tldr.daniel

Context is the new gold

- повторю тезис из прошлого поста. Если начать давать моделям достаточно контекста, то они выполнят абсолютно любую интеллектуальную работу строго не хуже человека

- проблема в том, что почти во всех компаниях 40% контекста разбросан по всяким разным системам типо мессенджеров, записей встреч, задачам в jira, орг структурам и документации в confluence. А примерно 60% где-то глубоко в головах людей.

- из-за этого модели такие умные в индустриях где этот контекст точный и полный, например математика, и глупые в любой твоей задаче на работе

- поэтому секрет ai-трансформации компаний в сборе этого контекста. Кто научится собирать его хорошо, быстро и желательно почти незаметно для сотрудников быстрее станет ai-native и трансформируется. Как следствие начнет работать быстрее, эффективнее.

- уже понятно, что следующая большая AI-индустрия это context mining. Уже появляются куча разных компаний, которые пытаются собрать этот контекст за вас: начиная от старых и прямых типо glean, которые подключают сотни коннекторов (slack, confluence, etc) по кнопке и собирают из этого единую базу знаний, заканчивая модными типо edra, которые следят за действиями сотрудников и пытаются восстановить информацию по их действиям.

- думаю уже очевидно, что это следующий большой тренд и думаю скоро вы начнете слышать про сбор контекста из каждого утюга, как в 2024 слушали про RAG, а начиная с 2025 про LLM-агентов.

- из всего этого можно сделать простой и понятный вывод для нас всех. В мире где победили агенты надо учиться таким скиллам в которых контекст собирать тяжело (например физический мир) либо дорого (enterprise продажи) либо становиться интересным другим людям (в шахматах давно модели играют лучше людей, но все знают кто такой Магнус Карлсен)

p.s.
все что я написал, это база, но вспомните сколько раз вы обсуждали на работе как сделать очередного единого ассистента, а сколько раз как записывать все ваши разговоры в коридорах, как аккуратно их переписывать, чтобы моделям быть удобно, и как складывали в одном месте с разными доступами для разных людей, чтобы потом из этого создать начать создавать отдельный слой знаний

Тред для комментариев

Про детерминированный интеллектуальный труд.

Думаю, вы все уже слышали и вероятно, сами чувствуете, что наша работа довольно быстро меняется. Я много про это думаю, анализирую свой опыт в Higgsfield, компании, которая изначально строилась как AI-first, и в Т-Банке, который, наоборот, сейчас пытается пройти черед ИИ-трансформацию.

И вот к какой картине я пришёл на август 2026 года.

Если отбросить всякие очень понятные, хотя на самом деле часто не очень AI-задачи, типа поиска информации, выстраивания guardrails вокруг моделей и так далее, то почти любая интеллектуальная работа, в какой-то момент будет делаться моделями лучше нас, если выполнятся три условия:

Первое:
у компании будет нормально описано, как она вообще работает. То есть будут понятные бизнес-правила и хорошо собранные витрины примерно со всеми данными, которые могут понадобиться для принятия решений: начиная от транзакций и продуктовых событий и заканчивая переписками в мессенджерах и документами.

Второе:
будут хорошие интеграции примерно со всем, что нужно, чтобы эти бизнес-правила выполнить. Тут, думаю, не надо подробно объяснять. Вам ведь нужно запустить A/B-тест, а не получить общую формулу расчёта его длительности.

И третье:
появятся достаточно умные модели, которые смогут хорошо пользоваться и первым, и вторым, понимать контекст компании, самостоятельно разбираться в детерминированной задаче и выполнять её от начала до конца (имхо уже появились!)

Когда все три пункта выполнены, то работа людей относительно быстро и легко автоматизируется.

Хороший пример это классический аналитик, основная функция которого заключается в том, чтобы написать запрос, достать данные, запустить тестик и помочь интерпретировать его результаты. Так вот в современных AI-first стартапах такой аналитик уже не особо нужен. Потому что, если вы изначально подумали про данные, вложились в их описание и сделали несколько интеграций, то примерно любой человек в компании может сам найти нужную информацию, покрутить её, проверить несколько гипотез и сделать все это сильно быстрее чем раньше.

