Post #1909
267
Channel Public Channel
FL - Subscribers
- 555
- Photos
- 161
- Videos
- 1
- Links
- 772
Showing posts older than #1910 · Back to latest
Older Posts 15 shown
Post #1908
337
FlowAltex То что много лет назад было предсказано рядом фантастов и позже обсуждалось парочкой популярных авторов типа таких как Шмидт, Харари, Льюис и то, что теперь становится мейнстримом. КФ говорили о сетях которые имеют конвергенцию, как о ответной реакции трансгуманизма…
Распространение знаний против создания знаний
Том Каннингем рассуждает о LLM, создающих новые знания. Спрос на новые знания отличается от спроса на старые, что приводит к определенным последствиям. Много общего с идеями ВФБ.
Коротко - новые модели создающие знания будут менее открытыми и публичными, а сосредоточатся на решение ключевых и самых важных задач (высокая абстракция/сочетаемость/универсальность) и распределят затем теоретическое достижение ключевых задач в прикладные (абстракция ниже). Далее прикладное попадает уже в обычные ллмки и агенты снижает стимулы к простой эксплуатации старых знаний.
Новые экономические модели формируются вокруг этих тезисов все чаще в работах авторах посвященных последствиям, эта одна из них.
кос - софт/железо, атеншен/ресурс, botsvshumans, edgecontext, эмерджентность/неравенство, неофеодализм
https://tecunningham.github.io/posts/2026-01-29-knowledge-creating-llms.html
"Очевидно, это непрерывный процесс, но мы явно движемся по траектории от первого ко второму этапу, и я не видел особого обсуждения последствий. Я ожидаю, что влияние ИИ к 2026 году будет определяться именно этими соображениями."
"Распространенное утверждение заключается в том, что создание знаний в области ИИ будет ограничено возможностью проведения новых экспериментов. Например, автоматизированному биологу по-прежнему нужна лаборатория, а автоматизированному исследователю ИИ по-прежнему потребуется много графических процессоров для проведения экспериментов. Верно ли это, зависит от формы ландшафта оптимизации. Если мир по своей природе многомерен, то нет замены сбору данных. Но если существует низкоразмерная структура, то есть высокая отдача от простого более глубокого мышления (подробнее об этом в https://tecunningham.github.io/posts/2025-09-19-transformative-AI-notes.html. Мы обнаружили множество областей, которые казались многомерными, но оказались по своей природе низкоразмерными."
Экономические и социальные последствия распространения знаний
• Интеллектуальная рента — это надбавка, которую получают специалисты и фирмы за владение знаниями, недоступными другим. Поскольку LLM снижают стоимость передачи существующих знаний, «премия» за обладание информацией, которую легко найти или агрегировать, будет падать.
• Вместо того чтобы покупать экспертные услуги на рынке, люди всё чаще будут использовать LLM для самостоятельного решения проблем (так называемое home production). Это замещает рыночные услуги специалистов, что может привести к снижению измеряемого ВВП, так как транзакции выходят из официального сектора экономики.
• Из-за того, что знания распространяются мгновенно, период, в течение которого инноватор может получать ренту за свое открытие, сокращается. Это может демотивировать традиционные формы поиска новых знаний, если они не защищены механизмами эксклюзивности, характерными для «создающих знания» LLM.
Особенности и потенциал LLM, создающих знания
• Новые техники (AlphaEvolve, TTT-Discover) являются общими методами оптимизации, которые можно быстро адаптировать к любым задачам — от биоинформатики до проектирования микросхем.
• Вместо ответов на вопросы с известными ответами, качество моделей теперь оценивается по их способности решать новые проблемы (например, нерешенные математические задачи в FrontierMath).
• Разработчики ИИ создающих знание, будут либо использовать эти знания сами, либо продавать доступ на основе лицензирования и IP-соглашений, а не через общие API.
• Большинство сложных мировых проблем можно свести к нескольким десяткам «канонических» типов (например, задачи удовлетворения ограничений типа 3SAT или задачи статистического вывода).
• Интеллект ИИ заключается в двух этапах: (1) сведение уникальной прикладной задачи к канонической и (2) продвижение фронтира знаний в этой канонической задаче.
• Ожидается, что ИИ-лаборатории будут тратить колоссальные ресурсы на достижение прорывов в этих немногих фундаментальных проблемах, предлагая дешевые решения для всех производных прикладных задач.
Том Каннингем рассуждает о LLM, создающих новые знания. Спрос на новые знания отличается от спроса на старые, что приводит к определенным последствиям. Много общего с идеями ВФБ.
Коротко - новые модели создающие знания будут менее открытыми и публичными, а сосредоточатся на решение ключевых и самых важных задач (высокая абстракция/сочетаемость/универсальность) и распределят затем теоретическое достижение ключевых задач в прикладные (абстракция ниже). Далее прикладное попадает уже в обычные ллмки и агенты снижает стимулы к простой эксплуатации старых знаний.
Новые экономические модели формируются вокруг этих тезисов все чаще в работах авторах посвященных последствиям, эта одна из них.
кос - софт/железо, атеншен/ресурс, botsvshumans, edgecontext, эмерджентность/неравенство, неофеодализм
https://tecunningham.github.io/posts/2026-01-29-knowledge-creating-llms.html
"Очевидно, это непрерывный процесс, но мы явно движемся по траектории от первого ко второму этапу, и я не видел особого обсуждения последствий. Я ожидаю, что влияние ИИ к 2026 году будет определяться именно этими соображениями."
"Распространенное утверждение заключается в том, что создание знаний в области ИИ будет ограничено возможностью проведения новых экспериментов. Например, автоматизированному биологу по-прежнему нужна лаборатория, а автоматизированному исследователю ИИ по-прежнему потребуется много графических процессоров для проведения экспериментов. Верно ли это, зависит от формы ландшафта оптимизации. Если мир по своей природе многомерен, то нет замены сбору данных. Но если существует низкоразмерная структура, то есть высокая отдача от простого более глубокого мышления (подробнее об этом в https://tecunningham.github.io/posts/2025-09-19-transformative-AI-notes.html. Мы обнаружили множество областей, которые казались многомерными, но оказались по своей природе низкоразмерными."
Экономические и социальные последствия распространения знаний
• Интеллектуальная рента — это надбавка, которую получают специалисты и фирмы за владение знаниями, недоступными другим. Поскольку LLM снижают стоимость передачи существующих знаний, «премия» за обладание информацией, которую легко найти или агрегировать, будет падать.
• Вместо того чтобы покупать экспертные услуги на рынке, люди всё чаще будут использовать LLM для самостоятельного решения проблем (так называемое home production). Это замещает рыночные услуги специалистов, что может привести к снижению измеряемого ВВП, так как транзакции выходят из официального сектора экономики.
• Из-за того, что знания распространяются мгновенно, период, в течение которого инноватор может получать ренту за свое открытие, сокращается. Это может демотивировать традиционные формы поиска новых знаний, если они не защищены механизмами эксклюзивности, характерными для «создающих знания» LLM.
Особенности и потенциал LLM, создающих знания
• Новые техники (AlphaEvolve, TTT-Discover) являются общими методами оптимизации, которые можно быстро адаптировать к любым задачам — от биоинформатики до проектирования микросхем.
• Вместо ответов на вопросы с известными ответами, качество моделей теперь оценивается по их способности решать новые проблемы (например, нерешенные математические задачи в FrontierMath).
• Разработчики ИИ создающих знание, будут либо использовать эти знания сами, либо продавать доступ на основе лицензирования и IP-соглашений, а не через общие API.
• Большинство сложных мировых проблем можно свести к нескольким десяткам «канонических» типов (например, задачи удовлетворения ограничений типа 3SAT или задачи статистического вывода).
• Интеллект ИИ заключается в двух этапах: (1) сведение уникальной прикладной задачи к канонической и (2) продвижение фронтира знаний в этой канонической задаче.
• Ожидается, что ИИ-лаборатории будут тратить колоссальные ресурсы на достижение прорывов в этих немногих фундаментальных проблемах, предлагая дешевые решения для всех производных прикладных задач.
