Balaji & Benedict Evans: When Tech Breaks Industries

Summary & Insights

The military used to get the cool new tech first, but today the innovation flow has inverted. Consumers now get cutting-edge technology first—from drones to AI—while the military lags a decade behind, forced to wait for that tech to be hardened and bureaucratically approved. This reversal is just one of many tectonic shifts explored in a conversation between technologists Balaji Srinivasan and Benedict Evans, who map how the lifecycle of technological adoption, the role of consumer supply chains, and the very nature of artificial intelligence are reshaping our world.

A central theme is the lifecycle of technology hype. The moment a technology becomes widely understood is often the moment it ceases to be interesting. We talk most about a technology—like AI, crypto, or smart glasses—during its period of maximum growth and disruption. Once it becomes ubiquitous, it fades into the background, a quiet utility like electricity. This transition is happening simultaneously across multiple frontiers today, meaning the key question isn’t whether these technologies matter, but what specific industries and power structures they will upend.

The discussion delves deep into the current state and limitations of AI. Evans frames it not as an agentic intelligence, but as an “amplified intelligence.” Its power is constrained by the user’s ability to both prompt it effectively—requiring a rich vocabulary of precise terms—and to verify its output, a task that remains easy for visual or audio results but extremely difficult for complex text, code, or math. This makes AI most powerful for experts in a field, not for novices. The conversation also explores AI’s relationship with other platforms, suggesting that crypto could serve as the “reality layer” in an age of AI-generated fakes, providing verifiable proof of ownership and authenticity through cryptography.

Looking at the broader ecosystem, the “smartphone dividend” is a foundational concept. The massive scale of smartphone production has made advanced components like sensors, batteries, and chips cheap and universally available, enabling everything from consumer drones and VR headsets to IoT devices. This democratized supply chain is a primary engine for innovation. Finally, the dialogue considers the future of interfaces, predicting that augmented reality glasses represent a more plausible path to mass adoption than VR headsets, potentially becoming the next major platform shift by moving computing seamlessly into our field of view.

Surprising Insights

The Consumer-to-Military Inversion: Historically, tech trickled down from military to consumers (e.g., GPS, microwaves). Now, the consumer supply chain is the cutting edge, and the military adopts proven consumer tech years later for ruggedization.
AI as an “Expert’s Tool”: Large language models act more as “amplified intelligence” than autonomous agents. Their utility is greatest for those already skilled in a domain, as expertise improves both prompting (vocabulary) and critical verification of outputs.
The “Double Descent” Problem: In traditional machine learning, error decreases then increases as models overfit. In large AI models, a counterintuitive “double descent” phenomenon occurs where error drops a second time with vastly more parameters, challenging classical statistical wisdom.
Block Space as the New Bandwidth: The evolution of crypto applications is gated by “block space”—the data storage and processing capacity of a blockchain. This is analogous to how web evolution was limited by internet bandwidth, suggesting consumer crypto apps will blossom as this constraint eases.
Conversation Tracks Change, Not Adoption: Public discussion of a technology peaks during its disruptive growth phase (like Uber in 2015), not when it achieves mass adoption. We stop talking about things once they become ambient utilities.

Practical Takeaways

Sharpen Your “Prompting” Vocabulary: To effectively use AI, cultivate a precise vocabulary in your field. Knowing specific terminology (e.g., artistic styles, coding frameworks, precise descriptive words) is the key to unlocking more accurate and useful generations.
Apply the “Expert Verification” Rule: Use AI to generate first drafts and explore ideas, but always apply your own expertise to verify outputs, especially for non-visual information. It’s a force multiplier for knowledgeable people, not a replacement for expertise.
Leverage the Smartphone Supply Chain: For hardware startups, build on the cheap, powerful, and readily available components (sensors, chips, batteries) created for smartphones. This “smartphone dividend” dramatically lowers the barrier to creating new connected devices.
Monitor the “Block Space” Metric: To gauge the readiness of blockchain technology for broader applications, watch for increases in transaction speed, data storage capacity, and cost reduction—improvements in “block space” that enable new use cases.
Think in Workflows, Not Just Prompts: When designing AI integrations, don’t just think of a blank chat box. Consider how to embed AI within a specific user workflow (like a CRM or design tool) where it can suggest context-aware next actions, reducing the cognitive load of open-ended prompting.

