Основатель a16z: эпоха агентов — изменилось всё, что по-настоящему важно

Автор: a16z

Перевод: FuturePulse

Источник сигнала: это последнее интервью Марка Андриссена, соучредителя a16z, в подкасте Latent Space. Он является известным американским интернет-предпринимателем, одной из ключевых фигур в раннем развитии интернета; а после создания a16z стал представителем топ-инвесторов Кремниевой долины. Весь разговор посвящен истории развития ИИ и новейшим тенденциям, что делает его крайне интересным для чтения.

I. Эта волна ИИ — не внезапный прорыв, а первое полноценное «вступление в строй» после 80-летней технологической гонки

• Эта волна ИИ не возникает из ниоткуда, а является результатом 80-летнего технологического марафона,
• Марк Андриссен называет современные события «80-летним ночным успехом» (80-year overnight success), подразумевая, что резкий взрыв, видимый публикой, на самом деле представляет собой концентрационное высвобождение десятилетий технических накоплений.
• Он прослеживает эту техническую линию до ранних исследований нейронных сетей и подчеркивает, что сегодня индустрия фактически приняла вывод о том, что «нейронные сети — это правильная архитектура».
• В его повествовании ключевые этапы — это не единый момент, а цепочка наслоений: AlexNet, Transformer, ChatGPT, модели рассуждения (reasoning), затем агенты (agents) и самоусовершенствование (self-improvement).
• Он особо отмечает, что этот раз отличается не только усилением генерации текста, но одновременным появлением четырех типов функций: LLMs, reasoning (рассуждение), coding (кодинг/программирование), а также agents / recursive self-improvement (агенты / рекурсивное самоусовершенствование).
• Именно поэтому он считает, что «на этот раз всё иначе»: дело не в более красивом нарративе, а в том, что эти способности уже начали выполнять реальные задачи.

II. Архитектура агентов (agent), представленная Pi и OpenClaw, — это более глубокое изменение программной архитектуры по сравнению с чат-ботами

• Он определяет агента довольно конкретно: по сути это «LLM + shell + файловая система + markdown + cron/loop». В этой структуре LLM является ядром рассуждений и генерации, shell предоставляет среду выполнения, файловая система сохраняет состояние, markdown обеспечивает читаемость состояния, а cron/loop дает периодическое пробуждение и продвижение задач.
• По его мнению, важность этого сочетания заключается в том, что, кроме самой модели, все остальные компоненты являются зрелыми, понятными и пригодными для повторного использования частями программного мира.
• Состояние агента сохраняется в файлах, поэтому его можно переносить между моделями и средами выполнения (runtime); базовую модель можно заменить, но память и состояние останутся прежними.
• Он неоднократно подчеркивает introspection (самоанализ): агент знает свои файлы, способен считывать собственное состояние и даже перезаписывать свои файлы и функции, продвигаясь в направлении «расширения самого себя» (extend yourself).
• На его взгляд, настоящее прорывное изменение заключается не просто в том, что «модель умеет отвечать», а в том, что агент может использовать существующий инструментарий Unix, подключая к себе весь потенциальный вычислительный ресурс компьютера.

III. Эпоха браузеров, традиционных графических интерфейсов (GUI) и «ручного управления программами» будет постепенно заменена взаимодействием по принципу agent-first

• Марк Андриссен четко заявляет, что в будущем «вам, возможно, больше не понадобится пользовательский интерфейс».
• Он дополнительно отмечает, что основными пользователями будущего ПО могут стать не люди, а «другие боты».
• Это означает, что многие интерфейсы, которые сегодня проектируются для кликов, просмотра и заполнения форм людьми, превратятся в слой исполнения, вызываемый агентами на заднем плане.
• В таком мире человек выступает скорее как постановщик целей: сообщает системе, чего хочет, а затем агент вызывает сервисы, управляет программами и завершает процессы.
• Он связывает это изменение с более широкой перспективой разработки ПО: качественное программное обеспечение станет все более «избыточным», перестав быть дефицитным продуктом, который вручную создают единицы инженеров.
• Он также прогнозирует снижение важности языков программирования: модели будут писать код на разных языках и переводить его друг в друга, причем в будущем людям будет важнее понимать, почему ИИ организует код именно так, а не привязываться к какому-то одному конкретному языку.
• Он упоминает даже более радикальное направление: концептуально ИИ способен генерировать не только исходный код, но и напрямую формировать низкоуровневый бинарный код (binary) или веса моделей (model weights).

