пригласили выступить на GTM конференции и рассказать, как сегодня привлекать клиентов через LinkedIn (конечно же, не без помощи нашего софта).
пока собирал материал, понял, что захотелось сначала посмотреть на тему чуть шире.
я до сих пор вижу людей, которые говорят: «а что там Lovable, Fyxer или Higgsfield сделали? это же просто обёртки, там нет моутов, я за выходные собрал альтернативу, вот ссылка на опен-сорс, это пузырь лол».
мне кажется, главная логическая ошибка разработчиков / продактов в том, что они воспринимают вайбкодинг как возможность наконец-то создать приложение, которое решает реальные проблемы людей, и только после этого решают думать про маркетинг.
реальность немного другая.
успех (и инвестиционный риск) ещё сильнее смещается в сторону прорывного маркетинга.
сегодня нужно идти только от контроля над аудиторией и всей командой качать скилл, который позволяет предсказуемо дешево генерировать top-of-the-funnel. это единственное преимущество.
я бы разделил подходы на три парадигмы.
1/ самому стать медиа.
в маленьких компаниях фаундер почти всегда больше бренда. у многих фаундеров в LinkedIn подписчиков больше, чем у страницы собственной компании.
но построить персональный бренд гораздо сложнее, чем об этом принято рассказывать.
сначала заряжаешься, пишешь несколько постов, а потом смотришь на график, а там скромные 400 impressions.
потому что это долгая работа по созданию репутации внутри узкого социального графа, который алгоритм постепенно учится приоритизировать.
нужно собственное, нескучное мнение. отчасти всё по заветам классики: нужно байтить, найти какого-то врага, диссить конкурентов, иметь позицию, с которой люди захотят спорить.
у меня, наверное, часа 3–5 в неделю уходит на посты в разных каналах, а какой-то заметный прогресс я увидел только спустя три года.
плюс, когда компания становится больше, одной персоны уже мало. компании начинают собирать целый портфель персон.
в Lovable есть Slack-канал, куда сотрудники кидают свои посты, а остальные помогают их разгонять. идея в том, чтобы превратить каждого инженера в маркетолога.
CEO лучше понимают и читают других CEO. разработчики разработчиков. дизайнеры дизайнеров.
даже венчурные фонды начали строить собственные медийные машины, чтобы помогать своим портфельным компаниям (см a16z и New Media Fellowship)
2/ находить дешёвые способы получения трафика на чужих площадках
весь топик про то, как креативно абьюзить Reddit, LinkedIn, TikTok, X, алгоритмические рекомендации, аудитории конкурентов. сюда же относятся ключевые слова clipping maxxing, контент-фермы, бэклинки для GEO и десятки других тактик.
можно написать один хороший пост на Reddit и получить несколько тысяч просмотров. а можно построить систему, которая позволяет повторять это в 100 сообществах с 10 аккаунтов.
можно писать один пост в линке, выпрашивая комментарии в обмен на гайд, а можно заплатить 100 LinkedIn-инфлюенсерам по $500 за пост и получить в 100 раз больше охвата.
можно снимать 2 часа видео и 3 часа его монтировать, чтобы попытать счастье в AEO, а можно заплатить по $100 индийским креаторам с 600–1000 подписчиками, чьи видео проиндексирует ChatGPT (потому что чатботам пока без разницы, какая репутация у инфлюенсера).
(примеры выше не из головы, а тактики одного из наших конкурентов, Gojiberry)
здесь преимущество не столько в качестве отдельного креатива, сколько в способности находить работающие механики и повторять их на масштабе.
для этого, конечно, приходится чем-то жертвовать. когда ты автоматизируешь или делегируешь что угодно, теряется контроль над деталями, внимание к мелочам, часто проседает качество. и это бьёт по бренду.
это требует гораздо больше концентрации и внимания, чем кажется из рассказов всяких SaaS и контент-фермеров на эту тему.
дизайн таких систем и контроль над ними практически невозможно полностью делегировать кому-то вне компании. работа на грани правил платформ, спама, копирования и общественных норм (но нет, я пока не призываю вас рекламировать свой SaaS в адалт-сетках).
как только какой-то хак появляется в популярном подкасте или вокруг него начинают строить продукт, его преимущество начинает исчезать, а сама механика всё быстрее превращается в соревнование бюджетов.
3/ если есть деньги, масштабировать paid ads и инфл маркетинг.
можно покупать дистрибуцию в белую и ускорять эксперименты бюджетом.
например, есть хорошие примеры у Fyxer: в их рекламной библиотеке отслеживался 131 активный рекламный креатив, при этом они выпускали примерно 40 новых в неделю.
у Higgsfield похожая одержимость дистрибуцией, только через видео и креаторов.
они построили огромную часть раннего роста на influencer marketing, а затем начали развивать собственную креативную машину. у компании уже более 150 специалистов, которые занимаются созданием контента.
или можно работать с инфлюенсерами очень близко. например, у Wispr Flow всего около 50 креаторов, но они делают 500–600 новых объявлений в месяц. платят им процент от бюджета, который тратится на их ролики, так что креатор зарабатывает, только если его реклама работает.
здесь же маркетинг становится чем-то ближе к производству или инженерному процессу.
я думаю, что на старте практически невозможно одновременно жить больше чем в одной парадигме. они требуют разной концентрации, разных навыков, бюджетов и даже разных типов людей.
делать стоит то, что у тебя лучше получается.
если ты круто хакаешь рекламные аукционы, но не умеешь интересно писать или снимать короткие видео, вряд ли стоит насильно превращать себя в LinkedIn-инфлюенсера. лучше найти деньги, чтобы масштабировать то, в чём уже есть преимущество.
и наоборот, если умеешь интересно рассказывать истории и собирать вокруг себя аудиторию, необязательно строить контент-ферму из сотни аккаунтов.
но вероятно успешная growth-машина будет состоять из бленда этих тактик. вообще, в SaaS +/- всегда было, что the best product rarely wins. the best sales and marketing do. просто воронка расширилась.
а конференция в этот четверг, 5 ноября и к тому же бесплатная. так что приходите.
немного в продолжении этого поста
в целом пересечений между GTM и фандрайзингом много. есть, конечно, важные отличия, но мне кажется, обе области могут многое почерпнуть друг у друга.
1/ холодный аутрич
вообще, если ты лелеешь надежду поднять деньги в холодную, нужно одно из условий:
1. у вас уникальный для того, что вы делаете, опыт
2. у вас хороший трекшен. хорошо, когда есть и 1/, но тогда, скорее, тебе не надо писать холодные письма и читать пост дальше
3. ты делаешь что-то нишевое (сектор или гео) и знаешь, кому надо написать. опять же лучше это работает, когда есть 1/ и-или 2/
пару советов:
- ограничьтесь 280 символами
- избегайте лишних любезностей и хвастовства в начале, они занимают много места
- сделайте сообщение актуальным для получателя
- но AI-персональный хук в 99% случаев выглядит фальшиво и слабо.
- сформулируйте конкретную просьбу, но не давите с первого предложения.
- одно сообщение - одна цель
- нужно указывать все что помогает с 1/ выше - имена клиентов, YC бейдж, прошлое место работы
- фоллу-ап не обязателен. если тебе не ответили, скорее не интересно. это очень email-first люди
- FOMO можно использовать, но без скама.
благо, конкуренция у вас, с одной стороны, большая, а с другой куча слопа, от которого можно натурально дистанцироваться и пройти базоый тест на адектвантнсоь.
вероятность в холодную выписать себе чек очень мала. но парадокс в том, что любые отношения когда-то начинаются в холодную. так что это не повод забивать на аутрич.
имхо, сильное холодное письмо бьет любое посредственное тёплое интро.
2/ базы
тут мне кажется, стоит разделить их на горизонтальные фонды, вертикальные и HNWI. баз сейчас много, но понизить размерность требует усилий.
горизонтальные делятся на tier-1 и не-tier-1.
если рассчитываете на внимание tier-1, лучше конечно, инвестировать больше времени, чем просто в отправку сообщения.
для tier-1 полезно изучать конкретного партнёра. у многих топ-фондов есть технические адвайзеры или партнёры. изучите, что они делали, в чём хороши и чем могут вам помочь. умение найти точку пересечения с топ-фондом очень важно, даже если шансов поднять у них деньги почти нет. там целая команда работает, по сути, на market making.
поэтому если позволяют время и ресурсы, инвестируйте в создание интереса.увидели пост, мнение или релиз про ваш рынок, напишите обстоятельный комментарий или письмо.
ты можешь не знать человека лично, но какое-то время следить за тем, что он делает, понимать его интересы и написать тогда, когда действительно есть о чём поговорить.
с не-tier-1 одновременно сложнее и проще. часто их стратегия построена на outbound по подходящим компаниям.
обычно есть две стратегии: зайти в hot-компанию, которая рейзит от tier-1, или найти быстрорастущую компанию, которая пока не соответствует риск-аппетиту tier-1. например, из-за вертикали или географии.
если вы не попадаете под определение hot-компании, то нужно уповать, на то, что вы попадаете в их вторую стратегию. единственный шанс вытащить их на звонок это попасть в их цикл исследования конкретной вертикали, когда они активно смотрят несколько компаний в этой области.
с вертикальными фондами проще, но и спрос с вас больше. как правило, они лучше знают свой рынок, понимают, куда смотреть, и тоже делают ставку на собственный outbound.
зато объём входящих у них гораздо меньше, поэтому пробиться через почту проще. совет с построением отношений по tier-1 тут тоже актуален.
и главное, сам по себе факт, что фонд инвестировал в компанию X, ещё не повод ему писать.
you invested in X company, we're building a similar project in a related field. let's talk.
hey David, do you know Justin from a16z? I saw you're connected on LinkedIn
hey David, noticed you worked with Justin at CoolDataCo in its early days and he’s now partner at CoolVC. I'm doing X that aligns well with his thesis, do you think Justin would be up for a call?
фото со свадьбы Леонида Богуславского в 1983 году.
к тому времени будущий основатель ru-Net Holdings / RTB Capital преподавал прикладную математику в МИИТе и занимался автоматизацией технологических процессов для АвтоВАЗа.
но куда интереснее, что на этой фотографии помимо Леонида запечатлены сразу четыре будущих долларовых миллиардера.
1/ Борис Березовский заведовал тогда лабораторией в Институте проблем управления и возглавлял Совет молодых ученых. руководил масштабными проектами института по хоздоговорам с АвтоВАЗом. защитил докторскую диссертацию по технической кибернетике, публиковался в международных журналах и возглавлял Совет молодых учёных института и, помимо прочего, был свидетелем на свадьбе.
2/ Петр Авен работал во Всесоюзном НИИ системных исследований, занимался математическими методами в экономике и эконометрикой под руководством академика Станислава Шаталина. позже стал министром внешнеэкономических связей России и одним из ключевых людей Альфа-банка.
