# От квантовой математики до реакторов IKEA: мир на пороге сингулярности

Источник: https://www.youtube.com/watch?v=ruL8Q-TsbbI
Канал: TBPN
Опубликовано: 03.08.2026

---

«Я хочу, чтобы архитекторы новой математической парадигмы посмотрели мне в глаза, прежде чем нанесут окончательный удар», — так математик Кервин Хэмпшир описывает эпоху, где ИИ за секунды щелкает проблемы квантовой сложности, десятилетиями не поддававшиеся человеку. Пока академическая наука переживает экзистенциальный кризис, соло-миллионеры без единого сотрудника строят империи на базе GPT-4, а инженеры-радикалы проектируют ядерные реакторы, которые можно собрать из стандартных деталей «как мебель IKEA».

## 🤖 ИИ-революция: от скандалов в YouTube до конца классической математики
[[JUMP:04:35]]

Выпуск начинается в «Храме технологий и крепости финансов» — студии TBPN [04:35]. Ведущие анонсируют насыщенный эфир: сегодня в программе участие партнера Sequoia Capital Шона Магуайра (Shaun Maguire) и основателя энергетического стартапа Исайи Тейлора (Isaiah Taylor) [05:27], которые обсудят инвестиционный раунд в 1 млрд долларов. Также в выпуске появятся Джастин Лопес (Justin Lopez) из Base Power [05:40], инженер Бо Гастон (Beau Gaston) со своим роботом-кентавром [05:53] и Рон Арель (Ron Arel) из компании Intology [06:32]. Но прежде чем перейти к гостям, авторы обсуждают главные события выходных, пошатнувшие научное и медийное сообщества.

### Кейс Хэнка Грина: границы допустимого в ИИ-исследованиях
[[JUMP:06:45]]

Одной из самых обсуждаемых тем стал «микро-скандал» вокруг Хэнка Грина (Hank Green) — ветерана YouTube, популяризатора науки и основателя таких гигантов, как Crash Course и VidCon [10:14]. Грин, начавший свой путь на платформе ещё в 2007 году, столкнулся с резкой критикой части своей аудитории за использование ChatGPT при подготовке материалов [07:12]. Поводом послужил выпуск шоу «Ask Hank Anything», где Хэнк отвечает на вопросы гостей о науке [11:07]. 

Если Грин не знает ответа в моменте, он проводит исследование и монтирует уточнение в финальный ролик [11:22]. В одном из эпизодов он рассказывал об эффекте «Кики и Буба» — психологическом феномене соответствия звуков и форм (где «Буба» ассоциируется с облаком, а «Кики» — со звездой) [12:02]. Внимательные зрители заметили в речи Хэнка фразу: «Я ценю ваше несогласие» (I appreciate the push back) [12:54]. В контексте ИИ это типичный маркер вежливости модели, что привело к обвинениям в «небрежности» и использовании ИИ-скриптов без правок [13:07].

Хэнк Грин был вынужден прояснить ситуацию:

*   Скрипты не пишутся нейросетью полностью, но ИИ используется как мощный инструмент поиска [14:53].
*   ChatGPT помогает ему агрегировать ссылки, извлекать цитаты из PDF-файлов научных работ и пересчитывать единицы измерения [15:05].
*   Блогер признался, что чувствует себя на «беговой дорожке»: ИИ повышает продуктивность, что заставляет выпускать больше контента, создавая замкнутый круг [15:18].

Ведущие отмечают парадокс: несмотря на то, что ChatGPT — самое популярное приложение в мире [07:24], в среде научпопа его использование воспринимается как потеря «человеческого элемента» [14:13]. Однако для современного просветителя игнорировать ИИ невозможно, так как наука и ИИ теперь переплетены неразрывно [15:58]. Любой прогресс в биологии или физике сегодня, скорее всего, будет достигнут с помощью машинного обучения [16:11].

### OpenAI Astra: математический прорыв и скепсис экспертов
[[JUMP:08:29]]

Пока блогеры спорят об этике ИИ-исследований, OpenAI демонстрирует возможности своих новых моделей. Ноам Браун из OpenAI сообщил, что внутренняя версия модели Astra (следующее поколение флагманских систем) совершила качественный скачок, решив 10 крупных открытых задач в области математики, квантовой сложности и теоретической информатики [08:42]. 

Эти достижения вызвали неоднозначную реакцию в экспертном сообществе:

1.  **Скептики:** Гэри Маркус иронично предложил «разбудить его, когда Astra решит значимую мировую проблему, не связанную с формальной верификацией» [09:07]. 
2.  **Оптимисты:** Даниэль Эт отметил, что критики постоянно «переносят ворота» (moving goalposts), обесценивая реальные успехи моделей в сложных вычислениях [09:18]. 

Ведущие подчеркивают, что даже если ИИ пока лучше справляется с задачами, поддающимися формальной проверке, это уже имеет колоссальное значение для практики — от разработки новых лекарств до создания сверхэффективных аккумуляторов [09:34]. Если теоретическая математика будет «взломана» ИИ, это неизбежно приведет к прорывам в материаловедении и химии, которые изменят нашу повседневную жизнь, например, удвоив запас хода электромобилей [23:56].

