Bitter Lessons in Venture vs Growth: Anthropic vs OpenAI, Noam Shazeer, World Labs, Thinking Machines, Cursor, ASIC Economics — Martin Casado & Sarah Wang of a16z

Горькие уроки в venture и growth: Anthropic против OpenAI, Noam Shazeer, World Labs, Thinking Machines, Cursor, экономика ASIC — Martin Casado и Sarah Wang из a16z

Билеты на AIEi Miami и AIE Europe уже в продаже, анонсирована первая волна спикеров!

От пионерской работы над software-defined networking до инвестиций во многие из самых агрессивных AI-модельных компаний этого цикла — Martin Casado и Sarah Wang находятся в центре гонки за капитал, compute и таланты, которая перекраивает технологическую индустрию. Как партнёры a16z, инвестирующие на стыке инфраструктуры и growth, они наблюдали, как стираются границы между venture и growth, как модельные лаборатории с беспрецедентной скоростью превращают доллары в возможности, а стартапы привлекают девятизначные раунды ещё до монетизации. Martin и Sarah присоединяются к нам, чтобы разобрать новый сценарий финансирования AI: почему сегодняшние раунды на самом деле представляют собой замаскированные контракты на compute, как работает flywheel «привлечь → обучить → выпустить → привлечь больше» и смогут ли компании-разработчики фундаментальных моделей переспендить всю экосистему приложений, построенную поверх них. Они также рассказывают, что недооценено (скучный enterprise-софт), что перегрето (войны за таланты и компенсационная спираль) и какие два радикально разных будущих они видят для рыночной структуры AI.

Мы обсуждаем:

Развилка «двух будущих» по Martin: бесконечная фрагментация и новые категории софта против небольшой олигополии универсальных моделей, поглощающих всё, что выше нихКапитальный flywheel: как модельные лаборатории напрямую конвертируют финансирование в прирост возможностей, а затем в рост выручки, измеряемый неделями, а не годамиПочему venture и growth слились: гибридные раунды на $100M–$1B, стратегические инвесторы, переговоры по compute и сложные структуры сделокНапряжение AGI против продукта: распределение дефицитных GPU между долгосрочными исследованиями и краткосрочным flywheel выручкиСмогут ли frontier-лаборатории пере-привлечь и переспендить всю экосистему приложений, построенную поверх их APIПочему сегодняшние войны за таланты (компенсационные пакеты $10M+, acqui-hire за миллиарды) ломают математику основателей на ранней стадииCursor как кейс: как строить снизу из app-слоя и одновременно «тренировать вниз» в собственные моделиПочему «скучный» enterprise-софт может оказаться самой недоинвестированной возможностью в AI-манииЖелезо и робототехника: почему «момент ChatGPT» для роботов ещё не наступил и что должно изменитьсяWorld Labs и генеративный 3D: снижение предельной стоимости создания 3D-сцен на порядки

Почему публичный дискурс об AI часто дико оторван от реальности переговорных комнат и как основателям ориентироваться в этом шуме

Примечания к выпуску:

«Where Value Will Accrue in AI: Martin Casado & Sarah Wang» — шоу a16z«Jack Altman & Martin Casado on the Future of Venture Capital»World Labs

—Martin Casado• LinkedIn: https://www.linkedin.com/in/martincasado/• X: https://x.com/martin_casadoSarah Wang• LinkedIn: https://www.linkedin.com/in/sarah-wang-59b96a7• X: https://x.com/sarahdingwanga16z• https://a16z.com/

Тайм-коды

00:00:00 – Интро: в прямом эфире из a16z00:01:20 – Новая модель финансирования AI: столкновение venture и growth00:03:19 – Циркулярное финансирование, спрос и «нет тёмных GPU»00:05:24 – Инфраструктура против приложений: границы размываются00:06:24 – Капитальный flywheel: привлечь → обучить → выпустить → привлечь больше00:09:39 – Могут ли frontier-лаборатории переспендить всю экосистему приложений?00:11:24 – Character AI и дилемма AGI против продукта00:14:39 – Войны за таланты, инженеры за $10M и тревожность основателей00:17:33 – Что недоинвестировано? Аргументы в пользу «скучного» софта00:19:29 – Робототехника, железо и почему здесь трудно победить00:22:42 – Кастомные ASIC и экономика тренировочного прогона за $1 млрд00:24:23 – American Dynamism, география и центры силы в AI00:26:48 – Как AI меняет рабочий процесс инвестора (Claude Cowork)00:29:12 – Два будущих AI: бесконечная экспансия или олигополия?00:32:48 – Если ты можешь привлечь больше, чем твоя экосистема, ты побеждаешь00:34:27 – Все ли задачи AGI-complete? Кодинг как тестовый случай00:38:55 – Cursor и сила app-слоя00:44:05 – World Labs, пространственный интеллект и 3D-фундаментальные модели00:47:20 – Thinking Machines, драма основателей и медийные нарративы00:52:30 – Где в стеке AI накапливается долгосрочная власть

Транскрипт

Latent.Space — Внутри капитального flywheel AI на $10B+ — Martin Casado и Sarah Wang из a16z

[00:00:00] Добро пожаловать в Latent Space (в прямом эфире из a16z) + знакомство с гостями

[00:00:00] Alessio: Привет всем. Добро пожаловать в подкаст Latent Space, в прямом эфире из a16z. Это Alessio, основатель Kernel Lance, и со мной Twix, редактор Latent Space.

[00:00:08] swyx: Привет, привет, привет. И мы так рады быть с вами. Тоже топовый AI-подкаст — Martin Casado и Sarah Wang. Добро пожаловать, очень

[00:00:16] Martin Casado: рад здесь быть, и добро пожаловать.

[00:00:17] swyx: Да, нам нравится этот офис. Нам нравится, что вы тут сделали. Новый логотип теперь повсюду. К нему всё ещё надо привыкнуть, на это нужно время, но он напоминает мне о каком-то возврате к более амбициозной эпохе, что, я думаю, как бы

[00:00:31] Martin Casado: определённо делает заявление.

[00:00:33] swyx: Да.

[00:00:34] Martin Casado: Не совсем уверен, какое именно это заявление, но заявление он делает.

[00:00:37] swyx: Martin, мы с тобой знакомы ещё со времён Netlify.

[00:00:40] Martin Casado: Ага.

[00:00:40] swyx: И ты, ну, знаешь, ты создал software-defined networking и всё такое — про твой бэкграунд люди могут почитать. Ага. Sarah, с тобой я знаком меньше. Ты, вы как бы начали работать вместе над AI-инфраструктурой.

[00:00:51] Sarah Wang: Всё верно. Да. Уже семь лет назад.

[00:00:53] Martin Casado: Лучший growth-инвестор во всей индустрии.

[00:00:55] swyx: О, расскажи

[00:00:56] Martin Casado: подробнее — она реально лучшая, без вопросов. [00:01:00] Я имею в виду, когда речь о AI-компаниях, Sarah, мне кажется, сделала самые, ну, агрессивные инвестиционные тезисы вокруг AI-моделей, верно? То есть работала с Noam'ом, Mira'ой, Fei-Fei, в общем с этими frontier, такими крупными AI-моделями.

[00:01:15] Думаю, знаешь, Sarah была самым широким инвестором. Справедливо?

[00:01:20] Venture против Growth в эпоху frontier-моделей

[00:01:20] Sarah Wang: Нет, ну, я собиралась сказать, что это был действительно интересный тандем, как раз потому что многие из этих крупных C-сделок не только привлекают много денег, но это всё ещё ставка на технического основателя, что, очевидно, по своей сути ранняя стадия.

[00:01:33] Но ресурсы,

[00:01:36] Martin Casado: так много, я

[00:01:36] Sarah Wang: хотела сказать про ресурсы — первое, они растут очень быстро. Но второе — ресурсы, которые нужны им с первого дня, это уже growth-масштаб. Так что наш гибридный тандем, мне кажется, довольно эффективен,

[00:01:46] Martin Casado: а что такое growth в наши дни? Знаешь, ты даже не просыпаешься, если это меньше миллиарда, или типа того, это на самом деле очень — нет, это очень интересное время для инвестирования, потому что, ну, возьми, например, Character, верно?

[00:01:59] Они обычно [00:02:00] до-монетизационные, но суммы достаточно велики, чтобы тебе нужен был более крупный фонд, и анализ. Знаешь, потому что у тебя куча пользователей, ведь у этой штуки такой высокий спрос, это требует, ну, больше числовой искушённости. И поэтому большинство таких сделок — что у нас, что у других фирм — по этим крупным модельным компаниям являются вот таким гибридом venture и growth.

[00:02:18] Sarah Wang: Да. Абсолютно. И, знаешь, вещи вроде BD, например, тебе обычно не нужен BD, когда ты на seed-стадии и пытаешься выйти на рынок — biz devrel. Biz devrel, именно. Окей. Но теперь, прости, я,

[00:02:27] swyx: я не в курсе. Что значит biz devrel для венчурного фонда? Потому что я знаю, что biz devrel значит для компании.

[00:02:31] Sarah Wang: Да.

[00:02:32] Сделки по compute, стратеги и вопрос «циркулярного финансирования»

[00:02:32] Sarah Wang: Знаешь, хороший пример — то есть мы говорим о покупке compute, но там задействованы огромные переговоры в плане: окей, получаешь ли ты долю в обмен на compute? Какого партнёра ты рассматриваешь? Есть ли там go-to-market составляющая? И это всё то, что на таком масштабе — сотни миллионов, знаешь, может,

[00:02:50] через шесть месяцев после основания компании — тебе просто не пришлось бы вести эти переговоры раньше.

[00:02:54] Martin Casado: Да. Эти крупные раунды сейчас очень сложные. Раньше, если ты делал серию A [00:03:00] или серию B, ну, неважно, ты выписываешь чек на 20–60 миллионов долларов и на этом всё. Теперь у тебя обычно есть и финансовые инвесторы, и стратегические инвесторы, а стратегическая часть всегда ещё идёт вместе с этими крупными контрактами на compute, на которые могут уйти месяцы.

[00:03:13] И поэтому это очень разные времена. Я этим занимаюсь 10 лет. Я никогда не видел ничего подобного.

[00:03:19] swyx: Да. У тебя нет опасений по поводу циркулярного финансирования от этих стратегов?

[00:03:24] Martin Casado: Слушай, пока спрос есть, спрос есть. Проблема интернета была в том, что спроса не было.

[00:03:29] swyx: Именно. Ладно. Это как вся эта история с пузырём-пирамидой, где, пока ты переоцениваешь по рынку, ну, номинальную стоимость этих сделок, всё нормально, но как только это начинает осыпаться, это реально. Ну

[00:03:41] Martin Casado: нет, как, как, как, как только есть спрос. Знаешь, многие из этих фраз уже стали в каком-то смысле клише, но их стоит повторять.

