ИСТОРИЯ УСПЕХА — HIGGSFIELD AI
Как бывший топ-3 программист мира построил ИИ-видео-платформу, не потратив ни рубля на собственный дата-центр — и вырос до $400 млн выручки быстрее почти всех в истории индустрии.
Через месяц после публичного запуска инженеры компании среди ночи писали в чат тревожные сообщения: «Кажется, нас атакуют. Трафик вырос в двадцать раз.» Специалисты вызывали службы поддержки облачных провайдеров, не веря собственным глазам.
Ответ пришёл под утро: это была не атака. Это были миллионы живых людей, одновременно решивших попробовать продукт.
Агрегаторов чужих на рынке — десятки. Большинство незаметно закрываются. Higgsfield — нет.
Алекс Машрабов — топ-3 в мире по конкурентному программированию, затем пишет системы машинного перевода в Яндексе ещё до эпохи трансформеров.
Машрабов вместе с Виктором Шабуровым уходит из Яндекса и строит нейросети для распознавания и анимации лиц на мобильных устройствах — технологию, до этого никому не удававшуюся.
Технология ложится в основу Cameos — функции Snapchat, позволяющей вставлять своё лицо в видео. Машрабов остаётся в Snap и дорастает до руководителя генеративного ИИ — продукта для сотен миллионов пользователей.
Ставка: не тратить годы на собственную модель генерации видео, а собрать лучшие чужие модели (Sora, Kling, Veo) в одном интерфейсе — и доработать их методом .
Трафик вырастает в 20 раз за одну ночь. За пять месяцев — 11 млн пользователей. Дистрибуция идёт через органическую известность: Мадонна, Snoop Dogg, Уилл Смит публикуют созданный на платформе контент без всякой рекламной сделки.
Рост обгоняет по скорости такие компании, как Cursor, Lovable и сам OpenAI на сопоставимом этапе. К началу 2026 года — свыше 25 млн пользователей.
Первый технологический единорог Казахстана. Series B на $400 млн — при структуре расходов, не требующей собственных дата-центров.
Higgsfield не просто перепродаёт чужие модели — доработка и дают лучшую маржу и более быстрые итерации, чем у конкурентов. Вместо каталога на сотни моделей платформа выступает куратором: узкие готовые решения под конкретные сценарии, вроде инструмента для кинематографичного управления камерой.
И главное отличие от историй с фундаментальной наукой: компании не нужно строить и содержать дата-центры — эти расходы несут владельцы моделей. Деньги идут напрямую в продукт и команду, а не в бетон и электричество.