Posts of nonamevc

пригласили выступить на GTM конференции и рассказать, как сегодня привлекать клиентов через LinkedIn (конечно же, не без помощи нашего софта). пока собирал материал, понял, что захотелось сначала посмотреть на тему чуть шире. я до сих пор вижу людей, которые говорят: «а что там Lovable, Fyxer или Higgsfield сделали? это же просто обёртки, там нет моутов, я за выходные собрал альтернативу, вот ссылка на опен-сорс, это пузырь лол». мне кажется, главная логическая ошибка разработчиков / продактов в том, что они воспринимают вайбкодинг как возможность наконец-то создать приложение, которое решает реальные проблемы людей, и только после этого решают думать про маркетинг. реальность немного другая. успех (и инвестиционный риск) ещё сильнее смещается в сторону прорывного маркетинга. сегодня нужно идти только от контроля над аудиторией и всей командой качать скилл, который позволяет предсказуемо дешево генерировать top-of-the-funnel. это единственное преимущество. я бы разделил подходы на три парадигмы. 1/ самому стать медиа. в маленьких компаниях фаундер почти всегда больше бренда. у многих фаундеров в LinkedIn подписчиков больше, чем у страницы собственной компании. но построить персональный бренд гораздо сложнее, чем об этом принято рассказывать. сначала заряжаешься, пишешь несколько постов, а потом смотришь на график, а там скромные 400 impressions. потому что это долгая работа по созданию репутации внутри узкого социального графа, который алгоритм постепенно учится приоритизировать. нужно собственное, нескучное мнение. отчасти всё по заветам классики: нужно байтить, найти какого-то врага, диссить конкурентов, иметь позицию, с которой люди захотят спорить. у меня, наверное, часа 3–5 в неделю уходит на посты в разных каналах, а какой-то заметный прогресс я увидел только спустя три года. плюс, когда компания становится больше, одной персоны уже мало. компании начинают собирать целый портфель персон. в Lovable есть Slack-канал, куда сотрудники кидают свои посты, а остальные помогают их разгонять. идея в том, чтобы превратить каждого инженера в маркетолога. CEO лучше понимают и читают других CEO. разработчики разработчиков. дизайнеры дизайнеров. даже венчурные фонды начали строить собственные медийные машины, чтобы помогать своим портфельным компаниям (см a16z и New Media Fellowship) 2/ находить дешёвые способы получения трафика на чужих площадках весь топик про то, как креативно абьюзить Reddit, LinkedIn, TikTok, X, алгоритмические рекомендации, аудитории конкурентов. сюда же относятся ключевые слова clipping maxxing, контент-фермы, бэклинки для GEO и десятки других тактик. можно написать один хороший пост на Reddit и получить несколько тысяч просмотров. а можно построить систему, которая позволяет повторять это в 100 сообществах с 10 аккаунтов. можно писать один пост в линке, выпрашивая комментарии в обмен на гайд, а можно заплатить 100 LinkedIn-инфлюенсерам по $500 за пост и получить в 100 раз больше охвата. можно снимать 2 часа видео и 3 часа его монтировать, чтобы попытать счастье в AEO, а можно заплатить по $100 индийским креаторам с 600–1000 подписчиками, чьи видео проиндексирует ChatGPT (потому что чатботам пока без разницы, какая репутация у инфлюенсера). (примеры выше не из головы, а тактики одного из наших конкурентов, Gojiberry) здесь преимущество не столько в качестве отдельного креатива, сколько в способности находить работающие механики и повторять их на масштабе. для этого, конечно, приходится чем-то жертвовать. когда ты автоматизируешь или делегируешь что угодно, теряется контроль над деталями, внимание к мелочам, часто проседает качество. и это бьёт по бренду. это требует гораздо больше концентрации и внимания, чем кажется из рассказов всяких SaaS и контент-фермеров на эту тему. дизайн таких систем и контроль над ними практически невозможно полностью делегировать кому-то вне компании. работа на грани правил платформ, спама, копирования и общественных норм (но нет, я пока не призываю вас рекламировать свой SaaS в адалт-сетках). как только какой-то хак появляется в популярном подкасте или вокруг него начинают строить продукт, его преимущество начинает исчезать, а сама механика всё быстрее превращается в соревнование бюджетов. 3/ если есть деньги, масштабировать paid ads и инфл маркетинг. можно покупать дистрибуцию в белую и ускорять эксперименты бюджетом. например, есть хорошие примеры у Fyxer: в их рекламной библиотеке отслеживался 131 активный рекламный креатив, при этом они выпускали примерно 40 новых в неделю. у Higgsfield похожая одержимость дистрибуцией, только через видео и креаторов. они построили огромную часть раннего роста на influencer marketing, а затем начали развивать собственную креативную машину. у компании уже более 150 специалистов, которые занимаются созданием контента. или можно работать с инфлюенсерами очень близко. например, у Wispr Flow всего около 50 креаторов, но они делают 500–600 новых объявлений в месяц. платят им процент от бюджета, который тратится на их ролики, так что креатор зарабатывает, только если его реклама работает. здесь же маркетинг становится чем-то ближе к производству или инженерному процессу. я думаю, что на старте практически невозможно одновременно жить больше чем в одной парадигме. они требуют разной концентрации, разных навыков, бюджетов и даже разных типов людей. делать стоит то, что у тебя лучше получается. если ты круто хакаешь рекламные аукционы, но не умеешь интересно писать или снимать короткие видео, вряд ли стоит насильно превращать себя в LinkedIn-инфлюенсера. лучше найти деньги, чтобы масштабировать то, в чём уже есть преимущество. и наоборот, если умеешь интересно рассказывать истории и собирать вокруг себя аудиторию, необязательно строить контент-ферму из сотни аккаунтов. но вероятно успешная growth-машина будет состоять из бленда этих тактик. вообще, в SaaS +/- всегда было, что the best product rarely wins. the best sales and marketing do. просто воронка расширилась. а конференция в этот четверг, 5 ноября и к тому же бесплатная. так что приходите.

если вы уже попробовали продавать контент-заводы и AI-SDR-ов, вот новая AI-темка: продавать лабам данные компаний. точнее, не продавать самому, а реферить компании к большим брокерам за %. твиттер наводнили истории про data bros, которые пишут, что зашли в брокеридж две недели назад и уже на $4m MRR. так что, по моим расчётам, мы где-то в трёх неделях от того, как Грег Айзенберг создаст свой курс, чтобы учить нео-брокеров зарабатывать по $2m в неделю. новые поколения моделей умнеют за счёт пост-трейна и RL-сред. для RL задачи собирают вручную, и для агентов строят копии Slack, Salesforce и Gmail. одна задача стоит $200–2000, а качественная копия слака около $300k. но синтетический слак выходит слишком структурированным, без шума настоящей работы. Anthropic в S-1 перечисляет источники: открытый веб, своя синтетика и датасеты, лицензированные или заказанные у третьих сторон. отношения с поставщиками данных стоят в списке того, без чего компания не вырастет. поставщики это дата-вендоры: micro1, Mercor, Scale, Surge. они платят компании $100k–2m, чистят персональные данные, собирают из переписки среды и продают их лабам. вендоры оставляют себе примерно треть каждого доллара. рядом сидят те, кто покупает на свой баланс и потом перепродаёт. Polyshares, Mode и Codicilla. ниже брокеры: Grepped, Korra, Maryah, Pewter. своих денег в сделке у них нет. они представляют компанию, упаковывают данные в тизер с сэмплами и водят по покупателям, а себе берут процент. и в самом низу реферер. он просто приводит компанию и получает фикс или процент. платят ему и вендоры напрямую, и брокеры из своей доли. длина цепочки разная. обычно компания продаёт вендору, а вендор лабе. но бывает и так: продавец, брокер, micro1 или Polyshares, потом вендор, через которого покупает лаба (Scale, Mercor, Surge), закупки лабы и ресёрчеры. в таком случае продавец узнаёт цену последним. совсем без посредников лабы покупают редко. лаба покупает не сырые данные, а готовый результат: датасет или RL-среду. последние пару недель поговорил с несколькими рефералами и брокерами которые стали навязчивее писать, чтобы купить код прошлых продуктов, и/или я их стараюсь конвертировать в клиентов Grip-а. несколько датапоинтов: 1/ в августе Google выиграл банкротный аукцион на данные Spirit Airlines: 100 млн писем и 500 млн сообщений в Teams за $10m. Mercor шёл запасным покупателем с $7.5m, а micro1 позже предложил $12.5m. 2/ закрывшийся стартап cielo24 продал 13 лет Slack, Jira и почты за сотни тысяч долларов. 3/ три месяца назад лабы брали данные компаний от 10 человек, а сейчас почти только от 50. 4/ у каждого владельца бизнеса в США уже лежит 5–10 писем от брокеров. дальше самые юркие сядут в машину и будут колесить по лесопилкам в Монтане, чтобы забрать данные с дискет или чертежи. 5/ все что связано с производством и industrials сейчас очень горячее. Mercor, например, обещает производственным компаниям $100k–1.5m за записи с производства, обслуживания и инспекций. 6/ очень востребован код для геймдева. особенно почему-то на Unreal Engine. хотя глядя на новую Kimi, которая дообучалась с акцентом на геймдев и 3D, то отчасти понятно. 7/ это всё станет капиталоёмким бизнесом. лицензирование данных становится инструментом PE, чтобы покупать бизнесы и быстро гасить часть долга. 8/ продавцов больше, чем лабы успевают переварить. ну и небольшая оппортунистическая теория. 1/ SaaS-ы, особенно вертикальные, получают новый источник заработка на лицензировании пользовательских данных для лаб. 2/ многие будут менять ToS: сейчас юридически компании часто не могут обучаться и даже делать эвалы на своих клиентских данных. это, конечно, вызывает какие-то возмущения, но если пользователь будет получать $ с этого, то всё даже честно. 3/ уже появляются истории про стартапы, которые забивают на продукт, чтобы штамповать пользовательские данные под RL лаб. 4/ всё пока про данные в Штатах или на английском. как закупают китайские товарищи, я пока не знаю. вообще если что-то знаете про эту индустрию напишите в личку - интересно пообщаться.

