От AI Agent до Robotaxi: как Хао Сунь превращает передовые технологии в доверенные системы?

В эпоху, когда ИИ-агенты и автономное вождение одновременно погружаются в глубокие стадии индустриализации, истинно редкими становятся не те инженеры, которые могут просто реализовать функционал, а те, кто способен превратить размытые технические видения в инфраструктуру, пригодную для многократного использования пользователями, командами и отраслью. Профессиональный путь Хао Суна как раз выстроен по этой траектории.

За последние два года ИИ-агенты стали одним из самых обсуждаемых технологических направлений в Кремниевой долине. От персональных ассистентов, понимающих инструкции на естественном языке, до интеллектуальных систем, выполняющих задачи между веб-страницами, мобильными приложениями и облачными сервисами, агентный ИИ (Agentic AI) стремится изменить отношения между человеком и программным обеспечением: пользователи больше не просто нажимают кнопки и заполняют формы, они передают систему цели, а ИИ разбивает их на шаги, вызывает инструменты и непрерывно продвигается к результату.

Однако в этой волне постепенно проявился более сложный вопрос: если ИИ действительно должен выполнять за людей сложные задачи, каким образом его необходимо понимать, контролировать, оценивать и в конечном итоге вызывать доверие?

Работа Хао Суна десятилетиями строится вокруг этого вопроса. Как инженер в области систем агентного ИИ и программной инфраструктуры, он занимал ключевые технические роли в таких компаниях, как Meta, Okay, Please AI (ранее MultiOn AI) и Tesla AI. Его опыт охватывает крупные платформы, инструменты для разработчиков, потребительские ИИ-агенты и системы оценки автономного вождения. Эти кажущиеся разрозненными впечатления объединяет чёткая сквозная линия: превращение сложных технологий в системы, доступные, масштабируемые и верифицируемые в реальных сценариях.

Изучение масштабирования в Meta

Инженерный фундамент Хао Суна во многом был сформирован в компании Meta.

Во время работы в Meta он отвечал за фронтенд-разработку продуктов Facebook и кроссплатформенных решений экосистемы Meta, а также входил в число основных сопровождающих базовых, доступных и повторно используемых библиотек компонентов, обслуживавших потребности продуктов в рамках различных дизайн-систем Facebook, Instagram и WhatsApp. Для обычных пользователей такая библиотека компонентов остаётся невидимой; однако для платформы с миллиардами пользователей она определяет, насколько последовательным будет пользовательский опыт, насколько успешно внедрятся нормативы дизайна и смогут ли инженерные команды сохранять высокую эффективность в условиях высокой сложности.

Он также инициировал и реализовал внутренние галереи UI, помогая тысячам инженеров и сотням дизайнеров исследовать компоненты и нормы дизайна. Такой инструмент, не ориентированный напрямую на публику, служит важной инфраструктурой для сохранения эффективности сотрудничества внутри крупнотехнологической организации. Он позволяет дизайн-системе выйти за рамки документации, превратившись в рабочее пространство, которое инженеры и дизайнеры ежедневно используют для вызова, сравнения и проверки элементов.

В направлении open source Хао Сон также руководил проектом по развитию открытой библиотеки стилей StyleX (CSS-in-JS). StyleX оптимизирует организацию стилей и сокращает вес кода за счёт атомарных стилей (atomic styles), решая задачи производительности и удобства сопровождения в современной фронтенд-разработке. Для него open source — не просто строчка в резюме, а механизм трансляции опыта крупной инженерии во внешнюю экосистему разработчиков: чем больше инженеров понимают и используют такой инструмент, тем шире его влияние, выходящее за границы единой компании.

Этот опыт позволил Хао Суну рано осознать одну ключевую проблему: техническая система доказывает свою состоятельность не во время демонстраций, а в условиях высоконагруженных сред, взаимодействия множества команд, множества платформ и постоянной обратной связи от реальных пользователей.

В Please AI: от естественного языка к исполняемому плану

Именно работа в Please AI вывела профессиональную деятельность Хао Суна в самое сердце рынка ИИ-агентов.

Please AI, ранее известная как MultiOn AI, — это потребительская технологическая компания, завершившая раунд финансирования серии А на сумму 20 миллионов долларов при участии General Catalyst, Amazon Alexa Fund, Samsung, Forerunner Ventures, Mastercard и Blitzscaling Ventures. Компания фокусируется на том, чтобы ИИ не только отвечал на вопросы, но и помогал пользователям непрерывно продвигаться к реальным жизненным целям: планировать путешествия, составлять расписание, собирать информацию, разрабатывать стратегии или выполнять многоэтапные действия.

Находясь в должности ключевого инженера на этапе становления (创始工程师) в Please AI, Хао Сон возглавлял фронтенд-разработку потребительских продуктов, включая Chrome extension, Web app и iOS app. Он не только руководил реализацией интерфейсов продукта, но и участвовал в процессах от создания MVP до проведения пользовательских исследований, итераций на основе обратной связи и поиска продуктовой совместимости с рынком (PMF). Это означало, что его роль выходила далеко за рамки «просто переноса макета в код»: ему предстояло постоянно искать баланс между технической реализуемостью, сложностью понимания для пользователя и возможностями исполнения самого агента.