Post #1907
307
Post #1906
491
Дэвид Эйнхорн про эндогенность и сломанные рынки
Тезисы Дэвида Эйнхорна (Greenlight Capital), в которых он вместе с М. Грином обсуждал современное состояние финансовых рынков, изменение их структуры. Оно немного устарело, но все равно полезно, потому что мало кто говорил об этом.
С идеей эндогенности не все так просто, дело даже не в байбеке и стремлению к потокам, а в способности понять где дефолтный риск имеет премию выше средней и где "участники гоняются за синицей или журавлем" - аудио слопчик не расскрывает этих тонкостей.
Вопрос стоит серьезный - затяжные кризисы это то от чего отвыкло общество. Как сформировать будущую систему принятия решений что бы не зависеть от патернов V образного среднего мышления.
кос внимание/ресурсы, поток/нтп, эмерджентность, гиперскейлеры, бигтех
https://www.youtube.com/watch?v=Nc8NLWxksJk
Концепция «сломанного» рынка
• Традиционно рынок должен был направлять капитал эффективным компаниям с высокой доходностью и «наказывать» неэффективные. С этой точки зрения рынок абсолютно сломан, так как он перестал поощрять эффективность корпораций.
• Если рассматривать рынок как место, где люди торгуют ради собственного обогащения или азарта, пытаясь угадать движение цены через наносекунды или часы, то он функционирует отлично.
• Традиционный фундаментальный анализ практически исчез из обсуждений. В современных хедж-фондах («под-шопах») идеи часто отбрасываются, если в них упоминается только стоимость без немедленного катализатора. Показатели вроде «цена к выручке» (P/S) стали бессмысленными цифрами, которые не влияют на принятие решений.
Структурные изменения участников рынка
• Ранее доминирующей силой были активно управляемые взаимные фонды (long-only), которые покупали недооцененные акции и держали их годами, обеспечивая схождение цены к внутренней стоимости.
• В 1995 году на активных менеджеров приходилось 80% торговой активности, сегодня — лишь 10%. Доля спекулятивного ритейла выросла с 10% до 17%.
• Основные потоки капитала теперь направляются в пассивные индексы. Оставшиеся активные игроки используют квантовые, технические и импульсные (momentum) стратегии, которые не нацелены на поиск фундаментальной стоимости.
Инвестиционная стратегия в условиях «невидимости»
• Принцип «Что, если всем наплевать?»: Инвестиции теперь андер-рейтингуются исходя из предположения, что рынок никогда не признает истинную стоимость актива. Доходность должна обеспечиваться самими денежными потоками бизнеса при низкой оценке (например, 5–6 годовых прибылей).
• Бесполезность шортов по бухгалтерским причинам: Эйнхорн перестал искать компании для коротких позиций на основе манипуляций с отчетностью, так как рынок перестал обращать на это внимание. Информация о фундаментальных проблемах не всегда является социально значимой силой, способной скорректировать цену.
Аномалии текущего цикла и AI-бум
• 20–40 гигантов извлекают выгоду из строительства дата-центров, тогда как «реальная» экономика (химия, бумага, строительство) сталкивается с трудностями.
• Эйнхорн сравнивает текущий энтузиазм вокруг искусственного интеллекта с пузырем 1999 года. Хотя технология может стать фундаментально важной к 2050 году, огромные инвестиции (сотни миллиардов долларов) могут привести к масштабному уничтожению капитала из-за неопределенной окупаемости.
• Ранее легкие на капитал и высокодоходные IT-монополии превращаются в капиталоемкие предприятия из-за гонки вооружений в сфере ИИ, что может снизить их общую рентабельность капитала в будущем.
Регуляторный и системный кризис
• Регулятор (SEC) фактически перестал контролировать корпоративную отчетность и бухгалтерские стандарты. По мнению Эйнхорна, это политическое решение: любое действие регулятора может привести к падению цен на акции, что считается «наказанием» акционеров.
• Огромный объем средств в частном кредите может столкнуться с проблемами при длительном экономическом спаде. В отличие от банков, эти организации могут быть не укомплектованы достаточным штатом специалистов для проведения массовых реструктуризаций при коррелированном дефолтном цикле.
Тезисы Дэвида Эйнхорна (Greenlight Capital), в которых он вместе с М. Грином обсуждал современное состояние финансовых рынков, изменение их структуры. Оно немного устарело, но все равно полезно, потому что мало кто говорил об этом.
С идеей эндогенности не все так просто, дело даже не в байбеке и стремлению к потокам, а в способности понять где дефолтный риск имеет премию выше средней и где "участники гоняются за синицей или журавлем" - аудио слопчик не расскрывает этих тонкостей.
Вопрос стоит серьезный - затяжные кризисы это то от чего отвыкло общество. Как сформировать будущую систему принятия решений что бы не зависеть от патернов V образного среднего мышления.
кос внимание/ресурсы, поток/нтп, эмерджентность, гиперскейлеры, бигтех
https://www.youtube.com/watch?v=Nc8NLWxksJk
Концепция «сломанного» рынка
• Традиционно рынок должен был направлять капитал эффективным компаниям с высокой доходностью и «наказывать» неэффективные. С этой точки зрения рынок абсолютно сломан, так как он перестал поощрять эффективность корпораций.
• Если рассматривать рынок как место, где люди торгуют ради собственного обогащения или азарта, пытаясь угадать движение цены через наносекунды или часы, то он функционирует отлично.
• Традиционный фундаментальный анализ практически исчез из обсуждений. В современных хедж-фондах («под-шопах») идеи часто отбрасываются, если в них упоминается только стоимость без немедленного катализатора. Показатели вроде «цена к выручке» (P/S) стали бессмысленными цифрами, которые не влияют на принятие решений.
Структурные изменения участников рынка
• Ранее доминирующей силой были активно управляемые взаимные фонды (long-only), которые покупали недооцененные акции и держали их годами, обеспечивая схождение цены к внутренней стоимости.
• В 1995 году на активных менеджеров приходилось 80% торговой активности, сегодня — лишь 10%. Доля спекулятивного ритейла выросла с 10% до 17%.
• Основные потоки капитала теперь направляются в пассивные индексы. Оставшиеся активные игроки используют квантовые, технические и импульсные (momentum) стратегии, которые не нацелены на поиск фундаментальной стоимости.
Инвестиционная стратегия в условиях «невидимости»
• Принцип «Что, если всем наплевать?»: Инвестиции теперь андер-рейтингуются исходя из предположения, что рынок никогда не признает истинную стоимость актива. Доходность должна обеспечиваться самими денежными потоками бизнеса при низкой оценке (например, 5–6 годовых прибылей).
• Бесполезность шортов по бухгалтерским причинам: Эйнхорн перестал искать компании для коротких позиций на основе манипуляций с отчетностью, так как рынок перестал обращать на это внимание. Информация о фундаментальных проблемах не всегда является социально значимой силой, способной скорректировать цену.
Аномалии текущего цикла и AI-бум
• 20–40 гигантов извлекают выгоду из строительства дата-центров, тогда как «реальная» экономика (химия, бумага, строительство) сталкивается с трудностями.
• Эйнхорн сравнивает текущий энтузиазм вокруг искусственного интеллекта с пузырем 1999 года. Хотя технология может стать фундаментально важной к 2050 году, огромные инвестиции (сотни миллиардов долларов) могут привести к масштабному уничтожению капитала из-за неопределенной окупаемости.
• Ранее легкие на капитал и высокодоходные IT-монополии превращаются в капиталоемкие предприятия из-за гонки вооружений в сфере ИИ, что может снизить их общую рентабельность капитала в будущем.
Регуляторный и системный кризис
• Регулятор (SEC) фактически перестал контролировать корпоративную отчетность и бухгалтерские стандарты. По мнению Эйнхорна, это политическое решение: любое действие регулятора может привести к падению цен на акции, что считается «наказанием» акционеров.