[00:03:47] Верно? Например, во времена интернета мы, ну, привлекали деньги, чтобы закопать оптоволокно в землю, которое не использовалось. И это проблема, верно? Потому что теперь у тебя по сути избыток предложения.

[00:03:58] swyx: Мм-хм.

[00:03:59] Martin Casado: И даже [00:04:00] во времена интернета, этот избыток предложения и пропускной способности, каким бы массивным он ни был, при том что крах был настолько массивным, длился всего около четырёх лет.

[00:04:09] Но у нас нет избытка предложения. Нет тёмных GPU, верно? То есть, и поэтому, знаешь, циркулярное или нет — если кто-то инвестирует в компанию, которая, ну, они реально будут использовать эти GPU. А на другой стороне — это спрос от клиента. Так что я думаю, это другое время.

[00:04:25] Sarah Wang: Думаю, ещё одна часть, может, просто чтобы добавить к этому — и я процитирую Martin'а прямо при нём, — но это, наверное, тоже уникальное время в том смысле, что впервые ты реально можешь проследить путь от долларов к результатам. Да, верно. При условии, что законы масштабирования держатся и возможности действительно движутся вперёд.

[00:04:40] Потому что если ты можешь конвертировать доллары в возможности, в улучшение возможностей, то спрос там есть, к мысли Martin'а. Но если это вдруг сломается, знаешь, очевидно, это важное допущение во всей этой схеме, чтобы она работала. Но, знаешь, вместо того чтобы вкладывать доллары в продажи и маркетинг, ты вкладываешь в R&D, чтобы добраться до прироста возможностей.

[00:04:59] И [00:05:00] это как бы и было драйвером спроса, потому что как только происходит разблокировка, люди готовы за это платить.

[00:05:05] Alessio: Да.

[00:05:06] Размытие границ: модели как инфраструктура + приложения, и новый flywheel привлечения средств

[00:05:06] Alessio: Есть ли разница в том, как ты строишь портфель теперь, когда некоторые из твоих growth-компаний являются как бы инфраструктурой для компаний ранней стадии — ну, например, OpenAI теперь такого же размера, какими были некоторые облачные провайдеры на старте.

[00:05:16] Как это выглядит? Сколько информации вы можете черпать друг у друга между этими двумя?

[00:05:24] Martin Casado: Сейчас пересекается или размывается так много границ. Верно? Мы уже говорили про venture и growth. Ещё одна, которая размывается, — между инфраструктурой и приложениями, верно? Например, что такое модельная компания?

[00:05:35] Мм-хм. Это явно инфраструктура, верно? Потому что это, ну, знаешь, ключевой R&D. Это горизонтальная платформа, но это и приложение, потому что оно напрямую касается пользователей. И затем, конечно, рост этого настолько высок. И поэтому я на самом деле думаю, что вы только начинаете видеть, как возникает новая финансовая стратегия, и, знаешь, нам пришлось адаптироваться в результате.

[00:05:59] И [00:06:00] поэтому было много изменений. Ты прав, что эти компании очень быстро становятся платформенными компаниями. У тебя выстраивается экосистема. Так что ничего из этого не обязательно ново, но временные масштабы, в которых это произошло, довольно феноменальны. И то, как мы обычно проводили границы раньше, немного размылось, но.

[00:06:16] Но при этом, многое из этого тоже просто ощущается как вещи, которые мы видели в прошлом — построение облака, построение интернета тоже.

[00:06:24] Sarah Wang: Да. Думаю, это интересно — не знаю, согласитесь ли вы с этим, но кажется, что зарождающаяся стратегия такая, и это развивает твой другой вопрос, ну.

[00:06:33] Ты привлекаешь деньги на compute, вливаешь их в compute, получаешь какой-то прорыв. Ты направляешь этот прорыв в своё вертикально интегрированное приложение. Это может быть ChatGPT, это может быть Claude Code, ну, что угодно. Ты массово набираешь долю рынка и получаешь пользователей.

[00:06:49] Может, ты даже субсидируешь на этом этапе, в зависимости от твоей стратегии. Ты привлекаешь деньги на пике моментума, а потом повторяешь, промываешь и повторяешь. И поэтому, и это не было [00:07:00] правдой даже два года назад, я думаю. Мм-хм. И поэтому это как бы, привязывая к стратегии привлечения средств, верно? Есть, и к стратегии найма.

[00:07:07] Всё это связано, и, я думаю, границы размываются ещё сильнее сегодня, где все, но, конечно, у всех этих компаний есть API-бизнес, и поэтому это вот эти линии «заклятых друзей», которые размываются, ведь у многих, то есть у них миллиарды долларов API-выручки, верно? И поэтому там есть клиенты.

[00:07:23] Но они конкурируют на app-слое.

[00:07:24] Martin Casado: Да. Так что это очень, очень важный момент. Я бы сказал, точно — venture и growth, эта граница размыта; приложения и инфраструктура — эта граница размыта. Но я не думаю, что это так уж сильно меняет нашу практику. А вот где по-настоящему открытые вопросы, так это: расслаивается ли это так же.

[00:07:43] Compute традиционно, как во времена облака, например, кто-то выигрывает один слой, но затем целый другой набор компаний выигрывает другой слой. Но здесь это может быть не так. Может оказаться, что ты на самом деле не можешь вертикализироваться поверх строки токенов. Например, ты не можешь построить приложение, оно неизбежно уходит вниз просто потому, что нет [00:08:00] абстракций.

[00:08:00] Так что это вот те более крупные экзистенциальные вопросы, которые мы задаём. Ещё одна вещь, которая сильно отличает это время от всей истории компьютерных наук, — это. Раньше, если ты привлекал деньги, тебе по сути приходилось ждать, пока инженерия догонит. Что, как известно, не масштабируется, как «мифический человеко-месяц». Это занимает очень много времени.

[00:08:18] Но здесь это не так. Модельная компания может привлечь деньги и выкатить модель за, ну, за год, и она лучше, верно? И делает это командой из 20 или 10 человек. Так что вот этот тип, когда деньги входят в компанию и затем производят нечто, что сразу имеет спрос и рост, и используя это, привлекают ещё больше денег, — это очень иной капитальный flywheel, чем всё, что мы видели раньше.

[00:08:39] И я думаю, все пытаются понять, каковы последствия. Так что, по-моему, дело меньше в, ну, крупных компаниях, growth и прочем, и больше в этих более системных вопросах, на которые у нас на самом деле нет ответов.

[00:08:49] Alessio: Да, например, у нас в Kernel Labs одна из идей такая: если бы у тебя были неограниченные деньги, чтобы продуктивно их тратить, превращая токены в продукты, то весь рынок ранней стадии [00:09:00] очень другой, потому что сегодня ты инвестируешь X капитала, чтобы выиграть сделку из-за ценовой структуры и прочего, и ты как бы коммитишься ва-банк.

[00:09:07] Да. На определённую стратегию на определённый период времени. Да. Но если бы ты мог итеративно отпочковывать компании и продукты и просто закидывать — я хочу потратить миллион долларов на инференс сегодня и получить продукт завтра.

[00:09:18] swyx: Да.

[00:09:19] Alessio: Например, мы должны дойти до точки, где трение между токеном и продуктом настолько мало, что ты можешь так делать, и тогда ты можешь изменить, верно, модель ранней венчурной стадии на гораздо более итеративную.

[00:09:30] И тогда каждый раунд — это либо $100K инференса, либо $100 млн от a16z. Больше нет, нет никакого C-раунда на $8 млн. Верно.

[00:09:38] Когда frontier-лаборатории переспендят всю экосистему приложений

[00:09:38] Martin Casado: Но, но, но, но есть, есть, есть структурный вопрос индустрии, на который мы не знаем ответа и который касается frontier-моделей, а именно — давай возьмём.

[00:09:48] Anthropic. Скажем, у Anthropic есть state-of-the-art модель, у которой какая-то большая доля рынка. И скажем, что, ну, какая-то компания строит модели поменьше, [00:10:00] которые, ну, используют большую модель в фоне, GPT-4.5, но они добавляют ценность поверх этого. Так вот, если Anthropic может привлекать втрое больше.

[00:10:10] В каждом последующем раунде, они, вероятно, могут привлечь больше денег, чем вся экосистема приложений, построенная поверх них. И если это так, они могут расширяться за пределы всего, что построено поверх них. Это как, представь себе звезду, которая просто расширяется, так что может быть системная. Может быть системная ситуация, когда state-of-the-art модели могут привлекать столько денег, что они смогут переплатить любого, кто строит поверх них, что было бы чем-то, чего, по-моему, мы никогда не видели раньше, просто потому что мы были так зажаты в инженерии, и это очень открытый вопрос.

[00:10:41] swyx: Да. Это почти как bitter lesson, применённый к стартап-индустрии.

[00:10:45] Martin Casado: Да, на сто процентов. Это буквально становится вопросом: привлечь капитал, превратить его напрямую в рост. Использовать это, чтобы привлечь втрое больше. Именно. И если ты можешь продолжать так делать, ты буквально можешь переспендить любую компанию, которая построена — не любую компанию.

[00:10:57] Ты можешь переспендить совокупность компаний поверх [00:11:00] тебя и поэтому неизбежно заберёшь их долю, что безумие.

[00:11:02] swyx: Сказал бы ты, что нечто подобное произошло с Character? Это что-то вроде разбора полётов того, что случилось?

[00:11:10] Sarah Wang: Эм,

[00:11:10] Martin Casado: нет.

[00:11:12] Sarah Wang: Да, потому что я думаю, так,

[00:11:13] swyx: ну, реальный разбор полётов — он хотел вернуться в Google.

[00:11:15] Именно. Но типа

[00:11:18] Martin Casado: это ещё одно отличие, которое

[00:11:19] Sarah Wang: ты сказал

[00:11:21] Martin Casado: об этом. Нам стоит поговорить, нам реально стоит об этом поговорить.

[00:11:22] swyx: Да,

[00:11:22] Sarah Wang: это

[00:11:23] swyx: Давай. Бери. Бери,

[00:11:23] Sarah Wang: да.

[00:11:24] Character.AI, цели основателей (AGI против продукта) и компромиссы распределения GPU

[00:11:24] Sarah Wang: Я собиралась сказать, я думаю, эм. История с Character на самом деле поднимает другой вопрос, с которым frontier-лаборатории тоже столкнутся. Так что посмотрим, как они с ним справятся.

[00:11:34] Но, эм, мы инвестировали в Character в январе 2023-го, что кажется эпохами назад — ну, три года назад. Кажется, жизни назад. Но, эм, а потом они заключили сделку по лицензированию IP с Google в августе 2024-го. И, эм, знаешь, на тот момент — нет, ну, он публично об этом говорил, верно? Он хотел — Google не давал ему выпускать продукты в мир.

