a16z Podcast
Summary & Insights
Could a small group of “power users” be the only ones truly fueling the current AI economy? While roughly half of Americans report using AI, a startlingly small fraction actually pay for it. For those who do, the spending is hyper-concentrated: the top 1% of users are spending over $900 a month on their personal credit cards to fuel their AI tools. This reveals a massive divide between the general public, who use AI for basic search or homework, and a class of “makers” using AI as a high-leverage engine for coding, content creation, and technical automation.
The conversation shifts from the “prompt box” era to the rise of personal agents—tools that don’t just answer questions but actually execute tasks. While early pioneers like OpenClaw sparked the trend, new entrants like Muse and Instinct are attempting to move AI from a productivity tool to a lifestyle assistant. However, a significant hurdle remains: the “trust gap.” Users are hesitant to give agents full access to their emails and credit cards, creating a tension between how useful a product can be and how much privacy a user is willing to sacrifice.
Looking ahead, the focus is moving from “saving time” to “spending time.” Most current AI wins are in productivity, but the biggest opportunities lie in entertainment, social networking, and dating—categories that are currently wide open. There is also a strategic pivot happening in business models. Because the cost to serve AI users (COGS) is so high compared to traditional software, the industry is moving away from a subscription-only model toward advertising and transaction fees, as evidenced by OpenAI’s rapid climb to a billion-dollar annual run rate in ad revenue.
Surprising Insights
- The Power Law of Spend: Only about 4.5% of U.S. consumers pay for AI subscriptions, and within that group, the top 10% drive more than half of all revenue.
- Claude vs. Gemini: Despite Gemini having a massive built-in distribution advantage via Google, Claude has surpassed it in the number of paid U.S. subscribers.
- The “Spending Time” Gap: Most AI tools focus on efficiency (saving time), but the most successful consumer apps in history (TikTok, Netflix) are designed for how people choose to spend their time.
- Ad Revenue Speed: OpenAI reached a billion-dollar annual run rate in advertising in a fraction of the time it took previous tech giants to scale their ad businesses.
Practical Takeaways
- Build “Playbooks,” Not Just Wrappers: For developers, the goal should be to capture personal context (how a user sounds, their specific preferences) to create “lock-in” value that cannot be easily migrated to a competing model.
- Target the “Maker” Mindset: Focus initial product launches on developers and creators; they are the most likely to pay high premiums for tools that provide immediate professional leverage.
- Diversify Monetization Early: Don’t rely solely on subscriptions. Explore transaction fees or highly targeted, “deft” advertising that feels like a natural part of a conversation rather than an interruption.
- Look for “White Space” Categories: Explore AI-native applications in dating, recruiting, and shopping—areas where multiplayer network effects are still largely untapped.
🛍️ Products & Resources Mentioned
- ⚡ DeviceMac mini — Mentioned as a device users were buying to run local versions of OpenClaw.View on Amazon →
- ⚡ DevicePlod AI Note Taker — Mentioned as a successful AI hardware device from China now available in the U.S. that combines a physical device with a subscription.View on Amazon →
Liệu có phải một nhóm nhỏ những “người dùng quyền năng” (power users) là những người duy nhất thực sự thúc đẩy nền kinh tế AI hiện nay? Mặc dù khoảng một nửa số người Mỹ cho biết họ có sử dụng AI, nhưng tỷ lệ thực sự trả phí cho nó lại nhỏ đến mức đáng ngạc nhiên. Đối với những người trả phí, mức chi tiêu tập trung cực kỳ cao: 1% người dùng dẫn đầu chi hơn 900 USD mỗi tháng thông qua thẻ tín dụng cá nhân để vận hành các công cụ AI của họ. Điều này cho thấy một sự phân hóa khổng lồ giữa công chúng nói chung—những người dùng AI để tìm kiếm cơ bản hoặc làm bài tập về nhà—và một tầng lớp “nhà sáng tạo” (makers) sử dụng AI như một động cơ đòn bẩy cao cho việc lập trình, sáng tạo nội dung và tự động hóa kỹ thuật.
Cuộc thảo luận đang chuyển dịch từ kỷ nguyên “ô nhập câu lệnh” (prompt box) sang sự trỗi dậy của các tác nhân cá nhân (personal agents)—những công cụ không chỉ trả lời câu hỏi mà thực sự thực hiện các tác vụ. Trong khi những người tiên phong như OpenClaw đã khơi mào xu hướng, các tân binh như Muse và Instinct đang nỗ lực đưa AI từ một công cụ năng suất trở thành một trợ lý phong cách sống. Tuy nhiên, một rào cản đáng kể vẫn tồn tại: “khoảng cách niềm tin”. Người dùng ngần ngại cấp cho các tác nhân quyền truy cập toàn bộ vào email và thẻ tín dụng, tạo ra sự xung đột giữa mức độ hữu ích của sản phẩm và mức độ riêng tư mà người dùng sẵn lòng đánh đổi.