Самое забавное, что все это касается всех профессий занимающихся интеллектуальным трудом. От продуктов и разработчиков до маркетологов и мле. Труд не имеет особого значения, думаю модели будут лучше везде (на самом деле много где уже лучше). И единственное, что будет защищать людей это наличие контекста, умение работать с ним и с его отсутствием, принимать решения когда вообще ничего вокруг не понятно и учитывать факторы, которые мы пока не научились класть в контекст модели. Например проявлять эмпатию на переговорах и закрывать сделки.

При этом верно и обратное. Чем больше понятного контекста в вашей работе тем быстрее ваша профессия изменится, автоматизируется и вам придется меняться.

Чтобы понять где вы на этом спектре есть простой критерий: если вашу работу можно описать примерно как: «мне каждую неделю прилетает тикет, дальше я его качественно выполняю», то рано или поздно ваша компания пройдёт через AI-трансформацию, приведёт в порядок данные, допишет интеграции, опишет бизнес-правила и научится нормально отдавать этот же тикет моделям.

Примерно это уже произошло с большей частью работы аналитиков и разработчиков в AI-first компаниях, и мне сложно придумать причину, почему тот же процесс не должен постепенно пройти и в остальных интеллектуальных профессиях: начиная от дизайнеров и рекрутеров заканчивая маркетологами, продуктами и МЛЕ


p.s.
В ai first стартапах задач в сотни тысяч раз больше чем людей и скорее все трансформировались и начали заниматься другой работой и делать ее по другому. В зрелых корпорациях это скорее не так и если вы еще один аналитик, который ходит на планирования, берет понятные задачи и пьет сидр по пятницам, то самое время задуматься, а что я буду делать через два года и все ли хорошо у меня будет.

Йо, мне 29!

Принимаю поздравления в комментарии, а пока вы их пишите (пишите же?!) я смотрю на свой модельный возврат в whoop и понимаю, что год назад (
см пост выше) он был примерно на год меньше. При этом я все еще считаю, что я молодец и все будет гуд.

Почему так? И что вообще происходило эти 12 месяцев.

- в Q3 и Q4 2025 года делал 40+ тренировок в квартал. Уже из сентября 2026 понимаю, что получилось построил рутину, которая была устойчивой к пиздецу на работе, командировкам, тусовкам и отпускам. Но так уже было. Точно понимал, что самое важное это consistency и привычки. До этого ломался именно на этом.

- Q1 и Q2 2026.
Тренировки тупо стали рутиной. Каждый раз делал примерно одно и тоже, делал это с одними и теме же людьми в одно и тоже время. Правда в мае жестко выпал из-за трех недельной поездки в Китай, но легко вернулся и затащил последнюю неделю. В какой-то момент осознал, что если я дома и почему-то выпадаю из процесса меня начинает ломать и хочется поскорее вернуться.

-Q3 2026
Перехожу в Higgsfield, переезжаю в другую страну, квартиру. Меняю режим работы и все ломается. И тут сразу, спойлер, все ломается потому что я тут тупо не справился.

Не справился выстроить режим тренировок когда заканчивал рабоать поздно утром, и спал в офисе. Не справился потому что ел только фэнси еду из ресторанов, а в выходноЙ, тупо спал весь день, ну ладно еще полтора раза был на хайках. Полтора, потому что во второй раз я прошел 800 метров, и понял, что не могу идти дальше.

Как итог за три месяца после перехода я прибавил три года к модельному возрасту (не метафора, просто + 3 года за 3 месяца). Как-то так.

Что дальше? И почему я рад?

Рад, потому что понял, тогда на хайке, что это критическая точка, понял что скоро сдохну если продолжу так жить.

Понял, что надо начинать с нуля и опять заново выстраивать. рутину и тренироваться.