[00:11:56] Это, очевидно, кардинально изменилось. Но, эм, он ушёл, чтобы это [00:12:00] сделать. Но у него был привязан продукт. Цель была — то есть это Noam Shazeer, он хотел добраться до AGI. Это всегда было его личной целью. Но, знаешь, я думаю, через сбор данных, верно, и вот этот очень человеческий кейс — продукт Character.

[00:12:13] Изначально был и до сих пор остаётся одним из инструментов, чтобы это сделать. Эм, я думаю, реальная причина, что, знаешь. Если подумать о стрессе, который испытывает любая компания, перед тем как в итоге пойти тем или иным путём, это как бы вот это AGI против продукта. Эм, и я думаю, многие крупные — я думаю, знаешь, OpenAI это чувствует, эм, Anthropic, если ещё не начали, точно почувствуют, учитывая успех их продуктов, они, может, начнут это чувствовать скоро.

[00:12:39] И реальная — я думаю, тут реальные компромиссы, верно? Это как, сколько — когда ты думаешь о GPU, это ограниченный ресурс. Куда ты распределяешь GPU? В продукт? В новые исследования, верно? Или в долгосрочные исследования, или в, эм, ближне- и среднесрочные исследования? И поэтому, эм, в ситуации, когда ты ограничен в ресурсах, эм, [00:13:00] конечно, есть эта игра в привлечение средств, в которую можно играть, верно?

[00:13:01] Но рынок был очень другим ещё в 2023-м тоже. Эм. Я думаю, у лучших исследователей в мире есть эта дилемма: окей, я хочу пойти ва-банк на AGI, но именно flywheel продуктового использования и выручки удерживает выручку внутри дома, чтобы питать все GPU, чтобы добраться до AGI. И поэтому это создаёт, эм, знаешь, я думаю, это создаёт интересную дилемму для любого стартапа, у которого проблемы с привлечением средств до этого уровня, верно?

[00:13:27] И уж точно, если у тебя нет этого прогресса, ты не можешь продолжать этот, знаешь, flywheel привлечения средств.

[00:13:32] Martin Casado: Я бы сказал так, потому что, потому что мы отслеживаем все вещи, которые отличаются, верно? Например, знаешь, venture, growth, и app, infra — и одна из них, определённо, это личности основателей.

[00:13:45] В этот раз всё просто очень иначе. Я этим занимаюсь десятилетие, а стартапами занимаюсь 20 лет. И поэтому, эм, многие люди начинают это, чтобы делать AGI, и у нас никогда не было такой объединяющей Полярной звезды, насколько я помню, в том же [00:14:00] смысле. Раньше люди строили компании, чтобы строить компании.

[00:14:02] Вот как это было. Я бы создал интернет-компанию, я бы создал инфраструктурную компанию, это как бы больше инженеры-строители, а это уже другой. Знаешь, менталитет. И некоторые компании невероятно хорошо это оседлали, потому что их направление настолько очевидно на пути к тому, что кто-то считал бы AGI, но другие — нет.

[00:14:20] И поэтому всегда есть это напряжение с персоналом. И поэтому я думаю, мы видим больше, типа, движения основателей.

[00:14:27] Sarah Wang: Да.

[00:14:27] Martin Casado: Знаешь, как доля от числа основателей, больше чем мы когда-либо видели. То есть, может, со времён, не знаю, Shockley и предательской восьмёрки или чего-то такого. Давным-давно, в самом начале индустрии, это очень, очень.

[00:14:38] Необычное время с точки зрения персонала.

[00:14:39] Sarah Wang: Абсолютно.

[00:14:40] Войны за таланты, мегакомпенсации и рост acqui-hire M&A

[00:14:40] Sarah Wang: И это, я думаю, усугубляется тем фактом, что войны за таланты — то есть в каждой индустрии есть войны за таланты, но не такого масштаба, верно? Нет. Да. Очень редко увидишь, как кого-то переманивают за $5 млрд. С этим трудно конкурировать. И во-вторых, если ты основатель в AI, ты мог бы пукнуть, и это попало бы на первую полосу, знаешь, The Information в наши дни.

[00:14:59] И поэтому есть [00:15:00] вот этот эффект аквариума, который, я думаю, добавляет той глубокой тревожности, которую чувствуют эти AI-основатели.

[00:15:06] Martin Casado: Хм.

[00:15:06] swyx: Да. То есть, просто кратко прокомментирую про основателей, про эту, ну. Историю с войнами за таланты. Мне кажется, 2025-й был просто всплеском. Не знаю, увидим ли мы такое снова.

[00:15:17] Потому что Meta собрала команду. Не знаю, я думаю, я думаю, они как бы закончили, и кто заплатит больше, чем Meta? Я не знаю.

[00:15:23] Martin Casado: Я согласен. Мне это тоже так ощущается. Это как, по сути, Zuckerberg как бы вышел с кулаками наперевес, а теперь вернулся к строительству.

[00:15:30] Да,

[00:15:31] swyx: да. Знаешь, тебе надо переплатить, чтобы собрать команду и сделать рывок, что угодно. Но потом, теперь ты как бы — ты сделал свой выбор, и теперь им надо выкатывать продукт.

[00:15:38] Martin Casado: То есть, другая сторона этого — знаешь, мы ведь сами на рынке найма. У нас тут 600 человек. Я нанимаю постоянно.

[00:15:44] У меня три открытых вакансии, если кому интересно из слушающих это, для инвестора. Да, в команду, в инвестиционную сторону команды, и, эм, у многих людей, с которыми мы общаемся, есть, знаешь, активные, эм, офферы на 10 миллионов в год или типа того. И, знаешь, и мы платим очень, [00:16:00] очень хорошо.

[00:16:00] И просто видеть, что есть на рынке, реально, реально поразительно. И поэтому я бы просто сказал — на самом деле, ты прав, что самые яркие случаи, типа, я заполучу кого-то за, знаешь, миллиард долларов, но эта раздутость, эм, просачивается вниз. Да, это всё ещё очень активно сегодня. То есть,

[00:16:18] Sarah Wang: да, ты можешь быть L5 и получить оффер на десятки миллионов.

[00:16:22] Окей. Да. Легко. Да. Так что, я думаю, ты прав, что это ощущалось как всплеск. Надеюсь, ты прав. Эм, но я думаю, что устойчивое состояние теперь, я думаю, подтянулось вверх. Да. Да. Подтянулось

[00:16:31] Martin Casado: точно. Да.

[00:16:32] Alessio: Да. И я думаю, это тоже ломает математику основателей ранней стадии. Я думаю, раньше многие рассуждали: ну, может, мне просто стать основателем вместо того, чтобы получать.

[00:16:39] Да. $800K–миллион в Google. Но если я получаю пять, шесть миллионов — это другое, но

[00:16:45] Martin Casado: но. Но, с другой стороны, стратегических денег сейчас больше, чем мы когда-либо видели исторически, верно? Мм-хм. И поэтому, ага. Экономика, расчёт по экономике сейчас очень другой во многих отношениях. И это безумие.

[00:16:58] Это безу — это вызывает, типа, [00:17:00] тонну изменений и путаницы на рынке. Что-то очень позитивное, что-то негативное, например. Например, другая сторона, эм. Вот этого сооснователя, типа, эм, поглощения — Mark Zuckerberg переманивает кого-то за большие деньги — это, мы на самом деле видели исторический объём M&A по сути в виде acqui-hire'ов, верно?

[00:17:20] То есть, знаешь, реально хорошие исходы с венчурной точки зрения, которые по сути являются acqui-hire'ами, верно? Так что я бы сказал, это, наверное, в чистом виде позитивно с инвестиционной точки зрения, хотя по заголовкам кажется очень деструктивным в негативном ключе.

[00:17:33] Alessio: Да.

[00:17:33] Что недофинансировано: скучный софт, скепсис к робототехнике и экономика кастомного кремния

[00:17:33] Alessio: Эм, давай, может, поговорим о том, во что не инвестируют, типа, может, какие-то интересные идеи, которые ты хотел бы видеть, чтобы больше людей строили — и в каком-то смысле, знаешь, по мере того как YC становится всё популярнее, это как доступ становится всё популярнее.

[00:17:47] Есть путь startup school, по которому идут многие основатели, и они знают, что хайпово в VC-кругах, и знают, что финансируют. И, может, не так уж много аппетита к риску для. Вещей за пределами этого. Эм, мне любопытно, чувствуешь ли ты, [00:18:00] что это так, и какие, может, области, эм, которые, по-твоему, недостаточно обсуждаются?

[00:18:06] Martin Casado: То есть, я на самом деле думаю, что мы упустили из виду многие, типа, просто традиционные, знаешь, софтверные компании. Эм, например, то есть. Знаешь, я думаю, сейчас почти барбелл — типа, ты либо хайповая штука в X, либо deep tech.

[00:18:21] swyx: Мм-хм.

[00:18:22] Martin Casado: Верно. Но я, знаешь, я чувствую, что есть просто как бы длинный, знаешь, список, типа, хороших.

[00:18:28] Хороших компаний, которые будут существовать долго на очень больших рынках. Скажем, ты строишь базу данных, знаешь, скажем, ты строишь, эм, знаешь, типа мониторинг, или логирование, или тулинг, или что-то ещё. Есть сейчас неплохие компании, но им, типа, реально трудно получить, эм, внимание инвесторов.

[00:18:43] И это почти стало мемом, верно? Типа, если ты не растёшь с нуля до сотни за год, ты неинтересен, что просто, это глупейшая вещь, которую можно сказать. То есть, представь себя как интроверта, типа, типа свои личные деньги, верно? Мм-хм. Так что. Свои личные деньги — вложишь ли ты их в фондовый рынок под 7% или вложишь в эту компанию, растущую впятеро на очень большом [00:19:00] рынке?

[00:19:00] Конечно, ты можешь вложить в компанию впятеро. Так что это просто как — мы говорим эти глупости, типа, если ты не идёшь с нуля до сотни, но, типа, кто знает, какие у них маржи. Ясно же, что это хорошие инвестиции. Верно для кого угодно, верно? Верно. Типа наши LP хотят что-то вроде.

[00:19:12] Трёхкратного нетто за, знаешь, жизненный цикл фонда, верно? Так что компания на большом рынке, растущая впятеро, — это отличная инвестиция. Мы бы — все были бы счастливы такой доходности, но у нас вот эта мания на этот, этот сильный рост. И поэтому я бы сказал, что это, наверное, самый недоинвестированный сектор.

[00:19:28] Прямо сейчас.

[00:19:29] swyx: Скучный софт, скучный enterprise-софт.

[00:19:31] Martin Casado: Традиционная. Реально хорошая компания.

[00:19:33] swyx: Никакого AI тут.

[00:19:34] Martin Casado: Нет. Типа скучный. Ну, ну, AI, конечно, втягивает их в кейсы. Да, но не это они — они не на token path, верно? Да. Просто скажем, типа, они софт, но они не на token path.