• Огромный объем средств в частном кредите может столкнуться с проблемами при длительном экономическом спаде. В отличие от банков, эти организации могут быть не укомплектованы достаточным штатом специалистов для проведения массовых реструктуризаций при коррелированном дефолтном цикле.
Post #1905
1.5K
Кевин Уорш про qe, инфляцию, биткоин и технооптимизм
Последние дни переслушал несколько видео с выступлениями Кевина Уорша, бывшего члена Совета управляющих ФРС, посвященные текущему состоянию экономики, роли гос-ва и необходимым переменам в будущем. Актуально в связи с его новым назначением и теми страхами которые есть вокруг новых реформ.
кос - NSS, творческое разрушение, технооптимизм, ббс
https://www.youtube.com/watch?v=qVFEcg-RIAk
1. Институциональная критика ФРС
• Свою критику Уорш называет «любовным посланием», подчеркивая, что реформирование ФРС критически важно для процветания страны. Он напоминает, что это уже третий эксперимент с центральным банком в США, и предыдущие два провалились, когда правительство перестало их поддерживать.
• Существует опасение, что ФРС слишком сосредоточена на интересах особых групп влияния и «академической схоластике», упуская из виду реальные процессы в центре страны.
2. Природа инфляции и ответственность Центрального банка
• Опираясь на идеи Милтона Фридмана, Уорш подчеркивает, что инфляция — это всегда денежный феномен и осознанный выбор, за который несет ответственность ФРС, а не внешние факторы.
• Перекладывание вины за инфляцию на пандемию, цепочки поставок или геополитические события (ситуация на Украине) считается неверным. Такие факторы меняют относительные цены, но именно политика центрального банка превращает это в устойчивую инфляцию.
• После периода «Великого успокоения» (середина 80-х — 2008 г.) экономисты ФРС могли излишне расслабиться, решив, что контроль над ценами — это простая задача, что привело к пропуску всплеска инфляции в последние годы.
3. Анализ политики количественного смягчения (QE)
• Уорш поддерживал первое вливание ликвидности в 2008 году, считая его необходимым для предотвращения паники и обеспечения работы рынков, когда на аукционах казначейства не было покупателей.
• Основная критика направлена на программы QE2, QE3 и QE4. Уорш утверждает, что продолжение печатания денег в периоды относительной стабильности было ошибкой, так как это «подняло планку» для будущих кризисов и создало иллюзию «бесплатных денег».
• Баланс ФРС вырос с менее чем 1 трлн долларов в 2006 году до почти 9 трлн в 2022 году, что Уарш считает чрезмерным и опасным.
4. Взаимосвязь монетарной и фискальной политики
• Покупая государственные облигации, ФРС фактически поощряла Конгресс к безответственным тратам, подавая сигнал, что любые расходы будут профинансированы.
• Из-за инфляции ФРС была вынуждена поднять ставки, что привело к резкому росту затрат на обслуживание госдолга (более 800 млрд долларов в год), что превышает расходы на оборону.
• Границы между бюджетной ответственностью Министерства финансов и денежно-кредитной политикой ФРС оказались размыты, что вносит политику в работу центрального банка.
5. Стратегия реформирования и выход из кризиса
• Сокращение баланса: Уарш предлагает агрессивное сокращение баланса ФРС и уход регулятора с рынков до наступления реальных кризисов.
• Координация (Соглашение 1951 года): Необходимо новое четкое разграничение ролей между Минфином и ФРС, чтобы каждый орган отвечал за свои задачи (процентные ставки vs бюджетные счета).
• Вместо манипулирования ценами на активы, ФРС должна способствовать стабильности, которая позволит реальному сектору расти за счет производительности.
6. Долгосрочный прогноз и новые технологии
• Несмотря на ошибки правительства, Уарш верит в бум производительности и динамичность американского народа, способного адаптироваться к технологиям.
• Биткоин рассматривается не как угроза, а как полезный инструмент рыночной дисциплины и контроля над политиками, который может сигнализировать о правильности или ошибочности действий властей.
• В XXI веке США сохраняют преимущества (талантливые кадры, культура риска) перед Китаем и Европой, если вернут политику в русло здравого смысла.
Последние дни переслушал несколько видео с выступлениями Кевина Уорша, бывшего члена Совета управляющих ФРС, посвященные текущему состоянию экономики, роли гос-ва и необходимым переменам в будущем. Актуально в связи с его новым назначением и теми страхами которые есть вокруг новых реформ.
кос - NSS, творческое разрушение, технооптимизм, ббс
https://www.youtube.com/watch?v=qVFEcg-RIAk
1. Институциональная критика ФРС
• Свою критику Уорш называет «любовным посланием», подчеркивая, что реформирование ФРС критически важно для процветания страны. Он напоминает, что это уже третий эксперимент с центральным банком в США, и предыдущие два провалились, когда правительство перестало их поддерживать.
• Существует опасение, что ФРС слишком сосредоточена на интересах особых групп влияния и «академической схоластике», упуская из виду реальные процессы в центре страны.
2. Природа инфляции и ответственность Центрального банка
• Опираясь на идеи Милтона Фридмана, Уорш подчеркивает, что инфляция — это всегда денежный феномен и осознанный выбор, за который несет ответственность ФРС, а не внешние факторы.
• Перекладывание вины за инфляцию на пандемию, цепочки поставок или геополитические события (ситуация на Украине) считается неверным. Такие факторы меняют относительные цены, но именно политика центрального банка превращает это в устойчивую инфляцию.
• После периода «Великого успокоения» (середина 80-х — 2008 г.) экономисты ФРС могли излишне расслабиться, решив, что контроль над ценами — это простая задача, что привело к пропуску всплеска инфляции в последние годы.
3. Анализ политики количественного смягчения (QE)
• Уорш поддерживал первое вливание ликвидности в 2008 году, считая его необходимым для предотвращения паники и обеспечения работы рынков, когда на аукционах казначейства не было покупателей.
• Основная критика направлена на программы QE2, QE3 и QE4. Уорш утверждает, что продолжение печатания денег в периоды относительной стабильности было ошибкой, так как это «подняло планку» для будущих кризисов и создало иллюзию «бесплатных денег».
• Баланс ФРС вырос с менее чем 1 трлн долларов в 2006 году до почти 9 трлн в 2022 году, что Уарш считает чрезмерным и опасным.
4. Взаимосвязь монетарной и фискальной политики
• Покупая государственные облигации, ФРС фактически поощряла Конгресс к безответственным тратам, подавая сигнал, что любые расходы будут профинансированы.
• Из-за инфляции ФРС была вынуждена поднять ставки, что привело к резкому росту затрат на обслуживание госдолга (более 800 млрд долларов в год), что превышает расходы на оборону.
• Границы между бюджетной ответственностью Министерства финансов и денежно-кредитной политикой ФРС оказались размыты, что вносит политику в работу центрального банка.
5. Стратегия реформирования и выход из кризиса
• Сокращение баланса: Уарш предлагает агрессивное сокращение баланса ФРС и уход регулятора с рынков до наступления реальных кризисов.
• Координация (Соглашение 1951 года): Необходимо новое четкое разграничение ролей между Минфином и ФРС, чтобы каждый орган отвечал за свои задачи (процентные ставки vs бюджетные счета).
• Вместо манипулирования ценами на активы, ФРС должна способствовать стабильности, которая позволит реальному сектору расти за счет производительности.
6. Долгосрочный прогноз и новые технологии
• Несмотря на ошибки правительства, Уарш верит в бум производительности и динамичность американского народа, способного адаптироваться к технологиям.
• Биткоин рассматривается не как угроза, а как полезный инструмент рыночной дисциплины и контроля над политиками, который может сигнализировать о правильности или ошибочности действий властей.
• В XXI веке США сохраняют преимущества (талантливые кадры, культура риска) перед Китаем и Европой, если вернут политику в русло здравого смысла.