Рад, потому что после того как вернулись тренировки стал чувствовать себя немного лучше. Думать лучше. Спать лучше. Опять стал немного живым и капельку веселым.

Думаю ситуация точно поправится и я выйду в ноль.

Вот такой пост. Мой друг Федя часто мне говорил, что этот канал про идеального Даниэля, который много ебашит, всех побеждает и вывозит нереальные вещи. Но это точно не так. В жизни я постоянно проебываюсь, грущу, иногда почти опускаю руки и не справляюсь.

При этом всегда рано или поздно встаю что-то меняю и хоть и тяжело, но начинаю с начала и продолжаю пробовать.

P.S.
пост отложенный, отвечу всем примерно через неделю // другую. Ну и спасибо за поздравления (вы же дописали?)

one shitty first attempt down 🥷

надеюсь реакции будут состоять не только из какашек

the taste gap.

Я уже довольно давно хочу начать снимать визуальный контент. Cмотрю много кино, сохраняю референсы. Иногда даже пишу сценарии, которые можно было бы снять, но при этом ничего не сделал, потому что каждый раз я нахожу причину, к которой сначала надо подготовиться. Например, надо научиться нормально говорить на камеру, разобраться со светом, перехать в другую квартиру с красивым фоном, ну или тупо научиться монтировать.

Хотя если честно, всё это полный буллшит и тупо мои отмазки. Настоящая причина намного проще: мне просто ебать как страшно снимать видео, смотреть на результат и понимать, что получилось говно.

При этом такая история со мной происходит вообще не первый раз.

Когда я только начинал работать в консалтинге, я уже примерно понимал, как выглядит хорошая презентация, потому что видел сильные слайды, замечал понятную структуру, аккуратный дизайн и логику, которая ведёт человека от одного вывода к другому, но когда открывал PowerPoint и пытался сделать всё это сам, получалась херня: header был слабым, структура не по минто. Помни как мог много часов подряд пытаться переделать,все двигал, менял, и продолжал не понимать почему почему выглядит хуёво.

Самое неприятное было в том, что я довольно хорошо видел все проблемы, но совершенно не понимал, как их исправить, потому что умение отличить хороший результат от плохого появляется намного раньше, чем способность самому сделать хорошо. Почти всегда в голове есть понятная планка, что есть хорошо, но скиллы находятся на три уровня ниже и как бы ты не старался ты не можешь так быстро ее перепрыгнуть.

Это и есть taste gap и он был со мной примерно всегда, начиная от этого канала до управление командой и публичных выступлений.

И мой главный лернинг такой: taste gap нельзя хакнуть, но его можно понять, осознать и легче пережить. Пережить сделав очень много хуёвых первых попыток без которых никогда не будет хороших

Stay tuned
🥷🥷🥷

А теперь давайте возьмем и начнем постепенно вычеркивть компании из списка.

1/ Сначала уберем инфраструктуру, компании, которые продают вычисления, обучение и запуск моделей:

• Crusoe
• Lambda
• Baseten
• Fireworks AI
• Together AI
• Lightning AI

Остаётся 13 компаний!


2/ Теперь убираем данные, разметку и маркетплейсы специалистов:

• Scale AI
• Surge AI
• Mercor

Остаётся 10!

3/ Теперь все компании основную функцию, которых уже делает компания в 100х раз большле и успешнее с выстроенной и понятной дистрибуцией

Perplexity и Manus напрямую сталкиваются с Google, OpenAI и Claude в поиске и cоздании универсальных AI-агентов.

Cognition // Lovable// Replit // Cursor конкурируют с Claude Code и Codex в создании софта.

4/ Остаются четыре, про которые я не буду ничего писать, так как сам в одной работаю и они все фактически из одной индустрии:

• ElevenLabs
• Midjourney
• Higgsfield
• Kling

Как-то так: AI-cтартапов уже тысячи, но настоящих победителей почти нет. Большинство так или иначе убьетOpenAI, Anthropic или Google вместе новыми релизами моделей и сотнями миллинов вложенных в дистрибуцию.

