здесь возникает главный парадокс. Когда компании начали считать расходы, выяснилось: интенсивное использование ИИ может стоить дороже аутсорса сложные задачи требуют дорогих моделей ошибки ИИ всё ещё нужно исправлять В результате во многих случаях человек оказывается экономически выгоднее. Причины очевидны: человек работает без затрат на вычисления не требует серверов и энергии умеет понимать контекст и «между строк» может сам исправить ошибки ИИ может ускорить работу — но не всегда дешевле её заменить. Рынок постепенно делится на два уровня: базовый ИИ — дешёвый или бесплатный (например, open-source) премиум ИИ — дорогой, но более точный и надёжный Именно второй сегмент используется в бизнесе — и именно он дорожает быстрее всего. Несмотря на рост цен, отказаться от ИИ уже сложно. Как и со смартфонами раньше: сначала — удобство потом — зависимость затем — необходимость Компании и сотрудники уже встроили ИИ в рабочие процессы — и назад пути нет. Мы входим в странную фазу: ИИ становится мощнее ИИ становится дороже человек остаётся дешевле во многих задачах Это не означает «победу людей над ИИ». Скорее — временное равновесие. Но важный вывод уже ясен: ИИ — не бесплатная магия, а дорогая инфраструктура.И пока её стоимость растёт, у человека остаётся сильное преимущество — экономическая эффективность. По крайней мере, на ближайшее время.

Спустя почти 20 лет после выхода культового фильма «Дьявол носит Prada» его продолжение оказалось не просто ностальгией по модной индустрии, а точным диагнозом времени. Если первая часть рассказывала о цене успеха, то вторая — о том, что даже достигнутый успех больше не гарантирует стабильности. Мир изменился. И вместе с ним — правила игры. Во второй части зритель снова встречает Миранду Пристли — всё такую же строгую, холодную и безупречную. Но за внешним контролем скрывается новая реальность: легендарный журнал RUNWAY переживает кризис. Печатные издания больше не продаются, цифровые — не приносят прежних доходов, рекламодатели требуют уступок. В ход идут уже знакомые корпоративные меры: сокращение бюджетов, оптимизация расходов, давление со стороны консультантов. Даже сотрудники с многолетним стажем оказываются под угрозой увольнения — слишком дорогие. Фраза о том, что «от моделей до редакторов всех может заменить ИИ», звучит уже не как футуристическая шутка, а как реальный страх индустрии. Фильм точно передаёт это ощущение: теперь даже вершина карьеры не защищает от турбулентности. Энди, которая в первой части ушла из моды в серьёзную журналистику, возвращается в RUNWAY не по собственной воле. После 20 лет карьеры её увольняют — и она снова оказывается в системе, от которой когда-то сбежала. Но теперь она уже не новичок. И всё же адаптация даётся не легче, чем раньше: отсутствие поддержки, давление сверху, необходимость балансировать между качеством контента и коммерцией. Это важный сдвиг: фильм показывает, что опыт больше не является страховкой. В новой экономике даже «правильный выбор» в прошлом не гарантирует стабильного будущего. Главное изменение — сама Миранда. Если раньше она была воплощением абсолютного контроля, то теперь система начинает ограничивать её. Жалобы сотрудников, HR-процедуры, новое поколение работников — всё это заставляет её меняться. Она больше не может позволить себе прежнюю жёсткость без последствий. Более того, в ней появляется рефлексия: понимание, что лидерство — это не только давление, но и поддержка. Фильм аккуратно показывает: эпоха «жёстких боссов» заканчивается. Даже самые влиятельные фигуры вынуждены учиться эмпатии. Продолжение значительно глубже раскрывает тему женского лидерства. 20 лет назад образ «сильной женщины» был редкостью, и Миранда воспринималась почти как исключение. Сегодня таких фигур больше — но вместе с этим выросли и ожидания. Теперь от лидера ждут не только эффективности, но и эмоционального интеллекта. Контрастом выступает Эмили — бывшая ассистентка, ставшая успешным топ-менеджером. Её карьера выглядит идеальной, но за ней скрывается неуверенность и зависимость от внешнего одобрения. Фильм прямо задаёт вопрос: что такое успех, если он не приносит внутренней устойчивости? Один из центральных конфликтов — кризис самой модной индустрии. Социальные сети разрушили прежнюю иерархию: теперь тренды формируются не редакторами журналов, а инфлюенсерами. Вопрос «нужны ли вообще модные журналы?» звучит в фильме напрямую. Ответ RUNWAY — вернуться к сути: создавать красоту как опыт. Даже если такие проекты не всегда окупаются, они формируют культурную ценность. Показы, съёмки, эстетика — всё это остаётся тем, что сложно заменить алгоритмами. Фильм осторожно, но уверенно проводит мысль: ИИ может оптимизировать процессы, но не способен заменить человеческое чувство прекрасного. «Дьявол носит Prada 2» — это уже не история о карьере в моде. Это история о мире, где: стабильность исчезает опыт обесценивается технологии меняют правила а успех требует постоянной переоценки Именно поэтому фильм вызывает такой отклик. Он говорит не только о моде — он говорит о каждом, кто пытается удержаться в быстро меняющемся мире. Продолжение не разрушило наследие оригинала — но переосмыслило его. Если раньше главный вопрос звучал как «чего стоит успех», то теперь он звучит иначе: «что делать, когда успех больше ничего не гарантирует?» И, возможно, самый неожиданный ответ фильма — в простых вещах: сохранять вкус к жизни, стремление к красоте и способность оставаться человеком даже в системе, которая постоянно меняется.

