Запуски Starship стали восприниматься почти как рутина, но все таки ссылочку на отчет с красивой нарезкой видео и побором фоточек я здесь дам. Сам запуск с номером не для суеверных прошел достаточно гладко (но с третьей попытки): в ночь на субботу по Москве самая большая, уже третья версия корабля успешно стартовала — а вот дальше все пошло не совсем по плану: бустер штатно отстыковался и направился к месту приводнения, но вот только 5 из его движков запустились для финальной стадии торможения — вместо положенных 13-ти. В итоге с океаном ступень встретилась на очень приличной скорости. (А заодно было наглядно показано, почему рано еще тестировать возврат третьей версии в механический захват на стартовом комплексе: пока не будет гладко приводняться, на сушу ее возвращать нельзя — разнесет наземные сооружения). Зато сам корабль отработал всю полезную программу идеально: удачно выпустил муляжи спутников в космос и чисто приводнился в Индийском океане; его камеры продолжали работать даже когда корабль уже качался на волнах. Вообще, конечно, Starship весь обвешан камерами высокого разрешения и в течение всего полета гонит мощный видеопоток на Землю не для развлечения; это ценнейшие прямые наблюдения (наряду с прочей телеметрией) для конструкторов. Но побочный видеопродукт тоже получается великолепным — эта трансляция выглядит как дорогое фантастическое кино, смотреть приятно. https://www.space.com/space-exploration/launches-spacecraft/spacexs-starship-megarocket-makes-the-softest-splashdown-ever-after-launching-next-gen-starlink-satellites-in-flight-13-test-video

Борис Черный Главная мысль его выступления: продукты на базе AI теперь строятся не как обычный софт, а почти как экспериментальная наука. Каждое новое поколение моделей ведёт себя иначе. Поэтому нельзя заранее придумать огромный system prompt и сложную архитектуру, а потом годами их улучшать. Сначала нужно убрать почти всё, дать модели сложную реальную задачу и посмотреть, где она действительно ломается. Инструкцию стоит добавлять только тогда, когда одна и та же ошибка повторяется. Именно так команда Claude Code удалила около 80% system prompt для новой модели: большая часть старых правил компенсировала ограничения, которых у неё уже не было. Иногда модель без этих инструкций работала даже лучше. Борис назвал главную возможность для стартапов «product overhang»: современные модели уже умеют гораздо больше, чем позволяют существующие продукты. Мы часто сами ограничиваем AI — дробим работу на слишком маленькие шаги, подробно диктуем способ решения и не даём достаточно инструментов и свободы. Правильный подход — поставить задачу немного сложнее, чем кажется возможным, задать ограничения и критерий завершения, дать инструменты для самопроверки и позволить модели самой найти путь. Ключевой элемент здесь — не промпт, а верификация. Claude смог 11 дней переписывать runtime Bun с Zig на Rust, потому что у проекта был сильный набор тестов. Другой агент уже больше двух недель переписывает Electron-приложение на Swift, постоянно запускает результат и сравнивает интерфейс по скриншотам. Долгая автономная работа становится возможной, когда система сама понимает, приблизилась ли она к правильному результату. Ещё один сдвиг — тысячи агентов становятся новой формой вычисления. Они могут параллельно исследовать варианты, писать код, проверять друг друга и собирать итог. А постоянные routines уже ежедневно поддерживают кодовую базу Anthropic: удаляют мёртвый код, закрывают эксперименты, улучшают тесты и объединяют дублирующиеся абстракции. Мой главный вывод: в эпоху агентов выигрывает не тот, кто написал самый сложный промпт. Выигрывает тот, кто умеет дать модели настоящую работу, достаточную свободу и объективный способ доказать, что работа действительно выполнена. Коротко: ставьте более сложные задачи, меньше диктуйте способ решения и инвестируйте в проверяемость результата.

