a16z Podcast
Summary & Insights
Could the 21st century be remembered as the “Age of Elon and Jensen”? This is the bold premise driving a deep dive into the current AI boom, where the sheer scale of infrastructure investment is fundamentally altering the fabric of civilization. Rather than viewing the market as a zero-sum game where only one “frontier” model survives, the conversation suggests we are entering a positive-sum era. In this scenario, massive labs, open-source projects, and specialized application companies can all thrive simultaneously, provided they navigate the critical bottleneck of compute supply.
The economics of this build-out are surprisingly robust, with some infrastructure investments seeing paybacks in under a year. This high ROI is fueling a massive re-industrialization of America, as data centers revitalize dying small towns and create high-paying opportunities for skilled trades like electricians and HVAC technicians. The discussion emphasizes that the “bubble” narrative often ignores the actual demand side; while a few million power users are driving the current craze, there are over a billion knowledge workers who have yet to be fully integrated into the AI economy.
Looking further ahead, the conversation ventures into the realm of “Orbital Compute.” By leveraging the reusability of SpaceX’s Starship, the cost of launching compute racks into space could plummet, making orbital data centers a viable solution to Earth’s land and power constraints. From asteroid mining for precious metals to the creation of a seamless “abstraction layer” for enterprise intelligence, the vision is one of total vertical integration where hardware, energy, and intelligence converge to redefine global productivity.
Surprising Insights
- The “And” Market: Contrary to the belief that open source will kill frontier labs, the AI market is likely an “and” scenario where frontier models, N-1 models, and open-source versions all coexist and serve different economic needs.
- Re-industrialization via Data Centers: Data centers are acting as a catalyst for working-class economic growth, significantly increasing local tax revenues (sometimes 10x) and driving demand for vocational trades.
- Orbital Economics: The feasibility of space-based compute depends less on “science fiction” and more on the cost of launch; Starship’s reusability could make orbital compute a necessary “swing capacity” as terrestrial power becomes inflationary.
- The “Jordan” Rule of Semiconductors: In a world where NVIDIA controls the vast majority of the supply chain and financing, the most successful competitors are those who find a niche and “plug in” to the ecosystem rather than attempting to go head-to-head with Jensen Huang.
Practical Takeaways
- Focus on Product over “Deity”: For AI entrepreneurs, follow the “Cursor” model—prioritize solving specific, verifiable user problems (like coding) rather than chasing the abstract goal of AGI.
- Control Your Intelligence: Enterprise companies should consider using high-quality open-source base models and fine-tuning them on proprietary data to maintain ownership and control over their intellectual property.
- Leverage Model Ensembles: Instead of relying on a single model, implement a “router” strategy: use expensive frontier models for complex planning and cheaper, specialized models for execution.
- Bet on Vertical Integration: When evaluating AI companies, look for those that control as much of their stack as possible (compute, data, and distribution) to ensure they remain the low-cost provider in the long run.
🛍️ Products & Resources Mentioned
- ⚡ DeviceNVIDIA GPUs — Discussed as the central hardware component driving the AI boom and the primary target for massive capital investment.View on Amazon →
- ⚡ DeviceGoogle TPUs — Mentioned as a key compute resource that Google sells to generate revenue in the AI market.View on Amazon →
- ⚡ DeviceStarlink — Mentioned as a means of bringing low-cost internet access to the poorest communities in the world.View on Amazon →
- ⚡ DeviceNVIDIA Rubin Rack — A co-designed compute rack by Elon Musk and Jensen Huang expected to launch in late 2027.View on Amazon →
Liệu thế kỷ 21 có được nhớ đến như là “Kỷ nguyên của Elon và Jensen”? Đây là tiền đề táo bạo dẫn dắt một cuộc phân tích sâu về sự bùng nổ AI hiện nay, nơi quy mô đầu tư khổng lồ vào cơ sở hạ tầng đang thay đổi căn bản cấu trúc của nền văn minh. Thay vì coi thị trường là một trò chơi có tổng bằng không (zero-sum game), nơi chỉ có một mô hình “tiên phong” (frontier model) tồn tại, cuộc thảo luận gợi ý rằng chúng ta đang bước vào một kỷ nguyên có tổng tích cực (positive-sum). Trong kịch bản này, các phòng thí nghiệm khổng lồ, các dự án mã nguồn mở và các công ty ứng dụng chuyên biệt đều có thể cùng phát triển, miễn là họ vượt qua được nút thắt quan trọng về nguồn cung năng lực tính toán (compute supply).