### «Темная ночь» математики: экзистенциальный кризис в эпоху ИИ
[[JUMP:21:40]]

Стремительный прогресс OpenAI Astra и подобных ей систем породил глубокий кризис идентичности среди профессиональных математиков. В центре обсуждения оказалось виральное эссе Кервина Хэмпшира (Kerwin Hampshire), исследователя из Оклендского университета [22:22]. Он описал текущее состояние профессии как «темную ночь математики» [22:22].

Основные тезисы Хэмпшира отражают духовный удар по науке:

*   Математики чувствуют себя беспомощными перед лицом машин, которые могут нанести их дисциплине окончательный удар («coup de grace») [22:08].
*   Традиционная роль математика как «решателя теорем» обесценивается, когда ИИ начинает щелкать сложнейшие гипотезы как орехи [23:30].
*   Хэмпшир призывает архитекторов ИИ признать «общую человечность и душу» прежде, чем старая математическая парадигма будет окончательно разрушена [22:08].

Дискуссия в студии сводится к тому, что хотя ИИ может решать конкретные задачи и гипотезы (включая проблемы тысячелетия, такие как P против NP или уравнения Навье-Стокса [23:05]), образование в этой сфере вряд ли исчезнет. Скорее, изменится сам фокус дисциплины: от доказательства теорем к постановке новых вопросов и применению абстрактных решений в материальном мире [23:44]. История науки всегда строилась на том, что решение одной задачи открывало двери к десятку новых, более глубоких вопросов [23:44].

## 🛠 Эпоха соло-предпринимателей и игры в бизнес
[[JUMP:25:08]]

Ранее в разговоре ведущие коснулись того, как новейшие ИИ-модели вроде OpenAI Astra фактически закрыли вопрос с решением сложных математических задач, вызвав кризис идентичности у профессиональных математиков [25:35]. Однако технологический прорыв не ограничивается академическими дисциплинами. Дискуссия плавно переходит к тому, как искусственный интеллект переписывает правила капитализма, позволяя одному человеку строить структуры, которые раньше требовали штата из сотен сотрудников.

### Восстание «армии одного человека»: компании с выручкой в $10 млн
[[JUMP:26:03]]

Центральной темой обсуждения стал недавний материал Wall Street Journal о буме компаний, состоящих из одного человека, но достигающих миллионных оборотов [26:03]. Ведущие приводят в пример Бена Броку, который запустил ИИ-сервис для предпринимателей в декабре прошлого года [26:29]. На текущий момент у него уже 10 000 платных подписчиков, а прогнозируемая выручка на этот год составляет 10 миллионов долларов [26:42]. При этом в компании нет ни одного наёмного сотрудника [26:42]. Весь операционный цикл — от ответов на письма и отладки кода до обработки возвратов — выполняют ИИ-агенты [26:56].

Статистика платежной системы Stripe подтверждает, что это не единичный случай: количество соло-операторов на платформе с выручкой более 1 миллиона долларов удвоилось в период с 2023 по 2025 год [27:35]. Более того, число одиночек, перешагнувших порог в 10 миллионов долларов, за тот же период почти утроилось [28:40]. Экономист Stripe Эрни Тедески отмечает, что ИИ стал «встроенным бизнес-партнером» для тех, кому раньше не хватало связей или специфических навыков [28:53].

Данные Бюро переписи населения США показывают, что в информационном секторе количество заявок на регистрацию новых бизнесов выросло почти на 45% за последний год [30:09]. При этом доля предпринимателей, планирующих нанимать сотрудников, продемонстрировала самое резкое падение среди всех отраслей [30:22]. Это указывает на фундаментальный сдвиг: ИИ-стартапы в среднем работают с штатом на 25% меньше, чем традиционные компании [34:46].

Другим ярким примером стала Клэр Во [36:06]. Она разработала приложение для управления документацией, установив цену подписки всего в 1 доллар в месяц [36:33]. За девять месяцев работы в одиночку она привлекла 100 000 пользователей и вышла на траекторию прибыли в семь цифр [36:53]. По словам Клэр, ИИ взял на себя маркетинг, продажи и поддержку, позволив ей сосредоточиться на архитектуре продукта [36:59].

### Геймификация софта: когда создание бизнеса становится видеоигрой
[[JUMP:39:00]]

На фоне успеха соло-предпринимателей возникает философский вопрос: не превращается ли создание бизнеса в форму цифрового досуга? Ведущие сравнивают современное управление ИИ-продуктами с игрой в Midjourney или Suno [39:52]. Для многих пользователей Midjourney процесс генерации изображений — это не путь профессионального художника, а способ «побренчать на гитаре» для собственного удовольствия [39:52]. Аналогично, запуск SAS-сервиса (программное обеспечение как услуга) может стать развлекательным продуктом, где предприниматель просто «наблюдает, как гудит машина» [41:50].

Джон Грубер и его коллеги обсуждают сценарий в духе «Игры Эндера», где человек думает, что он просто играет в симуляцию, а на самом деле управляет реальными бизнес-процессами или поглощает целые индустрии [40:18]. В этом контексте упоминается деятельность Рона Ареля и его коллег, работающих над автоматизацией сложных систем, где граница между «игрой в промпты» и управлением корпорацией стирается.

