Дайджест новостей за неделю 20–26 июля 2026 Раз в неделю я выпускаю обзор самых интересных новостей финансов и технологий в России и мире (одновременно в формате текста, видео и подкаста) – достаточно потратить всего 15–30 минут, чтобы быть в курсе событий.

Тема выпуска нынче была очевидной, в комментах ее сразу отгадали. Вообще, там Игорь Котенков обещал целый лонгрид сделать на тему хулиганящей новой ИИ-модели от Альтмана – очень ждем!

Темы прошедшей недели: — Тема недели: Новая модель OpenAI сбежала и взломала Hugging Face — Другие новости AI: Claude Opus 5 родился — Финансовая сторона AI-бума: У бигтехов всё сложно — Новости России: ЦБ снизил ставку до 14% — Бешеный принтер: Закон против уехавших из РФ — Международные новости: Чё там с нефтью опять — Новости технологий: Айфоновый тоталитаризм — Космоновости: Блумберг не умеют работать с источниками — Крипта: Кошелек внутри телеги — Хорошая новость недели — Бонусные посты недели из моих ТГ-каналов Топовые посты прошлой недели из моего второго (немножко щитпостинг) канала: 🐌 Итан Моллик выпустил обновленный мини-гайд про то, какие AI использовать для каких задач 🐌 Прикольное исследование про biases нейросетей 🐌 Полезные ТГ-каналы по теме российских ЗПИФ на недвижимость 🐌 Среднее богатство на взрослую душу населения в развитых странах в сравнении с медианным 🐌 Долларовые миллионеры как процент от взрослого населения 🐌 Более половины новых выходящих на рынок ETF представляют собой фонды инвестиций в одну акцию #RationalNews #нетвойне текст | видео | подкаст

Главная ошибка AI-стартапов — мыслить слишком мелко Сэм Альтман на Startup School сформулировал парадокс: AI позволяет маленькой команде делать то, для чего раньше требовалась целая компания. Но большинство основателей используют эту сверхсилу, чтобы собрать очередную обёртку над ChatGPT. Если модель за один промпт повторяет продукт, который раньше строили годами, — это не значит, что создавать больше нечего. Это значит, что нужно взяться за задачу на порядок сложнее. Несколько мыслей из выступления: 1. Сейчас золотое время для стартапов Стоимость разработки падает, циклы становятся короче, а доступ к знаниям — почти бесплатным. Несколько человек с AI-агентами могут замахнуться на проекты, которые недавно требовали сотен сотрудников. 2. Лучшие идеи сначала выглядят неправильными Большие компании редко рождаются из модного консенсуса. Обычно основатель замечает экспоненту или технологический сдвиг, который остальные ещё не успели принять всерьёз. Но одной «контринтуитивности» недостаточно. Убеждённость должна расти вместе с доказательствами: работающим продуктом, поведением пользователей и реальными результатами. 3. Огромная цель должна начинаться с маленького работающего шага OpenAI говорил об AGI, но начинал как небольшая исследовательская лаборатория. Большое видение не требует сразу строить всю империю. Нужно найти минимальный шаг, который проверяет главную гипотезу и создаёт реальное движение вперёд. 4. Связи между основателями накапливаются годами Альтман рассказал, как когда-то помог Stripe нанять Грега Брокмана — задолго до того, как они вместе основали OpenAI. Вывод простой: помогать сильным людям полезно без немедленного расчёта на отдачу. Невозможно заранее узнать, во что превратится одна встреча через десять лет. 5. AI должен расширять человеческую свободу, а не только создавать изобилие Даже мир без болезней и материального дефицита будет антиутопией, если в нём не останется приватности, самостоятельности и осмысленной роли для человека. Поэтому главный вопрос не только в том, насколько умными станут модели. А в том, кто контролирует их действия — и сохраняет ли человек право принимать окончательное решение. Главный вывод: AI резко снизил стоимость амбиции. Теперь маленькая команда может поставить перед собой почти абсурдно большую цель. Хочу закончить трансляцию с YC Summer School словами Liven in the future, then build what’s missing.