Kinh tế học của quá trình xây dựng này mạnh mẽ một cách đáng ngạc nhiên, với một số khoản đầu tư cơ sở hạ tầng có thời gian hoàn vốn chưa đầy một năm. Tỷ lệ hoàn vốn (ROI) cao này đang thúc đẩy một cuộc tái công nghiệp hóa quy mô lớn tại Mỹ, khi các trung tâm dữ liệu hồi sinh những thị trấn nhỏ đang lụi tàn và tạo ra những cơ hội thu nhập cao cho các ngành nghề kỹ thuật như thợ điện và kỹ thuật viên HVAC. Cuộc thảo luận nhấn mạnh rằng luận điểm về “bong bóng” thường bỏ qua khía cạnh nhu cầu thực tế; trong khi một vài triệu người dùng quyền năng (power users) đang thúc đẩy cơn sốt hiện tại, vẫn còn hơn một tỷ lao động tri thức chưa được tích hợp hoàn toàn vào nền kinh tế AI.
Nhìn xa hơn, cuộc thảo luận tiến tới lĩnh vực “Tính toán Quỹ đạo” (Orbital Compute). Bằng cách tận dụng khả năng tái sử dụng của tàu Starship của SpaceX, chi phí phóng các giá máy chủ tính toán vào không gian có thể giảm mạnh, khiến các trung tâm dữ liệu quỹ đạo trở thành một giải pháp khả thi cho những hạn chế về đất đai và năng lượng trên Trái đất. Từ khai thác kim loại quý trên tiểu hành tinh đến việc tạo ra một “lớp trừu tượng” (abstraction layer) liền mạch cho trí tuệ doanh nghiệp, tầm nhìn ở đây là sự tích hợp dọc toàn diện, nơi phần cứng, năng lượng và trí tuệ hội tụ để định nghĩa lại năng suất toàn cầu.
Những góc nhìn bất ngờ
- Thị trường “Và”: Trái với niềm tin rằng mã nguồn mở sẽ tiêu diệt các phòng thí nghiệm tiên phong, thị trường AI có khả năng là một kịch bản “và” — nơi các mô hình tiên phong, các mô hình cấp thấp hơn (N-1) và các phiên bản mã nguồn mở cùng tồn tại và phục vụ các nhu cầu kinh tế khác nhau.
- Tái công nghiệp hóa thông qua Trung tâm Dữ liệu: Các trung tâm dữ liệu đang đóng vai trò là chất xúc tác cho sự tăng trưởng kinh tế của tầng lớp lao động, làm tăng đáng kể doanh thu thuế địa phương (có khi lên đến 10 lần) và thúc đẩy nhu cầu về đào tạo nghề.
- Kinh tế học Quỹ đạo: Tính khả thi của tính toán dựa trên không gian ít phụ thuộc vào “khoa học viễn tưởng” mà phụ thuộc nhiều hơn vào chi phí phóng; khả năng tái sử dụng của Starship có thể khiến tính toán quỹ đạo trở thành một “năng lực dự phòng” (swing capacity) cần thiết khi năng lượng trên mặt đất trở nên đắt đỏ do lạm phát.
- Quy tắc “Jordan” của Bán dẫn: Trong một thế giới mà NVIDIA kiểm soát phần lớn chuỗi cung ứng và tài chính, những đối thủ thành công nhất là những người tìm thấy một thị trường ngách và “kết nối” vào hệ sinh thái thay vì cố gắng đối đầu trực diện với Jensen Huang.
Bài học thực tiễn
- Tập trung vào Sản phẩm thay vì “Thần thánh”: Đối với các doanh nhân AI, hãy theo mô hình “Cursor” — ưu tiên giải quyết các vấn đề cụ thể, có thể xác thực của người dùng (như lập trình) thay vì theo đuổi mục tiêu trừu tượng là AGI (Trí tuệ nhân tạo tổng quát).
- Kiểm soát Trí tuệ của bạn: Các công ty doanh nghiệp nên cân nhắc sử dụng các mô hình nền tảng mã nguồn mở chất lượng cao và tinh chỉnh (fine-tune) chúng trên dữ liệu độc quyền để duy trì quyền sở hữu và kiểm soát sở hữu trí tuệ của mình.
