Усі прагнуть максимізувати токени — гонка озброєнь, в якій ніхто не наважується зупинитися

Написано: Мень Сінь

2026 року 24 березня вранці я сидів у залі слухачів Demo Day YC W26 batch, і коли п’ята компанія вийшла на сцену з презентацією, я вирішив більше не робити нотатки.

Це не тому, що це не важливо, а тому, що я усвідомив: те, що я записав, може за місяць вже застаріти.

У цьому потоці понад сотня компаній, їхня діяльність фактично дуже зосереджена: приблизно 80% — вертикальні агентські рішення, наприклад, допомога юристам у систематизації документів, допомога службі підтримки у розподілі завдань, допомога HR у відборі резюме.

Якби я побачив ці проєкти ще в жовтні минулого року, я б, швидше за все, подумав: «Дуже цікаві ідеї». Але проблема в тому, що за ці п’ять місяців світ змінився.

Claude Code перетворився з інструменту, орієнтованого на розробників, у майже універсальний інтерфейс, яким може користуватися будь-хто. Після виходу Opus 4.6 весь вайб кодування знизився до рівня підлоги.

Ті вертикальні агентські рішення, які ще не сформували бізнес-бар’єри, сьогодні будь-який звичайний інженер, навіть я сам, може зробити за вихідні — вони вже втратили інвестиційну цінність.

Період одного потоку YC — три місяці, ця група увійшла у грудні, разом із попереднім відбором — це «гарні компанії», відібрані ще п’ять місяців тому. А за п’ять місяців, враховуючи швидкість AI-інновацій, вже відбулися кілька парадигмальних зсувів.

У 2012 році, коли я вперше почав свою підприємницьку діяльність і отримав Fly Out від YC (запрошення на особисте інтерв’ю), YC тоді був майже єдиним гравцем у цій ніші, і компанії, які вони відбирали, часто символізували «наступний напрямок». Але конкуренція змінюється, і за останні кілька років YC почав ставати швидше за світ — і перетворився на відстежуючий індикатор (lagging indicator).

Система потоків у YC — від заявки, відбору, входу у програму, до доопрацювання і презентацій — працює вже понад десять років у мобільному інтернеті і дуже успішна. Але цей ритм створений для більш повільного світу.

За цей рік і пів, що я працюю у сфері ризикового капіталу, я приблизно раз на квартал приїжджаю до Кремнієвої долини — востаннє це було минулого жовтня. Раніше кожен приїзд здавався швидким і динамічним, але ця «швидкість» зазвичай вимірювалася місяцями.

Цього разу потрібно рахувати «тижнями».

Одного вечора під час вечері один з моїх друзів, який займається пост-тренінговими проєктами, сказав випадково:

«Я помітив, що Кремнієва долина вже починає не встигати за собою.»

Весь колективний ентузіазм і гонитва за новими технологіями — це, звісно, добре, але зараз все більше схоже на гонку озброєнь, у якій ніхто не наважується зупинитися.

Повна масова максимізація токенів: гонка озброєнь, у якій ніхто не сміє зупинитися

Півроку тому, якщо б хтось сказав мені, що у Meta 40 тисяч інженерів використовують продукти конкурентів для написання коду, я б подумав, що це жарт.

Але це правда. Уся Meta зараз використовує Claude Code. Це не стартап, не експериментальна команда — це компанія з капіталізацією у трильйони доларів.

Безпека коду відходить на другий план, бюджет токенів вибухає, рейтинги змагаються — весь Кремнієвий вал віддає гроші AI. Але що далі?

Спершу про безпеку коду. Півроку тому це було немислимим — код є ключовим активом компанії, і як можна дозволити сторонньому API мати доступ до нього? Спершу у Meta так і думали: у них був внутрішній інструмент myclaw, який намагався вирішити цю проблему. Один з їхніх співробітників сказав мені, що вони створили продукт для кодування, але «незручний і нікому не потрібен». Після того, як його ніхто не почав використовувати, компанія послабила вимоги: якщо не йдеться про клієнтські дані, можна користуватися Claude Code.

Далі почалися внутрішні наради про те, «як зробити організацію AI-native», тренінги, оцінки. Безпека коду, безпека використання — ці колишні святі кордони тепер відступили, головне — швидко підвищити продуктивність.

З міркувань безпеки Google заборонив більшості співробітників користуватися Claude Code або Codex, але DeepMind — виняток. Відповідальні за модель Gemini і внутрішні застосунки кілька команд використовують Claude Code.

