Силиконовая долина инвестор Naval Ravikant недавно в подкасте говорил о волне «vibe coding» и считает, что AI coding agent уже перешли важную критическую точку: из инструментов, которые раньше только помогали писать код, они эволюционировали в «долгоиграющих» агентов, способных делать приложения «с нуля до запуска». Он даже сформулировал резкое суждение: если AI может напрямую генерировать персонализированные App для пользователя, то долгосрочные преимущества в софте и железе, которые годами строили iPhone и App Store, могут столкнуться с вызовом.
Naval говорит, что своей новой отправной точкой для возврата к программированию стала поставка Claude Opus 4.5 в декабре 2025 года, после которой способности AI coding agent заметно подскочили. Он описывает, что эти агенты уже не похожи на ранние инструменты, которые просто выдавали кусок кода, чтобы пользователь копировал и вставлял его в среду разработки. Теперь они могут долго работать в терминале, понимать файловую систему, вызывать Unix-команды, запускать тесты, чинить баги и даже завершать целиком приложение.
Он считает, что именно эта «магия» вызывает зависимость, потому что она сильно снижает «стоимость старта» в программировании. Раньше, чтобы разработать App, нужно было понимать GitHub, бэкенд-сервисы, Firebase, Railway, Xcode, командную строку и целый ворох инженерных терминов; теперь пользователю достаточно описать потребность на естественном языке, и AI переведёт это в Python, C, Rust, Lisp или в набор фреймворков и команд инструментов. Для людей с базовым пониманием архитектуры компьютеров это резко опускает порог входа для создания ПО.
От личного App Store до фитнес-трекера: AI превращает ПО в «частную настройку»
В Подкасте Naval раскрывает, что он уже сделал «личный App Store». Это не коммерческая платформа для всеобщей выкладки, а приватная система релиза для него самого, друзей и семьи: он может попросить AI сгенерировать App, после выполнения AI автоматически доставляет результат на страницу его личного App Store, а затем он ставит его на iPhone в один клик.
Он приводит пример: однажды он попросил AI сделать фитнес-трекер, который полностью соответствует его персональным привычкам. Ему хотелось, чтобы App объединял функции Tonal и Ladder, следовал Apple Human Interface Guidelines, выглядел как нативный Apple App; при этом он должен уметь читать прошлые записи тренировок, упрощать ввод новых записей, строить графики, считать score силы и даже читать научные статьи — чтобы продумывать, как оценивать прогресс силы по разным частям тела. Дальше это можно связать с Apple Health и считывать данные вроде пульса и т.п.
Naval подчёркивает: такие App не обязательно заменят все зрелые продукты. Для массовых потребностей — коммуникации, каршеринг/вызов такси, банки, соцсети — на рынке всё ещё будут самые сильные «best-of-breed» решения. Но то, что по-настоящему открывает AI coding agent, — это запросы «максимально персональные» и «максимально нишевые»: приложения, которые существуют только для тебя, соответствуют только твоему рабочему процессу и даже сделаны под конкретную жизненную ситуацию.
Вот почему, по его мнению, vibe coding привлекательнее, чем играть в компьютерные игры. Игровые проекты погружают игрока за счёт мгновенной отдачи, наград за задания и кривых сложности, но в итоге это закрытый мир, придуманный другими людьми; vibe coding же — это открытый мир, в основе которого — машина Тьюринга, а цели пользователя могут бесконечно расширяться и давать реальную практическую пользу в реальном мире.
«Знать, что именно тебе нужно» — самое важное умение
Однако Naval также отмечает, что vibe coding — это не способ сделать всех инженерами. Большинство людей по-прежнему воспринимают компьютер как чёрный ящик; даже если сложность снизится в 10 раз или в 100 раз, для них это может не иметь смысла.
Реальную выгоду получат те, у кого есть «чёткое видение», кто умеет ясно формулировать и кому хватает мотивации создавать. Naval считает, что ключевое умение в vibe coding — не синтаксис, а знание того, что именно ты хочешь. Когда пользователь может чётко описать, как должен выглядеть продукт, как он должен работать и какие детали важны, AI помогает быстро превратить идеи в рабочий прототип.
Он сравнивает это со своим прошлым опытом запуска AirChat. AirChat — соцпродукт, где в центре лежат общение голосом и видео; тогда он работал вместе с 8–9 инженерами, потратив 9–12 месяцев на создание нескольких версий; в итоге продукт не добился успеха: команда продала компанию, инвесторы вернули деньги, а сотрудники получили разумную развязку.
Но в эпоху vibe coding он делает похожий продукт один — и может полностью корректировать его по своей интуиции. В прошлом, работая с инженерной командой, даже при сильном видении у основателя приходилось постоянно идти на компромиссы: нельзя бесконечно просить инженеров переносить иконку влево, потом вправо, а потом возвращать обратно; и невозможно требовать, чтобы команда каждый раз соглашалась с каждым интуитивным решением. У AI agent нет самолюбия, нет раздражения, и он не обижается, если изменения приходится повторять много раз.