Trước đây, quân đội thường là nơi đầu tiên được tiếp cận những công nghệ mới mẻ, nhưng ngày nay dòng chảy đổi mới đã đảo ngược. Giờ đây, người tiêu dùng mới là những người đầu tiên được trải nghiệm công nghệ tiên phong—từ máy bay không người lái đến trí tuệ nhân tạo—trong khi quân đội lại tụt hậu cả thập kỷ, buộc phải chờ đợi công nghệ đó được củng cố và thông qua qua các thủ tục hành chính. Sự đảo ngược này chỉ là một trong nhiều chuyển dịch mang tính địa chấn được thảo luận trong cuộc trò chuyện giữa hai chuyên gia công nghệ Balaji Srinivasan và Benedict Evans, khi họ phân tích cách thức vòng đời ứng dụng công nghệ, vai trò của chuỗi cung ứng tiêu dùng và chính bản chất của trí tuệ nhân tạo đang định hình lại thế giới của chúng ta.

Một chủ đề trọng tâm là vòng đời của sự cường điệu công nghệ. Thời điểm một công nghệ trở nên phổ biến và được hiểu rộng rãi thường cũng là lúc nó không còn gây hứng thú. Chúng ta thảo luận nhiều nhất về một công nghệ—như AI, tiền mã hóa hay kính thông minh—trong giai đoạn tăng trưởng và đột phá mạnh mẽ nhất của nó. Một khi nó trở nên phổ biến, nó sẽ mờ dần vào hậu trường, trở thành một tiện ích thầm lặng như điện năng. Sự chuyển đổi này đang diễn ra đồng thời trên nhiều lĩnh vực ngày nay, nghĩa là câu hỏi then chốt không phải là liệu những công nghệ này có quan trọng hay không, mà là chúng sẽ làm đảo lộn những ngành công nghiệp và cấu trúc quyền lực cụ thể nào.

Cuộc thảo luận đi sâu vào tình trạng và những hạn chế hiện tại của AI. Evans định hình nó không phải là một trí thông minh tự chủ, mà là một “trí thông minh khuếch đại.” Sức mạnh của nó bị giới hạn bởi khả năng của người dùng trong việc đưa ra các chỉ dẫn hiệu quả—đòi hỏi một vốn từ vựng phong phú với các thuật ngữ chính xác—và xác minh đầu ra của nó, một nhiệm vụ vẫn dễ dàng với kết quả hình ảnh hay âm thanh nhưng cực kỳ khó khăn với văn bản, mã code hay toán học phức tạp. Điều này khiến AI trở nên mạnh mẽ nhất đối với các chuyên gia trong một lĩnh vực, chứ không phải người mới bắt đầu. Cuộc trò chuyện cũng khám phá mối quan hệ của AI với các nền tảng khác, gợi ý rằng tiền mã hóa có thể đóng vai trò là “lớp hiện thực” trong thời đại của các nội dung giả mạo tạo bởi AI, cung cấp bằng chứng có thể xác minh về quyền sở hữu và tính xác thực thông qua mật mã học.

Nhìn vào hệ sinh thái rộng hơn, “cổ tức điện thoại thông minh” là một khái niệm nền tảng. Quy mô sản xuất điện thoại thông minh khổng lồ đã làm cho các thành phần tiên tiến như cảm biến, pin và chip trở nên rẻ và phổ biến rộng rãi, tạo điều kiện cho mọi thứ từ máy bay không người lái tiêu dùng và tai nghe VR đến thiết bị IoT. Chuỗi cung ứng được dân chủ hóa này là động lực chính cho sự đổi mới. Cuối cùng, cuộc đối thoại xem xét tương lai của giao diện, dự đoán rằng kính thực tế tăng cường đại diện cho một con đường khả thi hơn để được chấp nhận rộng rãi so với tai nghe VR, có khả năng trở thành sự chuyển dịch nền tảng lớn tiếp theo bằng cách đưa máy tính một cách liền mạch vào tầm nhìn của chúng ta.