Сам Google теж не сидить склавши руки: вони запустили внутрішній інструмент для кодування Antigravity, у лютому цього року заявили, що близько 50% нового коду пишеться AI.

Але навіть у цьому випадку співробітники DeepMind продовжують користуватися Claude Code. Однією з причин є те, що Anthropic надала їм приватний хостинг — оскільки їхні моделі і тренування вже працюють на Google Cloud TPU, і між компаніями існує довіра. У Meta і інших гігантів такої довіри немає — вони справді відкидають безпеку коду і змагаються за швидкість.

Кодова безпека — це перша жертва, але не єдина. Другий аспект — бюджет токенів.

У кількох AI-native стартапах у Пало-Альто один інженер за рік витрачає близько 20 тисяч доларів на токени. Це не дивно, але важливо, що ця сума вже майже дорівнює зарплаті інженера. Здається, компанії економлять на людях, але насправді загальні витрати не зменшуються — просто людські ресурси замінюються токенами.

Meta тут — найжорсткіша. Вони створили внутрішній рейтинг споживання токенів: хто більше використовує — той у рейтингу, а на дні — можливо, звільнення. Тому співробітники Meta навіть отримали неофіційний титул «token legend».

Але одночасно Meta цього року провела дві масштабні скорочення — понад тисячу людей. З одного боку, всі активно використовують Claude Code для збільшення токенів, з іншого — масово звільняють.

Ці два процеси — не протиріччя, а дві сторони однієї медалі.

Я відвідав компанію на раунді C, техлідер показав мені Slack — там цілі агентські системи працюють паралельно, кілька Cursor агентів у бекенді, і ще один вікно Claude Code для управління. Найпопулярніша тривога інженерів — що перед сном вони не знають, що роблять їхні агенти, і це викликає паніку.

Але чи справді продуктивність зросла у 100 разів? З кінця минулого року багато CTO з провідних компаній з інтелектуальних систем і баз даних радісно говорять про «стовідсоткових інженерів» і «десятки разів ефективнішої роботи». Раніше 60 людей за рік робили те, що тепер за тиждень можуть зробити 2 люди з Claude Code.

Я починав разом із ними радіти, але згодом заспокоївся і поставив собі питання: добре, продуктивність зросла у 100 разів, але чи зросли доходи компанії у 100 разів? Або розширилася продуктова лінійка у 100 разів? Адже «100-кратне» підвищення — це, можливо, просто оптимізація кількості звільнених людей.

Я не отримав чіткої відповіді. Фактично, 100-кратне підвищення ефективності у доходах компанії — це лише 50% або 1 раз.

У чому різниця? Зараз ще ніхто не може сказати точно.

«Використання такого обсягу токенів має перетворити компанію на іншу за своїм геномом. Але я не знаю, якою саме.»

Один із засновників, що працює у сфері B2B-продажів, розповів мені, що його команда з 16 людей, з двома продавцями, за 12 місяців з нуля вийшла на 30 мільйонів доларів ARR — все завдяки AI-кодуванню. Такі випадки трапляються, але здебільшого я бачу, що стартапи створюють більше продуктів, але вони ще не мають product-market fit (PMF).

Зараз у Кремнієвій долині популярно експериментувати з 100 способами застосування AI-кодів, щоб побачити, що працює, а не обмежуватися 10. Але хто зможе зловити наступний тренд — поки що важко сказати.

Найяскравіший контрприклад — внутрішня ситуація в Anthropic. Я запитав одного з їхніх співробітників: «Який найскладніший сценарій використання агентів у вас?» Він відповів: «Це oncall — оперативне реагування».

Типовий сценарій oncall — якщо API Claude раптом починає відповідати повільніше, або один із моделей збоїть, або користувачі отримують аномальні відповіді — інженери мають швидко знайти причину, визначити, чи це баг у коді, проблема з обчислювальними ресурсами чи сама модель.

Anthropic — одна з найсильніших компаній у світі з розробки кодових агентів, і цей сценарій — їхній профільний напрямок. Але навіть у них oncall-агенти досі незручні.

Ось така реальність 2026 року: парова машина вже винайдена, але іноді вона працює повільніше за коня. І всі знають, що парова машина рано чи пізно стане швидшою, тому всі шалено інвестують у це — безпека коду, бюджет токенів, рейтинги — все на максимумі. Але коли парова машина справді обженить коня — ніхто не знає, і ніхто не наважується чекати.