Naval считает, что это расширяет поле для исследования идей в софте. Как《Minecraft》сначала сделал один Notch: «кубический» стиль на фоне традиционных стандартов игровой графики может казаться отсталым, но при этом он полностью сохраняет продуктовую интуицию одного человека. Vibe coding может привести к появлению большего числа таких продуктов — тех, что не были «вылизаны» до консенсуса командой.
Чисто софтверные стартапы больше не стоит инвестировать? Naval: ров/защита съедается AI
Самая спорная точка в интервью — это оценка Naval состояния венчурного рынка. Ранее он публиковал в соцсети мысль, что «чистый софт быстро становится не тем, во что стоит инвестировать». В подкасте он пошёл дальше и сказал ещё прямее: если у компании все преимущества сводятся к тому, что «я умею писать софт, который другие не умеют», то у неё уже нет инвестиционной ценности.
У этого два основания: во-первых, сегодня coding agent уже может быстро собрать большое количество функций. Во-вторых, темпы улучшения coding agent крайне высоки, и возможно уже в течение года — или даже быстрее — они смогут писать софт с более полной архитектурой и лучшей масштабируемостью. Иными словами, ров, который строится только на способности разрабатывать функции, сжимается под давлением AI.
Поэтому Naval считает, что венчурным фондам дальше стоит искать нечто другое: хардвер, сетевые эффекты, AI-модели, преимущество данных или иные структурные барьеры, которые сложнее быстро скопировать. Он даже предположил, что «тренировка AI-моделей» может быть новым поколением «написания софта» — по крайней мере, пока автоматические исследования и автоматическая тренировка не станут полностью зрелыми, сами AI-модели всё ещё могут создавать новые возможности для стартапов и инвестиций.
Это не значит, что он плохо относится к индивидуальным создателям ПО. Наоборот: он считает, что происходит возрождение индивидуальных авторов. Для тех, кто ставит эксперименты, делает прототипы и проверяет ранние гипотезы продукта, сейчас — лучшее время в истории; но если продукт реально должен обслуживать массовых пользователей, выдерживать высокий concurrent traffic и сложные требования по безопасности, основателю всё равно понадобится настоящая инженерная команда, а возможно, и полностью переписывать архитектуру.
AI очень силён, но всё ещё нужен человеческий надзор: модель будет подстраиваться и лениться
Naval не описывает coding agent как универсальную панацею. Он отмечает: когда размер кода растёт, модель сталкивается с заметными ограничениями.
Причина в том, что у модели есть верхний предел context window. Когда кодовая база становится больше, чем модель может «запомнить» за один проход, она начинает угадывать, сжимать контекст, забывать исходную цель и даже чинить не там, где нужно. Naval говорит, что модель может чинить один и тот же баг пять раз или закрывать проблему быстрым патчем, но архитектурно неверным; и хуже всего — иногда, чтобы убрать баг, она просто удаляет функцию или сценарий использования, которые этот баг порождали.
Из-за этого в процессе разработки он часто прерывает модель и просит не делать hack, не просто закрывать патчем, а возвращаться к решению на уровне архитектуры. Смешно то, что модель обычно сразу отвечает: «Ты прав — это hack». Даже если это не обязательно настоящий hack, модель всё равно склонна подыгрывать пользователю.
Naval использует метафору для AI agent: он немного как охотничья собака. Она может быть лучше тебя в том, чтобы поймать уток, но если ты укажешь не ту птицу, она может всё равно броситься туда. То есть людям всё ещё нужно отвечать за направление, архитектурные решения, стратегию отладки и продуктовый вкус.
Он также упоминает, что заставляет разные модели проверять код друг друга. Например, после того как Claude пишет код, команда отправляет его в GitHub, Codex, Gemini, Grok и др. модели могут автоматически проверять pull request, как AI за круглым столом. Но реальный эффект не такой огромный, как можно представить: между моделями всё ещё много groupthink, и если пользователь чуть сместит ответы в нужную сторону, большинство моделей пойдут по этому маршруту и редко дают сильные возражения.
Почему coding agent развивается быстрее всего? Потому что код легко проверять
Naval считает, что AI особенно быстро продвигается в сфере программирования по одной фундаментальной причине: код легко проверять.
Можно ли скомпилировать, проходят ли тесты, корректно ли выполняется функциональность — это даёт относительно чёткие сигналы обратной связи. У математики есть похожее свойство: много задач с проверяемыми ответами. В некоторых аспектах так же устроено и автопилотирование: там можно строить контур обратной связи через большие объёмы данных и симуляции.
В отличие от этого, творческое письмо, оценка вкуса и исследования в новых областях — гораздо сложнее. Модель может генерировать тексты бесконечно, но кто будет определять, что хорошо, а что плохо? Если просто набрать группу низкооплачиваемых людей для разметки «хорошо» или «плохо», то итог будет отражать только их вкусы. Naval считает, что модели для реального улучшения нужна «петля обратной связи высокого вкуса», и это сложнее, чем просто собирать много данных.