Những Góc Nhìn Đáng Ngạc Nhiên

Sự Đảo Ngược Từ Người Tiêu Dùng Sang Quân Đội: Trước đây, công nghệ thường thẩm thấu từ quân đội sang người tiêu dùng (ví dụ: GPS, lò vi sóng). Giờ đây, chuỗi cung ứng tiêu dùng mới là tiên phong, và quân đội áp dụng công nghệ tiêu dùng đã được chứng minh nhiều năm sau đó cho mục đích chịu đựng khắc nghiệt.

AI với tư cách “Công Cụ của Chuyên Gia”: Các mô hình ngôn ngữ lớn hoạt động giống như “trí thông minh khuếch đại” hơn là các tác nhân tự chủ. Tính hữu ích của chúng lớn nhất đối với những người đã có kỹ năng trong một lĩnh vực, vì chuyên môn giúp cải thiện cả việc đưa ra chỉ dẫn (từ vựng) lẫn việc xác minh phê bình đầu ra.

Vấn đề “Hai Lần Giảm Dốc”: Trong học máy truyền thống, lỗi giảm rồi tăng khi các mô hình bị “overfit”. Trong các mô hình AI lớn, một hiện tượng phản trực giác gọi là “hai lần giảm dốc” xảy ra khi lỗi giảm lần thứ hai với số lượng tham số cực lớn hơn, thách thức quan niệm thống kê cổ điển.

“Khối Không Gian” như Băng Thông Mới: Sự phát triển của các ứng dụng tiền mã hóa bị giới hạn bởi “khối không gian”—khả năng lưu trữ dữ liệu và xử lý của một blockchain. Điều này tương tự như cách sự phát triển web bị giới hạn bởi băng thông internet, gợi ý rằng các ứng dụng tiền mã hóa tiêu dùng sẽ nở rộ khi ràng buộc này giảm bớt.

Cuộc Trò Chuyện Theo Dõi Sự Thay Đổi, Không Phải Sự Chấp Nhận: Thảo luận công khai về một công nghệ đạt đỉnh điểm trong giai đoạn tăng trưởng đột phá của nó (như Uber năm 2015), chứ không phải khi nó đạt được sự chấp nhận đại chúng. Chúng ta ngừng nói về mọi thứ một khi chúng trở thành tiện ích nền.

Những Điều Rút Ra Thiết Thực

Trau Dồi Vốn Từ Vựng “Chỉ Dẫn” Của Bạn: Để sử dụng AI hiệu quả, hãy trau dồi một vốn từ vựng chính xác trong lĩnh vực của bạn. Biết các thuật ngữ cụ thể (ví dụ: phong cách nghệ thuật, framework lập trình, từ ngữ mô tả chính xác) là chìa khóa để mở khóa các kết quả tạo lập chính xác và hữu ích hơn.

Áp Dụng Quy Tắc “Xác Minh Bởi Chuyên Gia”: Sử dụng AI để tạo bản nháp đầu tiên và khám phá ý tưởng, nhưng luôn áp dụng chuyên môn của chính bạn để xác minh đầu ra, đặc biệt đối với thông tin không phải hình ảnh. Nó là công cụ khuếch đại sức mạnh cho người có kiến thức, không phải sự thay thế cho chuyên môn.

Tận Dụng Chuỗi Cung Ứng Điện Thoại Thông Minh: Đối với các startup phần cứng, hãy xây dựng dựa trên các thành phần rẻ, mạnh và sẵn có (cảm biến, chip, pin) được tạo ra cho điện thoại thông minh. “Cổ tức điện thoại thông minh” này làm giảm đáng kể rào cản để tạo ra các thiết bị kết nối mới.

Theo Dõi Chỉ Số “Khối Không Gian”: Để đánh giá mức độ sẵn sàng của công nghệ blockchain cho các ứng dụng rộng hơn, hãy theo dõi sự gia tăng về tốc độ giao dịch, dung lượng lưu trữ dữ liệu và giảm chi phí—những cải thiện trong “khối không gian” giúp mở ra các trường hợp sử dụng mới.

