a16z Podcast
Summary & Insights
Could the combined revenue of just two companies—OpenAI and Anthropic—soon exceed the monthly revenue growth of Meta, Google, and Microsoft combined? This staggering scale is the new reality of the AI frontier, where the “top 1%” of company exits have skyrocketed from $10 billion to $32 billion in just 24 months. We are witnessing a fundamental shift in how value is captured, moving from a world of slow SaaS growth to a hyper-accelerated era where the largest companies in history are being built in real-time.
Despite these massive numbers, the technology has barely scratched the surface of the real economy, with less than 5% diffusion into general enterprise functions. Most businesses are currently in a “skeuomorphic” phase—using AI to do old jobs faster—rather than redesigning their operations entirely. However, a new breed of “native AI” companies is emerging, run by lean, aggressive founders who utilize swarms of agents to operate with an efficiency that makes previous SaaS giants look bloated by comparison.
The conversation also challenges the “AI bubble” narrative by arguing that we are actually supply-constrained, not demand-constrained. The bottleneck isn’t a lack of buyers; it’s a desperate shortage of compute, power, and data center capacity. While the “half-life” of AI startups is alarmingly short—with 40% of top startups dropping off prestigious lists year-over-year—the potential for the ultimate winners is so massive that it may fundamentally alter the public markets and the very structure of venture capital.
Surprising Insights
- The Revenue Paradox: Frontier labs are adding revenue at a pace comparable to the largest software companies in the world, even though the actual adoption of the technology in most business functions is nearly nonexistent (under 5%).
- Bubble Logic: Contrary to typical bubbles characterized by excess supply, the AI market is currently constrained by physical scarcity (power, chips, and data centers), which arguably makes a crash less likely in the short term.
- The Efficiency Gap: “Native AI” companies are not just using AI for tasks; they are running their entire businesses differently, using agentic swarms and voice-commanded workflows that allow them to stay incredibly lean.
- Exit Inflation: The benchmark for a “top 1%” exit has 10x’d in roughly two years, suggesting that the next generation of IPOs will be an order of magnitude larger than the previous cycle of VC-backed companies.
Practical Takeaways
- Focus on the “Token Path”: For those building applications, the most defensible position is currently being directly in the “token path”—where the core intelligence is being consumed—rather than building thin wrappers.
- Prepare for “Documentation Phase”: Enterprises looking to automate should start by converting all internal knowledge into markdown files and capturing maximum context to prepare for future agentic integration.
- Prioritize Product over Internal Automation: Follow the lead of top-tier AI companies by dedicating the majority of engineering resources to new product capabilities rather than just automating internal back-office functions.
- Expect Shifting Defensibility: Recognize that first-mover advantage is precarious in AI; the rapid pace of model iteration means the “half-life” of a competitive advantage is much shorter than in previous software cycles.
Liệu tổng doanh thu của chỉ hai công ty — OpenAI và Anthropic — có sớm vượt qua mức tăng trưởng doanh thu hàng tháng của Meta, Google và Microsoft cộng lại? Quy mô gây kinh ngạc này chính là thực tại mới của ranh giới AI, nơi giá trị thoái vốn của “top 1%” các công ty đã tăng vọt từ 10 tỷ USD lên 32 tỷ USD chỉ trong vòng 24 tháng. Chúng ta đang chứng kiến một sự chuyển dịch cơ bản trong cách tạo ra giá trị: chuyển từ thế giới tăng trưởng SaaS chậm rãi sang một kỷ nguyên siêu tăng tốc, nơi những công ty lớn nhất trong lịch sử đang được xây dựng ngay trong thời gian thực.
