Brodetskyi. Tech, VC, Startups

✨ Раз згадав тут про Fireworks, то розкажу. Я по роботі знаходжу дуже багато крутих українців, як всередині країни так і за кордоном, здебільшого фаундерів чи кофаундерів стартапів. І от у мене накопичилось таке фруструюче відчуття від того, що внутрішній український публічно-експертно-медійний простір має трохи неправильний меппінг сучасної tech індустрії. А може і не трохи. Що я маю на увазі?

Деякі персоналії та компанії абсолютно незаслужено знаходяться поза фокусом, просто в повній темряві для української аудиторії. Тоді як інших продовжують підносити просто за старі заслуги, навіть тих хто зійшов з дистанції. Що теж нормально, але прикривати історії неуспіхів минулими успіхами - як мінімум не чесно.

Ну а декого підсвічують, тоді як по-хорошому цього не треба робити. Просто тому що це формує неправильне розуміння того, що круто і важливо, а що - ні. І у аудиторії, і у самих людей. Умовно кажучи, люди роблять baby steps в бізнесі, а з ними уже роблять інтерв'ю і подкасти про успіх і досвід, видають значки і грамоти... Це як знаєте, в районній газеті друкують що от, вихованці нашої ДЮСШ зайняли почесне десяте місце на першості області. Мабуть неправильно з ними робити інтерв'ю про історію успіху? А у нас чомусь ось така районна газета виходить. І ладно б тільки це, але при цьому про умовних олімпійських чемпіонів редактори тієї самої газети ні сном, ні духом.

Восени я був на панелі на ІТ Арені у Львові, головній події tech української індустрії цього року. Я запитав у залу - хто чув про компанію Fireworks? Ніхто. Нуль з повної аудиторії суперпрофільних людей. А це один з найбільш сексі AI стартапів зараз в США. Навесні підняли $25m від Benchmark, влітку - уже $50m з оцінкою в півмільярда від Sequoia. Команда - ветерани Meta, команда яка розробляла PyTorch, найпопулярнішу бібліотеку для роботи з deep learning. Зараз роблять GenAI inference engine, допомагають компаніям більш ефективно тренувати та запускати моделі. Супер гарячий напрям в AI infra.

Так от, двоє з кофаундерів - українці, Дмитро Джулгаков з Харкова, випускник Харківського політеху, він же - CTO компанії, та Дмитро Івченко, випускник Київського політеху.

Скільки публікацій про них можна прочитати в українських медіа? Нуль. Фантастичні інженери, які збудували кар'єру в США, а тепер будують без п'яти хвилин юнікорн в найгарячішій ніші. Про них в Україні чомусь не говорять. А я б хотів, щоб про них тут говорили з кожної праски. Щоб вони були в публічному просторі, а не діти, які з'їздили на районну олімпіаду і отримали грамоту за участь.

Залишу тут виступ Джулгакова на конференції в липні, або ось такий, трохи коротший, в жовтні. Ну дуже круті хлопці ці два Дмитра, я в захваті від таких прикладів. Сподіваюсь у них все вийде і вони зароблять дуже багато грошей. Більше про компанію шукайте на ютубі, там багато інтерв'ю і подкастів з CEO, наприклад такий зрозумілий сюжет.

Що думаєте? Якщо наставите багато реакцій, опублікую свій топ українців, які заснували круті стартапи, а про них як в тому мемі, не написало жодне бляха ЗМІ.

🎙 А це трохи з зірочкою випуск, бо сильно технічний спікер, такий справжній нерд. Ресерчер з OpenAI, який був одним з лідів якраз роботи над o1.

0:00 Intro
1:16 Scaling Model Capabilities and Economic Constraints
3:14 Excitement Around Test Time Compute
5:16 Challenges and Future Directions in AI Research
8:37 Noam Brown's Journey and OpenAI's Research Focus
16:34 The Role of Specialized Models and Tools
22:04 Unexpected Use Cases and Future Milestones
24:30 Proof of Concept: o1's Capabilities
25:34 The Bitter Lesson: Insights from Richard Sutton
26:45 Scaffolding Techniques and Their Future
28:42 Challenges in Academia and AI Research
31:16 Evaluating AI Models: Metrics and Trends
35:33 The Role of AI in Social Sciences
40:37 AI Agents and Emergent Communication
41:12 Future of AI Robotics
42:08 Advancing Scientific Research with AI
44:27 Quickfire

Інші випуски на каналі теж подивіться, там дуже круті спікери і хороший рівень дискусії: CEO Databricks, DeepL, Fireworks, HeyGen, співавтор пейпера по RAG, Head of AI at Snowflake та інші лідери індустрії.