- Tận dụng Tổ hợp Mô hình (Model Ensembles): Thay vì phụ thuộc vào một mô hình duy nhất, hãy triển khai chiến lược “điều phối” (router): sử dụng các mô hình tiên phong đắt đỏ cho việc lập kế hoạch phức tạp và các mô hình chuyên biệt rẻ hơn cho việc thực thi.
- Đặt cược vào Tích hợp Dọc: Khi đánh giá các công ty AI, hãy tìm kiếm những đơn vị kiểm soát càng nhiều thành phần trong hệ sinh thái của họ càng tốt (tính toán, dữ liệu và phân phối) để đảm bảo họ vẫn là nhà cung cấp có chi phí thấp nhất trong dài hạn.
21 世紀會被銘記為「馬斯克（Elon）與黃仁勳（Jensen）的時代」嗎？這個大膽的前提正驅動著對當前 AI 熱潮的深入探討。目前基礎設施投資的巨大規模，正從根本上改變文明的結構。與其將市場視為只有單一「前沿（frontier）」模型能倖存的零和遊戲，目前的討論傾向於認為我們正進入一個正和時代。在這種情境下，大型實驗室、開源項目以及專門的應用公司都能同時繁榮，前提是它們能克服運算供應這一關鍵瓶頸。
這次建設的經濟效益出奇地強勁，部分基礎設施投資在一年內即可回收成本。這種高投資報酬率（ROI）正推動美國大規模的「再工業化」：數據中心正使沒落的小鎮恢復活力，並為電工和 HVAC（暖通空調）技術人員等熟練技工創造高薪機會。討論中強調，「泡沫論」往往忽略了實際的需求端；雖然目前是少數數百萬名進階用戶在推動熱潮，但仍有超過十億名知識工作者尚未完全融入 AI 經濟。
展望未來，討論進一步延伸至「軌道運算（Orbital Compute）」領域。藉由 SpaceX Starship 的可重複使用性，將運算機架送入太空的成本可能會大幅下降，使軌道數據中心成為解決地球土地與電力限制的可行方案。從挖掘小行星獲取貴金屬，到為企業智能創建無縫的「抽象層」，這一願景指向的是一種完全的垂直整合——硬體、能源與智能在此交匯，重新定義全球生產力。
驚人之見
- 「且（And）」市場： 與「開源將扼殺前沿實驗室」的觀點相反，AI 市場更可能是一種「且」的情境，即前沿模型、N-1 模型（次一級模型）與開源版本將共同共存，滿足不同的經濟需求。
- 透過數據中心實現再工業化： 數據中心正成為工人階級經濟增長的催化劑，顯著增加了地方稅收（有時高達 10 倍），並推動了對職業技術人才的需求。
- 軌道經濟學： 太空運算的可行性與其說依賴於「科幻想像」，不如說取決於發射成本；隨著地面電力成本上升，Starship 的可重複使用性可能使軌道運算成為必要的「調節容量（swing capacity）」。
- 半導體的「喬丹法則」： 在 NVIDIA 控制絕大部分供應鏈與融資的世界中，最成功的競爭者是那些能找到利基市場並「接入」該生態系統的人，而非試圖與黃仁勳正面對決的人。
實踐啟示
- 關注產品而非「神格」： 對於 AI創業家而言，應效法「Cursor」模式——優先解決具體且可驗證的用戶問題（如編碼），而非追逐 AGI（通用人工智能）這一抽象目標。
- 掌控你的智能： 企業應考慮使用高品質的開源基礎模型，並利用自有數據進行微調，以確保對其知識產權的所有權與控制權。
- 利用模型集成： 不要依賴單一模型，而應實施「路由器（router）」策略：使用昂貴的前沿模型進行複雜規劃，使用較便宜的專門模型執行任務。
- 押注垂直整合： 在評估 AI 公司時，應尋找那些盡可能掌控其技術棧（運算、數據與分發）的公司，以確保他們長期能維持低成本供應商的地位。
Le XXIe siècle pourrait-il être mémorisé comme « l’ère d’Elon et Jensen » ? C’est la prémisse audacieuse qui guide cette analyse approfondie du boom actuel de l’IA, où l’ampleur même des investissements en infrastructures modifie fondamentalement le tissu de notre civilisation. Plutôt que de percevoir le marché comme un jeu à somme nulle où un seul modèle de « frontière » survivrait, la réflexion suggère que nous entrons dans une ère à somme positive. Dans ce scénario, les laboratoires massifs, les projets open-source et les entreprises d’applications spécialisées peuvent tous prospérer simultanément, à condition de franchir le goulot d’étranglement critique de l’offre de puissance de calcul.