IV. Текущий инвестиционный цикл ИИ напоминает пузырь интернета 2000 года, однако базовая структура спроса и предложения в них различается

• Оглядываясь на 2000 год, он подчеркивает, что крах произошел во многом не из-за того, что «интернет был плохим», а из-за чрезмерного строительства телекоммуникационной и полосной инфраструктуры, преждевременного развертывания оптоволокна и дата-центров, требующих долгого периода амортизации.
• По его мнению, сегодня действительно есть опасения относительно «чрезмерного строительства», но главными инвесторами выступают крупные компании с обильными денежными потоками, такие как Microsoft, Amazon и Google, а не хрупкие игроки с высокой финансовой leverage.
• Он особо отмечает, что инвестиции в работающие GPU сейчас обычно быстро конвертируются в доход, что кардинально отличается от огромных объемов простаивающих мощностей в 2000 году.
• Он также подчеркивает, что мы сейчас используем фактически «придержанную» (sandbagged) версию технологий: из-за нехватки поставок GPU, памяти, дата-центров и т.д. потенциал моделей полностью не раскрыт.
• По его оценке, настоящими ограничениями ближайшие годы станут не только GPU, но и CPU, память, сеть и системные узкие места всего чип-экосистемы в их взаимосвязи.
• Он сопоставляет законы масштабирования ИИ (AI scaling laws) с законом Мура прошлого поколения, считая, что они не просто описывают закономерности, но и непрерывно стимулируют синергию капитала, инженерии и промышленности.
• Он обращает внимание на парадоксальное, но важное явление: по мере ускорения оптимизации программного обеспечения некоторые процессоры прошлых поколений могут оказаться даже более экономически выгодными, чем сразу после покупки.

V. Открытый исходный код, граничное выполнение (edge inference) и локальный запуск — это не второстепенные факторы, а часть конкурентного ландшафта ИИ

• Марк Андриссен однозначно утверждает высокую ценность open source (открытого исходного кода) не только из-за бесплатности, а потому, что это позволяет «всему миру понять, как оно создано».
• Он характеризует подобные релизы open source, как у DeepSeek, как «подарок миру», поскольку сочетание исходного кода и научной статьи быстро распространяет знания и повышает общий уровень отрасли.
• В его интерпретации open source — это не только технический выбор, но и геополитическая и рыночная стратегия: разные страны и компании будут применять различные стратегии открытости, исходя из своих коммерческих ограничений и целей влияния.
• Параллельно он подчеркивает важность edge inference (граничного выполнения): в ближайшие годы затраты на централизованное выполнение могут оказаться недостаточно низкими, и многие потребительские приложения не смогут позволить себе долгосрочные высокие расходы на облачный инференс.
• Он отмечает повторяющийся паттерн: модели, которые сегодня кажутся «невозможными для запуска на ПК», через несколько месяцев часто успешно работают на локальных устройствах.
• Помимо стоимости, факторами локального запуска являются доверие, конфиденциальность, задержка данных и сценарии использования: носимые устройства, умные замки, портативные гаджеты идеально подходят для инференса с низкой задержкой непосредственно на устройстве.
• Его оценка предельно прямолинейна: практически любое устройство с чипом в будущем сможет оснащаться моделью ИИ.

VI. Главная проблема ИИ кроется не столько в возможностях моделей, сколько в безопасности, идентификации, финансовых потоках, организациях и институциональном сопротивлении

• Что касается безопасности, его оценка предельно остра: любые потенциальные уязвимости (security bugs) станут обнаруживаться гораздо легче, и в краткосрочной перспективе возможен период «масштабного кризиса компьютерной безопасности».
• В то же время он полагает, что программирующие агенты масштабируют возможности исправления уязвимостей; в будущем защита ПО может заключаться в том, чтобы поручить ботам сканирование и ремонт.
• В вопросе идентификации он считает proof of bot (доказательство бота) бесперспективным, поскольку боты будут становиться сильнее; реальным вектором является proof of human (доказательство человека), сочетающий биометрию, криптографическую верификацию и селективное раскрытие данных (selective disclosure).
• Он также затрагивает часто игнорируемую проблему: если агенты действительно должны работать в реальном мире, им в конечном итоге понадобятся деньги, платежные способности и даже формы банковских счетов, карт или инфраструктуры стейблкоинов. На организационном уровне, используя концепцию менеджерского капитализма (managerial capitalism), он предполагает, что ИИ может вновь усилить роль компаний, управляемых основателями (founder-led company), поскольку боты отлично справляются с отчетностью, координацией, документацией и массовыми «административными задачами».
• Однако он не ожидает быстрого и гладкого принятия ИИ обществом: приводя примеры профессиональных лицензий, профсоюзов, забастовок грузчиков, госструктур, школьного образования (K-12) и медицины, он показывает, что реальный мир обладает множеством институциональных замедлителей.
• Его итоговый вывод таков: как утописты ИИ, так и сторонники технокрахса склонны упускать из виду одно: появление технологии не означает мгновенных изменений для 8 миллиардов людей.