Bất chấp những con số khổng lồ này, công nghệ AI mới chỉ chạm tới bề nổi của nền kinh tế thực, với tỷ lệ ứng dụng vào các chức năng doanh nghiệp tổng quát là dưới 5%. Hầu hết các doanh nghiệp hiện nay đang ở giai đoạn “skeuomorphic” (mô phỏng) — tức là dùng AI để làm những công việc cũ nhanh hơn — thay vì thiết kế lại hoàn toàn quy trình vận hành. Tuy nhiên, một thế hệ công ty “AI bản địa” (native AI) mới đang trỗi dậy, được điều hành bởi những nhà sáng lập quyết liệt với bộ máy tinh gọn, họ sử dụng các “đàn” agent (tác tử tự trị) để vận hành với hiệu suất khiến các gã khổng lồ SaaS trước đây trở nên cồng kềnh khi so sánh.
Cuộc thảo luận này cũng thách thức quan điểm về “bong bóng AI” bằng lập luận rằng chúng ta thực sự đang bị hạn chế về cung, chứ không phải về cầu. Điểm nghẽn không phải là thiếu người mua, mà là sự thiếu hụt trầm trọng năng lực tính toán (compute), năng lượng và hạ tầng trung tâm dữ liệu. Mặc dù “chu kỳ sống” (half-life) của các startup AI ngắn đến mức báo động — với 40% các startup hàng đầu biến mất khỏi các danh sách danh giá qua từng năm — nhưng tiềm năng của những kẻ chiến thắng cuối cùng là lớn đến mức nó có thể thay đổi cơ bản thị trường chứng khoán và chính cấu trúc của vốn đầu tư mạo hiểm.
Những hiểu biết bất ngờ
- Nghịch lý doanh thu: Các phòng thí nghiệm AI tiên phong đang tăng doanh thu với tốc độ tương đương với những công ty phần mềm lớn nhất thế giới, mặc dù việc áp dụng thực tế công nghệ này vào hầu hết các chức năng kinh doanh gần như bằng không (dưới 5%).
- Logic về bong bóng: Trái ngược với các bong bóng điển hình thường đặc trưng bởi cung vượt cầu, thị trường AI hiện đang bị hạn chế bởi sự khan hiếm vật lý (điện, chip và trung tâm dữ liệu), điều này được cho là khiến khả năng sụp đổ trong ngắn hạn trở nên thấp hơn.
- Khoảng cách hiệu suất: Các công ty “AI bản địa” không chỉ dùng AI để thực hiện tác vụ; họ vận hành toàn bộ doanh nghiệp theo cách khác, sử dụng các đàn agent và quy trình làm việc bằng lệnh giọng nói, giúp họ duy trì bộ máy cực kỳ tinh gọn.
- Lạm phát thoái vốn: Tiêu chuẩn cho một vụ thoái vốn “top 1%” đã tăng gấp 10 lần trong khoảng hai năm, cho thấy thế hệ IPO tiếp theo sẽ có quy mô lớn hơn gấp nhiều lần so với chu kỳ các công ty được VC đầu tư trước đó.
Bài học thực tiễn
- Tập trung vào “Luồng Token” (Token Path): Đối với những người xây dựng ứng dụng, vị thế phòng thủ vững chắc nhất hiện nay là nằm trực tiếp trên “luồng token” — nơi trí tuệ cốt lõi được tiêu thụ — thay vì chỉ xây dựng các lớp vỏ (wrapper) mỏng bên ngoài.
- Chuẩn bị cho “Giai đoạn Tài liệu hóa”: Các doanh nghiệp muốn tự động hóa nên bắt đầu bằng việc chuyển đổi tất cả kiến thức nội bộ sang các tệp markdown và thu thập tối đa ngữ cảnh để chuẩn bị cho việc tích hợp agent trong tương lai.
- Ưu tiên Sản phẩm hơn Tự động hóa nội bộ: Hãy học theo các công ty AI hàng đầu bằng cách dành phần lớn nguồn lực kỹ thuật cho các tính năng sản phẩm mới, thay vì chỉ tự động hóa các chức năng hậu cần nội bộ.
- Lường trước sự thay đổi về lợi thế cạnh tranh: Hãy nhận thức rằng lợi thế của người tiên phong trong AI là rất bấp bênh; tốc độ lặp lại mô hình nhanh chóng đồng nghĩa với việc “chu kỳ sống” của một lợi thế cạnh tranh ngắn hơn nhiều so với các chu kỳ phần mềm trước đây.