L’économie de ce déploiement est étonnamment robuste, certains investissements d’infrastructure étant rentabilisés en moins d’un an. Ce ROI élevé alimente une réindustrialisation massive de l’Amérique, alors que les centres de données revitalisent des petites villes mourantes et créent des opportunités lucratives pour les métiers qualifiés, tels que les électriciens et les techniciens CVC (chauffage, ventilation et climatisation). La discussion souligne que le récit de la « bulle » ignore souvent la réalité de la demande ; si quelques millions d’utilisateurs intensifs stimulent l’engouement actuel, plus d’un milliard de travailleurs du savoir n’ont pas encore été pleinement intégrés à l’économie de l’IA.
En se projetant plus loin, la réflexion s’aventure dans le domaine du « calcul orbital ». En tirant parti de la réutilisabilité du Starship de SpaceX, le coût du lancement de baies de serveurs dans l’espace pourrait s’effondrer, faisant des centres de données orbitaux une solution viable face aux contraintes foncières et énergétiques de la Terre. De l’exploitation minière d’astéroïdes pour les métaux précieux à la création d’une « couche d’abstraction » transparente pour l’intelligence d’entreprise, la vision est celle d’une intégration verticale totale où le matériel, l’énergie et l’intelligence convergent pour redéfinir la productivité mondiale.
Perspectives Surprenantes
- Le marché du « Et » : Contrairement à la croyance selon laquelle l’open source tuerait les laboratoires de pointe, le marché de l’IA est probablement un scénario de coexistence où les modèles de frontière, les modèles N-1 et les versions open-source servent tous des besoins économiques différents.
- Réindustrialisation via les centres de données : Les centres de données agissent comme un catalyseur de croissance économique pour la classe ouvrière, augmentant considérablement les recettes fiscales locales (parfois jusqu’à 10 fois) et stimulant la demande pour les métiers techniques.
- Économie orbitale : La faisabilité du calcul spatial dépend moins de la « science-fiction » que du coût du lancement ; la réutilisabilité de Starship pourrait faire du calcul orbital une « capacité d’ajustement » nécessaire à mesure que l’énergie terrestre devient inflationniste.
- La règle « Jordan » des semi-conducteurs : Dans un monde où NVIDIA contrôle la vaste majorité de la chaîne d’approvisionnement et du financement, les concurrents les plus prospères sont ceux qui trouvent une niche et s’« intègrent » à l’écosystème plutôt que de tenter de s’affronter de front avec Jensen Huang.
Points Clés Pratiques
- Privilégier le produit plutôt que la « divinité » : Pour les entrepreneurs de l’IA, suivez le modèle « Cursor » : donnez la priorité à la résolution de problèmes utilisateurs spécifiques et vérifiables (comme le codage) plutôt que de poursuivre l’objectif abstrait de l’AGI (IA générale).
- Contrôler son intelligence : Les entreprises devraient envisager l’utilisation de modèles de base open-source de haute qualité et de les affiner (fine-tuning) sur des données propriétaires afin de conserver la propriété et le contrôle de leur propriété intellectuelle.
- Exploiter les ensembles de modèles : Au lieu de s’appuyer sur un seul modèle, implémentez une stratégie de « routeur » : utilisez des modèles de frontière coûteux pour la planification complexe et des modèles spécialisés et moins onéreux pour l’exécution.
- Parier sur l’intégration verticale : Lors de l’évaluation d’entreprises d’IA, recherchez celles qui contrôlent autant que possible leur pile technologique (calcul, données et distribution) pour s’assurer qu’elles restent le fournisseur au coût le plus bas sur le long terme.
Könnte das 21. Jahrhundert als das „Zeitalter von Elon und Jensen“ in Erinnerung bleiben? Dies ist die kühne Prämisse einer tiefgreifenden Analyse des aktuellen KI-Booms, in dem das schiere Ausmaß der Infrastrukturinvestitionen das Gefüge der Zivilisation grundlegend verändert. Anstatt den Markt als ein Nullsummenspiel zu betrachten, bei dem nur ein einziges „Frontier-Modell“ überlebt, deutet die Diskussion darauf hin, dass wir in eine Ära des positiven Summenspiels eintreten. In diesem Szenario können massive Labore, Open-Source-Projekte und spezialisierte Anwendungsunternehmen gleichzeitig florieren – vorausgesetzt, sie bewältigen den kritischen Engpass bei der Rechenkapazität (Compute Supply).
