Где будут деньги в эпоху AI?
Я люблю длинные, доказанные тренды. Хочу ставить себя в точку где ветер дует в спину. Этот пост – часть моей работы в понимании куда дуют ветра.
Очевидный тренд – AI заменяет все цифровые работы. Через 3-5 лет вся ценность работы за ноутбуком устремится к нулю. Если вы всё ещё сомневаетесь – изучайте https://metr.org/
Но это не даёт ответа надо этим заниматься или нет. Интуитивно мне казалось странным заниматься разработкой софта – он же дешевеет, зачем? Почему тогда все бегут делать агентов?
И вот люди сильно умней меня написали про это хорошую статью – с доказательствами и экспериментами.
Мои краткие выводы:
1. Сектора, где производство дешевеет, сжимаются. Сельское хозяйство ушло с 15% до 1% GDP: фермеров меньше, маржа минимальная, часто отрицательная.
2. Деньги – и траты, и зарплаты – перетекают в сектора с дефицитом товаров. Например, доля дорогих ресторанов в экономике исторически растёт. Экономика в сумме кстати тоже растёт, люди перераспределяются. В статье есть причины доказательства.
3. Основная гипотеза автора – рост будет в секторах где люди являются частью ценности услуги. Это без сильных доказательств.
4. Эффект работает только для "богатых" стран. У экспортных перераспределения может не случиться – экспортируют обычно товары, а не людей.
Что я забираю из этого для своей траектории:
В текущих цифровых профессиях денег долгосрочно не будет. Да, кто-то один сделает нового "супер-производителя софта" – это будет большая компания, но с низкой маржой. Все остальные умрут – такие рынки жёстко консолидируются.
В чистом виде – как будто не стоит заниматься цифровыми профессиями.
Один из возможных ответов – строить то где люди являются частью ценности.
Не зря я снова начал фотографировать хахах. Кстати, подписывайтесь, если жена разрешит🌟
Я люблю длинные, доказанные тренды. Хочу ставить себя в точку где ветер дует в спину. Этот пост – часть моей работы в понимании куда дуют ветра.
Очевидный тренд – AI заменяет все цифровые работы. Через 3-5 лет вся ценность работы за ноутбуком устремится к нулю. Если вы всё ещё сомневаетесь – изучайте https://metr.org/
Но это не даёт ответа надо этим заниматься или нет. Интуитивно мне казалось странным заниматься разработкой софта – он же дешевеет, зачем? Почему тогда все бегут делать агентов?
И вот люди сильно умней меня написали про это хорошую статью – с доказательствами и экспериментами.
Мои краткие выводы:
1. Сектора, где производство дешевеет, сжимаются. Сельское хозяйство ушло с 15% до 1% GDP: фермеров меньше, маржа минимальная, часто отрицательная.
2. Деньги – и траты, и зарплаты – перетекают в сектора с дефицитом товаров. Например, доля дорогих ресторанов в экономике исторически растёт. Экономика в сумме кстати тоже растёт, люди перераспределяются. В статье есть причины доказательства.
3. Основная гипотеза автора – рост будет в секторах где люди являются частью ценности услуги. Это без сильных доказательств.
4. Эффект работает только для "богатых" стран. У экспортных перераспределения может не случиться – экспортируют обычно товары, а не людей.
Что я забираю из этого для своей траектории:
В текущих цифровых профессиях денег долгосрочно не будет. Да, кто-то один сделает нового "супер-производителя софта" – это будет большая компания, но с низкой маржой. Все остальные умрут – такие рынки жёстко консолидируются.
В чистом виде – как будто не стоит заниматься цифровыми профессиями.
Один из возможных ответов – строить то где люди являются частью ценности.
Не зря я снова начал фотографировать хахах. Кстати, подписывайтесь, если жена разрешит
Please open Telegram to view this post
VIEW IN TELEGRAM
❤50🤡25🔥15🤔4
Forwarded from Denis Sexy IT 🤖
Из-за АИ Агентов этих скоро обычных имен людских не останется – челы сделали https://getviktor.com/
И кожаным Викторам приходится подписывать теперь, что они не АИ-тул, а человек😂
И кожаным Викторам приходится подписывать теперь, что они не АИ-тул, а человек
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤22🤡4🔥2
Про рынок РФ, часть 1: мотивация
Делал вчера с ребёнком умного робота. Идея – запихать AI в Raspberry Pi, приделать микрофон, колонки, камеру и колёса. Супер, да?