僅僅兩家公司——OpenAI 和 Anthropic——的合併營收，是否很快就會超過 Meta、Google 和 Microsoft 三者合計的每月營收增長？這種令人震驚的規模是 AI 前沿的新現實，在短短 24 個月內，「前 1%」公司的退出估值已從 100 億美元飆升至 320 億美元。我們正見證價值獲取方式的根本性轉變，從緩慢增長的 SaaS 世界，進入一個歷史上規模最大的公司正被即時打造的超加速時代。
儘管數字驚人，但這項技術對實體經濟的影響僅僅是冰山一角，在通用企業職能中的普及率不足 5%。大多數企業目前處於「擬物化」（skeuomorphic）階段——僅僅是用 AI 更快地完成舊工作，而非全面重新設計其運作流程。然而，一批新型的「AI 原生」公司正在崛起，由精簡且具侵略性的創始人領導，他們利用代理集群（swarms of agents）來運作，其效率之高，使得之前的 SaaS 巨頭相比之下顯得臃腫不堪。
此次討論還挑戰了「AI 泡沫」的論調，認為我們目前面臨的是「供給受限」而非「需求受限」。瓶頸不在於缺乏買家，而是在於運算能力、電力和數據中心容量的嚴重短缺。雖然 AI 初創公司的「半衰期」短得驚人——頂尖初創公司在權威名單上的年度流失率高達 40%——但最終贏家的潛力如此巨大，以至於可能會從根本上改變公開市場以及風險投資（VC）的結構。
驚人洞察
- 營收悖論： 前沿實驗室的營收增長速度可與全球最大的軟體公司媲美，儘管該技術在大多數業務職能中的實際採用率幾乎為零（低於 5%）。
- 泡沫邏輯： 不同於典型泡沫由供給過剩引起，AI 市場目前受限於物理稀缺性（電力、芯片和數據中心），這在一定程度上降低了短期內崩盤的可能性。
- 效率差距： 「AI 原生」公司不僅將 AI 用於執行任務，他們還以完全不同的方式運行整個企業，利用代理集群和語音指令工作流，使其能保持極其精簡的規模。
- 退出估值通膨： 「前 1%」退出的基準線在約兩年內增長了 10 倍，這表明下一代 IPO 的規模將比上一輪 VC 支持的公司大一個數量級。
實踐啟示
- 專注於「Token 路徑」： 對於開發應用程式的人來說，目前最具防禦性的位置是直接處於「Token 路徑」上（即核心智能被消耗的地方），而非僅僅建立簡單的封裝介面（thin wrappers）。
- 準備進入「文檔化階段」： 尋求自動化的企業應首先將所有內部知識轉換為 Markdown 檔案，並捕捉最大程度的上下文資訊，以便為未來的代理集成（agentic integration）做準備。
- 產品優先於內部自動化： 效法頂尖 AI 公司的做法，將絕大多數工程資源投入到新產品功能的開發，而非僅僅用於自動化內部後勤職能。
- 預期防禦門檻的轉移： 意識到 AI 領域的先發優勢並不穩定；模型迭代的速度極快，意味著競爭優勢的「半衰期」比之前的軟體周期短得多。
Le chiffre d’affaires combiné de seulement deux entreprises — OpenAI et Anthropic — pourrait-il bientôt dépasser la croissance mensuelle des revenus de Meta, Google et Microsoft réunis ? Cette échelle vertigineuse est la nouvelle réalité de la frontière de l’IA, où la valeur des sorties (exits) du « top 1 % » des entreprises a grimpé de 10 milliards à 32 milliards de dollars en seulement 24 mois. Nous assistons à un changement fondamental dans la capture de la valeur, passant d’un monde de croissance lente du SaaS à une ère hyper-accélérée où les plus grandes entreprises de l’histoire sont bâties en temps réel.
