a16z Podcast
Summary & Insights
What if the first quarter of 2026 is already being written into history as the dawn of a technological singularity? According to Stripe co-founder Patrick Collison, that’s not hyperbole—it’s a data-driven observation rooted in the accelerating growth of businesses on their platform. Stripe’s 2025 cohort of new customers isn’t just larger than previous years; each business is performing better on average than ever before, with trends pointing toward even steeper acceleration in 2026. This surge isn’t about AI hype but tangible economic shifts: companies are using Stripe to build innovative, AI-integrated systems that handle payments, incorporate stablecoins for agent-driven transactions, and solve real-world friction points like CAPTCHA hurdles for automated agents. The bigger shift, though, is how software itself is evolving—from mass-produced, pre-built products to bespoke, on-demand creations “cooked fresh” at the moment of use, like a pizza ordered exactly to your taste. This reframing undermines traditional winner-take-all business models, where fixed costs dominate, and instead introduces a new economy where custom inference and real-time creation drive value.
The conversation also tackles the disconnect between surface-level AI skepticism and ground-level adoption. While surveys claim 80% of executives see no value in AI, Stripe’s data tells a different story: businesses leveraging their infrastructure for agent-driven commerce, AI-augmented customer service, and seamless payment integrations are thriving. Crucially, this isn’t about futuristic “machines buying everything” but incremental, practical steps—like enabling retailers to make product catalogs accessible directly within AI apps or building blockchain infrastructure capable of handling billions of transactions per second. Tempo, Stripe’s incubated project, addresses this head-on: current blockchains can’t scale for high-volume, low-latency agent transactions, even for serious use cases beyond meme coins. The takeaway isn’t grand visions but solving specific, boring problems—like payment routing or catalog integration—that unlock the next wave of commerce.
For all the talk of singularity and AI revolution, the most grounded insight is how Stripe’s approach rejects abstract market-size projections. Founders are urged to focus on concrete pain points—like the frustration of starting a company—and let those drive innovation, not hypothetical TAM calculations. Atlas, Stripe’s incorporation tool, took a decade to mature into an “overnight success,” proving that sustained, patient problem-solving trumps short-term hype. The same discipline applies to building for agentic commerce: prioritize workflows where agents can actually transact smoothly, rather than chasing sci-fi scenarios.
Surprising Insights
- Despite widespread executive claims that AI delivers no measurable value (80% in surveys), Stripe’s data shows businesses using their platform for AI-driven tools are growing faster and more efficiently than ever—2025 cohorts outperform all prior years on a per-business basis.
- Current blockchain infrastructure is already struggling with real-world payment volume, not just meme coin trading; even “serious” applications like bridge’s operations face congestion issues, highlighting the urgent need for high-throughput solutions.
- Software economics is pivoting from fixed-cost, scalable models to bespoke, on-demand creation (e.g., “pizza-style” software), where inference costs and real-time customization replace mass production, reshaping winner-take-all dynamics.
- Agentic commerce isn’t about autonomous machines taking over; it’s about frictionless human-agent collaboration, like ChatGPT triggering purchases via simple links or APIs—currently blocked by web systems not built for automation.
Practical Takeaways
- Integrate AI-friendly payment infrastructure: Work with platforms like Stripe to enable product catalogs to be “buyable within AI apps,” allowing agents to handle purchases seamlessly without manual intervention. Start with low-friction APIs for discovery and checkout.
- Solve specific, messy problems first: Focus on tangible pain points (e.g., payment routing, business incorporation, or CAPTCHA hurdles for agents) rather than speculative market size estimates. Stripe’s success with Atlas came from addressing founder frustrations, not abstract predictions.
- Build for real-time customization: Shift from pre-built software modules to systems that generate tailored outputs dynamically at the point of use—like a personalized shopping experience generated by an AI agent on the fly.