Suy Nghĩ Theo Quy Trình Làm Việc, Không Chỉ Chỉ Dẫn: Khi thiết kế các tích hợp AI, đừng chỉ nghĩ đến một hộp chat trống. Hãy cân nhắc cách nhúng AI vào một quy trình làm việc cụ thể của người dùng (như một công cụ CRM hoặc thiết kế) nơi nó có thể đề xuất các hành động tiếp theo nhận biết ngữ cảnh, giảm tải nhận thức cho việc đưa ra chỉ dẫn mở.

過去，最先進的科技往往由軍方率先採用，但如今創新潮流已經逆轉。從無人機到人工智慧，消費者如今率先獲得尖端技術，而軍方則落後十年之久，必須等待這些技術經過強化並獲得官僚體系批准。技術專家巴拉吉·斯里尼瓦桑和本尼迪克特·埃文斯在一次對談中探討了這種逆轉現象，他們描繪了技術採用的生命週期、消費品供應鏈的角色以及人工智慧的本質如何重塑我們的世界。

技術炒作的生命週期是一個核心主題。當一項技術變得廣為人知時，往往也正是它不再引人關注的時刻。我們最熱烈談論一項技術——例如人工智慧、加密貨幣或智慧眼鏡——的時候，通常是在它處於快速成長與顛覆期。一旦技術變得無所不在，它便會逐漸淡出人們的視野，成為像電力一樣默默服務的公用事業。如今這種轉變正在多個前沿領域同時發生，意味著關鍵問題不在於這些技術是否重要，而在於它們將顛覆哪些特定產業與權力結構。

討論深入探討了人工智慧的現狀與局限。埃文斯將其定義為「增強型智慧」而非具備主體能動性的智慧。它的能力受限於使用者能否有效下達指令——這需要豐富精確的術語詞彙——以及驗證其輸出的能力，這對視覺或音訊結果而言相對容易，但對複雜的文字、程式碼或數學運算則極為困難。這使得人工智慧對領域專家最具威力，而非新手。對話也探討了人工智慧與其他平台的關係，提出加密貨幣可在人工智慧偽造時代作為「真實性層」，透過加密技術提供可驗證的所有權與真實性證明。

從更廣泛的生態系統來看，「智慧型手機紅利」是個基礎概念。智慧型手機的大規模生產使感測器、電池與晶片等先進元件變得便宜且普及，從而催生了消費級無人機、VR頭戴裝置與物聯網裝置等產品。這種民主化的供應鏈已成為創新的主要引擎。最後，對話探討了介面的未來，預測擴增實境眼鏡比VR頭戴裝置更可能實現大規模普及，透過將運算無縫融入我們的視野，有望成為下一個重大平台轉移。

驚人洞見

軍民技術逆轉：歷史上科技多由軍方流向民間（如GPS、微波爐），如今消費品供應鏈成為尖端所在，軍方需等待數年採納經市場驗證的消費級技術並進行強化。

人工智慧作為「專家工具」：大型語言模型更像是「增強型智慧」而非自主代理。它們對已具備領域技能者最為有用，因為專業知識既能提升指令下達能力（詞彙量），也能加強對輸出的批判性驗證。

「雙重下降」問題：傳統機器學習中，誤差隨模型過度擬合先降後升。大型人工智慧模型卻出現反直覺的「雙重下降」現象：當參數量大幅增加時，誤差會第二次下降，這挑戰了古典統計學的智慧。