Malgré ces chiffres massifs, la technologie a peine effleuré la surface de l’économie réelle, avec une diffusion inférieure à 5 % dans les fonctions générales d’entreprise. La plupart des entreprises se trouvent actuellement dans une phase « skeuomorphique » — utilisant l’IA pour accomplir d’anciennes tâches plus rapidement — plutôt que de repenser entièrement leurs opérations. Cependant, une nouvelle génération d’entreprises « natives de l’IA » émerge, dirigée par des fondateurs agiles et agressifs qui utilisent des essaims d’agents pour opérer avec une efficacité qui rend les anciens géants du SaaS démesurément lourds en comparaison.
Le débat remet également en question le récit de la « bulle de l’IA » en affirmant que nous sommes en réalité limités par l’offre, et non par la demande. Le goulot d’étranglement n’est pas un manque d’acheteurs, mais une pénurie désespérée de puissance de calcul, d’énergie et de capacité de centres de données. Bien que la « demi-vie » des startups d’IA soit alarmante — 40 % des meilleures startups disparaissant des listes prestigieuses d’une année sur l’autre — le potentiel pour les vainqueurs finaux est si massif qu’il pourrait modifier fondamentalement les marchés publics et la structure même du capital-risque.
Insights Surprenants
- Le paradoxe des revenus : Les laboratoires de pointe génèrent des revenus à un rythme comparable aux plus grandes entreprises de logiciels au monde, alors que l’adoption réelle de la technologie dans la plupart des fonctions métier est quasi inexistante (moins de 5 %).
- La logique de la bulle : Contrairement aux bulles typiques caractérisées par un excès d’offre, le marché de l’IA est actuellement limité par la rareté physique (énergie, puces et centres de données), ce qui rendrait un krach moins probable à court terme.
- Le fossé de l’efficacité : Les entreprises « natives de l’IA » ne se contentent pas d’utiliser l’IA pour des tâches ; elles gèrent l’intégralité de leur activité différemment, en utilisant des essaims d’agents et des flux de travail commandés par la voix, ce qui leur permet de rester incroyablement légères.
- L’inflation des sorties (Exits) : Le seuil pour une sortie du « top 1 % » a été multiplié par 10 en environ deux ans, suggérant que la prochaine génération d’introductions en bourse (IPO) sera d’un ordre de grandeur supérieur au cycle précédent des entreprises soutenues par le capital-risque.
Conseils Pratiques
- Se concentrer sur le « chemin du token » (Token Path) : Pour ceux qui développent des applications, la position la plus défendable consiste actuellement à se placer directement sur le « chemin du token » — là où l’intelligence centrale est consommée — plutôt que de créer de simples interfaces superficiales (thin wrappers).
- Se préparer pour la « phase de documentation » : Les entreprises souhaitant s’automatiser devraient commencer par convertir toutes leurs connaissances internes en fichiers markdown et capturer un maximum de contexte pour préparer l’intégration future d’agents.
- Prioriser le produit sur l’automatisation interne : Suivez l’exemple des meilleures entreprises d’IA en dédiant la majorité des ressources d’ingénierie aux nouvelles fonctionnalités de produits plutôt qu’à la simple automatisation des fonctions administratives internes.
- S’attendre à une évolution de la défendabilité : Reconnaissez que l’avantage du premier arrivant est précaire dans l’IA ; le rythme rapide d’itération des modèles signifie que la « demi-vie » d’un avantage concurrentiel est beaucoup plus courte que dans les cycles logiciels précédents.
Könnte der kombinierte Umsatz von nur zwei Unternehmen – OpenAI und Anthropic – bald das monatliche Umsatzwachstum von Meta, Google und Microsoft zusammen übersteigen? Diese erschreckende Skalierung ist die neue Realität an der KI-Front, wo die Exits der „Top 1 %“ der Unternehmen innerhalb von nur 24 Monaten von 10 Milliarden auf 32 Milliarden Dollar hochgeschnellt sind. Wir erleben einen grundlegenden Wandel in der Art und Weise, wie Wertschöpfung generiert wird: weg von einer Welt des langsamen SaaS-Wachstums hin zu einer hyperbeschleunigten Ära, in der die größten Unternehmen der Geschichte in Echtzeit entstehen.