Но мы делаем это в Москве. Все сервисы заблокированы. Claude Code тоже не поставить. Сижу перебираю варианты заливая код на девайс руками. Ребёнок спрашивает Алису – та рекомендует сервисы Яндекса и Гигачат. Пожалуй, не сегодня.
Через полчаса выяснилось что OpenVPN блокируется провайдером. Ребёнок ковыряет в носу и явно теряет мотивацию. Алиса соболезнует и предлагает прокси сервисы. Меня конкретно бесит что мы даже начать не можем из-за этих тупых проблем.
Спустя ещё несколько неудач я нашел готовый конфиг для linux от одного из VPN-провайдеров. Он заработал сразу, чему я был безумно рад. Дальше дело пошло – сделали умную говорилку, начали прикручивать камеру, ребёнок в восторге.
Это я всё к чему.
Вся эта ситуация – буквально AI на российском рынке.
Тебе нужно:
- Проковырять доступы блокируемые с двух сторон
- Найти как оплатить и не потерять аккаунты
- Понять какие законы РФ ты потенциально можешь нарушить и как этого избежать
- Построить защитных мер от законов РФ
- Прикрутить Яндекс или Гигачат там где иначе никак
Это всё решаемые проблемы. Но мотивация падает – и у инженеров, и у компаний.
В результате отстаёт самое главное – головы людей. Технологии где-то за заборами живут.
Делал вчера с ребёнком умного робота. Идея – запихать AI в Raspberry Pi, приделать микрофон, колонки, камеру и колёса. Супер, да?
Но мы делаем это в Москве. Все сервисы заблокированы. Claude Code тоже не поставить. Сижу перебираю варианты заливая код на девайс руками. Ребёнок спрашивает Алису – та рекомендует сервисы Яндекса и Гигачат. Пожалуй, не сегодня.
Через полчаса выяснилось что OpenVPN блокируется провайдером. Ребёнок ковыряет в носу и явно теряет мотивацию. Алиса соболезнует и предлагает прокси сервисы. Меня конкретно бесит что мы даже начать не можем из-за этих тупых проблем.
Спустя ещё несколько неудач я нашел готовый конфиг для linux от одного из VPN-провайдеров. Он заработал сразу, чему я был безумно рад. Дальше дело пошло – сделали умную говорилку, начали прикручивать камеру, ребёнок в восторге.
Это я всё к чему.
Вся эта ситуация – буквально AI на российском рынке.
Тебе нужно:
- Проковырять доступы блокируемые с двух сторон
- Найти как оплатить и не потерять аккаунты
- Понять какие законы РФ ты потенциально можешь нарушить и как этого избежать
- Построить защитных мер от законов РФ
- Прикрутить Яндекс или Гигачат там где иначе никак
Это всё решаемые проблемы. Но мотивация падает – и у инженеров, и у компаний.
В результате отстаёт самое главное – головы людей. Технологии где-то за заборами живут.
2❤297🤡38🔥23🥱4🤔1
Про рынок РФ, часть 2: суверенный AI
Самый популярный вопрос ко мне – сможет ли индустрия РФ создать AI мирового уровня?
Конечно, нет.
Этот ответ людей не удивляет. Но главной причиной часто считают невозможность купить Nvidia. Ну, нет.
Для создания базовых моделей нужны три вещи: вычислительные мощности, данные и таланты.
Мощности стоят денег. Много денег. Для понимания разрыва – траты одного только Amazon на AI-инфраструктуру это четверть годового российского бюджета – порядка $150B за 2026.
Данные тоже стоят денег. Эту часть часто забывают или недооценивают. За OpenAI, Anthropic и прочими стоят компании вроде Surge и Scale AI создающие данные для обучения. Одна только Surge заработывает на данных $1B+ в год.
Таланты тянутся за самыми классными задачами. Самые классные задачи требуют первых двух пунктов. Лучшие ребята стягиваются со всех стран поближе к лабам с деньгами – включая ребят из РФ.
Так что – причины вполне рыночные. У экономики РФ просто не хватит денег. Внутренний рынок довольно скромный и не растет. Экспорт технологий сильно ограничен. Непонятно, как возвращать инвестиции.
Китай – хороший пример “не-США” где локальной экономики вполне хватает чтобы потягаться. Как следствие, локальных “не уехавших” талантов там тоже хватает – внутри интересно.
AI – не та индустрия, где получится отстроить независимость.
Самый популярный вопрос ко мне – сможет ли индустрия РФ создать AI мирового уровня?
Конечно, нет.
Этот ответ людей не удивляет. Но главной причиной часто считают невозможность купить Nvidia. Ну, нет.