Die Ökonomie dieses Ausbaus ist überraschend robust; einige Infrastrukturinvestitionen amortisieren sich in weniger als einem Jahr. Dieser hohe ROI befeuert eine massive Reindustrialisierung Amerikas, da Rechenzentren sterbende Kleinstädte revitalisieren und hochbezahlte Möglichkeiten für Fachhandwerker wie Elektriker und HLK-Techniker schaffen. Die Diskussion betont, dass das „Blasen-Narrativ“ oft die tatsächliche Nachfrageseite ignoriert: Während einige Millionen Power-User den aktuellen Hype vorantreiben, gibt es über eine Milliarde Wissensarbeiter, die noch nicht vollständig in die KI-Ökonomie integriert wurden.
Mit Blick in die Zukunft wagt die Diskussion den Vorstoß in den Bereich des „Orbital Compute“. Durch die Wiederverwendbarkeit von SpaceX’ Starship könnten die Kosten für den Transport von Server-Racks ins All drastisch sinken, was orbitale Rechenzentren zu einer praktikablen Lösung für die Land- und Energiebeschränkungen der Erde machen würde. Vom Asteroiden-Bergbau für Edelmetalle bis hin zur Schaffung einer nahtlosen „Abstraktionsschicht“ für Unternehmensintelligenz – die Vision ist eine totale vertikale Integration, bei der Hardware, Energie und Intelligenz konvergieren, um die globale Produktivität neu zu definieren.
Überraschende Erkenntnisse
- Der „Und“-Markt: Entgegen der Überzeugung, dass Open Source die Frontier-Labore verdrängen wird, ist der KI-Markt wahrscheinlich ein „Und“-Szenario, in dem Frontier-Modelle, N-1-Modelle und Open-Source-Versionen nebeneinander existieren und unterschiedliche wirtschaftliche Bedürfnisse bedienen.
- Reindustrialisierung durch Rechenzentren: Rechenzentren fungieren als Katalysator für das Wirtschaftswachstum der Arbeiterklasse, steigern die lokalen Steuereinnahmen erheblich (teils um das Zehnfache) und treiben die Nachfrage nach beruflichen Ausbildungen an.
- Orbitale Ökonomie: Die Machbarkeit von weltraumgestütztem Computing hängt weniger von „Science-Fiction“ ab als vielmehr von den Startkosten; die Wiederverwendbarkeit von Starship könnte orbitalen Compute zu einer notwendigen „Swing-Kapazität“ machen, wenn die terrestrische Energieversorgung inflationär wird.
- Die „Jordan-Regel“ der Halbleiter: In einer Welt, in der NVIDIA den Großteil der Lieferkette und Finanzierung kontrolliert, sind die erfolgreichsten Wettbewerber diejenigen, die eine Nische finden und sich in das Ökosystem „einklinken“, anstatt den direkten Kampf gegen Jensen Huang zu suchen.
Praktische Schlussfolgerungen
- Fokus auf Produkt statt auf „Gottheit“: KI-Unternehmer sollten dem „Cursor-Modell“ folgen – priorisieren Sie die Lösung spezifischer, verifizierbarer Nutzerprobleme (wie beim Coding), anstatt dem abstrakten Ziel der AGI hinterherzujagen.
- Kontrolle über die eigene Intelligenz: Unternehmen sollten in Erwägung ziehen, hochwertige Open-Source-Basismodelle zu verwenden und diese mit proprietären Daten feinabzustimmen (Fine-Tuning), um das Eigentum und die Kontrolle über ihr geistiges Eigentum zu behalten.
- Nutzung von Modell-Ensembles: Anstatt sich auf ein einzelnes Modell zu verlassen, sollte eine „Router“-Strategie implementiert werden: Teure Frontier-Modelle für komplexe Planung und günstigere, spezialisierte Modelle für die Ausführung.
- Auf vertikale Integration setzen: Bei der Bewertung von KI-Unternehmen sollte man auf diejenigen achten, die so viel wie möglich von ihrem Stack (Rechenleistung, Daten und Vertrieb) kontrollieren, um sicherzustellen, dass sie langfristig der günstigste Anbieter bleiben.
a16z’s David George sits down with Gavin Baker to unpack the state of the AI boom, why demand for intelligence may still be dramatically underestimated, and why the outcome doesn’t necessarily have to be winner-take-all.