немного в продолжении этого поста в целом пересечений между GTM и фандрайзингом много. есть, конечно, важные отличия, но мне кажется, обе области могут многое почерпнуть друг у друга. 1/ холодный аутрич вообще, если ты лелеешь надежду поднять деньги в холодную, нужно одно из условий: 1. у вас уникальный для того, что вы делаете, опыт 2. у вас хороший трекшен. хорошо, когда есть и 1/, но тогда, скорее, тебе не надо писать холодные письма и читать пост дальше 3. ты делаешь что-то нишевое (сектор или гео) и знаешь, кому надо написать. опять же лучше это работает, когда есть 1/ и-или 2/ пару советов: - ограничьтесь 280 символами - избегайте лишних любезностей и хвастовства в начале, они занимают много места - сделайте сообщение актуальным для получателя - но AI-персональный хук в 99% случаев выглядит фальшиво и слабо. - сформулируйте конкретную просьбу, но не давите с первого предложения. - одно сообщение - одна цель - нужно указывать все что помогает с 1/ выше - имена клиентов, YC бейдж, прошлое место работы - фоллу-ап не обязателен. если тебе не ответили, скорее не интересно. это очень email-first люди - FOMO можно использовать, но без скама. благо, конкуренция у вас, с одной стороны, большая, а с другой куча слопа, от которого можно натурально дистанцироваться и пройти базоый тест на адектвантнсоь. вероятность в холодную выписать себе чек очень мала. но парадокс в том, что любые отношения когда-то начинаются в холодную. так что это не повод забивать на аутрич. имхо, сильное холодное письмо бьет любое посредственное тёплое интро. 2/ базы тут мне кажется, стоит разделить их на горизонтальные фонды, вертикальные и HNWI. баз сейчас много, но понизить размерность требует усилий. горизонтальные делятся на tier-1 и не-tier-1. если рассчитываете на внимание tier-1, лучше конечно, инвестировать больше времени, чем просто в отправку сообщения. для tier-1 полезно изучать конкретного партнёра. у многих топ-фондов есть технические адвайзеры или партнёры. изучите, что они делали, в чём хороши и чем могут вам помочь. умение найти точку пересечения с топ-фондом очень важно, даже если шансов поднять у них деньги почти нет. там целая команда работает, по сути, на market making. поэтому если позволяют время и ресурсы, инвестируйте в создание интереса.увидели пост, мнение или релиз про ваш рынок, напишите обстоятельный комментарий или письмо. ты можешь не знать человека лично, но какое-то время следить за тем, что он делает, понимать его интересы и написать тогда, когда действительно есть о чём поговорить. с не-tier-1 одновременно сложнее и проще. часто их стратегия построена на outbound по подходящим компаниям. обычно есть две стратегии: зайти в hot-компанию, которая рейзит от tier-1, или найти быстрорастущую компанию, которая пока не соответствует риск-аппетиту tier-1. например, из-за вертикали или географии. если вы не попадаете под определение hot-компании, то нужно уповать, на то, что вы попадаете в их вторую стратегию. единственный шанс вытащить их на звонок это попасть в их цикл исследования конкретной вертикали, когда они активно смотрят несколько компаний в этой области. с вертикальными фондами проще, но и спрос с вас больше. как правило, они лучше знают свой рынок, понимают, куда смотреть, и тоже делают ставку на собственный outbound. зато объём входящих у них гораздо меньше, поэтому пробиться через почту проще. совет с построением отношений по tier-1 тут тоже актуален. и главное, сам по себе факт, что фонд инвестировал в компанию X, ещё не повод ему писать. you invested in X company, we're building a similar project in a related field. let's talk. так это не работает. не пишите. HNWI лучше только теплые интро. 3/ дек отправлять или нет это обсуждаемо, но главный совет - на уровне операционной системы запретите клоду делать ваши инвест презентации. сделайте дек сами. откройте keynote и сделайте простой чёрно-белый дек, простой, без дизайнерских изысков. главное, чтобы его можно было нормально прочитать с экрана телефона. этого достаточно. на ранних стадиях дек ничего не решает, а скорее помогает вам мысли хорошо собрать. 3/ теплые интро понятно, что в этой картине мира ты должен хорошо знать тех, к кому обращаешься. что можно сделать: 1. собрать список инвесторов и партнёров 2. прогнать его через любой network-based тул, типа Happenstance или Grip 3. посмотреть, есть ли знакомые и друзья, у которых есть какое-то пересечение bs-признак -  коннект в LinkedIn. лучше смотреть на более сильные эвристики, типа общей прошлой работы или общего университета. то есть вместо: hey David, do you know Justin from a16z? I saw you're connected on LinkedIn лучше: hey David, noticed you worked with Justin at CoolDataCo in its early days and he’s now partner at CoolVC. I'm doing X that aligns well with his thesis, do you think Justin would be up for a call? для того, кто делает интро это всегда репутационный риск (или апсайд). мало просто познакомить: тот, кто знакомит, должен поручиться и объяснить почему. и да, даже самый близкий друг, может не вернуться с положительным интро. если с вами не хотят говорить, значит, вы делаете что-то, что другому человеку не интересно. —- короче, занимаетесь этим осознанно, это почти full-time работа собрать список, попросить агентство разослать письма, ну нет, так не работает. задача фандрейзинга не в том, чтобы рассылать сообщения, а в том, чтобы вызывать доверие. исследование можно автоматизировать. репутацию нет. ну и главное - the best time to raise money is when you don't actually need it. так что лучше потратьте это время на GTM

Один фаундер вместо команды из 20: что AI на самом деле поменял в стартапах Раньше путь от идеи до продукта занимал месяцы и требовал несколько человек. Сейчас MVP собирают за пару недель, а соло-фаундеры поднимают раунды. На эфире рассмотрим тему с разных сторон: венчурных фондов, ангелов-инвесторов и фаундеров, которые строят продукты сами. Что обсудим: • насколько на самом деле подешевел и ускорился путь от идеи до продукта • почему инвесторы стали вкладываться в соло-фаундеров и на что они при этом смотрят • где быстрый AI-продукт упирается в бизнес: продажи, удержание, защита от копирования • что из этого останется надолго, а что уйдёт вместе с хайпом Спикеры: Роман Белодед (http://t.me/rb_business_invest), серийный предприниматель и бизнес-ангел. Управляющий партнёр венчурного фонда YellowRocks.vc, основатель клуба AI Practiq. Дмитрий Калаев (http://t.me/stayhungry_kalaev), управляющий партнёр венчурного фонда ФРИИ. 480+ инвестиций и 60+ выходов, в портфеле VisionLabs, Flowwow, Pravo.tech. Фокус: ИТ-компании на российском рынке. Ислам Мидов (http://t.me/midov_trip), основатель 2pr.io, экс-глава венчурного фонда МТС. Даниил Чепенко (http://t.me/nonamevc), со-основатель Extruct, Grip, SpatialChat. в прошлом - VC на развивающихся рынках. Ссылка для регистрации