Мені дуже подобається подкаст про AI від фонду Redpoint. З нещодавнього слухав випуск з колишнім Chief Research Officer at OpenAI. Дуже крутий дядько, приємно слухати.

Що всередині:
0:00 Intro
0:44 Debating AI Model Capabilities
0:57 Inside vs Outside Perspectives on AI Progress
1:39 Challenges in AI Pre-Training
3:02 Reinforcement Learning and Future Models
3:48 AI Progress in 2025
5:58 New Form Factors for AI Models
8:56 Reliability and Enterprise Integration
18:14 Multimodal AI and Video Models
24:05 The Future of Robotics
32:46 The Complexity of Automating Jobs with AI
34:08 AI in Startups: Tackling Boring Problems
35:33 AI's Impact on Productivity and Consultants
36:43 Traits of Top AI Researchers
40:52 The Evolution of OpenAI's Mission
46:57 The Challenges of Scaling AI
49:16 The Future of AI and Human Agency
54:47 AI in Social Sciences and Academia
1:01:15 Reflections and Future Plans
1:02:57 Quickfire

🎙 Ось цікавий подкаст з відомим критиком LLM, який розробив непробивний (на момент запису подкасту хаха) бенчмарк, про який йдеться в попередньому пості. Багато цікавого.

Зміст:
00:00:00 – The ARC benchmark
00:11:53 – Why LLMs struggle with ARC
00:19:43 – Skill vs intelligence
00:28:38 – Do we need “AGI” to automate most jobs?
00:49:11 – Future of AI progress: deep learning + program synthesis
01:01:23 – How Mike Knoop got nerd-sniped by ARC
01:09:20 – Million $ ARC Prize
01:11:16 – Resisting benchmark saturation
01:18:51 – ARC scores on frontier vs open source models
01:27:02 – Possible solutions to ARC Prize

🧠 Ключове питання в індустрії AI зараз - звідки прийдуть наступні етапи покращення продуктивності мовних моделей. Якісних даних, щоб масштабувати моделі як раніше, уже не вистачає. Кидати на модель більше обчислювальних потужностей уже дорого - тестові прогони GPT-5 вже обходяться в півмільярда, а приріст продуктивності дають не такий великий.

Консенсус зараз виглядає так, що наступний приріст продуктивності принесуть розробки в напрямку test time compute - коли модель витрачає на відповідь більше часу, генеруючи багато відповідей, а потім аналізуючи їх і обираючи оптимальну. Такий собі брутфорс. Це дає значно кращі результати для завдань, які вимагають складного процесу "мислення", як от наукові дослідження. Багато хто вже встиг протестувати модель o1-mini чи o1 від OpenAI, які поки що є лідерами в цьому напрямі.

На днях вони презентувати нову модель o3, яка виглядає як якісний прогреc, а не просто кількісний. Це не "чиста" LLM, o3 використовує підходи reinforcement learning. Якщо дуже спрощено, їй показують питання і правильну відповідь, а вона підбирає, якими шляхами можна дійти до правильної відповіді, таким чином генералізуючи правильні підходи до мислення. o3 може думати десятками годин, а один запуск моделі може споживати коштувати сотні тисяч доларів обчислювальних потужностей. Але! Ця модель проходить бенчмарки, які раніше вважались непробивними для LLM, на кшталт олімпіадних задач з математики та хитрих тестів на логіку. Також ця модель набагато краще справляється з задачами з програмування.

Це дійсно big deal, адже фантастичні результати o3 на бенчмарках свідчать про те що прогрес моделей поки що не вперся в стіну. Тепер розробники всіх топових лабораторій будуть покращувати моделі з допомогою test time compute, а отже можна очікувати нових продуктових анонсів з фантастичними фічами. Рекомендую подивитись ось цей розбір від одного з моїх улюблених каналів AI Explained.

💭 Виступ Іллі Суцкевера на конференції NeurIPS. Про стан індустрії і що буде далі. Подивіться, там небагато, 15 хв + питання.

📱 Гарний пост про принципи роботи сучасних медіа, почитайте.

1. Everything is a personality cult, and maybe just a cult. You have to cultivate your own, no matter how small. To do so you must always be relatable, but also ideally aspirational. Just don’t get too out of the reach of your cultists.

2. New platforms emerge all the time and some of them become very popular. The best way to succeed online is to surf the upward wave of a new platform by committing 100% and catering all of your output to it. It’s a land grab game. Once you win the game, then you can be less obsequious to the platform.
...
4. Parasocial relationships are the name of the game. When people call for a Joe Rogan of the left, it seems like they don’t realize that one of the reasons he is so powerful is that he is many of his listeners’ best friend. People spend hours and hours a day with him; his show and its extended universe have become an on-demand loneliness killing service. The power (and value) of that relationship is unmatched.

