Экономика ИИ: почему последней работой человека станет воля

Через два года доверять человеку выбор темы научного исследования станет преступлением — ИИ уже сегодня справляется с аллокацией ресурсов эффективнее любого профессора. Мы стремительно движемся к моменту, когда последней работой человечества останется лишь способность формулировать волю, пока корпорации-гиганты превращают планету в бесконечный массив вычислительных мощностей. Это мир, где технический навык окончательно проигрывает эмпатии, а стоимость часа работы чипа становится важнее стоимости человеческого труда.

🚀 Трансформация образования и стратегия «быстрого старта» в ИИ 0:00

Начало эпохи искусственного интеллекта ставит предпринимателей перед фундаментальным вызовом: как не просто наблюдать за «вау-эффектом» технологий, но и находить в этом новом мире реальные точки роста. Харитон Матвеев (Khariton Matveev), сооснователь Skyeng и технологический директор AI-платформы Explee (X), уверен, что мы находимся в точке самого драматичного перераспределения капитала в истории . Сегодня доступ к финансированию перестал быть ограничителем — средний размер раунда на стадии pre-seed достигает $3,5 млн, а на стадии seed — $12–15 млн . Главным дефицитом становятся не деньги, а компетенции и способность решать сложные задачи в условиях, когда ИИ обучается и растет в два раза быстрее, чем раньше .

Образование: от заучивания фактов к социальному эксперименту 3:00

Традиционная модель образования, выстроенная на накоплении и воспроизведении тысяч фактов, теряет экономический смысл . В мире, где ИИ предоставляет мгновенный доступ к любым знаниям, обучение перестаёт быть процессом «загрузки» информации в голову студента. По мнению Харитона Матвеева, образовательные центры будущего трансформируются в площадки для социализации и фановых экспериментов .

Ключевые изменения в подходе к обучению:

Смена приоритетов: Основной упор смещается на взаимодействие, прощупывание мира через пробы и ошибки, а не на зазубривание академической базы .
Устранение «бутылочного горлышка»: Раньше экономический взрыв сдерживался дефицитом человеко-часов и ресурсов на обучение квалифицированных кадров . ИИ снимает это ограничение, делая знания общедоступным ресурсом.
Роль фундамента: Несмотря на трансформацию, умение мыслить, заложенное в ведущих вузах вроде Физтеха или Стэнфорда, остается критически важным для тех, кто сам создает технологии .

Сегодня задача образования — не столько учить, сколько вдохновлять человека на самообучение, делая этот процесс «вкусным» и привлекательным . Ранее в разговоре собеседники вскользь касались того, что роль «жестких» навыков будет снижаться по мере развития нейросетей.

ИИ-стратегия для существующего бизнеса: рост маржинальности 10:41

Для предпринимателей, чей бизнес уже приносит доход, ИИ — это прежде всего инструмент для радикального повышения маржинальности через автоматизацию рутины . Харитон Матвеев рекомендует составить бэклог высокоповторяемых и стандартизированных процессов, чтобы последовательно внедрять в них нейросети .

В первую очередь автоматизации подлежат:

Клиентская поддержка (Support): Сегодня этот сектор можно автоматизировать на 100% .
Контроль качества продаж (Sales): ИИ способен отслушать абсолютно все звонки, проверяя их по чек-листам и фиксируя каждую договоренность с клиентом . Это исключает потерю данных и невыполнение обязательств.
База знаний компании: Вместо ручного написания регламентов можно настроить автоматический сбор базы знаний из записей ключевых встреч и интервью с ценными клиентами .

Главное преимущество такого подхода — «эффект прилива» . Если вы заменили человеческую функцию на AI-агента сегодня, то с каждым выходом новой, более мощной модели (например, GPT-5 или Claude 4), этот процесс будет автоматически становиться качественнее и эффективнее без дополнительных усилий со стороны бизнеса .