фото со свадьбы Леонида Богуславского в 1983 году. к тому времени будущий основатель ru-Net Holdings / RTB Capital преподавал прикладную математику в МИИТе и занимался автоматизацией технологических процессов для АвтоВАЗа. но куда интереснее, что на этой фотографии помимо Леонида запечатлены сразу четыре будущих долларовых миллиардера. 1/ Борис Березовский заведовал тогда лабораторией в Институте проблем управления и возглавлял Совет молодых ученых. руководил масштабными проектами института по хоздоговорам с АвтоВАЗом. защитил докторскую диссертацию по технической кибернетике, публиковался в международных журналах и возглавлял Совет молодых учёных института и, помимо прочего, был свидетелем на свадьбе. 2/ Петр Авен работал во Всесоюзном НИИ системных исследований, занимался математическими методами в экономике и эконометрикой под руководством академика Станислава Шаталина. позже стал министром внешнеэкономических связей России и одним из ключевых людей Альфа-банка. 3/ Вячеслав Кантор - выпускник МАИ, кандидат технических наук. занимался автоматическим управлением космическими аппаратами. через десять лет займётся совсем другой отраслью и начнёт строить химический холдинг «Акрон». хотя он работал в другом вузе, он тесно пересекался с Березовским и Богуславским по линии совместных межвузовских научных конференций, которые активно проводились в начале 1980-х годов. В 1983 году, когда была сделана эта знаменитая фотография, ни один из четырех героев еще не помышлял о крупном бизнесе. все они были частью молодой интеллектуальной элиты СССР, занимались наукой. наверняка они как-то все вместе работали, но непосредственными бизнес-партнёрами из этой компании стали только Березовский и Богуславский. в 1989 году они вместе участвовали в создании «ЛогоВАЗа». связи Березовского с руководством АвтоВАЗа, наработанные за годы научных проектов, стали основой его будущего автомобильного бизнеса. Богуславский был акционером и заместителем гендиректора, но вскоре их пути разошлись. Березовский занялся торговлей автомобилями, а Богуславский остался в IT. из компьютерного направления «ЛогоВАЗа» выросла LVS, первый дистрибьютор Oracle в СНГ. в 1997 году Богуславский продал компанию Price Waterhouse, а в 2000-м основал ru-Net Holdings, будущую RTP Global. предыстория этого предприятия: Летом 1988-го, после десятилетия нашей достаточно плотной дружбы, Борис пригласил в кооперативное кафе «Атриум» на Ленинском проспекте группу товарищей с предложением скинуться на создание совместной компании — будущего «ЛогоВАЗа». Собралось человек семь или восемь. Все мы пытались заниматься каким-то бизнесом, в основном околонаучным, по хоздоговорам с государственными предприятиями. И все как-то сотрудничали с Березовским. Борис правильно понял, что разумно упорядочить наши разрозненные и бессистемные попытки заработать Я в тот момент уже собирался уезжать на работу в Австрию, так что мне Борино предложение по большому счету было неинтересно. К тому же в то время я больше думал не о бизнесе, а об экономике — как о науке, так и о практике реформ. Однако я спросил: «Боря, а какая все-таки конечная цель? Ради чего ты предлагаешь объединиться?» Его ответ меня поразил: «Цель — заработать по миллиарду долларов. Каждому». Излишне говорить, что у большинства собравшихся вряд ли было больше пары тысяч рублей на сберкнижке. Они копили и одалживали друг другу деньги если не до зарплаты, то на покупку любых товаров длительного пользования. Не у всех был личный автомобиль, а сам Березовский делил машину на двоих с Леонидом. Поэтому цифра в миллиард (долларов!) выглядела абсолютно, запредельно фантастической. фото и цитата выше из книги Петра Авена «Время Березовского».

в субботу весь tech-твиттер был занят обсуждением важного практического венчурного юридического вопроса: как можно дропнуть мутного раннего инвестора с pro rata, которого ты взял не от хорошей жизни, но тут на горизонте замаячил большой раунд, который лидирует тир-1. в центре скандала оказались с одной стороны - известная в наших узких кругах талантливая PR-щица, VC-хищница и, конечно же, Forbes 30u30 Маша Дрокова, а с другой - горячий стартап в области ядерной энергетики Valar Atomics. Valar Atomics разрабатывает небольшие ядерные реакторы. стартап долго ходил в рядах молодых и перспективных, но знатные фонды вроде Sequoia говорили, что это ещё рано. и тут они делают научный прорыв - их реактор 18 июня 2026 года достиг zero-power criticality (критичности на нулевой мощности). это ранний, но очень важный тестовый результат: реактор впервые показал, что цепная реакция реально работает и контролируется. после этого они даже запитали от реактора компьютер с чипом Nvidia и показали, что получают электричество. именно после этого события стартап резко перешёл из молодых и перспективных в горячие. и в августе Valar закрывает Series B на $1 млрд при оценке около $6 млрд. минус в том, что энергетика и deep tech это дело недешёвое, поэтому нужно было постоянно рейзить деньги под что-то очень рискованное и сложнопрогнозируемое. и, когда компания была в поисках нового капитала, ранний инвестор в лице фонда Маши, оказался тем, кто был готов дать дополнительное финансирование. Day One Ventures рано зашли: $1M в seed, потом seed extension и co-lead Series A ($15M). Ownership <5%, но статус Major Investor с pro rata. в общем, это была не самая лёгкая сделка. фонд принял значительный риск, а взамен получил права major-а и возможность воспользоваться pro rata в следующих раундах. теперь про pro rata. раннее инвесторы хотят доложить в winner’а и документируют это право в прошлых раундах. на горячих раундах ранние инвесторы иногда отказываются от pro rata, чтобы новый лид-инвестор получил нужную аллокацию, а фаундер меньшее размытие. логика такая: лучше Sequoia по оценке в несколько раз выше, чем сохранённая доля в компании, которая не смогла привлечь новый капитал (ну и типа это founder-friendly, а все хотят быть founder-friendly). и в итоге в cap table часто оказываются три категории акционеров: миноритарии с минимальными правами; major-ы, у которых есть лишь иллюзия прав (поскольку более крупные инвесторы могут их перечеркнуть); и крупные инвесторы, имена которых вы и так знаете. в документах Valar был нюанс, который называется spring-back. если большинство major-ов отказывается от pro rata, а затем кому-то из них всё-таки выделяют аллокацию, права остальных восстанавливаются. в случае Valar компания хотела дать одному из существующих крупных инвесторов возможность существенно докинуть денег в Series B. для этого остальным предложили отказаться от участия, чтобы не запускать spring-back. по версии CEO Valar Исайи Тейлора, все согласились, кроме Day One. за день до закрытия раунда инвесторы, владевшие большинством акций, проголосовали за изменение investor rights agreement и убрали spring-back. тут, стоит отметить, что amendment сделали за день до закрытия и точечно против одного инвестора, выглядит не очень красиво. при этом Маша утверждает, что 4/6 major-ов всё-таки участвовали в Series B, а её фонд был готов отказаться от большей части своей аллокации. но Valar якобы потребовала отказаться от pro rata не только в текущем раунде, а вообще во всех будущих (хотя Исайи этого не подтверждает). при этом ранее фонд получил отдельную гарантию, что его права нельзя отменить без его согласия. я думаю, что Day One Ventures рассчитывал, что pro rata им всё-таки будет предложена за всё хорошее, что было раньше. тем более портфель не то чтобы сильный, и возможность доложить в горячую компанию может перевести портфель из минуса хотя бы в ноль. потом фаундер, видимо, вспомнил, что иметь мутного major-а в cap table, основательница которого собрала бинго из бывшей пиарщицы прокремлёвского движения, PR-консультанта Джеффри Эпштейна и новоиспечённой гражданки Кыргызстана, может выглядеть не очень. особенно если ты строишь ядерные реакторы в США и работаешь с американским Министерством энергетики. ну жестко и обидно, но логика тут такая: каждый новый раунд это как окунуться в холодную купель после бани, за ним должно следовать новое решение фаундера по выбору с кем тебе идти дальше. задача основателя привлекать капитал на лучших условиях, чтобы у компании всегда были деньги, а риски в cap table нужно убирать. в итоге Valar подали иск о declaratory relief. Day One наняли цепных псов Quinn Emanuel (одну из самых агрессивных litigation-фирм) и несколько месяцев слали жёсткие письма. по сути угрожали судиться. Valar решили не ждать, пока их засудят, и сами пошли в суд с просьбой: подтвердите, что то, что мы сделали, законно. твиттер сошёлся на том хорошо было бы сделать вайб-pro-rata. инвестор должен постоянно заслуживать право участвовать в следующих раундах, а не получать его автоматически по старому договору. но тогда получается парадокс, права инвестора становятся наиболее ценными именно тогда, когда их использование создаёт максимальное напряжение в отношениях с основателем. иначе зачем вообще нужны права, если фаундер и так готов дать тебе аллокацию? в общем, понятия, репутация и размер фонда решают, неважно где ты. выборочные ссылки, если хотите сами почитать: 1, 2, 3, 4, 5, 6, 7