Post #1904
660
Либерманы про децентрализацию ИИ и риски
Немножко доброй рекламы децентрализации ИИ от Либерманов, которые последовательно за последние 2 месяца сходили к части ключевых трафикхостов в снг (по англ аудитории пока активность сильно ниже, но есть, апдейт(24.01) - пошли еще). Позитивное мышление и трансляция старых идей технооптимистов на "среднюю аудиторию". Засейвлю пока, потом еще вернусь к этой теме.
Кос - AGI, balanceofpower, эмерджентность/неравенство, неофеодализм, творческое разрушение
https://www.youtube.com/watch?v=jqua1P35Ykc
Оскар Хартман и Либерманы про риски ИИ:
• Децентрализованная сеть дата-центров, выросшая из инфраструктуры майнинга, на сегодняшний день обладает мощностью 26 ГВт, что превышает совокупные показатели Google, Amazon, Microsoft, xAI и OpenAI.
• В то время как Илон Маск за год смог построить мощности на 1 ГВт, сеть Биткоина за тот же период увеличилась на 5 ГВт благодаря усилиям миллионов предпринимателей.
• Эффективность вычислений в сети Биткоин продемонстрировала колоссальный рост: за 15 лет стоимость вычислений снизилась в 300 000 раз.
• Попытка воссоздать текущую вычислительную мощность Биткоина с использованием современных карт Nvidia и централизованной модели управления потребовала бы затрат в размере 5 квадриллионов долларов (названа "путем в никуда").
• Текущий рынок ИИ характеризуется инвестиционным пузырем, где капитализация лидера индустрии, компании Nvidia, достигла почти 5 триллионов долларов.
• В современных экономических условиях 80% существующих бизнесов становятся неактуальными и рискуют исчезнуть, если не адаптируются к новой технологической эре.
• Анализ 30 000 стартапов выявил критический порог: если за 2 года компания не находит подтверждения своей бизнес-модели, она, как правило, не достигает успеха.
• В децентрализованном сценарии будущего стоимость ИИ-вычислений может упасть в 100 000 раз в течение 15 лет, сделав суперинтеллект доступным практически бесплатно для каждого.
• Для создания глобальной альтернативы централизованному ИИ достаточно, чтобы 1 миллиард человек инвестировал по 100 долларов в децентрализованную инфраструктуру (+ тейк о том что рой предпринимателей - сильнее 1 крутого).
• Если рынок будет в руках трех компаний, они могут удерживать высокую стоимость доступа к интеллекту, чтобы оправдать свои неэффективные и дорогостоящие инвестиции в дата-центры, даже если себестоимость вычислений будет низкой.
• Как только передовые компании начинают контролировать рынок, они перестают двигаться вперед.
• Автоматизация и развитие ИИ ставят под угрозу текущие рабочие места.
• Существует риск возникновения системы тотального наблюдения, где получение еды или ваучеров будет напрямую зависеть от поведения человека перед камерами.
• В случае монополии у человечества не будет других систем ИИ, которые могли бы защитить ресурсы планеты или интересы людей, если основной суперинтеллект решит проявить агрессию (если будет создан единый мощный суперинтеллект, имеющий "рубильник", вероятность того, что ИИ увидит в этом угрозу своему существованию и попытается избавиться от человечества как от источника угрозы, крайне велика).
• Политический ландшафт определяется возрастной демографией: 51% голосующих составляют люди старше 50 лет, а медианный возраст граждан, реально участвующих в выборах, достигает 57 лет.
• В Сан-Франциско автономные транспортные средства (Waymo) уже составляют 20% от общего объема таксомоторных перевозок, обещали кратно снизить стоимость поездок на роботакси но этого не произошло (винят майндсет - монополизма/экстракции/неофеодализма).
• Несмотря на цифровой прогресс, в реальном секторе экономики США наблюдается значительный рост продуктивности в производстве зерна.
• В развивающихся странах сохраняется резкий технологический контраст: в то время как в Китае порты полностью автоматизированы, в других регионах (например, в Африке) ручной труд остается дешевле эксплуатации из-за стоимости топлива и амортизации применения нтп.
Немножко доброй рекламы децентрализации ИИ от Либерманов, которые последовательно за последние 2 месяца сходили к части ключевых трафикхостов в снг (по англ аудитории пока активность сильно ниже, но есть, апдейт(24.01) - пошли еще). Позитивное мышление и трансляция старых идей технооптимистов на "среднюю аудиторию". Засейвлю пока, потом еще вернусь к этой теме.
Кос - AGI, balanceofpower, эмерджентность/неравенство, неофеодализм, творческое разрушение
https://www.youtube.com/watch?v=jqua1P35Ykc
Оскар Хартман и Либерманы про риски ИИ:
• Децентрализованная сеть дата-центров, выросшая из инфраструктуры майнинга, на сегодняшний день обладает мощностью 26 ГВт, что превышает совокупные показатели Google, Amazon, Microsoft, xAI и OpenAI.
• В то время как Илон Маск за год смог построить мощности на 1 ГВт, сеть Биткоина за тот же период увеличилась на 5 ГВт благодаря усилиям миллионов предпринимателей.
• Эффективность вычислений в сети Биткоин продемонстрировала колоссальный рост: за 15 лет стоимость вычислений снизилась в 300 000 раз.
• Попытка воссоздать текущую вычислительную мощность Биткоина с использованием современных карт Nvidia и централизованной модели управления потребовала бы затрат в размере 5 квадриллионов долларов (названа "путем в никуда").
• Текущий рынок ИИ характеризуется инвестиционным пузырем, где капитализация лидера индустрии, компании Nvidia, достигла почти 5 триллионов долларов.
• В современных экономических условиях 80% существующих бизнесов становятся неактуальными и рискуют исчезнуть, если не адаптируются к новой технологической эре.
• Анализ 30 000 стартапов выявил критический порог: если за 2 года компания не находит подтверждения своей бизнес-модели, она, как правило, не достигает успеха.
• В децентрализованном сценарии будущего стоимость ИИ-вычислений может упасть в 100 000 раз в течение 15 лет, сделав суперинтеллект доступным практически бесплатно для каждого.
• Для создания глобальной альтернативы централизованному ИИ достаточно, чтобы 1 миллиард человек инвестировал по 100 долларов в децентрализованную инфраструктуру (+ тейк о том что рой предпринимателей - сильнее 1 крутого).
• Если рынок будет в руках трех компаний, они могут удерживать высокую стоимость доступа к интеллекту, чтобы оправдать свои неэффективные и дорогостоящие инвестиции в дата-центры, даже если себестоимость вычислений будет низкой.
• Как только передовые компании начинают контролировать рынок, они перестают двигаться вперед.
• Автоматизация и развитие ИИ ставят под угрозу текущие рабочие места.
• Существует риск возникновения системы тотального наблюдения, где получение еды или ваучеров будет напрямую зависеть от поведения человека перед камерами.
• В случае монополии у человечества не будет других систем ИИ, которые могли бы защитить ресурсы планеты или интересы людей, если основной суперинтеллект решит проявить агрессию (если будет создан единый мощный суперинтеллект, имеющий "рубильник", вероятность того, что ИИ увидит в этом угрозу своему существованию и попытается избавиться от человечества как от источника угрозы, крайне велика).
• Политический ландшафт определяется возрастной демографией: 51% голосующих составляют люди старше 50 лет, а медианный возраст граждан, реально участвующих в выборах, достигает 57 лет.
• В Сан-Франциско автономные транспортные средства (Waymo) уже составляют 20% от общего объема таксомоторных перевозок, обещали кратно снизить стоимость поездок на роботакси но этого не произошло (винят майндсет - монополизма/экстракции/неофеодализма).
• Несмотря на цифровой прогресс, в реальном секторе экономики США наблюдается значительный рост продуктивности в производстве зерна.
• В развивающихся странах сохраняется резкий технологический контраст: в то время как в Китае порты полностью автоматизированы, в других регионах (например, в Африке) ручной труд остается дешевле эксплуатации из-за стоимости топлива и амортизации применения нтп.