Адже зупинка коштує дорожче, ніж помилка у витратах токенів.

Крім того, витрати на токени, ймовірно, зростають не лінійно. Це нагадує мій досвід з автоматичним водінням: у 2021 році в Шанхаї ми вперше зробили безперервне 5-годинне автономне водіння без втручань. Спершу це здавалося великим проривом, адже раніше автопарки зростали поступово — 10, 15, 20 машин. Але після цього періоду швидко зросло до 100, 1000 машин. Сьогодні подібний етап проходять і агентські системи для кодування.

У 2021 році в Шанхаї автоматичне водіння вперше досягло 5 годин без втручань — це був внутрішній прорив у галузі. Фото: тодішній COO Didi Autonomous Driving Мень Сінь, у розмові з «батьком безпілотних автомобілів» Себастьяном Труном, 2021.

METR — дослідницька організація у Каліфорнії, яка оцінює здатність AI-агентів виконувати завдання. Вони минулого року запровадили індекс: скільки часу агент може успішно виконати задачу з ймовірністю 50% (за часом експертів). У березні 2025 року цей показник для Claude 3.7 Sonnet становив 50 хвилин; до кінця 2025 року Claude Opus 4.6 вже досяг 14,5 годин. За два роки цей індекс подвоївся з 7 до 4 місяців. Якщо на наступному рівні підвищити надійність агентів, витрати токенів зростуть не на 50% на рік, а за одну ніч — у кілька разів.

Є передбачення, що до кінця цього року багато компаній (у тому числі великі технологічні гіганти) фактично зможуть обслуговувати лише 20% своїх співробітників.

Зі зломом команди xAI починається новий етап: виробники ракет починають створювати моделі

У ресторані у Маунтін В’ю, близько дев’ятої вечора, до мене сів колега, який довго працював із Маском. Ми говорили понад три години, і я зрозумів, що він майже не казав нічого хорошого про Маска.

Один цікавий момент: я запитав його, як проходить його робочий день у xAI. Він відповів, що три роки майже не виходив з компанії, тому вдома майже нічого не облаштовував, навіть ліжко не купував. У компанії він спить у sleeping pod — схожий на кімнату для сну у хостелі. Я порадив йому купити ліжко, адже він отримує великі акції, але він посміхнувся.

Робота у xAI — відома у Кремнієвій долині, але зараз більшість команди вже пішла — близько 90%. У них є група для звільнень, щодня додаються нові.

Пусковим механізмом стала звільнення Тоні Ву, і це спричинило ланцюгову реакцію. За словами внутрішнього співробітника, «іншим компаніям потрібно півроку, щоб звільнити керівництво, а у xAI — всього місяць». Вже минулого жовтня багато відчували невдоволення Маска, але ніхто не очікував такої швидкої чистки.

Зараз Маск почав залучати людей із SpaceX і Tesla для керівництва xAI — «виробники ракет починають створювати моделі».

Незадоволення Маска виникає через те, що він вклав багато грошей і обчислювальних ресурсів, але Grok так і не увійшов у першу лінію. Чому? Це питання, яке задають усі, хто працює у xAI. Відповідь досить проста: команда дуже сильна і працює на межі можливостей, але управління великими моделями — це зовсім інша сфера.

Я маю восьмирічний досвід у автоматичному водінні і маю свої думки з цього приводу. Маск раніше займався SpaceX і Tesla — це системна інженерія: довгі ланцюги, що включають програмне забезпечення, апаратуру, ланцюги постачання. Усе це — інноваційні простори, але в кінцевому підсумку — системна інженерія.

Він майстер у тому, щоб у цій довгій ланцюжку знайти ключові точки впливу і максимально скоротити час для їхнього вирішення. Наприклад, каскадне використання ракетних двигунів, повторне використання — це результат такого мислення.

Але у xAI він не займається системною інженерією. Зараз він робить три речі: спершу — інвестує у найбільший у світі GPU-кластер (навіть жартують, що xAI — це не neo lab, а neo cloud, що надає обчислювальні ресурси Cursor), потім ставить дедлайни і сам бере участь у розробці деяких функцій. Це — фокус на кількох точках, а не на цілому плануванні.

