Вот вам и ответ на вопрос, почему Amazon захлопнул дверь перед Muse и другими ИИ-агентами, запретив им делать покупки. Рекламная выручка у ритейл-гиганта уже вдвое превышает его операционную прибыль без облачного бизнеса AWS. А при маржинальности под 70% (оценка a16z) выходит, что продвижение товаров кормит компанию щедрее, чем их продажа. Получается, это торговля – двигатель рекламы, а не наоборот. Загвоздка в том, что ИИ-агенту плевать на баннеры и “спонсорские” карточки. Он знает бюджет и задачи хозяина: нашёл нужное – купил. Алгоритм не залипнет на красивую картинку и не прихватит по акции лишнюю пачку чипсов. А значит, и брендам незачем платить площадке за место на витрине. Для маркетплейса такой бездушный покупатель – палка о двух концах. С одной стороны, это дополнительные продажи, с другой – угроза жирным доходам от продвижения. Amazon решил, что игра не стоит свеч. А вот Shopify поступил с точностью до наоборот. Платформа официально разрешила браузерным ИИ-агентам оформлять заказы на сайтах своих продавцов. И пока сложно сказать, кто поставил на правильную лошадь на этой длинной дистанции. Всё идёт к тому, что рынок e-commerce ждёт большая встряска: модель, построенная на монетизации человеческого внимания, даёт первые трещины. Если люди массово будут поручать покупки ИИ-агентам (а, скорее всего, так и произойдёт), площадка, закрытая для ботов, начнёт терять клиентов. Даже если её зовут Amazon. Вообще, в условиях революционных трансформаций на рынке часто больше других страдают именно монструозные, неповоротливые игроки.

Я бесконечно далёк от эзотерики, но аффирмации считаю очень даже рабочей штукой. Понемногу практикую сам и другим советую. Для меня это быстрый способ включить осознанность и настроить себя на готовность действовать. Если моего примера вам недостаточно, то вот ещё один. Основатель и CEO Shopify Тоби Лютке – инженер до мозга костей и гиперрациональный педант (как и подобает настоящему немцу) недавно признался, что часто использует “глупейший трюк из всех, что реально работают”. Да, он имел в виду те самые аффирмации. Например, Лютке панически боялся публичных выступлений. Вместо того чтобы разбирать с психологами детские травмы или нанимать каких-нибудь коучей, он неделю по десять минут в день писал: “Я люблю публичные выступления”. Через семь дней страх испарился. Знаю, звучит как дичь из арсенала марафонов желаний. На самом деле тут нет никакой магии – это чистая физиология. Наш мозг всячески избегает внутреннего конфликта (того самого когнитивного диссонанса). Ему проще подтянуть ваше поведение под заданную рамку, чем допустить разлад в системе. Заставляя себя раз за разом повторять новую вводную, вы буквально перепрошиваете нейронные связи и меняете собственную идентичность. А идентичность рулит поведением на автопилоте. Она формирует привычки и работает непрерывно в отличие от мотивации, которая может быстро истощаться. По правде говоря, случай Лютке – скорее из ряда вон. По моему опыту, эта механика требует месяцев повторений и, главное, подкрепления делом. Мозг конечно, пластичен, но он не поверит в вашу новую роль, если вы будете просто сидеть на диване и бормотать заклинания. Однако, если вы подкрепите аффирмации действием, может получиться хорошая комба. Мой опыт такой.