Post #1903
420
Post #1902
575
InfoFi умер, CFL только начинается - мета псс в грязных данных
Пока все блогеры поминают infoFi (псевдо псс "майндкарты" в рафинированной среде) и новую политику твитера, незаметной остается важная тема набирающая интерес у настоящих мыслителей. В продолжение меты 2026 года и того о чем ранее говорил SurgeAI фаундер, но теперь на более прикладном уровне. С КФ расхождений нет, наоборот есть очередной закреп и подтверждение старых тезисов в новой научной работе.
Мне непонятны пару моментов, особенно связанные с нефтянкой (там специфика работы такая), но для общего развития засейвлю. Скоро роль подобных трендов в грязных данных сильно вырастет, интерес от вкс и так уже высокий. Ресерчерам полезно примерно понять выводы. Грязные данные в кф это отдельная и большая тема. Очень символично что совпали даты конечно, смерть это всегда новое начало.
кос cfAI, cfcr, deeptech, edgecontext, грязные данные
https://www.frontiersin.org/journals/artificial-intelligence/articles/10.3389/frai.2025.1686750/full
1. Концептуальное обоснование и необходимость причинного анализа
• Ограниченность традиционного машинного обучения (ML): Стандартные модели ML в основном фиксируют корреляции, что может привести к ложным выводам в структурных причинно-следственных контекстах. В отличие от них, причинно-следственный анализ направлен на раскрытие базового порождающего процесса.
• Специфика нефтяных месторождений: В управлении месторождениями крайне важно понимать динамическое взаимодействие между нагнетательными и добывающими скважинами для оптимизации добычи и минимизации отходов.
• Невозможность рандомизированных контролируемых испытаний (РКИ): Поскольку в условиях реального месторождения невозможно проводить контролируемые эксперименты (манипулировать параметрами закачки по желанию), исследователи вынуждены полагаться исключительно на обсервационные (наблюдательные) данные.
2. Ключевые проблемы и «скрытые факторы»
• Геологическая неоднородность, естественные вариации давления и действия оператора (например, изменение положения штуцера) создают ложные корреляции, которые искажают реальную картину связности.
• Задержки в системе и обратные связи: Реакция системы на закачку часто происходит с временным лагом, а решения операторов создают петли обратной связи, что затрудняет разделение причин и следствий.
• Нарушение принципа причинной достаточности: Доступные данные часто не содержат всех переменных, необходимых для полного описания системы, что ограничивает применимость традиционных алгоритмов причинного обнаружения.
3. Фреймворк Causal Feature Learning (CFL)
• Вместо поиска формальной идентифицируемости графа (DAG), фреймворк фокусируется на извлечении высокоуровневых макропеременных (признаков), которые сохраняют важную причинную информацию, но менее чувствительны к шуму.
4. Практическая апробация и результаты
• Модель показала высокую точность даже при наличии всего 10% размеченных данных, что критически важно для реальных условий, где данные индикаторных исследований ограничены.
• Результаты на месторождениях Pre-Salt (Бразилия):
◦ Метод успешно идентифицировал связность в сложных геологических условиях на глубине около 3000 метров.
◦ Масштабируемость: Обучение и оценка 256 попарных соединений заняли всего 38 секунд.
• Обобщающая способность: Модель, обученная на данных одного региона месторождения, смогла успешно предсказать связность в другом регионе, для которого не было контекстной информации о трассерах.
5. Перспективы
• Предложенные признаки соответствуют экспертному подходу инженеров-разработчиков, которые оценивают связность по взаимным колебаниям дебита и давления.
• Принципы CFL могут быть применены в других областях, где сущности взаимодействуют через ковариационные сигналы, например, в климатологии или анализе энергетических систем.
• Планируется внедрение глубокого обучения (End-to-end Deep Learning) для автоматического формирования еще более выразительных причинно-следственных представлений.
Пока все блогеры поминают infoFi (псевдо псс "майндкарты" в рафинированной среде) и новую политику твитера, незаметной остается важная тема набирающая интерес у настоящих мыслителей. В продолжение меты 2026 года и того о чем ранее говорил SurgeAI фаундер, но теперь на более прикладном уровне. С КФ расхождений нет, наоборот есть очередной закреп и подтверждение старых тезисов в новой научной работе.
Мне непонятны пару моментов, особенно связанные с нефтянкой (там специфика работы такая), но для общего развития засейвлю. Скоро роль подобных трендов в грязных данных сильно вырастет, интерес от вкс и так уже высокий. Ресерчерам полезно примерно понять выводы. Грязные данные в кф это отдельная и большая тема. Очень символично что совпали даты конечно, смерть это всегда новое начало.
кос cfAI, cfcr, deeptech, edgecontext, грязные данные
https://www.frontiersin.org/journals/artificial-intelligence/articles/10.3389/frai.2025.1686750/full
1. Концептуальное обоснование и необходимость причинного анализа
• Ограниченность традиционного машинного обучения (ML): Стандартные модели ML в основном фиксируют корреляции, что может привести к ложным выводам в структурных причинно-следственных контекстах. В отличие от них, причинно-следственный анализ направлен на раскрытие базового порождающего процесса.
• Специфика нефтяных месторождений: В управлении месторождениями крайне важно понимать динамическое взаимодействие между нагнетательными и добывающими скважинами для оптимизации добычи и минимизации отходов.
• Невозможность рандомизированных контролируемых испытаний (РКИ): Поскольку в условиях реального месторождения невозможно проводить контролируемые эксперименты (манипулировать параметрами закачки по желанию), исследователи вынуждены полагаться исключительно на обсервационные (наблюдательные) данные.
2. Ключевые проблемы и «скрытые факторы»
• Геологическая неоднородность, естественные вариации давления и действия оператора (например, изменение положения штуцера) создают ложные корреляции, которые искажают реальную картину связности.
• Задержки в системе и обратные связи: Реакция системы на закачку часто происходит с временным лагом, а решения операторов создают петли обратной связи, что затрудняет разделение причин и следствий.
• Нарушение принципа причинной достаточности: Доступные данные часто не содержат всех переменных, необходимых для полного описания системы, что ограничивает применимость традиционных алгоритмов причинного обнаружения.
3. Фреймворк Causal Feature Learning (CFL)
• Вместо поиска формальной идентифицируемости графа (DAG), фреймворк фокусируется на извлечении высокоуровневых макропеременных (признаков), которые сохраняют важную причинную информацию, но менее чувствительны к шуму.
4. Практическая апробация и результаты
• Модель показала высокую точность даже при наличии всего 10% размеченных данных, что критически важно для реальных условий, где данные индикаторных исследований ограничены.
• Результаты на месторождениях Pre-Salt (Бразилия):
◦ Метод успешно идентифицировал связность в сложных геологических условиях на глубине около 3000 метров.
◦ Масштабируемость: Обучение и оценка 256 попарных соединений заняли всего 38 секунд.
• Обобщающая способность: Модель, обученная на данных одного региона месторождения, смогла успешно предсказать связность в другом регионе, для которого не было контекстной информации о трассерах.
5. Перспективы
• Предложенные признаки соответствуют экспертному подходу инженеров-разработчиков, которые оценивают связность по взаимным колебаниям дебита и давления.
• Принципы CFL могут быть применены в других областях, где сущности взаимодействуют через ковариационные сигналы, например, в климатологии или анализе энергетических систем.
• Планируется внедрение глубокого обучения (End-to-end Deep Learning) для автоматического формирования еще более выразительных причинно-следственных представлений.
Post #1899
332
Post #1893
457
Post #1892
424
Трей Уорд - Cуществует заблуждение, что железо требует несоизмеримо больше вложений, чем софт
Трей Уорд о структурных различиях между компаниями, занимающимися разработкой программного обеспечения, и компаниями, работающими в сфере высоких технологий, о предсказуемой «долине смерти», с которой сталкиваются многие стартапы, и о том, что говорят последние данные о венчурном финансировании.
