Insights AI
Развитие инфраструктуры для эпохи агентного программирования: как она адаптируется к автономным разработчикам
Подкаст · Слушать (19 мин)
Supabase Says 70% of Its New Users Aren't Human | AI Explained
Содержание
- Узкое место: инфраструктура, созданная для людей, в мире, управляемом агентами
- Как работает инфраструктура, ориентированная на агентов: пошаговый план
- Шаг 1: программное развертывание
- Шаг 2: интерфейсы, оптимизированные для агентов
- Шаг 3: автоматизированное управление жизненным циклом
- Наглядная аналогия: строительство по чертежам и автоматизированная печать микроквартир
- Что действительно нового: переход от «как создавать» к «что создавать»
- Экономическое и стратегическое влияние: продукты, отрасль и конечные пользователи
- Для продуктовых команд
- Для отрасли ИИ и облачных технологий
- Для обычных пользователей
- Ограничения, риски и открытые технические вопросы
- Ключевые показатели
- Что могло бы изменить эту картину
- Список использованных источников
По мере того как агенты искусственного интеллекта (ИИ) все чаще берут на себя основную работу по созданию программного обеспечения, базовая инфраструктура для разработчиков претерпевает структурную трансформацию, чтобы поддерживать автономных разработчиков, не являющихся людьми. Платформа Supabase на базе PostgreSQL (Postgres) с открытым исходным кодом активно перестраивает свою инфраструктуру вокруг ИИ-агентов, которые теперь генерируют примерно 70% всей новой активности на платформе. Этот масштабный переход к агентному созданию программного обеспечения делает специализированные, предельно узко настроенные персональные программы столь же распространенными и одноразовыми, как личные текстовые документы или электронные таблицы, одновременно смещая основной источник ценности в разработке программного обеспечения с технической реализации («знать, как создавать») на предметную экспертизу и продуктовое видение («знать, что создавать»).
Узкое место: инфраструктура, созданная для людей, в мире, управляемом агентами
Традиционная инфраструктура для разработчиков программного обеспечения проектировалась с учетом физической скорости работы человека и его когнитивных ограничений. Устаревшие платформы баз данных, панели управления облачными ресурсами и наборы инструментов разработки предполагали наличие оператора-человека перед экраном, который вручную настраивает среды, создает схемы баз данных, выполняет сценарии командной строки и изучает интерфейсы программирования приложений (API). Эти ориентированные на человека рабочие процессы по своей природе протекали в неспешном темпе, с ручным исправлением ошибок, навигацией по визуальным интерфейсам и многонедельными циклами инженерной работы.
Адаптация устаревшей инфраструктуры к автономным ИИ-агентам сопряжена с серьезными техническими трудностями. В отличие от разработчиков-людей, взаимодействующих с платформами через графические консоли или последовательное выполнение сценариев, ИИ-агенты программно запускают серверные службы, отправляют к ним запросы, изменяют и удаляют их в огромных объемах и почти мгновенно. Традиционные платформы баз данных сталкиваются с операционными узкими местами при таких нагрузках, создаваемых не людьми: процессы ручной настройки тормозят работу, ограничения частоты запросов, рассчитанные на людей, срабатывают преждевременно, а визуальные панели управления теряют смысл, когда никто не пользуется пользовательским интерфейсом.
Выступая 30 октября 2026 года в подкасте о стартапах Y Combinator на канале Lightcone с Гарри, Харджем и Джаредом, сооснователь и генеральный директор Supabase Пол Копплстоун подробно рассказал, как его платформа распознала этот фундаментальный операционный сдвиг. Поскольку автономные программные агенты быстро становились основным типом пользователей во всей ее экосистеме, Supabase обнаружила, что рассматривать взаимодействия с агентами как простые автоматизированные сценарии больше нельзя. С аналитической точки зрения эти эмпирические данные подчеркивают более широкую структурную реальность: серверные технологические стеки необходимо фундаментально переработать, оптимизируя их для программного выполнения без участия человека, а не для ручного ввода.
Как работает инфраструктура, ориентированная на агентов: пошаговый план
Чтобы обслуживать ИИ-агентов как полноценных пользователей, платформы для разработчиков перестраивают свою архитектуру вокруг трехуровневой операционной модели, предназначенной для автономного выполнения.