Судебное разбирательство между Илоном Маском и OpenAI приняло неожиданный и крайне ироничный оборот. Человек, обвиняющий Сэма Альтмана в «предательстве идеалов», сам оказался в центре скандала, связанного с технологическим плагиатом. На четвертый день слушаний в федеральном суде Окленда адвокат OpenAI задал Маску прямой вопрос: использовала ли его компания xAI методы «дистилляции» моделей своего конкурента? Дистилляция — это процесс, при котором новая нейросеть обучается на ответах более продвинутой модели (в данном случае ChatGPT). По сути, это дешёвый способ «скопировать» интеллект лидера рынка. Ответ Маска обескуражил общественность: вместо отрицания он заявил, что это общепринятая практика, и признал: «Да, отчасти (partly)». Признание выглядит особенно двусмысленно на фоне главного иска Маска. Илон утверждает, что OpenAI превратилась в закрытую коммерческую машину, однако сам использует их разработки для создания собственного конкурентного продукта — Grok. Более того, в зале суда «технологический король» внезапно сменил риторику: В соцсетях он заявляет, что Grok «разрывает» конкурентов. Под присягой в суде он называет xAI «крошечной компанией», которая в 10 раз меньше OpenAI, чтобы отвести обвинения в недобросовестной конкуренции. Судья Ивонн Гонсалес Роджерс холодно отнеслась к попыткам Маска запугать суд «восстанием машин» и сценариями из «Терминатора». Она подчеркнула: «Многие не хотели бы доверять будущее человечества Маску, но это не важно. Мы судим дело о нарушении благотворительного траста, а не о рисках ИИ». Однако настоящей «бомбой» следующей недели могут стать личные дневники сооснователя OpenAI Грега Брокмана. В них содержатся записи, которые могут подтвердить, что руководство OpenAI осознанно планировало переход на коммерческие рельсы, фактически «выдавливая» Маска из проекта. Процесс обнажил главную тайну индустрии: в гонке за ИИ-превосходством правила соблюдаются лишь до тех пор, пока они выгодны. Маск признал факт «заимствования» технологий у врага, и теперь его имидж «спасителя человечества» столкнулся с суровой юридической реальностью. Следующее заседание с показаниями Грега Брокмана обещает стать решающим.

Весной 2026 года разговор об embodied AI (воплощённом искусственном интеллекте) резко сместился от лабораторных экспериментов к практическому внедрению. Главная тема — масштабирование: как как можно быстрее вывести роботов в реальный мир и превратить технологию в устойчивый бизнес. На этом фоне китайские и американские компании встретились в Кремниевой долине, чтобы обсудить фундаментальные вопросы развития отрасли. Поводом стала конференция GEIS, организованная MagicLab в Сан-Хосе — центре глобальной технологической индустрии. За внешне впечатляющими цифрами — быстрым ростом производства и выручки — скрываются четыре нерешённые задачи, от которых зависит будущее всей индустрии. Одна из главных проблем embodied AI — нехватка качественных данных. Сбор данных с реальных роботов дорог, медленный и ограничен по разнообразию сценариев. Решение — синтетические данные. Компании всё чаще используют симуляции для обучения моделей, увеличивая объём данных в тысячи раз. Например, MagicLab ежедневно собирает около 16 тысяч реальных записей и масштабирует их до объёмов, в 10 000 раз превышающих исходные. Однако у синтетики есть ограничения: она не полностью отражает физическую реальность — трение, задержки, тактильные ощущения. Это создаёт так называемый разрыв «sim-to-real». Поэтому формируется консенсус: будущее — за гибридным подходом. Симуляции используются для базовых навыков, а реальные данные — для сложных задач и адаптации к миру. Сегодня архитектура VLA — один из главных стандартов для «мозга» робота. Она объединяет зрение, язык и действия, позволяя системам обобщать задачи. Но у неё есть слабые места. Человек может выполнять сложные манипуляции, почти не используя зрение — за счёт осязания и проприоцепции. У роботов эти каналы пока развиты слабо. По мнению исследователей, популярность VLA во многом объясняется зрелостью визуальных сенсоров. Тактильные технологии пока отстают, поэтому зрение и язык компенсируют этот дефицит. Вывод: VLA — временно лучшее решение, но не финальное. С развитием сенсорики архитектуры будут меняться. Одним из самых спорных вопросов остаётся