после прочтения опуса автора The Sovereign Individual про Бразилию я тогда решил количественно проверить его тезисы. тогда я собрал разные открытые экономические данные по Бразилии, чтобы можно было их кверить. но дальше это никуда не ушло. в прошлое воскресенье в Бразилии прошёл первый тур президентских выборов, и я подумал, что это отличный повод вернуться к задаче для выжигания недельных лимитов для вайбкодинга выходного дня. в итоге доделал начатое: собрал дата-каталог из 8,000+ источников, которые только мог найти по бразильской экономике и обществу, которые сгруппировал в стиле крипто-дата проекта Dune. https://br.nonamevc.com/ короче, небольшой макро-вайбкод выходного дня с моим анализом. Бразилия политически разделена. на прошлых выборах перевес составил меньше 0,5%. в целом разделена по штатам, по расе, по уровню жизни но при этом, в отличии от соседей, Бразилия структурно устойчивее по политическим циклам, чем звучит риторика. цены на коммодити объясняют значительную часть макроволатильности, независимо от того, левые у власти или правые. по делам левые даже больше относятся к право-центристам. денежная политика с 2021 года институционально защищена: ЦБ получил автономию и при третьем сроке Лулы прошёл первую проверку. ставка остаётся ортодоксально высокой, несмотря на давление президента. одна из причин высоких ставок это растущий госдолг. валовой госдолг вырос с ~52% ВВП в 2011 году до 82,9% сейчас. на проценты уходит почти 9% ВВП в год. базовая ставка сейчас 13,75%, а номинальная экономика растёт примерно на 7%. чтобы долг перестал расти относительно ВВП, нужен существенный первичный профицит, а сейчас дефицит −0,62%. фискальные риски поддерживают высокие реальные ставки, сейчас около 8,5–9%. нет и жёсткого контроля за капиталом, как в Аргентине при Киршнерах или в Венесуэле. при левой Дилме эксперименты с новой экономической матрицей (дешёвый госкредит, заморозка цен на топливо, давление на ставку) и это сталл одним из факторов рецессии 2015–2016 годов. экспорт и международные отношения диверсифицированы по странам: Китай - 29,7% экспорта; ЕС - 15,5%; США - 9,6%; Мекросул - около 12%; остальной мир - около 33%. это данные за январь–сентябрь 2026 года. значительная часть экспорта привязана к ценам на сырьё. Китай покупает физическую экономику: сою, нефть и железную руду. апсайд от ai-ралли пока только потенциальный. медь, редкоземы, литий, графит, кварц, кремний пока запасов много, но экспорт небольшой. хороший пример минерального экспорта это ниобий: около $2 млрд в год в 2019–2022, примерно $2,3–2,4 млрд в 2023–2024. но это менее 1% экспорта, а основное применение ниобия сегодня связано с металлургией. выбор президента сильнее влияет на вмешательство государства в ресурсные госкомпании, внешнюю политику и, самое главное, перераспределение капитала среди приближённых к кандидатам. главный тезис правых в том, что можно выйти с этим на американский рынок, которому нужны стабильные поставки редкоземов и сырой нефти. но я думаю, что нет никакой мотивации сдерживать предложение при левой власти, при том же спросе. при Луле 3 Petrobras показал сильную доходность в долларах; понятно, что тут заслуга Лулы небольшая. бензин сейчас продаётся дешевле импортного паритета, казна уже субсидирует дизель. в марте, на фоне войны с Ираном, ввели 12% пошлину на экспорт сырой нефти. сын Болсонару обещает пересмотреть пошлину в случае победы. но думаю, что всё будет чуть более рационально, отмена пошлины при Brent выше $110 означает потерю доходов для и без того слабого бюджета. если нормализовать популизм обеих сторон, то отношения со Штатами не менее прагматичные, чем с Китаем. даже при натянутых отношениях Трампа и Лулы терять партнёра нет смысла ни тем, ни другим. повышение пошлин на бразильские товары создаёт дополнительные издержки и для американских потребителей. хотя в 2026 году США уже ввели дополнительные 25% пошлины на ряд бразильских товаров, несмотря на эти риски. при правых обычно больше новых иностранных денег. при третьем сроке Лулы новых денег относительно меньше, зато значительная часть прямых инвестиций приходится на реинвестированную прибыль компаний, которые уже здесь. при этом на фоне других развивающихся рынков Бразилия держится: приток прямых иностранных инвестиций остаётся на уровне ~3,2–3,4% ВВП. несмотря на заявления о сближении то с одной стороной, надеяться, что Штаты (как и любые другие страны) заинтересованы в процветании Бразилии в ущерб собственным интересам, по-детски наивно. Бразилия делает то, в чём хороши бразильцы: подпитывает у каждой из великих держав иллюзию своей исключительной лояльности, сотрудничает со всеми, много обещает и улыбается и продолжает играть карту главного экспортёра важных ресурсов и вариться в своём безумном котле аллегории и высоких ставок. ссылка на дата-проект

если вы сейчас аутричите инвесторов в линке и хотите делать это лучше (например, через теплые выходы), мы работаем над этим в Grip в Extruct у нас свой датасет инвесторов и раундов, поэтому можем находить, кто реально инвестирует в X. дальше подключается Grip: индексируем ваш нетворк и пытаемся найти лучший путь до конкретного человека через общие компании, фонды, акселераторы, прошлые места работы и другие связи. это не всегда сработает, но уже дает сильно больше, чем просто смотреть на 2nd degree connection в LinkedIn. а дальше можно сразу сделать outreach и держать весь inbox management через Grip. короче, если сейчас рейзите и это откликается, напишите мне в личку @zkid18 пару слов о том, что делаете. мы пока в бете и хотим потестить это на реальных кейсах.

2/ для growth инвесторов, кто может платить за большие оценки за 4 года не появилось growth истории почему рост сдулся? отчасти виноват прайсинг. выручка за места растёт, только когда клиент нанимает людей или раскатывает продукт на новые команды. людей в компаниях поувольняли, ненужные лицензии убрали. поэтому retention сполз к 100%, и весь рост теперь держится почти только на новых клиентах. Miro давно хотел выйти за рамки вайтборда. в том раунде Андрей в 2022-м объявил, что компания прибыльная, а деньги нужны на M&A. я бы сформулировал два заметных направления: - переход в видео. это была прямая территория SpatialChat, за которой я пристально наблюдал. купили в ковид VC-перегретый Around, я думаю, заплатили дорого. видео бьёт по марже, поэтому раскатывали выборочно, не на все планы (я думаю, поэтому вы это даже не видели). в итоге закрыли полностью. - переход в вайб-код/дизайн. вроде Miro для этих целей купил датский Uizard (я тоже первый раз про них слышу). вроде есть энт лого, но очевидно, это не скейл Lovable / Bolt. а growth-деньги за эти годы ушли в AI. без новой истории роста за компанию с ростом 15% такие деньги просто не платят. AI просто не развернул компанию в нужную растущую продуктовую ветку. то, что за 4 года мы не увидели "AI-native убийц Miro", означает, что визуальная коллаборация в целом достигла своего продуктового порога. 3/ Miro потерял время и инерцию из-за менеджеров с момента раунда в C-level было больше 20 смен. на позиции CRO с конца 2024-го по март 2025-го побывали три человека. ушёл CMO. Chief People Officer ушла в 2024-м. COO после 2024-го вообще не стало. CIO сменился дважды, и последний ушёл этим летом вместе с руководителем инжиниринга. CPO сменился дважды. думаю, что на стадии 2022 нужны были люди, кто умеет в американский корп-дев и знает, как растить pre-IPO компании. менеджеры из другой эпохи, чьи знания и нетворк в 24–26 годах оказались не нужны, это, думаю, история многих компаний 2021 года. в 2026-м он рассказывал, что специально нанимает бывших фаундеров под AI. например в 2025, месяце Miro купил копенгагенский Butter, Freehand, Reforge - все с целью найма. в итоге: 15 лет, прибыльная компания, $1.79 млрд. в 2026-м это лучший из доступных выходов. очень достойно! можно окунуться в 2018 год и почитать мемо партнера Accel series A, когда для сделки он приезжал в летнюю Пермь. I first met Andrey Khusid, the co-founder and CEO of Miro a year ago, and really liked his vision. I reconnected with him earlier this year and was impressed with their progress. And when I realized that many of our portfolio companies use the product, I knew that the company was onto something special. The tipping point in deciding to invest was speaking with customers who describe themselves as fans rather than users. Over the course of the next several weeks I followed Andrey to San Francisco, Tel Aviv and Perm, Russia - where they have part of the product team, and – (fun fact) where it snowed on the first day of summer!