Шаг 1: программное развертывание
В парадигме, ориентированной на агентов, настройка базы данных полностью отделена от пользовательских интерфейсов для людей. Агенты программно инициализируют полностью настроенные экземпляры баз данных через машиночитаемые конечные точки. Вместо того чтобы разработчик-человек переходил по веб-формам для выбора облачных регионов, выделения хранилища и задания переменных среды, ИИ-агент отправляет автоматизированные команды API, которые за миллисекунды развертывают полноценные экземпляры Postgres.
Шаг 2: интерфейсы, оптимизированные для агентов
После развертывания серверных служб слой базы данных должен предоставлять интерфейсы, оптимизированные специально для больших языковых моделей (LLM) и автономных агентов. Наряду с традиционными API платформы внедряют серверы протокола контекста модели (MCP), самоописывающиеся схемы OpenAPI/Swagger и системы структурированного журналирования JSON. Эти абстракции, изначально предназначенные для машин, позволяют агентам непосредственно изучать архитектуру схем, писать корректную логику запросов, выполнять миграции схем и интерпретировать журналы ошибок времени выполнения без визуальных инструментов или указаний человека.
Шаг 3: автоматизированное управление жизненным циклом
Автономные процессы программирования порождают крайне изменчивые модели использования инфраструктуры, для которых характерны краткосрочные нагрузки, ориентированные на конкретные задачи. Инфраструктура, ориентированная на агентов, должна обрабатывать высокочастотные события жизненного цикла, включая автоматизированное масштабирование, мгновенное создание временных клонов баз данных для изолированного тестирования функций и быстрое удаление после завершения агентом задачи. Инфраструктурные платформы должны сохранять стабильность системы и эффективность вычислений, обрабатывая непрерывные циклы создания и удаления, инициируемые автоматизированными системами.
Наглядная аналогия: строительство по чертежам и автоматизированная печать микроквартир
Чтобы представить эту структурную эволюцию, рассмотрим разницу между традиционным жилищным строительством и автоматизированным модульным производством: * Традиционное управление базами данных похоже на строительство жилого дома по индивидуальному проекту. Архитекторы составляют бумажные чертежи для будущих жильцов, а подрядчики месяцами вручную собирают каркас, водопровод и электропроводку. Каждый этап зависит от физической скорости работы людей и ручных проверок. * Агентное развертывание работает как автоматизированная фабрика, которая мгновенно печатает модульные микроквартиры по требованию, когда алгоритм запрашивает пространство. Модули создаются непрерывно, мгновенно адаптируются без ручного труда и беспрепятственно разбираются, как только пространство становится ненужным.
Что действительно нового: переход от «как создавать» к «что создавать»
Переход к агентному программированию представляет собой качественный разрыв с прежними волнами демократизации программного обеспечения, такими как платформы с минимальным использованием кода или без кода. Более ранние инструменты с минимальным использованием кода были сосредоточены на сокрытии сложного синтаксиса за визуальными интерфейсами с перетаскиванием элементов или упрощенными графическими средствами управления для пользователей-людей. Однако операционное узкое место сохранялось: людям по-прежнему приходилось вручную проектировать логические рабочие процессы, соединять визуальные компоненты и пошагово собирать приложения.
Фундаментальный прорыв агентной эпохи заключается в полном делегировании выполнения. Создание программного обеспечения перешло от набора кода людьми или работы с визуальными конструкторами к автономным агентам, выполняющим техническую разработку от начала до конца на основе намерения, выраженного на естественном языке.
+-----------------------------------------------------------------------+
| EVOLUTION OF BUILDING |
+-----------------------------------------------------------------------+
| TRADITIONAL CODING | Low-Code / No-Code | AGENTIC CODING ERA |
| Human writes code | Human uses drag-and-| Agent executes end-to-end |
| line-by-line. | drop interfaces. | development autonomously. |
+--------------------+---------------------+----------------------------+
| Focus: | Focus: | Focus: |
| "How to build" | "How to build" | "What to build" |
| (Syntax & Code) | (Visual Workflows) | (Domain Vision & Intent) |
+-----------------------------------------------------------------------+
Этот структурный сдвиг лежит в основе концепции «персонального программного обеспечения» Пола Копплстоуна. Исторически разработка программного обеспечения требовала значительного капитала или труда специализированных инженеров, что ограничивало создание приложений универсальными стандартизированными продуктами для крупных целевых рынков. В агентную эпоху предельные затраты и время, необходимые для создания работоспособного программного обеспечения, приближаются к нулю.