Сколько компаний из этого списка ты знаешь? (спойлер: меньше, чем думаешь)

Морнинг!

Вокруг AI сейчас такой дикий хайп, что кажется, каждый второй стартап неверотяно успешный и прибыльный (особенно если следить за ig // ln фаундеров). Но если немного разобраться, всё становится интересней.

Сразу факт: во всём мире всего 22 AI-компании пробили $500 млн годовой выручки и это уже вместе с тремя главными AI-лабораториями.

Остальные выглядят как-то так:

• Lovable: $500 млн
• ElevenLabs: $500 млн
• Perplexity: $500 млн
• Manus: $500 млн*
• Cognition: $500 млн*
• Kling AI: $500 млн
• Crusoe: $500 млн*
• Midjourney: $500 млн*
• Higgsfield: $700 млн
• Lightning AI: $500+ млн
• Replit: $525 млн*
• Baseten: $600 млн*
• Lambda: $760 млн*
• Fireworks: $800 млн*
• Together AI: $1 млрд
• Surge AI: $1,4 млрд*
• Scale AI: $2 млрд*
• Mercor: $2 млрд**
• Cursor: $4 млрд


Поверхностный вывод очень простой: реальный AI-рынок пока очень маленький и людей, которые на самом деле научились на нем зарабатывать большие деньги, можно буквально выписать на одном листочке А4.

p.s.
Если не смогли сходу назвать все компаний из списка, стоит срочно разобраться, что именно они делают, Чтобы чуть лучше понимать, куда вообще едет рынок, пока все вокруг просто кричат AI // Claude и Vibe-Coding

p.s.s.
*estimated / unconfirmed
**gross marketplace volume, not net revenue

Life update: больше месяца как я строю higgsfield.ai.

Думаю, большая часть из вас раньше не слышала про компанию. При этом, если разобраться, сейчас это один из самых горячих стартапов в Долине. Короткая выжимка для тех, кто не в курсе:

1/ Higgsfield занимается gen AI-генерацией фото и видео. Мы строим application layer и делаем собственные фундаментальные модели. Сейчас у нас 30 млн пользователей в 238 странах.

2/ Сегодня объявили о Series B: подняли $400 млн при оценке в $5,4 млрд. Раунд залидил DST Global (до нас они инвестировали в Facebook, WhatsApp, Alibaba, Spotify и Airbnb)

3/ Annualized revenue $700 млн. Для сравнения: это больше, чем у Perplexity, ElevenLabs, Lovable и Midjourney.

Фух, теперь после всяких цифр (надеюсь вы еще читаете) расскажу о том, как все это все ощущается изнутри:

• Мы релизим каждый день и из-за этого очень много работаем. Кажется, ещё не было дня, когда я возвращался домой раньше трёх ночи. Часто команда спит прямо в офисе, потому что нужно закончить X и сразу начать Y. Точно нельзя всех победить если работаешь не так

• Мы очень founder-led компания. И оба фаундера вовлечены во всё вокруг. Каждый день общаемся, обсуждаем дизайн, фичи и дистрибуцию, крч все! При этом за ребятами финальное решение.

• У нас почти полностью отсутствуют процессы и это осознанное решение. Компания очень быстро масштабируется, но пытается не становиться корпорацией. У этого оч много плюсов, так за месяц у меня, было всего пару запланированных встреч в календаре. Есть время чтобы думать, прототипировать, но иногда когда тебе нужен кто-то конкретный, его можно долго искать по офису и иногда можно так и не найти.

• У всех фокус на growth. Всегда понимал, что дистрибуция это важно. Сейчас я уверен, что это главное. Очень круто работать в компании, которая действительно умеет её делать. Возможно лучше всех в мире. Думаю этот поинт супер понятный, но пока не окажешься внутри и не прочувствуешь,то не поймешь.


P.S. Нашли меня на фотке?)

Stay tuned
🧩🧩🧩

Привет, мир!