Обсуждение касается и качества продукта. Существует мнение, что «ИИ-шлак» (slop) — это временное явление [43:46]. Даже если код или текст, созданный нейросетью, кажется «грязным» программистам старой закалки, для конечного бизнеса это не имеет значения, пока продукт выполняет свою функцию [43:21]. Со временем этот «шлак» неизбежно эволюционирует в качественный контент, точно так же, как ранние итерации GPT сменились более совершенными моделями [44:12].

### Жизнь внутри сингулярности: почему рынок (не) готов к переменам
[[JUMP:45:00]]

Заключительная часть дискуссии посвящена вопросу: насколько близко мы подошли к технологической сингулярности? Ведущие иронизируют над популярным мемом «никто не готов к тому, что грядет», указывая на то, что об ИИ трубят на первых полосах всех газет [45:30]. Однако Джо Вайзенталь и эксперты из Buku Capital спорят о том, насколько эти ожидания «заложены в цену» (priced in) рынком [47:20]. Если OpenAI и Anthropic оцениваются в десятки миллиардов долларов, значит, инвесторы уже сделали ставку на неизбежность AGI [47:20].

Эндрю Карран и другие аналитики полагают, что мы не просто стоим у подножия горы, а уже прошли порог сингулярности в ноябре прошлого года [48:13]. В подтверждение этой теории приводится ретроспективный взгляд на 2020 год, когда GPT-3 впервые создала работающее React-приложение [49:16]. Тогда это казалось любопытным фокусом, но почти никто не предсказал, что через несколько лет компании будут тратить сотни миллиардов долларов на строительство дата-центров для поддержки этой технологии [49:42].

Илон Маск в социальных сетях выразил «100% согласие» с тем, что большинство людей до сих пор не осознают, насколько радикально их жизни изменятся в ближайшем будущем [50:09]. Пока одни спорят о верифицируемости моделей, другие, как Шон Магуайр, наблюдают за тем, как венчурный капитал перетекает в DeepTech-проекты, способные физически воплотить мощь ИИ.

## 🇰🇿 Техно-оптимизм в степях и суверенитет Цукерберга
[[JUMP:52:30]]

### Сетевая школа Баладжи Шринивасана: Из Кремниевой долины в Казахстан

Одной из самых неожиданных новостей недели стал новый виток в деятельности Баладжи Шринивасана. Известный инвестор и бывший операционный директор Coinbase, ранее продвигавший идеи «сетевого государства» из Сингапура и Малайзии [52:49], теперь официально переносит свои амбиции в Центральную Азию. Республика Казахстан и проект Network School подписали меморандум о взаимопонимании для создания нового технологического кампуса [53:03].

Проект позиционируется как «тихая гавань для глобального техно-оптимизма» [53:16]. В рамках соглашения правительство Казахстана обещает:

*   Ускоренную выдачу виз для участников проекта [53:16].
*   Упрощенные процедуры редомициляции (смены юрисдикции) для компаний [53:16].
*   Активный поиск и привлечение талантов [53:16].

Участники дискуссии отмечают ироничность ситуации: Баладжи, построивший свою карьеру и состояние на успехе в американских структурах вроде Andreessen Horowitz [53:58], теперь пытается воссоздать дух Кремниевой долины в совершенно ином политическом и географическом ландшафте. Казахстан в этом контексте называют «самым сложным кейсом для продаж» (toughest possible sell) [55:04]. Основным препятствием остается логистика: прямых рейсов из США нет, а перелет с пересадками в Стамбуле или Дубае занимает от 25 до 35 часов [54:38]. 

Тем не менее, Шон Магуайр (Shaun Maguire) предполагает, что это своеобразный фильтр «отсева слабых» [55:04]. По мнению экспертов, Баладжи делает ставку на огромное количество талантливых людей за пределами США, которые не имеют легкого доступа к американской визе, но готовы поехать в Казахстан ради участия в передовом технологическом сообществе [55:31].

### Вертикальная интеграция Meta: Почему Цукерберг не хочет быть как Apple

Пока Баладжи строит школы, Марк Цукерберг объясняет инвесторам, почему Meta тратит миллиарды на разработку собственных ИИ-моделей вместо того, чтобы просто лицензировать чужие технологии [56:37]. В отличие от Apple, которая традиционно предпочитает партнерства с внешними лабораториями для интеграции готовых решений, стратегия Meta направлена на полную вертикальную интеграцию [57:03].

Цукерберг выдвигает несколько аргументов против зависимости от сторонних моделей:

1.  **Отставание open-source:** На данный момент открытые модели всё еще слабее проприетарных «фронтирных» моделей, и Meta обязана находиться на переднем крае [57:42].
2.  **Регуляторные риски:** Использование внешних (особенно китайских) моделей сопряжено с непредсказуемыми изменениями в законодательстве [58:08].
3.  **Угроза закрытия доступа:** Поставщик может в любой момент сделать модель закрытой или резко поднять цену, сделав бизнес Meta уязвимым [58:08].

Марк подчеркивает, что Meta — это «full stack» технологическая компания [59:03]. Это означает владение не только социальными сетями, но и собственными дата-центрами, инфраструктурой, чипами и низкоуровневым софтом [59:16]. В качестве исторического примера он приводит успех Facebook, который обошел конкурентов за счет более быстрой и эффективной кодовой базы, написанной инженерами-основателями [59:29]. 