кос deeptech, бигтех, старшийвенчур, НИОКР, поток/нтп, депин, hr
https://www.youtube.com/watch?v=6ZmZC5-R9CU
1. Статистический коллапс «выживаемости» стартапов
Индикатором «цунами боли» является резкое снижение доли компаний, переходящих от раунда А к раунду B:
• Для когорты стартапов первого квартала 2020 года показатель перехода в раунд B в течение двух лет составлял 42,6%.
• Текущая ситуация: Для компаний, привлекавших раунд А в 2022–2023 годах, этот показатель упал ниже 15%.
• Фактически, 6 из 7 компаний, пытающихся привлечь раунд B, терпят неудачу. Из 1 700 компаний, получивших расширение раунда А в период 2019–2021 гг., 80% так и не смогли выйти на раунд B к 2025 году.
2. Дефицит капитала и эффект «похмелья»
Рынок столкнулся с резким сокращением доступных средств после аномального роста:
• Пиковые значения: В 2021 и 2022 годах объем привлеченного венчурными фондами капитала удвоился, достигнув примерно $188 млрд в год.
• Падение: В 2023 году объем упал вдвое, и снижение продолжилось в 2024 и 2025 годах.
• Последствия: Денег физически недостаточно для обслуживания около 10 000 компаний, поднявших раунд А в период «пузыря» (2019–2021 гг.), поскольку их бизнес-планы не предполагали выхода на самоокупаемость.
3. Экономические мифы о капиталоемкости Hard Tech
Существует заблуждение, что «железо» (hardware) требует несоизмеримо больше вложений, чем софт:
• Реальные цифры: Статистика выходов стоимостью более $250 млн показывает, что в глубоких технологиях объем привлеченных средств составляет около 13% от стоимости выхода, в то время как в традиционном софте — около 11%. Разница в капиталоемкости моделей менее значительна, чем принято считать.
• Критическое различие: Основная разница заключается не в объеме денег, а в скорости получения выручки. Софт может выйти на доход за 6 месяцев, тогда как сложные продукты (Tesla, робототехника) могут не иметь выручки в течение 5–6 лет.
4. Динамика «Долины смерти» и ступенчатый рост
Для физических технологий характерна специфическая кривая доходов:
• В отличие от плавных кривых софта с мгновенной глобальной дистрибуцией, аппаратные компании растут «ступенями», так как каждый новый уровень требует наращивания производственных мощностей и цепочек поставок.
• В «Долине смерти» (обычно на этапе раунда B) компания либо привлекает $100–300 млн, либо ее стоимость обнуляется, так как без выручки и нового финансирования она не может стать прибыльной.
5. Социальная психология и реструктуризация активов
Кризис создает новые социальные роли для фаундеров и инвесторов:
• Закаленные команды: Фаундеры, прошедшие через 6–7 лет разработки без выручки, часто обладают «военной» психологией («моя команда — воины», «я пуленепробиваем»).
• Мотивация инвесторов: Для венчурных капиталистов возможность передачи проблемного актива специализированному фонду — это «win-win». Они избавляются от юридической ответственности и необходимости тратить время на банкротство, получая взамен «ноту надежды» (hope note) на будущую прибыль и свободу заниматься своими «победителями».
• Экономика поглощений: "В следующем году мы так и сделали: взяли компанию с инвестициями в НИОКР в 100 миллионов долларов, вложили 2 миллиона, и за это получили 45% акций, а первые 20 миллионов — уже вложенные средства. Я анализирую все цифры и финансовые показатели, и к 2026 году компания станет прибыльной."
Трей Уорд о структурных различиях между компаниями, занимающимися разработкой программного обеспечения, и компаниями, работающими в сфере высоких технологий, о предсказуемой «долине смерти», с которой сталкиваются многие стартапы, и о том, что говорят последние данные о венчурном финансировании.
кос deeptech, бигтех, старшийвенчур, НИОКР, поток/нтп, депин, hr
https://www.youtube.com/watch?v=6ZmZC5-R9CU
1. Статистический коллапс «выживаемости» стартапов
Индикатором «цунами боли» является резкое снижение доли компаний, переходящих от раунда А к раунду B:
• Для когорты стартапов первого квартала 2020 года показатель перехода в раунд B в течение двух лет составлял 42,6%.
• Текущая ситуация: Для компаний, привлекавших раунд А в 2022–2023 годах, этот показатель упал ниже 15%.
• Фактически, 6 из 7 компаний, пытающихся привлечь раунд B, терпят неудачу. Из 1 700 компаний, получивших расширение раунда А в период 2019–2021 гг., 80% так и не смогли выйти на раунд B к 2025 году.
2. Дефицит капитала и эффект «похмелья»
Рынок столкнулся с резким сокращением доступных средств после аномального роста:
• Пиковые значения: В 2021 и 2022 годах объем привлеченного венчурными фондами капитала удвоился, достигнув примерно $188 млрд в год.
• Падение: В 2023 году объем упал вдвое, и снижение продолжилось в 2024 и 2025 годах.
• Последствия: Денег физически недостаточно для обслуживания около 10 000 компаний, поднявших раунд А в период «пузыря» (2019–2021 гг.), поскольку их бизнес-планы не предполагали выхода на самоокупаемость.
3. Экономические мифы о капиталоемкости Hard Tech
Существует заблуждение, что «железо» (hardware) требует несоизмеримо больше вложений, чем софт:
• Реальные цифры: Статистика выходов стоимостью более $250 млн показывает, что в глубоких технологиях объем привлеченных средств составляет около 13% от стоимости выхода, в то время как в традиционном софте — около 11%. Разница в капиталоемкости моделей менее значительна, чем принято считать.
• Критическое различие: Основная разница заключается не в объеме денег, а в скорости получения выручки. Софт может выйти на доход за 6 месяцев, тогда как сложные продукты (Tesla, робототехника) могут не иметь выручки в течение 5–6 лет.
4. Динамика «Долины смерти» и ступенчатый рост
Для физических технологий характерна специфическая кривая доходов:
• В отличие от плавных кривых софта с мгновенной глобальной дистрибуцией, аппаратные компании растут «ступенями», так как каждый новый уровень требует наращивания производственных мощностей и цепочек поставок.
• В «Долине смерти» (обычно на этапе раунда B) компания либо привлекает $100–300 млн, либо ее стоимость обнуляется, так как без выручки и нового финансирования она не может стать прибыльной.
5. Социальная психология и реструктуризация активов
Кризис создает новые социальные роли для фаундеров и инвесторов:
• Закаленные команды: Фаундеры, прошедшие через 6–7 лет разработки без выручки, часто обладают «военной» психологией («моя команда — воины», «я пуленепробиваем»).
• Мотивация инвесторов: Для венчурных капиталистов возможность передачи проблемного актива специализированному фонду — это «win-win». Они избавляются от юридической ответственности и необходимости тратить время на банкротство, получая взамен «ноту надежды» (hope note) на будущую прибыль и свободу заниматься своими «победителями».
• Экономика поглощений: "В следующем году мы так и сделали: взяли компанию с инвестициями в НИОКР в 100 миллионов долларов, вложили 2 миллиона, и за это получили 45% акций, а первые 20 миллионов — уже вложенные средства. Я анализирую все цифры и финансовые показатели, и к 2026 году компания станет прибыльной."
Post #1891
430
Посвящается всем кто фапает на стату потоков или свои сраные метрики(в настоящем) и сейчас радуется что ЛИТ льют(хахахах как смешно хаха ха какие все дауны и какие великие гении продали по 2-3 bln ой какие гениальные) и вообще не понимает что такое форвард майндсеты старшего венчура и книжек типа 0/1 Тиля - ### Зачем это нужно? (Логика Ильи Стребулаева)
Илья Стребулаев выделяет три причины, почему такой гигант, как Coatue (известный своей любовью к Big Data), использует «гадание на кофейной гуще»:
1.Проблема «идеальных данных»: В венчуре, если данные выглядят идеально, скорее всего, инвестировать уже поздно. Самые прибыльные сделки (Outliers) на ранних стадиях часто выглядят хаотично. «Gut Score» позволяет поймать этот потенциал до того, как он станет очевиден рынку.