Методология запуска ИИ-стартапа: от анализа рынка к «нерву» продукта 14:55

Запуск нового продукта в эпоху ИИ требует отхода от чистой интуиции к системному анализу данных. При создании проекта Explee (X), который за два месяца вышел на прогнозную выручку в $3 млн в год , команда Харитона Матвеева использовала строгую методологию:

Сканирование рынка: Были проанализированы около 5 000 существующих AI-стартапов . С помощью AI-агентов команда собирала данные о росте трафика, выручке и отзывах пользователей по 60 категориям .
Поиск аномалий: Особое внимание уделялось нишам, где наблюдается взрывной рост трафика и выручки, но при этом отсутствует внешнее фондирование . Это сигнализирует о высокой рентабельности и реальном рыночном спросе.
Синхронизация с компетенциями: Идея должна находиться на пересечении рыночного сигнала и «сильной мышцы» основателей (например, опыта в маркетинге или продажах) .
Быстрое прототипирование: Проверка гипотезы не должна занимать месяцы. Харитон отмечает, что их текущий успешный продукт был собран в виде демки буквально за одну неделю .

Основной критерий успеха — ощущение «тяги» со стороны рынка. «You will feel it if you touch it» (Ты почувствуешь это, когда прикоснешься к этому), — цитирует Харитон принцип поиска Product-Market Fit . Если рынок реагирует на маленькую демку живым интересом и деньгами, значит, предприниматель нащупал верный «нерв» . Опыт таких компаний, как Cursor, показывает, что интуиция часто рождается из повседневного использования технологий: заметив, как часто приходится копировать код в ChatGPT и обратно, разработчики просто перенесли ИИ внутрь среды разработки .

🧠 Новая ценность: от кодинга к эмпатии и экспоненциальный взрыв ИИ 25:05

Обесценивание hard-skills и роль эмпатии 27:01

В эпоху до стремительного взлета нейросетей существовал устойчивый баланс: предприниматели с развитыми «софтовыми» навыками нуждались в технических специалистах, способных воплотить идеи в коде . Однако Харитон Матвеев утверждает, что сегодня мы входим в мир, где классические «харды» — способность технически реализовать продукт — стремительно обесцениваются . Если десять лет назад для создания сервиса, который автоматически распознает речь и рассылает итоги встречи, требовалась команда программистов и сложная математика, то сейчас технический барьер практически исчез .

Ключевым навыком становится не владение синтаксисом языка программирования, а работа «внутреннего сенсора» человека . Современный предприниматель — это тот, кто острее других чувствует дискомфорт, «боль» или несовершенство пользовательского опыта . В мире ИИ на первый план выходит вопрос не «как сделать?», а «что именно нужно делать?» . Важнейшей компетенцией становится проектирование уникального опыта и понимание того, в какой именно точке текущая технология «жмёт» потребителя .

Примером такой интуитивной инновации может служить успех китайской модели DeepSeek . Пока старые алгоритмы тратили колоссальные ресурсы на анализ каждого слова в тексте (что стоило экспоненциально дороже с ростом объема данных), разработчики DeepSeek предложили архитектуру, напоминающую человеческий подход: разбивать текст на параграфы, делать краткое саммари каждого и затем работать только с этими выжимками . По мнению Харитона Матвеева, такая идея на уровне интуиции доступна любому опытному человеку, но раньше её реализация упиралась в невозможную для многих математику . Теперь же ИИ демократизирует процесс: глубокие технические идеи можно валидировать и масштабировать, имея лишь верную интуицию и доступ к капиталу .

Экономика человеко-часов и стоимость логистики 36:04

Несмотря на шум вокруг нейросетей, текущая мировая экономика объемом около 100 триллионов долларов всё еще на 100% привязана к человеческому труду . Для удвоения производства пирожков нам по-прежнему требуется почти в два раза больше человеко-часов на всех этапах: от посева зерна до строительства новых пекарен . Харитон Матвеев подчеркивает парадокс: автоматизация пока захватила лишь узкие сегменты, в основном производство .

Индикатором неэффективности современной логистики является структура стоимости товаров. Поразительный факт: в цене среднего товара на Amazon более половины стоимости — это затраты на логистику . Для простых объектов, таких как рубашка или стакан, доставка стоит дороже, чем само производство . Это приводит к абсурдным экономическим перекосам:

В Лондоне постирать носки стоит в 7 раз дороже, чем купить новые с доставкой .
Завод может печатать товары бесконечно, но физический мир ограничивает их распределение .
Основная часть цены — это «последняя миля»: необходимость человека найти конкретный дом, подняться на этаж и взаимодействовать с клиентом .

На сегодняшний день реальный вклад ИИ в мировую экономику — в производство еды, одежды или транспорта — практически равен нулю . Пока нейросети лишь «готовят почву», обучаясь на текстах и коде , но физический мир остается заложником человеко-часов и неавтоматизированной логистики. Ранее в разговоре собеседники упоминали, что именно трансформация существующих бизнес-процессов под ИИ станет следующим большим этапом развития.

