# Ан Малайети из a16z: «Модель — это не продукт, а транзистор для новых решений» Источник: https://www.youtube.com/watch?v=AbgNjvg7ktQ Канал: Eye on AI Опубликовано: 02.06.2025 --- На переднем крае кремниевой долины венчурные инвестиции перестали быть просто вопросом оценки финансовых показателей. Сегодня это глубокая работа по коммерциализации фундаментальной науки. В новом эпизоде подкаста *Eye on AI* **Ан Малайети** (Anjney Midha), генеральный партнер фонда a16z (Andreessen Horowitz), рассказал о своем пути от биоинформатики в Стэнфорде до запуска крупнейших AI-лабораторий мира, таких как Anthropic, Mistral и Black Forest Labs. ## 🎓 Путь от академической науки к венчурному капиталу [[JUMP:01:47]] Ан Малайети начал свою карьеру в машинном обучении (ML) еще в 2011–2012 годах в Стэнфорде, работая с клиническими данными в области здравоохранения [02:14]. Его академический путь изменился после летней стажировки в легендарной фирме Kleiner Perkins. На фоне бума глубокого обучения компании отчаянно нуждались в инженерах, способных развертывать пайплайны на GPU, которые только начали появляться в облаках [03:20]. После работы инвестором в Kleiner Perkins, Малайети основал собственный стартап Ubiquity 6, специализирующийся на высокоточном 3D-картировании с помощью смартфонов [03:48]. Продукт оказался востребован разработчиками дополненной реальности (AR), включая создателей Pokémon Go [04:29]. * В разгар пандемии 2020 года бизнес был продан компании Discord. * Инфраструктура Ubiquity 6 для сетевого взаимодействия сотен людей в реальном времени легла в основу платформы активности Discord [05:32]. * В Discord Малайети руководил платформенным бизнесом и курировал запуск Midjourney, который стал одним из первых «убийственных приложений» (killer apps) на платформе, быстро достигнув многомиллионной выручки [07:46]. ## 🦁 Рождение Anthropic и вера в «законы масштабирования» [[JUMP:06:11]] Работа в Discord свела Малайети с ключевыми исследователями OpenAI. В начале 2021 года Том Браун (один из авторов GPT-3) сообщил ему о намерении группы ученых уйти и основать собственную лабораторию — Anthropic [06:25]. Малайети стал их первым бизнес-консультантом и ангельским инвестором, помогая Дарио Амодеи (CEO Anthropic) структурировать проект. По воспоминаниям инвестора, первая встреча по сбору средств была шокирующей: 1. Дарио Амодеи изначально запросил скромную сумму, но быстро уточнил, что для реализации видения требуется не менее $500 миллионов [33:25]. 2. На тот момент (начало 2021 года) это была «абсурдная» сумма для посевного раунда в глазах рынка. 3. Из 22 венчурных инвесторов Sand Hill Road 21 ответил отказом, называя проект «змеиным маслом» (snake oil) [35:21]. Малайети утверждает, что его убедила концепция «compute multipliers» (множители вычислений), позволяющая обучать модели в 6 раз эффективнее, чем это делало первое поколение [34:25]. К концу 2021 года он осознал, что Scaling Laws (законы масштабирования), работающие для текста, неизбежно сработают для видео и изображений [07:20]. ## 🏗️ Проблемы архитектуры: Горький урок и эпоха «трансфузии» [[JUMP:13:10]] Обсуждая будущее технологий, Малайети придерживается концепции «Bitter Lesson» (Горький урок) Ричарда Саттона. Суть её в том, что грубая вычислительная сила и масштабирование общего алгоритма всегда побеждают специализированные, «хитрые» архитектуры, созданные человеком под конкретные задачи [13:38]. Тем не менее, он выделяет несколько ключевых трендов: * **Гибридные модели (Transfusion):** Мы переходим от чистых трансформеров к гибридам. Малайети предсказывает эру «трансфузии», где авторегрессионные трансформеры объединяются с диффузионными моделями для повышения качества генерации изображений [15:43]. * **Специфическая «последняя миля»:** Общие модели побеждают, но на финальном этапе они будут дополняться специализированными архитектурами типа LSTM или SSM (Mamba) для эффективности в конкретных сценариях [15:15]. * **Интерпретируемость как инженерия:** Вместо того чтобы менять архитектуру на более понятную, но менее мощную, отрасль учится «препарировать» трансформеры. Малайети упоминает метод *circuit tracing* (трассировка схем), который позволяет видеть, какие узлы активируются при решении задач. По его мнению, это похоже на переход от биолаборатории к редактированию генов: сначала мы создали микроскоп, скоро начнем целенаправленно «рулить» моделью [25:17]. ## 📈 Новая эра оценки: Почему MMLU больше не работает [[JUMP:18:37]] По мнению Малайети, фундаментальная проблема AI сегодня — это оценка (evaluation). Статические академические бенчмарки (вроде MMLU) изжили себя. Согласно закону Гудхарта, когда мера становится целью, она перестает быть хорошей мерой — компании просто обучают модели проходить тесты [21:07]. Будущее оценки за: * **Краудсорсингом:** Такие проекты, как LMSYS Chatbot Arena, где живые люди сравнивают ответы вслепую, дают гораздо более реальную картину надежности [21:20]. * **Реальными сценариями:** Надежность в критических областях (медицина, оборона, финансы) нельзя проверить в лаборатории. Нужны циклы обратной связи от специалистов-практиков [22:12]. ## 🤖 Агенты — от слов к действиям [[JUMP:28:35]] Малайети считает, что мы находимся в самом центре перехода от моделей, предсказывающих следующее слово, к моделям, предсказывающим следующее действие [28:49]. * **Где это работает:** В программировании. Код легко верифицировать с помощью автоматических тестов (unit tests), поэтому агентные системы в кодинге развиваются быстрее всего [30:07]. * **Где это буксует:** Общий веб-браузинг. По мнению гостя, создание агента, который может самостоятельно забронировать сложную поездку, пока остается «хрупким» сценарием. Человеку все еще быстрее сделать это самому [54:11]. * **Технический барьер:** Современный интернет не предназначен для ботов (капчи, двухфакторная аутентификация). Малайети видит огромный потенциал в развитии систем верификации личности агентов, которые позволят банкам или магазинам обмениваться токенами доступа напрямую с AI [54:52]. ## 💼 Инвестиционная стратегия a16z: «Одна компания в год» [[JUMP:37:32]] Метод Малайети в a16z напоминает венчур 1970-х годов, когда инвесторы (бывшие инженеры Intel или Fairchild) буквально помогали ученым вывозить оборудование из лабораторий [38:13]. > «Тренировка нейросети сегодня больше похожа на разработку нового лекарства в биотехе, чем на традиционное создание софта», — утверждает инвестор [40:12]. Его подход включает: * **Глубокое погружение:** Малайети помогает основателям еще до регистрации юридического лица. Например, для Black Forest Labs он помогал закупать кластеры H100 до того, как компания была формально создана [41:31]. * **Темп:** Он инвестирует максимум в одну компанию в год, так как стадия выхода из лаборатории требует тотальной вовлеченности [55:46]. * **Модели vs Продукты:** По убеждению Малайети, «модель — это не продукт». Это компонент, как транзистор. Побеждают те, кто строит решения (например, как Mistral со своей платформой La Plateforme или Anthropic с фокусом на ИИ-кодинг) [46:50]. Малайети подчеркивает, что секрет успеха ИИ-стартапа сегодня — это сочетание научной группы мирового уровня и продуктового видения, способного превратить абстрактный интеллект в ценность для конкретной индустрии [47:55].