Інженери з автоматичного водіння знають: у пізніх стадіях між командами програмного забезпечення, інфраструктури і апаратури виникають конфлікти «хто керує». Кожен напрямок потребує рішення на рівні CTO, але ніхто не розуміє всіх трьох сфер одночасно. Хороший підхід — щоб засновник, хоча й не розуміє всіх деталей, вмів балансувати ресурси і визначати пріоритети: зараз — пріоритет у софті, потім — у інфраструктурі.

Проблема у xAI — відсутність такого глобального планування, лише швидкі спринти. Якщо тиск не такий сильний, розумні люди можуть самі налагодити співпрацю, дати їм час — і вони знайдуть свою гармонію. Але високий тиск Маска і відсутність глобального плану руйнують цю систему. Керівники кожного напрямку захищають свої пріоритети, і ніхто не координує цілісну картину.

Успіх SpaceX і Tesla багато в чому пояснюється тим, що у цих галузях Маск майже не зустрічав рівних конкурентів — він змагався лише із самим собою. Але у AI ситуація інша: конкуренція — це боротьба за ресурси, і навіть OpenAI може бути поглинута Anthropic.

Один із співзасновників xAI минулого року сказав, що його здивували дві речі: перша — наскільки жорстока конкуренція, і друга — наскільки мало можливостей для інновацій у застосунках AI, оскільки більшість ідей вже «з’їдені» моделями.

Зростання Anthropic — найяскравіша трансформація у AI за минулий рік. Це також змінює фокус боротьби: рік тому всі змагалися за кількість користувачів C-краю і відео-генерацію, а тепер (на тимчасовому етапі) — за B2B і кодинг.

Звісно, історія xAI — це ще й історія «гроші приходять швидко і у великій кількості». Якийсь час після заснування xAI, вони зібрали десятки мільярдів доларів інвестицій, і тепер, об’єднавшись із SpaceX, стали компанією вартістю 250 мільярдів доларів — всього за рік. Дев’ять співзасновників майже кожен став мільярдером, а провідні інженери — від кількох десятків до сотень мільйонів доларів. Гроші у Кремнієвій долині — це вже не проблема. Якщо вони знову почнуть новий проєкт, у них буде достатньо ресурсів, щоб зайнятися тим, що їм цікаво, а не просто швидким заробітком.

Тривога інженерів і ще більша — дослідників

Зараз із інженерами — дивна мовчазна згода: всі визнають, що майже не пишуть код, але при цьому всі роблять вигляд, що це не страшно, бо AI їх замінить і знищить тих, хто ще не перейшов на AI.

Зараз 80% програмістів мають основні навички, які вже замінені моделями, і залишаються лише через те, що іноді моделі помиляються і потрібно контролювати їх. Але й це скоро зміниться.

Ще більш радикально — так звані «AI-native організації» — це, по суті, людське перетворення себе у машину: ви перетворюєте свої навички у «знання для машин», компанія отримує ваші навички — і фактично вже відбувається AI-інтеграція. Чи потрібно звільняти людей — це моральне питання. Зараз Meta саме цим і займається.

Хоча всі зараз змагаються за токени, у глибині відчувається тривога.

Ще більш несподівано — ця тривога поширюється і на дослідників.

Дослідники — це вершина піраміди талантів. Це не просто «науковці», а ті, хто у великих моделях займається тренуваннями і інноваціями. Вони пропонують нові методи тренування, проектують архітектури моделей, проводять експерименти і перевіряють гіпотези.

Зараз навіть робота дослідників автоматизується. Це те, що роблять у DeepMind — тренують моделі моделями, і це — один із головних трендів AI цього року. З кінця року почнуть автоматизувати і дослідників — їхні обов’язки зменшаться до рівня «публікація статей». AI вже допомагає запускати експерименти і писати статті, але остаточне рішення все ще приймає людина.

Компанії, як OpenAI, Anthropic, Google, прагнуть зробити так, щоб цикл досліджень і оновлень моделей був повністю автоматичним — щоб AI сам знаходив нові прориви і сам їх впроваджував. Якщо це вдасться — дослідники стануть зайвими. У Google DeepMind вже понад рік працює внутрішній проект, де модель сама обирає, які експерименти запускати, оцінює їх і визначає, що далі робити. Це — тренування моделей для створення наступного покоління.

Дослідники також мають мотивацію звільнятися — через високу зарплату. Вони — кілька тисяч у світі, і їхні зарплати — мільйони доларів на рік.

«Майбутнє — це коли 10 людей роблять роботу 100, отримуючи 20% зарплати, а 90 — без роботи.»