Дженсен Хуанг. Главная мысль его выступления — великие компании строятся не вокруг одной технологии, а вокруг правильного взгляда на будущее. Первая технология NVIDIA была ошибочной. Компания выбрала неправильный алгоритм 3D-графики и оказалась на грани закрытия. Более того, команда даже не знала, как сделать правильно: Дженсен купил несколько учебников по OpenGL, инженеры выучили новый подход и перестроили продукт. Но фундаментальная гипотеза была верной: обычные CPU нужно дополнять ускорителями, чтобы решать целые классы сложных задач. Поэтому NVIDIA стала не просто производителем чипов, а компанией, которая последовательно ускоряет новые алгоритмические области — от графики до deep learning и робототехники. Когда появился AlexNet, Дженсен увидел не просто прорыв в распознавании изображений. Он увидел универсальный способ создавать софт: нейросеть может учить функции, которые невозможно точно запрограммировать вручную. Дальше он задал главный стратегический вопрос: если это будет становиться лучше, что изменится во всём технологическом стеке? Отсюда его взгляд на следующую эпоху. Агенты — это не чат-боты и не просто инференс. Им нужны память, инструменты, песочницы, взаимодействие друг с другом и постоянно работающие асинхронные процессы. OpenClaw он назвал «Linux-моментом»: теперь каждая компания сможет собрать собственный AI. При этом главный нерешённый вопрос — управляемость. Агент уже может улучшать память и учиться со временем, но человек должен уметь изменить одно слово или один элемент плана и получить именно нужное локальное изменение. Тогда AI не обязан быть идеальным: даже 80% качества достаточно, если оставшиеся 20% можно точно и безопасно довести вместе с человеком. И, пожалуй, лучший совет Дженсена основателям: не нужно заранее знать всё. Нужно уметь быстро признать, что текущая реализация не работает, сохранить глубокую гипотезу, научиться недостающему и продолжать. Его формула проста: «Это важно — значит, я этому научусь. Насколько сложно это может быть?» На практике оказывается намного сложнее. Но преодолевать нужно не весь путь сразу — достаточно сегодняшний день.

База «староверов»: 30% компьютеров HP все еще работают на Windows 10 Финансовый директор HP Карен Паркхилл озвучила свежую статистику: около 30% пользовательской базы компании до сих пор не перешли на Windows 11. Позиция HP, как одного из ведущих игроков мирового рынка ПК, наглядно отражает общее настроение пользователей, которые не спешат расставаться с проверенной операционной системой.  Именно сохраняющаяся популярность «десятки» вынудила Microsoft скорректировать свои планы. Компания официально продлила программу платных обновлений безопасности (ESU) для Windows 10 22H2 еще на год — до октября 2027 года. В корпорации понимают, что одномоментно перевести сотни миллионов устройств на новую ОС не получится.

Хочу подушнить за механику работы с клиентами в вечер субботы :)) Все с источниками, конечно же 👐🏼 Всегда есть вероятность того, что ситуация по продукту будет такая:

из 100 новых клиентов через месяц остается меньше 95

Но это не значит, что у тебя херовый месяц месяц, это чаще всего просто база У ранних продуктов - SaaS, боты, диджитал-продукты - отток 6–8% в месяц на старте считается нормой (для B2B рынка цифры чуть меньше - 3-5%) Суть вот в чем - каждый месяц ты энивей теряешь часть базы, даже если делаешь все правильно - это чисто цена стадии 📎Заметил, что чаще всего в такой ситуации у фаундеров приходит решение нагнать больше лидов (кто узнал себя ставь лайк) Механика простая: стоимость привлечения клиента в среднем растёт на ~7,6% в год Если удержание не меняется, ценность клиента (LTV) стоит на месте, то есть ты платишь больше за клиентов той же ценности и заливаешь деньги в дырявое ведро Дальше - арифметика: Условно приходит 10% новых в месяц, уходит 8% - чистый рост 2% Как только отток догоняет приток или обгоняет его, реклама перестаёт растить бизнес и начинает просто ускорять сжигание бюджета:

каждый новый привлечённый клиент утекает через ту же дыру, что и предыдущие

При этом удержать существующего клиента в 5-25 раз дешевле, чем привести нового А рост удержания всего на 5% поднимает прибыль на 25-95% - это исследование Bain&Company и Фредерика Райхельда, того самого, кто придумал NPS Короче, вывод:

прежде чем масштабировать привлечение - почини удержание

Разберись, почему уходят именно эти 5-8 из 100, иначе рекламный бюджет просто ускоряет то, что и так происходит Мне лично тема удержания клиентов в продукте очень интересна и близка, хочу покопаться в этом глубже Если хотите пост на эту тему (как работать с удержанием) - предлагаю набрать под этим постом 35 лайков и пуляю его на канал источники вдохновения 😁: ➖ Показатели оттока клиентов для SaaS ➖ Бенчмарки по оттоку клиентов для SaaS ➖ Показатели оттока в SaaS: какой уровень считается чрезмерно высоким? ➖ Ценность удержания клиентов