Для создания базовых моделей нужны три вещи: вычислительные мощности, данные и таланты.
Мощности стоят денег. Много денег. Для понимания разрыва – траты одного только Amazon на AI-инфраструктуру это четверть годового российского бюджета – порядка $150B за 2026.
Данные тоже стоят денег. Эту часть часто забывают или недооценивают. За OpenAI, Anthropic и прочими стоят компании вроде Surge и Scale AI создающие данные для обучения. Одна только Surge заработывает на данных $1B+ в год.
Таланты тянутся за самыми классными задачами. Самые классные задачи требуют первых двух пунктов. Лучшие ребята стягиваются со всех стран поближе к лабам с деньгами – включая ребят из РФ.
Так что – причины вполне рыночные. У экономики РФ просто не хватит денег. Внутренний рынок довольно скромный и не растет. Экспорт технологий сильно ограничен. Непонятно, как возвращать инвестиции.
Китай – хороший пример “не-США” где локальной экономики вполне хватает чтобы потягаться. Как следствие, локальных “не уехавших” талантов там тоже хватает – внутри интересно.
AI – не та индустрия, где получится отстроить независимость.
51🔥106❤41🤔12🤡8
Кстати, я не согласен с общественным насмеханием над самой идеей суверенного ИИ. Стараться повышать независимость индустрии – это хорошо.
Суверенный ИИ это не российский прикол – это мировой тренд на Sovereign AI. Никто не хочет оказаться в зависимой позиции в ещё одной индустрии.
Но тут вариантов не вижу. Если открытые модели начнут отставать, придётся закупать.
Суверенный ИИ это не российский прикол – это мировой тренд на Sovereign AI. Никто не хочет оказаться в зависимой позиции в ещё одной индустрии.
Но тут вариантов не вижу. Если открытые модели начнут отставать, придётся закупать.
❤62🔥20🤡8
What next?
Активно исследую что строить дальше. Делюсь – в формате открытых рассуждений.
Я хочу работать с генеративными технологиями. Я хочу решать реальные проблемы этого мира – иметь здесь high agency.
Я хочу область где новые технологии действительно всё меняют. Забавно, что пришлось отмести финтех. Hot take: финтех практически не затронут новой AI-волной.
Я сразу отметаю B2C. Кровавая мясорубка из компаний, в которой я участвовать не хочу. Привлечение очень сложное, 50 стартапов на одну идею, в любой момент тебя сжирает Google и так далее.
Я отмёл core технологии и платформенные слои. Сами модели – у меня нет там leverage, без меня разберутся. Платформенные слои – слишком медленно и инженерно, хочется ближе к эффекту на общество.
Мне нравятся индустрии где есть сложные интеллектуальные workflow – и на них всё работает. Это классная задача, мне хочется её решать.
Простые и популярные индустрии – маркетинг, продажи, etc – я тоже отмёл. Малый порог входа, очень много игроков – малая вероятность успеха даже если ты молодец. Меньше зависит от самих технологий.
Бывают и слишком сложные индустрии. Моё восхищение вызывает Physics X – AI-проектирование двигателей, крыльев, процессоров, материалов и так далее. Но мой индекс Хирша для такого маловат. Буду с восторгом смотреть со стороны.
Что попадает в фильтр? О, много чего классного.
Проектирование зданий, электроники, мебели и даже ювелирки. Документы, бухгалтерия и налоги – как же много тут страданий людей! Медицина. Креативные индустрии. И ещё множество чего.
Столько всего можно сделать лучше!
Я продолжаю разбираться дальше. Ваши комментарии которые помогут мне в этом пути – приветствуются.
Активно исследую что строить дальше. Делюсь – в формате открытых рассуждений.
Я хочу работать с генеративными технологиями. Я хочу решать реальные проблемы этого мира – иметь здесь high agency.
Я хочу область где новые технологии действительно всё меняют. Забавно, что пришлось отмести финтех. Hot take: финтех практически не затронут новой AI-волной.
Я сразу отметаю B2C. Кровавая мясорубка из компаний, в которой я участвовать не хочу. Привлечение очень сложное, 50 стартапов на одну идею, в любой момент тебя сжирает Google и так далее.
Я отмёл core технологии и платформенные слои. Сами модели – у меня нет там leverage, без меня разберутся. Платформенные слои – слишком медленно и инженерно, хочется ближе к эффекту на общество.
Мне нравятся индустрии где есть сложные интеллектуальные workflow – и на них всё работает. Это классная задача, мне хочется её решать.
