Разборы · Статья: · Подкаст: · 1 ч 41 мин

Братья Либерманы про ИИ 2026: память дороже золота, персонажи вместо промптов и поиск себя в мире, где машина всё делает лучше

Разбор интервью братьев Либерманов в подкасте «Основа»: почему узкое место ИИ теперь не GPU, а память; как рекурсивное самоулучшение и scaling laws двигают прогресс; почему промпты сменились «персонажами»-агентами; и зачем в мире, где ИИ всё делает лучше, человеку остаётся режиссировать собственный нарратив.

ИИ Будущее Философия Экономика
Слушать подкаст

БРАТЬЯ ЛИБЕРМАНЫ: ИИ 2026 - НЕ ЖДЕМ, А ГОТОВИМСЯ

Основа · Борис Веденский (гости — Даниил и Давид Либерманы) · 1 ч 41 мин
Главы выпуска — нажми, чтобы перейти к моменту 10
  1. 0:00 Сингулярность и фантастика, которая попала Что такое точка невозврата прогноза и рассказ Брюса Стерлинга об ИИ, родившемся из поисковика.
  2. 6:23 Какая будет следующая мега-IT-компания После OpenAI и Anthropic — роботы, потом биология; и где здесь рекурсивный ИИ.
  3. 7:47 Рекурсивное самоулучшение ИИ Репозиторий Карпатого, ИИ решает 200-летние матзадачи, ход 37 в Go и Dota — случайность и любопытство.
  4. 14:35 Anthropic, самоэволюция и scaling laws Модель, ищущая уязвимости; emergent properties; «прыжок веры» Суцкевера на 100 млн долларов.
  5. 22:50 Память дороже GPU и узкие горлышки Альтман выкупил половину памяти, Apple снимает Mac Studio, вода/песок/Тайвань, энергия и атом.
  6. 36:36 Данные: книги, копирайт и world models Anthropic заплатил за копирайт, ZIP-аналогия Карпатого, скупка данных банкротов, Tesla.
  7. 49:28 Промпт → контекст → агенты-персонажи GStack от Гэри Тана, Claude Code, OpenClaw, speak coding, режиссура ролей.
  8. 1:07:50 Видеомодели и AI-Netflix Sora закрылась, китайские модели, почему экономика не сходится — маркетинг главная статья расходов.
  9. 1:20:05 Семейные предсказания кризисов и GPU как золото Дефолт-98, 2008, Кипр-13; Polymarket 20% по Тайваню → сервер как актив.
  10. 1:31:37 Воспитание детей и ренессанс живого Расширять кругозор, среда амбициозных, субъектность; футбол и театр — люди смотрят на людей.

Коротко

Прогресс ИИ упёрся в физику — память, энергию и геополитику чипов, а не в идеи. Главное умение человека смещается с написания кода к режиссуре: описать персонажа-агента и найти смысл там, где машина делает всё лучше тебя.

Выжимка голосом

Самое ценное из разбора — за пару минут

0:00 2:02
Показать текст выжимки
Если коротко — прогресс искусственного интеллекта в две тысячи двадцать шестом упёрся не в идеи, а в физику. И параллельно сместился главный человеческий навык: от написания кода — к режиссуре. Самое важное здесь — память. Она стала узким горлышком. Один модуль памяти сегодня дороже половины видеокарты. Поговаривают, что Альтман будто бы выкупил половину мировой памяти под свои дата-центры. Эпл даже снял Мак Студио с продаж — чипов и памяти не хватает на всех. Дальше — масштабирование. Чем больше параметров, тем чаще модель обретает новые способности, которым её не учили. Суцкевер однажды сделал прыжок веры на сто миллионов долларов — и это сработало. Но путь к сверхинтеллекту упирается в электричество: чтобы расти линейно, ресурсы нужны по двойной экспоненте. А вот что изменилось для нас. Промпт, по сути, умер. Теперь мы не вылизываем формулировку, а описываем персонажа-агента: кто он, какая у него роль, как он думает. Это делают Клод Код и ОупенКло — роли задаются прямо в текстовых файлах. Ключевой навык становится режиссёрским: описать мир языком и поручить его агенту. Практичный совет — попробуйте именно так. Не шлифуйте одну фразу, а опишите героя с характером и задачей, и дайте ему действовать. Но без хайпа. Часть громких цифр звучит на слух и, похоже, завышена. И мысль, что покупка видеокарт — это безрисковая инвестиция, сомнительна: железо быстро устаревает и амортизируется. И напоследок — взгляд под другим углом. Представьте мир, где искусственный интеллект всё делает лучше вас. Что остаётся? Остаётся живое. Возможно, нас ждёт ренессанс театра — люди приходят смотреть на людей. А смысл — в том нарративе, который вы выбираете для себя сами.