Современным подтверждением необходимости такого подхода стал запуск конкурента TikTok — Reels [1:00:06]. Для работы рекомендательных алгоритмов видеосервиса Meta пришлось построить два дополнительных дата-центра [1:00:21]. Без владения всей цепочкой вычислений компания просто не смогла бы масштабировать такой вычислительно емкий продукт на миллиарды пользователей в короткие сроки [1:00:48]. 

Несмотря на логичность стратегии, инвесторы обеспокоены тем, что Бен Томпсон называет «финансовым хвостом, виляющим собакой» [1:01:14]. Meta вынуждена платить дважды: арендовать текущие мощности для разработки и одновременно нести колоссальные капитальные затраты (CAPEX) на строительство инфраструктуры будущего [1:01:27].

### Джон Грубер о лете «информационных перегрузок»

В дискуссию вступает Джон Грубер (John Gruber), основатель Daring Fireball [1:08:07]. Он характеризует текущий технологический сезон как «перегруженный» новостями, несмотря на отсутствие крупных запланированных релизов [1:08:32]. Вместо традиционных PR-циклов повестку дня диктуют внезапные события, такие как публикация манифеста Леопольда Ашенбреннера «Situational Awareness» [1:08:57] или взлом Hugging Face [1:09:05].

Ранее в разговоре участники касались темы роста компаний-одиночек, и Грубер подтверждает, что даже крупные игроки вроде Apple начинают ощущать давление со стороны стремительно меняющегося рынка компонентов и ИИ-инструментов [1:11:21]. Тим Кук описывает текущую ситуацию как «наводнение, которое случается раз в сто лет» [1:11:36]. В частности, цены на оперативную память (RAM) подвержены резким бум-циклам из-за огромных инвестиций в ИИ-инфраструктуру [1:12:05]. Это вынуждает компании адаптировать свои бизнес-модели, внедряя программы лизинга и обновляя стратегии ценообразования прямо в середине производственного цикла [1:13:12], что для Apple является экстраординарным событием.

## 🍎 Apple в эпоху ИИ: бюджетные MacBook и угроза союзу с Google
[[JUMP:1:15:33]]

В текущем технологическом ландшафте Apple предпринимает нетипичные для себя шаги, пытаясь сбалансировать между сохранением премиального статуса и необходимостью расширения аудитории. Джон Грубер отмечает, что компания всё активнее внедряет финансовые инструменты, такие как Apple Card, которой уже около девяти лет [1:15:33]. Основная цель этих инициатив — лизинговые программы и беспроцентные рассрочки на 24 месяца [1:15:46]. По мнению Грубера, Apple осознала психологический барьер потребителей: многим сложно решиться на единовременную выплату в $1200 за новый iPhone [1:16:13], но они легко соглашаются на комфортный ежемесячный платёж [1:16:25]. Это позволяет компании «подрезать» рынок кредитных карт, избавляя пользователей от грабительских процентов и замыкая их в своей экосистеме через ежегодные обновления устройств по почте [1:17:04].

### MacBook Neo и экспансия в бюджетный сегмент
[[JUMP:1:17:42]]

Параллельно с финансовыми реформами Apple меняет и продуктовую стратегию, двигаясь «вниз» по рынку. Джон Грубер называет MacBook Neo самым интересным продуктом со времён перехода на Apple Silicon в 2020 году [1:17:56]. На протяжении 15 лет стартовая цена MacBook Air замерла на отметке $999 [1:18:11]. Несмотря на инфляцию, это всё равно делало порог входа в экосистему Mac значительно выше, чем у конкурентов вроде HP, предлагающих ноутбуки за $400 [1:18:23].

Выпуск MacBook Neo с целевой ценой в районе $599–$699 кардинально меняет правила игры [1:18:37]. Аналогичный подход прослеживается и в линейке смартфонов:

*   Вместо редких обновлений iPhone SE, Apple переходит к ежегодному циклу выпуска моделей с индексом «E» (например, 16E, 17E) [1:18:50].
*   Эти устройства получают новейшие чипы, что критично для работы локальных нейросетей [1:19:05].
*   Экономия достигается за счёт упрощения камер: вместо сложной системы линз устанавливается один качественный сенсор, который всё равно делает отличные снимки для среднего пользователя [1:19:18].

Эта стратегия «incremental move down market» направлена на привлечение тех, кто готов тратить деньги, но ищет современное, а не устаревшее «бюджетное» железо [1:19:43]. Ранее в разговоре участники уже касались темы того, как ИИ меняет требования к аппаратной части.

### Apple Intelligence: погоня за ChatGPT и эффект «Шерлока»
[[JUMP:1:19:56]]

Обсуждая позиции Apple в области искусственного интеллекта, Джон Грубер признаёт, что компания оказалась в роли догоняющего [1:21:02]. Анонсированные на WWDC 2024 функции Apple Intelligence столкнулись с серьёзными задержками: то, что обещали выпустить в начале 2025 года, фактически станет массово доступным лишь к концу 2026-го [1:21:43]. На фоне стремительного прогресса OpenAI и Anthropic такой временной разрыв выглядит как «большой промах» [1:21:59].