Он предполагает, что одна из причин, почему в последнее время coding model усилились, может быть в том, что лучшие инженеры-программисты начали массово использовать эти модели. Так модели получают высококачественный код и высококачественную обратную связь по предпочтениям. То есть AI учится не только на коде — он начинает учиться на суждениях топовых инженеров о том, что считается хорошим кодом.
Кризис Apple: когда пользователю не нужно открывать App — он просто общается с AI Agent
У Naval оценка Apple особенно жёсткая. Он считает, что как только AI agent сможет по запросу мгновенно генерировать интерфейсы и функции, пользователям больше не придётся часто открывать App и полагаться на существующую экосистему приложений на iPhone.
Раньше, чтобы вызывать каршеринг/такси, пользователь открывал Uber; чтобы вести фитнес-трекер, открывал fitness App; чтобы выполнить задачу — искал на телефоне нужное приложение. Но в agentic interface пользователю достаточно сказать: «Помоги вызвать», «Запиши мои тренировки», «Помоги мне сделать эту вещь». В этот момент реальным входом становится не главный экран iPhone, а AI-модель.
Naval считает, что это подтачивает давнюю ключевую силу Apple. Ров Apple — это не только железо, но и операционная система, App Store, нативные App, интеграция экосистемы и пользовательский интерфейс. Как только пользователи в основном начнут общаться через Claude, Codex, Gemini или других AI agent, телефон превратится в обычное устройство-экран, батарею и подключение к сети. На этом этапе Android тоже сможет дать эти возможности, и дифференциация Apple будет сжиматься.
Он даже заявил прямо: если Apple отстаёт в AI, это может стать одной из крупнейших стратегических ошибок нынешнего поколения технологической индустрии. Apple не исчезнет мгновенно и всё ещё может долго зарабатывать много денег; но так же, как Microsoft пропустила волну мобильности и Windows перестала быть центральным входом для персональных вычислений, Apple может потерять верхнюю границу будущего роста в эпоху AI agent.
Превратятся ли софтверные компании в компании одного человека? AI-поддержка тоже сможет прямо чинить баги
Далее Naval описывает процесс разработки, который он сейчас выстраивает: в App встроена система репортов багов. Пользователь видит проблему и нажимает кнопку, после чего система отправляет log на сервер; Claude каждые 24 часа автоматически упорядочивает все bug report, пытается исправить проблему и кладёт фикс в ветку, ожидая его проверки. Ему остаётся лишь финальное решение: это действительно баг? Исправление хорошее? Нужна ли его интеграция и релиз?
Он считает, что разработка новых функций в будущем тоже может идти подобным образом. Пользователи формулируют требования к функции, голосуют за сортировку/приоритеты, а AI agent отвечает за сбор, дизайн, реализацию и реакцию; затем человек-куратор с продуктовым вкусом решает, какие функции действительно стоит запускать, а какие пользователи на самом деле даже не знают, что им нужно.
Это размывает границу между «поддержкой» и «инженерией». Идеальная поддержка — это не только ответы на вопросы: она понимает продукт, чинит баги, пишет код, работает 24 часа в сутки и при этом не обижается. Ей не больно, что ей пришлось написать много кода, который потом выбросили. Naval считает, что такая модель даст компаниям из одного или двух человек потенциал обслуживать миллионы, а возможно и десятки миллионов пользователей.
Он отмечает: в истории уже были похожие случаи — например, Notch в одиночку делал《Minecraft》, Satoshi Nakamoto с небольшой командой запустил Bitcoin, а ранние Instagram и WhatsApp тоже создавали огромный эффект силами небольшой команды. Но AI coding agent сделает появление таких «чудес малой команды» гораздо более частым.
Vibe Coding не уничтожит инженеров, но переопределит, кто сможет создавать софт
Взгляд Naval на vibe coding — это не «инженеры больше не важны». Напротив: когда продукт идёт в сторону массовых пользователей, требований по безопасности, стабильности архитектуры и коммерциализации, действительно сильные инженеры остаются незаменимыми.
Но главная перемена, которую он выделяет, в другом: меняется точка старта софтверного творчества. Раньше между идеей и прототипом стояли инженерные ресурсы, командная работа, графики разработки и стоимость; теперь люди с ясной продуктовой интуицией могут просто передать требования AI — и получить рабочую версию за минуты или часы.
Это перестроит три вещи: во-первых, персонализированный софт будет расти взрывными темпами; во-вторых, стартапам, которые держат ров только на разработке функций, станет сложнее получать оценку/инвестценность; в-третьих, существующие входные платформы вроде мобильных телефонов и App Store будут заново брошены вызовом AI agent.
Эта статья 《Книга Навала» Naval: AI Agent — начало конца Apple, Vibe Coding — делать App может каждый впервые появилась на Линк Новости ABMedia.