- Prepare for high-throughput transaction needs: Audit your infrastructure for scalability; if your business involves automated agents or real-time payments, prioritize high-volume, low-latency payment rails now to avoid bottlenecks as demand grows.
Nếu Quý I năm 2026 đã được khắc ghi vào lịch sử như bình minh của điểm kỳ dị công nghệ? Theo Patrick Collison, đồng sáng lập Stripe, đây không phải là lời phóng đại—mà là quan sát dựa trên dữ liệu, xuất phát từ sự tăng trưởng ngày càng nhanh của các doanh nghiệp trên nền tảng của họ. Khối lượng khách hàng mới của Stripe năm 2025 không chỉ đông hơn so với các năm trước; mỗi doanh nghiệp đều hoạt động tốt hơn trung bình so với mọi thời điểm trước đây, với xu hướng cho thấy tốc độ tăng trưởng còn nhanh hơn nữa vào năm 2026. Sự bùng nổ này không phải là làn sóng hype AI mà là những chuyển dịch kinh tế thực tế: các công ty đang sử dụng Stripe để xây dựng các hệ thống đột phá tích hợp AI, xử lý thanh toán, tích hợp stablecoin cho giao dịch agent và giải quyết các điểm ma sát thực tế như rào cản CAPTCHA cho các agent tự động. Điều chuyển đổi lớn hơn nữa là cách phần mềm đang phát triển—from các sản phẩm hàng loạt, sẵn có sang những sản phẩm tùy chỉnh theo yêu cầu, được “nấu tươi” ngay lúc sử dụng, như một chiếc pizza được đặt vừa ý. Cách hiểu mới này làm suy yếu các mô hình kinh doanh winner-take-all truyền thống, nơi chi phí cố định chiếm ưu thế, và thay vào đó thiết lập một nền kinh tế mới, nơi suy luận tùy chỉnh và sáng tạo thời gian thực tạo ra giá trị.
Cuộc thảo luận cũng đề cập đến sự khác biệt giữa sự hoài nghi AI ở bề mặt và việc áp dụng thực tế. Dù các cuộc khảo sát cho thấy 80% lãnh đạo cho rằng AI không mang lại giá trị đo lường được, dữ liệu của Stripe lại cho thấy điều ngược lại: các doanh nghiệp sử dụng hạ tầng của Stripe cho thương mại dựa trên agent, dịch vụ khách hàng được AI hỗ trợ và tích hợp thanh toán liền mạch đang phát triển mạnh. Quan trọng hơn, đây không phải là chuyện các cỗ máy tương lai mua mọi thứ, mà là những bước đi nhỏ, thiết thực—như giúp các nhà bán lẻ đưa danh mục sản phẩm vào trực tiếp trong các ứng dụng AI hoặc xây dựng hạ tầng blockchain có khả năng xử lý hàng tỷ giao dịch mỗi giây. Tempo, dự án được Stripe ươm mầm, giải quyết trực tiếp vấn đề này: các blockchain hiện tại không thể mở rộng cho các giao dịch agent khối lượng cao, độ trễ thấp, ngay cả với các trường hợp sử dụng nghiêm túc ngoài meme coin. Bài học không phải là tầm nhìn lớn lao mà là giải quyết các vấn đề cụ thể, nhàm chán—như định tuyến thanh toán hay tích hợp danh mục—mà mở ra làn sóng thương mại tiếp theo.
Dù có nhiều bàn luận về kỳ dị và cách mạng AI, insight thực tế nhất là cách Stripe từ chối các dự báo thị trường trừu tượng. Các founder được khuyến khích tập trung vào các vấn đề cụ thể—như khó khăn khi thành lập công ty—để thúc đẩy sáng tạo, thay vì các phép tính TAM giả thuyết. Atlas, công cụ thành lập doanh nghiệp của Stripe, trải qua mười năm để trưởng thành thành một “thành công trong một đêm”, chứng minh rằng giải quyết vấn đề kiên nhẫn và bền bỉ vượt trội hơn hype ngắn hạn. Cùng một kỷ luật áp dụng cho việc xây dựng thương mại agent: ưu tiên các quy trình mà agents có thể giao dịch trơn tru, thay vì theo đuổi các kịch bản khoa học viễn tưởng.