[00:19:41] Типа это, типа, отличные инвестиции по любому определению, кроме как, типа, случайный VC в Twitter говорит — VC в X говорит, типа, недостаточно быстро растёт. Что ты

[00:19:52] Sarah Wang: думаешь? Да, может, я отвечу немного по-другому. На вопрос, но смежно с тем, что ты спросил, эм, который, может, область, в которую мы не [00:20:00] инвестируем прямо сейчас, и которая, по-моему, под вопросом, и мы много времени в ней проводим, независимо от того, нажмём ли мы на курок.

[00:20:05] Эм, и это, наверное, со стороны железа, на самом деле. Робототехника, верно? И сторона робототехники. Робототехника. Верно. Это — не хочу говорить, что туда не идёт финансирование, потому что явно, эм, это, это как бы неконсенсусно — почти не инвестировать в робототехнику на этом этапе. Но, эм, мы много времени провели в этом пространстве, и я думаю, для нас мы просто не увидели момента ChatGPT.

[00:20:22] Чтобы он случился со стороны железа. Эм, и финансирование, идущее в это, ощущается так, будто оно уже. Принимает это как должное.

[00:20:30] Martin Casado: Да. Да. Но мы ведь тоже прошли через дронов, знаешь, эм, там есть Zipline, верно, прямо вон там. Что это? О да, там зиплайн. Да. Что — дроны, что — AV, и, типа, один из выводов: когда речь о железе, эм, большинство компаний в итоге вертикализируются.

[00:20:46] Типа если ты. Если ты инвестируешь в роботную компанию для сельского хозяйства, ты инвестируешь в агро-компанию. Потому что вот в чём конкуренция, и это удивительно. И это цепочка поставок. А если ты делаешь это для добычи, то это добыча. И поэтому AD-команда занимается многим из этого, потому что они реально настроены, чтобы [00:21:00] проводить due diligence по такого рода работе.

[00:21:01] Но для, типа, горизонтального технологического инвестирования там очень мало, когда речь о роботах, просто потому что это настолько заточено под конкретную цель. И поэтому нам как бы нравится смотреть на софт. Решения или горизонтальные решения, типа Applied Intuition. Явно из волны AV — Deep Map, явно из волны AV. Я бы сказал, Scale AI был на самом деле горизонтальным, это справедливо, знаешь, для робототехники на ранних этапах.

[00:21:23] И вот такого рода вещи нам очень, очень интересны. Но сам, типа, робот, взаимодействующий с миром, — это, наверное, лучше для другой команды. Согласна.

[00:21:30] Alessio: Да, мне любопытно, кто эти команды, которые должны в них инвестировать. Мне кажется, все такие: да, робототехника важна, и, типа, люди должны в неё инвестировать.

[00:21:38] Но потом, когда смотришь на, типа, цифры, типа, требования к капиталу на старте против, типа, момента, когда — окей, это реально сработает, давайте продолжим инвестировать. Это кажется реально трудно предсказуемым в смысле, который не,

[00:21:49] Martin Casado: я думаю, co — CO2, KLA, GC, то есть все они инвестировали в железные компании. Просто, знаешь, и [00:22:00] слушай, то есть, в этот раз вполне может сработать, точно.

[00:22:01] Верно? То есть если Elon это делает, он типа, верно. Просто, просто сам факт, что Elon это делает, означает, что туда пойдёт много капитала и много попыток на протяжении долгого периода. Так что одно это, может, и говорит о том, что нам стоит просто инвестировать в робототехнику, как раз потому что у тебя есть эта Полярная звезда — Elon с гуманоидом, и это, типа, по сути усилием воли создаст индустрию.

[00:22:17] Эм, но мы просто исторически обнаружили, что. Мы огромные сторонники того, что это произойдёт. Мы просто не чувствуем, что в хорошей позиции, чтобы проводить due diligence по этим штукам. Потому что, опять же, роботные компании, как правило, вертикальны. Тебе реально нужно понимать рынок, на который они продаются. Типа вот это, типа, конкурентное равновесие с человеком — вот что важно.

[00:22:34] Это не, типа, ключевая технология, и, типа, мы как бы скорее инвесторы в горизонтальную ключевую технологию. И это Sarah и я. Да, AD-команда — другая. Они реально могут заниматься такого рода вещами.

[00:22:42] swyx: Эм, просто чтобы прояснить, AD расшифровывается как

[00:22:44] Martin Casado: American Dynamism.

[00:22:45] swyx: Ладно. Окей. Да, да, да. Эм, у меня вообще-то есть связанный вопрос — прежде всего, я хочу также отметить, по стороне чипов.

[00:22:51] Да. Я помню один подкаст, где ты был — я думаю, это был подкаст a16z, эм, года два-три назад, где ты, где ты вдруг сказал [00:23:00] кое-что, что реально засело у меня в голове, о том, как в какой-то момент, в какой-то момент масштаба имеет смысл. Построить кастомный ASIC под прогон.

[00:23:07] Martin Casado: Да.

[00:23:07] Это безумие. Да.

[00:23:09] swyx: Вот мы и здесь, и, по-моему, ты оценил это в 500 миллиардов, эм, что-то.

[00:23:12] Martin Casado: Нет, нет, нет. Миллиард, миллиардный тренировочный прогон, тренировочный прогон за $1 млрд. Имеет смысл реально сделать кастомный ASIC, если ты можешь успеть по времени. Вопрос теперь в сроках. Да, но не в деньгах, потому что просто, просто, просто грубая математика.

[00:23:22] Если это тренировка за миллиард долларов. Тогда инференс для этой модели должен быть больше миллиарда, иначе она не будет платёжеспособной. Так что давай предположим, что, если ты можешь сэкономить 20% — а с ASIC ты можешь сэкономить гораздо больше — 20%, это $200 млн. Ты можешь сделать tape-out чипа за $200 млн. Верно? Так что теперь ты буквально можешь экономически обосновать, не по срокам.

[00:23:41] Это другой вопрос. ASIC на модель, что

[00:23:44] swyx: это потому что вот столько мы оставляем на столе каждый раз, когда мы, мы, мы делаем, типа, дженерик Nvidia.

[00:23:48] Martin Casado: Именно. Именно. Нет, это на самом деле гораздо больше. Ты, наверное, можешь получить, знаешь, фактор в два, что было бы 500 миллионов.

[00:23:54] swyx: Типичный MFU был бы около 50.

[00:23:55] Да, да. И это хорошо.

[00:23:57] Martin Casado: Именно. Да. Сто

[00:23:57] swyx: процентов. Эм, так что, да, и, то есть, и я [00:24:00] просто хочу отметить, типа, вот мы тут, в 2025-м, и OpenAI подтверждает, типа, Broadcom и все остальные, типа, кастомные кремниевые сделки, что невероятно. Я, я думаю, что, эм, говоря об AD — есть, есть реально, типа, интересная связка, которую вы, очевидно, затронули, а именно, типа, это вроде как это движение America first, или, типа, реиндустриализации здесь.

[00:24:17] Да. Эм, перенести TSMC сюда, если это возможно. Эм, насколько велико пересечение из AD

[00:24:23] Martin Casado: Да.

[00:24:23] swyx: с, я полагаю, growth и, эм, инвестированием, в частности, в, знаешь, американские AI-компании, которые сильно ограничены своим compute.

[00:24:32] Martin Casado: Да. Да. Так что, то есть, я бы рассматривал, я бы рассматривал AD скорее как сегментацию рынка, а не как миссию, верно?

[00:24:37] Так что сегментация рынка такова: тут есть, типа, вопросы регуляторного комплаенса, или государство, знаешь, продажи государству, или это связано с, типа, железом. То есть они просто заточены, чтобы, чтобы, чтобы, чтобы, чтобы. Проводить due diligence по таким типам компаний. Так что это скорее про сегментацию рынка. Я бы сказал, вся фирма. Знаешь, которая с момента основания, знаешь, имеет географические уклоны, верно?

[00:24:58] То есть очень долго мы такие, [00:25:00] знаешь, Bay Area будет, типа, отлично, куда уходит большинство долларов. Да. И, и слушай, там, там на самом деле много кумулятивных эффектов от наличия географического уклона. Верно. Знаешь, все в одном месте. У тебя есть экосистема, ты там, у тебя есть присутствие, у тебя есть сеть.

[00:25:12] Эм, и, эм, то есть, я бы сказал, Bay Area очень даже вернулся. Знаешь, я помню до COVID, типа, это было, типа, почти крипта как бы. Утянула стартапы из Bay Area. Майами, да. Да. Нью-Йорк был, знаешь, потому что он так близко к финансам, поднялся; Лос-Анджелес имел свой момент, потому что был так близко к консьюмеру, но теперь это как бы вернулось сюда.

[00:25:29] И поэтому я бы сказал, знаешь, мы, как правило, очень сфокусированы на Bay Area исторически, хотя, конечно, мы инвестировали по всему миру. И затем я бы сказал, типа, если расширить кольцо, знаешь, ещё на одно, это будут США, конечно, потому что мы их очень хорошо знаем. А ещё одно — это будут США и их союзники, и да.

[00:25:44] И дальше оттуда.

[00:25:45] Sarah Wang: Да,

[00:25:45] Martin Casado: прости.

[00:25:46] Sarah Wang: Нет, нет. Согласна. Я думаю, с точки — но я думаю, с точки зрения того, что это вроде как где компании зарегистрированы. Может, твои вопросы про цепочку поставок и клиентскую базу. Я, я бы сказала, наши клиенты, наши компании довольно интернациональны с этой точки зрения.

[00:25:59] Типа они продают [00:26:00] глобально, верно? У них в некоторых случаях глобальные цепочки поставок.

[00:26:03] Martin Casado: Я бы сказал также, что липкость очень разная.

[00:26:05] Sarah Wang: Да.

[00:26:05] Martin Casado: Исторически между venture и growth, типа, в venture так много построения компании, так много, типа, найма следующего PM. Знакомства с клиентом, типа, всё это.

[00:26:15] Типа, конечно, мы просто будем сильнее там, где у нас есть наша сеть и где мы ведём бизнес 20 лет. Я в Bay Area 25 лет, так что явно я просто эффективнее здесь, чем был бы где-то ещё. Эм, где, я думаю, я думаю, для некоторых раундов более поздней стадии компаниям не нужно так много помощи.

[00:26:30] Они уже как бы довольно зрелые исторически, так что, типа, они могут быть где угодно. Так что там как бы меньше этой липкости. В AI-время это иначе. То есть Sarah теперь, эм, начальник штаба, типа, половины AI-компаний в, эм, в Bay Area прямо сейчас. Она типа ops-ниндзя, biz devrel, biz ops.

[00:26:48] swyx: Находишь ли ты, находишь ли ты много AI-автоматизации в своей работе? Типа, какой у тебя стек.

[00:26:53] Sarah Wang: О боже, мой личный стек.