На моей руке гипс. Полночь. Пустая дорога. 2012 год. Я возвращаюсь в Москву на своей черной Mazda 3. Это была моя первая в жизни машина, которую я купил за несколько месяцев до и осваивал на ней вождение. При этом последние пару недель водил практически одной рукой, так как сломал два пальца на левой, которая была в гипсе. Где-то в Раменском районе пробиваю колесо… Открываю багажник и понимаю, что даже не знаю, где лежит домкрат и как вообще менять колесо. Да и одной рукой едва я бы справился. Вспоминаю, что в самом Раменском где-то жил мой однокурсник, с которым мы учились в военном институте. Звоню: — Леша, у меня такая ситуация… — Жди. Буду через 20 минут. Леша приехал, показал мастер-класс, мы посмеялись, покурили и разъехались. С тех пор прошло много лет. Но именно после той ночи у меня появилось одно мысленное упражнение, к которому я до сих пор иногда возвращаюсь. Кому из людей в моей жизни я могу позвонить поздно ночью, когда мне действительно понадобится помощь? Конечно, сейчас любую подобную проблему можно решить сервисом. Но жизнь иногда подкидывает ситуации, которые не закрыть ни дистанционно советом, ни деньгами. В них требуется личное включение близких или настоящих друзей, которые проявляются именно в такие моменты. И обратный вопрос тоже задавал себе неоднократно. А готов ли я подорваться ночью, если этому человеку потребуется моя помощь, а у меня в тот момент совсем другие приоритеты?

Тут интересный комментарий оставили к прошлой новости про гипотетическое "освоение миллиардов" на создании робота-снегоуборщика. Обвинение на сегодня абсолютно голословное, ибо не опубликованы затраты на проект - был ли там хотя бы один миллиард, я этого не видел. На контраргумент про кремниевую долину, комментатор выдал "Какая разница? Это частные деньги, и потери частные". Я тут не собираюсь никого задевать, но я не люблю, когда прут против общеизвестных или легкогуглимых фактов. Давайте разберемся не в гипотетических госбабках, объем которых неизвестен, в деле создания одного робота. А в реальных вложениях миллиардов госбабок в кремниевую долину. 1950–1960-е: Кремниевая долина родилась не как частная инициатива. В 1955 году госконтракты обеспечивали 85% доходов региона. Fairchild Semiconductor, ставшая «матерью» всей индустрии, в 1959 году имела 80% выручки от государства. Для противодействия СССР, в основном. 1958–1968: Закон о малом бизнесе 1958 года запустил программу федерального финансирования венчурных фондов. За первое десятилетие её существования государство вложило в молодые фирмы $3 млрд — более чем в три раза больше, чем дали частные инвесторы. Apple, Compaq и Intel получали господдержку через эту программу. 1970–1990-е: В 1992 году федеральные власти инициировали программу на 17 млрд долларов новых инвестиций в технологические исследования, поддержку промышленных альянсов и государственно-частных предприятий, а также налоговый кредит на корпоративные НИОКР. Главный исследовательский центр региона, лаборатория MIT (LCS), десятилетиями держался на грантах DARPA. ARPANET — прообраз интернета, создан полностью на госбабки. 2000-е: BlackRock и Blackstone основаны в конце 1980-х в основном на деньгах пенсионных фондов. К 2000-му BlackRock управлял $165 млрд. Сегодня BlackRock — $11 трлн, Blackstone — $1,1 трлн. Венчурные фонды Долины на 80% финансируются институциональными инвесторами — теми же пенсионными фондами. А 73,7% акций Blackstone принадлежат институционалам, крупнейший из которых — BlackRock (7,09%). Деньги пенсионеров через BlackRock и Blackstone идут в стартапы и обратно. Ну, это, конечно, только для того, чтобы "деньги работали" и "инфляция не съедала накопления работяг". 2022–2023: банк Кремниевой долины и "госбабки" SVB (Банк кремниевой долины) рухнул в марте 2023 года из-за того, что вложил $24 млрд депозитов в долгосрочные гособлигации США. Когда ФРС подняла ставки, эти бонды обесценились — банк продал портфель с убытком $1,8 млрд. А поскольку 94% депозитов не были застрахованы, началась паника и изъятие средств. Заплатил за это госбюджет США? Да, через FDIC. Убыток страхового фонда составил около $16 млрд, который FDIC покрывает за счёт специальных сборов с банков. Фактически, государство гарантировало все депозиты, но платят за это все банки США. Выводы делайте сами.

Исследование кода GTA Vice City Спираченная копия Vice City включалась и шла как ни в чём не бывало. А потом снайперская винтовка переставала стрелять, через 35 минут отказывали все гаражи вместе с завязанными на них миссиями, погода могла превратиться в вечный ураган, сохранения повреждались, а метки с радара пропадали. Восемь механик саботажа, и каждая маскировалась под обычный баг — так, чтобы игрок винил кого угодно, только не защиту. Самое красивое реверс-инженеры нашли, уже копаясь в восстановленном коде. Саботаж оказался исходным состоянием игры, а не заплаткой поверх неё. Снайперка не работала по умолчанию, и только подтверждённая лицензия обнуляла нужную переменную и как бы чинила то, что изначально было сломано. Узнаем, что ещё Rockstar подсунула пиратам под видом случайных багов.