Những Phát Hiện Bất Ngờ
- Dù nhiều lãnh đạo tuyên bố AI không mang giá trị đo lường (80% khảo sát), dữ liệu Stripe cho thấy các doanh nghiệp dùng nền tảng cho công cụ AI đang phát triển nhanh và hiệu quả hơn bao giờ hết—nhóm 2025 vượt trội mọi năm trước về hiệu suất trên từng doanh nghiệp.
- Hạ tầng blockchain hiện tại đã gặp khó với khối lượng thanh toán thực tế, không chỉ riêng meme coin; ngay cả các ứng dụng “nghiêm túc” như hoạt động của bridge cũng bị tắc nghẽn, cho thấy cấp thiết cần giải pháp thông lượng cao.
- Kinh tế phần mềm đang chuyển từ mô hình chi phí cố định, dễ mở rộng sang sáng tạo tùy chỉnh theo nhu cầu (ví dụ phần mềm “kiểu pizza”), nơi chi phí suy luận và tùy chỉnh thời gian thực thay thế sản xuất hàng loạt, làm thay đổi động lực winner-take-all.
- Thương mại agent không phải về máy móc tự động chiếm lĩnh; đó là về hợp tác con người-agent không vướng mắc, như ChatGPT kích hoạt mua hàng qua liên kết hoặc API đơn giản—hiện bị cản trở bởi hệ thống web không được thiết kế cho tự động hóa.
Bài Học Thiết Thực
- Tích hợp hạ tầng thanh toán thân thiện với AI: Làm việc với các nền tảng như Stripe để giúp danh mục sản phẩm “mua được ngay trong ứng dụng AI”, cho phép agents xử lý mua hàng êm xuôi không cần can thiệp thủ công. Bắt đầu bằng các API dễ sử dụng cho tìm kiếm và thanh toán.
- Giải quyết vấn đề cụ thể trước: Tập trung vào các khó khăn thực tế (ví dụ: định tuyến thanh toán, thành lập doanh nghiệp, hoặc rào cản CAPTCHA cho agent) thay vì ước tính kích thước thị trường. Thành công của Atlas đến từ việc giải quyết phiền lòng của founder, không phải dự đoán trừu tượng.
- Xây dựng tùy chỉnh thời gian thực: Chuyển từ module phần mềm sẵn có sang hệ thống tạo ra đầu ra tùy chỉnh động ngay lúc dùng—như trải nghiệm mua sắm cá nhân hóa do AI agent tạo ra tức thì.
- Chuẩn bị cho giao dịch thông lượng cao: Kiểm tra cơ sở hạ tầng về khả năng mở rộng; nếu doanh nghiệp bạn dùng agents tự động hoặc thanh toán thời gian thực, hãy ưu tiên đường dẫn thanh toán thông lượng cao, độ trễ thấp ngay để tránh tắc nghẽn khi nhu cầu tăng.
