3 секунды на контракт — и человек уже не нужен. Мы недавно разбирали OKX, где AI-агенты начали платить друг другу сами, без привычного «одобрить» посередине. А теперь — следующий слой той же истории, только уже не в платежах, а в трейдинге, где на кону не игрушечная автоматизация, а ежедневные миллиарды.

Вот это, честно, уже не шум про очередной ИИ-стартап. Prague-based EquiLibre Technologies — лаборатория из 25 человек, основанная тремя бывшими исследователями DeepMind, — подняла Series A и теперь оценивается больше чем в $500 млн. И одновременно, по словам компании, её алгоритмы уже торгуют миллиарды долларов в день на S&P 500 и Nasdaq вместе с Tower Research Capital.

То есть тут не «ИИ когда-нибудь поможет трейдерам». Тут уже машина сидит в контуре сама. И если вы работаете с продуктами, деньгами или автоматизацией, это важно понять быстро: такие системы постепенно съедают не только ручной труд, но и саму привычку держать человека в середине процесса.

Покерный трюк, который переехал на биржу

Основатели EquiLibre — Мартин Шмид, Рудольф Кадлец и Матеуш Морявчик — раньше сделали DeepStack, первый ИИ, который обыграл профессионалов в безлимитный покер. И вот тут, подождите, это вообще нормально? Покер и биржа рядом не потому, что красиво звучит, а потому что обе задачи очень хорошо ложатся на reinforcement learning.

Reinforcement learning — это обучение с подкреплением, если по-человечески: системе не расписывают каждый шаг, а задают цель и награду. Успех есть — плюс. Ошибка — минус. На рынке это сводится к совсем грубой, но понятной метрике: сколько денег принёс агент.

Именно поэтому poker-логика так легко переехала в трейдинг. Не потому что рынок стал игрой. А потому что для машины и там, и там можно определить победу через одну и ту же холодную шкалу.

Не демо, а уже в контуре

Партнёрство с Tower Research Capital делает историю совсем не декоративной. Это уже не лабораторный слайд и не красивая презентация для венчурного питча, а торговля на больших объёмах в живом рынке. Компания ещё и утверждает, что с момента запуска её системы не показали ни одного убыточного месяца.

Но тут, конечно, хочется чуть прищуриться. «Ноль убыточных месяцев» — звучит слишком аккуратно. Я бы очень хотела увидеть, как это выглядит в плохом рынке, в смене режима, в реальном стрессе. Потому что одна удачная фаза и устойчивый метод — это, как ни крути, не одно и то же.

Где здесь настоящая власть

Главная странность этой истории в том, что она не про «умный ИИ», а про лишнего человека в середине цепочки. Если reward-функция — то есть правило, по которому система понимает, что считать успехом, — задана через прибыль, то модели не нужно человеческое чутьё в привычном смысле. Ей нужно только выигрывать по шкале.

Для трейдеров, аналитиков и риск-менеджеров это неприятный, но довольно ясный сигнал. Не обязательно «всех заменят» — нет, так грубо я бы не сказала. Но там, где метрика простая, а обратная связь быстрая, человеческий judgment начинает терять вес. И это уже касается не только финансов. Логистика, распределение ресурсов, риск-контуры, любые decision systems — везде может появиться тот же вопрос: если цель ясна, зачем посредник?

И вот это, пожалуй, самая неудобная часть новости. Не оценка в $500 млн, хотя и она впечатляет. А мысль о том, что рынок всё увереннее платит не за «понимание», а за быстрое попадание в заданную метрику.

Прага вместо привычных центров

Отдельно забавно, что всё это сидит в Праге, а не в Кремниевой долине. Маленькая команда, 25 человек, и при этом их система уже работает на объёмах, которые для большинства стартапов выглядят почти как ошибка в отчёте.

Но в этом есть и более серьёзный сдвиг. Frontier AI всё чаще рождается не только там, где больше денег и громче вывески, а там, где случайно или не случайно собрались люди с редкой экспертизой. EquiLibre выросла из исследовательской среды DeepMind, из покера, из RL-логики — и теперь всё это уже прикручено к реальному рынку.

При этом компания сама оговаривается: она «lab first, not a finance firm». И это, честно, полезная оговорка. Потому что иначе слишком легко решить, будто перед нами уже готовая новая модель финансового мира. Пока это скорее сильный эксперимент, который уже начал приносить деньги.

Что с этого вынести

Если вы делаете ИИ-продукты, тут урок довольно приземлённый: обучение с подкреплением — это не только про игры и не только про автономность ради автономности. Это способ научить систему действовать в среде, где можно чётко задать цель. Но чем проще метрика, тем опаснее самообман: модель может блестяще оптимизировать одно и в упор не видеть остального.

Если вы инвестор, то логика понятна без фанфар: деньги идут туда, где ИИ не «помогает думать», а принимает решения в денежной среде.

Если вы из финансовой команды, новость звучит почти буднично, а по сути довольно жёстко: автоматизация уже не просто ускоряет трейдинг. Она начинает подтачивать саму привычку держать человека в центре процесса.

И вот тут вопрос уже не про DeepMind, покер и красивую оценку. Вопрос в том, сколько ещё таких лабораторий появится, прежде чем окажется, что доверять машине деньги проще, чем доверять человеку право на финальное решение.

Материалы