Trotz dieser gewaltigen Zahlen hat die Technologie die Realwirtschaft kaum berührt; die Diffusion in allgemeine Unternehmensfunktionen liegt bei unter 5 %. Die meisten Unternehmen befinden sich derzeit in einer „skeuomorphen“ Phase – sie nutzen KI, um alte Aufgaben schneller zu erledigen, anstatt ihre Betriebsabläufe vollständig neu zu konzipieren. Es entsteht jedoch eine neue Generation von „KI-nativen“ Unternehmen, geführt von schlanken, aggressiven Gründern, die Schwärme von Agenten einsetzen, um mit einer Effizienz zu operieren, die frühere SaaS-Giganten im Vergleich dazu aufgebläht erscheinen lässt.
Die Diskussion stellt zudem das Narrativ der „KI-Blase“ infrage, indem argumentiert wird, dass wir tatsächlich angebotsseitig und nicht nachfrageseitig limitiert sind. Der Flaschenhals ist nicht ein Mangel an Käufern, sondern ein verzweifelter Mangel an Rechenleistung, Energie und Rechenzentrumskapazitäten. Obwohl die „Halbwertszeit“ von KI-Startups alarmierend kurz ist – 40 % der Top-Startups fallen jedes Jahr von prestigeträchtigen Listen weg –, ist das Potenzial für die endgültigen Gewinner so gewaltig, dass es die öffentlichen Märkte und die gesamte Struktur von Venture Capital grundlegend verändern könnte.
Überraschende Erkenntnisse
- Das Umsatz-Paradoxon: Frontier-Labs steigern ihren Umsatz in einem Tempo, das mit den größten Softwareunternehmen der Welt vergleichbar ist, obwohl die tatsächliche Einführung der Technologie in den meisten Geschäftsfunktionen nahezu nicht existent ist (unter 5 %).
- Blasen-Logik: Im Gegensatz zu typischen Blasen, die durch ein Überangebot gekennzeichnet sind, wird der KI-Markt derzeit durch physische Knappheit (Strom, Chips und Rechenzentren) begrenzt, was einen Crash kurzfristig argumentierbar unwahrscheinlicher macht.
- Die Effizienzlücke: „KI-native“ Unternehmen nutzen KI nicht nur für einzelne Aufgaben; sie führen ihre gesamten Geschäftsbetriebe anders, indem sie agentische Schwärme und sprachgesteuerte Workflows einsetzen, die es ihnen ermöglichen, extrem schlank zu bleiben.
- Exit-Inflation: Die Benchmark für einen „Top 1 %“-Exit ist in etwa zwei Jahren um das Zehnfache gestiegen. Dies deutet darauf hin, dass die nächste Generation von Börsengängen um eine Größenordnung größer sein wird als im vorherigen Zyklus von VC-finanzierten Unternehmen.
Praktische Schlussfolgerungen
- Fokus auf den „Token-Pfad“: Für diejenigen, die Anwendungen bauen, ist die derzeit am besten verteidigbare Position, sich direkt im „Token-Pfad“ zu befinden – dort, wo die Kernintelligenz konsumiert wird –, anstatt lediglich dünne Wrapper zu bauen.
- Vorbereitung auf die „Dokumentationsphase“: Unternehmen, die automatisieren wollen, sollten damit beginnen, gesamtes internes Wissen in Markdown-Dateien umzuwandeln und maximalen Kontext zu erfassen, um sich auf die zukünftige agentische Integration vorzubereiten.
- Produkt vor interner Automatisierung priorisieren: Folgen Sie dem Beispiel der Top-KI-Unternehmen und widmen Sie den Großteil der Engineering-Ressourcen neuen Produktfunktionen statt nur der Automatisierung interner Back-Office-Funktionen.