конструкция роботизированных кистей. Здесь сформировались три основных подхода: Шарнирные (linkage) — простые, дешёвые и надёжные, но менее гибкие Тросовые (tendon-driven) — максимально похожи на человеческую руку, но сложны и дороги Прямой привод (direct drive) — компромиссный вариант, но с инженерными ограничениями Новая тенденция — гибридные решения. Они сочетают точность тросовых систем с устойчивостью и управляемостью других подходов. Индустрия постепенно приходит к балансу: не обязательно копировать человеческую руку, важно найти оптимум между гибкостью, стоимостью и надёжностью. Главный вывод дискуссии: роботы должны как можно раньше выходить из лабораторий. Реальный мир слишком сложен, чтобы его можно было полностью смоделировать. Освещение, грязь, износ механизмов, одновременная нагрузка — всё это ломает идеально обученные системы. Поэтому компании делают ставку на: гибридные данные (реальные + синтетические) модульные системы, позволяющие одному роботу выполнять разные задачи раннее внедрение в реальную среду — от фабрик до школ и аэропортов Как отмечают исследователи, именно взаимодействие с реальной средой создаёт качественный скачок в обучении. Китайские компании демонстрируют агрессивный рост: быстрые производственные циклы, снижение стоимости и активная экспансия на международные рынки. Американские — сильны в фундаментальных исследованиях, архитектурах и экосистемах. Но в одном они сходятся: будущее embodied AI решается не в лабораториях, а в реальном мире. Embodied AI входит в новую фазу. Если раньше главным вопросом было «может ли робот это сделать», то теперь — «можно ли это масштабировать». Ответ зависит от четырёх факторов: данных, архитектуры, инженерных решений и скорости выхода в реальную среду. И, судя по текущей динамике, побеждать будут не те, у кого лучше алгоритмы, а те, кто быстрее научит роботов работать среди людей.

У Qualcomm сейчас непростой период. Компания по-прежнему остается одним из ключевых игроков в мобильных чипах, но ее привычная модель уже заметно давит вниз: смартфонный рынок слабеет, Apple все активнее уходит в собственные компоненты, а конкуренция в Android-сегменте не становится проще. И в то же время именно сейчас вокруг Qualcomm снова появился интерес — но уже не только как к поставщику чипов для телефонов, а как к потенциальному участнику новой волны вычислительных платформ: AI-устройств, автомобилей, edge-вычислений и даже дата-центров. Последняя отчётность показывает: мобильный бизнес Qualcomm остается под давлением. выручка компании снизилась год к году; основное направление по чипам просело; сегмент смартфонов, как и прежде, формирует львиную долю доходов; при этом автомобильное направление и IoT растут, но пока не могут полностью компенсировать спад в телефонах. Иными словами, Qualcomm уже давно говорит о диверсификации, но финансово она еще не стала полноценной заменой мобильному рынку. Пока смартфоны остаются ядром бизнеса, именно по логике смартфонного цикла рынок и продолжает оценивать компанию. Дополнительную тревогу добавляет Apple. Компания последовательно двигается к собственным модемам и все меньше зависит от Qualcomm. Это означает не просто потерю отдельных поставок, а постепенное сужение того самого высокомаржинального куска мобильного рынка, на котором Qualcomm десятилетиями зарабатывала особенно хорошо. Для Qualcomm Apple всегда была не просто крупным заказчиком. Это был символ доступа к верхнему сегменту рынка и к премиальной марже. Но Apple выстраивает вертикальную интеграцию, а значит, Qualcomm рискует терять не только объем, но и стратегическое положение. И это важно еще и потому, что аналогичный путь могут повторять и другие крупные игроки: Samsung, Xiaomi и часть китайских производителей тоже активно инвестируют в собственные чипы и системные решения. То есть давление идет не от одного клиента, а от общей индустриальной тенденции. При этом Qualcomm нельзя назвать беззащитной. Лицензионный бизнес компании по-прежнему остается очень прибыльным и помогает переживать спад в мобильном сегменте. Но именно это и подчеркивает проблему: лицензии помогают выжить, но не отвечают на вопрос о будущем росте. В нынешней AI-гонке главный денежный поток идет через обучение больших моделей, и здесь Qualcomm не в центре