Простые и популярные индустрии – маркетинг, продажи, etc – я тоже отмёл. Малый порог входа, очень много игроков – малая вероятность успеха даже если ты молодец. Меньше зависит от самих технологий.
Бывают и слишком сложные индустрии. Моё восхищение вызывает Physics X – AI-проектирование двигателей, крыльев, процессоров, материалов и так далее. Но мой индекс Хирша для такого маловат. Буду с восторгом смотреть со стороны.
Что попадает в фильтр? О, много чего классного.
Проектирование зданий, электроники, мебели и даже ювелирки. Документы, бухгалтерия и налоги – как же много тут страданий людей! Медицина. Креативные индустрии. И ещё множество чего.
Столько всего можно сделать лучше!
Я продолжаю разбираться дальше. Ваши комментарии которые помогут мне в этом пути – приветствуются.
1❤138🤡29🔥21🥱9🤔2
Я на конференции ICRA в Вене - International Conference on Robotics and Automation. Это научная конфа - стенды, статьи, много формул и куча китайцев. Заехал получить актуальный срез знаний по Robotics.
Стоило заехать только ради выступления Ken Goldberg - легендарного профессора, исследователя в Robotics и анти-хайпера.
Он придумал аббревиатуру GOFE - Good Old-fashioned Engineering🌟
Имеются в виду более классические подходы в роботизации вроде фильтров Калмана. Кен убедительно доказывает преимущество GOFE перед VLA-хайпом – генерализацией на большом объеме данных а-ля LLM. При этом, Кен понимает преимущества и старается подружить два подхода.
Например, он исследует очень интересный подход Code-as-Policy. Идея такая: давайте робот будет управляться обычным кодом так как он стабильней/быстрый/интерпретируемый, но этот код будут писать агенты под задачу. Итоговое управление при этом – микс VLA и такого кода. Очень круто. arxiv: Cap-X
Хайп вокруг гуманоидов он не любит. Аргументов у него крутых много – оставляю вам почитать тут.
В остальном, весь день слушаю научные доклады и общаюсь на стендах. Краткое состояние индустрии – "решение роботами всех задач" ещё невероятно далеко.
Например, ключевые статьи по Grasping & Manipulation – как ровно сложить пополам квадрат ткани и как правильно поправить волосы на голове. Авторы сделали огромный прогресс за счет сложнейшей физической модели ткани и катастрофического количества математики для правильного представления пространства волос. Задачи в общем виде не решены.
До роботов-парикмахеров нам очень далеко.
Стоило заехать только ради выступления Ken Goldberg - легендарного профессора, исследователя в Robotics и анти-хайпера.
Он придумал аббревиатуру GOFE - Good Old-fashioned Engineering
Имеются в виду более классические подходы в роботизации вроде фильтров Калмана. Кен убедительно доказывает преимущество GOFE перед VLA-хайпом – генерализацией на большом объеме данных а-ля LLM. При этом, Кен понимает преимущества и старается подружить два подхода.
Например, он исследует очень интересный подход Code-as-Policy. Идея такая: давайте робот будет управляться обычным кодом так как он стабильней/быстрый/интерпретируемый, но этот код будут писать агенты под задачу. Итоговое управление при этом – микс VLA и такого кода. Очень круто. arxiv: Cap-X
Хайп вокруг гуманоидов он не любит. Аргументов у него крутых много – оставляю вам почитать тут.
В остальном, весь день слушаю научные доклады и общаюсь на стендах. Краткое состояние индустрии – "решение роботами всех задач" ещё невероятно далеко.
Например, ключевые статьи по Grasping & Manipulation – как ровно сложить пополам квадрат ткани и как правильно поправить волосы на голове. Авторы сделали огромный прогресс за счет сложнейшей физической модели ткани и катастрофического количества математики для правильного представления пространства волос. Задачи в общем виде не решены.
До роботов-парикмахеров нам очень далеко.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤53🔥27🤡4🥱1
The Bitter Lesson
Когда решаешь сложную задачу – всегда помогает набрать побольше экспертизы в доменной области и воспользоваться чужим опытом. Надёжный уверенный способ решать задачи.
Так вот – в AI всё работает иначе. Каждый раз побеждает другая парадигма – взять огромные вычислительные мощности и накидать туда данных или симуляций.
Такой подход выиграл в шахматах – AlphaZero учился без экспертизы. Паттерн повторился в CV, распознавании речи, ботах в Dota 2 и позже в LLM. Каждый раз люди сопротивляются такому подходу – это противоречит нашему человеческому опыту. Эксперты ходят и грустят "а как же наша экспертиза". Знакомо, разработчики?