如果2026年第一季度已被寫入歷史，成為技術奇點的黎明，將會如何？根據Stripe聯合創辦人Patrick Collison所述，這並非誇大，而是基於數據的觀察，源於其平台業務的加速增長。Stripe 2025年的客戶群不僅比往年更大，每個企業的平均表現也超越歷年，且趨勢顯示2026年將進一步加速。這波浪潮並非來自AI的炒作，而是實質的經濟變革：企業正運用Stripe打造創新、整合AI的系統，處理付款、將穩定幣應用於代理驅動交易，並解決CAPTCHA等自動化代理的實際摩擦點。然而更大的轉變在於軟體本身的演進——從大量生產的預建產品轉向在使用時即時客製化的訂製產品，就像按您口味現點現做的披薩。這種重新定義正在削弱傳統的「一贏全贏」商業模式（以固定成本主導），轉而催生一種新經濟，其中客製化推理和即時創造成為價值驅動力。
討論也觸及表面AI質疑與實際採用之間的脫節。儘管調查顯示80%的高管認為AI無價值，但Stripe的數據呈現截然不同的景象：使用其基礎設施進行代理驅動商業、AI增強客戶服務及無縫支付整合的企業正蓬勃發展。關鍵在於，這並非關於未來「機器購買一切」，而是漸進、實用的步驟——例如讓零售商將產品目錄直接整合於AI應用中，或建立每秒處理數十億筆交易的區塊鏈基礎設施。Tempo是Stripe孵化的專案，直接面對此問題：當前區塊鏈無法擴展以支持高容量、低延遲的代理交易，即使是非模因幣的嚴肅應用情境也面臨擁堵。重點不在宏大願景，而在解決特定且枯燥的問題，例如支付路由或目錄整合，這些能釋放下一波商業浪潮。
儘管眾人談論奇點與AI革命，最具實踐性的洞見在於Stripe的做法拒絕抽象的市場規模預測。創業者被鼓勵專注於具體痛點——如創業初期的挫敗感——並以此驅動創新，而非假設性的TAM計算。Atlas是Stripe的公司註冊工具，經歷十年才成熟為「一夜爆紅」，證明持續耐心的問題解決勝過短期炒作。同理，在建構代理式商業時，應優先考慮代理能順暢交易的工作流程，而非追逐科幻場景。
驚人洞見
- 儘管高管普遍聲稱AI無可衡量價值（調查顯示80%），Stripe的數據顯示使用其平台進行AI驅動工具的企業成長速度與效率均創歷史新高——2025年客戶群在單企業基礎上表現優於所有往年度。
- 當前區塊鏈基礎設施已苦於真實支付量，不單是模因幣交易；即使是Bridge等「嚴肅應用」也面臨擁堵問題，凸顯高吞吐量解決方案的緊迫需求。
- 軟體經濟正從固定成本、可擴展模型轉向客製化、按需創建（例如「披薩式」軟體），其中推理成本和即時客製化取代大量生產，重塑一贏全贏的態勢。
- 代理式商業並非自動化機器接管，而是無摩擦的人機協作，例如ChatGPT透過簡單連結或API觸發購買——現有未為自動化設計的網路系統阻礙了此進程。
實用建議
- 整合AI友好型支付基礎設施：與Stripe等平台合作，使產品目錄能在AI應用內直接購買，讓代理無需手動干預即可順暢處理購買。優先採用低摩擦API用於商品探索與結帳流程。
- 先解決具體棘手的問題：聚焦可觸及的痛點（例如支付路由、公司註冊或代理的CAPTCHA難題），而非猜測性市場規模預估。Atlas的成功源於解決創業者困擾，而非抽象預測。
- 建構即時客製化系統：從預建軟體模組轉向在使用時動態生成客製化輸出的系統——例如由AI代理即時生成的個人化購物體驗。
- 為高吞吐量交易需求預作準備：審查基礎設施的擴展性；若業務涉及自動化代理或即時支付，優先部署高容量、低延遲支付通道，以避免需求增長時的瓶頸。
Et si le premier trimestre 2026 était déjà inscrit dans l’histoire comme l’aube d’une singularité technologique ? Selon Patrick Collison, cofondateur de Stripe, cela ne relève pas de l’exagération — c’est une observation fondée sur des données, ancrée dans la croissance accélérée des entreprises sur leur plateforme. La cohorte de nouveaux clients de Stripe en 2025 n’est pas seulement plus importante que les années précédentes ; chaque entreprise performe mieux qu’auparavant en moyenne, avec des tendances marquant une accélération encore plus forte en 2026. Cette poussée ne concerne pas l’hystérie autour de l’IA, mais des changements économiques tangibles : les entreprises utilisent Stripe pour construire des systèmes innovants intégrant l’IA, gérant les paiements, incorporant des stablecoins pour des transactions pilotées par des agents, et résolvant des points de friction réels comme les obstacles CAPTCHA pour les agents automatisés. Le changement plus important réside toutefois dans l’évolution du logiciel lui-même — passant de produits standardisés et préfabriqués à des créations sur mesure et sur demande, « préparées à la demande » au moment de l’utilisation, comme une pizza commandée exactement selon vos goûts. Ce réajustement remet en cause les modèles commerciaux traditionnels « gagnant-tout », où les coûts fixes dominent, pour introduire une nouvelle économie où l’inférence personnalisée et la création en temps réel génèrent de la valeur.