Nhìn về tương lai, trọng tâm đang chuyển từ việc “tiết kiệm thời gian” sang “tiêu tốn thời gian”. Hầu hết những thắng lợi hiện tại của AI nằm ở mảng năng suất, nhưng những cơ hội lớn nhất lại nằm ở giải trí, mạng xã hội và hẹn hò—những danh mục hiện vẫn còn rất rộng mở. Đồng thời, một sự xoay trục chiến lược trong mô hình kinh doanh cũng đang diễn ra. Vì chi phí phục vụ người dùng AI (COGS) quá cao so với phần mềm truyền thống, ngành công nghiệp này đang chuyển dịch từ mô hình chỉ thu phí đăng ký (subscription-only) sang quảng cáo và phí giao dịch, minh chứng là việc OpenAI nhanh chóng đạt tốc độ doanh thu hàng năm tỷ USD từ quảng cáo.
Những hiểu biết bất ngờ
- Định luật lũy thừa về chi tiêu: Chỉ khoảng 4,5% người tiêu dùng Mỹ trả phí cho các gói đăng ký AI, và trong nhóm đó, 10% người dùng đứng đầu tạo ra hơn một nửa tổng doanh thu.
- Claude vs. Gemini: Mặc dù Gemini có lợi thế phân phối khổng lồ thông qua hệ sinh thái Google, Claude đã vượt qua Gemini về số lượng người đăng ký trả phí tại Mỹ.
- Khoảng cách “tiêu tốn thời gian”: Hầu hết các công cụ AI tập trung vào hiệu suất (tiết kiệm thời gian), nhưng các ứng dụng tiêu dùng thành công nhất trong lịch sử (TikTok, Netflix) lại được thiết kế cho cách mà con người chọn để tiêu tốn thời gian của họ.
- Tốc độ doanh thu quảng cáo: OpenAI đạt tốc độ doanh thu hàng năm tỷ USD từ quảng cáo trong một khoảng thời gian ngắn hơn nhiều so với các gã khổng lồ công nghệ trước đây khi mở rộng mảng quảng cáo.
Bài học thực tiễn
- Xây dựng “Sách hướng dẫn” (Playbooks), không chỉ là “Vỏ bọc” (Wrappers): Đối với các nhà phát triển, mục tiêu nên là nắm bắt bối cảnh cá nhân (cách người dùng giao tiếp, sở thích cụ thể của họ) để tạo ra giá trị “giữ chân” (lock-in) mà không dễ dàng chuyển sang một mô hình đối thủ.
- Nhắm vào tư duy “Nhà sáng tạo” (Maker): Tập trung các đợt ra mắt sản phẩm ban đầu vào các nhà phát triển và nhà sáng tạo; họ là những người có khả năng chi trả phí cao cho các công cụ mang lại đòn bẩy chuyên môn tức thì.
- Đa dạng hóa mô hình kiếm tiền sớm: Đừng chỉ dựa vào phí đăng ký. Hãy khám phá phí giao dịch hoặc quảng cáo “tinh tế”, nhắm mục tiêu cao, khiến quảng cáo giống như một phần tự nhiên của cuộc hội thoại thay vì là một sự gián đoạn.
- Tìm kiếm các danh mục “vùng trắng” (White Space): Khám phá các ứng dụng thuần AI (AI-native) trong hẹn hò, tuyển dụng và mua sắm—những lĩnh vực mà hiệu ứng mạng lưới đa người dùng (multiplayer network effects) vẫn còn chưa được khai thác nhiều.