Тем не менее, для сотен миллионов пользователей Apple именно новая Siri станет первым проводником в мир больших языковых моделей (LLM) [1:22:26]. Многие владельцы iPhone никогда не пользовались ChatGPT или Claude [1:22:41]. Apple делает ставку не на передовые возможности для энтузиастов, а на глубокую интеграцию:

*   Siri теперь может искать информацию внутри iMessage, Apple Mail и заметок [1:26:57].
*   Интерфейс «сжатия» экрана для вызова ИИ признан крайне удачным [1:23:08].
*   Продукт нацелен на решение простых бытовых и тривиальных вопросов [1:26:43].

Грубер отмечает феномен «Шерлокинга» — когда Apple копирует функции популярных сторонних приложений и встраивает их в систему [1:25:09]. Если раньше Крейг Федериги утверждал, что чат-боты — это плохой интерфейс для ИИ [1:26:03], то теперь Apple создала Siri AI, которая визуально и функционально напоминает ChatGPT [1:24:44]. Это ставит под угрозу сторонние ИИ-приложения, так как для базовых нужд пользователю больше не нужно ничего скачивать [1:26:17].

### Угроза поисковому союзу с Google и дилемма рекламы
[[JUMP:1:128:01]]

Успех Siri AI создает экзистенциальную угрозу для многолетнего партнерства Apple и Google. В рамках текущего соглашения Google платит Apple около $25 миллиардов в год за статус поисковика по умолчанию в Safari [1:29:09]. Для Apple это была «сверхдоходная услуга» с маржой, близкой к 100% [1:35:22]. Google, в свою очередь, монетизировал этот трафик через рекламу в результатах поиска [1:30:02].

Однако в интерфейсе Siri нет места рекламе [1:30:30]. Если пользователи начнут получать прямые ответы от ИИ вместо того, чтобы переходить по ссылкам в Google, рекламная модель рухнет [1:31:37]. Возникают вопросы:

1.  **Кто будет платить за серверные мощности?** [1:30:44]. Если запросы к LLM станут массовыми, это превратится в огромную статью расходов.
2.  **Пойдёт ли Apple на сделку с совестью?** [1:32:42]. Apple активно продвигает приватность и выступает против таргетированной рекламы, противопоставляя себя Google.
3.  **Появится ли реклама в Siri?** Грубер сомневается в этом, указывая на «анти-рекламную» ДНК компании [1:36:04], но отмечает тревожный тренд «двойного налогообложения» в App Store, где Apple уже продаёт рекламные места выше естественной выдачи [1:34:18].

Сейчас Google вынужден помогать Apple с бэкендом для ИИ, чтобы «коммодитизировать» рынок и ослабить влияние OpenAI и Anthropic [1:31:11]. Google комфортнее работать с понятным партнёром, чем позволить конкурентам захватить рынок «движков для ответов» [1:39:33]. Однако в долгосрочной перспективе Siri может стать «монстром», который поглотит доходы Google от поиска на устройствах Apple [1:36:30], при этом не принося прямой прибыли самой Apple.

## ⚛️ Проект Valar: Ядерный ренессанс и «психопатическая» продуктивность
[[JUMP:1:40:26]]

После обсуждения стратегий Apple и Google в области ИИ и их влияния на рынок поисковых систем [1:41:31], дискуссия переходит к более фундаментальным вопросам — энергетике, необходимой для поддержания вычислительных мощностей будущего. В центре внимания оказывается проект Valar и его амбициозный план по пересмотру всей индустрии атомной энергетики.

### Идеология простоты: Ядерный реактор из «IKEA»
[[JUMP:1:47:30]]

Исайя Тейлор и Шон Магуайр официально объявили о закрытии раунда серии B на впечатляющую сумму в 1 млрд долларов [1:47:30]. Шон Магуайр, партнер Sequoia Capital и бывший физик, объясняет этот шаг «ультравысокой уверенностью» в проекте [1:49:38]. По его словам, на протяжении десятилетий ядерная энергетика была заблокирована регуляторными и техническими сложностями, но сейчас наступил переломный момент: как демократы, так и республиканцы видят в энергии «узкое место» для развития США [1:50:29].

Философия Valar строится на радикальном упрощении, которое Исайя Тейлор называет ключом к масштабированию. Вместо создания сложных, уникальных инженерных систем, компания стремится сделать реактор максимально примитивным [1:53:34]. Основные принципы подхода:

*   Использование только стандартных, «товарных» (off-the-shelf) компонентов [1:53:47].
*   Отказ от зависимости от существующих цепочек поставок ядерной отрасли, которые двигаются слишком медленно [1:54:13].
*   Безопасность, заложенная на уровне физики процесса, а не через нагромождение инженерных систем защиты [1:55:30].

Исайя отмечает, что многие эксперты с докторскими степенями смотрят на их дизайн как на «игрушку», и это именно то, чего он добивается [1:55:06]. По его логике, игрушки можно штамповать миллионами, в то время как сложные реакторы строятся десятилетиями [1:55:06]. Первым шагом к реализации этой стратегии стала площадка в Оранджвилле, штат Юта, где компания уже получила первую ядерную энергию, став первым стартапом в истории, добившимся этого [1:48:32]. Конечная цель — создание «гига-сайтов» (giga-sites), огромных кампусов из сотен реакторов, способных питать заводы ИИ и энергозатратные производства, такие как выплавка стали и алюминия [1:48:46].

