Databricks $188B и
Elorian $300M pre-seed

Контекст. Databricks — это «второй акт» AI-революции. Первый акт — модели (OpenAI, Anthropic). Второй — инфраструктура данных, на которой эти модели работают. И Databricks здесь — главный бенефициар.

Последствия. $188 млрд — это сигнал рынку: data-инфраструктура для AI стоит дороже, чем нефтяная корпорация. Инвесторы голосуют долларом за то, что данные — это новая нефть, а Databricks — новый ExxonMobil.

Связи. 16 июля мы писали о DeepSeek с оценкой $71 млрд перед IPO. Databricks уже в 2,6 раза дороже — и это частная компания. AI-инфраструктура обгоняет AI-модели по капитализации.

Что делать. Если вы строите AI-бизнес — инвестируйте в data pipeline не меньше, чем в модели. Качество данных определяет качество AI-продукта сильнее, чем размер модели.

Контекст. $300M pre-seed — это не опечатка. Рынок AI-стартапов перешёл в режим «ставка на джокея, а не на лошадь». Инвесторы платят за право быть первыми в очереди, когда продукт появится.

Последствия. Это опасно. Когда pre-seed раунды достигают $300M, пузырь надут до предела. Но это и сигнал: AI-инфраструктура — самый горячий рынок в истории венчурного капитала.

Связи. 14 июля мы писали о Nous Research с оценкой $1.5B. Elorian идёт дальше — $300M до продукта. Рынок перегрет, но те, кто войдёт сейчас, могут оказаться победителями через 5 лет.

Что делать. Не пытайтесь повторить Elorian. Но учитесь у них: инвесторы платят за команду с трек-рекордом в AI-исследованиях. Если у вас есть опыт в DeepMind/OpenAI/Anthropic — сейчас лучшее время для фандинга в истории.

Контекст. Обучение моделей — это кейпекс. Инференс — это операционный расход, который повторяется каждый день для миллионов пользователей. Финансисты это поняли и перекладывают деньги туда, где денежный поток непрерывен.

Последствия. Чипы инференса (Groq, Cerebras, SambaNova) получат взрывной рост. NVIDIA продолжит доминировать в обучении, но инференс — это новый фронт, где архитектура важнее бренда.

Связи. 9 июля мы писали о SambaNova с оценкой $11 млрд. Теперь GPU-финансисты подтверждают тренд деньгами: инференс-чипы — это следующий $100B-рынок.

Что делать. Если вы строите AI-приложение — оптимизируйте под инференс, а не под обучение. Выбирайте модели, которые дёшево запускать, а не те, которые дорого обучать.

Контекст. Ещё год назад разрыв между китайскими и американскими моделями измерялся поколениями. Теперь — месяцами. Moonshot, DeepSeek, Alibaba Qwen — китайские лаборатории идут ноздря в ноздрю с OpenAI и Anthropic.

Последствия. Американские AI-компании теряют технологическое преимущество. Когда китайская модель сравняется с Opus по качеству и будет стоить в 10 раз дешевле — рынок enterprise-клиентов перевернётся.

Связи. 16 июля мы писали о DeepSeek с IPO за $71 млрд и Apple Intelligence на Qwen в Китае. Moonshot Kimi 3 — третий китайский игрок, который выходит на уровень топ-моделей. Китай строит AI-экосистему, а не отдельные продукты.

Что делать. Не привязывайтесь к одному провайдеру моделей. Стройте AI-продукты с абстракцией над моделями — завтра лучшая модель может быть китайской и стоить копейки.

Контекст. Vertu всегда продавал не технологии, а статус. AI-агент за $6 880 — это не про функциональность, а про «у меня есть AI-дворецкий». И это работает: люксовый сегмент AI — голубой океан, где нет конкурентов.

Последствия. Рынок AI-устройств разделится на массовый (смартфоны с AI) и люксовый (премиум-агенты). Vertu открывает нишу, где маржа может быть 1000%.

Связи. 16 июля мы писали о StepX Neo — AI-смартфоне с ОС для агентов. Vertu идёт другим путём: не массовый AI-phone, а люксовый AI-аксессуар. Две стратегии, один тренд: AI переезжает с серверов в карман.

Что делать. Премиум-ниша в AI почти пуста. «AI для руководителей», «AI-дворецкий», «AI-консьерж» — это рынки, где цена определяется не функциональностью, а статусом. Ищите свою люксовую AI-нишу.

Контекст. Рынок humanoid-роботов — это гонка не технологий, а производственных мощностей. У кого завод — тот и диктует цену. Agility ставит завод рядом с Tesla не случайно: это демонстрация серьёзности намерений.

Последствия. Через 2-3 года humanoid-роботы будут стоить как автомобиль среднего класса. Agility и Tesla борются за право быть «Ford Model T» в мире роботов.

Связи. 11 июля мы писали о Walmart с 4 700 магазинами под управлением AI-агента. Добавьте к этому humanoid-роботов на складах — и получите полностью автоматизированную розницу к 2030 году.

Что делать. Роботы — это не научная фантастика, а бизнес-возможность. Ищите ниши, где humanoid-робот окупается за 12 месяцев (склады, логистика, производство) — и вы нашли рынок на триллион долларов.

Контекст. Каждая AI-компания, которая обучалась на «публичных данных», рано или поздно сталкивается с вопросом: а было ли это законно? Suno — очередная в этом списке. YouTube — крупнейший в мире архив аудио, и соблазн использовать его для обучения music AI слишком велик.

Последствия. Суды будут решать: является ли скрапинг YouTube нарушением ToS или добросовестным использованием. Если Suno проиграет — это создаст прецедент для всех AI-компаний, обучавшихся на YouTube-данных.

Связи. 12 июля мы писали о Patreon, блокирующем AI-краулеры. Suno — пример того, почему платформы защищаются: AI-компании воспринимают пользовательский контент как бесплатный тренировочный датасет.

Что делать. Если вы строите AI-продукт на данных из интернета — готовьтесь к юридическим рискам. Лицензируйте данные, используйте синтетические датасеты или будьте готовы к суду.