David and Gavin explore the possibility that frontier labs, open-source models, applications, clouds, and NVIDIA can all capture significant value as AI adoption expands. They dig into the economics of the infrastructure buildout, why compute investments can have unusually fast payback periods, and what happens when today’s relatively small group of heavy AI users expands to hundreds of millions of people.
They also debate the risk of an AI bubble versus an AI shortage, the backlash against data centers, orbital compute, the rise of multi-model architectures, and NVIDIA’s position at the center of the AI supply chain. Gavin makes the case that the AI buildout could help reindustrialize America, while David explores whether the bigger near-term risk is not overbuilding, but failing to build enough.
Resources:
Follow Gavin Baker on X: https://x.com/GavinSBaker
Follow David George on X: https://x.com/DavidGeorge83
Stay Updated:
Find a16z on YouTube: YouTube
Find a16z on X
Find a16z on LinkedIn
Listen to the a16z Show on Spotify
Listen to the a16z Show on Apple Podcasts
Follow our host: https://twitter.com/eriktorenberg
Please note that the content here is for informational purposes only; should NOT be taken as legal, business, tax, or investment advice or be used to evaluate any investment or security; and is not directed at any investors or potential investors in any a16z fund. a16z and its affiliates may maintain investments in the companies discussed. For more details please see a16z.com/disclosures.
Hosted by Simplecast, an AdsWizz company. See pcm.adswizz.com for information about our collection and use of personal data for advertising.
-
The Engine Powering Open-Source AI
Elena Burger and Matt Bornstein are joined by Simon Mo, co-founder and CEO of Inferact, the open-source inference engine powering many of today’s most advanced AI applications. Together, they explore how open-source AI evolved from…
-
Three Startups Reinventing Critical Infrastructure
This week, a16z American Dynamism Films premiered three short documentaries highlighting companies tackling some of America’s biggest industrial challenges: Ulysses, Mariana Materials, and Radiant. Before watching those films, we’re revisiting conversations with the founders behind…
-
OpenAI’s Joshua Achiam: Did We Already Reach AGI?
Theo Jaffee is joined by Joshua Achiam, Chief Futurist at OpenAI, for a conversation on AI cybersecurity, frontier model capabilities, and why he believes society may have already crossed the threshold into an AGI-era without…
-
Ruby Thelot on Internet Culture, AI, and the Future of Taste
Sophia Dew and Sofia Puccini are joined by Ruby Thelot, designer, artist, cyberethnographer, professor at NYU, and founder of 13101401, for a wide-ranging conversation about internet culture, AI, digital communities, and how technology is reshaping…
-
Marc Andreessen and Chris Dixon: What’s at Stake in Crypto Regulation
Marc Andreessen, Chris Dixon, and Robert Hackett discuss one of the most consequential policy debates facing the crypto industry: the push for comprehensive U.S. market structure legislation and what regulatory clarity could mean for innovation,…
-
How Enterprise AI Really Gets Deployed
Sarah Wang and Kimberly Tan are joined by Jesse Zhang and Ashwin Sreenivas, co-founders of Decagon, to discuss the evolution of enterprise AI agents, why the company increasingly relies on open-source models, and how it…
-
AI for America’s Small Businesses | Lassie
Alex Rampell and Olivia Moore speak with Lassie cofounders Steijn Pelle and Frédéric Renken about bringing AI to one of the most overlooked parts of the economy: small businesses. Inspired by time spent working inside…
-
AI Micro Dramas, Generative Media, and the Future of Creativity
Justine Moore, partner at Andreessen Horowitz, joins New Economies to explore the rapid evolution of generative media and why AI-native content is reaching an inflection point. They discuss the rise of AI micro-dramas, how creators…
-
Fei-Fei Li on Spatial Intelligence and Robotics
Last week, World Labs announced its acquisition of SceniX, bringing together two teams working on one of AI’s biggest unsolved problems: how to give machines a true understanding of the physical world. Martin Casado sits…
-
Steven Sinofsky: AI Doesn’t Need New Rules Yet
Steven Sinofsky joins Theo Jaffee and Sofia Puccini for a conversation on AI regulation, open-source models, and what history can teach us about technological revolutions. Drawing on decades of experience leading products at Microsoft, Sinofsky…