Как продавать стартап: уроки с живого разбора Пита Казанджи Кто именно должен купить ваш продукт — и почему ему было бы глупо этого не сделать? Из нескольких совершенно разных компаний сложилась одна практическая система. 1. Ищите не широкий рынок, а сочетание боли и денег У стартапа для hardware-команд было три сегмента: • у небольших компаний есть деньги, но проблема недостаточно острая; • у академических лабораторий проблема острая, но платить они не хотят; • у enterprise есть и боль, и бюджет, но длинный цикл продажи и уже внедрённые системы. Вывод — не выбирать между «маленькими» и «большими» абстрактно. Ищите сегмент, где одновременно присутствуют сильная боль, бюджет и достижимая первая сделка. 2. ICP — это организация плюс конкретный человек внутри неё Платформа для мероприятий сначала описывала клиента как «компанию, которая проводит события». Это почти бесполезно. После разбора ICP стал наблюдаемым: • компания уже успешно проводит крупное ежегодное мероприятие и начинает региональную серию; • она выросла из Luma/Eventbrite, но ещё не готова к тяжёлому Cvent; • мероприятия проходят на площадках среднего размера; • внутри нет полноценной event-команды, поэтому всё свалили на перегруженного EA или field marketer. Искать таких клиентов можно не только через outbound: площадки, каталоги событий и платформы без onsite-операций становятся каналами дистрибуции. 3. У хорошего ICP есть внешние следы Производитель лабораторного оборудования находил клиентов по публикациям, грантам и типам экспериментов. Если команда выращивает органоиды или занимается биопечатью, можно предположить конкретное оборудование и высокую стоимость неудачного эксперимента. Вместо общего письма «мы автоматизируем лаборатории» можно прийти с гипотезой. Сильный outbound начинается не со списка должностей, а с «выхлопа» реальной работы клиента: публикаций, вакансий, новых проектов, мероприятий, грантов, технологий и партнёрств. 4. Экономику нужно измерять, а не придумывать AI-брокер по перевозке автомобилей говорил, что он значительно дешевле традиционных посредников. Но подтверждён был только один маршрут: конкурент взял бы около $1 300 комиссии, а стартап — около $300. Реальная экономия на этой перевозке составляла примерно $1 000. Это уже сильное доказательство. Но из одного случая нельзя честно сделать заявление «экономим 75% ежемесячно». Сначала измерьте результат у первого хорошего клиента. Затем используйте его имя, объём, скорость и подтверждённую экономию, чтобы продавать похожим компаниям из той же сети. 5. Не бойтесь ручной работы до того, как нашли повторяемую продажу Другой стартап резко повышал эффективность рекламы брендов, продающих через Amazon, но клиенты отваливались на сложной установке пикселей и интеграций. Ответ Казанджи был предельно простой: настройте всё за клиента и возьмите отдельную плату за onboarding. «Это не масштабируется» — преждевременный страх. 6. В enterprise продавайте не замену системы, а маленький greenfield-проект Молодой компании трудно убедить корпорацию выбросить уже внедрённую платформу. Намного проще войти через новый проект, команду или workflow, где ещё нечего заменять. Так MongoDB исторически было легче попасть в новую application, чем убедить компанию перенести все базы данных сразу. Правильный первый контракт уменьшает не только цену, но и необходимый уровень доверия. Главный вывод воркшопа: Founder-led sales — это не когда основатель навсегда становится продавцом. Это период, когда он лично выясняет, кто покупает, из-за какой боли, по какому сигналу, с каким доказательством и через какую маленькую первую сделку. Нанимать отдел продаж стоит после того, как эти ответы стали повторяемыми. До этого момента продажи нельзя делегировать — потому что вы ещё не знаете, что именно нужно повторять.

Александr Ванг: в AI выигрывает не тот, у кого самая новая модель На Startup School 2026 основатель Scale AI и руководитель AI-направления Meta Александr Ванг говорил о том, как строить компании, когда технологический фронтир меняется буквально каждый месяц. Главная мысль: нельзя привязывать компанию к возможностям конкретной модели. Сегодняшнее преимущество быстро становится стандартной функцией. Поэтому продукт стоит строить вокруг устойчивой проблемы клиента, предполагая, что модели, цены и доступные возможности постоянно будут меняться. Следующее узкое место AI — уже не только интеллект модели. Всё большее значение имеют данные, evals, обратная связь, инфраструктура и способность превращать вероятностный ответ в стабильно полезный результат. Отсюда практический вывод: лучший способ учиться — как можно раньше внедрять продукт в реальную работу. Смотреть, где он ошибается, собирать сложные случаи и возвращать их в цикл улучшения. Ожидание «идеальной модели» лишь откладывает получение самой ценной информации. Ванг также сделал акцент на плотности таланта и прямой ответственности. Небольшая команда сильных людей с ясной зоной владения может двигаться быстрее крупной организации, где энергия уходит на согласования. И наконец, удешевление разработки должно увеличивать амбиции основателей. Если создать продукт стало проще, это не повод выпускать ещё одну тонкую оболочку над моделью. Это возможность взяться за более трудную и значимую проблему.