Озвучено синтезом речи · голос alena

Объясни проще

Суть без жаргона

Простыми словами

Два предпринимателя из Кремниевой долины разбирают, что на самом деле движет и тормозит ИИ в 2026 году. Прогресс упирается не в нехватку идей, а в железо: память дороже самого процессора, не хватает электричества (всерьёз обсуждают атомные станции), а производство чипов зависит от Тайваня и сверхчистой воды с песком. Внутри моделей работает «эффект масштаба»: чем больше параметров, тем неожиданно появляются новые способности — на этой вере Илья Суцкевер когда-то рискнул потратить 100 млн долларов на один запуск обучения. Отдельно — как меняется работа с ИИ: вместо «как написать промпт» теперь описывают целые роли-персонажи (агентов), и ключевым навыком становится не программирование, а режиссура. А финал — философский: если машина всё делает лучше тебя, смысл остаётся только в том, какой нарратив своей жизни ты выбираешь сам.

Как ребёнку

Представь супер-умного робота, который учится по всем книжкам, видео и фоткам, что люди выложили в интернет. Он стал таким умным, что иногда придумывает ходы в играх, до которых люди не додумались за сотни лет. Но чтобы он работал, нужны огромные «мозги» — специальные детали и очень много электричества, и их на всех не хватает. А ещё оказалось: чтобы он сделал что-то полезное, ему лучше не давать команду, а описать, какой он «персонаж» — например, «ты повар» — и тогда он сам поймёт, как готовить. И есть важный вопрос: если робот всё делает лучше тебя, чем тогда заниматься? Ответ — выбирать самому, какую историю своей жизни прожить.

Аналогия — «это как…»

Современный ИИ — это как огромный архив в формате ZIP: в него «сжали» почти весь текст интернета, и когда ты задаёшь вопрос, ты вытаскиваешь не точную копию, а очень похожую на правду версию (как JPEG-фото: пиксели потеряны, но ты всё равно узнаёшь на нём себя). А работа с агентами — как режиссура: ты не играешь сам, ты описываешь персонажа («ворчливый сантехник в хипстерском кафе»), и дальше он сам знает, как себя вести.

Зачем это мне

Это карта ближайших лет: куда пойдут деньги (память, энергия, чипы), какой навык станет ценным (описывать задачи и роли словами, а не кодить), и где геополитический риск превращается в личную стратегию (20% вероятности конфликта вокруг Тайваня → GPU как «золото»). И главное — заранее прожить мысль «а что я буду делать, если ИИ во всём лучше меня», чтобы встретить этот мир в хорошем состоянии, а не в панике.

Для тех, кто в теме

Дельта поверх общеизвестного: (1) бутылочное горлышко сместилось с GPU/энергии на HBM-память — Альтман будто бы предзаконтрактовал ~50% мировой памяти, память ≈ половина цены GPU, Apple сняла Mac Studio с продаж, т.к. их скупали под локальный инференс. (2) Рекурсивное самоулучшение уже частично здесь (репозиторий Карпатого, модель Anthropic, ищущая уязвимости), вектор — от долгой тренировки к непрерывному дообучению. (3) Scaling: ×10 параметров = ×100 вычислений (двойная экспонента); 100-трлн модель ≈ всё электричество США. (4) Стек работы сместился промпт → контекст → агенты-персоны (GStack Гэри Тана, Claude Code, OpenClaw — «iPhone-момент», ×3 за 2 месяца). (5) Данные: world models упираются в нехватку видео-данных, скупают переписку обанкротившихся стартапов, Tesla собирает фидбек с отключений автопилота. (6) Видеомодели недоинвестированы (Sora закрылась, экономика не сходится из-за маркетинга).