- Sich auf eine Verschiebung der Verteidigungsfähigkeit einstellen: Erkennen Sie an, dass der First-Mover-Vorteil bei KI prekär ist; das schnelle Tempo der Modell-Iterationen bedeutet, dass die „Halbwertszeit“ eines Wettbewerbsvorteils viel kürzer ist als in früheren Softwarezyklen.
David George, General Partner at a16z, and David Clark, CIO at VenCap, discuss how AI is reshaping venture capital and the technology industry itself. They examine why today’s AI companies are scaling faster than any previous generation of startups, and why the eventual outcomes may be significantly larger than most investors currently expect.
The conversation covers frontier AI models, coding agents, open source competition, data center constraints, and who ultimately captures value in the AI ecosystem. They also discuss what these shifts mean for venture capital itself, including larger company outcomes, faster value creation, and the growing challenge of identifying durable winners in a market evolving at unprecedented speed.
Resources:
Follow David George on X: https://x.com/DavidGeorge83
Follow David Clark on X: https://x.com/daveclark85
Follow VenCap on X: https://www.vencap.com
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 Top 100 Gen AI Consumer Apps
Anish Acharya speaks with Olivia Moore about the latest edition of the a16z Top 100 AI Apps report. They cover why ChatGPT is still 30 times bigger than Claude on web, how the three major…
-
Andrew Huberman: Peptides, Sleep Tech, and the End of Obesity
Daisy Wolf speaks with Dr. Andrew Huberman, professor of neurobiology and ophthalmology at Stanford University and host of the Huberman Lab podcast. They discuss how the pandemic sparked a consumer health revolution, the emerging peptide…
-
Atlassian CEO on the SaaS Apocalypse, AI Agents & What Comes Next
Alex Rampell and Erik Torenberg speak with Mike Cannon-Brookes, cofounder and CEO of Atlassian, about how to make sense of the SaaS selloff, why not all software companies face the same AI-driven risks, and how…
-
Ben Thompson: Anthropic, the Pentagon, and the Limits of Private Power
In this conversation, previously aired on TBPN, John Coogan and Jordi Hays speak with Ben Thompson, founder of Stratechery, about his essay “Anthropic and Alignment” and the broader collision between AI power and state power…
-
Ambience CEO Nikhil Buduma on AI in Clinical Workflows
a16z general partner Julie Yoo talks with Nikhil Buduma, CEO and cofounder of Ambience Healthcare, to discuss how AI is transforming clinical workflows. They cover the early days of deep learning, why Ambience started by…
-
Ben Horowitz On What Makes a Great Founder
On the show Long Strange Trip, Sequoia Capital partner Brian Halligan speaks with a16z’s Ben Horowitz about what separates great founder CEOs from everyone else. Ben explains why first-time founders lose confidence, defer too much…
-
Chris Dixon: From Quant Trading to Building a16z Crypto
In this feed drop from the Internet History Podcast, host Brian McCullough speaks with Chris Dixon, general partner at a16z, about his path from 1980s hobbyist programmer to one of the most prominent venture capitalists…
-
a16z’s New Media Playbook
Erik Torenberg, Ben Horowitz, and Marc Andreessen discuss how the media landscape has fundamentally changed and what a16z is doing about it. They cover why offense beats defense, why individuals now matter more than corporate…
-
When Giants Don’t Go Public: Inside the $5 Trillion Private Tech Market
Bloomberg’s Odd Lots hosts Joe Weisenthal and Tracy Alloway speak with David George, general partner at a16z and head of the firm’s growth fund, about why $5 trillion in tech market cap now sits in…
-
Ben Horowitz: RSI, Crypto as AI Money, & Classified Physics
Moonshots host Peter Diamandis speaks with Ben Horowitz, cofounder and general partner at a16z, alongside regular cohosts Salim Ismail, Dave Blundin, and Dr. Alexander Wissner-Gross, about whether AI can or should be paused, what happened…