La conversation aborde également le décalage entre le scepticisme superficiel envers l’IA et son adoption au niveau opérationnel. Bien que les enquêtes affirment que 80 % des dirigeants ne voient aucune valeur dans l’IA, les données de Stripe racontent une autre histoire : les entreprises utilisant leur infrastructure pour le commerce piloté par des agents, le service client amélioré par l’IA et des intégrations de paiement fluides prospèrent. Crucialement, il ne s’agit pas de « machines achetant tout » futuristes, mais d’étapes progressives et concrètes — comme permettre aux détaillants d’intégrer directement leurs catalogues de produits dans les applications IA ou de construire une infrastructure blockchain capable de gérer des milliards de transactions par seconde. Tempo, le projet incubé par Stripe, aborde ce défi de front : les blockchains actuelles ne peuvent pas s’adapter aux transactions d’agents à haut volume et basse latence, même pour des cas d’usage sérieux au-delà des meme coins. L’essentiel n’est pas de grandes visions, mais de résoudre des problèmes spécifiques et peu glamour — comme l’acheminement des paiements ou l’intégration de catalogues — qui débloquent la prochaine vague de commerce.
Malgré tous les discours sur la singularité et la révolution de l’IA, l’insight le plus concret est la manière dont l’approche de Stripe rejette les projections abstraites de taille de marché. Les fondateurs sont encouragés à se concentrer sur des points de douleur concrets — comme la frustration de créer une entreprise — et à les laisser guider l’innovation plutôt que sur des calculs de TAM hypothétiques. Atlas, l’outil de création de société de Stripe, a pris dix ans pour mûrir jusqu’à devenir un « succès fulgurant », prouvant que la résolution patiente et soutenue des problèmes l’emporte sur l’hystérie à court terme. La même discipline s’applique à la création de solutions pour le commerce piloté par des agents : privilégier les flux de travail où les agents peuvent transiger en toute fluidité, plutôt que de poursuivre des scénarios de science-fiction.
Insights surprenants
- Malgré les déclarations répandues des dirigeants affirmant que l’IA n’apporte aucune valeur mesurable (80 % dans les enquêtes), les données de Stripe montrent que les entreprises utilisant leur plateforme pour des outils axés sur l’IA progressent plus rapidement et plus efficacement que jamais — les cohortes de 2025 surpassent toutes les années précédentes par entreprise.
- L’infrastructure blockchain actuelle a déjà du mal à gérer le volume de paiements réels, pas seulement les échanges de meme coins ; même des applications « sérieuses » comme celles de Bridge subissent des problèmes de congestion, soulignant le besoin urgent de solutions à haut débit.
- L’économie du logiciel évolue des modèles à coûts fixes et évolutifs vers des créations sur mesure et sur demande (par exemple, des logiciels « style pizza »), où les coûts d’inférence et la personnalisation en temps réel remplacent la production de masse, remodelant les dynamiques « gagnant-tout ».
- Le commerce piloté par des agents ne consiste pas en des machines autonomes prenant le contrôle ; il s’agit d’une collaboration humain-agent sans friction, comme ChatGPT déclenchant des achats via des liens ou des API simples — actuellement bloqué par des systèmes web non conçus pour l’automatisation.