Оценка выпуска

Чем выше — тем больше пользы на минуту

4.0

средняя из 5

Актуальность информации 4.5

Очень свежий срез повестки начала 2026 — память, агенты, OpenClaw, Sora, геополитика чипов; почти всё «горячее».

Содержательность 4.0

Много неочевидных связок и цифр, но формат свободной беседы — местами вода, шутки и отступления.

Инновационность идей 4.0

Свежие рамки — «память как новое золото», «промпт жизни», режиссура агентов; не новость, но редкая компоновка.

Применимость на практике 3.5

Есть прямые приёмы (агенты-персоны, локальный инференс, GPU как актив), но большая часть — оптика и прогнозы, а не инструкции.

Кому будет полезно

Чем выше оценка — тем больше пользы для профессии. Разверни — почему.

Для Предприниматели 5 /5

Прямое попадание: тезис «не ждём, а готовимся» разворачивается в конкретику — GPU как актив, 20%-я вероятность Тайваня в стратегии, кейс отопления биткоином и истории кризисов 1998/2008/2013 как уроки чтения сигналов.

Для ML-инженеры 5 /5

Разобраны рабочие инструменты и сдвиг ремесла: агенты как «модель + инструменты», роли-персоны в .md-файлах (GStack поверх Claude Code), переход от промтинга к контексту, рекурсивное самоулучшение, узкое горлышко памяти.

Для Инвесторы 5 /5

Конкретные инвест-тезисы: дефицит HBM-памяти, GPU «станут золотом», смещение бизнеса Nvidia, переориентация турбинных заводов на энергогенерацию, риск Тайваня и экспортный контроль.

Для Специалисты по закупкам инфраструктуры 4 /5

Подробно про реальные горлышки: память — половина цены GPU, предзакуп 50% мировой памяти, аренда vs покупка, дефицит ещё на год-два, скупка Mac Studio под локальные модели.

Для Продуктовые менеджеры 4 /5

Разбор экономики продукта на AI: почему видеомодели недоинвестированы, провал Sora/микродрам на маркетинге, демократизация через open-source роли.

Для Режиссёры и видеопродакшн 4 /5

Прогноз неотличимого видео за 1-2 года, почему ключевым навыком становится режиссура и описание персонажей, экономика AI-Netflix, ренессанс театра как живого контакта.

Для Родители 3 /5

Практичный, но локальный (Долина) совет: вместо перегруза кружками — расширять кругозор, водить детей на «край происходящего», развивать субъектность.

Инсайты

Нажми, чтобы раскрыть — то, что меняет взгляд на тему

01 Узкое горлышко ИИ — уже не GPU и не энергия, а память 22:50

Долго пугали нехваткой видеокарт и электричества, но реальный дефицит оказался в высокоскоростной памяти: её делают по сути три компании. Альтман будто бы предзаконтрактовал ~50% мировой памяти на годы вперёд, и из-за дефицита Apple даже сняла с продаж Mac Studio — их скупали как самый дешёвый способ гонять большие модели дома.

02 Прогресс идёт от «обучили один раз» к «учится непрерывно» 7:47

Рекурсивное самоулучшение уже частично здесь: ИИ улучшает чужие программы, а значит может улучшать и себя; есть репозиторий Карпатого и модель Anthropic, ищущая уязвимости. Вектор — уход от долгой тренировки на тысячах GPU к модели, которая дообучается прямо в процессе работы.