3/ Вячеслав Кантор - выпускник МАИ, кандидат технических наук. занимался автоматическим управлением космическими аппаратами. через десять лет займётся совсем другой отраслью и начнёт строить химический холдинг «Акрон». хотя он работал в другом вузе, он тесно пересекался с Березовским и Богуславским по линии совместных межвузовских научных конференций, которые активно проводились в начале 1980-х годов.
В 1983 году, когда была сделана эта знаменитая фотография, ни один из четырех героев еще не помышлял о крупном бизнесе. все они были частью молодой интеллектуальной элиты СССР, занимались наукой.
наверняка они как-то все вместе работали, но непосредственными бизнес-партнёрами из этой компании стали только Березовский и Богуславский.
в 1989 году они вместе участвовали в создании «ЛогоВАЗа». связи Березовского с руководством АвтоВАЗа, наработанные за годы научных проектов, стали основой его будущего автомобильного бизнеса. Богуславский был акционером и заместителем гендиректора, но вскоре их пути разошлись. Березовский занялся торговлей автомобилями, а Богуславский остался в IT.
из компьютерного направления «ЛогоВАЗа» выросла LVS, первый дистрибьютор Oracle в СНГ. в 1997 году Богуславский продал компанию Price Waterhouse, а в 2000-м основал ru-Net Holdings, будущую RTP Global.
предыстория этого предприятия:
Летом 1988-го, после десятилетия нашей достаточно плотной дружбы, Борис пригласил в кооперативное кафе «Атриум» на Ленинском проспекте группу товарищей с предложением скинуться на создание совместной компании — будущего «ЛогоВАЗа». Собралось человек семь или восемь. Все мы пытались заниматься каким-то бизнесом, в основном околонаучным, по хоздоговорам с государственными предприятиями. И все как-то сотрудничали с Березовским. Борис правильно понял, что разумно упорядочить наши разрозненные и бессистемные попытки заработать
Я в тот момент уже собирался уезжать на работу в Австрию, так что мне Борино предложение по большому счету было неинтересно. К тому же в то время я больше думал не о бизнесе, а об экономике — как о науке, так и о практике реформ.
Однако я спросил: «Боря, а какая все-таки конечная цель? Ради чего ты предлагаешь объединиться?» Его ответ меня поразил: «Цель — заработать по миллиарду долларов. Каждому».
Излишне говорить, что у большинства собравшихся вряд ли было больше пары тысяч рублей на сберкнижке. Они копили и одалживали друг другу деньги если не до зарплаты, то на покупку любых товаров длительного пользования. Не у всех был личный автомобиль, а сам Березовский делил машину на двоих с Леонидом. Поэтому цифра в миллиард (долларов!) выглядела абсолютно, запредельно фантастической.
после прочтения опуса автора The Sovereign Individual про Бразилию я тогда решил количественно проверить его тезисы. тогда я собрал разные открытые экономические данные по Бразилии, чтобы можно было их кверить. но дальше это никуда не ушло.
в прошлое воскресенье в Бразилии прошёл первый тур президентских выборов, и я подумал, что это отличный повод вернуться к задаче для выжигания недельных лимитов для вайбкодинга выходного дня.
в итоге доделал начатое: собрал дата-каталог из 8,000+ источников, которые только мог найти по бразильской экономике и обществу, которые сгруппировал в стиле крипто-дата проекта Dune.
https://br.nonamevc.com/
короче, небольшой макро-вайбкод выходного дня с моим анализом.
Бразилия политически разделена. на прошлых выборах перевес составил меньше 0,5%. в целом разделена по штатам, по расе, по уровню жизни
но при этом, в отличии от соседей, Бразилия структурно устойчивее по политическим циклам, чем звучит риторика. цены на коммодити объясняют значительную часть макроволатильности, независимо от того, левые у власти или правые.
по делам левые даже больше относятся к право-центристам. денежная политика с 2021 года институционально защищена: ЦБ получил автономию и при третьем сроке Лулы прошёл первую проверку. ставка остаётся ортодоксально высокой, несмотря на давление президента.
одна из причин высоких ставок это растущий госдолг. валовой госдолг вырос с ~52% ВВП в 2011 году до 82,9% сейчас. на проценты уходит почти 9% ВВП в год. базовая ставка сейчас 13,75%, а номинальная экономика растёт примерно на 7%. чтобы долг перестал расти относительно ВВП, нужен существенный первичный профицит, а сейчас дефицит −0,62%. фискальные риски поддерживают высокие реальные ставки, сейчас около 8,5–9%.
нет и жёсткого контроля за капиталом, как в Аргентине при Киршнерах или в Венесуэле. при левой Дилме эксперименты с новой экономической матрицей (дешёвый госкредит, заморозка цен на топливо, давление на ставку) и это сталл одним из факторов рецессии 2015–2016 годов.
экспорт и международные отношения диверсифицированы по странам: Китай - 29,7% экспорта; ЕС - 15,5%; США - 9,6%; Мекросул - около 12%; остальной мир - около 33%. это данные за январь–сентябрь 2026 года. значительная часть экспорта привязана к ценам на сырьё. Китай покупает физическую экономику: сою, нефть и железную руду.
апсайд от ai-ралли пока только потенциальный. медь, редкоземы, литий, графит, кварц, кремний пока запасов много, но экспорт небольшой. хороший пример минерального экспорта это ниобий: около $2 млрд в год в 2019–2022, примерно $2,3–2,4 млрд в 2023–2024. но это менее 1% экспорта, а основное применение ниобия сегодня связано с металлургией.
выбор президента сильнее влияет на вмешательство государства в ресурсные госкомпании, внешнюю политику и, самое главное, перераспределение капитала среди приближённых к кандидатам.
главный тезис правых в том, что можно выйти с этим на американский рынок, которому нужны стабильные поставки редкоземов и сырой нефти.
но я думаю, что нет никакой мотивации сдерживать предложение при левой власти, при том же спросе.
при Луле 3 Petrobras показал сильную доходность в долларах; понятно, что тут заслуга Лулы небольшая. бензин сейчас продаётся дешевле импортного паритета, казна уже субсидирует дизель. в марте, на фоне войны с Ираном, ввели 12% пошлину на экспорт сырой нефти.
сын Болсонару обещает пересмотреть пошлину в случае победы. но думаю, что всё будет чуть более рационально, отмена пошлины при Brent выше $110 означает потерю доходов для и без того слабого бюджета.
если нормализовать популизм обеих сторон, то отношения со Штатами не менее прагматичные, чем с Китаем. даже при натянутых отношениях Трампа и Лулы терять партнёра нет смысла ни тем, ни другим. повышение пошлин на бразильские товары создаёт дополнительные издержки и для американских потребителей. хотя в 2026 году США уже ввели дополнительные 25% пошлины на ряд бразильских товаров, несмотря на эти риски.
при правых обычно больше новых иностранных денег. при третьем сроке Лулы новых денег относительно меньше, зато значительная часть прямых инвестиций приходится на реинвестированную прибыль компаний, которые уже здесь.
при этом на фоне других развивающихся рынков Бразилия держится: приток прямых иностранных инвестиций остаётся на уровне ~3,2–3,4% ВВП.
несмотря на заявления о сближении то с одной стороной, надеяться, что Штаты (как и любые другие страны) заинтересованы в процветании Бразилии в ущерб собственным интересам, по-детски наивно. Бразилия делает то, в чём хороши бразильцы: подпитывает у каждой из великих держав иллюзию своей исключительной лояльности, сотрудничает со всеми, много обещает и улыбается и продолжает играть карту главного экспортёра важных ресурсов и вариться в своём безумном котле аллегории и высоких ставок.
ссылка на дата-проект
2/ для growth инвесторов, кто может платить за большие оценки за 4 года не появилось growth истории
почему рост сдулся? отчасти виноват прайсинг. выручка за места растёт, только когда клиент нанимает людей или раскатывает продукт на новые команды. людей в компаниях поувольняли, ненужные лицензии убрали. поэтому retention сполз к 100%, и весь рост теперь держится почти только на новых клиентах.
Miro давно хотел выйти за рамки вайтборда. в том раунде Андрей в 2022-м объявил, что компания прибыльная, а деньги нужны на M&A.
я бы сформулировал два заметных направления:
- переход в видео. это была прямая территория SpatialChat, за которой я пристально наблюдал. купили в ковид VC-перегретый Around, я думаю, заплатили дорого. видео бьёт по марже, поэтому раскатывали выборочно, не на все планы (я думаю, поэтому вы это даже не видели). в итоге закрыли полностью.
- переход в вайб-код/дизайн. вроде Miro для этих целей купил датский Uizard (я тоже первый раз про них слышу). вроде есть энт лого, но очевидно, это не скейл Lovable / Bolt.
а growth-деньги за эти годы ушли в AI. без новой истории роста за компанию с ростом 15% такие деньги просто не платят. AI просто не развернул компанию в нужную растущую продуктовую ветку. то, что за 4 года мы не увидели "AI-native убийц Miro", означает, что визуальная коллаборация в целом достигла своего продуктового порога.
3/ Miro потерял время и инерцию из-за менеджеров
с момента раунда в C-level было больше 20 смен. на позиции CRO с конца 2024-го по март 2025-го побывали три человека. ушёл CMO. Chief People Officer ушла в 2024-м. COO после 2024-го вообще не стало. CIO сменился дважды, и последний ушёл этим летом вместе с руководителем инжиниринга. CPO сменился дважды.
думаю, что на стадии 2022 нужны были люди, кто умеет в американский корп-дев и знает, как растить pre-IPO компании. менеджеры из другой эпохи, чьи знания и нетворк в 24–26 годах оказались не нужны, это, думаю, история многих компаний 2021 года.
в 2026-м он рассказывал, что специально нанимает бывших фаундеров под AI. например в 2025, месяце Miro купил копенгагенский Butter, Freehand, Reforge - все с целью найма.
в итоге: 15 лет, прибыльная компания, $1.79 млрд. в 2026-м это лучший из доступных выходов. очень достойно!
можно окунуться в 2018 год и почитать мемо партнера Accel series A, когда для сделки он приезжал в летнюю Пермь.
I first met Andrey Khusid, the co-founder and CEO of Miro a year ago, and really liked his vision. I reconnected with him earlier this year and was impressed with their progress. And when I realized that many of our portfolio companies use the product, I knew that the company was onto something special. The tipping point in deciding to invest was speaking with customers who describe themselves as fans rather than users.Читать полностью…
Over the course of the next several weeks I followed Andrey to San Francisco, Tel Aviv and Perm, Russia - where they have part of the product team, and – (fun fact) where it snowed on the first day of summer!
меньше всего ожидаешь открыть tech Twitter и увидеть в трендах горячие обсуждения о том, что боливианские меннониты постепенно вытеснят весь остальной страновой этнос через 90 лет
(скрин от воскресения, но это не так важно)
на прошлой неделе я впервые за долгое время вспомнил, что я вообще-то дипломированный специалист по механике жидкости и газа и впервые хотя бы понял, какую именно задачу решали OpenAI.
и уравнения Навье-Стокса вообще дают очень красивую лестницу сложности. от школьного f=ma до сложных разделов математики: гильбертовы пространства, функциональный анализ, теория меры. плюс ты всё ещё остаёшься в каком-то осязаемом физическом поле.