Раньше каждую неюелю садился один у камеры и отвечал на одни и теже вопросы. Потом пересматривал, чтобы понимать как на длинном горизонте менялось мое мнение, что меня волновало в моменте, что из этого важно до сих пор, а про что я уже давно забыл.

Прикольное упражнение, попробуйте!

В этом году решил зафиксировать мнение про индустрию и работу на июль 2026. Сделал это публично и сходил на пять подкастов. Точно забавно будет пересматривать где-то в 2030.

Делюсь и с вами:

1/ https://www.youtube.com/watch?v=jsmbyjQ6WQQ

2/ https://www.youtube.com/watch?v=URTFgSBexzo

3/ youtu.be/ol2CWVZBX7M

4/ https://www.youtube.com/watch?v=zEgzIg_Um0I

5/ https://music.yandex.ru/album/32983979/track/154292280?utm_source=desktop&utm_medium=copy_link

stay tuned
👨‍💻👨‍💻.

Зарплата x2, команда x4, счастья x0

У меня несколько лет была таблица на 10+ параметров, где я трекал всё от дохода и нетворса до подписчиков и размера команды. Каждый месяц ревью, каждый квартал сравнение с бенчмарком из ребят, которых я считал успешными. Таблица росла, я рос вместе с ней, метрики шли вверх, но после каждого достижения кайф длился все меньше и меньше.

Стараешься весь год и получаешь максимальную оценку на ревью и компенсацию x1,5 от текущего дохода, а к среде уже думаешь, что мало. Стараешься, нанимаешь берешь больше ответсвенности, команда увеличивается до 50 человек и тут же вспоминаешь того, у кого 200. Очень из-за этого расстраивался, поэтому и ускорялся, наваливал ещё больше работы и бежал еще быстрее, потому что мой результат существал только относительно чужого, и после того как обгоняешь одних всегда вознимают другие, более успешные ребята.

А потом я заметил паттерн. Самые счастливые недели были те, когда я выпадал из гонки: болел или улетал без связи и забывал открыть таблицу. Читал то, что хотел, а не то, что "надо", и думал над задачами, которые реально драйвили, а не над теми, которые максимизируют оценку на ревью. Зато когда возвращался к таблице тревога появлялась за секунды. Постоянная гонка, fomo и стресс.

Долго не мог сформулировать, что происходит, а потом вдргу смог:

1/ Жизнь это single-player game, ты рождаешься один и умираешь один, все интерпретации и проекциии только твои, вероятно через 3 поколения никому не будет дела и тебя не вспомнят.

2/ Все мои метрики в таблице были multiplayer: они существовали только в сравнении. Размер команды относительно Ромы, подписчики относительно Ани, зарплата относительно Диаса. Ни одна не отвечала на вопрос "а что нужно конкретно тебе?"

Удалил таблицу. Вместо неё оставил годовые цели, single-player цели, которые вероятно возможно, но точно не надо сравнить ни с кем. Счастья стало кратно больше

Stay tuned
🥷🥷🥷

Чай был тот же, а я не был.


Январь 2026:
У меня дома стоит полка китайского чая. да хун пао, шу пуэр 2012 года, лунцзин из тд. Я вообще люблю чай, вожу иногда ребят из команды в чайные, а свой чай привозил из разных поездок, выбирал дегустировал, ну крч вы поняли. При этом за последние полтора года я пью этот чай раз в пол года, когда болею и работаю из дома. Пью из термокружки между созвонами, заливаю кипятком, забываю на 40 минут, Чаще не допиваю, а еще чаще, допиваю уже утром холодным пока жду такси в офис (нельзя болеть больше дня).

Работаю я так из-за огромного FOMO. Уверен, что прямо сейчас происходит the moment в AI, и если остановлюсь хоть на день все проебу. Поэтому почти всегда работаю по 12 часов в день, 6-7 дней в неделю. В будни основная работа, а выходных фокус на свои проекты, учёбу и контент (для вас в этом тг между прочем!). В отпуске чаще становилось хуже: в последних трех работал больше, чем в обычные недели, последний даже полностью провел в своем обычном офисе, только на другом ряду, чтобы не отквекать команду.