Новости стартапов и венчурного рынка 28 сентября — 3 октября 2026 В связи с поездками я все никак не вернусь в регулярный режим публикации еженедельного обзора новостей про стартапы и венчурные инвестиции. На прошлой неделе я проанализировал ~100 новостей. Конечно было очень много новостей вокруг OpenAI, безопасности и регулирования. Но мое внимание остановилось на вот этих новостях. 1.OpenAI не видит смысла проводить IPO до того, как будет обеспечена безопасность нового поколения ИИ-решений, и привлекает $30B от частных инвесторов по оценке $1.4T. Это прям очень интересная новость. Сэм Альтман пока что не называет даты IPO, при этом переговоры о привлечении нового раунда инвестиций от частных инвесторов на сумму $30B в самом начале. Эту новость с одной стороны можно интерпретировать как высокий спрос и веру в компанию со стороны частных инвесторов. С другой стороны это напоминает бридж-финансирование, когда компания не дотянула до определенного майлстоуна, и нужно дополнительное финансирование, чтобы продлить runway.  Понятно, что непубличной компании проще вести бизнес, потому что она не обязана раскрывать всю информацию. Кроме того при размещении акций на бирже будет сложно конкурировать за деньги с Anthropic, который планирует выйти на биржу уже в ноябре 2026 года. Вообщем, после Нового года увидим, какая из двух гипотез будет правильной. 2. Shopify открыла кассу браузерным AI-агентам. Мы как раз обсуждали эту тему на нашей встрече в Лимассоле. Теперь агенты смогут самостоятельно делать за пользователей покупки в интернете. Я слежу с за развитием этой ниши с начала 2026 года. Несмотря на очевидную полезность этого решения, полгода назад этого рынка фактически не существовало, о чем мне рассказал один из знакомых венчурных фондов, который инвестировал в стартап, развивающий такие решения. Запуск решения от Shopify может дать новый импульс развитию рынка. Посмотрим, что будет дальше. 3. Индия инвестирует $11 млрд. в DeepTech. Правительство Индии утвердило программу Research, Development and Innovation (RDI) объёмом $11 млрд. на 6 лет. На первый финансовый год предусмотрено около $2 млрд. Среди приоритетных направлений — искусственный интеллект, квантовые технологии, робототехника, космос, биотехнологии, полупроводники и другие стратегические технологии. Признаюсь честно, я с замиранием сердца следил за полетом и посадкой индийского лунного космического аппарата. Мы даже сделали отдельно обзор индийского космического сектора (см. статью ниже). Очень воодушевляет прогресс страны в области DeepTech!  4. a16z: State of markets II. 30 сентября a16z опубликовала второй в этом году State of Markets. Ключевая мысль: AI-бум приводит к тому, что огромные прибыли крупнейших технологических компаний фактически превращаются в спрос на полупроводники, электричество, сети и другую инфраструктуру.  И финансируется это уже не только прибылью крупнейших технологических компаний, но всё чаще и за счет заемных средств. При этом всего 2% домохозяйств платят за ИИ всего $31 в месяц. Отдельно интересный факт про SaaS. Я помню, как в начале года многие писали о смерти этой бизнес-модели. Я тогда еще говорил, что не нужно спешить ее хоронить. Туман рассеялся. И действительно массовой замены SaaS навайбкоженными продуктами пока не происходит. Кроме того рекордные 75%+ SaaS компаний прибыльны, хотя и растут не так быстро. Ссылка на источники в первом комментарии.