событий. На этом поле доминируют Nvidia, а также компании, связанные с облачной инфраструктурой и специализированными ускорителями. Но AI-индустрия не ограничивается только тренировкой моделей. Следующая фаза — это инференс, то есть запуск AI-моделей в реальных устройствах и системах. И вот здесь Qualcomm уже выглядит куда интереснее. Компания делает ставку на: AI на смартфонах; AI в ПК; AI в автомобилях; AI в XR-устройствах; AI в робототехнике; AI в edge-сценариях и локальных серверах. Для таких задач особенно важны не только «сухие терафлопсы», а энергоэффективность, интеграция модема, NPU, CPU, графики и умение работать в ограниченном энергобюджете. А это как раз та область, где Qualcomm исторически сильна. Интерес к Qualcomm усилился после сообщений о возможном сотрудничестве с OpenAI над AI-ориентированным смартфонным/личным устройством. Формально речь идет лишь о слухах и о ранних проработках, но сам факт появления Qualcomm в этой истории важен. Если OpenAI действительно строит новый класс персонального AI-устройства, то ему нужен чип, способный одновременно решать сразу несколько задач: локальные вычисления; голосовое взаимодействие; работу с камерой и изображением; постоянное подключение; низкое энергопотребление; защиту данных и стабильную поставку. Именно в таком сценарии Qualcomm может оказаться логичным кандидатом. Но пока это не история про немедленные доходы. Скорее это опцион на будущее, а не уже подписанный контракт с гарантированной выручкой. Куда более конкретной выглядит другая линия — выход Qualcomm в мир дата-центров и специализированных серверных решений. Компания уже дала понять, что работает над кастомными чипами для одного из крупных облачных клиентов, и первые поставки могут начаться в ближайшие кварталы. Это важный сдвиг: Qualcomm фактически пробует войти в рынок, где сейчас активно растет спрос на энергоэффективные решения для AI-инференса. Здесь Qualcomm не пытается напрямую спорить с Nvidia в тренировке моделей. Это было бы слишком тяжелой битвой. Вместо этого компания, похоже, хочет занять более узкую, но перспективную нишу: AI-инференс; специализированные облачные сценарии; энергоэффективные серверные решения; кастомные архитектуры под конкретные задачи. Если эта модель сработает, Qualcomm сможет использовать свой опыт в мобильных SoC, энергоэффективных NPU и системной интеграции уже в более крупном вычислительном сегменте. Если говорить о направлениях, где Qualcomm уже доказала свою состоятельность, то первое место здесь занимает автомобильный бизнес. Этот сегмент растет быстро и уже стал для компании важнейшей точкой расширения за пределы смартфонов. Qualcomm продает не просто чипы для мультимедиа-систем, а полноценные платформы для: цифровых кокпитов; ассистированных систем вождения; централизации вычислений в авто; объединения нескольких функций в одном SoC. Особенно интересно, что компания все активнее двигается к архитектуре, где cockpit и ADAS могут работать на единой платформе. Это соответствует общему тренду автомобильной индустрии: вместо множества разрозненных блоков — одно мощное вычислительное ядро. Для Qualcomm это не просто дополнительный доход. Это шанс стать поставщиком новой автомобильной вычислительной архитектуры. Второе направление — IoT и индустриальные решения.Здесь Qualcomm делает ставку на объединение процессоров, софта, инструментов для разработчиков и отраслевых платформ. Смысл в том, чтобы не просто продавать железо, а предлагать целую систему для локального AI: промышленное видео; безопасность; embedded-устройства; автономные терминалы; edge-инференс без постоянной связи с облаком. Это рынок не такой громкий, как дата-центры или мобильные устройства, но он может оказаться крайне важным именно из-за своей массовости и прикладного характера. Сегодня Qualcomm нельзя назвать ни компанией, полностью потерявшей рынок, ни историей уже состоявшегося перерождения. Она находится посередине. С одной стороны, смартфонный бизнес уже не дает прежней уверенности.С другой — AI, автомобили, IoT и дата-центры создают для Qualcomm новый коридор возможностей. Поэтому главный вопрос ближайших лет не в том, «есть ли у Qualcomm AI-история».Главный вопрос — сможет ли она превратить эту историю в устойчивый доход, а не просто в очередной рыночный нарратив.