Conseils pratiques
- Intégrer une infrastructure de paiement compatible avec l’IA : Collaborer avec des plateformes comme Stripe pour rendre les catalogues de produits « achetables directement dans les applications IA », permettant aux agents de gérer les achats sans intervention manuelle. Commencer par des API à faible friction pour la découverte et le paiement.
- Résoudre en priorité les problèmes concrets et complexes : Axer sur des points de douleur tangibles (par exemple, acheminement des paiements, création d’entreprise ou obstacles CAPTCHA pour les agents) plutôt que sur des estimations spéculatives de la taille du marché. Le succès de Stripe avec Atlas provient de la résolution des frustrations des fondateurs, pas de prédictions abstraites.
- Concevoir pour une personnalisation en temps réel : Passer des modules logiciels préconçus à des systèmes générant des sorties personnalisées de manière dynamique au moment de l’utilisation — comme une expérience de shopping personnalisée créée par un agent IA en temps réel.
- Préparer les besoins en transactions à haut débit : Auditer votre infrastructure pour son évolutivité ; si votre activité implique des agents automatisés ou des paiements en temps réel, privilégier dès maintenant des réseaux de paiement à haut volume et basse latence pour éviter les goulots d’étranglement avec la croissance de la demande.
Was, wenn sich das erste Quartal von 2026 bereits als Beginn einer technologischen Singularität in die Geschichte einschreibt? Laut Stripe-Mitbegründer Patrick Collison ist das keine Übertreibung – sondern eine datenbasierte Beobachtung, die auf dem beschleunigten Wachstum von Unternehmen auf ihrer Plattform beruht. Die Stripe-Kohorte neuer Kunden aus dem Jahr 2025 ist nicht nur größer als in vorherigen Jahren; jedes einzelne Unternehmen schneidet im Durchschnitt besser ab als je zuvor, wobei die Trends auf eine noch steilere Beschleunigung im Jahr 2026 hindeuten. Dieser Anstieg basiert nicht auf AI-Hype, sondern auf greifbaren wirtschaftlichen Veränderungen: Unternehmen nutzen Stripe, um innovative, KI-integrierte Systeme zu entwickeln, die Zahlungen verarbeiten, Stablecoins für agentengetriebene Transaktionen einbeziehen und reale Hindernisse wie CAPTCHA-Hürden für automatisierte Agenten lösen. Der größere Wandel liegt jedoch darin, wie Software selbst sich entwickelt – von massenhaft produzierten, vorgefertigten Produkten hin zu maßgeschneiderten, bedarfsorientierten Erzeugnissen, die „frisch zubereitet“ beim Einsatz entstehen, wie eine Pizza, die genau nach Ihrem Geschmack bestellt wird. Diese Neubetrachtung untergräbt traditionelle Winner-take-all-Geschäftsmodelle, bei denen Fixkosten dominieren, und führt stattdessen eine neue Wirtschaft ein, in der maßgeschneiderte Inferenz und Echtzeit-Erstellung den Wert schaffen.
Der Gesprächsteil beschäftigt sich auch mit der Kluft zwischen oberflächlicher AI-Skepsis und tatsächlicher Adoption vor Ort. Während Umfragen behaupten, dass 80 % der Führungskräfte keinen Wert in KI sehen, erzählt Stripes Daten eine andere Geschichte: Unternehmen, die ihre Infrastruktur für agentengetriebenen Handel, KI-augmentierten Kundenservice und nahtlose Zahlungsintegrationen nutzen, florieren. Kritisch ist, dass es nicht um futuristische „Maschinen, die alles kaufen“ geht, sondern um schrittweise, praktische Maßnahmen – wie das Bereitstellen von Produktkatalogen direkt in AI-Apps für Einzelhändler oder den Aufbau von Blockchain-Infrastrukturen, die Milliarden von Transaktionen pro Sekunde verarbeiten können. Tempo, Stripes inkubiertes Projekt, geht dieser Herausforderung direkt ins Auge: Aktuelle Blockchains können nicht für Hochvolumen- und niedrige Latenz Agententransaktionen skaliert werden, selbst bei seriösen Anwendungsfällen jenseits von Memecoins. Der Kern liegt nicht in großartigen Visionen, sondern darin, konkrete, langweilige Probleme wie Zahlungsrouting oder Katalogintegration zu lösen – die die nächste Welle des Handels freisetzen.