Апрель 2026:

Я жестко заебался, но заебался очень забавно, я работаю также: очень рационально, эффективно и много, но потерял вкус. Большую часть того, что я делаю я делаю как робот. Делаю супер механистически. Буквально и метафорически, продукты, которые раньше заряжали, стали ощущаться как таска в трекере, сделал забыл ушел (самый пиздец что увольнения, найм и весь пипл менеджмент стали такими тасками). Я примерно перестал отличать понедельник от пятницы и перестал чувствовать разницу между пуэром и кипятком (хех)

В какой-то момент осознал это и придумал себе микродозинг отдыха. Идея супер простая: прожить разьеб, безделье и чилл, только неверотяно быстро дня так за четыре, чтобы не проебать весь движ в индустрии. Так я уехал в Дагестан, несмотря на все стереотипы это супер крутое и невероятно красивые место (маствизит 100%). На второй день я сидел на веранде в у какого-то рандомного каньона. Заварил чай, просто так это сделал. Наверно первый раз сделал это не один и не между встречами. Чай был тот же самый, что стоит у меня дома но я впервые за месяцы почувствовал его вкус. Земля, дым, запах, послевкусие всё то, за что я его когда-то выбирал.

Мораль:
Работать очень круто и интересно, но важно не терять способность чувствовать то, ради чего вообще стоит работать.

Как Китай зафоркал аэропорт 270 раз и сэкономил $600 млрд

Сижу в зале ожидания аэропорта в Шанхае и не понимаю, в каком я городе, гигантская стеклянная коробка, LED-экран во всю стену, ряды кресел, указатели и туалеты, вчера все тоже самое с тем же дизайном и расположением было Чунцине. Позавчера на автовокзале Яншо.

Сначала меня это только бесило, полное отсутвие идентчности, культурного слоя конретного места, в какой-то момент (вероятно из-за отсутвия сна) я на полном серьезе начал думать, что я либо очень активно путешествую, либо застрял в цикле матрицы и China Railway рендерит мне одну и ту же локацию с разными NPC.

Прошла еще неделя и я привык, когда был пятый переезд и я выходил на незнакомой мне станции и мне надо было читать ни одного иероглифа, я точно знал, что вход справа, досмотр прямо, зал ожидания наверху, платформа вниз, а табло, табло примерно везде.

Вообще перестал думать и что-то искать, а просто шел куда мне было надо, потому что уже был в этом здании за тысячу километров отсюда. Очень круто и вообще не база.

Когда вернулся домой начал больше читать про это, попался отчет Всемирного банка, оказалось, что это супер продуманная стратегия.

Китайцы построили 270 аэропортов и 500+ ЖД cтанций, каждая постройка при этом это просто форк одного проекта, одной дизайн системы.

Подумал еще и кажется, что это наверно лучший и самый успешный продуктовый кейс про реюз компонентов на масштабе 1,4 миллиарда пользователей, который я видел)

Stay tuned
🇨🇳🇨🇳🇨🇳

Как заработать на инвестициях в AI?
Часть 2

В прошлом посте я начал серию инвестиции в AI как производственную цепочку.

Идея у этого простая: если AI случится, то выиграет не один «главный победитель», а вся цепочка продавцов лопат.

Предыдущий пост можно найти по хэштегу #иислоп, а теперь начинаем с самого нижнего слоя. Начнем с турбин.

Турбины:

Дата-центры, ака ангары с компьютерами, в которых сервятся модели, потребляют электричество в масштабах городов, а чтобы это электричество производить, в большинстве случаев всё ещё нужна турбина: огромная стальная вертушка, которую раскручивает пар, газ, вода или ветер, а она уже крутит генератор и делает электричество.

В истории с дата-центрами чаще всего говорят именно про газовые турбины, потому что газовую электростанцию можно построить быстрее атомной или угольной, она даёт стабильную мощность почти в любое время, быстро включается и хорошо подходит как источник электричества для дата-центров, которые работают 24/7.