[00:26:54] swyx: То есть, потому что, типа, эм, кстати, причина в том, что это триггерит, эм, да. Мы, типа, я нанимаю ops, ops-людей. Эм, многие основатели, которых я знаю, тоже нанимают ops-людей, и я просто, знаешь, это возможность — раз уж ты тоже как бы помогаешь с ops многим компаниям.

[00:27:09] Что люди делают в наши дни? Потому что это всё ещё очень вручную, насколько я могу судить.

[00:27:13] Sarah Wang: Хм. Да. Я думаю, то, с чем мы помогаем, довольно сетевое, эм, в том, что. Это вроде как: эй, как мне срезать путь в этом процессе? Ну, давай соединим тебя с нужным человеком. Так что для этого нет прям AI-воркфлоу.

[00:27:26] Скажу, что как growth-инвестор, Claude Cowork довольно интересный. Да. Типа, впервые ты реально можешь получить one-shot анализ данных. Верно, который, знаешь, если тебе нужно сделать клиентскую базу данных, проанализировать когортное удержание, верно? Это просто то, что раньше приходилось делать вручную. И наша команда, недавно — было, типа, полночь, и мы втроём игрались с Claude Cowork.

[00:27:47] Мы дали ему сырой файл. Бум. Идеально точно. Мы проверили цифры. Это было потрясающе. Это был мой, типа, момент озарения. Звучит так скучно. Но, знаешь, это вот такая вещь, над которой growth-инвестор, типа, [00:28:00] знаешь, корпит допоздна ночью. Эм, сделано за пару секунд.

[00:28:03] swyx: Да. Невольно задумаешься, что вся эта, типа, Anthropic Labs, которая, типа, их новая, вроде, продуктовая студия.

[00:28:10] Да. Сколько бы это стоило как независимый, эм, стартап? Знаешь, типа

[00:28:14] Martin Casado: много.

[00:28:14] Sarah Wang: Да, правда.

[00:28:16] swyx: Да. Им

[00:28:16] Martin Casado: надо отдать должное. Они исполняют невероятно хорошо.

[00:28:19] swyx: Да. То есть, для меня, знаешь, Anthropic, типа, строит на Claude Code, я думаю, эм, мне это понятно — настоящий. Эм, газ в пол, как там фраза, это когда они начнут идти на консьюмер с, эм, против OpenAI, и это, типа, красная тревога в OpenAI.

[00:28:35] О, я

[00:28:35] Martin Casado: думаю, они довольно ясно дали понять. Они сфокусированы на enterprise.

[00:28:37] swyx: Да, но, типа, они были бесплатными. Вот

[00:28:40] Martin Casado: заявляли публично,

[00:28:40] swyx: что сфокусированы на enterprise. Это кодинг. Верно. Да.

[00:28:43] AI-лаборатории против стартапов: дизрапт, демпинг и дилемма инноватора

[00:28:43] swyx: А потом, и, но вот Claude, Claude Cowork, и, и вот, типа, ну, мы, эм, они, по-видимому, крутят рекламу в Instagram для Claude.

[00:28:50] Я, ну, знаешь, для, для людей в — я их получаю всё время. Верно. И, так что, типа,

[00:28:54] Martin Casado: эм,

[00:28:54] swyx: это вроде как этой, той самой штуки с дизраптом, типа, знаешь. OpenAI делает консьюмер, делает, просто преследуя общий интеллект в каждой модальности, а вот тема, которая фокусируется только на одной вещи, но теперь они как бы демпингуют и проворачивают всю эту дилемму инноватора со, типа, всем остальным.

[00:29:11] Martin Casado: Это очень

[00:29:11] swyx: интересно.

[00:29:12] Martin Casado: Да, то есть тут есть очень открытый воп — для меня это, типа, знаешь тот мем, где парень на дороге и, типа, путь сюда, путь туда. Типа: куда, западный человек? Да. Да.

[00:29:23] Два будущих AI: бесконечный рынок против олигополии AGI

[00:29:23] Martin Casado: И для меня, типа, типа, вся индустрия как бы держится на, типа, двух потенциальных будущих.

[00:29:29] Так вот, в одном потенциальном будущем, эм, рынок бесконечно велик. Там обратный эффект масштаба. Потому что как только ты выпускаешь модель, она как бы сублимируется, и все остальные модели догоняют, и это просто, типа, как софт переписывается и фрагментируется повсюду, и там тонна апсайда, и оно просто растёт.

[00:29:48] И затем есть другой путь, который, типа, ну. Может, эти модели на самом деле обобщают реально хорошо, и всё, что тебе надо сделать, — обучить их втрое большими деньгами. Это всё, что тебе надо [00:30:00] сделать, и она просто поглотит всё, что за её пределами. И если это так, то ты, типа, по сути приходишь к олигополии на всё, типа, знаешь, мм-хм.

[00:30:06] Потому что они идеально универсальны, и, типа, это был бы, типа, путь AGI был бы, типа, они идеально универсальны. Они могут делать всё. А этот, типа, это на самом деле обычный софт. Вселенная сложна. У тебя есть, и никто не знает ответа.

[00:30:18] Проверка реальностью по экономике: валовая маржа, стоимость обучения и заём из будущего

[00:30:18] Martin Casado: Моё убеждение такое: если реально посмотреть на цифры этих компаний — то есть в целом, если посмотреть на цифры этих компаний, если посмотреть, типа, сколько они зарабатывают и сколько они потратили на обучение последней модели, то они в плюсе по валовой марже.

[00:30:30] Ты такой: о, это реально работает. Но если посмотреть, типа. На текущее обучение, которое они ведут для следующей модели, то у них валовая маржа отрицательная. Так что часть меня думает, что многие из них как бы занимают из будущего, и это придётся замедлить. Это их в какой-то момент догонит, но мы реально не знаем.

[00:30:47] Sarah Wang: Да.

[00:30:47] Martin Casado: Понятно, о чём я? То есть, может быть, может быть так, что единственная причина, по которой это работает, — это что они могут привлечь тот следующий раунд и могут обучить ту следующую модель. Потому что у этих моделей такая короткая. Жизнь. И поэтому в какой-то момент, знаешь, они не смогут [00:31:00] привлечь тот следующий раунд для следующей модели, и тогда всё как бы сойдётся и снова фрагментируется.

[00:31:03] Но прямо сейчас это не так.

[00:31:04] Sarah Wang: Абсолютно. Я думаю, другой, кстати, эм, мета-момент. Я думаю, другой урок последних трёх лет — и мы говорим об этом всё время, потому что мы в этом. Пузыре Twitter/X. Эм, ладно. Но, знаешь, если вернуться, скажем, в март 2024-го, в тот период казалось, что, по-моему, open source модель с, типа, лидирующими по бенчмаркам возможностями как бы запускалась чуть ли не ежедневно в тот момент.

[00:31:27] И, эм, и поэтому, знаешь, это один период. Вдруг это вроде как open source захватывает мир. Их будет масса. Это не олигополия, знаешь, если ты — знаешь, если, если отмотать время ещё раньше, GPT-4 был номером один в течение. Девяти месяцев, десяти месяцев. Это долго. Верно.

[00:31:44] Эм, и, конечно, теперь мы в эпохе, где это ощущается как олигополия, эм, может, какое-то очень устойчивое состояние сместится, и, знаешь, в будущем это могло бы выглядеть и так, но это просто, это так трудно предсказать. И я думаю, то, что держит, знаешь, нас по ночам [00:32:00] в, в хорошем и плохом смысле, — это то, что прогресс возможностей на самом деле не замедляется.

[00:32:06] И поэтому пока это не случится, верно, типа, ты не знаешь, как это будет выглядеть.

[00:32:09] Martin Casado: Но я, я бы сказал точно — это не сошлось, типа точно, типа системные потоки капитала не сошлись, в смысле прямо сейчас это всё ещё заём из будущего, чтобы субсидировать рост в настоящем, что можно делать какое-то время.

[00:32:23] Но, но, знаешь, в конце, в какой-то момент рынок это рационализирует, и просто никто не знает, как это будет выглядеть.

[00:32:29] Alessio: Да.

[00:32:29] Martin Casado: Или, или, типа, падение цены compute их спасёт. Кто знает?

[00:32:34] Alessio: Да. Да. Я думаю, модели нужно — просить их под конкретные задачи. Знаешь? Это типа, окей, теперь Opus 4.5, может, и AGI на какой-то конкретной задаче, и теперь ты можешь, типа, амортизировать модель на более долгий срок.

[00:32:45] Я думаю, теперь, теперь, прямо сейчас нет, типа, старой модели.

[00:32:47] Martin Casado: Нет, но дай, но дай мне изменить эту ментальную, это была моя ментальная модель. Дай мне просто немного её изменить.

[00:32:53] Капитал как оружие против насыщения задач: где строится реальная enterprise-ценность

[00:32:53] Martin Casado: Если ты можешь привлечь втрое, если ты можешь привлечь больше, чем совокупность всех, кто использует твои модели, то это даже не важно.

[00:32:59] Это даже [00:33:00] не важно. Понимаешь, о чём я? Типа, да. Да. Так что, так что у меня есть API-бизнес. Мой API-бизнес — 60% маржи, или 70%, или 80% маржи, это высокомаржинальный бизнес. Так что я знаю, что все используют. Если я могу привлечь больше денег, чем совокупность всех, кто это использует, я их поглощу, AGI я или нет.

[00:33:14] И я буду знать, используют ли они это, потому что они это используют. И, типа, в отличие от прошлого, где инженерия мешала мне это делать.

[00:33:21] Alessio: Мм-хм.

[00:33:21] Martin Casado: Это очень прямолинейно. Ты просто обучаешь. Так что я тоже думал, что это, типа, тебе нужно, чтобы код был AGI, универсальный, универсальный, универсальный. Но я думаю, есть также просто возможность, что, что рынки капитала просто дадут им, типа, боеприпасы, чтобы пойти на всех, кто поверх них.

[00:33:36] Sarah Wang: Я, я всё же задаюсь вопросом, к твоей мысли, эм, есть ли определённая задача, где. Становление маргинально лучше на самом деле не настолько лучше. Типа мы уже попросили их об этом — знаешь, можем назвать это AGI или как угодно, знаешь, вообще-то Aravind Srinivas об этом говорит, типа мы уже на AGI для многих функций в enterprise.

[00:33:50] Эм. Для тех задач ты, наверное, мог бы построить очень специфические компании, которые фокусируются просто на извлечении максимума ценности из этой задачи, который не [00:34:00] исходит от самой модели. Там, наверное, есть богатый enterprise-бизнес, который можно построить. То есть, могу ошибаться в этом, но есть много интересных примеров.

[00:34:08] Так что, верно, если ты смотришь на юридическую профессию, или там что-то ещё, и, может, это не лучший пример, потому что модели и на этом фронте становятся лучше, но просто что-то, где это немного насыщено, тогда ценность приходит от. Сервисов. Она приходит от внедрения, верно? Она приходит от всех этих вещей, которые реально делают это полезным для конечного клиента.