03 Двойная экспонента делает сверхинтеллект вопросом физики, а не идей 32:16

Чтобы увеличить число параметров в 10 раз, нужно в 100 раз больше вычислений. Поэтому «100-триллионная» модель уровня человеческого мозга упирается не в алгоритмы, а в электричество: по прикидкам в беседе это почти вся энергия США ради одной модели.

04 Промпт умер — теперь описывают персонажа, а не задачу 50:00

Эволюция: сначала «как написать промпт», потом «как собрать контекст», теперь — «опиши роль и характер агента». Описание персонажа мгновенно выбирает нужную «веточку» из триллионов в модели. Ключевой навык смещается с программирования на режиссуру.

05 Бесплатная раздача инструмента обогнала платную продажу 59:37

OpenClaw и open-source файлы-персонажи (GStack Гэри Тана) бесплатно раздали — и за 2 месяца использование ИИ выросло втрое, потому что тысячи людей сами улучшили инструмент. Закрытые дорогие продукты, прятавшие «просто текстовые файлы», проиграли открытому подходу.

Ключевые цитаты

Сильные фразы из выпуска — нажми тайм-код, чтобы услышать в оригинале

«Искусственный интеллект помог решить математические задачи, которые человечество последние 200 лет не могло решить.»
Либерманы 18:27
«Если в прошлый раз ты пошёл сюда и классно получилось, не реинфорс себя туда, а попробуй в другую сторону. Эти две вещи — случайность и любопытство — привели к тому, что AI стал выигрывать у чемпионов.»
Либерманы 18:37
«Хватило только смелости и веры у Ильи — рискнуть нажать на кнопку и потратить 100 миллионов просто одним нажатием, и получить, возможно, ничто.»
Либерманы 16:46
«Память сейчас — это половина цены этого GPU. Это память.»
Либерманы 25:02
«Текущее положение вещей существует исключительно благодаря тому, что последние 20 лет мы в интернет скармливали фоточки своего ланча и кофе.»
Либерманы 46:02
«Нет такой вещи, как написание кода — это всё вопрос описания мира языком.»
Либерманы 54:26
«Что угодно бы ты ни делал с этим сервером на миллион долларов, через год ты его продаёшь за миллион долларов. Всё, что ты делал по пути, — это чистый профит.»
Либерманы 1:18:29
«Люди продолжат смотреть на людей.»
Либерманы 1:30:40

Полезные советы

Что можно применить уже сегодня. Разверни совет — сколько займёт, что даст и что конкретно делать

1

Освой агентов через роли-персонажей, а не через идеальный промпт

вечер Перестанешь вылизывать промпты руками — агент сам соберёт контекст и доведёт задачу до результата за ночь

Перестань шлифовать формулировку запроса. Поставь Claude Code или OpenClaw и опиши не задачу, а роли-персонажей (продакт, QA, архитектор) — их способ мышления в .md-файлах. Дальше агент сам пишет план, задаёт уточняющие вопросы и исполняет.

Что делать

  1. 1 Поставь Claude Code (терминальный агент Anthropic) или OpenClaw.
  2. 2 Подключи готовый open-source набор ролей (GStack) или опиши свои роли в текстовых .md-файлах.
  3. 3 Сформулируй задачу в человеческих понятиях, а не как код.
  4. 4 Проверь сгенерированный план глазами и запусти исполнение.
2

Запускай большие модели локально, пока понимаешь зачем

выходные Свои модели без оплаты API и без утечки данных наружу

Если приватность или независимость от API критичны, локальный инференс реален на машинах с большим объёмом GPU-памяти. Но учитывай дефицит: память сейчас стоит как половина GPU, а устройства под локальный запуск разбирают.