是否只有少數的「超級用戶」在真正推動目前的 AI 經濟？雖然約有半數的美國人表示使用過 AI，但實際上願意付費的人數比例驚人地低。而對於那些付費者來說，支出呈現極高度的集中化：前 1% 的用戶每月使用個人信用卡支付超過 900 美元來驅動其 AI 工具。這揭示了普通大眾（將 AI 用於基礎搜索或作業）與「創作者」階級（將 AI 作為編碼、內容創作和技術自動化的高槓桿引擎）之間巨大的鴻溝。
對話重心正從「對話框」時代轉向「個人代理（Personal Agents）」的崛起——這些工具不再僅僅是回答問題，而是能實際執行任務。雖然像 OpenClaw 這樣的早期先驅引發了這一趨勢，但 Muse 和 Instinct 等新進者正試圖將 AI 從生產力工具轉變為生活助手。然而，一個重大障礙依然存在：那就是「信任差距」。用戶對於授予代理工具完全訪問其電子郵件和信用卡的權限感到猶豫，這在產品的實用性與用戶願意犧牲的隱私之間造成了緊張關係。
展望未來，焦點正從「節省時間」轉向「花費時間」。目前大多數 AI 的勝績都在於生產力，但最大的機會隱藏在娛樂、社交網絡和約會——這些類別目前仍有巨大的開發空間。此外，商業模式也正在發生戰略性轉型。由於 AI 用戶的服務成本（COGS）遠高於傳統軟體，該產業正從純訂閱模式轉向廣告和交易費模式，OpenAI 的廣告年化營收快速攀升至十億美元規模便證明了這一點。
驚人洞察
- 支出冪律（The Power Law of Spend）： 僅約 4.5% 的美國消費者支付 AI 訂閱費用，而在該群體中，前 10% 的用戶貢獻了超過一半的總營收。
- Claude vs. Gemini： 儘管 Gemini 擁有 Google 龐大的內建分發優勢，但 Claude 在美國付費訂閱人數上已超越後者。
- 「花費時間」的差距： 大多數 AI 工具專注於效率（節省時間），但歷史上最成功的消費級 App（如 TikTok、Netflix）則是圍繞著人們如何選擇花費時間而設計的。
- 廣告營收速度： OpenAI 達到十億美元廣告年化營收所需的時間，僅為先前科技巨頭擴展廣告業務時間的一小部分。
實務啟示
- 構建「劇本（Playbooks）」，而非僅是「外殼（Wrappers）」： 對於開發者而言，目標應是捕捉個人情境（例如用戶的口吻、特定偏好），以創造無法輕易遷移到競爭模型中的「鎖定（lock-in）」價值。
- 瞄準「創作者」心態： 產品初期發布應聚焦於開發者和創作者；他們最有可能為能提供即時專業槓桿的工具支付高額溢價。
- 儘早多元化獲利模式： 不要單純依賴訂閱制。探索交易費或高度精準、且像對話自然組成部分而非干擾的「靈巧」廣告。
- 尋找「空白」類別： 探索在約會、招聘和購物等 AI 原生應用，這些領域的多人網絡效應在很大程度上尚未被開發。
Un petit groupe d’« utilisateurs intensifs » (power users) pourrait-il être le seul véritable moteur de l’économie actuelle de l’IA ? Alors qu’environ la moitié des Américains déclarent utiliser l’IA, une fraction étonnamment faible paie réellement pour ces services. Pour ceux qui le font, les dépenses sont hyper-concentrées : le top 1 % des utilisateurs dépense plus de 900 $ par mois sur sa carte de crédit personnelle pour alimenter ses outils d’IA. Cela révèle un fossé massif entre le grand public, qui utilise l’IA pour des recherches basiques ou des devoirs, et une classe de « makers » utilisant l’IA comme un moteur à fort levier pour le codage, la création de contenu et l’automatisation technique.
Le discours évolue, passant de l’ère de la « boîte de prompt » à l’essor des agents personnels — des outils qui ne se contentent pas de répondre à des questions, mais exécutent concrètement des tâches. Si des pionniers comme OpenClaw ont lancé la tendance, de nouveaux entrants comme Muse et Instinct tentent de transformer l’IA, passant d’un outil de productivité à un assistant de vie. Cependant, un obstacle majeur subsiste : le « déficit de confiance ». Les utilisateurs hésitent à donner aux agents un accès complet à leurs e-mails et à leurs cartes de crédit, créant ainsi une tension entre l’utilité potentielle d’un produit et le degré de confidentialité que l’utilisateur est prêt à sacrifier.
À l’avenir, l’accent se déplace de « l’économie de temps » vers « l’occupation du temps ». La plupart des gains actuels de l’IA se situent dans la productivité, mais les plus grandes opportunités résident dans le divertissement, les réseaux sociaux et les rencontres — des catégories actuellement largement ouvertes. On observe également un pivot stratégique dans les modèles économiques. Comme le coût de service des utilisateurs d’IA (COGS) est très élevé par rapport aux logiciels traditionnels, l’industrie s’éloigne du modèle basé uniquement sur l’abonnement pour s’orienter vers la publicité et les frais de transaction, comme en témoigne la progression rapide d’OpenAI vers un taux de revenus publicitaires annuels d’un milliard de dollars.