Вокруг OpenAI разгорается один из самых громких корпоративных конфликтов в истории технологической индустрии. По сообщениям СМИ, в ходе судебного процесса между Илоном Маском и OpenAI всплыли новые детали, которые снова поставили под вопрос: как именно компания, начинавшая как некоммерческая инициатива, превратилась в гиганта с многомиллиардной оценкой и коммерческой структурой. Главная интрига — вокруг руководителей OpenAI, в частности Грега Брокмана и Сэма Альтмана, а также вокруг того, как распределялись доли, активы и возможная выгода от перехода компании к более коммерческой модели. Илон Маск был одним из ранних сторонников OpenAI и участвовал в ее становлении на этапе, когда компания позиционировала себя как некоммерческая организация, работающая во благо человечества. Позже OpenAI начала развивать коммерческое направление, а это и стало источником конфликта. По версии стороны Маска, OpenAI фактически отошла от первоначальных обещаний и начала использовать активы и репутацию некоммерческой структуры для построения прибыльного бизнеса. Маск утверждает, что это противоречит изначальной миссии проекта. OpenAI, в свою очередь, объясняет трансформацию тем, что создание и развитие передовых моделей искусственного интеллекта требует колоссальных ресурсов. Без коммерческой модели, по их словам, компания не смогла бы конкурировать на уровне мировых лидеров и привлекать инвестиции, специалистов и инфраструктуру. По данным, которые приводятся в публикации, в суде обсуждался вопрос доли Грега Брокмана в коммерческом подразделении OpenAI. Якобы он признал, что не вкладывал собственные деньги, но получил долю, стоимость которой оценивается в десятки миллиардов долларов. Именно этот момент и стал одним из самых обсуждаемых. Критики называют такую схему несправедливой, а сторонники OpenAI отвечают, что без подобной мотивации компания не смогла бы построить передовую AI-инфраструктуру. Другой важный эпизод связан с возможными инвестициями Альтмана и Брокмана в стороннюю компанию Cerebras. Утверждается, что их личные интересы могли пересекаться с решениями, которые принимались OpenAI в отношении этой компании. Если это действительно так, речь может идти о конфликте интересов и даже о так называемой самосделке, когда руководитель организации получает личную выгоду от решений, принимаемых от имени компании. Этот процесс выходит далеко за рамки одного корпоративного спора. На кону стоит вопрос о том, как вообще должны устроены компании, работающие над искусственным интеллектом общего назначения. Есть две модели: идеалистическая — сначала миссия, потом бизнес; прагматическая — сначала масштаб, потом все остальное. Маск настаивает на том, что OpenAI нарушила первоначальные принципы и должна быть возвращена к более открытому и некоммерческому формату. OpenAI, напротив, утверждает, что без сильной коммерческой базы невозможно вести гонку за AGI, особенно когда речь идёт о стоимости обучения моделей, закупке чипов и конкуренции с другими гигантами. В деле есть и более широкий смысл. На фоне судебного спора эксперты снова заговорили о том, что гонка за AGI может превратиться в опасную технологическую гонку вооружений. Суть опасений проста: если компании соревнуются не только в качестве моделей, но и в скорости вывода продуктов на рынок, то безопасность может отойти на второй план. Чем сильнее давление конкуренции, тем выше риск того, что разработчики будут жертвовать осторожностью ради победы. Именно поэтому спор OpenAI и Маска воспринимается не только как конфликт бывших сооснователей, но и как символический спор о том, кому вообще должен принадлежать будущий искусственный интеллект. Если Маск добьется успеха, это может привести к серьезным последствиям: OpenAI могут заставить пересмотреть структуру собственности; часть коммерческих активов может оказаться под юридическим давлением; партнерские соглашения и инвестиционные модели могут быть поставлены под вопрос; другим AI-стартапам это покажет, что нельзя безнаказанно начинать как «миссия для человечества», а заканчивать как полноценный коммерческий монстр. Если же OpenAI выиграет, это станет подтверждением того, что в AI-индустрии побеждает логика жесткого роста: сначала захватить рынок, потом уже обсуждать идеологию. История с OpenAI и Маском — это не просто очередной корпоративный конфликт. Это спор о том, можно ли совмещать большие технологические амбиции, коммерческий успех и первоначальные этические обещания. С одной стороны, AI требует огромных вложений, и без денег такие проекты действительно не выживают. С другой — когда организация, созданная как некоммерческая, превращается в многомиллиардный бизнес, возникают закономерные вопросы о доверии, прозрачности и справедливости. Именно поэтому за этим делом следят не только юристы и инвесторы, но и весь технологический мир. Итог этого спора может повлиять не только на OpenAI, но и на то, как в будущем будут строиться все крупные AI-компании.