Что делать

  1. 1 Оцени, сколько GPU-памяти нужно под модель твоего размера.
  2. 2 Подбери железо с большим объёмом видеопамяти под бюджет.
  3. 3 Поставь локальный рантайм и нужные модели под свои языки/задачи.
  4. 4 Заложи в план рост цен на память на горизонте года-двух.
3

Прими, что навык будущего — режиссура, и тренируй описание словами

20 минут в день Получаешь от ИИ ровно то, что хотел, без технических навыков

Ценность смещается от «насколько ты хороший программист» к «насколько хорошо ты можешь описать персонажа и задачу языком». Тренируй точные, ёмкие описания ролей и желаемого результата — это и есть новое программирование.

Что делать

  1. 1 Возьми реальную задачу и опиши её как роль.
  2. 2 Добавь характер и контекст — детали резко меняют результат.
  3. 3 Сравни ответ с обычным плоским промптом и докрути описание.
4

Сделай упражнение «мир, где ИИ во всём лучше меня»

10 минут Меньше тревоги от неопределённости и понимание, на чём строить смысл

Раз в какое-то время отводи ~5% внимания на мысленный эксперимент: представь, что машина делает абсолютно всё лучше тебя, и понаблюдай за своим ощущением. Цель — найти себя в хорошем состоянии в таком мире.

Что делать

  1. 1 Честно допусти: ИИ выполняет любую твою задачу быстрее и лучше.
  2. 2 Заметь первую эмоцию — паника, пустота, облегчение.
  3. 3 Найди, что остаётся ценным лично для тебя (опыт, отношения, выбор нарратива).
  4. 4 Не уделяй этому 100% внимания — хватит 5%.
5

Расширяй кругозор детям через «край происходящего», а не только кружки

на постоянной основе Ребёнок растёт с субъектностью и широким взглядом, а не заточен под исчезающую профессию

Никто не знает, какие профессии будут нужны, поэтому ставка не на конкретный навык, а на любопытство и контакт с передовым. Свози ребёнка туда, где делают реальное будущее, и окружи средой амбициозных людей.

Что делать

  1. 1 Помимо спорта добавь соприкосновение с наукой и технологиями (лаборатории, производства, запуски).
  2. 2 Ищи среду, где люди что-то создают и обсуждают проекты.
  3. 3 Развивай субъектность — умение выбирать в мире изобилия.
  4. 4 Прививай любовь к чтению и к узнаванию нового.

Сценарии применения

Как разные люди применяют это на практике

Я как Разработчик

Проблема: Тревожно, что ИИ обесценит навык писать код, и непонятно, куда развиваться.

Хочу: Понять, какой навык останется ценным и как перестроиться.

Поможет: Тезис «программирование — это описание мира языком» и режиссура агентов задают новый вектор: от синтаксиса к постановке задач и ролей.

Я как Основатель стартапа

Проблема: Неясно, в какую часть ИИ-стека вкладываться, чтобы не сгореть на хайпе.

Хочу: Увидеть, где реальные узкие горлышки и недоинвестированные ниши.

Поможет: Карта дефицитов (память, энергия, данные) и разбор, почему видеомодели пока не окупаются, помогают выбрать ставку трезво.

Я как Частный инвестор

Проблема: Геополитические риски пугают, но непонятно, как превратить их в конкретное решение.

Хочу: Стратегию на случай сценария с Тайванем и дефицитом чипов.

Поможет: Логика «GPU как золото» показывает, как 20% вероятности по Polymarket превратить в практический шаг — но смотри блок критики о рисках.

Я как Родитель

Проблема: Страшно растить ребёнка в мире, где ИИ может всё, и непонятно, чему учить.

Хочу: Понять принципы воспитания под неопределённое будущее.

Поможет: Ставка на кругозор, среду амбициозных людей и субъектность вместо натаскивания на конкретную профессию даёт спокойную опору.

Я как Продуктовый менеджер

Проблема: Команда тонет в промпт-инжиниринге, а результат нестабилен.

Хочу: Перейти к воспроизводимому способу работы с ИИ.

Поможет: Подход «агенты-персонажи и контекст» (GStack, Claude Code) показывает, как зашить методологию в роли, а не выдумывать промпт каждый раз.