В результате приложения с высокой степенью индивидуальной настройки становятся столь же повсеместными, временными и одноразовыми, как личные текстовые документы или электронные таблицы. Например, финансовый аналитик, готовящийся к квартальному аудиту, может поручить агенту создать одноразовое приложение для сверки данных на базе кратковременного экземпляра Postgres. Агент развертывает базу данных, загружает разрозненные счета поставщиков, выполняет сценарии сверки и представляет аудиторский отчет. После завершения анализа весь стек приложения и серверный экземпляр самоуничтожаются, выполнив свою узкую задачу.
В результате ценность человеческого труда в создании программного обеспечения претерпевает стратегическое перераспределение. Детали технической реализации — «как создавать» — берут на себя инфраструктура, оптимизированная для агентов, и модели ИИ. Решающее конкурентное преимущество полностью смещается к предметной экспертизе, постановке проблемы, продуктовому чутью и проектированию пользовательского опыта — «что создавать».
Экономическое и стратегическое влияние: продукты, отрасль и конечные пользователи
Переориентация инфраструктуры на автономных разработчиков создает системные цепные эффекты для трех ключевых групп участников технологического сектора:
Для продуктовых команд
Циклы продуктовых итераций сокращаются с многонедельных спринтов разработки функций до операционных циклов продолжительностью в минуты. Инженерные команды тратят значительно меньше ресурсов на ручное написание шаблонного серверного кода, выполнение миграций схем или настройку стандартных API. Вместо этого менеджеры продуктов и инженеры используют агентов для быстрого создания прототипов, тестирования и развертывания функций. Это позволяет формировать гиперперсонализированный пользовательский опыт, при котором индивидуальные функции программного обеспечения генерируются на ходу под рабочие процессы конкретного пользователя.
Для отрасли ИИ и облачных технологий
Для облачных провайдеров и платформ баз данных модели использования серверной инфраструктуры резко смещаются от действий, инициируемых людьми, к массовым автоматизированным операциям. Когда ИИ-агенты инициируют основную часть развертываний баз данных, инфраструктурные платформы испытывают масштабные автоматизированные всплески использования, при которых миллионы микробаз данных непрерывно запускаются, обрабатывают запросы и удаляются.
С точки зрения инвестиций и экономики на единицу услуги этот сдвиг меняет структуру рентабельности облачных провайдеров. Традиционные предсказуемые модели подписки на программное обеспечение как услугу (SaaS) с оплатой за пользователя уступают место тарификации по фактическому использованию, настроенной на непрерывное высокоскоростное потребление ресурсов. Облачные провайдеры, оптимизирующие свою инфраструктуру для агентных API с низкой задержкой, автоматизированного управления схемами и мгновенного развертывания экземпляров, получают возможность занять доминирующую долю рынка вычислительных ресурсов, спрос на которые создается не людьми.
Для обычных пользователей
Специалисты без технической подготовки и эксперты-практики в своих предметных областях становятся непосредственными создателями программного обеспечения. Сочетая намерение, выраженное на естественном языке, с агентными серверными платформами, люди могут создавать специализированные прикладные программы без формального образования в области информатики. Предметные эксперты могут мгновенно решать узкие задачи повышения производительности, генерируя индивидуальные программные инструменты, точно соответствующие их текущим операционным потребностям.
Ограничения, риски и открытые технические вопросы
Хотя переход к агентной инфраструктуре открывает широкие операционные возможности, управление платформами, на которых автономные агенты генерируют большую часть активности, создает технические риски и нерешенные вопросы управления.
- Надежность платформы и целостность данных: Согласно данным платформы Supabase, ИИ-агенты теперь генерируют примерно 70% новой активности. Такой высокий объем операций без участия людей создает системные риски повреждения схем, непреднамеренного выполнения запросов и снижения производительности. Автономные агенты, работающие без контроля человека, могут быстро распространять неэффективные структуры запросов или ошибочные сценарии миграции одновременно по тысячам облачных сред.