### Найм в DeepTech: Тест на «высокую агентность» и фанатизм
[[JUMP:1:56:50]]

Масштабирование такой компании, как Valar, требует не просто талантливых инженеров, а людей с экстремальным уровнем преданности делу. Шон Магуайр описывает интенсивность работы Исайи Тейлора как «психопатическую» в лучшем смысле этого слова [1:51:10]. В качестве примера он приводит случай, когда в день первого запуска реактора, после двух бессонных ночей, Исайя сразу сел в самолет до Сан-Франциско, чтобы лично встретиться с потенциальным кандидатом и его супругой и закрыть сделку по найму [1:51:23].

Процесс отбора в Valar спроектирован так, чтобы отсеивать тех, кто не обладает «высокой агентностью» (high agency) [1:58:45]. Исайя использует жесткие тесты в реальном времени: например, он может предложить кандидату встретиться на следующий день в Техасе или Юте без предварительной подготовки [1:58:20]. Если человек находит способ добраться, несмотря на личные обстоятельства или отсутствие прямых рейсов, он проходит первичный фильтр [1:58:32].

Тейлор подчеркивает, что Valar конкурирует за таланты не с другими ядерными компаниями, а с проектами, которые «действительно изменят курс человечества в ближайшие 50 лет» [1:58:06]. Основные черты идеального сотрудника по версии Valar:

*   **Универсальность:** поиск талантливых «генералистов», способных решать задачи вне своей узкой специализации [1:58:20].
*   **Готовность к «тик-рейту»:** Исайя заимствует метрику из SpaceX — скорость производства новых ядерных модулей («тик-так»), которая определяет конечную стоимость энергии и доминирование на рынке [2:00:15].
*   **Минимальное эго:** отказ от желания делать «сложные и впечатляющие» системы в пользу простых и эффективных решений [1:54:52].

Эта кадровая стратегия напрямую связана с планами по захвату рынка, созданному бумом ИИ. Огромные дата-центры требуют колоссальных объемов энергии в одной локации, что идеально совпадает с концепцией «гига-сайтов» Valar [2:01:46]. В завершение сегмента участники дискуссии кратко коснулись темы домашних аккумуляторов в Техасе и успехов компании Base Power, которая также закрыла крупный раунд, что подчеркивает общий тренд на децентрализацию и модернизацию энергосетей [2:03:16].

## 🔋 Энергетическая независимость и роботы-кентавры с бензопилами
[[JUMP:2:05:27]]

### Base Power: Распределенная энергосеть в каждом доме
[[JUMP:2:05:27]]

Джастин Лопес представляет проект Base Power, который ставит перед собой амбициозную цель — установить домашний аккумулятор в каждом доме США, а со временем и по всему миру [2:05:53]. Начав с Техаса, компания уже вышла на рынки крупнейших городов штата и Чикаго [2:05:53]. Основное торговое предложение для домовладельцев заключается в повышении надежности и снижении стоимости электроэнергии [2:06:08]. В таких городах, как Хьюстон или Даллас, где жители могут выбирать поставщика энергии, Base Power выступает в роли провайдера: компания продает электричество по доступному тарифу и устанавливает в доме батарею, стоимость которой для клиента составляет всего несколько сотен долларов [2:06:20]. 

Бизнес-модель строится на функции поддержки энергосети [2:06:33]. Система работает по принципу балансировки нагрузки: аккумулятор заряжается, когда энергии в сети много и она дешевая, и отдает её в дом (а иногда и обратно в сеть), когда нагрузка на систему достигает пика [2:07:01]. В Техасе и других жарких южных регионах такие пики обычно приходятся на летние вечера (с 16:00 до 19:00), когда солнце садится, солнечная генерация падает, а люди возвращаются домой, включают кондиционеры и заряжают электромобили [2:08:07]. Зимой же пиковые нагрузки наблюдаются ранним утром, когда включаются электрические обогреватели [2:08:32].

Наличие десятков тысяч таких распределенных систем позволяет Base Power осуществлять «микро-поддержку» конкретных районов [2:08:45]. Если в определенной части города возникает дефицит мощности, компания может дать команду на разрядку батарей именно в этой локации [2:08:58]. Джастин Лопес отмечает, что большинство отключений электроэнергии в США происходит не из-за нехватки генерации, а из-за погодных условий — ураганов на побережье или падения деревьев на линии электропередач в лесистой местности [2:11:35]. В этих случаях домашняя батарея обеспечивает бесперебойное питание, пока коммунальные службы устраняют аварию [2:12:12].

### Философия автоматизации: Удалить, оптимизировать, автоматизировать
[[JUMP:2:09:13]]

На фабрике Base Power активно используются роботы, однако Джастин Лопес подчеркивает, что автоматизация — это не самоцель [2:09:38]. Компания придерживается строгой последовательности в разработке производственных процессов: сначала нужно удалить лишнюю задачу, затем оптимизировать оставшуюся, и только после этого приступать к её автоматизации [2:10:43]. На текущем этапе роботы на заводе выполняют тяжелые и повторяющиеся операции, требующие высокой точности, например, перемещение стеков аккумуляторных ячеек через специальные туннели [2:10:03].