[00:34:24] Martin Casado: Прости, что я — ещё одна вещь, которая, по-моему, недоиспользована во всём этом, это, типа, в какой степени каждая задача является AGI-complete.

[00:34:31] Sarah Wang: Мм-хм.

[00:34:32] Martin Casado: Да. Я кодю каждый день. Это так весело.

[00:34:35] Sarah Wang: Это ключевой вопрос. Да.

[00:34:36] Martin Casado: И, типа. Когда я разговариваю с этими моделями, это не просто код. То есть это всё, верно? Типа, я, знаешь, типа, это,

[00:34:43] swyx: это здравоохранение.

[00:34:44] Это,

[00:34:44] Martin Casado: то есть, это

[00:34:44] swyx: юриспруденция,

[00:34:45] Martin Casado: но это каждая, это именно так. Типа, да, это

[00:34:47] Sarah Wang: отличная поддержка. Да.

[00:34:48] Martin Casado: Это всё. Типа я прошу эти модели, да, разобраться в комплаенсе. Я прошу эти модели пойти поискать в вебе. Я прошу эти модели поговорить о вещах, которые я знаю из истории, типа это [00:35:00] полноценный разговор со мной, пока я, я инженерю, и поэтому может быть так, что, типа, мм-хм.

[00:35:01] Самая AGI-complete, знаешь, AGI-complete — типа я не AGI-парень. Типа я думаю, это, знаешь, но, типа, самая AGI-complete модель победит независимо от задачи. И мы тоже не знаем ответа на этот вопрос.

[00:35:11] swyx: Да.

[00:35:12] Martin Casado: Но мне кажется, что, типа, слушай, Codex по моему опыту точно лучше, чем Opus 4.5 для кодинга.

[00:35:18] Типа он находит самые трудные баги, с которыми я работаю. Типа, он, знаешь. Самые умные разработчики. Я над этим не работаю. Это отлично. Эм, но я думаю, Opus 4.5 на самом деле очень — у него отличный «врачебный такт», и он реально, и это реально важно, если ты строишь что-то очень сложное, потому что, типа, это реально, знаешь, типа ты, ты, ты партнёр и партнёр по брейнштормингу для кого-то.

[00:35:38] И я думаю, мы недостаточно обсуждаем, как каждая задача обладает этим качеством.

[00:35:42] swyx: Мм-хм.

[00:35:43] Martin Casado: И что это значит для, типа, капитальных инвестиций и, типа, frontier-моделей и submodels? Да.

[00:35:47] Почему «кодинговые модели» постоянно схлопываются в универсальные (рассуждение против вкуса)

[00:35:47] Martin Casado: Типа что случилось со всеми специальными кодинговыми моделями? Типа ни одна из них не сработала, верно? Так

[00:35:51] Alessio: что некоторые из них даже не были выпущены.

[00:35:53] Magic

[00:35:54] Martin Casado: Devrel. Там целый, там целый ряд. Мы видели кучу из них, и, типа, есть вся эта теория, что, типа, могла бы быть, и [00:36:00] я думаю, один из выводов, типа, такой: нет такой вещи, как кодинговая модель,

[00:36:04] Alessio: знаешь?

[00:36:04] Martin Casado: Типа, такого нет. Типа ты разговариваешь с другим человеком, и оно, оно хорошо в кодинге, но, типа, оно должно быть хорошо во всём.

[00:36:10] swyx: Эм, слегка не соглашусь, только потому что я, я довольно, типа, с довольно высокой уверенностью считаю, что по сути OpenAI всегда будет выпускать GPT-5 и GPT-5 Codex. Типа это код. Да. То, как я это называю, — одна для рассуждения, одна для вкуса. И, и потом, типа, кто-то внутри OpenAI сказал, типа, да, это хороший способ это сформулировать.

[00:36:32] Martin Casado: Это так смешно.

[00:36:33] swyx: Эм, но, может, оно, может, оно схлопывается до рассуждения, и всё. Это не, типа, сто измерений — не жизнь. Да. Это два измерения. Да, да, да, да. Типа и, именно. Врачебный такт против кодинга. Да.

[00:36:43] Martin Casado: Да.

[00:36:44] swyx: Это, да.

[00:36:46] Martin Casado: Я, я думаю, для любого — это уморительно. Для любого, для кого угодно, то есть для тебя, типа, когда ты, типа, кодишь или используешь эти модели для чего-то такого.

[00:36:52] Типа реально просто, типа, осознай, насколько большая часть взаимодействия не имеет ничего общего с кодингом, и оно просто оказывается большой долей этого. И поэтому, типа, ты, я [00:37:00] думаю, типа, типа, лучшая state-of-the-art-ish модель. Знаешь, она останется очень важной, какой бы ни была задача.

[00:37:06] swyx: Да.

[00:37:07] Что он на самом деле кодит: Gaussian splats, Spark.js и демо рендеринга 3D-сцен

[00:37:07] swyx: Эм, кстати о кодинге, я, я буду дерзким и спрошу, типа, что ты на самом деле кодишь?

[00:37:11] Потому что, очевидно, ты, ты мог бы кодить что угодно, и ты, очевидно, занятой инвестор и менеджер хорошей. Гигантской команды. Эм, что ты кодишь?

[00:37:18] Martin Casado: Я помогаю, эм, эм, Fei-Fei в World Labs. Эм, это одна из инвестиций, и, эм, они строят фундаментальную модель, которая создаёт 3D-сцены.

[00:37:27] swyx: Да, у нас она была в подкасте.

[00:37:28] Да. Да,

[00:37:28] Martin Casado: да. И поэтому эти 3D-сцены — это Gaussian splats, просто в силу того, как работает этот AI. И поэтому, типа, ты можешь реконструировать сцену лучше с, с, с radiance fields, чем с мешами. Потому что, типа, у них на самом деле нет топологии. Так что они, они, они производят каждую. Красивую, знаешь, 3D-рендеренную сцену, которая является Gaussian splats, но реальная индустриальная поддержка для Gaussian splats не очень хороша.

[00:37:50] Это просто никогда, знаешь, это всегда были меши, и, типа, такие вещи, как Unreal, используют меши. И поэтому я работаю над open source библиотекой под названием Spark.js, которая является. Эм, [00:38:00] JavaScript-слоем рендеринга, готовым для Gaussian splats. И это просто потому, что, знаешь, тебе, тебе нужна эта поддержка, и, и прямо сейчас есть как бы момент three.js, который весь про меши, и, типа, оно стало как бы дефолтом в экосистеме three.js.

[00:38:13] В рамках этого, чтобы как бы прогонять библиотеку, я просто строю кучу классных демо. Так что если видишь меня в X, видишь, типа, все мои демо и весь этот world building, но всё это просто чтобы прогонять эту, эту библиотеку, над которой я работаю. Потому что это на самом деле очень трудная алгоритмическая задача — реально так масштабировать библиотеку.

[00:38:29] И просто чтобы ты знал, это уже древняя история, но 30 лет назад я оплачивал учёбу в бакалавриате, знаешь, работая над игровыми движками в колледже в конце девяностых. Так что у меня на самом деле есть очень старый бэкграунд, но у меня правда есть бэкграунд в этом, и поэтому многое из этого — в кайф. Знаешь, но, но, цель всего — просто чтобы этот рендеринговый слой, чтобы, чтобы,

[00:38:47] Sarah Wang: ты один из самых активных контрибьюторов?

[00:38:49] У них GitHub

[00:38:50] Martin Casado: Spark? Да.

[00:38:51] Sarah Wang: Да, да.

[00:38:51] Martin Casado: Нас там всего двое, так что да. Нет, так что, кстати, основной — основной разработчик, да. Да. Так что основной разработчик — парень по имени Andres Quist, который абсолютный гений. Мы с ним делали наши, наши PhD вместе. И поэтому, типа, эм, мы вместе изучали — это было почти как тусоваться со старым другом, знаешь?

[00:39:09] И поэтому, типа. Так что он, он ядро, ядровый парень. Я делал в основном как бы, знаешь, сторону — я управляю венчурным фондом.

[00:39:14] swyx: Это потрясающе. Типа пять лет назад ты бы ничего из этого не делал. И это вернуло тебя обратно

[00:39:19] Martin Casado: к — энергия активации, ты всё ещё — энергия активации была такой высокой, потому что тебе приходилось учить весь этот фреймворковый булшит.

[00:39:23] Чувак, я это, блин, ненавидел. И поэтому, типа, теперь мне не надо с этим разбираться. Я могу, типа, сфокусироваться на алгоритмике, так что я могу сфокусироваться на масштабировании, и я,

[00:39:29] swyx: да. Да.

[00:39:29] LLM против пространственного интеллекта + как оценивать 3D-фундаментальную модель World Labs

[00:39:29] swyx: И затем, эм, я отмечу одну иронию, а потом задам серьёзный инвесторский вопрос, эм, а именно — ирония в том, что Fei-Fei на самом деле не верит, что LLM могут привести нас к пространственному интеллекту.

[00:39:37] И вот ты используешь LLM, чтобы, типа, помочь, типа, достичь пространственного интеллекта. Я просто вижу, я вижу некий, типа, диссонанс в этом.

[00:39:45] Martin Casado: Да. Да. Так что я думаю, я думаю, знаешь, я думаю, я думаю, что она сказала бы, что LLM отлично помогают с кодингом.

[00:39:51] swyx: Да.

[00:39:51] Martin Casado: Но, типа, это очень отличается от модели, которая реально, типа, обеспечивает — у них, у них никогда не будет

[00:39:56] swyx: пространственного инте

[00:39:56] Martin Casado: проблем.

[00:39:56] И слушай, наши мозги явно — слушай, наши мозги, мозги явно имеют [00:40:00] оба — наши, наши мозги явно имеют секцию языкового рассуждения и явно имеют секцию пространственного рассуждения. То есть это просто, знаешь, это две довольно независимые задачи.

[00:40:07] swyx: Окей. И ты, типа, я, я бы сказал, что одна точка данных, которая у меня недавно появилась против этого, — это DeepMind, эм, IMO Gold, где, так, эм, типичный ответ в том, что вот тут ты начинаешь идти по нейросимволическому пути, верно?

[00:40:21] Типа одна, эм, как бы очень такая абстрактная штука рассуждения и одна формальная, формальная штука. Эм, и это то, что. У DeepMind было в 2024-м с AlphaProof, AlphaGeometry, а теперь они просто используют Deep Think и просто расширенные токены размышления. И это одна модель, и она, и это LLM.

[00:40:36] Martin Casado: Да, да, да, да, да.

[00:40:37] swyx: И поэтому это, это было моим указанием на то, типа, что, может, тебе не нужна отдельная система.

[00:40:42] Martin Casado: Да. Так, так дай мне отступить. То есть в конце концов, в конце концов эти штуки — это, типа, узлы в графе с весами на них. Верно. Знаешь, типа это можно смоделировать, если, если дистиллировать это. Но дай мне просто рассказать о двух разных субстратах. Давай, давай я помещу тебя в тёмную комнату.