Perspectives Surprenantes
- La loi de puissance des dépenses : Seuls environ 4,5 % des consommateurs américains paient pour des abonnements à l’IA et, au sein de ce groupe, les 10 % les plus dépensiers génèrent plus de la moitié des revenus totaux.
- Claude vs Gemini : Bien que Gemini bénéficie d’un avantage massif de distribution intégrée via Google, Claude l’a dépassé en nombre d’abonnés payants aux États-Unis.
- Le fossé du « temps passé » : La plupart des outils d’IA se concentrent sur l’efficacité (gagner du temps), mais les applications grand public les plus réussies de l’histoire (TikTok, Netflix) sont conçues pour la manière dont les gens choisissent de passer leur temps.
- Vitesse des revenus publicitaires : OpenAI a atteint un rythme annuel d’un milliard de dollars en publicité en une fraction du temps qu’il a fallu aux géants technologiques précédents pour mettre à l’échelle leurs activités publicitaires.
Conseils Pratiques
- Créez des « Playbooks », pas seulement des « Wrappers » : Pour les développeurs, l’objectif doit être de capturer le contexte personnel (la façon dont un utilisateur s’exprime, ses préférences spécifiques) afin de créer une valeur de rétention (« lock-in ») qui ne peut pas être facilement migrée vers un modèle concurrent.
- Ciblez l’état d’esprit du « Maker » : Concentrez les lancements de produits initiaux sur les développeurs et les créateurs ; ils sont les plus susceptibles de payer des primes élevées pour des outils offrant un levier professionnel immédiat.
- Diversifiez la monétisation dès le début : Ne comptez pas uniquement sur les abonnements. Explorez les frais de transaction ou une publicité hautement ciblée et « agile », qui semble être une partie naturelle d’une conversation plutôt qu’une interruption.
- Recherchez les catégories de « zones blanches » : Explorez les applications nativement IA dans les rencontres, le recrutement et le shopping — des domaines où les effets de réseau multi-utilisateurs sont encore largement inexploités.
Könnte es sein, dass eine kleine Gruppe von „Power-Usern“ die einzigen sind, die die aktuelle KI-Ökonomie wirklich vorantreiben? Während etwa die Hälfte der Amerikaner angibt, KI zu nutzen, zahlt ein erschreckend geringer Anteil tatsächlich dafür. Bei denjenigen, die bezahlen, sind die Ausgaben extrem konzentriert: Die obersten 1 % der Nutzer geben über 900 $ pro Monat über ihre privaten Kreditkarten aus, um ihre KI-Tools zu finanzieren. Dies offenbart eine massive Kluft zwischen der breiten Öffentlichkeit, die KI für einfache Suchen oder Hausaufgaben nutzt, und einer Klasse von „Makern“, die KI als hocheffizienten Motor für Coding, Content-Erstellung und technische Automatisierung einsetzen.
Die Diskussion verschiebt sich von der Ära der „Prompt-Box“ hin zum Aufstieg persönlicher Agenten – Tools, die nicht nur Fragen beantworten, sondern tatsächlich Aufgaben ausführen. Während frühe Pioniere wie OpenClaw den Trend auslösten, versuchen neue Marktteilnehmer wie Muse und Instinct, die KI von einem Produktivitätswerkzeug zu einem Lifestyle-Assistenten zu entwickeln. Es bleibt jedoch eine bedeutende Hürde: die „Vertrauenslücke“. Nutzer zögern, Agenten vollen Zugriff auf ihre E-Mails und Kreditkarten zu gewähren, was ein Spannungsfeld zwischen dem Nutzen eines Produkts und der Privatsphäre schafft, die ein Nutzer opfern will.
Mit Blick auf die Zukunft verschiebt sich der Fokus von „Zeitersparnis“ hin zur „Zeitgestaltung“. Die meisten aktuellen KI-Erfolge liegen im Bereich der Produktivität, doch die größten Chancen bieten Unterhaltung, soziale Netzwerke und Dating – Kategorien, die derzeit weitgehend offen sind. Zudem findet ein strategischer Pivot bei den Geschäftsmodellen statt. Da die Kosten für die Bedienung von KI-Nutzern (COGS) im Vergleich zu traditioneller Software sehr hoch sind, bewegt sich die Branche weg von reinen Abonnement-Modellen hin zu Werbung und Transaktionsgebühren, wie der schnelle Aufstieg von OpenAI auf eine jährliche Werbeumsatzrate von einer Milliarde Dollar belegt.