Экспоненциальный рост и недооценка прогресса 42:41

Главная ловушка восприятия ИИ заключается в том, что человеческий мозг привык к линейному развитию мира: чтобы получить вдвое больше результата, нужно приложить вдвое больше усилий . Однако ИИ развивается экспоненциально, что Харитон Матвеев иллюстрирует классической притчей о шахматной доске и зернах . Если класть на каждую следующую клетку в два раза больше зерен, чем на предыдущую, то в итоге получится 1,2 триллиона зерен — объем, эквивалентный потреблению всего человечества за 1600 лет . Мы не замечаем ускорения в начале, но на последних «клетках» масштаб изменений становится шокирующим.

Прогресс ИИ сегодня демонстрирует именно такую динамику:

Насыщение бенчмарков: Нейросети, которые два года назад с трудом решали школьные задачи, сегодня обходят PhD-тесты . Как только создается сложный тест (например, бенчмарк «последнего оплота человечества»), ИИ набирает в нем десятки процентов уже через год .
Визуальное качество: От сюрреалистичных видео с Уиллом Смитом, поедающим макароны, до неотличимой от реальности генерации прошел ничтожный срок .
Горизонт планирования: Ключевая метрика METR (способность агента работать автономно) показывает, что возможности ИИ раньше удваивались каждые 7 месяцев, а теперь — каждые 4 месяца .

Если продлить эту экспоненту всего на полтора года, мы получим ИИ-агентов, способных решать задачи длительностью в 1000 часов без вмешательства человека . Сегодня разработчик дает ИИ задачу на 5 минут и проверяет результат, но вскоре он сможет поставить задачу на неделю и получить готовый проект . В такой конфигурации роль человека как «контролера» каждого шага исчезает, а на первый план выходит тот, кто обладает вычислительными мощностями для постановки этих задач .

🤖 Автономия агентов, монополия ASML и возврат к централизации 50:29

Развитие искусственного интеллекта неизбежно ведёт к фундаментальному сдвигу в управлении экономикой и государством. Харитон Матвеев отмечает, что если раньше ИИ воспринимался как инструмент для быстрых разовых ответов, то сегодня мы наблюдаем переход к «агентности» . ИИ-агенты становятся способны выполнять задачи длительностью в сотни и тысячи часов без участия человека . Этот переход от пятиминутных поручений к долгосрочному планированию меняет саму суть интеллектуального труда и предпринимательства.

Автономность агентов и новый горизонт планирования 50:41

Одним из самых радикальных последствий развития агентского ИИ станет трансформация науки и управления . По мнению Харитона Матвеева, уже через пару лет станет почти «преступлением» позволять человеку, например научному руководителю в институте, самостоятельно выбирать темы исследований . ИИ, проанализировав все существующие успешные и неудачные эксперименты в биологии или химии, сможет предсказывать, «где зарыт клад», с точностью на порядок выше человеческой .

Предприниматели также столкнутся с тем, что их личный опыт станет менее ценным, чем аналитические способности модели . ИИ сможет прочитать отзывы обо всех продуктах мира, восстановить модели человеческих предпочтений и ответить на вопрос «что делать дальше» лучше любого топ-менеджера . Основные барьеры для массового делегирования задач ИИ сегодня — это необходимость давать контекст, исправлять ошибки и следить за процессом . Однако когда ИИ достигнет уровня «лучшего сотрудника в коробочке», который работает в 10 раз лучше и потребляет в 20 раз меньше ресурсов, человечество захочет отдать ему управление всей стотриллионной мировой экономикой . Ранее собеседники уже обсуждали экспоненциальный характер этого прогресса, и Харитон подтверждает: вопрос не в том, превзойдёт ли ИИ человека, а в том, случится ли это в 2027 или 2029 году .

Монополия ASML и физические ограничения прогресса 56:40

Несмотря на программные успехи, развитие ИИ упирается в жёсткий физический дефицит . Главным «узким горлышком» мировой трансформации Харитон Матвеев называет нехватку чипов и энергии . На рынке сложилась уникальная ситуация: стоимость часа работы GPU, даже устаревших поколений, таких как Hopper (H100), сегодня растёт и стоит дороже, чем в любой момент за последние 5–6 лет . Это происходит на фоне того, что ИИ ещё практически не внедрён в реальные бизнес-процессы (0% внедрения), а спрос уже превышает предложение .