Прочитал отличную заметку Shopify про gisting — сжатие системного промпта в обучаемые токены. По сути, это компиляция промпта. У GraphQL-агента Sidekick системный промпт занимал около 6 000 токенов, которые постоянно приходилось обрабатывать снова и снова. Prefix caching решает проблему лишь частично. Модели не нужно повторно вычислять KV cache для промпта, но при генерации каждый новый токен всё равно работает со всем контекстом. Чем длиннее промпт, тем больше памяти и времени требуется на каждый шаг декодирования. Придумали логичную штуку применить: gisting Как работает gisting. Сначала Shopify выбрали коэффициент сжатия 4:1(это гиперпараметр) и создали 1 500 новых специальных токенов вместо 6 000 исходных. Эти токены не были выбраны из системного промпта и не являлись его текстовым summary. Это просто новые ID вроде <GIST_1>, <GIST_2> и так далее. Дальше: * Все веса модели замораживаются. Обучаются только эмбединги новых gist-токенов. * Teacher-версия модели получает полный системный промпт, запрос пользователя и начало правильного ответа. На каждой позиции она выдаёт распределение вероятностей следующего токена. * Student-версия той же самой модели получает тот же запрос и ответ, но вместо 6 000 токенов системного промпта видит 1 500 gist-токенов; * Распределения teacher и student сравниваются через KL divergence. * Градиент меняет только эмбединги gist-токенов, пока student не начинает выдавать практически те же распределения ответов, что и teacher. * Изначально новые эмбединги можно было бы задать случайно. Но Shopify нашли более эффективную инициализацию: исходный промпт разделили на группы по четыре токена, а каждый gist-embedding инициализировали средним значением эмбедингов соответствующей четвёрки. Это снизило начальный loss в семь раз. При этом <GIST_1> не становится сокращённым обозначением первых четырёх токенов. Все 1 500 embeddings обучаются совместно и в итоге кодируют не текст промпта, а его влияние на поведение модели. Получаем сжатие поведения: модель учат реагировать на короткую последовательность обучаемых векторов так же, как на длинную текстовую инструкцию. В результате примерно 6 000 обычных токенов превратились в 1 500 обученных токенов. Модель ведёт себя так, будто прочитала полный промпт, хотя фактически получает его сжатое представление. После обучения никакой отдельной архитектуры не требуется. Эмбединги записываются в embedding matrix, токены регистрируются в tokenizer, а длинный промпт при запросе просто заменяется их последовательностью. Нет дополнительного encoder, специального attention mask или отдельного serving path. Результаты при нагрузке 350 запросов в минуту: — time to first token: с 438 до 354 мс, −19%; — полная задержка: с 6,8 до 4,2 секунды, −38%; — throughput: с 20,2 до 23,4 запроса в секунду, +16%; — требуемое количество GPU: −14%. Качество при этом не ухудшилось. Как они подбирали рецепт: Autoresearch-цикл сам менял гиперпараметры, запускал обучение и оценивал результат. Так нашли оптимальное сжатие 4:1. При дальнейшем уменьшении количества gist-токенов качество начинало падать. Для другой модели, промпта и предметной области граница будет другой. Предварительный расчёт teacher logits и токенизация сократили один обучающий прогон с 30 до 6 часов. Оказалось также, что усреднение функции потерь по токенам ответа приводило к галлюцинациям, а усреднение по batch сохраняло больше сигнала от длинных ответов. Хорошее напоминание, что даже в относительно простой оптимизации детали функции потерь могут полностью изменить поведение системы. Prompt engineering постепенно превращается в обычный ML engineering. Системный промпт можно рассматривать как исходный код, а gist-токены — как его скомпилированную версию. Здесь всё знакомо: датасет, distillation, loss, evaluation, нагрузочное тестирование, мониторинг качества и стоимости. #ArticleReview