Технология звучит архаично, и по меркам индустрии так оно и есть, вот только производить большие турбины по-прежнему умеют три компании в мире (американская GE Vernova, немецкая Siemens Energy и японская Mitsubishi), потому что турбинный завод невозможно отмасштабировать за год: это литьё, многотонные херовины, гигантские цеха и инженеры, которых надо обучать и выращивать, а для этого нужны университемы инфраструктура и тд.

Теперь цифры. GE Vernova за один квартал нарастила очередь заказов с 83 до 100 гигаватт, и эту величину удобно переводить так: один гигаватт примерно соответствует одному большому атомному реактору и закрывает потребление порядка миллиона квартир, то есть в очереди у одной компании лежит сотня реакторов. Если мерить странами, вся Финляндия в самый лютый зимний вечер потребляет 14–15 гигаватт, так что очередь равна примерно семи зимним дням в Финляндиям.

Бэклог, то есть портфель уже подписанных, но не исполненных заказов, у GE Vernova достиг $163 млрд, деньги платятся сейчас, турбина приезжает ближе к 2030-му. У Siemens Energy бэклог €154 млрд и показатель book-to-bill 1,72, то есть на каждый евро сделанной работы приходит 1,72 евро новых заказов, и очередь растёт даже при заводах, работающих на пределе.

Прелесть этой части в том, что нам как человечеству электричество и без нейросетей, на электромобили, кондиционеры, тепловые насосы и стареющие сети, так что конец ИИ-моды сильно повлияет на это звено, но не обнулит.

Stay tuned
🥷🥷🥷

Почему нужно продавать акции в момент вестинга?

У тебя завестились опционы. На счёте акции работодателя Х-ХХXX. Ну вы поняли)) Не так много иксов, чтобы догадаться.

Что с ними делать?

Разбираемся на бубликах, потому что так веселее:

1/ Ты зарабатываешь 100 бубликов в год, на полке в баночке аккуратно лежат еще 300 бубликов сбережений, до пенсионного чаепития еще пятнадцать годиков. Итого через 15 лет общий бубличный капитал примерно 1800 баранок. Из них 1500 от одной и той же пекарни, то есть 83% твоей бубличной экономики зависит от того, не сгорит ли эта пекарня, а если ещё и опционы (Не придумал аналогию. Такой я не креативный парниша) в той же пекарне, то ты уже ее заложник с мукой на лице)) Хи-Хи!

2/ Сейчас кто-то скажет: «Я знаю компанию изнутри, всех поваров, все печи, поэтому и бублики надо складывать только в неё».

Талеб называет такой майндсет «индюшкой перед Днём благодарения». Индюшку кормят 1000 дней подряд. Каждый день жизнь индюшки подтверждает, что мир безопасен, а потом на 1001-й день ей отрубают голову, то есть на самом деле информация изнутри создаёт иллюзию контроля, а не реальный контроль.

3/ Ну и еще все обьясняет простая экономическая теория (тыц) со второго курса любого нормального экономического вуза, каких в РФ два. Поэтому продолжу на бубликах:

Мука подорожала у всех пекарен? Это общий риск, за него рынок тебе доплачивает. Именно твоя пекарня сгорела? Это персональный риск, его можно было обнулить, просто разложив бублики по 300–500 разным пекарням (в каком прекрасном хлебобулочном мире мы живем!) За этот риск рынок не доплачивает ни одного бублика, ты берешь его на себя бесплатно.