В то же время задачи, требующие ловкости рук и тонкой настройки, по-прежнему выполняются людьми, так как их автоматизация на старте была бы неоправданно сложной [2:10:17]. Такой поэтапный подход позволяет компании сохранять гибкость [2:10:29]. Разговор о глубоких технологиях и найме талантов перекликается с тем, что ранее в обсуждении затрагивал Исайя Тейлор, когда речь шла о создании физических продуктов в сфере DeepTech.

### Географическая плотность как стратегия масштабирования
[[JUMP:2:13:05]]

Несмотря на привлеченный капитал в размере 2,5 миллиардов долларов, Base Power придерживается осознанно сдержанного подхода к географическому расширению [2:12:52]. Джастин Лопес объясняет это тем, что их бизнес требует не только производства, но и наличия «полевой фабрики» — сотен сотрудников на грузовиках, которые устанавливают и обслуживают оборудование [2:13:44]. Географическая плотность клиентов является критическим фактором эффективности логистики [2:13:44].

Стратегия выхода на новые рынки делится на две ветки:

*   **Децентрализованные рынки (как Техас):** Здесь компания может работать напрямую с потребителями, преодолевая лишь регуляторные барьеры и выстраивая логистику [2:14:09].
*   **Регулируемые рынки (как Калифорния):** Здесь Base Power использует модель B2B, предлагая коммунальным службам «мегаватты как услугу» [2:14:47]. В этом случае компания устанавливает батареи в домах, а коммунальная служба получает право управлять ими для стабилизации своей сети [2:14:47].

Джастин подчеркивает, что один только Техас по объему энергопотребления превосходит многие европейские страны, поэтому фокус на этом регионе оправдан масштабами рынка [2:13:31].

### Робот-демон: Безопасность через пугающую эстетику
[[JUMP:2:16:03]]

Следующий гость, Бо Гастон, представил проект, который ведущие в шутку назвали «ужасающим» — четырехногого робота-кентавра, вооруженного бензопилой [2:16:16]. Бо начал разработку около двух лет назад, вдохновившись открытыми наработками MIT по созданию дешевых квази-прямых приводов (актуаторов) стоимостью около 700 долларов, которые стали базовым блоком для современных гуманоидов [2:16:44].

Основная диссертация Гастона заключается в том, что на первом этапе роботы должны быть в первую очередь сильнее человека, даже если ради этого придется пожертвовать частью их интеллекта или точности [2:17:49]. Выбор бензопилы в качестве инструмента обусловлен тем, что валка леса — самая опасная работа в США (в 30 раз опаснее других профессий), и передача этой задачи машине оправдана с точки зрения сохранения человеческих жизней [2:18:18].

Особое внимание в дискуссии уделили «демонической» эстетике робота с рогами. Бо Гастон объяснил это сознательным решением:

1.  **Предупреждение об опасности:** Гуманоидные роботы часто выглядят безобидно, что вводит людей в заблуждение [2:20:30]. На самом деле это механизмы с огромным крутящим моментом, сравнимые с десятком сверлильных станков, объединенных вместе [2:20:56]. Пугающий вид заставляет людей инстинктивно держаться на расстоянии, что повышает безопасность [2:21:35].
2.  **Характер продукта:** Подобно тому, как люди выбирают автомобили не только за их утилитарность, но и за дизайн, роботы должны обладать индивидуальностью [2:22:55]. Желтая сирена была бы эффективна для безопасности, но «не так интересна» [2:23:20].

### Почему кентавры побеждают гуманоидов
[[JUMP:2:23:34]]

Бо Гастон аргументирует выбор четырехногой формы (кентавра) вместо двуногой (гуманоида) практическими соображениями. Двуногие роботы крайне сложны в балансировке, так как их центр тяжести расположен высоко [2:24:26]. Четыре ноги обеспечивают исключительную стабильность на пересеченной местности, например в лесу, и позволяют поднять чувствительную электронику выше над землей (почти на 1 метр), защищая её от грязи и повреждений [2:24:39].

Управление таким роботом на данном этапе не является полностью автономным [2:27:54]. Бо использует систему, напоминающую управление экскаватором: оператор «паркует» ноги робота, после чего манипулирует верхней частью корпуса как подвижной платформой [2:29:13]. Это гораздо проще и надежнее, чем попытки управлять гуманоидом через VR-перчатки в динамическом режиме [2:29:27].

Интересно, что после виральности видео с роботом, Бо получил запросы не только от частных лиц, но и от полицейских департаментов, которые увидели потенциал использования подобных «кентавров» для обеспечения общественной безопасности и контроля толпы [2:26:50]. Хэнк Грин в шутку отметил, что на рынке мог бы существовать спрос на «роботов-лошадей» для детей, если сделать их головы чуть менее пугающими [2:30:22].