Логика повествования

Как устроена логика выпуска — пройди по шагам

Предпосылка Аргумент Пример Вывод
  1. Предпосылка ИИ резко ускоряет мир и повышает неопределённость 0:55

    Сингулярность — точка, где предсказывать дальше мы почти не можем.

  2. Аргумент Внутри моделей масштаб рождает новые способности 16:46

    Больше параметров → emergent properties; на вере в это Суцкевер рискнул 100 млн долларов на один цикл обучения.

  3. Пример ИИ уже выходит за пределы известного людям 18:27

    Решены 200-летние матзадачи; в Go и Dota случайность и любопытство породили новые ходы.

  4. Аргумент Но прогресс упёрся в физику, а не в идеи 22:50

    Двойная экспонента вычислений, дефицит памяти, энергия и зависимость от Тайваня.

  5. Пример А способ работы с ИИ сместился к режиссуре агентов 49:28

    Промпт → контекст → описание роли-персонажа; программирование становится описанием мира языком.

  6. Аргумент Технология может достаться избранным, а не всему человечеству 20:45

    Особые модели для избранных компаний/государств, экстракшн денег из общества.

  7. Вывод Готовиться, а не ждать — и найти себя в новом мире 1:29:56

    Стратегия на риски, воспитание через кругозор и субъектность, выбор собственного нарратива.

Подробный разбор

Полный разбор — разверни, если нужно глубже

Развернуть подробный разбор

Одна мысль через весь разговор

За полутора часами свободной беседы прячется одна сквозная линия: прогресс ИИ упёрся не в идеи, а в физику. Долго пугали нехваткой видеокарт, потом — электричества (всерьёз обсуждают атомные станции под дата-центры), но реальное узкое горлышко оказалось в высокоскоростной памяти, которую делают по сути три компании. Двойная экспонента (×10 параметров = ×100 вычислений) превращает «модель уровня мозга» в вопрос киловатт, а не алгоритмов. А зависимость всей индустрии от Тайваня, сверхчистой воды и песка делает геополитику частью технологической карты.

Параллельно смещается человеческий навык. Раньше спорили «как написать промпт», потом «как собрать контекст», теперь — «как описать роль-персонажа». Тезис гостей предельный: написания кода как такового нет — есть описание мира языком. Ценность переезжает от синтаксиса к режиссуре: ты не исполнитель, ты ставишь задачу агентам и выбираешь нарратив. И финал логично философский — если машина делает всё лучше тебя, остаётся одно: найти себя в хорошем состоянии в таком мире и осознанно прожить собственную историю.

Где спикеры продают видение

Важно держать в голове, кто говорит: это практики-предприниматели из Кремниевой долины, и часть прогнозов им прямо выгодна — чем сильнее вера в ускорение и дефицит чипов, тем дороже их экспертиза и активы. Несколько ярких цифр на слух завышены или перепутаны. Так, «3–4 млрд долларов правительству за копирайт» по факт-чеку — это около 1.5 млрд долларов классу авторов (а не государству) по иску о пиратских копиях, при этом суд признал обучение на легально купленных книгах добросовестным использованием. А тезис про «безрисковый» GPU-сервер, который «через год продашь за те же деньги», игнорирует реальную амортизацию ускорителей и выход новых поколений. Это не обесценивает беседу — но конкретные выводы лучше сверять с блоком «Критический взгляд» ниже, а не принимать на веру.

План внедрения

С чего начать — отмечай шаги, прогресс сохранится

Выполнено 0 из 5

Проверь себя

Ответь на вопросы, чтобы материал закрепился

Отвечено: 0 / 6 Верно: 0

  1. 1. Что, по словам гостей, стало главным узким горлышком ИИ-индустрии в 2026 году?

  2. 2. Почему ИИ в Go и Dota начал придумывать ходы, которых не было у людей?

  3. 3. Что означает аналогия «языковая модель — это ZIP-файл»?

  4. 4. Как, по мнению гостей, сместился способ работы с ИИ?