несколько мыслей по Miro. в SpatialChat я много пытался копировать growth-хаки раннего Miro, и пытался нанимать людей из оригинальной команды. и у продуктов было большое пересечение, например Miro была нашей главной интеграцией. поэтому это мысли человека, который в какой-то момент много следил за тем, что было снаружи. 1/ оценка вроде ок, и навряд ли кто-нибудь дал бы больше public SaaS сейчас стоит столько, сколько обещает расти. компании, которые растут быстрее 22% в год, в среднем стоят 17 годовых выручек, те, кто растёт на 15–22%, — 6, а ниже 15% — уже 3. Asana вышла на биржу в 2020-м и сейчас растёт на 10%. net revenue retention у неё упал с больше чем 120% до 97%, то есть старые клиенты в сумме приносят уже меньше, чем год назад. при такой retention ей надо набирать около 13% новой выручки в год, просто чтобы расти на 9–10%. стоит $2.2 млрд, около 2.5x выручки, при том что выручка у неё больше, чем у Miro. Zoom растёт на 5%, retention у корпоративных клиентов упал со 129% до 99%. но у него $1.9 млрд свободного кэш-флоу в год и $7 млрд на счету, поэтому он стоит около 4x выручки. с другой стороны, Figma растёт на 48% и уже три квартала подряд ускоряется. но и этот рост рынок почти не оплачивает. Figma сейчас стоит $11.6 млрд, около 6.4x выручки на год вперёд. год назад было больше 21x. у Miro ARR с $300 млн в 2021-м дошёл до $600 млн, это в среднем 15% в год. свежий темп не раскрыт, и, судя по всему, он ниже. так что Miro в нижней корзине, и 2.3x ARR это даже ниже её медианы. скидка за то, что компания частная, горизонтальная, с оплатой за места, и покупатель по сути один. для контраста: в том же августе Lovable поднял по $13.3 млрд при том же ARR около $600 млн. я не думаю, что дело в бизнес-модели. в private горизонтальном SaaS дела лучше, пока есть momentum - Linear удвоил оценку до $2.5 млрд, Gamma вышла на $100 млн ARR и оценку $2.1 млрд. для контраста: в том же августе Lovable поднял по $13.3 млрд при том же ARR около $600 млн. для статегов Miro заложник своего очень хорошего продукта. у всех продуктов в productivity категории появилась какая-то своя доска, которая определённо смогла отжать какой-то трафик новых пользователей, но она совершенно не уничтожила бизнес компании. мысли о том, что их могли купить Microsoft или Google несостоятелны. они за последнее 10 лет сделали 0 покупок в свой productivity-стек и сегодня лишний $ вложат в AI Capex. Google в 2023-м вообще закрыл свою доску. самым вероятным покупателем мог стать Atlassian, который вообще был инвестором в series C. но деньги он потратил на The Browser Company и DX и в закупку AI-кредитов. я думаю, что вполне мог обсуждаться вариант консолидации с каким-то Notion, который тоже проходит через сложные времена. это было бы интересно, по типу того, что делает Grammarly. но видимо не сошлись. софтверные байаут-фонды PE (Vista, Thoma Bravo, Balckstone) сами не в лучших кондициях. в 2026-м они пока анонсировали одну крупную сделку, a кредитные фонды уценили 81% софтверных кредитов (обычно PE берут кредит под залог ARR). в последнем раунде, привилегированные акции с ликвидационным префом, насколько я знаю, были только у ICONIQ, который лидировал раунд на $17.5 млрд. так что ICONIQ, скорее всего, просто получает 1х. Accel, который заходил в series A в 2018-м, по прикидкам делает около 9x. поэтому думаю, что покупателей не было. Bending Spoon дали рыночный оффер. если отказаться, то нужно было убедить всех, что есть какой-то новый продуктовый план, который даст > 20% годового роста

меньше всего ожидаешь открыть tech Twitter и увидеть в трендах горячие обсуждения о том, что боливианские меннониты постепенно вытеснят весь остальной страновой этнос через 90 лет (скрин от воскресения, но это не так важно)