Пример: классический кейс, может вы даже слышали про Enron, в какой-то момент 62% накоплений сотрудников лежало в акциях Enron. Потом акции неожидано для всех сотрудников падают с 90 долларов до 26 центов, двадцать тысяц человек теряют работу и свои пенсионные накопления. Потом ребята узнают, что их уволили (сокращение костов, оптимизация, все дела). Как итог в момент увольнения, когда этим бедолагам больше всего нужна была подушка она обнулилась из-за того, что была в акциях компании, которая и решила их уволить))

Крч, кажется я немного затянул, и из всего выше следует простая мысль:

- Вестинг это момент, когда компания заплатила тебе деньги, форма этих денег не имеет значения.
- Самое разумное, что можно сделать в этот момент, продать акции по текущей цене и вложить во что-то максимально не скоррелированное с твоим основным источником дохода

🥷🥷🥷
stay tuned

Я конечно по разному видел как коверкали мою фамилию, но думаю, что я нашел свеого чемпиона <333

(сори за спам, мне просто очень смешно!)

Как заработать на инвестициях в AI?
Часть 1

Дисклеймер:

1/ Очень мало пишу про макро-тренды и инвестиции, экономисточка из РЭШ где-то внутри меня очень недовольна и не дает мне покая. Поэтому я написал серию постов про инвестиции в AI

2/ Все посты будут выходить с хештогом #иислоп, чтобы вам легче было навигироваться и не терять мысль прошлых постов))

3/ Думаю, что для примерно всех инвестиции в AI выглядят как очередной хайп (мб и скам). При этом существует какой-то бесконечный поток новостей про Nvidia, OpenAI и дата-центры и тд. Хотя если разобраться внутри довольно много интересного и понятная цепочка и очень интересные бизнесы.

Надеюсь будет интересно читать. Начнем!

Все, что происходит с инвестициями в AI это что-то нереальное, непонятно и точно новое. Компании из индустрии отчитываются о результатах, которые пять лет назад казались мне совсем крейзи:

1/ Nvidia продала чипов на $81,6 млрд за квартал;

2/ Гугл вырос на 22% за год (ребята сейчас $4,5 трлн);

3/ Антропик поднял ебанутый раунд с оценкой $965 млрд.

Когда все это происходит новости о том, чтоSpaceX купил курсор за 60 млрд кажутся чем-то не важным)).

При этом мы где-то в начале пути, рынок не до конца сформирован и на нем будут появляться компании, которые начнут еще больше доминировать в своей индустрии.

Поэтому у всех инвесторов может быть очень понятная идея: «просто купить этих доминаторов-победителей» и ждать. Список понятный и он во всех новостях, и только ленивый сейчас не говорит про Nvidia, Anthropic, OpenAI и CoreWeave.

Но если разобраться, у всех у них есть очень понятные и очень скоррелированные риски. Спойлер для всей серии. Лично я ничего из этого бы не покупал!

Поэтому как мне кажется, нужно подходить к вопросу по-другому, например пройтись по всей производственной цепочке слева направо и в каждом звене ответить на два вопроса: стоит ли покупать само звено и кто победит конкретно в этом звене.

Почему так?

Потому что есть самое полезное упрощение, и при этом самое баянистое, с которого стоит начать. Забудьте на минуту про AI и вспомните золотую лихорадку.

В Калифорнию 1849 года рванули сотни тысяч челиков, из которых разбогатели единицы, зато стабильно богатели продавцы лопат, джинсов и билетов на пароход.

Сегодняшний бум устроен ровно так же, с той разницей, что роль золота играют ответы моделей, а цепочка продавцов лопат выглядит следующим образом:

1/ турбины,

2/ электро-станции,

3/ станки для производства чипов,

4/ типографии,

5/ архитекторы (Nvidia, AMD)

6/ дата-центр (corewave, nebius)

7/ лабы (anthropic,open-ai, mistral, etc)

8/ приложения (application layer)

и где-то в самом конце вы, единственный человек во всей схеме, который приносит в неё новые деньги.

Дальше я разобрал каждое звено: почему оно нужно, как работает бизнес, на чём этот бизнес зарабатывает, крч постарался максимально разобраться.

Знакомства с темой дальнейшие посты не предполагает, поэтому всё незнакомое или сейчас не понятное будет расшифровано по ходу.

Stay tuned
🥷🥷🥷


#иислоп@tldrdaniel

Через 15 минут выступаю на конференции в Казани

Это специальный тред для комментариев.