Партнер-инвестор A16z: К 2026 году венчурный капитал поглотит частный капитал, основная причина: ИИ обеспечивает снижение затрат и повышение эффективности

marsbitОпубликовано 2025-12-12Обновлено 2025-12-12

Введение

Инвестор-партнер a16z Трой Кирвин утверждает, что к 2026 году венчурный капитал (ВК) поглотит частный акционерный капитал (ЧАК) благодаря влиянию ИИ. Ранее эти сферы существовали раздельно: ВК фокусировался на технологических стартапах с высоким ростом, а ЧАК — на стабильных компаниях с наличными потоками. ИИ меняет это, позволяя преобразовывать ранее недоступные сектора с низкой маржой, такие как аутсорсинг, бухгалтерия и строительство, через автоматизацию и снижение затрат. Ключевые точки столкновения ВК и ЧАК: 1) Фонды ЧАК становятся каналом для внедрения ИИ-стартапов в свои портфели. 2) Портфели ЧАК превращаются в «меню идей» для предпринимателей. 3) ИИ-компании, поддержанные ВК, начинают традиционные сервисные бизнесы для сквозной интеграции и повышения маржинальности. Таким образом, ИИ стирает границы между двумя мирами инвестиций, объединяя подходы Западного и Восточного побережий США.

Партнер-инвестор A16z Трой Кирвин в своем последнем видео заявил, что венчурный капитал и частный капитал долгое время существовали как на разных планетах: ВК в Сан-Франциско, делая ставки на технологии, высокий рост и огромный TAM; ЧК в Нью-Йорке, предпочитая стабильные денежные потоки и трудоемкие сервисные отрасли. Однако быстрое проникновение ИИ меняет всё это.

Раньше B2B-стартапы обычно расширялись, начиная с ранних последователей и до компаний из списка Fortune 500; но такие сегменты среднего рынка, как полевые услуги, ИТ-аутсорсинг, бухгалтерия, строительство, рекрутинг, из-за низкой маржи, высоких затрат на рабочую силу и малого ИТ-бюджета, всегда было трудно освоить. Появление ИИ сделало эти отрасли внезапно «переосмысливаемыми».

Кирвин указывает, что ВК и ЧК сталкиваются по трем направлениям:

1) Фонды ЧК начинают становиться партнерами по сбыту для ИИ-стартапов, внедряя ИИ во весь свой портфель;

2) Страницы портфелей инвестиций ЧК превращаются в «меню идей» для предпринимателей;

3) Поддерживаемые ВК ИИ-платформенные компании больше не просто продают ПО, а приобретают традиционные сервисные бизнесы, осуществляя сквозную интеграцию, повышая рентабельность и делая их изначально ИИ-ориентированными.

«ВК с западного побережья в Patagonia и ЧК с восточного побережья в деловых костюмах изначально принадлежали к разным вселенным. Но под влиянием ИИ, я верю, они быстро сближаются.»

Трендовые криптовалюты

CitreaCTR

wrapped stUSDTWSTUSDT

Velodrome FinanceVELODROME

BrevisBREV

PancakeSwapCAKE

JUSTJST

Связанные с этим вопросы

QКакие две основные инвестиционные сферы, по мнению Troy Kirwin, традиционно существовали раздельно?

AВенчурный капитал (VC), сфокусированный на технологиях и высоком росте в Сан-Франциско, и частный капитал (PE), предпочитающий стабильные денежные потоки в трудоёмких отраслях услуг в Нью-Йорке.

QКак искусственный интеллект меняет подход к освоению среднеразвитых рынков (mid-market)?

AИИ позволяет заново создать бизнес-модели в таких отраслях, как полевой сервис, ИТ-аутсорсинг, бухгалтерия, строительство и рекрутинг, которые ранее было трудно автоматизировать из-за низкой маржинальности, высоких затрат на труд и малого ИТ-бюджета.

QКакие три пути сближения венчурного капитала и частного equity выделяет Kirwin?

A1) Фонды PE становятся канальными партнёрами для стартапов в сфере ИИ. 2) Портфели инвестиций PE превращаются в 'меню идей' для предпринимателей. 3) VC-поддержанные AI-платформы приобретают традиционные сервисные компании для сквозной интеграции.

QКакую метафору использует автор для описания культурных различий между VC и PE?

AОн сравнивает их с жителями разных вселенных: VC из Западного побережья в пуловерах Patagonia и PE с Восточного побережья в деловых костюмах.

QКакой общий прогноз делает Troy Kirwin относительно будущего VC и PE к 2026 году?

AОн прогнозирует, что венчурный капитал поглотит частный капитал, главным образом благодаря тому, что искусственный интеллект обеспечивает снижение затрат и повышение эффективности, стирая границы между ними.