Основная сложность ИИ-агентов часто заключается не в способности модели генерировать правдоподобный текст, а в трансформации размытых целей пользователя на естественном языке в структурированный, проверяемый и исполняемый многоступенчатый план. Например, когда пользователь просит «помоги спланировать переезд» или «подготовь план поездки на выходные», системе необходимо понять цель, разобрать ограничения, распределить шаги, дать рекомендации и в процессе сообщать пользователю, что именно делает ИИ, почему он действует так и что будет дальше.

Оригинальный вклад Хао Суна проявляется именно в этом слое «перевода»: он отвечал за архитектуру и реализацию фронтенд-софта и ключевого пользовательского опыта, преобразующего высокоуровневые автономные концепции ИИ в масштабируемую систему, готовую к развертыванию в продакшене (production-ready). Основатель Please отмечал, что Хао с ранних этапов спроектировал и реализовал web app, расширение для Chrome, бэкенд-инфраструктуру и внутренние инструменты, а также спроектировал базовые пользовательские интерфейсы и потоки UX, позволив нетехническим пользователям с низким порогом входа делегировать многошаговые задачи через естественный язык. Эта «модель взаимодействия пользователя и ИИ-агента» впоследствии стала ядром клиентского опыта продукта Please.

Продуктовое и техническое направление MultiOn / Please привлекло внимание ряда авторитетных СМИ, включая Forbes, The Information, PhocusWire и Business Insider. В частности, Forbes посвятил компании материал под заголовком “MultiOn Innovates With Virtual Agents”, осветив исследования в области виртуальных агентов, и отметил, что ИИ-агент MultiOn провёл демо-задачу по ведению переговоров и оформлению заказа на Tesla Cybertruck. Данный кейс привлёк пристальное внимание именно потому, что перевел абстрактную концепцию «ИИ способен выполнять за человека сложные цифровые задачи» в конкретный, понятный публике сценарий.

Под техническим руководством Хао Суна система Please AI набрала более 3 000 клиентов в короткий срок после запуска. В этом смысле его ценность заключалась не просто в реализации отдельных функций продукта, а в создании технологического канала, который позволил агентному ИИ перейти от исследовательской концепции к повседневному использованию пользователями.

Переход в Tesla: создание доверительного инструмента оценки автономного вождения

Если Please AI отражает внедрение агентного ИИ в потребительском сегменте, то Tesla AI позволила компетенциям Хао Суна проникнуть в среду систем с ещё более высокими рисками и требованиями.

Начиная с сентября 2025 года Хао Сон присоединился к команде Tesla AI в роли старшего инженера по ПО автопилота (Sr Autopilot Software Engineer), ответственного за продвижение процессов оценки и утверждения (sign-off) системы Tesla Full Self-Driving (FSD). Он возглавлял фронтенд-разработку инструментов оценки моделей и инициировал создание нескольких решений для команд моделирования, разметки данных и тестирования, направленных на поддержку замкнутого цикла оценки (closed-loop evaluation). Разработанная им система оценки помогает инженерам машинного обучения анализировать модели с точки зрения автономного вождения уровня 4 (Level 4) и является критически важным компонентом фреймворка безопасности и готовности Tesla к автономному вождению, обеспечив внутреннюю оценку и масштабирование проекта L4 Robotaxi от нуля до нескольких городов США.

Оценка моделей автономного вождения сводится не только к анализу показателей модели в тестовом наборе данных. Требуется объединить множество сложных сигналов: реальные дорожные условия, симулированные среды, моменты вмешательства пользователя, плавность хода автомобиля, безопасность, аномальное поведение и другие параметры, чтобы инженерная команда могла выявлять паттерны сбоев, сравнивать различные конфигурации моделей и принимать решения о том, достаточно ли зрела система для перехода на следующий этап.

Архитектуру инструментов разметки, оценки и сравнения (Labeling, Evaluation, and Comparison Tool), которую возглавлял Хао Сон, можно рассматривать как прямую попытку решить эту задачу. Он отвечал за проектирование и реализацию соответствующих интерфейсов, интеграцию бэкенд-конвейеров данных и применение модульной дизайн-системы, визуализации динамических метрик, потоков реального времени и интерактивных дашбордов. Это повышает эффективность анализа неудачных кейсов и диагностики проблем со стороны оценочных команд. Инструмент применяется для сравнения моделей и конфигураций автономного вождения, анализа многомерных данных, включая показатели безопасности, комфорта, аномалий движения транспортного средства, моментов ручного управления оператором или клиентом, а также метрик комфортности. Так ключевые аспекты итераций моделей — «почему произошёл сбой, в чём он заключался и как сравнить варианты» — превращаются в тренировочный ресурс, которым инженерные команды могут оперировать систематически.

Подобная работа имеет принципиально важное значение для безопасной эволюции систем автономного вождения. Для FSD и роботакси главная сложность состоит не в том, чтобы продемонстрировать успешный заезд, а в создании воспроизводимой, сопоставимой и отслеживаемой механики оценки, которая позволила бы инженерной организации систематически верифицировать итерации модели.

