Карпати видит в Cursor подтверждение рождения новой категории AI-приложений. Стартапам не нужно считать себя соперниками лабораторий больших языковых моделей — лучше сосредоточиться на нишевых рынках.
С момента появления приложений, работающих поверх моделей от ведущих AI-лабораторий, ведутся споры о так называемых «обертках ИИ». Это программы, адаптированные под узкие задачи или группы пользователей, где основная сила исходит от базовых языковых моделей. Главный вопрос: хватит ли им отличий, чтобы удержаться на рынке?
Экс-руководитель отдела ИИ в Tesla Андрей Карпати <a target="_blank" rel="noopener" href="https://karpathy.bearblog.dev/year-in-review-2025/">поделился</a> взглядом на перспективы таких AI-стартапов. Особо он выделяет успех Cursor — редактора кода с поддержкой ИИ. По его словам, этот инструмент «убедительно продемонстрировал новый уровень ‘приложения на базе LLM’». Появились разговоры о «Cursor для X», что сигнализирует о смене подходов.
Почему новый слой приложений оказывается эффективным
Карпати поясняет: приложения на базе LLM вроде Cursor собирают воедино вызовы моделей и управляют ими для конкретных сфер. Он называет четыре главных механизма. Первый — это <a href="https://the-decoder.com/anthropic-claims-context-engineering-beats-prompt-engineering-when-managing-ai-agents/">«context engineering»</a>. Такие программы подготавливают и организуют контекст для языковой модели, избавляя пользователей от этой трудоемкой задачи.
Второй механизм — координация множества вызовов LLM в фоновом режиме, «связанных в сложные DAG с учетом баланса между скоростью и расходами».
Третий — интерфейс, заточенный под задачу приложения и подходящий для человека в цикле взаимодействия. Четвертый — «ползунок автономности»: пользователи сами выбирают степень контроля и уровень независимости ИИ.
Стартапы против гигантов: чьи шансы выше?
AI-сфера бурно обсуждает толщину этого нового слоя приложений с самого дебюта первых «оберток». В центре споров: займут ли лаборатории больших языковых моделей вроде OpenAI, Anthropic или Google все ниши самостоятельно или появится пространство для узких игроков?
Карпати предполагает, что такие лаборатории станут готовить «универсального студента колледжа» — гибкие, но неглубоко специализированные модели. Приложения на базе LLM же соберут из них команды, настроят под отрасли и превратят в экспертов.
Секрет успеха — в приватных данных, инструментах для реальных действий и обратной связи из практики. Тот, кто научит ИИ работать с информацией и выполнять операции вроде оформления заказов, отправки сообщений или управления оборудованием, сможет противостоять лидерам рынка.
Гиганты не собираются уступать: <a href="https://the-decoder.com/sam-altman-explains-why-openai-might-steamroll-your-ai-startup/">OpenAI открыто заявила</a>, что стремится <a href="https://the-decoder.com/openais-hunger-for-growth-puts-pressure-on-ai-startups/">контролировать всю цепочку ценности в ИИ</a>, от аппаратной части до конечных продуктов. Anthropic и Google тоже совершенствуют чатботы, чтобы те брали на себя все больше бытовых функций.