Реальні скорочення — це не лише офіційні цифри. Багато компаній звільняють зовнішніх підрядників — індійські і філіппінські колл-центри, аутсорсингова підтримка, обробка даних. Це означає, що країни, що залежали від сервісної економіки, — Індія, Філіппіни — можуть опинитися під ударом. Економічний «сервісний щабель» може зникнути швидше, ніж очікували.

Усі дивляться на Meta: якщо їхній експеримент вдасться — збережуться доходи і підвищиться ефективність, інші гіганти швидко підхоплять цю ідею, і скорочення стануть нормою. Але цей процес має і зворотний бік — автоматичне скорочення призводить до ще більшого прискорення.

Але разом із скороченнями з’являються нові ролі. Багато стартапів шукають «AI builder» — фахівця, що поєднує менеджера продукту, фронтенд і бекенд-інженера. Також з’являються позиції, що поєднують дата-сайєнтиста і ML-інженера, і content-менеджери, що займаються створенням і просуванням контенту.

Попит на ці нові ролі у Кремнієвій долині дуже високий, але головна проблема — ніхто не знає, як їх наймати. Не можна оцінити за резюме — ці ролі ще не існували, і їхні навички ховаються у власних проєктах. Не можна і через тестове завдання — бо головне тут «естетика і AI-навички». Тому вже з’являються стартапи, що автоматично створюють симуляційне середовище для співбесід, де кандидат має виконати завдання за допомогою AI.

Коли AI зможе робити все, цінність людини змінюється: тепер важливо не «що ти можеш зробити», а «що варто робити і що не варто».

Два оцінки для однієї ставки: NVIDIA на кожному «столі» має ставити фішки

Розповідаючи про тих, кого вже замінили — інженерів, дослідників, фінансистів — є один персонаж, який не лише не замінений, а навпаки — стає все більш впливовим і «завідує» процесом.

Цей світ, що здається розподіленим, насправді — дуже централізований.

Центр — NVIDIA.

Я думав, що дефіцит чіпів минулого року вже зменшився. Так і було — у середині 2025 року деякі нові хмарні сервіси, що з’явилися завдяки NVIDIA, мали проблеми з фінансуванням, і навіть продавалися. Але тепер я бачу, що дефіцит повернувся — і ще більшого масштабу.

Один із сигналів — якщо ви можете стабільно надавати API, наприклад, Claude, з 99-м перцентилем стабільності, ви можете продавати його за ціну у 2-3 рази вищу за офіційний.

Після зростання попиту Anthropic, збої API стають частішими — і це створює проблеми для агентських продуктів, що базуються на Claude.

Раніше бізнес був у тому, щоб пропонувати дешевше за офіційний API і отримувати трафік. Тепер — стабільність стала дефіцитним ресурсом. Декілька стартапів вже заробляють на цьому, і у Кремнієвій долині з’являються міні-версії Coreweave і Nebius.

Інша проблема — це не лише GPU. За словами Елаяда Гіла, виробники пам’яті (Hynix, Samsung, Micron) мають цикли розширення потужностей щонайменше два роки. Це означає, що до 2028 року жодна AI-компанія не зможе суттєво випередити конкурентів за рахунок обчислювальних ресурсів. Обмеження у виробництві посилює монополізацію ринку великих моделей — не через недбалість, а через фізичні обмеження.

Головна влада — у NVIDIA. Вони контролюють розподіл карт і ресурсів.

Якась компанія Reflection, що раніше займалася кодингом, почала залучати інвестиції. Вони спершу планували робити кодинг, але після зустрічі з Дженсеном Хуанг він сказав: «Забудьте про кодинг, робіть «американський DeepSeek», створюйте відкриті моделі для США, я дам вам гроші і картки». І Reflection змінили напрямок.

У США з’явилися нові структури: у одній раунді фінансування — два різні оцінки. Інвестори, що заходили раніше — за нижчою оцінкою, а великі гравці, як NVIDIA, — за високою. Це вже починає з’являтися і в Україні.

Але навіть NVIDIA не може контролювати те, чого немає.

У США зростає протест проти дата-центрів. Зараз у країні близько 100 проектів, і 40 з них — під загрозою зриву. У Мейні прийняли закон, що забороняє будівництво нових дата-центрів. У місті затвердили проект на 6 мільярдів доларів, але половина депутатів проголосували проти і замінили їх новими, щоб скасувати рішення.

Обмеження у потужностях — не через погані продукти або недостатню кількість користувачів, а через фізичні обмеження світу.

