В новом выпуске подкаста 20VC Гарри Стеббингс (Harry Stebbings) беседует с Аравиндом Сринивасом (Aravind Srinivas), основателем и CEO Perplexity AI. В центре дискуссии — будущее поисковых систем, стратегии выживания стартапов в эпоху «коммодитизации» больших языковых моделей и переход ИИ от простого предсказания следующего токена к полноценным логическим рассуждениям.
🧠 От случайного конкурса к созданию Perplexity AI 0:43
Путь Аравинда Сриниваса в ИИ начался практически случайно. Будучи студентом факультета электротехники в Индии, он принял участие в конкурсе по машинному обучению только потому, что нуждался в деньгах и не был уверен в получении стажировки . Не зная теории, Сринивас использовал библиотеку scikit-learn и интуитивный метод подбора алгоритмов (случайный поиск), что позволило ему победить специалистов в этой области .
Этот успех придал ему уверенности. Сринивас вспоминает совет Сэма Альтмана: «Нужно заниматься тем, что дается тебе легко, но кажется трудным для других» . Позже он изучал обучение с подкреплением (Reinforcement Learning) под руководством ученика Рича Саттона и вдохновлялся успехами DeepMind, которые научили ИИ играть в игры Atari, используя только пиксели экрана .
📉 Закон убывающей отдачи и важность данных 5:44
Существует мнение, что для улучшения производительности модели достаточно просто наращивать вычислительные мощности (compute). Сринивас считает эту позицию нюансированной:
- Курация важнее грубой силы: По мнению гостя, простое вливание $500 млн в кластер и обучение на триллионах токенов не гарантирует превосходства над моделями OpenAI .
- Секрет успеха: Реальный прорыв (alpha) обеспечивается тщательной курацией данных, правильным смешиванием языков, кода, математических задач и цепочек рассуждений (chain of thought) .
- Пример Mistral против xAI: Сринивас приводит пример: модель Grok от xAI имела около 300 млрд параметров, но, по оценке Артура Менша из Mistral, она содержала много «лишних» параметров и не превосходила Mistral 7x8B, которая была в шесть раз меньше .
📉 Провал вертикализации моделей 8:21
Вопреки тезису Рида Хоффмана о том, что будущее за специализированными вертикальными моделями, Сринивас полагает, что общие способности ИИ (general-purpose emergent capabilities) всегда будут побеждать .
- Кейс BloombergGPT: Компания Bloomberg потратила огромные средства на обучение собственной финансовой модели, но в итоге GPT-4 превзошла её на всех финансовых бенчмарках .
- Причина: Магия моделей заключается в их способности к обобщению (abstract IQ), которую они получают, обучаясь на всем массиве интернета. Узкоспециализированные домены просто не обладают достаточным количеством токенов для возникновения такого уровня «интеллекта» .
⛓️ Эра логических рассуждений: Q* и STAR 11:36
Сегодняшние модели, по словам Аравинда, находятся на уровне медианного старшеклассника по качеству рассуждений . Однако переход к «супер интеллекту» изменит все бизнес-модели.
- Стоимость ответа: Если модель сможет давать советы уровня Демиса Хассабиса (DeepMind) или решать задачи как Эйнштейн, пользователи будут готовы платить не $20 в месяц, а $10 млн за одну сессию, если это принесет соответствующий возврат на инвестиции (ROI) .
- Технологический прорыв: Сринивас упоминает слухи о проекте Q* от OpenAI и метод STAR (Self-Taught Reasoner), над которым работают исследователи в xAI и Стэнфорде . Суть в том, чтобы заставить модель объяснять свои собственные ответы, проверять их на правильность и обучаться на этих объяснениях (bootstrap reasoning) .
- Новая парадигма: Модели завтрашнего дня будут не просто выдавать ответ, а итеративно улучшать его, запрашивая обратную связь от мира .
🏗️ Бизнес-стратегия: Perplexity как «обертка» 20:39
Сринивас открыто признает, что Perplexity AI не занимается обучением базовых (foundation) моделей с нуля, считая это «проигрышной игрой» для большинства компаний .
Инвестиционный тезис Сриниваса:
- Обучение базовых моделей требует огромного капитала, который обесценивается при каждом обновлении лидера рынка .
- Главными бенефициарами «коммодитизации» (превращения моделей в общедоступный дешевый ресурс) станут компании прикладного уровня (application layer), такие как Perplexity .
- Perplexity фокусируется на постобучении (post-training), тонкой настройке (fine-tuning) и RLHF, чтобы сделать существующие модели идеальными для поиска .
👥 Ценность таланта против капитала 28:17
Несмотря на свободный денежный поток Microsoft в размере $330 млн в день , компания не может просто «купить» успех в ИИ. Ценность OpenAI или Anthropic заключается не в весах моделей, а в «машине, создающей машину» — уникальной группе людей с неявным знанием о том, как обучать фронтирные системы .
💰 Монетизация: Реклама и подписки 34:36
Аравинд Сринивас считает, что бизнес-модель по подписке за $20 в месяц имеет свои пределы и не обладает достаточной маржинальностью для масштаба YouTube или Netflix .
- Рекламная модель: Сринивас планирует внедрить рекламу в Perplexity, называя кликовую рекламу Google лучшим бизнес-инструментом последних 50 лет .
- Этическая сторона: Он признает, что основатели Google изначально считали рекламу несовместимой с качественным поиском, но Perplexity постарается избежать этой «жадности», сохраняя объективность ответов .
- Релевантность: Цель — сделать рекламу такой же полезной, как в Instagram, где она воспринимается как часть контента .
🏢 Выход в Enterprise 40:45
Perplexity запустила версию Enterprise Pro, ориентированную на безопасность и управление данными .
- Многие компании боятся утечек данных в ИИ, хотя годами используют обычный поиск Google .
- Сринивас планирует переосмыслить внутренний поиск компаний, объединив проприетарные данные, Slack, Notion и внешние источники в едином интерфейсе .
🔮 Будущее: ИИ-Native OS и борьба за факты 57:46
Сринивас видит будущее не в браузерах, а в ИИ-нативных операционных системах, подобных той, что была показана в фильме «Она» (Her) .
- Браузеры не умрут: Люди все еще хотят «бродить» по интернету, заполнять формы и посещать сайты напрямую .
- 2034 год: Аравинд хочет, чтобы через 10 лет Perplexity стала незаменимым ассистентом для получения фактов и знаний . В мире, где агентность человека может снизиться из-за ИИ, потребность в истине останется константой .
Главный риск для стартапа: По мнению Сриниваса, конкуренты вроде Google не убивают стартапы — стартапы убивают себя сами через нерешительность CEO, потерю фокуса и неэффективное использование капитала .