«Субстанция», но про мужиков — хоррор Looksmaxxing называют самой амбициозной короткометражкой года. 15-минутный короткометражный фильм рассказывает о жертве луксмаксинга, который становится одержим идеей «идеальной» внешности.

Луксмаксинг — это субкультура, где люди пытаются любой ценой «прокачать» внешность: от ухода за кожей и тренировок до сомнительных процедур, операций и одержимости «идеальными» чертами лица. Есть целые сайты по оценки внешности и соревнованиям между мужиками по красоте.

Режиссёр Элан Александр говорит, что вдохновлялся «Мухой», «Видеодромом» и «Реквиемом по мечте», а сценарий написал ещё в 2022 году, задолго до выхода «Субстанции». После успеха фильма в сети уже обсуждают, что история заслуживает полнометражки от A24. 🍿🍿🍿

День 2. Патрик Коллисон на Startup School Второй день начался с разговора Патрика Коллисона, сооснователя и CEO Stripe, и Харжа Тага́ра. Сначала говорили о том, чему стоит учиться в эпоху AI. Коллисон сравнил знания в голове с L1-кэшем компьютера: даже если модель способна найти или вычислить ответ, уже усвоенное человеком знание доступно быстрее и позволяет совершать больше мыслительных итераций. По его словам, способность программировать, рассуждать, писать и ясно общаться по-прежнему высоко ценится. Сам он пока не использует автоматически сгенерированные ответы в почте и мессенджерах и считает человеческое письмо более точным и содержательным. Затем разговор перешёл к учёбе и основанию компаний. Коллисон дважды уходил из университета ради стартапов и возвращался обратно. Он сказал, что бросать колледж необязательно: если человеку нравится учиться, нет ничего плохого в том, чтобы закончить образование. При этом уход из университета не является необратимым решением и, по его опыту, впоследствии почти никого не интересовал. Коллисон также предостерёг студентов от идеи, что нынешний момент — последняя возможность создать компанию и избежать будущего «постоянного низшего класса». По его словам, люди регулярно воспринимают новые технологии как окончательное переустройство общества, но предпринимательские возможности в Кремниевой долине продолжают появляться десятилетиями. Stripe родился после Startup School 2009 года. После мероприятия Патрик и Джон Коллисоны пошли за суши, а по дороге решили начать работать над платежной компанией. Они предполагали, что проект займет несколько месяцев; прошло почти 17 лет. Идея Stripe казалась одновременно очевидной и неправдоподобной. Интернет-платежи были сложными и неудобными, но банки и партнеры с трудом воспринимали двух молодых основателей как серьезную финансовую компанию. По словам Коллисона, их удерживала конкретная проблема, которую пользователи действительно испытывали и хотели решить. До публичного запуска Stripe прошло почти два года. Коллисон объяснил это требованиями к безопасности, банковским партнерам, движению денег, инфраструктуре и надежности. При этом компания не строила продукт в изоляции: первый реальный пользователь появился примерно через два месяца после начала работы. Функции добавлялись вслед за его запросами — просмотр платежей, возвраты и вывод средств. Число пользователей затем увеличивалось каждый месяц до публичного запуска. Обсуждая стартапы в эпоху AI, Коллисон предположил, что прежний подход с поиском маленькой свободной ниши может стать более конкурентным. Поскольку создавать программное обеспечение стало дешевле, основателям, возможно, придется выбирать более амбициозные и менее очевидные направления. Еще один его совет — думать не только о возможном провале, но и об успехе. Перед привлечением значительного капитала основателю стоит спросить себя, хочет ли он заниматься этой компанией 10, 17 или 30 лет. В любом бизнесе будет много рутинной работы, поэтому важна привлекательность всей области и долгосрочной миссии, а не только отдельных интересных задач. Коллисон также не согласился с тем, что несколько крупных AI-лабораторий заберут всю экономическую ценность. Он привел исторический пример Google: даже организация с выдающимися специалистами, капиталом и инфраструктурой не может одновременно реализовать все возможные направления. По его ожиданиям, AI создаст не только несколько крупных победителей, но и тысячи новых компаний. В заключение Коллисон поделился наблюдениями из данных Stripe. По его словам, число новых компаний на платформе выросло почти вдвое год к году — это один из крупнейших скачков, которые они наблюдали. При этом медианный новый бизнес работает лучше, чем год назад, а компании быстрее достигают первых уровней выручки.