## 🧪 Автономная наука и барьеры верификации
[[JUMP:2:30:34]]

Завершающая часть дискуссии сфокусирована на фундаментальном вопросе: может ли искусственный интеллект не просто помогать человеку, а самостоятельно совершать научные открытия? В студии появляется Рон Арель [2:31:28], сооснователь компании Intology, чтобы обсудить концепцию рекурсивного самосовершенствования (RSI) и будущее автоматизированных исследований. Ранее в разговоре участники уже касались темы ИИ в исследованиях и прорывов OpenAI Astra в математике, но теперь фокус сместился на практическую реализацию автономных лабораторий.

### Intology: ИИ как двигатель рекурсивного самосовершенствования
[[JUMP:2:31:30]]

Миссия компании Intology заключается в полной автоматизации научного поиска, и отправной точкой для этого стал сектор R&D в области самого ИИ [2:31:54]. Рон Арель объясняет, что процесс открытия по своей сути универсален и не зависит от конкретной области (domain agnostic) [2:32:20]. Будь то поиск новых лекарств, разработка материалов или улучшение языковых моделей, структура задачи всегда одинакова: выдвижение гипотезы, проведение эксперимента, получение обратной связи, обучение на результатах и переход к следующей итерации [2:32:33].

Сегодня Intology демонстрирует впечатляющие результаты в автоматизированном пост-обучении (post-training) других языковых моделей [2:31:54]. Это критически важная область, где эксперименты традиционно стоят очень дорого и занимают много времени. Рон Арель подчеркивает, что невозможно просто обучить 15 000 моделей подряд в надежде найти лучшую — это сожжет любой бюджет [2:33:26]. Вместо этого их система учится проводить эффективные эксперименты, извлекая максимум информации из каждой итерации [2:33:39].

Вопрос стоимости вычислений остается острым. На начальном этапе компания полагалась на венчурный капитал, буквально «сжигая» доллары в облаках, но сейчас стратегия изменилась [2:34:18]. Intology построила собственную инфраструктуру и кластеры, которые позволяют оптимизировать использование ресурсов [2:34:30]. Арель признает, что они готовы «выбросить сотни тысяч долларов на стену», но только если уверены, что система способна показать реальный прогресс в решении конкретной задачи [2:34:43].

### Границы прогресса: почему математика даётся ИИ легче биологии
[[JUMP:2:34:56]]

Важной темой обсуждения стал барьер верифицируемости, о котором часто говорит скептик Гари Маркус. Суть проблемы в том, что ИИ демонстрирует взрывной рост в областях, где результат легко проверить (математика, программный код), но буксует там, где цикл обратной связи растянут на годы [2:35:09]. Участники отмечают, что написать сценарий для гениального фильма или шутку гораздо сложнее, чем решить уравнение, потому что критерии успеха субъективны [2:35:23]. В биологии ситуация еще сложнее: верификация требует испытаний на мышах, обезьянах и многолетних клинических исследований FDA [2:35:37].

Рон Арель предлагает технологическое решение этой проблемы: создание систем, которые постепенно «отучаются» от необходимости постоянного обращения к внешнему верификатору [2:36:42].

*   На малых моделях систему можно обучать бесконечно, проверяя каждый шаг [2:36:54].
*   При масштабировании до уровня R&D в медицине или материаловедении система должна использовать внутренние «модели вознаграждения» (reward models), чтобы имитировать обратную связь [2:36:17].
*   Цель состоит в том, чтобы ИИ проводил тысячи виртуальных циклов и обращался к реальному миру (например, к клиническим испытаниям) только на финальном этапе [2:37:32].

Такой подход превращает верификацию из непреодолимого барьера в техническую переменную [2:37:19]. Арель оптимистичен: сообщество AI for Science движется к тому, что разрыв между «проверяемыми» и «непроверяемыми» доменами будет постепенно сокращаться за счет развития синтетических сред тестирования [2:37:45].

### От «копилотов» к суверенным R&D-системам
[[JUMP:2:38:11]]

Взгляд Intology на будущее бизнеса через два года радикально отличается от популярной концепции «второго пилота». Рон Арель заявляет, что они не строят инструменты-помощники (co-pilots) [2:38:00]. Их цель — полностью автономные системы, которые разворачиваются в R&D-среде и работают в бесконечном цикле без участия человека [2:38:11]. Человек в этой схеме остается лишь наблюдателем, который следит, чтобы система «не наломала дров», и принимает финальные открытия в эксплуатацию [2:38:49].

Команда Intology, базирующаяся в Сан-Франциско, состоит из выходцев из DeepMind, Anthropic и Factory AI [2:39:16]. До основания компании Арель и его партнер руководили крупной некоммерческой исследовательской группой, финансируемой Национальным научным фондом (NSF) [2:39:29]. Именно там они опубликовали одни из первых работ по масштабированию во время логического вывода (test-time scaling) в языковых моделях [2:39:41].

Этот академический бэкграунд позволил им по-другому взглянуть на агентное поведение ИИ как на процесс поиска (search process) [2:39:54]. Завершая разговор, Рон отметил, что сейчас наступил идеальный момент для превращения фундаментальных исследований в автономную инфраструктуру, способную совершать научные прорывы в режиме 24/7 [2:40:07]. Подкаст завершается коротким анекдотом о Поле Грэме и его столкновении с ужасно написанной книгой [2:40:46], что служит ироничным напоминанием о том, что даже в эпоху ИИ человеческий опыт (и плохой вкус) все еще имеют значение.