для твёрдого тела всё относительно понятно: есть масса и ускорение. а жидкость в каждой точке в один момент времени может двигаться с разной скоростью и в разном направлении. поэтому вместо одной координаты x(t) мы описываем поле скорости u(x,y,z,t) то есть скорость жидкости в каждой точке пространства в каждый момент времени.
дальше в уравнении появляются давление, вязкость, внешние силы, условие несжимаемости и одна особенно неприятная штука, это конвективный член (u·∇)u. жидкость сама переносит собственное поле скорости. то есть состояние потока влияет на то, как поток будет меняться дальше.
эта нелинейность и есть источник огромной части сложности. вокруг взаимодействия нелинейности и вязкости появляется вся богатая динамика турбулентного течения. всё, что поток делает с маленьким кусочком жидкости, сводится к двум вещам: он его переносит и он его деформирует. вращение этого кусочка и есть вихрь. а турбулентность это просто вихри всех масштабов сразу.
но у жидкости есть свойство несжимаемости. объём кусочка постоянный, поэтому если поток вытянул его вдоль одной оси, он обязан стать тоньше по двум другим. а вращающийся объект, который стал тоньше, начинает крутиться быстрее. вот это и есть машинка, которая гонит энергию вниз по масштабам. поток растянул вихрь, вихрь стал тоньше и быстрее, рядом появились вихри помельче, и с ними происходит то же самое.
а сама задача давно живёт в мире функциональных пространств. скорость это не число, а точка в бесконечномерном пространстве. в инженерии всё это решают численно. пространство режется на миллионы маленьких ячеек, время на маленькие шаги, и компьютер последовательно приближённо считает давление и скорость.
проблема в том, что в турбулентном потоке ячейка должна быть мельче самого мелкого вихря. честный расчёт, до последнего вихря и без единой модели турбулентности, называется DNS (direct numerical simulation ака численные методы). звучит как единственно правильный подход, но цена растёт нелинейно - удвоил скорость потока счёт подорожал в восемь раз. поэтому DNS живёт в исследовательских задачах с простой геометрией, вроде течения в канале, а до крыла или кузова не доезжает вообще.
а инженеру нужны крыло и лопатка, поэтому в реальных расчётах считают не всё: либо усредняют турбулентные пульсации и моделируют их влияние на средний поток (RANS), либо считают крупные вихри напрямую, а мелкие моделируют (LES).
в какой-то момент deep learning тоже дошёл до этой области. логика простая: если у тебя уже лежит архив из тысяч посчитанных продувок, почему бы не научить сетку сразу выдавать ответ, минуя солвер.
это называется суррогатной моделью, быстрая приближённая замена дорогого расчёта. допустим, обычный расчёт крыла занимает часы. ты много раз гоняешь настоящий солвер для разных форм, углов атаки и скоростей, получаешь датасет из геометрии, условий и характеристик течения, и дальше учишь модель отображать геометрию сразу в поле давления и скорости.
у такой модели есть очевидная слабость: она знает только то семейство задач, на котором её учили. поэтому идею довели до двух более амбициозных версий.
neural operators вроде FNO учат не одно решение, а сам оператор перехода «условия задачи → решение», чтобы модель работала на всём классе, а не на виденном.
самый заметный подход в этой области за последние годы, PINN, physics-informed neural network, устроен принципиально иначе: он вообще обходится без датасета. сетка там не аппроксимирует чужие ответы, она сама является решением. на вход ей подают координаты x, y, z, t, а на выходе она отдаёт скорость и давление в этой точке. то есть сетка и есть то самое поле u(x,y,z,t), просто записанное весами вместо формулы.
функция потерь задизайнена так: суррогат штрафуют за расстояние до ответов солвера, а PINN за то, что его выход не удовлетворяет Навье-Стоксу: невязка уравнения и есть лосс. производные для неё берутся бесплатно, тем же автоматическим дифференцированием, которым при обучении считают градиенты. начальные и граничные условия идут отдельными слагаемыми.
идея красивая, и в 2019-2021 на ней был настоящий хайп, все лабы делали свой PINN. но один обученный PINN решает одну конкретную задачу. поменял геометрию крыла или скорость на входе — переобучай с нуля. обычный численный солвер за полвека отполирован так, что на той же задаче он просто быстрее и точнее.
вся конструкция упирается в одну вещь. суррогат не отменяет солвер, он его амортизирует, чтобы обучить сетку, кто-то сначала должен посчитать корпус обычным численным методом. публичный DrivAerNet++, на котором учится половина этой области, это 8150 геометрий, около 3 миллионов процессорных часов и 39 терабайт, посчитанных на OpenFOAM
кстати, понял, что тут ошибался.
мне два раза за последние два месяца писали брокеры с вопросом, можно ли купить код SpatialChat, чтобы потом перепродать его в AI кодинг лабы.
предлагали около $50k за проект. код к сожалению, уже принадлежит не нам, но прецедент интересный.
из условий: у проекта должен быть какой-то коммерческий потенциал в прошлом. например, привлеченное финансирование, большая команда или клиенты.
ну и самое важное: код должен быть написан до 2022 года.
так что рукописный код что-то стоит!
а вы думаете зачем Blending Spoon скупает все эти SaaS darling child прошлой эпохи
если вдруг у вас есть что-то подобное, могу вас законнектить.
много распрей последнее время читаю, что мол software бизнес уже retard тема как для vc, так и для предпринимателей.
кмк сегодня разница между saas, ai-агентом, saas с fde или даже небольшой вертикальной нео-лабой со своей slm стёрлась. везде ты хочешь, чтобы клиент свайпал карту, а ты ему давал какой-то цифровой продукт.
раньше ты это делал с нулевыми маржинальными издержками. ну а сегодня из-за инференса это в среднем 23% выручки. но это всё еще application layer, а значит инвесторы оценивают риски по выручке.
1/ открылись категории, которые раньше считались стрёмными для saas-инвесторов. legal, healthcare, стройка и тд.
- harvey стоит $11b при ~$300m arr
- legora (шведский legal ai, запустились в конце 2024-го) — $5.6b при ~$150m. до $100m arr дошли за 18 месяцев, быстрее cursor и wiz
- openevidence, медицинский поисковик для врачей, подняли series b при $3.5b и примерно 35x выручки. используют больше 40% американских врачей
раньше TAM считали по тратам на софт, иногда добавляли туда зарплаты людей. сейчас это весь knowledge work целиком.
да, после 2023 AI сделал возможность чарджить за outcome. и прекарсно, что мы больше не увидим, как юристы или консультанты чарджат за свои непрозрачные часы.
но за outcome, то есть за результат у клиента: (закрытый тикет, забронированная встреча, спасённая подписка) берут деньги около 10% стартапов
остальные чарджат за использование(токены, вызовы, действия агента) и за output, за единицу сделанной работы: сгенерированный документ, инвойс, диалог, независимо от того, помог он или нет.
имхо мешает не технология, а аттрибуция: настоящий success-based billing не работает для большинства продуктов, потому что непонятно, AI дал результат или клиент сам. а «подними конверсию на 50% и возьми 10% от прироста» концептуально рационально, но ломает sales comp: ценность аккаунта не измерить в момент продажи.
я же по extruct вижу, что ситы продаются в 2026-м лучше, если ты придумаешь, как свести свою математику.
2/ сейчас все в invest mode.общий тезис -- не важно, сколько денег нужно, мы должны make ai happen и все что важно это рост == они разобрались быстрее, как make ai happen. все рассуждения про moat или фундаментальную аналитику каждый месяц разбиваются об камень (привет, lovable рейзит под $30b наверное сейчас).
3/ рынок только учится относиться к выручке ai-saas. пока это выглядит так: инвесторам нравится arr-составляющая (со всеми странностями репортинга), а низкий retention признают частью инноваций, все смотрят на рост. в altimeter придумали для этого термин experimental runrate revenue: ai-выручка, которую купили как эксперимент, почти без обязательств.
4/ то же самое про маржу. в saas это было предсказуемо. сейчас есть нюансы. iconiq считает среднюю динамику gross margin ai b2b 41% → 45% → 52% с 2024-го по 2026-й. но на другом спектре сидит replit у которого маржа за год гуляла от −14% до +36%.
на самом деле инференс cogs это новый cac
дай доступ на неделю бесплатно к топовой моделе на фри плане и получи приток пользователей.
5/ почему это ещё привлекательно? такой возможности для switching cost не было раньше. только 28 центов из каждого нового доллара на ai это net-new it-бюджет. остальные 72 цента вынимаются из того, что уже есть в стеке. что-то тут отъедают лабы, что-то новые тулы.
6/ аргумент, что стоимость софта сегодня 0 - шум. сама разработка в saas всегда оценивалась в 0, если ты не показал выручку или потенциал этой выручки.
ну да, можно что-то завайбкодить и не покупать с рынка или покупать у fde-shops (kirkland & ellis, крупнейшая юрфирма мира, вкладывает полмиллиарда в собственную ai-платформу с palantir вместо того, чтобы купить harvey или legora). ок, сегодня это готово на 80%, но кому-то всё равно нужно это поддерживать и давать результат.
7/ ну даже если это списать на инерцию и сказать, что самописные фабрики слопа софта будут это всё поддерживать, я думаю, мы всё равно захотим обмениваться какими-то готовыми артефактами, куда просто перетечет сегодняшняя добавочная ценность.
это уже как-то забылось, но почти 3 года назад, 17 ноября 2023-го, на корабле OpenAI произошёл великий бунт.
совет директоров неожиданно уволил Сэма Альтмана, сотрудники пригрозили уйти вслед за ним, инвесторы и Microsoft начали давить на совет, а через несколько дней Альтман вернулся. старый борд фактически перестал существовать, Илья и Мира вскоре основали собственные AI-компании, борд поменяли, добавили туда коммерсов и важных сотрудников OpenAI.
но больше всего вопросов тогда вызвали две фигуры в оригинальном борде: Хелен Тонер и Таша Макколи, которые выглядели ноунеймами (ну, будем честны, в масштабах такой компании).
про Макколи я до кризиса почти ничего не знал. публичная биография у неё довольно куцая: замужем за Джозефом Гордоном-Левиттом, работает в оборонном think-tank RAND, приложила руку к созданию Singularity University, плюс какое-то время была директором британской организации Effective Ventures, связанной с эффективным альтруизмом. в общем, производит впечатление человека с хорошим вайбом, который знает, как крутиться среди нужных людей.
а Тонер я знал ещё до OpenAI. она была довольно известной фигурой в нишевой теме иностранцев, которые изучали китайский тех в доковидные времена. олды помнят, что поначалу этот канал создавался вокруг этой тематики.
Хелен родилась в Австралии, отучилась в Мельбурне на химика, а потом переехала в Штаты на магистратуру по Security Studies в Джорджтаунском университете (кузнице работников американского госа)
в Австралии она увлеклась эффективным альтруизмом и позднее она стала одним из лидеров Effective Altruism Melbourne и после магистратуры работала в организациях, которые больше всего забустили эффективный альтруизм в tech тусовке: GiveWell и Open Philanthropy.
