# Аравинд Сринивас: «Главные бенефициары дешевых ИИ-моделей — это прикладные сервисы»

Источник: https://www.youtube.com/watch?v=4jPg4Se9h5g
Канал: 20VC (Harry Stebbings)
Опубликовано: 05.06.2024

---

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
[[JUMP:00:43]]

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 [1:10]. Не зная теории, Сринивас использовал библиотеку *scikit-learn* и интуитивный метод подбора алгоритмов (случайный поиск), что позволило ему победить специалистов в этой области [2:27].

Этот успех придал ему уверенности. Сринивас вспоминает совет Сэма Альтмана: «Нужно заниматься тем, что дается тебе легко, но кажется трудным для других» [2:54]. 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 [4:50].

## 📉 Закон убывающей отдачи и важность данных
[[JUMP:05:44]]

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 [6:10]. 
*   **Секрет успеха:** Реальный прорыв (alpha) обеспечивается тщательной курацией данных, правильным смешиванием языков, кода, математических задач и цепочек рассуждений (chain of thought) [6:49].
*   **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 [7:53].

### 📉 Провал вертикализации моделей
[[JUMP:08:21]]

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 [8:33].

*   **Кейс BloombergGPT:** Компания Bloomberg потратила огромные средства на обучение собственной финансовой модели, но в итоге GPT-4 превзошла её на всех финансовых бенчмарках [8:50].
*   **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» [10:28].

## ⛓️ Эра логических рассуждений: Q* и STAR
[[JUMP:11:36]]

Сегодняшние модели, по словам Аравинда, находятся на уровне медианного старшеклассника по качеству рассуждений [12:02]. 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) [14:12].
*   **Технологический прорыв:** Сринивас упоминает слухи о проекте Q* от OpenAI и метод STAR (Self-Taught Reasoner), над которым работают исследователи в xAI и Стэнфорде [15:42]. Суть в том, чтобы заставить модель объяснять свои собственные ответы, проверять их на правильность и обучаться на этих объяснениях (bootstrap reasoning) [16:08].
*   **Новая парадигма:** Модели завтрашнего дня будут не просто выдавать ответ, а итеративно улучшать его, запрашивая обратную связь от мира [16:49].

## 🏗️ Бизнес-стратегия: Perplexity как «обертка»
[[JUMP:20:39]]

Сринивас открыто признает, что Perplexity AI не занимается обучением базовых (foundation) моделей с нуля, считая это «проигрышной игрой» для большинства компаний [23:30].

**Инвестиционный тезис Сриниваса:**

*   Обучение базовых моделей требует огромного капитала, который обесценивается при каждом обновлении лидера рынка [24:20].
*   Главными бенефициарами «коммодитизации» (превращения моделей в общедоступный дешевый ресурс) станут компании прикладного уровня (application layer), такие как Perplexity [46:10].
*   Perplexity фокусируется на постобучении (post-training), тонкой настройке (fine-tuning) и RLHF, чтобы сделать существующие модели идеальными для поиска [23:55].

### 👥 Ценность таланта против капитала
[[JUMP:28:17]]

Несмотря на свободный денежный поток Microsoft в размере $330 млн в день [31:47], 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 [28:30].

## 💰 Монетизация: Реклама и подписки
[[JUMP: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 [34:51].

*   **Рекламная модель:** Сринивас планирует внедрить рекламу в Perplexity, называя кликовую рекламу Google лучшим бизнес-инструментом последних 50 лет [35:57].
*   **Этическая сторона:** Он признает, что основатели Google изначально считали рекламу несовместимой с качественным поиском, но Perplexity постарается избежать этой «жадности», сохраняя объективность ответов [36:34].
*   **Релевантность:** Цель — сделать рекламу такой же полезной, как в Instagram, где она воспринимается как часть контента [38:05].

### 🏢 Выход в Enterprise
[[JUMP:40:45]]

Perplexity запустила версию Enterprise Pro, ориентированную на безопасность и управление данными [41:37].

*   Многие компании боятся утечек данных в ИИ, хотя годами используют обычный поиск Google [41:11].
*   Сринивас планирует переосмыслить внутренний поиск компаний, объединив проприетарные данные, Slack, Notion и внешние источники в едином интерфейсе [42:15].

## 🔮 Будущее: ИИ-Native OS и борьба за факты
[[JUMP:57:46]]

Сринивас видит будущее не в браузерах, а в ИИ-нативных операционных системах, подобных той, что была показана в фильме «Она» (Her) [59:18].

*   **Браузеры не умрут:** Люди все еще хотят «бродить» по интернету, заполнять формы и посещать сайты напрямую [58:00].
*   **2034 год:** Аравинд хочет, чтобы через 10 лет Perplexity стала незаменимым ассистентом для получения фактов и знаний [1:02:20]. В мире, где агентность человека может снизиться из-за ИИ, потребность в истине останется константой [1:02:45].

**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 [1:01:00].