Разговаривал вчера с другом, возникла мысль что одна из самых рискованных инвестиций сегодня — это индекс Russell или даже S&P500. Почему? Потому что большая часть компаний обоих индексов не имеют смысла уже с сегодняшним уровнем моделей, но продолжат существовать по инерции еще лет 10-15. S&P500 спасет Нвидиа и Гугл, но вот классическим компаниям из Russella и их европейских/азиатских аналогов жопа. Да, авиакомпании и железные дороги не исчезнут совсем, но для любой более-менее технологической компании упадут мультипликаторы и вырастет конкуренция. У биткоина и эфира от ИИ в любой день, начиная с сегодняшнего, есть ненулевой риск стоить ровно $0, потому что они код, а ничего лучше LLM не бывает в плане кибер безопасности. У сааса останется функция как хранилище данных и source of truth и платформ для агентов, но у многих мультипликаторы упадут до 2-4. У банка и какого-нибудь крупного FMCG не будет моментального обнуления, но уже сегодня очевидно, но любая их офисная функция будет на 80+% автоматизирована. А какой процент производства и логистики в цене тюбика зубной пасты? Ну, от силы 20%. Самый безумный ответ тут: «всех уволят, кто будет покупать?» — но это ересь, ибо большинство людей и сегодня не может себе позволить топовое образование, топовых роботов/машины/квартиры, топовую медицину и приватный ультрамодный банкинг. Но смогут, ибо все эти вещи станут в разы дешевле. Но не за один год. За один год изменится индустрия софта. Все компании, чей продукт код либо придумают уникальный способ защиты, который не могут повторить конкуренты, либо вынуждены будут самоликвидироваться. А для остального потребуется экономическая диффузия (условно, роботы для строительства домов есть уже сегодня, но нужны годы чтобы они строили сотни тысяч домов в год). Самая рискованная ставка в экономике сегодня — это ставка на стабильность. Любой, кто не приучится к постоянно и с увеличивающейся скоростью меняющемуся миру должен будет уступить дорогу остальным.