эффективный альтруизм это такой философский дата-дривен подход к благотворительности, цель которого получить максимальный положительный эффект от каждого вложенного ресурса.
Open Philanthropy появилась в декабре 2015 года как некоммерческая организация с миссией сделать продвинутый AI полезным для всего человечества. основана Холденом Карнофски (окончил Гарвард по social studies и работал в Bridgewater Associates у Рэя Далио) при поддержке супружеской пары Дастина Московица (ранний сотрудник фб; основатель Asana) и Кэри Туны (журналистка). они хотели более системный и cause-neutral подход к филантропии.
в марте 2017-го Open Phil рекомендовала выделить OpenAI $30 млн общей поддержки: по $10 млн ежегодно в течение трёх лет. частью гранта было место для Open Phil в совете на несколько лет, чтобы помочь с управлением в ранний критический период. для контекста - в 2017-го у OpenAI не было equity funding в обычном смысле: это была 501(c)(3), а capped-profit OpenAI LP появилась только в марте 2019 года. грант Open Phil покрывал ~1/3 всех расходов на протяжении 3 следующих лет, до 2019 года.
в 2018 году Тонер провела около девяти месяцев в Пекине, изучая китайский язык и AI-экосистему на грант оксфордского Governance of AI. как оказалось на китайской повестке не этническому китайцу можно сделать и правда хорошую карьеру в американском госе.
потом, в январе 2019-го, Open Philanthropy дала Джорджтауну $55 млн на запуск нового аналитического центра по технологиям и безопасности, CSET (Center for Security and Emerging Technology). позже добавили ещё $42 млн, о которых объявили в 2021-м. сегодня это исследовательская организация примерно на 50 человек внутри Джорджтауна. CSET держит собственную команду дата-сайентистов и специалистов по Китаю.
Тонер вернулась из Китая в 2019 году она пришла в CSET и довольно быстро стала одной из ключевых фигур центра, параллельно всё больше занимаясь безопасностью AI.
в OpenAI она попала по патронажу Холдена Карнофски, который изначально сам должен был войти в борд. но там возник конфликт интересов: он женат на Даниэле Амодеи, сестре Дарио. Дарио Амодеи в бытность сотрудником OpenAI был техническими советником Open Phil и снимали один тикток-хаус вместе с Карнофски и другими коллегами. сейчас Карнофски сам работает в Anthropic, где занимается responsible scaling policies
еще из новостей: пробили верх в независимом бенчмарке провайдеров и GTM-агентов.
правда, пока только на lookalikes. почему-то авторы бенчмарка решили нас на остальных задачах не тестить.
зато обошли разных мощных конкурентов, забитых венчурными деньгами, типа Parallel, Exa и Ocean.
short list, precision@10:
PredictLeads: 89.8%
Exa: 80.8%
Extruct: 75.0%
long list, precision@100:
Extruct: 61.1%
Ocean: 59.5%
Parallel: 56.9%
то есть даем лучшее качество, когда нужен большой список похожих компаний намайнить.
вообще мы уже пару месяцев собирались сделать свой бенчмарк, на котором мы, естественно, всех уделаем. но хорошо, что подвернулся YC-стартап, который решил эту задачу за нас.
в coding space бенчмарки моделей уже давно стали нормой, а в GTM этого пока почти нет. думаю, это быстро поменяется.
во многом из-за роста cli-native GTM tools. когда подключить нового провайдера это один API call и строчка в конфиге, выбор все меньше зависит от хайпа в LinkedIn и все больше от реального performance.
я думаю, что это в каком-то смысле g2 для агентов.
и дальше таких бенчмарков будет еще больше: под разные индустрии, рынки и конкретные задачи.
и вообще думаю, что компании будут делать свои собственные, в рамках прокьюрмента
если вдруг думаете, куда перекатываться, чтобы не заменил AI.
Читать полностью…
когда я начал смотреть и изучать этот рынок, первым делом решил поискать других инвесторов, кто вкладывался на ранних стадиях в описанные выше компании.
после небольшого рисёрча по базам я стал неожиданно часто натыкаться на японские имена в GP фондах. по работе в Японии у меня сложилось стойкое ощущение, что японца за границу не вытащишь; они сами туда не сильно стремятся, да и чувствуют себя одиноко. в общем, Африка была не тем местом, где я ожидал услышать приятное уху nihongo jouzu desu ne в ответ на свой почти полностью утраченный японский.
короче, не знаю, где вам это может пригодится, но впереди пост про перепитии венчурных инвестиций в Японии.
начнём с того, что японский бизнес в Африке представлен давно и плотно, особенно в автопроме. сбытовая сеть Toyota дотягивается до 53 африканских стран, а торговый дом группы Toyota Tsusho в середине десятых выкупил французский CFAO, крупнейшую дистрибуторскую сеть континента.
да и японцы в африке всем нравятся. в политику особо не лезут (есть только военная база в Джибути), колониального прошлого за ними в Африке нет, а люди будут ездить на короллах при любом режиме.
япония праворульная, поэтому японская бэушка активно осела в праворульные страны: кения, танзания, уганда, замбия, зимбабве, юар.
японский венчурный капитал отличается от привычного американского, нацеленного на быстрый рост, рост оценки и классическую лестницу раундов.
в штатах LP это эндаументы, пенс-фонды, фэмили-офисы, и иногда корпорации и мандат у них один: доходность.
в японии LP это в большинстве корпорации, которым нужны и деньги, и «стратегическая ценность», то есть новые направления бизнеса.
вместо того чтобы заказывать какую-то отписку от PwC про анализ рынка, легче проинвестировать в нескольких предпринимателей и иметь место в первом ряду.
при этом японские корпораты в Африке спокойно ко-инвестируют мимо собственных фондов.
один японский корпорат может одновременно быть LP в фонде, вести свой CVC, давать стартапу долг и подписывать с ним операционное партнёрство.
например в series A у Moove сидит Verod-Kepple, японско-нигерийский фонд, рядом с ним MUFG. в MAX ещё в 2019 г. в Autochek и кенийском Fleetsimplify Mobility 54, CVC Toyota.
лучшая иллюстрация того, зачем это всё, MUFG. банк вложился в Moove , а потом через свою сеть среди японских конгломератов организовал Moove партнёрство с Suzuki, по которому Suzuki стал основным поставщиком машин.
вообще описанную выше модель vehicle finance очень полюбили японские корпорации.
японская ставка, до недавнего времени была (сейчас 1%, была окулонулевая) едва ли не лучший экспортный товар страны после машин японский мфо Hakki, весь бизнес построил вокруг простого арбитража - занимать в японии и выдавать кенийским таксистам, где рынок привык к совсем другим цифрам. ставка получается на 25–35 процентных пунктов ниже конкурентов.
посмотрел к посту, во что вкладывали японцы за это время. больше трети инвестиций это финтех - 59 компаний из 157. следом мобильность и логистика (27) и healthcare (23), дальше энергетика (13), e-com и маркетплейсы (13), и совсем немного агро (6).
инвестиций по-крупному окупились в пять компаний: финтех Moniepoint (Kepple), Moove (Verod-Kepple и MUFG), кенийский M-KOPA (Sumitomo заходил дважды, в 2018 и 2023), платежка OPay и аналог TopTal Andela, в которые в 2021-м зашёл SoftBank (больше он никуда не заходил)
ни одного крупного поглощения африканского стартапа японской корпорацией так и не случилось.
зато Moove, купил японский автопарк, Tokyo Taxi.
вообще: японцы в Африке не только инвестируют, но и строят сами. таких контор шесть. Wassha в танзании это pay-as-you-go-фонари через сеть киосков, на которую Yamaha и Daikin потом навесили доставку и подписку на кондиционеры. Dots for в Бенине, солнечные роутеры по деревням. Degas в Гане кредитует фермеров и смотрит на их поля со спутника. Dodai в эфиопии делает электробайки местной сборки, $13m в апреле, крупнейший раунд в истории эфиопских стартапов.
при этом сама идея делать доступный рабочий транспорт в африке никуда не ушла и она расширилась на два колеса. мото это рынок дешевле и объёмнее такси, курьеров просто больше.
ездят в Африке в основном на дешёвой индийской и японской технике. Bajaj, TVS и Hero это индийские мотогиганты (Bajaj заодно крупнейший в мире производитель трёхколёсных рикш). в индии у этих OEM есть свои кредитные конторы. в кредит там уходит ~75% мотоциклов, в том числе через них. но финансовый слой в Африку они переносить не стали.
этот слой сейчас достраивают стартапы.
есть прям похожая на Moove модель, например Gigmile и MAX: финансируют водителям те же мотоциклы. Gigmile берёт долг напрямую у Yamaha, TVS, Bajaj и Hero. схема тот же sub-lease, что у Kovi: стартап лизингует байки у OEM и раздаёт водителям. для OEM это по сути новый канал дистрибуции: вместо дилера тут финтех с датой по водителям. а у MAX сегодня 50,000+ прокредитованных водителей, свой скоринг с нуля, разный IoT на каждом байке.
параллельно появилась идея делать под гиг-воркеров собственные электробайки. Ampersand в Руанде, Zembo в Уганде, Roam и ARC Ride в Кении собирают их локально, под местные дороги и режим «весь день в движении».
экономика тут считается легко. бензиновый бода-водитель в Кении зарабатывает около $19 в день и $6 из них сжигает на топливо. электробайк режет операционные косты примерно на 30%, а Ampersand посчитал, что take-home доход водителя растёт на 45%. проблема одна: электробайк стоит примерно вдвое дороже бензинового, а для водителя с доходом $200 в месяц это неподъёмно.
поэтому модель собирают из трёх частей.
1/ батарею выносят из цены байка. ARC Ride продаёт свою Bidii Boda за ~$1,300, на уровне бензиновых аналогов, а батарею водитель не покупает вообще: подписка на свап-сеть, 250+ шкафов на солнечных панелях по найроби и накуру, замена за минуту. это battery-as-a-service: дешёвый вход для водителя, рекуррентная выручка и lock-in для компании. по сути купил машину, которую можно заправлять только на Shell.
2/ кредит чаще выносят к специалистам: кредит на своём балансе означает свой долг и свои дефолты, поэтому доминирует всё-таки связка производитель плюс внешний лендер.
3/ сам байк проектируют под гиг-режим: двойная батарея у Roam Air, геозоны и удалённое отключение при неплатеже у ARC Ride. телеметрия делает байк одновременно и продуктом, и залогом.
госполитика тоже помогает немного: эфиопия первой в мире запретила импорт бензиновых и дизельных машин, теперь 60% новых продаж там электрические, выше доля только в норвегии и непале. кения обнулила VAT на электробайки. дошло до того, что кенийский учитель собрал электробайк из бэушных ноутбучных батарей.
много кто рассуждает про будущее венчура и технологий. но есть вещи, куда легковесный AI не залезет: выстраивание инфраструктуры где ее нет, кредитование, операционка всё ещё требуют людей и капитала и свежих мозгов. особенно в таких местах как африке. а в слеюущем посте поговорим про то, кто такие инициативы готов поддерживать.