Оч. няшное интервью CEO Shopify - Toby Lütke, на 2,5 часа. Немец в Канаде 20 лет строит компанию на $200 млрд (1/7ая SpaceX, но не такой буйный как Маск): Бизнес - Фирмам уже лет 500. Этот социальный конструкт (пусть и меняющийся) позволяет тысячам людей по 14 часов/день идти к общей цели. Но да, сегодняшние фирмы ужасны - через 20 лет это будет видно. И в целом прогресс - это способность оглянуться назад и понять, а как можно было сделать лучше? - Конкуренты важны: Агасси не стал бы собой без Сампраса - тк вдохновляющее соперничество и позволяет не просто копировать других, а инновировать. Крутые художники влияют на работы друг друга, в бизнесе - аналогично - Биографии фаундеров - это чит-коды из тысяч лет опыта, сжатого в часы. Larry Ellison чуть не угробил бизнес не понимая мотивации отделов продаж, но почитал биографии и понял, что ошибка типичная. А просто бизнес-книги не ОК: они слишком упрощают реальные проблемы Развитие - Аффирмации работают т.к. они перезаписывают наш кортекс, и мозг подтянет нас под желаемое - Биографии людей по всея миру показали мне схожие паттерны + добавило мне стоицизма + позволило переизобретать с опорой на уникальность. Успех требует отличаться, не как все, не имитировать - Я кайфую, когда нахожу проблему. И тут важны первые 5 слов: а что и как ты формулируешь? В тч когда потом несешь инженерам решать "what about this, guys?" - чтобы они не ушли в защитный режим. Инструмент - топчик.. High agency - Бизнес-интуция не есть внутренняя данность: она меняется от декады к декаде и от одной технологической эпохи к другой - У фаундеров есть раздражение про что-то недостаточно хорошее когда многим людям и ОК. И фаундеры не скрывают истины из-за статус-кво или политики. Рокфеллер еще 150 лет назад строил свои команды топов из фаундеров Лучшие практики - Вкус и предвзятость крайне важны. А иначе не будет убежденной позиции. Но в бизнесе есть гигантский заговор против этого: тк типа это не формализовать, не квантифицировать - Людей не надо, как в корпорациях любят - держать за ручку как детей. Дайте сотрудникам свободу: их воображение шире вашего. Просто все итерационно, с фазами - тогда и будут эти life changing инсайты. Da Vinci не работал по OKR )) Идеал это когда вся фирма - поле для креативности - У нас офисы не open space, а блоки по 5 чел. - для уюта как в маленькой компании. И цена офиса не влияет на успех бизнеса Silicon Valley - Ортодоксия - это ужасно. Мы вот специально вдали от Silicon Valley свою культуру строили: нам важнее не быть правыми, а общее строить. И мы же просто инструмент для кучи фаундеров в e-com в их самоактуализации - А еще с Гугл сложно конкурировать по з/п. Но зато вот на East Coast мы, может, здесь и самые лучшие.. И еще бывшие клиенты (!) шли к нам работать - мы пронизаны импульсами предпринимательства Пандемия - Covid спустя 5 лет после IPO помог вглядеться в хаос в компании и за год я порезал 60% проектов - это ненужные фичи, пусть и от талантливых команд. В софте же нет издержек как в физическом мире - вот инженеры и не ощущают косты этого для бизнеса.. - Все же да, Shopify - это фаундеры для 4 млн других фаундеров - торговцев в e-com'е. И ряд мерчантов росли быстрее, чем мы - огонь! Крах наших акций в 2021 - После короны упали на 80% - рынки акций похожи на рынки ставок и Polymarket, а не на real value creation. Мы запилили а-ля Shopify OS и увидели: на 8 тыс штата у нас 5 тыс разных должностей. Стали упрощать, найм сэйлзов требует сперва уволить инженеров итд. Крч, как Bezos: строили great company - У нас individual contributors получают $ не меньше менеджеров. Еще даем людям выбор в бонусах какой % акциями, а какой кэшом Предпринимательство - Мне кажется, что желание, если что - пойти и начать строить свою компанию - оно должно стать "планом Б" для каждого. Ведь это то, что люди хотели бы, но: у них страхи.. А сейчас ведь проще, чем раньше: есть 3d printing, пластмассы, роботы, on-demand manufacturing итп - И в этом плане моя миссия уже 20 лет как: помощь предпринимателям, купцам - в их самоактуализации. И пока у меня это получалось

За что я очень люблю Нью-Йорк 🗽 Помимо того, что сейчас в целом тут активностей итак миллион (финал fifa, премьеры фильмов, nba). Сегодня вечером у меня целых три проф мероприятия, и на все три планирую пойти. Во-первых, Snowflake!! Сами меня пригласили, написали в LinkedIn и позвали в Aman, один из самых лакшери отелей города. Будет панель про женщин в data и AI. Во-вторых, Shopify в их флагманском сторе в Сохо. Будет вечер без презентаций, просто живые разговоры, food, летние напитки, charm bar. И в между ними по зуму - graduation в Clay. Очень интенсивный день получается, но именно за такую плотность возможностей я и люблю этот город. Лето в Нью-Йорке - one love ❤️