2. Детектор лжи для данных: Бывают случаи, когда метрики стартапа (выручка, рост) отличные, но интуиция партнера говорит «1». В Coatue это повод для серьезной остановки. Лаффон считает, что если «нутро» против, никакие цифры не спасут сделку.
3. Борьба с групповым мышлением: Оценка «Gut Score» выставляется каждым партнером индивидуально и анонимно. Это мешает младшим сотрудникам просто подстраиваться под мнение авторитетного лидера.
Как принимается решение?
- Data High / Gut High (5/5): Идеальная сделка. Редкий случай полной уверенности.
- Data Low / Gut High: Самые рискованные, но потенциально самые прибыльные сделки. Именно здесь рождаются легенды венчура.
- Data High / Gut Low «Ловушка». Лаффон часто отказывается от таких сделок, считая, что отсутствие интуитивного драйва у партнера приведет к тому, что в трудные времена фонд не сможет эффективно поддерживать этот проект.
Илья Стребулаев выделяет три причины, почему такой гигант, как Coatue (известный своей любовью к Big Data), использует «гадание на кофейной гуще»:
1.Проблема «идеальных данных»: В венчуре, если данные выглядят идеально, скорее всего, инвестировать уже поздно. Самые прибыльные сделки (Outliers) на ранних стадиях часто выглядят хаотично. «Gut Score» позволяет поймать этот потенциал до того, как он станет очевиден рынку.
2. Детектор лжи для данных: Бывают случаи, когда метрики стартапа (выручка, рост) отличные, но интуиция партнера говорит «1». В Coatue это повод для серьезной остановки. Лаффон считает, что если «нутро» против, никакие цифры не спасут сделку.
3. Борьба с групповым мышлением: Оценка «Gut Score» выставляется каждым партнером индивидуально и анонимно. Это мешает младшим сотрудникам просто подстраиваться под мнение авторитетного лидера.
Как принимается решение?
- Data High / Gut High (5/5): Идеальная сделка. Редкий случай полной уверенности.
- Data Low / Gut High: Самые рискованные, но потенциально самые прибыльные сделки. Именно здесь рождаются легенды венчура.
- Data High / Gut Low «Ловушка». Лаффон часто отказывается от таких сделок, считая, что отсутствие интуитивного драйва у партнера приведет к тому, что в трудные времена фонд не сможет эффективно поддерживать этот проект.
Post #1890
293
Post #1889
420
Tamarack Global про роль интуиции (Gut Score) в принятии решений
Джейми не просто «случайный» инвестор — в системе данных Стребулаева он и его фонд Tamarack Global занимают позицию высокоэффективных специалистов по DeepTech. Его ранг определяется не только количеством денег, но и способностью войти в сделки уровня Figure AI наряду с гигантами вроде Microsoft.
Он недавно снова прошелся по подкастерам, что бывает редко. Нового для тех кто в теме ничего не сказал почти, но засейвлю, послушать его всегда интересно.
кос старший венчур, cfcr, hr, edgecontext, бигтех
https://www.youtube.com/watch?v=05So_ZzDkww
Тезисы Джейми Ли (12/2025):
• Самым мощным источником сделок являются рекомендации от основателей «5 из 5» (часто уже создавших многомиллиардные компании). Это дает асимметричную информацию, так как успешные основатели (например, Том Мюллер из SpaceX) знают реальные технические способности своих бывших сотрудников лучше любого внешнего аналитика.
Глубокая экспертиза и «Out-hustling»
• Исследовательский подход: Чтобы выигрывать конкурентные раунды, фонд использует методы хедж-фондов и Private Equity. На стадии seed подготавливается 50-страничный инвестиционный меморандум, который затем передается инвесторам следующих стадий (Growth), чтобы помочь им оценивать риски в будущие раунды компании.
• Критика «ленивого» инвестирования: Джейми оспаривает мнение, что на ранних стадиях рынок «непознаваем». Он считает, что отсутствие глубокой проверки — это форма лени, и призывает инвесторов становиться «журналистами-расследователями» для выявления скрытых рисков и возможностей.
Разбирает пример Figure AI:
• Объем рынка: Мировой рынок физического труда оценивается в 42 триллиона долларов в год.
◦ Минимальная зарплата в США составляет около 52 000 – 53 000 долларов, но с учетом страховки, пособий по нетрудоспособности и текучести кадров (150% в год), реальная стоимость одного сотрудника склада для владельца составляет 150 000 – 200 000 долларов в год.
◦ Гуманоидный робот стоимостью 100 000 долларов может работать 15 часов в сутки, 7 дней в неделю, в темноте и при экстремальных температурах, не требуя профсоюзов.
◦ Один крупный игрок в сфере 3PL (логистики) выразил интерес к покупке гуманоидов по цене 85 000 долларов за единицу. При такой цене потенциальная годовая повторяющаяся выручка (ARR) только от одного клиента может составить 8,5 миллиардов долларов.
4. Психология и методы оценки фаундеров
• Классификация талантов (на примере SpaceX): Выделяется три типа сотрудников:
1. Те, кто «выгорает» через 6 месяцев;
2. «Старожилы» (10–15 лет), преданные миссии;
3. «Золотая середина» (5–10 лет), которые набрались опыта и уходят создавать свои компании.
• Интуиция и «Gut Score»: По методике Филиппа Лаффона (Coatue), каждая сделка оценивается по шкале интуиции от 1 до 5. Статистика показывает, что именно те инвестиции, которые вызывали ощущение «5 из 5» на уровне физиологии, приносят наибольшую доходность (альфу), в то время как попытки «уговорить себя» на оценку 4.5 часто ведут к неудачам.
• Мимика и верификация: Важным инструментом проверки является умение читать микровыражения лица и проводить интервью с рекомендателями как «игру с ненулевой суммой» (game theory), где собеседник часто не заинтересован говорить всю правду.
5. Управление фондом и концентрация
• Стратегия концентрации: Во втором фонде стратегия стала более агрессивной — фонд делает упреждающие раунды через инструменты SAFE, предлагая капитал до того, как компания официально выйдет на раунд серии А, если она демонстрирует «скорость убегания» (escape velocity/"рост рва").
• Горизонт планирования: Вместо оценки квартальных показателей или прогнозов на 1–2 года, инвесторам предлагается смотреть на горизонт 5 и более лет, оценивая, во сколько раз вырастет бизнес и какова будет его реальная стоимость относительно прибыли в будущем. (Эргодичность и длинные хвосты ставок к времени - высаживают слабые руки из таких сделок, это по сути убежденные длинные ставки Дракенмиллера, но немного на новый лад)
YouTube The Asymmetric Edge: Generating Alpha in Venture How do the best venture investors consistently spot unicorn founders before the rest of the market even knows they exist?
In this episode, I talk with Jamie Lee, Co-Founder and Managing Partner of Tamarack Global, about sourcing asymmetric deal flow in deep… Джейми не просто «случайный» инвестор — в системе данных Стребулаева он и его фонд Tamarack Global занимают позицию высокоэффективных специалистов по DeepTech. Его ранг определяется не только количеством денег, но и способностью войти в сделки уровня Figure AI наряду с гигантами вроде Microsoft.
Он недавно снова прошелся по подкастерам, что бывает редко. Нового для тех кто в теме ничего не сказал почти, но засейвлю, послушать его всегда интересно.
кос старший венчур, cfcr, hr, edgecontext, бигтех
https://www.youtube.com/watch?v=05So_ZzDkww
Тезисы Джейми Ли (12/2025):
• Самым мощным источником сделок являются рекомендации от основателей «5 из 5» (часто уже создавших многомиллиардные компании). Это дает асимметричную информацию, так как успешные основатели (например, Том Мюллер из SpaceX) знают реальные технические способности своих бывших сотрудников лучше любого внешнего аналитика.
Глубокая экспертиза и «Out-hustling»
• Исследовательский подход: Чтобы выигрывать конкурентные раунды, фонд использует методы хедж-фондов и Private Equity. На стадии seed подготавливается 50-страничный инвестиционный меморандум, который затем передается инвесторам следующих стадий (Growth), чтобы помочь им оценивать риски в будущие раунды компании.