если вы уже попробовали продавать контент-заводы и AI-SDR-ов, вот новая AI-темка: продавать лабам данные компаний.
точнее, не продавать самому, а реферить компании к большим брокерам за %.
твиттер наводнили истории про data bros, которые пишут, что зашли в брокеридж две недели назад и уже на $4m MRR.
так что, по моим расчётам, мы где-то в трёх неделях от того, как Грег Айзенберг создаст свой курс, чтобы учить нео-брокеров зарабатывать по $2m в неделю.
новые поколения моделей умнеют за счёт пост-трейна и RL-сред. для RL задачи собирают вручную, и для агентов строят копии Slack, Salesforce и Gmail. одна задача стоит $200–2000, а качественная копия слака около $300k.
но синтетический слак выходит слишком структурированным, без шума настоящей работы.
Anthropic в S-1 перечисляет источники: открытый веб, своя синтетика и датасеты, лицензированные или заказанные у третьих сторон. отношения с поставщиками данных стоят в списке того, без чего компания не вырастет.
поставщики это дата-вендоры: micro1, Mercor, Scale, Surge. они платят компании $100k–2m, чистят персональные данные, собирают из переписки среды и продают их лабам. вендоры оставляют себе примерно треть каждого доллара.
рядом сидят те, кто покупает на свой баланс и потом перепродаёт. Polyshares, Mode и Codicilla.
ниже брокеры: Grepped, Korra, Maryah, Pewter. своих денег в сделке у них нет. они представляют компанию, упаковывают данные в тизер с сэмплами и водят по покупателям, а себе берут процент.
и в самом низу реферер. он просто приводит компанию и получает фикс или процент. платят ему и вендоры напрямую, и брокеры из своей доли.
длина цепочки разная. обычно компания продаёт вендору, а вендор лабе. но бывает и так: продавец, брокер, micro1 или Polyshares, потом вендор, через которого покупает лаба (Scale, Mercor, Surge), закупки лабы и ресёрчеры. в таком случае продавец узнаёт цену последним. совсем без посредников лабы покупают редко.
лаба покупает не сырые данные, а готовый результат: датасет или RL-среду.
последние пару недель поговорил с несколькими рефералами и брокерами которые стали навязчивее писать, чтобы купить код прошлых продуктов, и/или я их стараюсь конвертировать в клиентов Grip-а.
несколько датапоинтов:
1/ в августе Google выиграл банкротный аукцион на данные Spirit Airlines: 100 млн писем и 500 млн сообщений в Teams за $10m. Mercor шёл запасным покупателем с $7.5m, а micro1 позже предложил $12.5m.
2/ закрывшийся стартап cielo24 продал 13 лет Slack, Jira и почты за сотни тысяч долларов.
3/ три месяца назад лабы брали данные компаний от 10 человек, а сейчас почти только от 50.
4/ у каждого владельца бизнеса в США уже лежит 5–10 писем от брокеров. дальше самые юркие сядут в машину и будут колесить по лесопилкам в Монтане, чтобы забрать данные с дискет или чертежи.
5/ все что связано с производством и industrials сейчас очень горячее. Mercor, например, обещает производственным компаниям $100k–1.5m за записи с производства, обслуживания и инспекций.
6/ очень востребован код для геймдева. особенно почему-то на Unreal Engine. хотя глядя на новую Kimi, которая дообучалась с акцентом на геймдев и 3D, то отчасти понятно.
7/ это всё станет капиталоёмким бизнесом. лицензирование данных становится инструментом PE, чтобы покупать бизнесы и быстро гасить часть долга.
8/ продавцов больше, чем лабы успевают переварить.
ну и небольшая оппортунистическая теория.
1/ SaaS-ы, особенно вертикальные, получают новый источник заработка на лицензировании пользовательских данных для лаб.
2/ многие будут менять ToS: сейчас юридически компании часто не могут обучаться и даже делать эвалы на своих клиентских данных.
это, конечно, вызывает какие-то возмущения, но если пользователь будет получать $ с этого, то всё даже честно.
3/ уже появляются истории про стартапы, которые забивают на продукт, чтобы штамповать пользовательские данные под RL лаб.
4/ всё пока про данные в Штатах или на английском. как закупают китайские товарищи, я пока не знаю.
вообще если что-то знаете про эту индустрию напишите в личку - интересно пообщаться.
Один фаундер вместо команды из 20: что AI на самом деле поменял в стартапах
Раньше путь от идеи до продукта занимал месяцы и требовал несколько человек. Сейчас MVP собирают за пару недель, а соло-фаундеры поднимают раунды.
На эфире рассмотрим тему с разных сторон: венчурных фондов, ангелов-инвесторов и фаундеров, которые строят продукты сами.
Что обсудим:
• насколько на самом деле подешевел и ускорился путь от идеи до продукта
• почему инвесторы стали вкладываться в соло-фаундеров и на что они при этом смотрят
• где быстрый AI-продукт упирается в бизнес: продажи, удержание, защита от копирования
• что из этого останется надолго, а что уйдёт вместе с хайпом
Спикеры:
Роман Белодед (http://t.me/rb_business_invest), серийный предприниматель и бизнес-ангел. Управляющий партнёр венчурного фонда YellowRocks.vc, основатель клуба AI Practiq.
Дмитрий Калаев (http://t.me/stayhungry_kalaev), управляющий партнёр венчурного фонда ФРИИ. 480+ инвестиций и 60+ выходов, в портфеле VisionLabs, Flowwow, Pravo.tech. Фокус: ИТ-компании на российском рынке.
Ислам Мидов (http://t.me/midov_trip), основатель 2pr.io, экс-глава венчурного фонда МТС.
Даниил Чепенко (http://t.me/nonamevc), со-основатель Extruct, Grip, SpatialChat. в прошлом - VC на развивающихся рынках.
Ссылка для регистрации
в субботу весь tech-твиттер был занят обсуждением важного практического венчурного юридического вопроса: как можно дропнуть мутного раннего инвестора с pro rata, которого ты взял не от хорошей жизни, но тут на горизонте замаячил большой раунд, который лидирует тир-1.
в центре скандала оказались с одной стороны - известная в наших узких кругах талантливая PR-щица, VC-хищница и, конечно же, Forbes 30u30 Маша Дрокова, а с другой - горячий стартап в области ядерной энергетики Valar Atomics.
Valar Atomics разрабатывает небольшие ядерные реакторы. стартап долго ходил в рядах молодых и перспективных, но знатные фонды вроде Sequoia говорили, что это ещё рано.
и тут они делают научный прорыв - их реактор 18 июня 2026 года достиг zero-power criticality (критичности на нулевой мощности). это ранний, но очень важный тестовый результат: реактор впервые показал, что цепная реакция реально работает и контролируется. после этого они даже запитали от реактора компьютер с чипом Nvidia и показали, что получают электричество.
именно после этого события стартап резко перешёл из молодых и перспективных в горячие. и в августе Valar закрывает Series B на $1 млрд при оценке около $6 млрд.
минус в том, что энергетика и deep tech это дело недешёвое, поэтому нужно было постоянно рейзить деньги под что-то очень рискованное и сложнопрогнозируемое.
и, когда компания была в поисках нового капитала, ранний инвестор в лице фонда Маши, оказался тем, кто был готов дать дополнительное финансирование. Day One Ventures рано зашли: $1M в seed, потом seed extension и co-lead Series A ($15M). Ownership <5%, но статус Major Investor с pro rata.
в общем, это была не самая лёгкая сделка. фонд принял значительный риск, а взамен получил права major-а и возможность воспользоваться pro rata в следующих раундах.
теперь про pro rata.
раннее инвесторы хотят доложить в winner’а и документируют это право в прошлых раундах. на горячих раундах ранние инвесторы иногда отказываются от pro rata, чтобы новый лид-инвестор получил нужную аллокацию, а фаундер меньшее размытие. логика такая: лучше Sequoia по оценке в несколько раз выше, чем сохранённая доля в компании, которая не смогла привлечь новый капитал (ну и типа это founder-friendly, а все хотят быть founder-friendly).
и в итоге в cap table часто оказываются три категории акционеров: миноритарии с минимальными правами; major-ы, у которых есть лишь иллюзия прав (поскольку более крупные инвесторы могут их перечеркнуть); и крупные инвесторы, имена которых вы и так знаете.
в документах Valar был нюанс, который называется spring-back. если большинство major-ов отказывается от pro rata, а затем кому-то из них всё-таки выделяют аллокацию, права остальных восстанавливаются.
в случае Valar компания хотела дать одному из существующих крупных инвесторов возможность существенно докинуть денег в Series B. для этого остальным предложили отказаться от участия, чтобы не запускать spring-back.
по версии CEO Valar Исайи Тейлора, все согласились, кроме Day One. за день до закрытия раунда инвесторы, владевшие большинством акций, проголосовали за изменение investor rights agreement и убрали spring-back.
тут, стоит отметить, что amendment сделали за день до закрытия и точечно против одного инвестора, выглядит не очень красиво.
при этом Маша утверждает, что 4/6 major-ов всё-таки участвовали в Series B, а её фонд был готов отказаться от большей части своей аллокации. но Valar якобы потребовала отказаться от pro rata не только в текущем раунде, а вообще во всех будущих (хотя Исайи этого не подтверждает). при этом ранее фонд получил отдельную гарантию, что его права нельзя отменить без его согласия.
я думаю, что Day One Ventures рассчитывал, что pro rata им всё-таки будет предложена за всё хорошее, что было раньше. тем более портфель не то чтобы сильный, и возможность доложить в горячую компанию может перевести портфель из минуса хотя бы в ноль.
потом фаундер, видимо, вспомнил, что иметь мутного major-а в cap table, основательница которого собрала бинго из бывшей пиарщицы прокремлёвского движения, PR-консультанта Джеффри Эпштейна и новоиспечённой гражданки Кыргызстана, может выглядеть не очень. особенно если ты строишь ядерные реакторы в США и работаешь с американским Министерством энергетики.
ну жестко и обидно, но логика тут такая: каждый новый раунд это как окунуться в холодную купель после бани, за ним должно следовать новое решение фаундера по выбору с кем тебе идти дальше. задача основателя привлекать капитал на лучших условиях, чтобы у компании всегда были деньги, а риски в cap table нужно убирать.
в итоге Valar подали иск о declaratory relief. Day One наняли цепных псов Quinn Emanuel (одну из самых агрессивных litigation-фирм) и несколько месяцев слали жёсткие письма. по сути угрожали судиться. Valar решили не ждать, пока их засудят, и сами пошли в суд с просьбой: подтвердите, что то, что мы сделали, законно.
твиттер сошёлся на том хорошо было бы сделать вайб-pro-rata. инвестор должен постоянно заслуживать право участвовать в следующих раундах, а не получать его автоматически по старому договору.
но тогда получается парадокс, права инвестора становятся наиболее ценными именно тогда, когда их использование создаёт максимальное напряжение в отношениях с основателем. иначе зачем вообще нужны права, если фаундер и так готов дать тебе аллокацию?