[00:40:56] Типа совершенно чёрную комнату. И затем дай я просто [00:41:00] опишу, как из неё выйти. Типа слева от тебя есть стол, типа пригнись под этой штукой, верно? То есть, типа, шансы, что ты, типа, не наткнёшься на что-то, очень низки. Теперь дай я, типа, включу свет, и ты реально видишь, и ты можешь определить расстояние, и ты знаешь, как далеко что-то находится, и, типа, где оно или что угодно.

[00:41:17] Тогда ты можешь это сделать, верно? Типа язык — это не те примитивы, чтобы описать. Вселенную, потому что он недостаточно точен. Так что это всё, о чём говорит Fei-Fei. Когда речь о, типа, пространственном рассуждении, это, типа, тебе реально нужно знать, что это в трёх футах, типа на таком расстоянии. Оно изогнуто.

[00:41:37] Тебе нужно понимать, знаешь, типа реальное движение через пространство.

[00:41:40] swyx: Да.

[00:41:40] Martin Casado: Так что я думаю — слушай, я думаю, в конце концов эти модели определённо сходятся как модели, но есть, есть, есть разные представления задач, которые ты решаешь. Одно — язык. Что, знаешь, это было бы как описывать кому-то, что делать.

[00:41:51] А другое — это на самом деле просто показать им, и пространственное рассуждение — это просто показать им.

[00:41:55] swyx: Да, да, да. Верно. Понял, понял. Эм, инвесторский вопрос был про, про — ну, World Labs, ну, типа, как мне оценивать что-то такое? Что, какую работу ты делаешь? Я просто, типа, Fei-Fei потрясающая.

[00:42:07] Justin потрясающий. И, знаешь, двое других со-основа — со-основателей, но, типа, технология — все строят классную технологию. Но, типа, какова ценность технологии? И это фундаментальный вопрос

[00:42:16] Martin Casado: о — ну, дай, дай, просто как эти — дай я просто, может, дам тебе грубую зарисовку по диффузионным моделям. Я на самом деле с удовольствием послушаю Sarah, потому что я венчур-парень, знаешь, так что, типа, венчур всегда, всегда как бы дикий запад типа

[00:42:24] swyx: штука.

[00:42:24] Ты, ты, ты, ты заплатил за мечту, а ей надо, типа, реально

[00:42:28] Martin Casado: я скажу — я приземлю это к реальности, так что я скажу как венчур-парень. А она может такая: окей, ты маленький ребёнок. Да. Так что, типа, так, так эти диффузионные модели буквально. Создают что-то за, за почти ничего — и что-то, что мир в прошлом счёл очень ценным, на наших реальных рынках, верно?

[00:42:45] Типа, типа 2D-изображение. То есть это был целый рынок. Люди их ценят. Человеку нужно много времени, чтобы его создать, верно? То есть, чтобы создать, знаешь, чтобы превратить меня в какое-нибудь, типа, изображение, стоило бы сотню баксов и час времени. Инференс стоит нам [00:43:00] сотую долю цента, верно? Так что мы видели это с речью в очень успешных компаниях.

[00:43:03] Мы видели это с 2D-изображениями. Мы видели это с фильмами. Верно? Теперь подумай о 3D-сцене. То есть, то есть, когда выходит Grand Theft Auto? Прошло уже шесть, что? Прошло 10 лет. То есть, как, как, типа, но не прошло 10 лет.

[00:43:14] Alessio: Да.

[00:43:15] Martin Casado: Сколько бы стоило, типа, воспроизвести эту комнату в 3D? Верно. Если ты, если ты, если ты нанял бы кого-то на Fiverr, типа, в, в каком-либо качестве, наверное, от 4 000 до 10 000 долларов.

[00:43:24] А если у тебя профессионал, наверное, $30 000. Так что если ты можешь сгенерировать ровно то же самое из 2D-изображения, и мы знаем, что они используются и используются в Unreal, и используются в Blender, или используются в фильмах, и используются в видеоиграх, и используются во всём. Так что если ты можешь сделать это за.

[00:43:36] Знаешь, меньше доллара, это в четыре-пять порядков дешевле. Так что ты снижаешь предельную стоимость чего-то полезного на три порядка, что исторически создавало очень крупные компании. Так что это была бы, типа, венчурная, типа, стратегическая мечтательная карта.

[00:43:49] swyx: Да.

[00:43:50] И, и для слушателей, эм, вы можете сделать это сами на своём, на своём собственном телефоне с, типа. Эм, Marble.

[00:43:55] Martin Casado: Да. Marble.

[00:43:55] swyx: Эм, или, но есть также много Nerf-приложений, где ты просто заходишь на свой iPhone и, и делаешь это.

[00:43:59] Martin Casado: Да. Да. [00:44:00] Да. И, и в случае с Marble, правда, ты — что ты делаешь, ты буквально даёшь ему вход.

[00:44:03] Так что в большинстве Nerf-приложений ты как бы бегаешь вокруг и делаешь кучу фотографий, а потом как бы реконструируешь это.

[00:44:08] swyx: Да.

[00:44:08] Martin Casado: Эм, вещи вроде Marble просто — всё это генеративное 3D-пространство просто берёт 2D-изображение и реконструирует все, типа, типа

[00:44:16] swyx: в смысле оно должно дорисовать. Эм,

[00:44:18] Martin Casado: штуки на задней части стола, под столом, сзади, типа, типа изображения, которые оно не видит.

[00:44:22] Так что генеративная штука очень отличается от реконструкции тем, что оно дорисовывает вещи, которые ты не можешь увидеть.

[00:44:26] swyx: Да. Окей.

[00:44:26] Sarah Wang: Так,

[00:44:27] Martin Casado: ладно. Так теперь,

[00:44:28] Sarah Wang: нет, нет. То есть я обожаю

[00:44:29] Martin Casado: взрослую

[00:44:29] Sarah Wang: перспективу. Эм, ну, нет, я собиралась сказать — это очень даже тандем. Так что мы, мы начали этот подкаст с той, эм, предпосылки. И я думаю, это идеальный вопрос, чтобы даже развить это дальше.

[00:44:36] Потому что это правда, то есть мы все эти штуки тандемим вместе.

[00:44:39] Инвестирование в модельные лаборатории, медийные слухи и плейбук Cursor (маржа и движение вниз по стеку)

[00:44:39] Sarah Wang: Эм, но я думаю, каждая инвестиция фундаментально начинается с тех же. Может, тех же двух предпосылок. Одна в том, что в этот момент времени мы на самом деле верим, что есть. И есть основатели уровня лучших в своём конкретном ремесле, и это должно быть продемонстрировано в их предыдущих карьерах, верно?

[00:44:56] Так что, эм, мы не инвестируем в каждый, знаешь, теперь термин — neolab, но [00:45:00] в каждую фундаментальную модель, эм, в любую, любую компанию, любого основателя, пытающегося построить фундаментальную модель, мы не, эм, вопреки расхожему мнению, мы не инвестировали во все из них, верно? У нас очень конкретный тезис. Я не думаю, что люди

[00:45:09] swyx: так о тебе говорят.

[00:45:10] Нет, не говорят. Не говорят,

[00:45:12] Sarah Wang: они говорят, что мы большие, мы во всём. Но, эм, знаешь, если подумать про Ilya, верно? Он в SSI, он как бы. Стоял почти за каждым фундаментальным прорывом последние 15 лет. 15 лет. Эм, если подумать о, знаешь, команде Thinking Machines, верно? Mira и John, верно?

[00:45:27] John — крёстный отец обучения с подкреплением. И поэтому, эм, я прохожусь по этому, потому что, знаешь, если подумать о каждой из ставок, которые мы сделали, всё восходит к одному из, к очень конкретному тезису об этом человеке, команде, которую он собрал, и о том, что они сделали в прошлой жизни. Эм, и, знаешь, я, я думаю, знаешь, очевидно, мы говорили о войнах за таланты.

[00:45:46] Эм, мы действительно думаем. В этот конкретный момент времени есть конкретные люди, которые могут сдвигать стрелки. Эм, явно, эм, другие компании тоже в это верят, иначе они не были бы готовы платить такие безумные цены за отдельных индивидов. Так что это, это одно. И затем второе, [00:46:00] мы не думаем, что это игра с нулевой суммой, верно?

[00:46:02] Типа если бы это было правдой, OpenAI или, или вообще-то просто DeepMind были бы номером один во всём, верно? Есть явная ценность. В специализации. Это как 11 Labs. Было так, о боже. Да. Много аудио-моделей, которые вышли на рынок, они всё ещё, блин, номер один, верно? И поэтому если подумать о, и они создали тонну ценности, эм, для своих клиентов, для своих инвесторов, знаешь, для своей команды.

[00:46:23] Эм, и поэтому если подумать об этих двух вместе, верно? Это как бы фундамент нашего тезиса, когда мы бэкаем, эм, эти фундаментальные модельные, эм, компании. Эм, конечно. Оценки, знаешь, они звучат астрономически, когда думаешь про текущую выручку, цифры, эм, знаешь, там, там как бы вот это — одно, я бы сказала, это рынок там, потому что они привлекают большие доллары.

[00:46:47] У них есть потребности в compute, верно? Это 80% раунда, который они обычно привлекают, или обычно из раунда, который они привлекают. Эм, но я думаю, то, что нас возбуждает в их бэкинге, — это что рост выручки [00:47:00] обычно следовал за прорывом в возможностях. Так что это как бы восходит к тому вопросу о.

[00:47:04] Циклической природе, типа: ты просто финансируешь это, а потом привлекаешь ещё финансирование? Эм, когда есть реальный прорыв в возможностях, спрос там есть. И поэтому рост выручки гораздо быстрее, чем мы когда-либо видели. Как только это включается, есть компания, я не могу поделиться названием, эм, но их продукт вышел в GA за несколько недель.

[00:47:21] Десятки миллионов выручки. Верно. У нас есть

[00:47:23] swyx: SaaS

[00:47:23] Я

[00:47:24] swyx: сам это видел. Да,

[00:47:24] Sarah Wang: абсолютно. У нас есть SaaS. Абсолютно. Компании, которые, знаешь, были в бизнесе семь лет и достигают того же уровня семь лет спустя. И рост, знаешь, еле-еле дотягивает до чего бы то ни было. Эм, и, и, кстати, отличные компании — нет, ничуть, эм, не принижаю того, чего они достигли, но факт в том, чтобы достичь такого роста выручки так быстро.

[00:47:43] Это не просто те две компании, о которых все говорят. Это, это на самом деле многие из этих, знаешь, как бы. В каждом домене есть специалист, и мы думаем, что если ты можешь это выиграть, ты становишься очень большим, очень быстро, и это на самом деле сыграло в цифрах.