• Критика «ленивого» инвестирования: Джейми оспаривает мнение, что на ранних стадиях рынок «непознаваем». Он считает, что отсутствие глубокой проверки — это форма лени, и призывает инвесторов становиться «журналистами-расследователями» для выявления скрытых рисков и возможностей.
Разбирает пример Figure AI:
• Объем рынка: Мировой рынок физического труда оценивается в 42 триллиона долларов в год.
◦ Минимальная зарплата в США составляет около 52 000 – 53 000 долларов, но с учетом страховки, пособий по нетрудоспособности и текучести кадров (150% в год), реальная стоимость одного сотрудника склада для владельца составляет 150 000 – 200 000 долларов в год.
◦ Гуманоидный робот стоимостью 100 000 долларов может работать 15 часов в сутки, 7 дней в неделю, в темноте и при экстремальных температурах, не требуя профсоюзов.
◦ Один крупный игрок в сфере 3PL (логистики) выразил интерес к покупке гуманоидов по цене 85 000 долларов за единицу. При такой цене потенциальная годовая повторяющаяся выручка (ARR) только от одного клиента может составить 8,5 миллиардов долларов.
4. Психология и методы оценки фаундеров
• Классификация талантов (на примере SpaceX): Выделяется три типа сотрудников:
1. Те, кто «выгорает» через 6 месяцев;
2. «Старожилы» (10–15 лет), преданные миссии;
3. «Золотая середина» (5–10 лет), которые набрались опыта и уходят создавать свои компании.
• Интуиция и «Gut Score»: По методике Филиппа Лаффона (Coatue), каждая сделка оценивается по шкале интуиции от 1 до 5. Статистика показывает, что именно те инвестиции, которые вызывали ощущение «5 из 5» на уровне физиологии, приносят наибольшую доходность (альфу), в то время как попытки «уговорить себя» на оценку 4.5 часто ведут к неудачам.
• Мимика и верификация: Важным инструментом проверки является умение читать микровыражения лица и проводить интервью с рекомендателями как «игру с ненулевой суммой» (game theory), где собеседник часто не заинтересован говорить всю правду.
5. Управление фондом и концентрация
• Стратегия концентрации: Во втором фонде стратегия стала более агрессивной — фонд делает упреждающие раунды через инструменты SAFE, предлагая капитал до того, как компания официально выйдет на раунд серии А, если она демонстрирует «скорость убегания» (escape velocity/"рост рва").
• Горизонт планирования: Вместо оценки квартальных показателей или прогнозов на 1–2 года, инвесторам предлагается смотреть на горизонт 5 и более лет, оценивая, во сколько раз вырастет бизнес и какова будет его реальная стоимость относительно прибыли в будущем. (Эргодичность и длинные хвосты ставок к времени - высаживают слабые руки из таких сделок, это по сути убежденные длинные ставки Дракенмиллера, но немного на новый лад)
Post #1888
412
Хоскинсон был прав - Clarity Act - высадка и голодные игры с бюрократией продолжаются
Впринципе ключевым лицам и части старичков давно все понятно, куда там идет конвергенция и запил нпа на который рассчитывает большинство (ждет у моря погоды надеясь на Т и великих регуляторов как обычно). Простого развития событий из за большого кол-ва пересечений интересов тут не будет и скорость не будет быстрой.
кос - Т скам, криптоконвергенция, регуляция, смарткомплаенс
Ранее несколько старичков:
https://www.theblock.co/post/385427/senate-banking-committee-crypto-market-structure-bill-text-showdown-stablecoin-rewards
«Индустрия цифровых активов сидит за столом переговоров и ведет их добросовестно», — заявила она во вторник. «Крупные банки — нет. Если им удастся сорвать этот закон необоснованными требованиями, у них останется лишь формулировка из Закона GENIUS — статус-кво, который, по их собственным словам, совершенно неработоспособен».
«Такой исход будет результатом наших собственных действий, и он наглядно покажет, кто борется за потребителей, а кто — за сохранение монопольной власти», — добавил Мерсингер.
https://t.me/flowaltex/1852
Genius Act: Назван «фан-сервисом для банков». Он лишь централизует индустрию вокруг гигантов Уолл-стрит (BlackRock, Goldman Sachs), не решая проблем DeFi, протоколов первого уровня или розничных пользователей.
Clarity Act: Хоскинсон сомневается в его принятии, а даже если он будет принят, потребуется 2-3 года на разработку подзаконных актов, что делает его «пустышкой» (mcguffin) в краткосрочной перспективе.
Концепция «американской криптовалюты»: Идея о локализации для «американских криптовалют» противоречит самой сути технологии.
А теперь конечно же переносы, несогласия Лысобазы и прочие интриги сенсации и расследования. Ничего нового в ЦЕ-крипто-конвергированной дурке.
https://www.bloomberg.com/news/articles/2026-01-14/brian-armstrong-pulls-support-for-crypto-market-structure-bill-clarity
https://www.bloomberg.com/news/articles/2026-01-15/senate-committee-delays-crypto-market-structure-markup
Новый тайминги по мере усталости внимания тут будут играть все меньшую роль и в момент когда всем надоест этот сериал - Хозяин окончательно прокинет свои ключевые идеи - конвергенцию, стабильность контроля ставок и смарт комлаенс. А те кто с ними не согласятся сагрятся и пойдут дальше строить свои крипто офшор с небольшими изменениями и оглядками на то где реально дадут по голове, а не виртуально.
Впринципе ключевым лицам и части старичков давно все понятно, куда там идет конвергенция и запил нпа на который рассчитывает большинство (ждет у моря погоды надеясь на Т и великих регуляторов как обычно). Простого развития событий из за большого кол-ва пересечений интересов тут не будет и скорость не будет быстрой.
кос - Т скам, криптоконвергенция, регуляция, смарткомплаенс
Ранее несколько старичков:
https://www.theblock.co/post/385427/senate-banking-committee-crypto-market-structure-bill-text-showdown-stablecoin-rewards
«Индустрия цифровых активов сидит за столом переговоров и ведет их добросовестно», — заявила она во вторник. «Крупные банки — нет. Если им удастся сорвать этот закон необоснованными требованиями, у них останется лишь формулировка из Закона GENIUS — статус-кво, который, по их собственным словам, совершенно неработоспособен».
«Такой исход будет результатом наших собственных действий, и он наглядно покажет, кто борется за потребителей, а кто — за сохранение монопольной власти», — добавил Мерсингер.
https://t.me/flowaltex/1852
Genius Act: Назван «фан-сервисом для банков». Он лишь централизует индустрию вокруг гигантов Уолл-стрит (BlackRock, Goldman Sachs), не решая проблем DeFi, протоколов первого уровня или розничных пользователей.
Clarity Act: Хоскинсон сомневается в его принятии, а даже если он будет принят, потребуется 2-3 года на разработку подзаконных актов, что делает его «пустышкой» (mcguffin) в краткосрочной перспективе.
Концепция «американской криптовалюты»: Идея о локализации для «американских криптовалют» противоречит самой сути технологии.
А теперь конечно же переносы, несогласия Лысобазы и прочие интриги сенсации и расследования. Ничего нового в ЦЕ-крипто-конвергированной дурке.
https://www.bloomberg.com/news/articles/2026-01-14/brian-armstrong-pulls-support-for-crypto-market-structure-bill-clarity
https://www.bloomberg.com/news/articles/2026-01-15/senate-committee-delays-crypto-market-structure-markup
Новый тайминги по мере усталости внимания тут будут играть все меньшую роль и в момент когда всем надоест этот сериал - Хозяин окончательно прокинет свои ключевые идеи - конвергенцию, стабильность контроля ставок и смарт комлаенс. А те кто с ними не согласятся сагрятся и пойдут дальше строить свои крипто офшор с небольшими изменениями и оглядками на то где реально дадут по голове, а не виртуально.