в общем, понятия, репутация и размер фонда решают, неважно где ты.
выборочные ссылки, если хотите сами почитать: 1, 2, 3, 4, 5, 6, 7
если вы сейчас аутричите инвесторов в линке и хотите делать это лучше (например, через теплые выходы), мы работаем над этим в Grip
в Extruct у нас свой датасет инвесторов и раундов, поэтому можем находить, кто реально инвестирует в X.
дальше подключается Grip: индексируем ваш нетворк и пытаемся найти лучший путь до конкретного человека через общие компании, фонды, акселераторы, прошлые места работы и другие связи.
это не всегда сработает, но уже дает сильно больше, чем просто смотреть на 2nd degree connection в LinkedIn.
а дальше можно сразу сделать outreach и держать весь inbox management через Grip.
короче, если сейчас рейзите и это откликается, напишите мне в личку @zkid18 пару слов о том, что делаете.
мы пока в бете и хотим потестить это на реальных кейсах.
несколько мыслей по Miro.
в SpatialChat я много пытался копировать growth-хаки раннего Miro, и пытался нанимать людей из оригинальной команды.
и у продуктов было большое пересечение, например Miro была нашей главной интеграцией. поэтому это мысли человека, который в какой-то момент много следил за тем, что было снаружи.
1/ оценка вроде ок, и навряд ли кто-нибудь дал бы больше
public SaaS сейчас стоит столько, сколько обещает расти. компании, которые растут быстрее 22% в год, в среднем стоят 17 годовых выручек, те, кто растёт на 15–22%, — 6, а ниже 15% — уже 3.
Asana вышла на биржу в 2020-м и сейчас растёт на 10%. net revenue retention у неё упал с больше чем 120% до 97%, то есть старые клиенты в сумме приносят уже меньше, чем год назад. при такой retention ей надо набирать около 13% новой выручки в год, просто чтобы расти на 9–10%. стоит $2.2 млрд, около 2.5x выручки, при том что выручка у неё больше, чем у Miro.
Zoom растёт на 5%, retention у корпоративных клиентов упал со 129% до 99%. но у него $1.9 млрд свободного кэш-флоу в год и $7 млрд на счету, поэтому он стоит около 4x выручки.
с другой стороны, Figma растёт на 48% и уже три квартала подряд ускоряется. но и этот рост рынок почти не оплачивает. Figma сейчас стоит $11.6 млрд, около 6.4x выручки на год вперёд. год назад было больше 21x.
у Miro ARR с $300 млн в 2021-м дошёл до $600 млн, это в среднем 15% в год. свежий темп не раскрыт, и, судя по всему, он ниже. так что Miro в нижней корзине, и 2.3x ARR это даже ниже её медианы. скидка за то, что компания частная, горизонтальная, с оплатой за места, и покупатель по сути один. для контраста: в том же августе Lovable поднял по $13.3 млрд при том же ARR около $600 млн.
я не думаю, что дело в бизнес-модели. в частном горизонтальном SaaS в частном рынке дела лучше, пока есть momentum - Linear удвоил оценку до $2.5 млрд, Gamma вышла на $100 млн ARR и оценку $2.1 млрд. для контраста: в том же августе Lovable поднял по $13.3 млрд при том же ARR около $600 млн.
для статегов Miro заложник своего очень хорошего продукта. у всех продуктов в productivity категории появилась какая-то своя доска, которая определённо смогла отжать какой-то трафик новых пользователей, но она совершенно не уничтожила бизнес компании.
мысли о том, что их могли купить Microsoft или Google несостоятелны. они за последнее 10 лет сделали 0 покупок в свой productivity-стек и сегодня лишний $ вложат в AI Capex. Google в 2023-м вообще закрыл свою доску. самым вероятным покупателем мог стать Atlassian, который вообще был инвестором в series C. но деньги он потратил на The Browser Company и DX и в закупку AI-кредитов.
я думаю, что вполне мог обсуждаться вариант консолидации с каким-то Notion, который тоже проходит через сложные времена. это было бы интересно, по типу того, что делает Grammarly. но видимо не сошлись.
софтверные байаут-фонды PE (Vista, Thoma Bravo, Balckstone) сами не в лучших кондициях. в 2026-м они пока анонсировали одну крупную сделку, a кредитные фонды уценили 81% софтверных кредитов (обычно PE берут кредит под залог ARR).
в последнем раунде, привилегированные акции с ликвидационным префом, насколько я знаю, были только у ICONIQ, который лидировал раунд на $17.5 млрд. так что ICONIQ, скорее всего, просто получает 1х. Accel, который заходил в series A в 2018-м, по прикидкам делает около 9x.
поэтому думаю, что покупателей не было. Bending Spoon дали рыночный оффер. если отказаться, то нужно было убедить всех, что есть какой-то новый продуктовый план, который даст > 20% годового роста
теперь перейдём к задаче Миллениума.
если модель работает для 99.99% практически встречающихся состояний, инженеру этого чаще всего достаточно. но математик спрашивает про оставшиеся 0.01%. точнее, даже не про 0.01%, а про возможность существования хотя бы одного патологического случая среди бесконечного множества начальных состояний. миллиард успешных CFD-симуляций этого вопроса не закрывает.
если взять несжимаемую жидкость в трёхмерном пространстве (которая заполняет всё пространство целиком, без стенок и без обтекаемого тела) и начать с абсолютно гладкого состояния конечной энергии останется ли решение гладким навсегда? или уравнение способно само за конечное время создать сингулярность, то есть состояние, где какая-то локальная величина уходит в бесконечность?
общая кинетическая энергия может оставаться конечной, но это само по себе не запрещает энергии концентрироваться во всё меньшей области. если каскад идёт достаточно быстро, локальная скорость или её производные могут уйти в бесконечность, хотя интеграл энергии всё ещё конечный.
короче, если вы ещё со мной, то советую посмотреть этот десятиминутный ролик. его записал человек, который сам писал диссертацию по симуляции жидкостей.
прорыв в этой теме сделал Теренс Тао
до него все ломились в одну дверь: пытались доказать, что решение остаётся гладким. и упирались в одно и то же. все оценки, которые умеет давать математика, контролируют поток целиком, а ломается он локально, в одной точке, на всё более мелком масштабе (срыв). чем мельче масштаб, тем слабее такие оценки работают.
Тао зашёл с другой стороны: не доказывать, что срыва нет, а построить его. контрпример достаточно предъявить один раз. но чтобы жидкость сорвалась, она должна собрать энергию во всё меньшей области, всё быстрее, и ни разу не дать вязкости её размазать. это похоже не на течение, а на механизм, который выполняет программу. отсюда его вопрос: а может ли вода вычислять?
его конструкция это буквально компьютер из воды, который строит уменьшенную копию себя, передаёт ей всю энергию и выключается. копия делает то же самое, только меньше и быстрее, и бесконечное число шагов укладывается в конечное время. для настоящего Навье-Стокса собрать такую машину он не смог и честно назвал её несбыточной мечтой. зато собрал для усреднённой версии уравнения, с теми же энергетическими свойствами. отсюда главный вывод: раз в уравнении с той же энергией срыв всё-таки случается, одних энергетических оценок недостаточно в принципе. целый класс подходов к доказательству отпал.
после Тао срыв стали строить, а не опровергать. и строить пробовали двумя способами.
первый - не браться сразу за Навье-Стокс, а потренироваться на его упрощённых родственниках. главный из них это уравнение Эйлера: тот же Навье-Стокс, только без вязкости, то есть без той силы, которая размазывает энергию и мешает срыву. если срыв не получается построить даже там, в настоящем уравнении делать нечего.
искали его в виде автомодельного решения. это течение, которое при срыве повторяет само себя, только во всё меньшем масштабе. удобно тем, что вместо фильма про срыв достаточно найти один кадр, профиль, а всё остальное получается из него сжатием.
вот этот профиль и искали нейросетью, теми самыми PINN, которые в инженерии не взлетели. только здесь они работали не как решатель, а как поисковик: перебирали кандидатов и дожимали точность почти до машинной. такую точность уже можно подавать на вход компьютерному доказательству. первый профиль нашли в 2023 году, а в 2025 DeepMind нашёл их уже целыми семействами.
итог первого пути: для родственников срыв построен, до самого Навье-Стокса не дотянулись.
второй способ это подтолкнуть жидкость снаружи. это не читерство: у задачи Клея четыре формулировки, закрыть достаточно любую. две из них про жидкость, которую никто не трогает. две другие допускают внешнюю силу, но гладкую, без скачков.
с силой срыв строится в лоб. придумываешь течение, которое срывается так, как тебе надо, подставляешь его в уравнение, и всё, чего не хватает до равенства, объявляешь внешней силой. вся сложность в том, чтобы эта сила вышла гладкой. по сути это ход Тао: он пытался заставить саму воду вести себя как программа, а здесь программу разрешено подать снаружи.
этим путём шли математики Левент Альпёге и Тристан Букмастер, вместе с внутренней моделью Anthropic. Букмастер, кстати, соавтор той самой первой PINN-работы. к 7 сентября у них был срыв с гладкой силой для Эйлера и других родственников. для Навье-Стокса с ослабленной вязкостью тоже был, но его придержали: Lean-проверка не закончилась.
а 8 сентября 2026 вышла работа OpenAI, про которую вы все знаете. их система из агентов построила конструкцию и формализацию в Lean, где жидкость стартует из состояния покоя, на неё действует специально подобранная гладкая внешняя сила, общая энергия остаётся конечной, но скорость за конечное время становится неограниченной. и это уже настоящий Навье-Стокс, с любой вязкостью. в формулировке Клея это варианты C и D. первая пара, которую математики и считают настоящим вопросом, осталась открытой.
сила у OpenAI вышла гладкой, но настолько специальной, что в природе ей не соответствует ничего. приоритет Альпёге и Букмастера на Эйлере OpenAI признали сами.
у OpenAI схема та же, что и с другими гипотезами: огромный пласт готового рисерча, а поверх него умный брутфорс по литератруе и трейсам + возможность индивидуально проверять новые гипотезы. брали приёмы, которые математики придумали за последние лет десять, в том числе результаты Букмастера по Эйлеру, и собирали из них комбинации, пока одна не сошлась. Lean на выходе проверил, что сошлась честно.
Гомес-Серрано, соавтор и первой PINN-работы, и статьи DeepMind, про результат высказался с уважееним, что конечно математическое сообщество приоткрыло направление, но он никогда не думал строить такое течение, с тремя слоями и двумя масштабами.