[00:47:56] swyx: Да. Эм, наши, наши зрители собираются, эм, так что [00:48:00] прежде всего спасибо за этот общий взгляд.

[00:48:01] Я думаю, типа важно услышать вашу, ребята, перспективу, потому что остальные из нас просто как бы смотрят на заголовки и не знают, как во всём этом разобраться. Эм, мы можем упомянуть, типа, мои — наши слушатели нас зажарят, если мы, если мы упомянем Thinky и не. Обсудим, что случилось. Эм, то есть, очевидно, раскол основателей случается, эм, но я, я полагаю — тезис не изменился? Это, это, типа, эм, знаешь, что, что происходит в Thinking?

[00:48:25] Sarah Wang: Да. Эм, мы взволнованы по поводу них больше, чем когда-либо. Эм, у них есть кое-что, что. Мы не будем выдавать сенсацию на подкасте. Эм, знаешь, очевидно, они должны поделиться этим сами, но, эм, они, знаешь, я думаю, когда ты собираешь команду такого калибра вместе, происходят особенные вещи. И, эм, я думаю, 2026-й будет для них большим годом.

[00:48:44] Эм, очевидно, знаешь, некоторые из тем, о которых мы говорили раньше, даже просто с этой медийной бурей новостей, типа всё, что-то случается, и потом это везде мгновенно. Эм, знаешь, я думаю, эм. [00:49:00] Это, я, это трудная ситуация, в которой может оказаться любая компания. Эм, но выйти из этого сильнее, чем когда-либо, я думаю, что, знаешь, мы, мы больше настроены по-бычьи по поводу Thinking, чем, эм, знаешь, даже раньше.

[00:49:12] И, эм, очевидно,

[00:49:13] swyx: и, и, и история — это Tin, эм, это Tinker. Это наши кастомные модели, всё. Эм, да. Это, это то, к чему мы стремимся?

[00:49:22] Sarah Wang: Да. И куча всего, о чём мы, мы не можем говорить здесь. Окей. Да. Ладно. Класс. Да, абсолютно. Но нет, та команда варит, и, эм, знаешь, я думаю, эм, они, они будут в полном порядке, эм, они, они оправятся от событий января.

[00:49:34] swyx: Да.

[00:49:34] Martin Casado: Скажу так, это самое — у нас очень привилегированная позиция в советах директоров этих компаний, и, типа, скажу, я никогда не видел. Чтобы восприятие правды было настолько далеко от правды.

[00:49:48] swyx: О,

[00:49:48] Martin Casado: в масштабе всей индустрии когда-либо. Типа я, я тебе гарантирую, по поводу любой из этих сплетен — я тебе гарантирую, что это сильно мимо.

[00:49:55] swyx: Окей.

[00:49:55] Martin Casado: Сильно, сильно мимо. Типа, типа общий настрой и, типа, и что происходит — это, типа, у нас сейчас [00:50:00] этот безумный испорченный телефон, где всегда есть. Зёрна правды, но это так искажается ко времени, типа, мы всё время слышим слухи о вещах, в которых мы напрямую участвуем. Типа мы буквально в совете директоров, знаешь, типа, мы, мы те, кто сделал эту штуку.

[00:50:12] И ко времени, как оно доходит — оно так искажается, и так извращается. Я думаю, это типа — все взволнованы. Я. Тут много фокуса. Уровень снаряда так высок, что люди просто как бы усилием воли создают вещи, которых не существовало. Эм, так что я не, знаешь, я, знаешь, я не хочу комментировать конкретно про Thinking Machines, но, типа,

[00:50:31] swyx: это важное послание для широкой

[00:50:33] Martin Casado: аудитории.

[00:50:33] Скажу тебе, если ты что-то слышишь в X, типа, шансы, что это. Знаешь, точно представляет то, что говорится, очень, очень низки.

[00:50:42] swyx: Да.

[00:50:43] Sarah Wang: Я никогда не теряла столько веры в анонимные аккаунты в Twitter, которые просто кажутся очень уверенными в том, что говорят. Да,

[00:50:50] Martin Casado: нет. Да.

[00:50:50] Sarah Wang: И это не могло быть дальше от правды.

[00:50:52] У меня был отрезок в пару дней, когда я была такая: о боже, Twitter отравляет разум, а я. Обожаю X. Да,

[00:50:56] Martin Casado: но мы общаемся друг с другом всё время. Потому что мы реально знаем, потому что мы там, типа, мы [00:51:00] там, видим эти вещи, и, типа, знаешь, Sarah, типа, напишет мне, знаешь, типа что угодно. Это, типа, нелепо.

[00:51:06] Так что для нас это, типа, это, типа, эта нелепица. Но проблема в том, что мы осознаём, что вещи начинают жить своей собственной жизнью, и потом люди предполагают, что они реальны, и всё такое. И поэтому я думаю, это очень тяжело для основателей, потому что, знаешь, и так тяжело вести реальную битву.

[00:51:20] Знаешь, теперь. Абсолютно. Теперь они сражаются ещё и с фантомами. И поэтому, знаешь, всё больше и больше мы просто типа — и я получил это от ребят из Cursor, что я, я реально ценю — Michael Truell. Он такой: слушай, голову вниз, фокусируйся на бизнесе. Да. И, и он абсолютно

[00:51:35] swyx: разнёс это.

[00:51:35] Martin Casado: Да. Да. И я, я думаю, это верно.

[00:51:37] Я весь

[00:51:37] нашёл

[00:51:37] Martin Casado: абсолютно прав прямо сейчас, потому что шум так горяч.

[00:51:40] Sarah Wang: Нет, та команда вернулась к делу уже, уже несколько недель назад — команда Thinky. Так что, да.

[00:51:43] swyx: Да. Что ж, спасибо, что признали это, эм, это просто, эм, горячая тема на данный момент. О, мы должны, должны обратиться к слону в комнате. Эм, эм, Cursor, верно?

[00:51:51] Вы, очевидно, вы, ребята, крупные инвесторы. Эм, 2025-й. Я бы сказал, это год Cursor. То есть. Может, десятилетие, но, эм, [00:52:00] эм, просто, типа, я, я думаю, знаешь, я, я просто возвращаюсь к обсуждению того, как AGI просто как бы поглотит всё. Да. Cursor как бы один, типа, как бы блестящий пример, типа: вот как ты строишь слой приложений.

[00:52:10] Это обёртка.

[00:52:11] Martin Casado: Да.

[00:52:12] swyx: Но чертовски хорошая.

[00:52:14] Martin Casado: Да.

[00:52:14] swyx: Эм, и, эм, я полагаю, просто, типа, общий. Анализ, я полагаю, развития Cursor и что это значит для всех? Типа, есть ли в каждой индустрии Cursor, который можно построить?

[00:52:24] Martin Casado: Да, так что интересное в Cursor — они на самом деле за, знаешь, малую долю стоимости, сотую долю стоимости или меньше.

[00:52:32] Разработали почти state-of-the-art модель, которая какое-то время была самой популярной кодинговой моделью в мире. Верно? Что реально безумно подумать. Так что я думаю, они просто как бы делают это в обратном порядке, верно? Так что есть, есть, есть два подхода. Ты начинаешь с фундаментальной модели и потом вертикализируешься вверх, или ты начинаешь с приложения и всех продуктовых данных и идёшь вниз, и они те, кто делает это.

[00:52:55] Я думаю, любая компания, которая делает приложение, должна задать вопрос о марже. Мм-хм. А именно: как, как [00:53:00] мне извлечь маржу из, из, из токенов, которые проходят через? Типа все должны быть на token path, и все должны задать этот вопрос. И я просто считаю, что они были невероятно вдумчивы в этом.

[00:53:09] И одна причина в том, что если спросить. Знаешь, Michael, что они за компания — они компания для разработчиков, для профессиональных разработчиков. Вот кто они, они компания devtools. Они просто сфокусированы на кодинге. И это огромный — то есть, даже если бы ты не делал AI, это ма. Знаешь, они, они, они, эм, они приобрели Graphite.

[00:53:25] То есть, типа, знаешь, слушай, мы были инвесторами в GitHub, типа мы знаем, насколько большой этот рынок. Так что это огромный рынок, даже без становления модельной компанией. Но они также были вполне успешны в создании своих собственных моделей. И поэтому я думаю, это просто показывает тебе, что если ты. Сфокусирован, у тебя есть крупный кейс.

[00:53:40] Есть огромная возможность не только заполучить приложение, но и начать строить свои собственные модели. Будут ли это единственные модели, которые мы используем? Конечно, нет. Эм, но, знаешь, они в отличной позиции, чтобы поставлять отличные модели, и они это продемонстрировали.

[00:53:51] swyx: Да. Мой, мой, эм, как бы, эм, тезис, в который мы не будем тут углубляться, на самом деле, я думаю, эм, то, что я называю Agent Labs, — это люди, которые строят поверх, эм, всех остальных моделей.

[00:54:00] Martin Casado: Да.

[00:54:02] swyx: Эм, у них, наверное, будет всё лучше с маржой, потому что они, они оценивают свою стоимость относительно часов конечного пользователя, или, типа, человеческого труда, тогда как модели получают коммодити-цену за токен.

[00:54:15] Sarah Wang: Да.

[00:54:15] swyx: И поэтому по марже. Мы знаем экономику инференса для, эм, эм, модельных лабораторий, но agent labs, эм, разница в том, что дельта между интеллектом токена, который продолжает падать, и человеческими затратами, которые продолжают расти.

[00:54:28] Martin Casado: Да, да, да.

[00:54:28] swyx: И поэтому маржа должна быть выше.

[00:54:31] Martin Casado: Они, они, они, они, они, они должны быть. Оговорка к этому — если модели уходят в first-party, верно. Да. Да. Что они могут сделать — они могут, они могут, что и есть

[00:54:40] swyx: мечта Composer.

[00:54:41] Martin Casado: Да. Да. Они могут субсидировать, нет, модели, они могут субсидировать себя.

[00:54:46] О, Claude Code — они могут субсидировать себя, а потом могут брать с третьей стороны больше, и это очень тонко. Да, потому что ты как бы конкурируешь со своими собственными клиентами. И поэтому, знаешь, мы видели это исторически. Мы видели это с облаком, с EC2, типа, так что это не необычно. Мы [00:55:00] видели это с операционной системой.

[00:55:00] Это не необычно, но это разыгрывается очень, очень быстро.

[00:55:04] Alessio: Да. Спасибо, что присоединились к нам. Это всё время, что у нас есть на сегодня. Это такое удовольствие. Вы можете вернуться в любое время.

[00:55:09] swyx: И спасибо, что были так открыты, а также, типа, просто за лидерство в индустрии в стольких областях. Эм, это, эм, реально вдохновляет видеть. Так что

[00:55:16] Sarah Wang: большое спасибо.

[00:55:17] Большое спасибо. Спасибо, что пригласили нас.

[00:55:17] swyx: Отлично. Спасибо.

Обсуждение этого выпуска