  5. 5. Почему GPU-сервер в беседе называют «безрисковой» покупкой на фоне риска вокруг Тайваня?

  6. 6. Какой ответ дают гости на вопрос «как найти себя в мире, где ИИ всё делает лучше»?

Словарь терминов

Понять незнакомое простым языком

Показать 11 терминов
Сингулярность
Гипотетическая точка, после которой прогресс ИИ становится таким быстрым и неконтролируемым, что предсказывать дальнейшее развитие мы практически не можем.
Рекурсивное самоулучшение
Способность ИИ улучшать программы, а значит и самого себя: запускаются циклы проверки и перебора вариантов, и система становится эффективнее без человека.
Scaling laws (законы масштабирования)
Наблюдение, что простое увеличение размера модели и объёма вычислений делает её умнее. На вере в это Суцкевер рискнул потратить 100 млн долларов на один запуск обучения.
Emergent properties (возникающие свойства)
Новые способности, которые внезапно появляются у модели при росте числа параметров — например, понимание времени или построение модели мира.
World models (модели мира)
Модели, обученные не на тексте, а на видео и физических данных: они выводят физические законы и нуждаются в огромном объёме таких данных.
Агент
Языковая модель с инструментами (поиск, доступ к файлам и почте), которая сама принимает решения исходя из заданной роли и выполняет задачи без пошаговых команд.
OpenClaw
Открытый инструмент для запуска ИИ-агентов, который бесплатно раздали; за пару месяцев использование ИИ выросло втрое. В беседе названо «iPhone-моментом» для ИИ.
Claude Code
Инструмент Anthropic, работающий через терминал: по сути чат с моделью через инженерный интерфейс, на который можно навесить наборы ролей-агентов.
GStack
Открытый набор текстовых .md-файлов от Гэри Тана (Y Combinator), описывающих роли-персонажей и их методологию работы для агентов.
Polymarket
Площадка ставок на реальные события. В беседе приводится её оценка ~20% вероятности конфликта вокруг Тайваня до конца 2027 года.
Субъектность (agency)
Умение делать осознанный выбор и быть автором своей жизни — навык, особенно важный в мире изобилия, где доступно почти всё.

Критический взгляд

Объективно: с какими тезисами можно поспорить и что преувеличено

Преувеличение

GPU/сервер за миллион — «безрисковая» инвестиция, «через год продашь за те же деньги»

Это инвестсовет без дисклеймера, и фактически он неверен. Ускорители теряют стоимость: H100 через 2 года ~60% цены нового, к 3 годам 45–55% («mid-life cliff»), с выходом Blackwell давит ещё 10–20%. Не учтены ликвидность, гарантия, простой, обслуживание и риск устаревания.

Спорно

Polymarket даёт 20% на вторжение в Тайвань до 2027 → срочно скупать чипы, GPU «станут золотом»

Сами гости признают, что Polymarket «плохо предсказывает кризис», и тут же строят на нём стратегию — противоречие. Рынки предсказаний отражают настроение ставящих, а не калиброванную вероятность геополитики. Превращать 20%-ю ставку в руководство к закупкам — подмена сигнала рекомендацией.

Преувеличение

Anthropic заплатил правительству 3–4 млрд за копирайт — «10 долларов за все книги человечества, нас нагрели»

Цифры и адресат неверны. Урегулирование — около 1.5 млрд долларов, и не правительству, а классу авторов (~3000 долларов за книгу на ~500 тыс. произведений), по иску о пиратских копиях. Суд признал обучение на легально купленных книгах добросовестным использованием.

Упрощение

Достаточно наращивать параметры — и сами собой возникают новые свойства; scaling «почти всё решает»

Это гипотеза (позиция Суцкевера), не консенсус. Сами гости упоминают, что год назад заговорили про исчерпание данных. Существование emergent abilities оспаривается: часть работ показывает, что скачки — артефакт пороговых метрик. Подано как факт.