Этот урок известен как The Bitter Lesson – горький урок необратимой победы большого компьюта и масштаба над доменными экспертными решениями. Название пошло от одноименного эссе Ричарда Саттона.
Ричард описывает корневую причину как закон Мура в его современных формах. Рост компьюта продолжает расти – значит, решения масштабируемые по компьюту в итоге победят. Экспертность не масштабируется.
Ключевые навыки для продвижения вперёд это scalable search and learning – а не экспертные знания. На поиск и обучение раскладывается примерно любой современный AI – и если компьют продолжит расти, эта парадигма победит.
В robotics сейчас происходит борьба этих двух подходов. Лагерь запомнивших bitter lesson ставит на VLA и world models. Лагерь более классических подходов сопротивляется – и не без оснований. Сильные аргументы есть с обеих сторон – но будущее уже предопределено. Правда, непонятно, когда.
Интересно, что похожий паттерн видно везде. Мы учим наши AI-системы доменное-специфичным вещам и прочим claude.md хакам – чтобы в очередной итерации развития моделей получить очередной bitter lesson – и выкинуть это всё на помойку. Мы строим экспертные компании на доменных знаниях – и потом массово закрываем их получив очередной горький урок.
The Bitter Lesson – важнейший концепт для понимания технологий сегодня, стоит его изучить. Прочитайте эссе, оно короткое.
p.s. пост заведомо однобокий для усиления. есть сильные аргументы в другую сторону, включая огромное количество экспертов в обучении современных llm
Когда решаешь сложную задачу – всегда помогает набрать побольше экспертизы в доменной области и воспользоваться чужим опытом. Надёжный уверенный способ решать задачи.
Так вот – в AI всё работает иначе. Каждый раз побеждает другая парадигма – взять огромные вычислительные мощности и накидать туда данных или симуляций.
Такой подход выиграл в шахматах – AlphaZero учился без экспертизы. Паттерн повторился в CV, распознавании речи, ботах в Dota 2 и позже в LLM. Каждый раз люди сопротивляются такому подходу – это противоречит нашему человеческому опыту. Эксперты ходят и грустят "а как же наша экспертиза". Знакомо, разработчики?
Этот урок известен как The Bitter Lesson – горький урок необратимой победы большого компьюта и масштаба над доменными экспертными решениями. Название пошло от одноименного эссе Ричарда Саттона.
Ричард описывает корневую причину как закон Мура в его современных формах. Рост компьюта продолжает расти – значит, решения масштабируемые по компьюту в итоге победят. Экспертность не масштабируется.
Ключевые навыки для продвижения вперёд это scalable search and learning – а не экспертные знания. На поиск и обучение раскладывается примерно любой современный AI – и если компьют продолжит расти, эта парадигма победит.
В robotics сейчас происходит борьба этих двух подходов. Лагерь запомнивших bitter lesson ставит на VLA и world models. Лагерь более классических подходов сопротивляется – и не без оснований. Сильные аргументы есть с обеих сторон – но будущее уже предопределено. Правда, непонятно, когда.
Интересно, что похожий паттерн видно везде. Мы учим наши AI-системы доменное-специфичным вещам и прочим claude.md хакам – чтобы в очередной итерации развития моделей получить очередной bitter lesson – и выкинуть это всё на помойку. Мы строим экспертные компании на доменных знаниях – и потом массово закрываем их получив очередной горький урок.
The Bitter Lesson – важнейший концепт для понимания технологий сегодня, стоит его изучить. Прочитайте эссе, оно короткое.
p.s. пост заведомо однобокий для усиления. есть сильные аргументы в другую сторону, включая огромное количество экспертов в обучении современных llm
1❤30🔥16🤡4🤔1
Кстати, если ещё не смотрели Pantheon – бегите смотреть!
Сериал про Uploaded Intelligence – людей загружают в облако и они начинают там другую жизнь. Очень технологичный, супер актуальный, великолепно сделан. И прямо в точку.
Вайбы Love, Death & Robots и Black Mirror. Netflix
Сериал про Uploaded Intelligence – людей загружают в облако и они начинают там другую жизнь. Очень технологичный, супер актуальный, великолепно сделан. И прямо в точку.
Вайбы Love, Death & Robots и Black Mirror. Netflix
Netflix
Watch Pantheon | Netflix
A pair of troubled teenagers discover their personal connections to a revolutionary new technology come with a high human cost.
🔥22❤13