- Управление и меры защиты конфиденциальности: Управление параметрами безопасности, списками контроля доступа и соблюдением требований к конфиденциальности данных становится значительно сложнее, когда базы данных развертываются автоматически в больших масштабах (свыше 1 млн новых экземпляров в неделю). Создание надежных защитных механизмов, предотвращающих случайное раскрытие агентами конфиденциальных данных или неправильную настройку политик безопасности на уровне строк (RLS), остается серьезной технической задачей.
- Управление затратами и распределение ресурсов: Высокочастотное создание и удаление серверных служб может затруднять распределение ресурсов как для поставщиков инфраструктуры, так и для клиентов платформ. Без автоматизированных правил жизненного цикла и активного освобождения ресурсов простаивающих экземпляров заброшенные базы данных, созданные агентами, могут приводить к нерациональному использованию облачных ресурсов и неожиданному перерасходу средств.
- Зрелость и ажиотаж: Аналитики инфраструктуры должны различать документально подтвержденные операционные показатели платформ и спекулятивные отраслевые прогнозы. Хотя большой объем развертываний баз данных, инициируемых агентами, является установленной реальностью на таких платформах, как Supabase, долгосрочная экономическая устойчивость и внедрение в компаниях моделей одноразового «персонального программного обеспечения» остаются формирующимися парадигмами, требующими постоянной оценки при реальных операционных нагрузках.
Чтобы глубже разобраться в этих структурных сдвигах, предлагаем вам ознакомиться с дополнительными исследованиями в открытом доступе на сайте DeepValues Research или попробовать приложение DeepValues.
Ключевые показатели
Следующие базовые показатели характеризуют масштаб платформы, объем операций и активность агентов и взяты непосредственно из исходного материала:
- Общая пользовательская база Supabase: 13 млн пользователей (по состоянию на 30 октября 2026 года).
- Еженедельный темп создания баз данных: Более 1 млн баз данных запускается каждую неделю (по состоянию на 30 октября 2026 года).
- Доля агентной активности: Примерно 70% новой активности на Supabase приходится на ИИ-агентов (по состоянию на 30 октября 2026 года).
- Продолжительность выпуска подкаста: 49 минут (опубликован 30 октября 2026 года).
Что могло бы изменить эту картину
Долгосрочная аналитическая траектория развития инфраструктуры для автономных агентов зависит от ряда меняющихся технологических, регуляторных и экономических факторов. Следующие наблюдаемые изменения существенно повлияли бы на эту стратегическую оценку:
- Колебания доли активности автономных агентов: Устойчивое снижение или значительный рост доли активности на платформе, генерируемой агентами искусственного интеллекта и составляющей ~70%, указывали бы на изменения в степени их внедрения разработчиками, надежности моделей или ограничениях автономности агентов.
- Появление требований безопасности, специально разработанных для агентов: Принятие нормативных рамок или обязательных требований, целенаправленно ограничивающих доступ автономных агентов искусственного интеллекта к облачным базам данных, могло бы вынудить поставщиков инфраструктуры сократить автоматизированные процессы выделения ресурсов.
- Изменение удельной экономики облачных сервисов: Если массовое создание и удаление краткосрочных баз данных приведет к отрицательной рентабельности или нестабильности сети, облачные платформы могут быть вынуждены пересмотреть модели ценообразования для автоматизированных рабочих нагрузок агентов.
- Стандартизация протоколов взаимодействия агентов с базами данных: Широкое внедрение в отрасли стандартизированных межоблачных протоколов взаимодействия агентов с базами данных, выходящих за пределы Postgres и охватывающих проприетарные корпоративные облачные экосистемы, могло бы ускорить интеграцию инфраструктуры во всем технологическом секторе.
Список использованных источников
- "What Happens When Everyone Can Build Software," Y Combinator Startup Podcast (featuring Paul Copplestone, hosted by Garry, Harj, and Jared on the Lightcone), published October 30, 2026.
Смотреть
Ссылки на источники
- What Happens When Everyone Can… - Y Combinator Startup Podcast - Apple Podcasts
Смотреть и слушать
- Supabase Says 70% of Its New Users Aren't Human YouTube · EN
- Supabase每週增百萬資料庫,七成活動不是人類 YouTube · 中文
- Supabase Says 70% of Its New Users Aren't Human | AI Explained Подкаст · EN
- Supabase每週增百萬資料庫,七成活動不是人類|AI 前沿 Подкаст · 中文