Bei all der Diskussion um Singularität und AI-Revolution ist die konkreteste Erkenntnis, wie Stripes Ansatz abstrakte Marktgrößenprognosen ablehnt. Gründer sollen sich auf konkrete Schmerzpunkte fokussieren – wie die Frustration während des Unternehmensgründens – und diese als Treiber für Innovation nutzen, nicht hypothetische TAM-Berechnungen. Atlas, Stripes Gründungstool, brauchte ein Jahrzehnt, um zu einem „Overnight-Erfolg“ zu reifen und bewies, dass zielstrebige, geduldige Problemlösung kurzfristigen Hypes überlegen ist. Dasselbe Prinzip gilt beim Aufbau agentiellen Handels: Priorisieren Sie Workflows, in denen Agenten nahtlos transaktionieren können, statt Science-Fiction-Szenarien nachzujagen.
Überraschende Erkenntnisse
- Trotz weit verbreiteter Aussagen von Führungskräften, dass KI keinen messbaren Nutzen bringt (80 % in Umfragen), zeigen Stripes Daten, dass Unternehmen, die ihre Plattform für KI-gestützte Tools nutzen, schneller und effizienter wachsen denn je – die Kohorten von 2025 schneiden pro Unternehmen besser ab als alle vorherigen Jahre.
- Die aktuelle Blockchain-Infrastruktur kämpft bereits mit realen Zahlungsvolumina, nicht nur mit dem Handel von Memecoins; selbst „seriöse“ Anwendungen wie die Operationen von Bridge leiden unter Staus, was die dringende Notwendigkeit von Hochdurchsatz-Lösungen unterstreicht.
- Die Software-Ökonomie wandelt sich von festen Kosten und skalierbaren Modellen zu maßgeschneiderten, bedarfsorientierten Erzeugnissen (z. B. „Pizza-Style“-Software), bei denen Inferenzkosten und Echtzeit-Anpassung die Massenproduktion ablösen und die Winner-take-all-Dynamik verändern.
- Agentieller Handel geht nicht darum, dass autonome Maschinen die Kontrolle übernehmen; es geht um reibungslose Mensch-Agent-Kollaboration, wie ChatGPT, das Käufe über einfache Links oder APIs auslöst – derzeit blockiert durch Web-Systeme, die nicht für Automation entwickelt wurden.
Praktische Handlungsempfehlungen
- KI-freundliche Zahlungsinfrastruktur integrieren: Arbeiten Sie mit Plattformen wie Stripe zusammen, um Produktkataloge „kaufbar in AI-Apps“ zu machen, sodass Agenten die Käufe nahtlos ohne manuelle Eingriffe abwickeln können. Beginnen Sie mit reibungslosen APIs für Entdeckung und Checkout.
- Spezifische, komplexe Probleme zuerst lösen: Konzentrieren Sie sich auf greifbare Schmerzpunkte (wie Zahlungsrouting, Unternehmensgründung oder CAPTCHA-Hürden für Agenten) anstatt auf spekulative Markgrößen-Schätzungen. Stripes Erfolg mit Atlas kam von der Behebung von Gründerfrustrationen, nicht abstrakten Prognosen.