No text

теперь перейдём к задаче Миллениума. если модель работает для 99.99% практически встречающихся состояний, инженеру этого чаще всего достаточно. но математик спрашивает про оставшиеся 0.01%. точнее, даже не про 0.01%, а про возможность существования хотя бы одного патологического случая среди бесконечного множества начальных состояний. миллиард успешных CFD-симуляций этого вопроса не закрывает. если взять несжимаемую жидкость в трёхмерном пространстве (которая заполняет всё пространство целиком, без стенок и без обтекаемого тела) и начать с абсолютно гладкого состояния конечной энергии останется ли решение гладким навсегда? или уравнение способно само за конечное время создать сингулярность, то есть состояние, где какая-то локальная величина уходит в бесконечность? общая кинетическая энергия может оставаться конечной, но это само по себе не запрещает энергии концентрироваться во всё меньшей области. если каскад идёт достаточно быстро, локальная скорость или её производные могут уйти в бесконечность, хотя интеграл энергии всё ещё конечный. короче, если вы ещё со мной, то советую посмотреть этот десятиминутный ролик. его записал человек, который сам писал диссертацию по симуляции жидкостей. прорыв в этой теме сделал Теренс Тао до него все ломились в одну дверь: пытались доказать, что решение остаётся гладким. и упирались в одно и то же. все оценки, которые умеет давать математика, контролируют поток целиком, а ломается он локально, в одной точке, на всё более мелком масштабе (срыв). чем мельче масштаб, тем слабее такие оценки работают. Тао зашёл с другой стороны: не доказывать, что срыва нет, а построить его. контрпример достаточно предъявить один раз. но чтобы жидкость сорвалась, она должна собрать энергию во всё меньшей области, всё быстрее, и ни разу не дать вязкости её размазать. это похоже не на течение, а на механизм, который выполняет программу. отсюда его вопрос: а может ли вода вычислять? его конструкция это буквально компьютер из воды, который строит уменьшенную копию себя, передаёт ей всю энергию и выключается. копия делает то же самое, только меньше и быстрее, и бесконечное число шагов укладывается в конечное время. для настоящего Навье-Стокса собрать такую машину он не смог и честно назвал её несбыточной мечтой. зато собрал для усреднённой версии уравнения, с теми же энергетическими свойствами. отсюда главный вывод: раз в уравнении с той же энергией срыв всё-таки случается, одних энергетических оценок недостаточно в принципе. целый класс подходов к доказательству отпал. после Тао срыв стали строить, а не опровергать. и строить пробовали двумя способами. первый - не браться сразу за Навье-Стокс, а потренироваться на его упрощённых родственниках. главный из них это уравнение Эйлера: тот же Навье-Стокс, только без вязкости, то есть без той силы, которая размазывает энергию и мешает срыву. если срыв не получается построить даже там, в настоящем уравнении делать нечего. искали его в виде автомодельного решения. это течение, которое при срыве повторяет само себя, только во всё меньшем масштабе. удобно тем, что вместо фильма про срыв достаточно найти один кадр, профиль, а всё остальное получается из него сжатием. вот этот профиль и искали нейросетью, теми самыми PINN, которые в инженерии не взлетели. только здесь они работали не как решатель, а как поисковик: перебирали кандидатов и дожимали точность почти до машинной. такую точность уже можно подавать на вход компьютерному доказательству. первый профиль нашли в 2023 году, а в 2025 DeepMind нашёл их уже целыми семействами. итог первого пути: для родственников срыв построен, до самого Навье-Стокса не дотянулись. второй способ это подтолкнуть жидкость снаружи. это не читерство: у задачи Клея четыре формулировки, закрыть достаточно любую. две из них про жидкость, которую никто не трогает. две другие допускают внешнюю силу, но гладкую, без скачков. с силой срыв строится в лоб. придумываешь течение, которое срывается так, как тебе надо, подставляешь его в уравнение, и всё, чего не хватает до равенства, объявляешь внешней силой. вся сложность в том, чтобы эта сила вышла гладкой. по сути это ход Тао: он пытался заставить саму воду вести себя как программа, а здесь программу разрешено подать снаружи. этим путём шли математики Левент Альпёге и Тристан Букмастер, вместе с внутренней моделью Anthropic. Букмастер, кстати, соавтор той самой первой PINN-работы. к 7 сентября у них был срыв с гладкой силой для Эйлера и других родственников. для Навье-Стокса с ослабленной вязкостью тоже был, но его придержали: Lean-проверка не закончилась. а 8 сентября 2026 вышла работа OpenAI, про которую вы все знаете. их система из агентов построила конструкцию и формализацию в Lean, где жидкость стартует из состояния покоя, на неё действует специально подобранная гладкая внешняя сила, общая энергия остаётся конечной, но скорость за конечное время становится неограниченной. и это уже настоящий Навье-Стокс, с любой вязкостью. в формулировке Клея это варианты C и D. первая пара, которую математики и считают настоящим вопросом, осталась открытой. сила у OpenAI вышла гладкой, но настолько специальной, что в природе ей не соответствует ничего. приоритет Альпёге и Букмастера на Эйлере OpenAI признали сами. у OpenAI схема та же, что и с другими гипотезами: огромный пласт готового рисерча, а поверх него умный брутфорс по литератруе и трейсам + возможность индивидуально проверять новые гипотезы. брали приёмы, которые математики придумали за последние лет десять, в том числе результаты Букмастера по Эйлеру, и собирали из них комбинации, пока одна не сошлась. Lean на выходе проверил, что сошлась честно. Гомес-Серрано, соавтор и первой PINN-работы, и статьи DeepMind, про результат высказался с уважееним, что конечно математическое сообщество приоткрыло направление, но он никогда не думал строить такое течение, с тремя слоями и двумя масштабами. короче, если вам нужно мнение человека, который когда-то слушал пары по механике жидкости и газа и впервые за 8 лет что-то прочитал по домену, то мне кажется, текущее открытие краткосрочных бустов в инженерии не даст. p.s. ещё по какой-то случайности я забукал демо для grip на 9 сентября, с сейлзом и бывшим инженером из Engys. это контора, которая продаёт HELYX, энтерпрайз-форк опенсорсного OpenFOAM. ну, скажем так, наш ice-breaker затянулся минут на пятнадцать.

на прошлой неделе я впервые за долгое время вспомнил, что я вообще-то дипломированный специалист по механике жидкости и газа и впервые хотя бы понял, какую именно задачу решали OpenAI. и уравнения Навье-Стокса вообще дают очень красивую лестницу сложности. от школьного f=ma до сложных разделов математики: гильбертовы пространства, функциональный анализ, теория меры. плюс ты всё ещё остаёшься в каком-то осязаемом физическом поле. для твёрдого тела всё относительно понятно: есть масса и ускорение. а жидкость в каждой точке в один момент времени может двигаться с разной скоростью и в разном направлении. поэтому вместо одной координаты x(t) мы описываем поле скорости u(x,y,z,t) то есть скорость жидкости в каждой точке пространства в каждый момент времени. дальше в уравнении появляются давление, вязкость, внешние силы, условие несжимаемости и одна особенно неприятная штука, это конвективный член (u·∇)u. жидкость сама переносит собственное поле скорости. то есть состояние потока влияет на то, как поток будет меняться дальше. эта нелинейность и есть источник огромной части сложности. вокруг взаимодействия нелинейности и вязкости появляется вся богатая динамика турбулентного течения. всё, что поток делает с маленьким кусочком жидкости, сводится к двум вещам: он его переносит и он его деформирует. вращение этого кусочка и есть вихрь. а турбулентность это просто вихри всех масштабов сразу. но у жидкости есть свойство несжимаемости. объём кусочка постоянный, поэтому если поток вытянул его вдоль одной оси, он обязан стать тоньше по двум другим. а вращающийся объект, который стал тоньше, начинает крутиться быстрее. вот это и есть машинка, которая гонит энергию вниз по масштабам. поток растянул вихрь, вихрь стал тоньше и быстрее, рядом появились вихри помельче, и с ними происходит то же самое. а сама задача давно живёт в мире функциональных пространств. скорость это не число, а точка в бесконечномерном пространстве. в инженерии всё это решают численно. пространство режется на миллионы маленьких ячеек, время на маленькие шаги, и компьютер последовательно приближённо считает давление и скорость. проблема в том, что в турбулентном потоке ячейка должна быть мельче самого мелкого вихря. честный расчёт, до последнего вихря и без единой модели турбулентности, называется DNS (direct numerical simulation ака численные методы). звучит как единственно правильный подход, но цена растёт нелинейно - удвоил скорость потока счёт подорожал в восемь раз. поэтому DNS живёт в исследовательских задачах с простой геометрией, вроде течения в канале, а до крыла или кузова не доезжает вообще. а инженеру нужны крыло и лопатка, поэтому в реальных расчётах считают не всё: либо усредняют турбулентные пульсации и моделируют их влияние на средний поток (RANS), либо считают крупные вихри напрямую, а мелкие моделируют (LES). в какой-то момент deep learning тоже дошёл до этой области. логика простая: если у тебя уже лежит архив из тысяч посчитанных продувок, почему бы не научить сетку сразу выдавать ответ, минуя солвер. это называется суррогатной моделью, быстрая приближённая замена дорогого расчёта. допустим, обычный расчёт крыла занимает часы. ты много раз гоняешь настоящий солвер для разных форм, углов атаки и скоростей, получаешь датасет из геометрии, условий и характеристик течения, и дальше учишь модель отображать геометрию сразу в поле давления и скорости. у такой модели есть очевидная слабость: она знает только то семейство задач, на котором её учили. поэтому идею довели до двух более амбициозных версий. neural operators вроде FNO учат не одно решение, а сам оператор перехода «условия задачи → решение», чтобы модель работала на всём классе, а не на виденном. самый заметный подход в этой области за последние годы, PINN, physics-informed neural network, устроен принципиально иначе: он вообще обходится без датасета. сетка там не аппроксимирует чужие ответы, она сама является решением. на вход ей подают координаты x, y, z, t, а на выходе она отдаёт скорость и давление в этой точке. то есть сетка и есть то самое поле u(x,y,z,t), просто записанное весами вместо формулы. функция потерь задизайнена так: суррогат штрафуют за расстояние до ответов солвера, а PINN за то, что его выход не удовлетворяет Навье-Стоксу: невязка уравнения и есть лосс. производные для неё берутся бесплатно, тем же автоматическим дифференцированием, которым при обучении считают градиенты. начальные и граничные условия идут отдельными слагаемыми. идея красивая, и в 2019-2021 на ней был настоящий хайп, все лабы делали свой PINN. но один обученный PINN решает одну конкретную задачу. поменял геометрию крыла или скорость на входе — переобучай с нуля. обычный численный солвер за полвека отполирован так, что на той же задаче он просто быстрее и точнее. вся конструкция упирается в одну вещь. суррогат не отменяет солвер, он его амортизирует, чтобы обучить сетку, кто-то сначала должен посчитать корпус обычным численным методом. публичный DrivAerNet++, на котором учится половина этой области, это 8150 геометрий, около 3 миллионов процессорных часов и 39 терабайт, посчитанных на OpenFOAM