В настоящее время созданная им система оценки стала одним из главных ориентиров (benchmarks) отдела Tesla AI для проверки возможностей автономного вождения и активно используется во внутренних решениях, а также в материалах для коммуникации с регуляторами и общественностью. Система уже обработала данные свыше 14 миллиардов миль автономных поездок. Её методология начинает применяться и в сценариях закрытого цикла оценки роботов Tesla Optimus, позволяя системно измерять такие способности, как навигация робота, выполнение задач, взаимодействие с окружающей средой и уклонение от препятствий. Это означает, что Хао Сон построил не просто изолированный инструмент, а масштабируемую инженерную рамку (engineering framework), пригодную для повторного использования.

Сквозь темы от ИИ-агента до роботакси и промышленных роботов проступают схожие фундаментальные вопросы: когда система обретает всё большую степень автономии, как человеку правильно её понимать, оценивать, корректировать и вызывать доверие? Работы Хао Суна направлены именно на предоставление инженерных ответов на эти вызовы.

Технологический авторитет рождается из взвешенных решений

В Кремниевой долине выдающиеся инженеры обычно оцениваются по качеству своих продуктов и кода; однако в быстро меняющейся технологической сфере влияние также определяется тем, насколько коллеги доверяют вашему профессиональному суждению.

Хао Сон неоднократно привлекался в качестве судьи технических хакатонов и соревнований, включая DevDay x MultiOn API Hackathon, AI Agents 2.0 Hackathon by MultiOn & AgentOps, Stanford TreeHacks 2025 и CruzHacks 2025. Эти мероприятия сфокусированы на ИИ-агентах, платформах разработчиков, инфраструктуре и практическом применении. Требования к оценке подразумевают взгляд инвестора венчурного капитала высшего звена (top Venture Capital perspective): нужно не только разбираться в деталях реализации, но и оценивать, обладает ли проект потенциалом к масштабированию, инновационностью и коммерческой ценностью. Так, участие в Stanford TreeHacks 2025 собрало более тысячи инженерных студентов из 30 университетов 12 стран, отобрано из свыше 12 000 заявок. Подобный опыт судейства косвенно подтверждает, что его экспертная оценка в области ИИ и программной инфраструктуры уже признаётся внешним профессиональным сообществом.

В профессиональном пути Хао Суна есть ещё одна заметная черта: он всегда находится на стыке «сложных технологий» и «обычных пользователей».

В Meta он превратил дизайн-системы и возможности компонентов в базовые инструменты, готовые к повторному использованию тысячами инженеров; в Please AI он трансформировал способности агентного ИИ к рассуждению и планированию в доверенный первым нетехническим пользователям продукт; в Tesla он сделал сложные данные оценки моделей автономного вождения удобными интерфейсами для анализа и принятия решений исследовательскими и инженерными группами. Каждый раз он не просто оставался на стороне серверной разработки и не ограничивался фронтендом, а выступал связующим мостом между ними.

Такая способность особенно ценна в эпоху ИИ. По мере роста мощностей моделей главным ограничением выхода технологий в промышленность часто становится не «способен ли ИИ сгенерировать ответ», а «может ли система надёжно использоваться, оцениваться и модернизироваться». То, чем занимается Хао Сон — это вывод передового ИИ из статуса демонстрационных прототипов в статус реальной инфраструктуры, переход от единичных взаимодействий к постоянным рабочим процессам, трансформация технических концепций в системы, вызывающие доверие организаций и пользователей.

Технологическое влияние Хао Сон также начал распространять в индустрию через более публичные форматы. В качестве члена Forbes Tech Council он регулярно публикует технические материалы на этой платформе, делясь авторской методологией проектирования систем ИИ-агентов: как декомпозировать цели пользователей в исполняемые рабочие процессы, как поддерживать управляемость, отслеживаемость и возможность повторного применения агентных систем в реальных бизнес-средах. Для него написание статей — это не просто выражение позиции, а способ закрепить практический опыт работы на передовой (frontline) разработки в виде фреймворков, готовых к обсуждению и применению другими специалистами отрасли.

Параллельно он выступает лидером open source проекта, ориентированного на промышленные сценарии, где использует агентные рабочие потоки для автоматизации заводских процессов и повышения эффективности. В производственной среде многие процедуры представляют собой не линейные операции, а цепочки, формируемые из расписаний, логистики материалов, состояния оборудования, ручного контроля, обработки инцидентов и обратной передачи данных. Практика open source, продвигаемая Хао Соном, стремится расширить применение ИИ-агентов за рамки потребительских задач, вплотную интегрируя их в более сложные промышленные процессы: автоматизация перестаёт быть простым «кликом за человека» и начинает реально понимать логику производства, координировать этапы и помогать организациям снижать рутинный труд и задержки реагирования.

В технологической волне, где всё чаще пересекаются направления агентного ИИ, автономного вождения и робототехники, история Хао Суна даёт ясную иллюстрацию: то, что действительно двигает отрасль вперёд, — это не обязательно придумывание более впечатляющих трюков с технологиями, а обеспечение их ясности, управляемости и способности заслуживать доверия.