Überraschende Erkenntnisse
- Das Power-Law der Ausgaben: Nur etwa 4,5 % der US-Verbraucher bezahlen für KI-Abonnements, und innerhalb dieser Gruppe generieren die obersten 10 % mehr als die Hälfte des gesamten Umsatzes.
- Claude vs. Gemini: Obwohl Gemini durch Google einen massiven integrierten Distributionsvorteil hat, hat Claude Gemini bei der Anzahl der zahlenden US-Abonnenten überholt.
- Die Lücke bei der „Zeitgestaltung“: Die meisten KI-Tools konzentrieren sich auf Effizienz (Zeit sparen), aber die erfolgreichsten Consumer-Apps der Geschichte (TikTok, Netflix) sind darauf ausgelegt, wie Menschen ihre Zeit verbringen wollen.
- Geschwindigkeit der Werbeeinnahmen: OpenAI erreichte eine jährliche Werbeumsatzrate von einer Milliarde Dollar in einem Bruchteil der Zeit, die frühere Tech-Giganten benötigten, um ihre Werbegeschäfte zu skalieren.
Praktische Ableitungen
- „Playbooks“ bauen, nicht nur „Wrapper“: Für Entwickler sollte das Ziel sein, persönlichen Kontext zu erfassen (wie ein Nutzer klingt, seine spezifischen Vorlieben), um einen „Lock-in“-Wert zu schaffen, der nicht einfach auf ein konkurrierendes Modell migriert werden kann.
- Die „Maker“-Mentalität ansprechen: Fokus bei ersten Produktstarts auf Entwickler und Creator; sie sind am ehesten bereit, hohe Aufschläge für Tools zu zahlen, die einen sofortigen professionellen Hebeleffekt bieten.
- Monetarisierung früh diversifizieren: Verlassen Sie sich nicht allein auf Abonnements. Erforschen Sie Transaktionsgebühren oder hochgezielte, subtile Werbung, die sich wie ein natürlicher Teil eines Gesprächs anfühlt und nicht wie eine Unterbrechung.
- Nach „White Space“-Kategorien suchen: Erforschen Sie KI-native Anwendungen in den Bereichen Dating, Recruiting und Shopping – Bereiche, in denen Multiplayer-Netzwerkeffekte noch weitgehend ungenutzt sind.
a16z Editorial Partner Elena Burger sits down with investing partners Olivia Moore and Josh Elman to unpack the seventh edition of a16z’s Top 100 Consumer AI Apps, including a new dimension this time: what consumers are actually paying for.
The data reveals a striking power-user economy. Only a small share of consumers currently pay for AI, but among those who do, spending is heavily concentrated at the top. Olivia and Josh discuss why developers, creators, and other power users dominate spending today, and why subscriptions may not be the business model that ultimately brings consumer AI to everyone.
They also dig into the rise of personal agents, the different trajectories of ChatGPT, Claude, and Gemini, how ads could reshape AI economics, and the enormous amount of consumer white space still left to build, from shopping and entertainment to social, dating, and marketplaces.
Resources:
Read the Top 100 Consumer AI Apps, Seventh Edition: [add link]
Follow Olivia Moore: https://x.com/omooretweets
Follow Josh Elman: https://x.com/joshelman
Follow Elena Burger: https://x.com/VirtualElena
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.
-
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…
-
Ben Horowitz: The Fight Over Open Source AI
Ben Horowitz joins Theo Jaffee and Sofia Puccini to discuss one of the biggest debates in AI today: the future of open-source models. They examine the growing push to restrict open models, why Ben believes…
-
Sriram Krishnan on Open Source AI’s Biggest Week Yet
Sriram Krishnan joins Theo Jaffee and Sofia Puccini just after concluding his tenure as Senior White House Policy Advisor on AI to discuss one of the biggest weeks yet for open-source AI. They unpack the…
-
Building the Physical AI Stack | Travis Kalanick on TBPN
Travis Kalanick joins TBPN to discuss Atoms, his vision for industrial AI, and why he believes the biggest opportunities in AI lie beyond software. He explains how Atoms is bringing autonomy to mining, logistics, and…
-
Building the Physical AI Stack | Travis Kalanick on TBPN
Travis Kalanick joins TBPN to discuss Atoms, his vision for industrial AI, and why he believes the biggest opportunities in AI lie beyond software. He explains how Atoms is bringing autonomy to mining, logistics, and…
-
Travis Kalanick Is Back | Building the Future of Industrial AI
Travis Kalanick, Ben Horowitz, and Erik Torenberg reunite to reflect on Uber’s early days, the investment that almost happened, and why Kalanick believes the next great technology opportunity lies beyond software. They discuss the lessons…