Преувеличение

ИИ уже решает задачи, не решавшиеся 200 лет, самоулучшение «уже здесь», AGI «совсем близко»

Гости сами оговариваются, что в прорывах участвовал сильный математик — это ассистирование, а не автономное открытие. «Рекурсивное самоулучшение» в их примере — оптимизация чужого кода по заданному человеком циклу. Громкие формулировки создают ощущение неизбежности.

Однобоко

Смысл жизни сводится к «выбору нарратива» и «потреблению опыта», а рецепт будущего — возить детей на запуски ракет

Спикеры — ИИ-предприниматели из Долины, продают видение; их прогнозы об ускорении и дефиците чипов выгодны им самим. Они сами признают, что советы по детям «практичны для живущих рядом с Долиной». Философия пассивного «потребления опыта» спорна и противоречит их же тезису про субъектность.

Взгляни иначе

Новый угол, смежные области и потенциал на стыке — пища для размышлений

Другой угол

Дефицит как сигнал, а не приговор

Сегодняшний дефицит памяти и GPU подают как вечный тренд «в 10 раз в год». Но история железа — это циклы перепроизводства: рекордные цены провоцируют стройку фабрик, после чего следует обвал. Возможно, выигрышная ставка — не скупать дорогое железо на пике, а готовиться к моменту, когда оно резко подешевеет.

На стыке областей

Чем дороже модель — тем ценнее то, что вне модели

Если ИИ обесценивает любой воспроизводимый навык, ценность смещается к невоспроизводимому: подлинности, репутации, физическому присутствию, локальному доверию. Ренессанс театра и живого спорта — частный случай более широкого сдвига: премию приносит «доказуемо человеческое и здесь-и-сейчас».

На стыке областей

Препперство родителей — не про гречку, а про управление неопределённостью

Историю про закупку на 7 лет можно прочитать не как «угадали кризис», а как навык на стыке психологии и риск-менеджмента: распознавание ранних сигналов и готовность действовать против инерции толпы. Тот же навык лежит в основе антихрупкости и в проектировании систем с запасом мощностей.

Похожие разборы

Разбор

Стратегия внедрения ИИ не из головы, а из чужих кейсбуков: метод консультанта O2Consulting

Консультант с 500 проектами объясняет, почему «накидать 50 агентов» и копировать чужие промты не работает, и показывает метод: стратегию внедрения ИИ не пишут с нуля, а собирают, обогащая модель готовыми отраслевыми кейсбуками, сотней чужих стратегий и контекстом своей компании. Главный вывод — будущее не в чужих агентах, а в собственном «цифровом мозге» на графовой модели знаний, где LLM лишь надстройка.

Читать → Разбор

Кого ИИ заменит первым — и как стать тем, кто на этом зарабатывает

ИИ заменяет не профессии, а людей, которые делают линейную повторяющуюся работу и сами отказываются им пользоваться. Чтобы остаться конкурентоспособным, нужно стать оператором-«мультипликатором»: освоить нейросети как навык, прокачать мышление и умение принимать решения.

Читать → Разбор

Внедрение ИИ в бизнес по-русски: где закон, где здравый смысл, а где деньги на ветер

Архитектор ИИ-решений объясняет, почему загружать персданные клиентов в Claude или GPT — нарушение закона, и как строить ИИ-систему вокруг базы знаний (graph-RAG), а не вокруг конкретной модели. Главный вывод: ценность смещается от SaaS и самих LLM к доменной экспертизе, данным и управлению знаниями.

Читать → Разбор

Вайбкодинг против реальности: как инженер собрал микро-бизнес на ИИ и почему «навык» теперь легко подделать

Внешне простая задача «кропнуть фотку» под капотом оборачивается десятком нейронок, ручным контролем рефандов и войной за токены, а сам сервис может в одночасье потерять выручку из-за апдейта Google. Главный вывод: ИИ обесценил внешние атрибуты навыка — код, тесты, красивые PR теперь генерируются за минуту, а ценным остаётся понимание, которое нельзя сымитировать.

Читать →
← Все разборы Слушать подкаст-источник