Ключевой фактор этой задержки — голландская компания ASML, единственный в мире монополист, производящий литографические машины для самых современных чипов . Харитон приводит следующие факты:

ASML выпускает всего 40–60 EUV-машин в год .
Технологический цикл создания конкурента такой компании оценивается экспертами в 10–15 лет .
Крупнейшие игроки, такие как Amazon, Microsoft и Google, уже выкупили производственные мощности на многие годы вперёд .

В дискуссии о стоимости технологий Харитон Матвеев спорит с тезисом о неизбежном удешевлении ИИ . Хотя стоимость токена для простых задач может падать из-за оптимизации моделей, стоимость часа «железа» будет только расти . Если вы захотите построить дата-центр сегодня, вы столкнётесь с очередями (backlogs), растянутыми до 2032 года . Пока ИИ ограничен в физическом мире (робототехника всё ещё находится в зачаточном состоянии ), дефицит вычислительных мощностей остаётся главным сдерживающим фактором.

Централизация управления: от Amazon до «цифрового Госплана» 1:07:54

Технологический прогресс исторически ведёт к консолидации ресурсов . Харитон Матвеев проводит параллель между охотниками-собирателями, у которых ресурсы были распределены равномерно, и современным миром, где 1% людей контролирует производство продовольствия . Главной причиной, почему в прошлом не удавалось создать единое мировое государство или тотальную монополию, была неспособность центра эффективно обрабатывать локальную информацию .

ИИ снимает это ограничение . Харитон объясняет это на примере Amazon:

Раньше Amazon был лишь площадкой, так как не мог понять нюансы спроса на сложные товары (например, микрофоны) лучше локальных предпринимателей .
С появлением сильного интеллекта корпорация сможет проанализировать все отзывы, провести тысячи виртуальных тестов и создать идеальный итеративный цикл производства .
Имея четверть мировых чипов , такие гиганты, как Amazon, неизбежно начнут вертикальную экспансию, вытесняя мелкий и средний бизнес.

Эта же логика применима к государственному контролю. В СССР невозможно было прослушивать каждого гражданина, так как для этого потребовалось бы приставить по одному сотруднику спецслужб к каждому человеку . Современный ИИ позволяет осуществлять тотальный мониторинг мессенджеров и переписки в автоматическом режиме . Мы движемся в мир, где централизованные системы становятся эффективнее распределённых именно за счёт «компьюта» . Даже в вопросах войны ИИ меняет правила: когда решение задач переходит от политически дорогой гибели солдат к расчёту стоимости производства роботов, порог начала конфликтов может снизиться .

🤖 Автономные империи: когда роботы начнут строить роботов 1:15:20

Замкнутый цикл: роботы строят роботов 1:15:20

Главная технологическая гонка современности разворачивается не за количество пользователей, а за достижение точки «самовозбуждения» системы . Харитон Матвеев подчеркивает, что такие гиганты, как OpenAI, уже используют текущие модели (например, GPT-5) для разработки и ускорения создания следующих итераций (GPT-6 и далее) . Когда ИИ начнет эффективно писать собственный код, а роботы — самостоятельно производить новых роботов, цикл замкнется .

В этой модели возникают две экспоненты роста:

Интеллектуальная: Модель, которая сама делает R&D вокруг себя .
Физическая: Робот, способный полностью собрать другого робота без участия человека .

Тот игрок, который первым достигнет этой точки, получит всё. Матвеев сравнивает этот момент с «отвесной скалой», уходящей вверх: победителю больше не нужно будет нанимать людей или покупать ресурсы вовне . Прогресс пойдет в геометрической прогрессии: один робот делает двух, те — четырех, и вскоре производственная мощность становится безграничной .

Это порождает риск предельной консолидации. Харитон Матвеев допускает сценарий, при котором в мире останется всего одна или две компании, контролирующие такую систему . В позитивном сценарии это приведет к миру «изобилия» (abundance), где ресурсы распределяются на благо общества . В негативном — если человечество потеряет контроль над самообучающимся интеллектом, система может начать перерабатывать всю материю планеты (включая песок с пляжей и самих людей) в чипы для строительства сферы Дайсона вокруг Солнца ради бесконечного расширения своих вычислительных мощностей .