🏠 Радий повідомити про чергову інвестицію u.ventures!

Засновники платформи для продажу нових будинків у США Богдан Гнатковський та Софія Вишневська оголосили про черговий раунд інвестицій переважно від українських інвесторів. Стартап продовжить розширюватися на американському ринку під новою назвою Jome і планує зрости на 200–300% у 2025-му, розповів Forbes Ukraine Гнатковський.

NewHomesMate– тепер Jome – залучив $9,8 млн у раунді серії A. Загальна сума фінансування зросла до $16,5 млн.

Головний інвестор – Geek Ventures – орієнтований на емігрантів американський фонд Вадима Роговського та Ігоря Маханька. Також до раунду долучилися українські фонди U.Ventures,Vesna Capital, Roosh Ventures, Network VC, SID Venture Partners, Flyer One Ventures, ангельський синдикат Toloka VC, американський Forefront VP.

https://www.axios.com/pro/fintech-deals/2024/12/18/new-construction-housing-jome-9-million

https://forbes.ua/news/ukrainskiy-startap-newhomesmate-zaluchiv-98-mln-investitsiy-i-vtrete-zminyue-nazvu-forbes-diznavsya-detali-18122024-25679

🌱 Your fund size is your strategy (Mark Suster)

Чому вигідно піднімати великий фонд? Щоб отримувати високі management fees. Зазвичай це 2% від розміру фонду щороку. Маленькі VC-фірми більше орієнтуються на carried interest - зазвичай це 20% від прибутків фонду. Наприклад, якщо в компанію інвестували $1 млн, а при її продажі повернули $11 млн, то $10 млн прибутку будуть розділені між партнерами фірми (general partners) та інвесторами (limited partners): перші отримають 20%, а решту повернуть інвесторам.

З одного боку, вигідно мати великий фонд, щоб отримувати management fees. З іншого боку, більший фонд важче повернути. Зробити 3x на фонді в $50 млн можна однією вдалою інвестицією. Зробити 3x на фонді в $500 млн в принципі теж можна, але набагато складніше - треба не просто більше екзитів, а більші екзити, які трапляються (очікувано_ рідше.

На перший погляд ця економіка виглядає простою. Загалом вважається, що менші фонди зазвичай дають вищу прибутковість інвесторам. Але не все так просто. Адже мало просто знайти фантастичну компанію і проінвестувати в неї один раз. Щоб отримати максимальний прибуток від своїх кращих портфельних компаній, тих які стануть fund returners, венчурним інвесторам потрібно також приймати участь і в наступних раундах, тобто робити follow-on investments. Зазвичай в умовах угоди прописують право інвесторів долучатись до наступних раундів, щоб зберегти свій відсоток володіння компанією (pro-rata rights). Якщо інвестор цього не робить, його частка розмивається інвесторами наступних раундів.

Виходить, що капітал потрібен інвестору для двох цілей: 1) щоб зробити достатньо велику кількість інвестицій, щоб серед них знайшлись фантастичні компанії (тобто щоб спрацював power law), і 2) для того щоб отримати максимальний прибуток від цих кількох фантастичних компаній. Нещодавно прочитав гарне дослідження на цю тему. Там на реальних даних прибутковості фондів автор показує, що оптимальний розмір фонду - $250-500 млн.

Funds in this category have enough capital diversify investments and maximise their hitrate with outliers, and the reserves left to concentrate into the best companies down the road.

Ось такий портфоліо менеджмент.

P.S. Ось тут писав про економіку фондів раніше.

🐘 Гарний текст про розділення на бутікові фонди і мегафонди, яке зараз має місце в індустрії VC. Саммарі від Claude:

This article explores the fundamental tension in modern venture capital through the contrasting approaches of two firms: Benchmark and Andreessen Horowitz (a16z).

Benchmark maintains its traditional "small is beautiful" philosophy with just five partners, consistent $425 million fund sizes, and a focus on selective, high-touch investments. In contrast, a16z has pursued aggressive expansion, managing $44 billion across multiple funds, employing 80 investment partners, and providing extensive support services to portfolio companies.

The divergence reflects a broader industry debate about whether venture capital should remain a boutique craft or evolve into a scaled institutional business. While a16z's approach has influenced many firms to expand their operations and raise larger funds, potentially sacrificing returns for management fees, Benchmark has resisted this trend despite missing some deals.The contrast is particularly visible in AI investments, where a16z has backed 86 companies compared to Benchmark's 20.

This split raises fundamental questions about venture capital's future and whether the traditional model of small, focused partnerships can survive in an era of mega-funds and institutionalized venture investing.