proxy is all you need как-то незаметно частью любого агентского веб-харнесса стало наличие прокси, через которые можно ходить в веб трафик ботов в этом году официально обогнал человеческий. чтобы агент ходил в соцсети, парсил маркетплейсы, обходил каптчу и читал медиа, нужна хорошая надёжная сетка проксей. и как это часто бывает, все белые фенси стартапы зиждутся на невероятных костылях и серых схемах. есть 3 типа прокси: публичные датацентры (aws, digitalocean), vps и резидентские. первые два антидетект блочит сразу, а третьи представляют особый интерес. резидентские прокси это легитимные ip-адреса, выданные интернет-провайдером на устройство. обычно ты приходишь за этим к прокси-вендору. для порядка: 400 млн ip (bright data), 175 млн (oxylabs), 155 млн (soax), 115 млн (decodo). смысл большого пула в том, чтобы хватало свежих незасвеченных адресов и можно было ротироваться, пока каждый конкретный не сгорел. есть этические методы сбора IP-адресов. это bandwidth-sharing приложения. вы ставите аппку, она показывает экран согласия, вы жмёте «да» и получаете деньги за трафик, который через вас роутится. погуглите packetstream, honeygain, pawns, earnapp. обычно они промотируются через сетку инфлов с запросами "хочешь получить деньги ничего не делая?" вторая тема это sdk внутри чужого приложения. вендор платит разработчику за то, что тот вшивает его библиотеку в свою игру или утилиту. такие ребята вроде тоже спрашивают про твоё согласие, но вполне реально будут гнать трафик прямо при запуске приложения-носителя. и на чёрном конце это спектра - просто заражённые устройства. пиратские игры, бесплатные vpn, разные мутные браузерные расширения. плюс есть провайдеры: вендор идёт и договаривается про их адресное пространство. это продаётся под вывеской isp-прокси как блоки ip, зарегистрированные на comcast, at&t, spectrum или bt, то есть в любой базе это честный домашний адрес. например, гугл и фбр прикрыли прокси-сеть netnut. поставщик её isp-прокси, divinetworks, тель-авивская контора 2004 года, которая начинала с оптимизации трафика для провайдеров, а потом переключилась на монетизацию неиспользуемого адресного пространства. в их кейсе владелец адресного пространства был университет howard: под раздачу ушла вся его сеть /16. конфигурацию ставил кто-то, у кого есть права на маршрутизацию: сам провайдер, подрядчик на аутсорсе или внутренняя команда. isp-прокси торгуют ровно этим зазором. сам сервер стоит в датацентре, а адрес числится за домашним провайдером и антибот смотрит на то, за кем записан адрес. получаешь скорость датацентра по цене доверия к домашнему адресу. отсюда и цена: продаются не за гигабайты, а поштучно, порядка $1–2.4 за ip в месяц. категория растёт. у литовского oxylabs отчётность лежит в открытом доступе: €16.7 млн выручки в 2021-м, €44.9 млн в 2023-м, €139.5 млн в 2025-м. чистая прибыли €62.7 млн. oxylabs полностью бутсрап, кстати, в прошлом году купил scrapingbee на восьмизначную сумму из собственных денег. еще им принадлежит honeygain, одно из популярных bandwidth-sharing приложения. а в июле впервые за одиннадцать лет взял внешнее финансирование $130 млн от американского pe-фонда warburg pincus при оценке $3.6 млрд. главный конкурент, bright data, вырос на чёрном бесплатный vpn, у которого бесплатные юзеры становились нодами сети, а платные нет. к ноябрю 2016-го у hola было 100 млн пользователей. в 2017-м контрольный пакет забрал британский фонд EMK Capital ($125 млн за 75.6%, оценка $165 млн), в 2021-м luminati переименовали в bright data. bright data растет тоже хорошо $127.7 млн в 2024-м и больше $300 млн ARR в ноябре 2025-го PE видимо дает неплохую сетку юристов, в 2023-м фб засудила bright data за скрейпинг facebook и instagram, а в январе 2024-го проиграла, судья в сан-франциско решил, что условия использования не нарушены. а иск твиттера суд просто отклонил вообще рынок прокси и скрейпинга ходит за руку и потихоньку консолидируется. а текущему консюмеру разница между ними уже не видна. поэтому VC больше дает деньги в браузерскую инфру и скрапинг, что выглядит немного белее. модные скрейпинг-стартапы типа firecrawl или browserbase говорят, что работают только с этичными прокси, но я что-то подозреваю, что они просто берут провайдера и какую-то расписку с него. аудит никто не делает. вот так и дошли потихоньку до того, что человек enable-ит архитектуру для агентов просто своим присутствием и девайсом. а говорите, базовый доход с AI не доступен. ps правда, возможно, тут есть конкуренция со стороны вашей стиральной машины

кстати, понял, что тут ошибался. мне два раза за последние два месяца писали брокеры с вопросом, можно ли купить код SpatialChat, чтобы потом перепродать его в AI кодинг лабы. предлагали около $50k за проект. код к сожалению, уже принадлежит не нам, но прецедент интересный. из условий: у проекта должен быть какой-то коммерческий потенциал в прошлом. например, привлеченное финансирование, большая команда или клиенты. ну и самое важное: код должен быть написан до 2022 года. так что рукописный код что-то стоит! а вы думаете зачем Blending Spoon скупает все эти SaaS darling child прошлой эпохи если вдруг у вас есть что-то подобное, могу вас законнектить.

вот на что я бы смотрел. 1/ даже если модели и скаффолдинги лаб станут лучше, есть ценность в том, чтобы быть роутером / оркестратором моделей. клиенты ценят снижение vendor-lock риска. плюс раньше SaaS чарджил за какой-то drag-and-drop workflow, сейчас это делает роутер. 2/ сегодня вертикальные saas продукты это по сути api-интеграция с моделям и prompt-интеграция, плюс у кого хватает денег можно делать post-train, но хз, лучше ли это, чем новый релиз модели от лабы. но я думаю, что близость к клиентам даёт хорошее пространство для разного апсела: - эксклюзивные партнёрства с лабами-вендорами: ты разворачиваешь модель конкертной лабы у клиентов, такой нео-интегратор. например, legora в августе зашла партнёром в gemini enterprise for legal. - и в обратную сторону -- data-провайдер для них: лицензируй данные клиентов и продавай данные лабам - ну и не для всех подходящее: но можно делать маркетплейс или даже кредитный продукт вертикальный saas держит премиальные мультипликаторы даже при более медленном росте, потому что доминирует в ограниченном tam: doximity 16x, guidewire 14x, veeva 11x. saaspocalypse 2026-го это подтвердил: горизонтальный saas за 12 месяцев −35%, вертикальный и примерно на том же месте. 3/ 3-3-2 до сих пор норм. я думаю, что у всяких legora / harvey будет «стена роста» в 2027-м, и умение держать консервативный рост при меньшем хайпе со стороны рынка будет цениться сильнее. 4/ fde мне кажется играет на руку стартапам. saas частично превращается в «платформу с сервисным on-ramp». в продаже любого ent-софта всегда были разные solution-инженеры или партнёры-интеграторы. uipath, например, только так и добрался до ipo: 4,000+ интеграторов и реселлеров в партнёрах. а когда a16z заявляет, что fde это главный moat, это даёт стартапам сегодня нормализовать сервисную выручку и оценивать её как софтверную. например fde-shop без намека на какой-то осознанный продукт, wonderful поднял $550m series c при $5b через 20 месяцев после запуска, при 650 людях и ~$70m arr. у salesforce на linkedin уже 104 человека с титулом forward deployed, даже у notion есть founding fde вакансия. иногда объём внедрений они выносят партнёрам: salesforce в апреле собрал fde partner network из accenture, deloitte и ещё 30 фирм и платит им за агентов, дошедших до прода. ну и в целом это имеет смысл в ai, особенно в регулированных / рискованных вертикалях: по iconiq половина scaling-компаний масштабирует fde, а 76% их переменной зарплаты привязано к retention и renewal. 5/ дистрибуция это самый вайбовый тейк. во время одинаковых продуктов люди ценят курацию, философию и твою неудобность для всех. особенно если вы делаете больше бутстрап 6/ это еще не говорю, что на многих рынках (как гео, так и вертикали) люди только начинают saas выкупать, особенно в smb. tldr; предпринимателям - больше слушай клиентов, меньше инвесторов; аналитикам и инвесторам - двигаться на yolo, инвестировать в то что растет, отписаться от e/acc-bro в твиттере. еще далеко до лебединой песни saas.