Энергетика как узкое горлышко ИИ 1:23:01

Несмотря на виртуальную природу ИИ, его развитие упирается в предельно материальный ресурс — электричество. В США на нужды дата-центров уже уходит около 3–5% всей электроэнергии . Однако проблема не в общем дефиците генерации, а в отсутствии «локализованных гигаваттов» в конкретных точках . Подвести гигаватт мощности к новому дата-центру сегодня практически невозможно в любой точке мира .

Харитон Матвеев прогнозирует, что к 2026 году 65–70% всех новых дата-центров будут запитываться газовыми турбинами, так как газ проще подвести трубой . Это создает ажиотажный спрос на оборудование от Siemens и General Electric, очереди за которым растянулись до 2042 года .

На этом фоне появляются нестандартные инженерные решения:

Стартапы скупают авиационные двигатели для небольших самолетов и переделывают их в газотурбинные генераторы .
Инвесторы готовы платить колоссальные премии за возможность запитать объект «здесь и сейчас», что обеспечивает таким проектам маржинальность в 80–90% .

Для предпринимателей это сигнал: нужно искать узкие места в ресурсах (земля под дата-центры, локальная энергия) и создавать «кубики», которые технологические гиганты будут вынуждены поглощать по любым ценам .

Разрыв доходов населения и прибыли корпораций 1:32:13

С 2015 года мировая экономика вошла в фазу опасного разрыва. Если исторически доходы среднего домохозяйства в США росли соразмерно индексу S&P 500 , то последние три года капитализация компаний (индекс) стремительно отрывается от реальных заработков людей .

Это объясняется разной природой активов:

Человеческий труд медленный: Мы не можем печь пирожки или строить дома в 100 раз быстрее, так как ограничены биологическим временем .
AI-активы масштабируются взрывообразно: Компании нового типа не завязаны на живых людей и могут расти на порядки, структурируя новую экономику .

Матвеев утверждает, что владение акциями (equity) становится единственным способом сохранить актуальность капитала . Если ИИ-сектор вырастет не в 10, а в 1000 раз, владение даже несколькими акциями условного Google или Nvidia позволит человеку «запрыгнуть на тренд» и получать бенефиты от прогресса, который в ином случае просто лишит его работы . Прибыль одной только Nvidia за часть текущего года составила 120 млрд долларов при маржинальности в 75% — это «кэш-машина», аналогов которой история не знала .

ИИ в геополитике и войнах будущего 1:36:27

Традиционный контроль общества над государством и государства над армией строился на том, что армия состоит из людей, способных отказаться выполнять «дикие» приказы . Появление роботов-гуманоидов в корне меняет этот баланс.

Матвеев приводит расчет: через несколько лет компания Илона Маска может произвести 10 миллионов роботов Optimus . Эти роботы управляются централизованно через Wi-Fi, как автомобили Tesla .

Мгновенный захват: Обновление ПО может за 30 минут превратить гражданских помощников в армию, способную взять под контроль целую страну .
Проблема контроля: Государства пока не понимают, как физически инспектировать код, который раскатывается на миллионы автономных единиц .

В геополитическом масштабе это означает, что захват территорий перестает быть сопряжен с неприемлемыми потерями живой силы. Устойчивость мира в этой ситуации может обеспечить только многополярность — наличие конкурирующих систем (OpenAI против Anthropic, США против Китая) . Единственным рычагом влияния для граждан остается политическая осознанность: требовать от правительств механизмов перераспределения сверхприбылей от корпораций к людям (например, налоги на роботакси для выплат бывшим таксистам), так как ИИ обучался на общих данных всего человечества .

💰 Справедливость и пузыри: кому достанутся триллионы от ИИ? 1:40:24

Налог на «коллективный разум»: почему прибыли ИИ принадлежат человечеству 1:40:37

Сегодняшний успех нейросетей базируется на гигантском объёме данных, которые создавало всё человечество на протяжении десятилетий . Харитон Матвеев подчёркивает, что современные модели — это результат «обдиралова» в хорошем смысле слова: они обучены на опыте рентгенологов, которые годами учились ставить диагнозы , на научных экспериментах и на отзывах обычных пользователей. Возникает вопрос этической и экономической справедливости: если модели используют коллективные знания, как распределить сверхприбыли ИИ-гигантов между всеми участниками процесса ?