Це — ще один рівень «не встигаємо».

Переписування оцінювальної системи у Кремнієвій долині

Зараз у США ВВП — близько 30 трильйонів доларів. Виторг OpenAI і Anthropic — по 30 мільярдів доларів щороку, тобто кожна вже займає 0,1% ВВП. Якщо до кінця року вони досягнуть 100 мільярдів, а разом із хмарними сервісами — і більше, AI займе близько 1% ВВП. Це — швидкий і масштабний прорив.

Але дивно, що з таким швидким зростанням інвестори все ще не знають, як правильно оцінювати ці компанії — і система оцінювання у Кремнієвій долині руйнується.

Я кілька разів обговорював це з колегами, і одне слово, що часто звучить — «re-rationalization» (відновлення раціональності оцінки).

Раніше інвестиції у AI базувалися на майбутніх грошових потоках: навіть якщо компанія ще не приносить прибутку, інвестори вірять у її ARR через 3-5 років. Але ця модель зараз не працює.

Проблема у тому, що DCF (метод дисконтування грошових потоків) — найпростіша модель оцінки — вже не працює. Передбачити 10 років майбутнього — важко, бо через 3 роки (іноді й раніше) галузь може змінитися. А terminal value — взагалі — не підрахувати, бо «стабільне функціонування» компанії — вже не гарантія.

Я порівняв це з ситуацією: компанія, яка не в AI-основному руслі, — це швидше, ніж чекати ядерної бомби, — чекати, коли її «завалить» раптовий прорив. Тому важливо оцінювати не «якщо» її знищить, а «як швидко» вона зреагує.

SaaS — перша сфера, де Wall Street почала переоцінювати компанії. Snowflake у 2023 році за моделлю DCF потрібно було 100 років, щоб окупитися, а зараз — її оцінка знизилася у кілька разів. Аналогічно — ServiceNow, Workday і так далі. Це — лише початок.

Навіть навпаки — компанії, що мають сильний продукт і стабільний розвиток, можуть залишатися оціненими за DCF. Вони не «згорять», а будуть стабільно зростати.

Раніше у стартапів був підхід: «менше зарплата, але опціони — майбутнє». Але ця стратегія працює лише тоді, коли компанія існує 15-20 років і цінна. Якщо ні — найрозумніше — отримувати гроші зараз.

Це змінює структуру витрат і фінансування.

Венчурні фонди теж зазнають труднощів. За останні 3-6 місяців багато фондів інвестували у нові лабораторії — neo labs — і дослідників із відомих AI-лабораторій. Але тепер усі вважають, що це було ризиковано і дорого. Чому тоді інвестували? Тому що, якщо компанія зробить прорив — її зростання буде настільки швидким, що початковий оцінювальний рівень здасться низьким.

Один із інвесторів сказав прямо: «Ми або йдемо від zero до 100, або — від zero до zero. І краще ризикнути з neo lab, ніж чекати, поки компанія стане великим гравцем і заробить багато грошей».

Раніше вважалося, що 1 долар ARR — це 1 долар оцінки. Тепер — ця рівність руйнується.

Мінімальні мультиплікатори для агентських систем — близько 5 разів, для універсальних агентів — 10, а для моделей — 20-30 разів ARR (наприклад, Anthropic з 30 млрд доларів ARR і оцінкою у 800 млрд — 26,7). Рік тому я вважав, що можна просто множити ARR на один мультиплікатор, щоб отримати оцінку, але тепер — це неправильно.

Загроза для «зелених яблук» і AI-«вбивць»

Кремнієва долина переживає глибоку кризу довіри.

Цього разу я багато чув про те, що люди серйозно обговорюють: купити біткоїн, побудувати бункер, встановити броньовані вікна — і не жартують.

Останнім часом у долині популярні «кислотні дерева» — з гілками, що мають 4-дюймові шипи, щоб будь-хто, хто намагається перелізти, заплатив ціну.

Журналісти навіть писали про «бастіонні маєтки» — бетонні клумби з кислотними деревами, за ними — ровами, за ровами — лазерні системи, перед входом — 3-дюймові сталеві двері з 13 замками, у будинку — бункер із важкою дверима вагою 2000 фунтів і системою захисту.

Компанії, що забезпечують безпеку для CEO, фіксують рекордні зростання з 2003 року. Особливо після вбивства CEO UNH у Манхеттені.

А тепер — і у домівках великих AI-лідерами.

11 квітня о