короче, если вам нужно мнение человека, который когда-то слушал пары по механике жидкости и газа и впервые за 8 лет что-то прочитал по домену, то мне кажется, текущее открытие краткосрочных бустов в инженерии не даст.
p.s. ещё по какой-то случайности я забукал демо для grip на 9 сентября, с сейлзом и бывшим инженером из Engys. это контора, которая продаёт HELYX, энтерпрайз-форк опенсорсного OpenFOAM. ну, скажем так, наш ice-breaker затянулся минут на пятнадцать.
proxy is all you need
как-то незаметно частью любого агентского веб-харнесса стало наличие прокси, через которые можно ходить в веб
трафик ботов в этом году официально обогнал человеческий. чтобы агент ходил в соцсети, парсил маркетплейсы, обходил каптчу и читал медиа, нужна хорошая надёжная сетка проксей. и как это часто бывает, все белые фенси стартапы зиждутся на невероятных костылях и серых схемах.
есть 3 типа прокси: публичные датацентры (aws, digitalocean), vps и резидентские. первые два антидетект блочит сразу, а третьи представляют особый интерес.
резидентские прокси это легитимные ip-адреса, выданные интернет-провайдером на устройство. обычно ты приходишь за этим к прокси-вендору. для порядка: 400 млн ip (bright data), 175 млн (oxylabs), 155 млн (soax), 115 млн (decodo). смысл большого пула в том, чтобы хватало свежих незасвеченных адресов и можно было ротироваться, пока каждый конкретный не сгорел.
есть этические методы сбора IP-адресов. это bandwidth-sharing приложения. вы ставите аппку, она показывает экран согласия, вы жмёте «да» и получаете деньги за трафик, который через вас роутится. погуглите packetstream, honeygain, pawns, earnapp. обычно они промотируются через сетку инфлов с запросами "хочешь получить деньги ничего не делая?"
вторая тема это sdk внутри чужого приложения. вендор платит разработчику за то, что тот вшивает его библиотеку в свою игру или утилиту. такие ребята вроде тоже спрашивают про твоё согласие, но вполне реально будут гнать трафик прямо при запуске приложения-носителя.
и на чёрном конце это спектра - просто заражённые устройства. пиратские игры, бесплатные vpn, разные мутные браузерные расширения.
плюс есть провайдеры: вендор идёт и договаривается про их адресное пространство. это продаётся под вывеской isp-прокси как блоки ip, зарегистрированные на comcast, at&t, spectrum или bt, то есть в любой базе это честный домашний адрес.
например, гугл и фбр прикрыли прокси-сеть netnut. поставщик её isp-прокси, divinetworks, тель-авивская контора 2004 года, которая начинала с оптимизации трафика для провайдеров, а потом переключилась на монетизацию неиспользуемого адресного пространства.
в их кейсе владелец адресного пространства был университет howard: под раздачу ушла вся его сеть /16. конфигурацию ставил кто-то, у кого есть права на маршрутизацию: сам провайдер, подрядчик на аутсорсе или внутренняя команда.
isp-прокси торгуют ровно этим зазором. сам сервер стоит в датацентре, а адрес числится за домашним провайдером и антибот смотрит на то, за кем записан адрес. получаешь скорость датацентра по цене доверия к домашнему адресу. отсюда и цена: продаются не за гигабайты, а поштучно, порядка $1–2.4 за ip в месяц.
категория растёт.
у литовского oxylabs отчётность лежит в открытом доступе: €16.7 млн выручки в 2021-м, €44.9 млн в 2023-м, €139.5 млн в 2025-м. чистая прибыли €62.7 млн.
oxylabs полностью бутсрап, кстати, в прошлом году купил scrapingbee на восьмизначную сумму из собственных денег. еще им принадлежит honeygain, одно из популярных bandwidth-sharing приложения. а в июле впервые за одиннадцать лет взял внешнее финансирование $130 млн от американского pe-фонда warburg pincus при оценке $3.6 млрд.
главный конкурент, bright data, вырос на чёрном бесплатный vpn, у которого бесплатные юзеры становились нодами сети, а платные нет. к ноябрю 2016-го у hola было 100 млн пользователей. в 2017-м контрольный пакет забрал британский фонд EMK Capital ($125 млн за 75.6%, оценка $165 млн), в 2021-м luminati переименовали в bright data. bright data растет тоже хорошо $127.7 млн в 2024-м и больше $300 млн ARR в ноябре 2025-го
PE видимо дает неплохую сетку юристов, в 2023-м фб засудила bright data за скрейпинг facebook и instagram, а в январе 2024-го проиграла, судья в сан-франциско решил, что условия использования не нарушены. а иск твиттера суд просто отклонил
вообще рынок прокси и скрейпинга ходит за руку и потихоньку консолидируется. а текущему консюмеру разница между ними уже не видна. поэтому VC больше дает деньги в браузерскую инфру и скрапинг, что выглядит немного белее. модные скрейпинг-стартапы типа firecrawl или browserbase говорят, что работают только с этичными прокси, но я что-то подозреваю, что они просто берут провайдера и какую-то расписку с него. аудит никто не делает.
вот так и дошли потихоньку до того, что человек enable-ит архитектуру для агентов просто своим присутствием и девайсом. а говорите, базовый доход с AI не доступен.
ps правда, возможно, тут есть конкуренция со стороны вашей стиральной машины
вот на что я бы смотрел.
1/ даже если модели и скаффолдинги лаб станут лучше, есть ценность в том, чтобы быть роутером / оркестратором моделей. клиенты ценят снижение vendor-lock риска. плюс раньше SaaS чарджил за какой-то drag-and-drop workflow, сейчас это делает роутер.
2/ сегодня вертикальные saas продукты это по сути api-интеграция с моделям и prompt-интеграция, плюс у кого хватает денег можно делать post-train, но хз, лучше ли это, чем новый релиз модели от лабы.
но я думаю, что близость к клиентам даёт хорошее пространство для разного апсела:
- эксклюзивные партнёрства с лабами-вендорами: ты разворачиваешь модель конкертной лабы у клиентов, такой нео-интегратор. например, legora в августе зашла партнёром в gemini enterprise for legal.
- и в обратную сторону -- data-провайдер для них: лицензируй данные клиентов и продавай данные лабам
- ну и не для всех подходящее: но можно делать маркетплейс или даже кредитный продукт
вертикальный saas держит премиальные мультипликаторы даже при более медленном росте, потому что доминирует в ограниченном tam: doximity 16x, guidewire 14x, veeva 11x. saaspocalypse 2026-го это подтвердил: горизонтальный saas за 12 месяцев −35%, вертикальный и примерно на том же месте.
3/ 3-3-2 до сих пор норм. я думаю, что у всяких legora / harvey будет «стена роста» в 2027-м, и умение держать консервативный рост при меньшем хайпе со стороны рынка будет цениться сильнее. блогер onlycfo в модели показывает, что ai-супер-рост с таким endurance через пять лет приходит в ту же точку, что и t2d3, только с оценкой выше в первые три года и ниже потом.
4/ fde мне кажется играет на руку стартапам. saas частично превращается в «платформу с сервисным on-ramp».
в продаже любого ent-софта всегда были разные solution-инженеры или партнёры-интеграторы. uipath, например, только так и добрался до ipo: 4,000+ интеграторов и реселлеров в партнёрах.
а когда a16z заявляет, что fde это главный moat, это даёт стартапам сегодня нормализовать сервисную выручку и оценивать её как софтверную. например fde-shop без намека на какой-то осознанный продукт, wonderful поднял $550m series c при $5b через 20 месяцев после запуска, при 650 людях и ~$70m arr.
у salesforce на linkedin уже 104 человека с титулом forward deployed, даже у notion есть founding fde вакансия. иногда объём внедрений они выносят партнёрам: salesforce в апреле собрал fde partner network из accenture, deloitte и ещё 30 фирм и платит им за агентов, дошедших до прода.
ну и в целом это имеет смысл в ai, особенно в регулированных / рискованных вертикалях: по iconiq половина scaling-компаний масштабирует fde, а 76% их переменной зарплаты привязано к retention и renewal.
5/ дистрибуция это самый вайбовый тейк. во время одинаковых продуктов люди ценят курацию, философию и твою неудобность для всех. особенно если вы делаете больше бутстрап
6/ это еще не говорю, что на многих рынках (как гео, так и вертикали) люди только начинают saas выкупать, особенно в smb.
tldr;
предпринимателям - больше слушай клиентов, меньше инвесторов;
аналитикам и инвесторам - двигаться на yolo, инвестировать в то что растет, отписаться от e/acc-bro в твиттере.
еще далеко до лебединой песни saas.
Компании платят авторам контента, чтобы те рассказывали об опасностях ИИ
Немецкая исследовательница Сабина Хоссенфельдер, которая занимается теоретической физикой и снимает научно-популярные видео на ютуб, рассказала (youtu.be/lPdmYMHrWKg), что к ней обратилась некая организация с предложением оплатить видео, предупреждающее об экзистенциальных рисках ИИ.
Предложение пришло вместе со сценарием, конкретными фразами и цитатами, которые нужно было включить. Хоссенфельдер отказалась. Название организации она не раскрыла, но упомянула, что похожие предложения получали и другие блогеры, при этом не только от этой конкретной компании.
Среди частых заказчиков подобного контента – Center for AI Safety и Future of Life Institute, у которых, кстати, есть общий крупный донор Open Philanthropy. В последние годы Open Philanthropy активно занимается продвижением безопасности ИИ.
Хоссенфельдер также рассказала, что деньги за лоббирование текут в научпоп и техжурналистику и с других сторон. Например, WIRED недавно писали о том, что маркетинговая фирма, связанная с организацией Build American AI предлагала тиктокерам до 5000 долларов за ролик, продвигающий антикитайские ИИ-тезисы. При этом – с инструкцией не отмечать и не раскрывать, кто платит.
Choose your fighter: реклама в ChatGPT / реклама того, что ИИ нас всех убьет
Тонер продолжала работать в CSET параллельно с OpenAI.то есть спустя всего 6 лет после переезда в Штаты на магистратуру её назначили в борд OpenAI (а ты считай дальше, что у гуманитариев карьерой так себе).
на китайском направлении CSET занимается в основном тем, что собирает, структурирует и объясняет Вашингтону разрозненные OSINT-данные: закупки PLA, китайские государственные документы, цепочки поставок полупроводников, программы привлечения талантов, патенты, научные публикации. они довольно много публикуют в открытом доступе, но думаю все мясо уходит в Вашингтон.
Хелен регулярно зовут выступать на разных заседаниях Конгресса по AI и регулированию. при этом позиция самой Тонер сложнее примитивно-ястребиной, в духе «они сейчас взорвут наши дата-центры».
она поддерживает контроль оборудования для производства полупроводников, потому что видит там реальные узкие места. к ограничениям на сами чипы относится осторожнее: контроль и лицензирование сложнее, ограничения могут усилить Huawei и SMIC, ударить по американским компаниям и ускорить технологическую самостоятельность Китая.
вообще считает метафору «AI-гонки» вводящей в заблуждение: технология не создала американо-китайское соперничество, а просто стала одним из его выражений. отсюда же её скепсис по поводу красивого соглашения США и Китая по безопасности AI. прежде чем заключать большую сделку, сторонам неплохо бы хотя бы договориться, какую именно проблему они пытаются решить.