много распрей последнее время читаю, что мол software бизнес уже retard тема как для vc, так и для предпринимателей. кмк сегодня разница между saas, ai-агентом, saas с fde или даже небольшой вертикальной нео-лабой со своей slm стёрлась. везде ты хочешь, чтобы клиент свайпал карту, а ты ему давал какой-то цифровой продукт. раньше ты это делал с нулевыми маржинальными издержками. ну а сегодня из-за инференса это в среднем 23% выручки. но это всё еще application layer, а значит инвесторы оценивают риски по выручке. 1/ открылись категории, которые раньше считались стрёмными для saas-инвесторов. legal, healthcare, стройка и тд. - harvey стоит $11b при ~$300m arr - legora (шведский legal ai, запустились в конце 2024-го) — $5.6b при ~$150m. до $100m arr дошли за 18 месяцев, быстрее cursor и wiz - openevidence, медицинский поисковик для врачей, подняли series b при $3.5b и примерно 35x выручки. используют больше 40% американских врачей раньше TAM считали по тратам на софт, иногда добавляли туда зарплаты людей. сейчас это весь knowledge work целиком. да, после 2023 AI сделал возможность чарджить за outcome. и прекарсно, что мы больше не увидим, как юристы или консультанты чарджат за свои непрозрачные часы. но за outcome, то есть за результат у клиента: (закрытый тикет, забронированная встреча, спасённая подписка) берут деньги около 10% стартапов остальные чарджат за использование(токены, вызовы, действия агента) и за output, за единицу сделанной работы: сгенерированный документ, инвойс, диалог, независимо от того, помог он или нет. имхо мешает не технология, а аттрибуция: настоящий success-based billing не работает для большинства продуктов, потому что непонятно, AI дал результат или клиент сам. а «подними конверсию на 50% и возьми 10% от прироста» концептуально рационально, но ломает sales comp: ценность аккаунта не измерить в момент продажи. я же по extruct вижу, что ситы продаются в 2026-м лучше, если ты придумаешь, как свести свою математику. 2/ сейчас все в invest mode.общий тезис -- не важно, сколько денег нужно, мы должны make ai happen и все что важно это рост == они разобрались быстрее, как make ai happen. все рассуждения про moat или фундаментальную аналитику каждый месяц разбиваются об камень (привет, lovable рейзит под $30b наверное сейчас). 3/ рынок только учится относиться к выручке ai-saas. пока это выглядит так: инвесторам нравится arr-составляющая (со всеми странностями репортинга), а низкий retention признают частью инноваций, все смотрят на рост. в altimeter придумали для этого термин experimental runrate revenue: ai-выручка, которую купили как эксперимент, почти без обязательств. 4/ то же самое про маржу. в saas это было предсказуемо. сейчас есть нюансы. iconiq считает среднюю динамику gross margin ai b2b 41% → 45% → 52% с 2024-го по 2026-й. но на другом спектре сидит replit у которого маржа за год гуляла от −14% до +36%. на самом деле инференс cogs это новый cac дай доступ на неделю бесплатно к топовой моделе на фри плане и получи приток пользователей. 5/ почему это ещё привлекательно? такой возможности для switching cost не было раньше. только 28 центов из каждого нового доллара на ai это net-new it-бюджет. остальные 72 цента вынимаются из того, что уже есть в стеке. что-то тут отъедают лабы, что-то новые тулы. 6/ аргумент, что стоимость софта сегодня 0 - шум. сама разработка в saas всегда оценивалась в 0, если ты не показал выручку или потенциал этой выручки. ну да, можно что-то завайбкодить и не покупать с рынка или покупать у fde-shops (kirkland & ellis, крупнейшая юрфирма мира, вкладывает полмиллиарда в собственную ai-платформу с palantir вместо того, чтобы купить harvey или legora). ок, сегодня это готово на 80%, но кому-то всё равно нужно это поддерживать и давать результат. 7/ ну даже если это списать на инерцию и сказать, что самописные фабрики слопа софта будут это всё поддерживать, я думаю, мы всё равно захотим обмениваться какими-то готовыми артефактами, куда просто перетечет сегодняшняя добавочная ценность.

Компании платят авторам контента, чтобы те рассказывали об опасностях ИИ Немецкая исследовательница Сабина Хоссенфельдер, которая занимается теоретической физикой и снимает научно-популярные видео на ютуб, рассказала (youtu.be/lPdmYMHrWKg), что к ней обратилась некая организация с предложением оплатить видео, предупреждающее об экзистенциальных рисках ИИ. Предложение пришло вместе со сценарием, конкретными фразами и цитатами, которые нужно было включить. Хоссенфельдер отказалась. Название организации она не раскрыла, но упомянула, что похожие предложения получали и другие блогеры, при этом не только от этой конкретной компании. Среди частых заказчиков подобного контента – Center for AI Safety и Future of Life Institute, у которых, кстати, есть общий крупный донор Open Philanthropy. В последние годы Open Philanthropy активно занимается продвижением безопасности ИИ. Хоссенфельдер также рассказала, что деньги за лоббирование текут в научпоп и техжурналистику и с других сторон. Например, WIRED недавно писали о том, что маркетинговая фирма, связанная с организацией Build American AI предлагала тиктокерам до 5000 долларов за ролик, продвигающий антикитайские ИИ-тезисы. При этом – с инструкцией не отмечать и не раскрывать, кто платит. Choose your fighter: реклама в ChatGPT / реклама того, что ИИ нас всех убьет

в тему последнего поста про open philanthropy

Тонер продолжала работать в CSET параллельно с OpenAI.то есть спустя всего 6 лет после переезда в Штаты на магистратуру её назначили в борд OpenAI (а ты считай дальше, что у гуманитариев карьерой так себе). на китайском направлении CSET занимается в основном тем, что собирает, структурирует и объясняет Вашингтону разрозненные OSINT-данные: закупки PLA, китайские государственные документы, цепочки поставок полупроводников, программы привлечения талантов, патенты, научные публикации. они довольно много публикуют в открытом доступе, но думаю все мясо уходит в Вашингтон. Хелен регулярно зовут выступать на разных заседаниях Конгресса по AI и регулированию. при этом позиция самой Тонер сложнее примитивно-ястребиной, в духе «они сейчас взорвут наши дата-центры». она поддерживает контроль оборудования для производства полупроводников, потому что видит там реальные узкие места. к ограничениям на сами чипы относится осторожнее: контроль и лицензирование сложнее, ограничения могут усилить Huawei и SMIC, ударить по американским компаниям и ускорить технологическую самостоятельность Китая. вообще считает метафору «AI-гонки» вводящей в заблуждение: технология не создала американо-китайское соперничество, а просто стала одним из его выражений. отсюда же её скепсис по поводу красивого соглашения США и Китая по безопасности AI. прежде чем заключать большую сделку, сторонам неплохо бы хотя бы договориться, какую именно проблему они пытаются решить. у Тонер вообще довольно приятный публичный стиль. в длинных интервью она не выглядит человеком, который на каждый вопрос задвигает про экзистенциальный риск. признаёт минусы собственного лагеря, шутит и спокойно говорит, где данных недостаточно. поэтому её Substack полезно и интересно читать (как минимум мне) хотя бы для того, чтобы учиться формулировать мысли; из интересных тейков - она предлагает всерьёз относиться к jaggedness, то есть неровности возможностей AI. сегодняшние модели могут делать что-то на уровне сильного специалиста и тут же проваливаться на задаче, которую человек считает элементарной. большинство дискуссий предполагает, что это временная стадия: либо AI скоро упрётся в потолок, либо станет универсально сверхчеловеческим. Тонер предлагает третий вариант: прогресс продолжится быстро, но останется структурно неровным. тогда сложные профессии не исчезнут одним куском. вместо этого возникнут комбинации человека и AI, где машина делает мощные, но ограниченные фрагменты работы, а человек держит контекст, ответственность и переходы между задачами. для государства это важно потому, что такой неровный прогресс оставляет время на адаптацию. если AI не превращается мгновенно в универсального автономного исследователя, у государства остаётся время экспериментировать, исправлять правила и строить институты. некоторые топят, что именно Хэлен стала инциатором свержения. сложно в это поверить, но говорят, что эрозия отношений Тонер с Сэмом началась как раз с публикации исследования CSET по безопасности. в нём Anthropic оценивался выше OpenAI по подходу к безопасности и это взбесило Альтмана. в общем друзья, вывод такой - мальчики создают стартапы; мужчины делают think tank для гос аппарата.