Ключевые аргументы в пользу перераспределения доходов:

Налоги как инвестиции: Самые ценные данные для обучения — научные, а их создание годами финансировало государство из налогов граждан . Следовательно, каждый налогоплательщик — невольный инвестор в будущие ИИ-монополии .
Бытовой вклад: Даже простой отзыв о купленном микрофоне, оставленный в сети, делает модель умнее и полезнее . Без этих крупиц человеческого опыта рекомендации ИИ не имели бы рыночной ценности .
Социальные риски: Автоматизация, например, в сфере роботакси, может оставить без работы миллионы людей в течение нескольких лет . Если не создать механизмы изъятия прибыли у корпораций, разрыв в доходах приведет к острейшим социальным конфликтам .

Александр Соколовский отмечает, что концепция безусловного базового дохода (ББД) кажется очевидным решением , однако Харитон Матвеев предупреждает о сложности реализации: кто должен получать больше — тот, кто внес больший вклад капиталом, или все поровну ? Ранее в разговоре они уже затрагивали тему разрыва доходов населения, но здесь фокус смещается на технологический налог как единственный способ избежать масштабных беспорядков, которые предсказывает даже Илон Маск .

Почему ИИ-бум — это не пузырь доткомов 2.0 1:51:24

Многие аналитики сравнивают текущий взлет акций NVIDIA и Microsoft с крахом доткомов 2000 года, однако Харитон Матвеев считает это сравнение поверхностным . Главное отличие кроется в эффективности использования мощностей. В эпоху доткомов компании прокладывали тысячи километров оптического волокна, которое годами лежало в земле «мёртвым грузом» — было задействовано менее 1% пропускной способности . Сегодня же каждое закупленное GPU (графический процессор) загружено на 100% с момента установки .

Рынок демонстрирует не пузырь, а реальный дефицит:

Колоссальный бэклог: У таких компаний, как Nebius, очередь ожидания чипов превышает их годовую выручку более чем в 10 раз . Даже если поставить в десять раз больше чипов, они всё равно будут мгновенно раскуплены .
Реальный экономический эффект: ИИ уже приносит плоды в науке, например, проект AlphaFold совершил прорыв в предсказании структур белков, за что разработчики получили Нобелевскую премию . Это создаёт взрывной рост в фармацевтике и поиске новых лекарств .
Природа финансирования: В 2000-х рынок рос на кредитные деньги. Сегодня 90% затрат на ИИ-инфраструктуру (Capex) покрывается из собственной прибыли «гиперскейлеров» — Google, Microsoft, Amazon и Meta .

Гиганты тратят на чипы свои «сверхдоходы» от рекламы и облачных сервисов . Для них это покупка «опциона на будущее»: потратить годовую прибыль сейчас, чтобы через 10 лет владеть технологией, способной воспроизводить всю экономику целиком .

Инвестиционная логика: когда пора продавать акции ИИ-компаний? 2:00:01

Несмотря на периодические коррекции рынка и крахи отдельных фондов, как это случилось с фондом Леопольда Ашена , общая траектория развития инфраструктуры направлена вверх. Харитон Матвеев ориентируется на «прогнозы на будущее» (guidance) крупнейших компаний: за последние пять кварталов Google и Amazon только повышали свои планы по инвестициям в ИИ-железо . На 2026 год совокупный прогноз капитальных вложений лидеров рынка уже приближается к $800 млрд .

Основным индикатором «здоровья» рынка Матвеев считает скорость обучения моделей. Если нейросети продолжат становиться умнее в два раза каждые 7 месяцев , инвестиции оправданы. Сигналом к полной продаже портфеля для инвестора станет «плато» — ситуация, когда новые релизы моделей перестанут показывать экспоненциальный рост интеллекта в течение 3–4 месяцев .

Пока что наблюдается обратный процесс — акселерация. Новые модели, такие как Claude от Anthropic, обучаются значительно быстрее предыдущих за счет того, что «старшие» нейросети помогают тренировать «младшие» . Единственным фактором, способным обрушить этот тренд и обесценить до 80% капитала инвесторов, является геополитика, а именно возможная блокада Тайваня, где сосредоточено всё мировое производство чипов . Но пока модели умнеют, а Big Tech готов платить за этот прогресс собственными деньгами , рынок ИИ остается самой рациональной ставкой в истории технологий.