Похожее

Сильные урезания в Rubin Ultra: Nvidia тоже не справляется с ростом цен на память?

Прошлые выходные стали поводом для бурных обсуждений в индустрии ИИ после публикации отчета аналитической компании SemiAnalysis. Согласно данным отчета, NVIDIA значительно изменила спецификации своего флагманского чипа Rubin Ultra, ключевой модели, анонсированной на GTC 2026. Вместо ожидавшегося увеличения вычислительной мощности и объема памяти, компания, судя по всему, пошла по пути оптимизации затрат. Основные изменения в спецификациях Rubin Ultra по сравнению с более ранними ожиданиями и базовой моделью Rubin: * **Теоретическая пиковая производительность (35 PFLOPs) осталась на уровне обычного Rubin.** * **Объем памяти HBM серьезно сокращен** — до 192 ГБ (8-Hi), что даже меньше, чем 288 ГБ (12-Hi) у Rubin. * **Пропускная способность памяти увеличена незначительно** (всего на 1 ТБ/с). * **Энергопотребление осталось высоким**, а максимальное даже возросло. * **Главным улучшением стал масштаб межсоединений (Scale-up)**: поддержка объединения до 576 GPU в единый логический узел через NVLink (против 72 GPU у Rubin). Аналитики SemiAnalysis связывают такое решение с резким ростом цен на высокоскоростную память HBM, которая является ключевым и самым дорогим компонентом современных ИИ-ускорителей. Стоимость HBM3 с 2025 года выросла в несколько раз. Первоначальный дизайн Rubin Ultra приводил к тому, что стоимость памяти в системе приближалась к 40% от общей стоимости материалов (BOM). После пересмотра спецификаций эта доля упала до 28%, что позволило снизить общую расчетную стоимость стойки с чипами примерно с 8 до 6.4 млн долларов. Таким образом, NVIDIA, по мнению аналитиков, смещает акцент с "наращивания компонентов" в отдельном чипе на создание более масштабируемых и, возможно, экономически эффективных систем на уровне кластера. Новый дизайн Rubin Ultra фокусируется на способности объединять огромное количество GPU, компенсируя изменения в характеристиках отдельных чипов. Новость оказала давление на котировки ведущих производителей памяти. Акции SK Hynix и Samsung, основных поставщиков HBM, упали примерно на 8%, что отражает опасения рынка: если крупнейший покупатель HBM начинает оптимизировать свои чипы для снижения зависимости от дорогой памяти, это может ограничить потенциал дальнейшего роста цен и спроса для производителей памяти. Эпоха безудержного наращивания ресурсов в ИИ-инфраструктуре, судя по всему, подходит к концу.

Odaily星球日报11 мин. назад

Сильные урезания в Rubin Ultra: Nvidia тоже не справляется с ростом цен на память?

Odaily星球日报11 мин. назад

Может ли модель генерации обучаться end-to-end? В основе — простой цикл for

В статье представлен новый подход к обучению генеративных моделей под названием Explorative Modeling (XM), который позволяет осуществлять сквозное (end-to-end) обучение. Традиционные генеративные модели, такие как диффузионные или авторегрессионные, страдают от «смешения мод» (mode blurring), когда модель усредняет множество возможных правильных ответов, что приводит к размытым или нереалистичным результатам. Это также вызывает «смещение экспозиции» (exposure bias), когда ошибки накапливаются во время вывода. Ключевая идея XM проста: на каждом шаге обучения модель генерирует K кандидатов, а для обратного распространения градиента выбирает только того кандидата, который наиболее близок к реальным данным. Этот цикл, реализованный в несколько строк кода, повышает «генеративную выразительность» модели, позволяя ей охватывать несколько мод распределения данных, а не усреднять их. Авторы показывают, что «исследование» (exploration) становится третьей осью масштабирования наряду с увеличением параметров и данных. Эксперименты с изображениями, видео и текстом демонстрируют монотонное улучшение качества: при увеличении масштаба данных выгода от исследования возрастает с 7% до 36%, а эффективность использования вычислений (FLOP) повышается в 4.1 раза. В задачах управления роботами сквозная модель XM с одним проходом вперед достигает результатов, сравнимых с диффузионными моделями, требующими сотни проходов. Таким образом, Explorative Modeling предлагает путь к truly end-to-end генеративным моделям, перенося сложность с этапа вывода на этап обучения, что открывает потенциал для более эффективных и мощных систем.

marsbit1 ч. назад

Может ли модель генерации обучаться end-to-end? В основе — простой цикл for

marsbit1 ч. назад

Upbit проводит ребалансировку 864 млрд SHIB при перемещении между внутренними кошельками