- Auf Echtzeit-Anpassung bauen: Verlagern Sie von vorgefertigten Software-Modulen zu Systemen, die maßgeschneiderte Ausgaben dynamisch beim Einsatz generieren – wie ein personalisiertes Einkaufserlebnis, das von einem AI-Agenten sofort erstellt wird.
- Auf Hochdurchsatz-Transaktionen vorbereiten: Prüfen Sie Ihre Infrastruktur auf Skalierbarkeit; falls Ihr Business automatisierte Agenten oder Echtzeit-Zahlungen umfasst, priorisieren Sie Hochvolumen- und niedrige Latenz Zahlungswege, um Engpässe bei steigender Nachfrage zu vermeiden.
This interview with Stripe cofounders John and Patrick Collison originally aired on TBPN. They discuss Stripe’s 34% growth and new employee tender offer, how agent commerce and stablecoins may require high-throughput blockchains built for millions of transactions per second, and why the economics of software are shifting from mass-produced products to bespoke, on-demand systems cooked fresh at the moment of use.
Resources:
Follow TBPN on Twitter: https://x.com/tbpn
Follow Patrick Collison on Twitter: https://x.com/patrickc
Follow John Collison on Twitter: https://x.com/collision
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.
-
Why America’s Health Crisis Is an Incentive Problem
a16z general partner Erik Torenberg speaks with Justin Mares, founder and CEO of TrueMed. They discuss why American health outcomes are so poor compared to the rest of the developed world, how crop subsidies created…
-
Palmer Luckey on Hardware, Building, and the Next Frontiers of Innovation
Recorded live at our Founders Summit, a16z general partner Chris Dixon speaks with Palmer Luckey, founder of Anduril and Oculus VR. They talk about what it takes to build hardware at scale, where the biggest…
-
David Solomon & Ben Horowitz on Building Organizational Resilience & Navigating Macro Uncertainty
a16z general partner David Haber spoke with Goldman Sachs CEO David Solomon and a16z cofounder Ben Horowitz on the current macro environment, enterprise AI adoption, and crypto and AI policy. Solomon describes what he calls…
-
“Anyone Can Code Now” – Netlify CEO Talks AI Agents
Netlify’s CEO, Matt Biilmann, reveals a seismic shift nobody saw coming: 16,000 daily signups—five times last year’s rate—and 96% aren’t coming from AI coding tools. They’re everyday people accidentally building React apps through ChatGPT, then…
-
Marc Andreessen on Why This Is the Most Important Moment in Tech History
Recently, Marc Andreessen joined Lenny Rachitsky on Lenny’s Podcast. They talked about why 2025 may be the most significant year in tech history, how AI is reshaping the future of product managers, designers, and engineers,…
-
Ben Horowitz and Balaji Srinivasan on Netscape and Network States
Can a country be built from the internet up? Not as a metaphor or an online community, but as a system that replaces institutions we usually think of as fixed, money, law, and governance. In…
-
Healthcare 2026: AI Doctors, GLP-1s, and Insurance Defection
Out-of-Pocket is a healthcare education company founded by Nikhil Krishnan that helps people understand how healthcare works and how to navigate it in practice. In this episode, a16z Health and Bio partner Jay Rughani and…
-
The Hidden Economics Powering AI
In this episode, Jen Kha, Head of Investor Relations, and David George, General Partner, discuss how late-stage private markets are evolving as AI reshapes scale, capital intensity, and growth timelines. They explain why AI-driven companies…
-
How Mintlify Is Rebuilding Documentation for Coding Agents
Mintlify is a documentation platform built by cofounders Han Wang and Hahnbee Lee to help teams create and maintain developer docs. In this episode, Andreessen Horowitz general partners Jennifer Li and Yoko Li speak with…
-
Inferact: Building the Infrastructure That Runs Modern AI
Inferact is a new AI infrastructure company founded by the creators and core maintainers of vLLM. Its mission is to build a universal, open-source inference layer that makes large AI models faster, cheaper, and more…