пару месяцев назад я выступал на онлайн-конфе, посвященной использованию AI в VC. два года смотрел её краем уха как зритель, а недавно позвали выступить. тема доклада была не столь важна, как наблюдение за тем, что вообще обсуждают. 2023 — построение инфраструктуры скрапинга, мониторинг хитрых сигналов, модели для скоринга стартапов. 2024 — как использовать llm для личного перформанса (чтение деков, подготовка market research, сорсинг). 2026 — агенты, агенты, агенты. в 2022 умение скрапить линкедин в поисках фаундеров в стелсе делало тебя одним из самых прошаренных VC, но в 2026 это базовый минимум. данные по твиттеру и линкедину сегодня доступны любому фонду. куча вендоров продают сигналы типа «ex-databricks founder in stealth». как выглядят дата-продукты, которые обычно продаются инвесторам. всё зависит от типа инвестора. 1/ для сида и пре-сида сейчас куча агрегаторов сигналов. в основном это разного рода манёвры вокруг поиска фаундеров в stealth-режиме. понятно, самая простая эвристика это глянуть в линкедине, что многие инвесторы и делают. но многие пытаются найти и заэгеджиться когда фаундер еще где-то работает. еще тут локация (ну то есть ты можешь ногами дойти, пиво матчу попить с фаундером) решает. 2/ отдельная задача — искать по сигналам типа роста загрузок, выручки, трафика. это требует большого ресурса скрапинга или закупки дата-сурсов с последующей агрегацией, но в целом тема интересная. я сам пользовался подобными тулами. видел, еще и более продвинутые вещи, которые делают внутренние команды. например, делают агентов, которые мониторят тикток, чтобы ловить консюмерские продукты. или мониторят гитхаб-профили сильных инженеров: какие oss-проекты те начинают замечать и так пересобирают граф звёзд гитхаба каждые шесть часов. 3/ если вы имели дело с инвесторами класса «who else is investing», для них тоже есть продукт это сталкеринг интереса tier-1 vc. мониторинг, что лайкает и на кого подписывается партнёр большого фонда, чтобы можно было быстро зайти со-инвестором. 4/ отдельный сегмент, продукты для корпоративного скаутинга. это что-то на стыке прокьюрмента, поиска инноваций, корп-дева и тд. этим, например, занимается cb insights. нужно ли вам покупать продукты? это может быть полезно, тем более прайс не такой уж большой даже для маленького фонда. больше вопрос в том, что именно вы покупаете. в общем, и правда куча задач стала проще с агентами. тот же NFX (одни из адоптеров data-driven vc) сократил инженерную команду, а не инвестиционную: дата-инфраструктура сама стала коммодити (ну или читай - аналитик может сам запромтить пайплайн, держать инженера, кто не сорсчит сделки - непрактично). AI обрушил стоимость и время создания market maps и базовых тезисов. но будем честны: для og vc это никогда не было дифференциатором. vc выигрывают не потому, что у них есть данные, а потому, что они по-разному их интерпретируют. два человека смотрят на один и тот же набор метрик и приходят к противоположным выводам. цена вообще неверная метрика тут (NFX подсчитали, что скрининг агентами на выборке 61 814 стартапов оказался в ~1000 раз дешевле аналитика: $0.07 против $70 при том же качестве). данные для оригинации сделок это базовая гигиена, которая продумывается на этапе фандрейза фонда. нашел даже статут под это: качество пула бьёт качество отбора. улучшение пула сделок на 1.5% поднимает успешность портфеля до ~9%, улучшение навыка отбора на 10%, только до ~7%. наверное, сама идея, что алгоритмический vc даёт тебе альфу, пока не сильно подтверждается, даже несмотря на все прорывы в доступности информации. помогает сорсить, но не факт, что этот tech даёт какое-то преимущество, чтобы в хорошую сделку зайти. перформанс достигается старыми методами. из всей этой затеи я верю больше в research-driven сорсинг. есть фонды, которые мониторят цитирования научных статей и спящих красавиц в академ-литературе: работы, которые годами лежали незамеченными, а потом резко набирают цитирования. у одного фонда compound есть хорошая статья (2023 год) про то, как они познакомились с фаундерами ещё в лаборатории и рано зашли в голосовые модели (deepgram, 2016), автономное вождение (wayve, 2017) и world models (runway, 2018). думаю, что самая верная тема сегодня поднять под это фонд с data-driven флёром.

⚪️ Возвращение экипажа МКС-74, гравитационный манёвр Psyche и солнечные вспышки Делимся еженедельной подборкой космических новостей. 🔹 Космический корабль «Союз МС-28» с экипажем вернулся на Землю с МКС 🔹 Компания «РЕШЕТНЁВ» разработала 12-метровый космический «зонт» для спутников 🔹 Зонд NASA Psyche разогнался возле Марса и проверил приборы перед встречей с астероидом Психея 🔹 Учёные выяснили, как дистанционно отличить токсичную лунную воду от безопасной 🔹 На Солнце произошла самая сильная вспышка за две недели 🔹 На космодром Восточный доставили ракету-носитель «Союз-2» 🔹 В Музее космонавтики в Москве открыли выставку к юбилеям конструктора Владимира Рачука и КБХА 🔹 Разбор полёта: как прошёл пуск первой частной индийской орбитальной ракеты «Викрам-1» 🔹 Космический громоотвод: в китайскую ракету при пуске ударила молния — к чему это привело 🔹 Cпутник Индии и США NISAR сфотографировал гигантскую ледяную колибри #дайджест@prokosmosru

Все там будем, или Почему игровые движки всегда заканчивают одинаково В движке «Блицкрига» нейтральные свиньи по недосмотру отнаследовались от боевого юнита. Завидев врага, они патриотично лезли за оружием, которого у них не было, зато патроны находились сами собой из неинициализированной переменной. Стрелять нечем, а боезапас есть, и свиньи дружно валили игру нулпоинтером. Починили изящно, выдав свиньям парабеллум, но обнулив патроны. Вся прелесть в том, что это не курьёз одной студии, а закономерная стадия, через которую проходит любой движок. Сначала весь код держится на наследовании от одного всемогущего класса, и баги в нём лечатся тем же наследованием, пока команда не упрётся в стену. Дальше по замкнутому кругу через компоненты, конфиги и собственный язык, и снова к началу. Посмотрим, какие четыре стадии проходит каждый движок и почему круг так тянет замкнуться: https://u.habr.com/elBSf