у Тонер вообще довольно приятный публичный стиль. в длинных интервью она не выглядит человеком, который на каждый вопрос задвигает про экзистенциальный риск. признаёт минусы собственного лагеря, шутит и спокойно говорит, где данных недостаточно. поэтому её Substack полезно и интересно читать (как минимум мне) хотя бы для того, чтобы учиться формулировать мысли;
из интересных тейков - она предлагает всерьёз относиться к jaggedness, то есть неровности возможностей AI. сегодняшние модели могут делать что-то на уровне сильного специалиста и тут же проваливаться на задаче, которую человек считает элементарной. большинство дискуссий предполагает, что это временная стадия: либо AI скоро упрётся в потолок, либо станет универсально сверхчеловеческим.
Тонер предлагает третий вариант: прогресс продолжится быстро, но останется структурно неровным.
тогда сложные профессии не исчезнут одним куском. вместо этого возникнут комбинации человека и AI, где машина делает мощные, но ограниченные фрагменты работы, а человек держит контекст, ответственность и переходы между задачами.
для государства это важно потому, что такой неровный прогресс оставляет время на адаптацию. если AI не превращается мгновенно в универсального автономного исследователя, у государства остаётся время экспериментировать, исправлять правила и строить институты.
некоторые топят, что именно Хэлен стала инциатором свержения. сложно в это поверить, но говорят, что эрозия отношений Тонер с Сэмом началась как раз с публикации исследования CSET по безопасности. в нём Anthropic оценивался выше OpenAI по подходу к безопасности и это взбесило Альтмана.
в общем друзья, вывод такой - мальчики создают стартапы; мужчины делают think tank для гос аппарата.
новая рубрика на канале
мой хороший приятель Руслан очень сильный продуктовый оператор, особенно в построении и масштабировании команд.
был в ранней команде Самоката и Miro и дошел до 10х роста в обоих местах.
познакомились мы на поприще SpatialChat, когда Руслан работал в Miro и много меня образовывал в том, как делать успешные productivity-продукты для миллионов пользователей.
сейчас Руслан окончил свой корпоративный этап карьеры и делает / исследует новый продукт (где уже я помогаю ему).
параллельно запустил свой камерный консалтинг
дальше с его слов:
Помогаю фаундерам и CPO/CTO tech-компаний на масштабе примерно 50–500 чел:
– Когда компания выросла и все стало медленно и плохо управляемо
– Когда компания подошла к точке большого изменения (поменялся рынок или стратегия, бизнес
застопорился) и нужно сильно перестроиться
– Когда продуктовые и технические лидеры не справляются и нужно помочь им вырасти либо найти новых
– Когда внедрение AI в работу буксует или превращается в театр, а реального роста продуктивности не видно
Решаю через развитие и найм ключевых людей, выстраивание культуры, процессов и структуры управления.
Формат — от executive коучинга до fractional CPO.
https://ruslanlobachev.com/
небольшой апдейт по саб-продукту для линкедин-аутрича.
1/ в пятницу мы зарелизили лендинг.
2/ через нетворк и контент в linkedin набралось 87 звонков. ещё 12 стоят на этой неделе. так что у кого-то из вас есть шанс забукать сотый звонок. для контекста: всего в wait list-е около 400 человек, то есть доходит до звонка каждый 4-ый.
3/ пока всех онбордим вручную. думаю, так и будем двигаться дальше еще месяц. оффер «мы приведём вам лидов через линк» привлекает очень разную аудиторию. поэтому нужно быстро учиться понимать, кто не-клиенты.
4/ от других продуктов в категории вроде придумали, как отличаемся. это комбинация классического AI-секвенсера и более сильного поиска лидов внутри твоей сети. поэтому продукт стоит дороже конкурентов и надо хорошо понимать, кто аудитория
5/ постепенно вырисовывается более широкий план. хотим подключить другие источники, например whatsapp и telegram, и превратить всё это в gtm memory продукт.
одно из главных наблюдений: лучше всего продукт продаётся через диаспору. по клиентам тоже вижу, что на старте это одна из ключевых gtm-стратегий.
поэтому для онбординга я собрал список компаний, основанных русскоязычными фаундерами и работающих на глобальных рынках. в основном там tech-компании.
собирал список на основе простых эвристик: университет, язык и первые места работы. в основном опирался на свой нетворк, сейлз-нав и доменные знания. список буду постепенно пополнять. пока там 1.5k компаний.
так что, если интересно его получить - велком сюда.
накидаю пару новостей о том, что мы сейчас делаем в extruct.
работа над вертикальным deep research, LLM-скрапингом и собственным индексом привела нас туда, где мы вообще не планировали оказаться. в комплаенс и KYB.
сейчас потихоньку деплоимся в крупных необанках, платёжных компаниях и POS-системах.
оказалось, что даже на забитом рынке KYB есть незакрытая ниша для такого подхода. и у нас получается её занимать.
если кто-то здесь решает задачу быстрой и качественной проверки бизнесов по открытым и полуоткрытым источникам, давайте познакомимся @zkid18
cлайд из дека Moove 2020 года (ссылка)
хозяйке на заметку - лучше немного занизить свой TAM в своем пре-сид деке.
по итогу, спустя 6 лет, стартап из Лагоса:
- достиг темпа роста около $450 млн
- купил Kovi (Бразилия) и Tokyo Taxi (Япония)
- заключил партнерство с Waymo для управления автопарком AV
- расширил деятельность на 13 стран, эксплуатируя 42 000 транспортных средств
в прошлом я рисерчил такое направление, как vehicle financing.
это когда ты даёшь машину в лизинг гиг-работникам, но за счёт умного андеррайтинга делаешь это лучше, чем банк, мфо-шка или кэптив OEM-а.
недавно один из лидер этого рынка, Moove поднял seriec C раунд и повод написать подробнее.
потребность в таком лежит преимущественно на развивающихся рынках. в штатах Uber-водитель отбивает подержанный седан примерно за полгода-восемь месяцев чистого дохода. в бразилии, где-то за два-три года. и это ещё без процентов по кредиту.
а с кредитом в банках у таких гиг-водителей всё плохо. занятость неформальная, у водителя нет ни залога, ни кредитной истории, часто нет даже банковского счёта. мфо закладывает риск в ставку, которая заходит в разных странах до 31%.
для ride-hailing кто выигрывает supply, тот выигрывает рынок, и поэтому нужно задумываться, как подключить водителя к платформе без машины. держать машины у себя на балансе никому не хочется. в рф яндекс придумал, как работать с таксопарками, но в других странах убер модель маленьких таксопарков либо уничтожил, либо её вообще не существовало. классический лизинг с высокорисковыми гиг-драйверами связываться тоже не хотел.
но в итоге работать с флит-партнёрами оказалось надёжнее, чем с водителями-одиночками: ещё на конец 2023-го Uber репортил, что 18% supply-часов убера шло через флит-партнёров.
этот разрыв и закрыл нео-лизинг. идея простая: можно андеррайтить не по кредитной истории, а по заработку на платформе, списывать платежи как процент от недельного дохода. и рейзить под это по мультипликаторам tech-компаний. ride-hailing с интересом запрыгнуть в такое партнерство, дадут дешевый долг / мезанинный капитал.
модели очень разнятся. в индии есть Everest Fleet: контора сама владеет 18,500+ машинами в семи городах, а водителям даёт планы от аренды до drive-to-own. риск-менеджмент, обслуживание, страховку берёт на себя. Uber дважды в них вложился и это крупнейший флит-партнёр убера в индии. правда, за индию контора так и не вышла.
в нигерии появился Moove. он встраивает кредитный скоринг прямо в ride-hailing и доставку. модель asset-heavy: на долг выкупает машины себе на баланс и отдаёт водителям в drive-to-own.
по такой же модели в перу появился Leasy, а в бразилии в то же время появился Kovi, его сделали выходцы из 99, местного конкурента Uber. эти наоборот играли в asset-light: машины не покупали, а лизинговали у OEM и лизинговых контор и пересдавали водителям в подписку. без кредитной проверки, с выкупом с 13-го месяца. правда, имо, asset-light тут только на бумаге: лизинговые обязательства это тот же долг.
Kovi поднял ~$145m, но дальше series B (2021, $104m от Valor и Prosus) не ушёл. ARR в 2021 был $45m. в 2023 убыток R$285m, в 2024 ещё R$195m при отрицательном капитале. в январе 2025 Moove забрал их целиком за стоки, сумму не раскрыли (ARR к сделке почти цифры 2021).
Moove же ещё в 2024 получил series B на $100m при оценке $750m. раунд лидировал Uber. и в конце того же года нигерийский стартап вдруг понял, что у его бизнес-модели две составляющие: управление флитом и кредитование. и решил разъединить эти продукты. так компания стала партнёром Waymo в штатах: кредиты робо-такси давать не нужно, а вот управлять флитом и давать сами машины это интересно.
по сути это разделение бизнес-модели по типам рынков. на развивающихся дефицит это кредит: водитель живой, машина дешёвая, деньги дорогие. там Moove финтех, зарабатывает на кредитном спреде и риск-менеджменте водителей. на развитых всё наоборот. кредитная пенетрация и так 70–80%, а с приходом робо-такси заёмщик вообще исчезает, кредитовать некого. дефицитом становятся операции: депо, зарядка, клининг, диспетчеризация тысяч машин. там Moove оператор инфраструктуры, зарабатывает сервисной выручкой с Waymo.
показательно, что своё кредитование водителей Moove в штаты даже не привёз: вход в США случился сразу B2B-контрактом. риски тоже меняются: вместо дефолтов водителей резидуальная стоимость флота и зависимость от одного клиента.
Waymo упёрся в ту же проблему, что ride-hailing десятью годами раньше: машины. при этом поездки выросли со 100 тысяч в неделю до полумиллиона меньше чем за два года, четыре города запускали за один день. понятно, что в такой момент выгоднее открывать новые города, чем возиться с менеджментом машин. и вэймо сделал то же, что платформы до него: отдал машины партнёрам.
Moove оперирует их флот в финиксе, майами и лас-вегасе: fleet operations, депо, зарядная инфраструктура, диспетчеризация.
под эту историю Moove в августе 2026 анонсировал series C: $250m при оценке $2.1b, лид Mubadala, в ко-лидах Woven Capital, венчурный фонд тойоты. параллельно компания активно набирает долг под заявленный план до $1.2b под автономный флот. сами машины Waymo, кстати, пока не у Moove на балансе: компания оперирует чужой флот, а выкуп роботакси это заявленная цель этого долга. рост в этой модели всегда означает финансировать больше физических ассетов.
скептики тут вспоминают про классическую ловушку флит-менеджмента, которая переезжает и в AV: слой низкомаржинальный, выигрывается только глобальным масштабом. отсюда вопросы к оценке: $2.1b при $420m ARR (это вся компания, EM и DM вместе) это 5x выручки для бизнеса, который по сути флит-менеджер с финансированием. плюс резидуальный риск: следующее поколение робо-машин будет дешевле и лучше, а на балансе останется флот вчерашних, купленных в долг. и в очередь за тем же куском встают рентал-конторы: Avis уже управляет парком Waymo в далласе, Hertz зашёл в AV через программу .