Корейская биржа Upbit провела внутреннюю ребалансировку 864 миллиардов токенов SHIB между своими кошельками. Движение активов на сумму около 4 миллионов долларов произошло после роста стоимости SHIB на 36%, что привлекло внимание трейдеров. Однако анализ помеченных адресов показывает, что это была стандартная операция по перераспределению средств между "горячими" и другими внутренними кошельками биржи, а не вывод средств или подготовка к продаже. Общий объем перемещений включал 384 миллиарда SHIB, отправленных с основного горячего кошелька, и 480 миллиардов SHIB, возвращенных обратно. Этот случай подчеркивает важность проверки контекста и меток кошельков при интерпретации крупных ончейн-транзакций, чтобы избежать ошибочных выводов о продаже или давлении на рынок.

bitcoinist1 ч. назад

Upbit проводит ребалансировку 864 млрд SHIB при перемещении между внутренними кошельками

bitcoinist1 ч. назад

Максимум 20 статей на человека? Исследователи DeepMind «просят» снять ограничения ICLR

Новая политика конференции ICLR 2027 ограничивает количество подаваемых одним автором работ до 20. По мнению организаторов, это необходимо для снижения нагрузки на рецензентов, учитывая рекордный рост числа заявок — на 68% за год. В ответ на это исследователь Google DeepMind Дэн Рой иронично запустил «петицию» против лимита, заявив, что он замедлит прогресс в ИИ, особенно в эпоху, когда агенты ИИ могут генерировать множество статей, а рецензии часто пишутся с помощью больших языковых моделей (по некоторым данным, до 21% рецензий на ICLR 2026 могли быть полностью сгенерированы ИИ). Его сатирический пост поднимает серьёзный вопрос о целесообразности простого ограничения количества работ вместо решения системных проблем, связанных с массовым производством статей и автоматизацией рецензирования в современной академической среде.

marsbit1 ч. назад

Максимум 20 статей на человека? Исследователи DeepMind «просят» снять ограничения ICLR

marsbit1 ч. назад

Уязвимость Coldcard привела к краже $89 млн и вызвала самую масштабную миграцию средств в блокчейне после краха FTX

Уязвимость в аппаратном кошельке Coldcard привела к краже 1367,05 BTC (около 89 млн долларов) с 4585 адресов. Инцидент, связанный с ошибкой в генерации сид-фраз в определенной прошивке, вызвал массовую миграцию средств пользователей на новые безопасные адреса. Это привело к аномальному всплеску активности в сети Биткоин, исказив ключевые ончейн-индикаторы, такие как активность долгосрочных держателей и объем мелких транзакций. Активность и рыночные настроения достигли уровня, сравнимого с периодом после краха FTX. Расследование столкнулось с трудностями из-за ограничений коммерческих ИИ-моделей (например, в США), которые блокируют анализ вредоносных данных даже для целей защиты. Следователи были вынуждены использовать открытые модели, такие как китайский GLM 5.2, для отслеживания украденных средств. Этот случай высветил проблему асимметрии: злоумышленники используют неограниченные ИИ-инструменты, в то время как защитники сталкиваются с барьерами коммерческих систем безопасности, что критично в сфере криптовалют, где скорость отслеживания средств крайне важна.

marsbit1 ч. назад

Уязвимость Coldcard привела к краже $89 млн и вызвала самую масштабную миграцию средств в блокчейне после краха FTX

marsbit1 ч. назад

Торговля

Спот

Обсуждения

Добро пожаловать в Сообщество HTX. Здесь вы сможете быть в курсе последних новостей о развитии платформы и получить доступ к профессиональной аналитической информации о рынке. Мнения пользователей о цене на AI (AI) представлены ниже.

Партнер-инвестор A16z: К 2026 году венчурный капитал поглотит частный капитал, основная причина: ИИ обеспечивает снижение затрат и повышение эффективности

Введение

Трендовые криптовалюты

Связанные с этим вопросы

Похожее

Сильные урезания в Rubin Ultra: Nvidia тоже не справляется с ростом цен на память?

Может ли модель генерации обучаться end-to-end? В основе — простой цикл for

Upbit проводит ребалансировку 864 млрд SHIB при перемещении между внутренними кошельками

Максимум 20 статей на человека? Исследователи DeepMind «просят» снять ограничения ICLR

Уязвимость Coldcard привела к краже $89 млн и вызвала самую масштабную миграцию средств в блокчейне после краха FTX

Торговля

Популярные статьи

AI Companions: Новое определение взаимодействия человека с ИИ

HTX Learn: пройдите обучение по "AI Companions" и разделите 10 000 USDT!

Неделя обучения по популярным токенам (2): 2026 может стать годом приложений реального времени, сектор AI продолжает оставаться в тренде

Обсуждения

Топ вопросы

Популярные категории

Популярные теги