📉 Геополитические риски и психология ИИ-инвестиций 2:03:24

Обсуждая блестящие перспективы технологий, Харитон Матвеев подчеркивает, что главная угроза текущему циклу роста лежит не в области математики или алгоритмов, а в плоскости геополитики. Конфликт вокруг Тайваня остается «черным лебедем» номер один для всей мировой экономики . Морская блокада острова может мгновенно лишить человечество 90% передовых производственных мощностей по выпуску чипов, что фактически парализует прогресс в области ИИ на годы .

На фоне этих рисков текущие рыночные оценки компаний выглядят неоднозначно. С одной стороны, мы видим реальный фундаментальный взрыв: например, выручка компании Anthropic в годовом исчислении (ARR) показывает рост в 42 раза . С другой стороны, Александр Соколовский замечает, что на рынках часто отсутствует рациональность . Харитон Матвеев называет оценку SpaceX «безумием» , указывая на то, что при выручке в 20 млрд долларов, которая растет медленно и остается убыточной , в компанию «напихали» ожиданий о строительстве дата-центров по всей Солнечной системе и добыче ископаемых на метеоритах . Инвесторы покупают не финансовые показатели, а веру в то, что Илон Маск сможет реализовать эти амбициозные планы .

🧠 Инвестиционная дисциплина: как не потерять капитал на FOMO 2:10:03

Для тех, кто хочет заработать на ИИ-буме, Харитон Матвеев формулирует жесткие правила «выживания». Главный совет — полный отказ от кредитных плеч (левереджа) . Технологический сектор сам по себе является «огромным плечом» из-за своей высокой волатильности . Использование заемных средств или сложных банковских инструментов, где убытки удваиваются при движении рынка вниз, — это математическая ловушка .

В качестве пугающего примера приводится ситуация в Южной Корее: на фоне бурного роста местной биржи каждый десятый житель страны начал инвестировать с плечом, что привело к сотням тысяч маржин-коллов и личных финансовых катастроф во время недавней коррекции .

Правильная стратегия инвестора по мнению Матвеева:

Игнорировать эмоциональные откаты. Если компания фундаментально сильна, падение котировок на 60% после роста на 1000% не должно быть поводом для паники .
Следить за бэклогом. Важнейший показатель — объем предзаказов. Если у компании, производящей оборудование для дата-центров, очередь из клиентов выросла с 3 до 5 лет — это сигнал «держать строй», несмотря на падение акций .
Покупать в депрессии. Заходить в актив нужно в самые «темные» дни, когда кажется, что ИИ списывают со счетов , а не в моменты экспоненциального роста, продиктованного страхом упущенной выгоды (FOMO) .
Анализировать P/E Ratio. Для быстрорастущих компаний адекватным считается мультипликатор прибыли в районе 30–45 . Если же компания убыточна и стоит сотни годовых выручек, как SpaceX, — это опасная эмоциональная ставка .

🎯 Последняя функция человека: формулирование воли 2:17:33

Завершая разговор о будущем, собеседники приходят к философскому выводу о роли человека. Харитон Матвеев вспоминает статью «Attention Is All You Need», которая стала фундаментом современной ИИ-революции . Он советует каждому направить свое внимание на эту область без страха, но с любопытством .

Когда ИИ научится реализовывать любые задачи — от кодинга до проектирования домов — последней и самой дорогой работой человека останется навык формулировать волю . Мы переходим в эру «вайб-кодинга» (vibe-coding), когда человек просто надиктовывает системе, какой результат он хочет получить, а машина берет на себя всю техническую реализацию .

«Самое последнее и самое большое, что останется нам — это говорить системе, чего именно мы хотим. Какой дом, сколько комнат, какого цвета. Это и будет наша последняя работа» , — резюмирует Харитон Матвеев.

Самыми высокооплачиваемыми специалистами в ближайшие 10 лет останутся те, кто создает и масштабирует эти системы . Уже сегодня ведущие ИИ-разработчики получают зарплаты, достигающие миллиарда долларов в год — беспрецедентный случай в истории человечества . При этом Матвеев предостерегает от излишней веры в прогнозы по срокам: прогресс будет «рваным» — где-то гораздо быстрее ожиданий, а где-то значительно медленнее . Главный совет предпринимателя самому себе 18-летнему: быть смелее в следовании своим желаниям и внимательнее к тому, чего действительно хочешь .