區塊空間即新頻寬：加密應用的發展受「區塊空間」（區塊鏈的數據儲存與處理容量）制約，猶如網路發展曾受網際網路頻寬限制。隨著此限制放寬，消費級加密應用將蓬勃發展。

對話追蹤變革而非採用：對技術的公開討論在其顛覆成長期達到頂峰（如2015年的Uber），而非在實現大規模採用時。當技術成為環境中的公用設施後，我們便不再談論它。

實用建議

精煉你的「指令詞彙」：要有效使用人工智慧，需培養所在領域的精確詞彙。掌握特定術語（如藝術風格、程式框架、精準描述詞）是獲得準確有用生成的關鍵。

應用「專家驗證」法則：用人工智慧生成初稿並探索想法，但務必運用自身專業驗證輸出結果，尤其是非視覺資訊。它是知識工作者的力量倍增器，而非專業技能的替代品。

善用智慧型手機供應鏈：硬體新創公司應基於為智慧型手機開發的廉價、強大且易取得的元件（感測器、晶片、電池）進行建構。「智慧型手機紅利」大幅降低了創造新連網裝置的門檻。

關注「區塊空間」指標：要評估區塊鏈技術是否準備好迎接更廣泛的應用，需觀察交易速度提升、數據儲存容量擴大與成本降低等跡象——這些「區塊空間」的改善將催生新應用場景。

以工作流程思維取代單純指令：設計人工智慧整合方案時，不應只考慮空白聊天框。應思考如何將人工智慧嵌入特定使用者工作流程（如CRM或設計工具），使其能根據情境建議後續行動，減輕開放式指令的認知負擔。

Antes, las fuerzas armadas eran las primeras en recibir la tecnología más innovadora, pero hoy el flujo de la innovación se ha invertido. Ahora los consumidores obtienen la tecnología de vanguardia primero —desde drones hasta inteligencia artificial— mientras que el sector militar va una década por detrás, obligado a esperar a que esa tecnología sea robustecida y aprobada burocráticamente. Esta inversión es solo uno de los muchos cambios tectónicos explorados en una conversación entre los tecnólogos Balaji Srinivasan y Benedict Evans, quienes trazan cómo el ciclo de vida de la adopción tecnológica, el papel de las cadenas de suministro de consumo y la naturaleza misma de la inteligencia artificial están remodelando nuestro mundo.

Un tema central es el ciclo de vida del entusiasmo tecnológico. El momento en que una tecnología se comprende ampliamente es a menudo el momento en que deja de ser interesante. Hablamos más de una tecnología —como la IA, las criptomonedas o las gafas inteligentes— durante su período de máximo crecimiento y disrupción. Una vez que se vuelve omnipresente, se desvanece en el fondo, como una utilidad silenciosa como la electricidad. Esta transición está ocurriendo simultáneamente en múltiples frentes hoy en día, lo que significa que la pregunta clave no es si estas tecnologías importan, sino qué industrias y estructuras de poder específicas van a trastornar.

La discusión profundiza en el estado actual y las limitaciones de la IA. Evans la enmarca no como una inteligencia con agencia, sino como una “inteligencia amplificada”. Su poder está limitado por la capacidad del usuario tanto para darle instrucciones de manera efectiva —lo que requiere un vocabulario rico en términos precisos— como para verificar su resultado, una tarea que sigue siendo fácil para resultados visuales o auditivos pero extremadamente difícil para texto complejo, código o matemáticas. Esto hace que la IA sea más poderosa para los expertos en un campo, no para los principiantes. La conversación también explora la relación de la IA con otras plataformas, sugiriendo que las criptomonedas podrían servir como la “capa de realidad” en una era de falsificaciones generadas por IA, proporcionando una prueba verificable de propiedad y autenticidad mediante criptografía.

Observando el ecosistema más amplio, el “dividendo del smartphone” es un concepto fundamental. La enorme escala de producción de teléfonos inteligentes ha hecho que componentes avanzados como sensores, baterías y chips sean baratos y universalmente disponibles, haciendo posible todo, desde drones de consumo y cascos de realidad virtual hasta dispositivos del Internet de las cosas (IoT). Esta cadena de suministro democratizada es un motor principal para la innovación. Finalmente, el diálogo considera el futuro de las interfaces, prediciendo que las gafas de realidad aumentada representan un camino más plausible hacia la adopción masiva que los cascos de realidad virtual, y podrían convertirse en el próximo gran cambio de plataforma al mover la computación de manera fluida a nuestro campo de visión.

Perspectivas Sorprendentes

La inversión Consumo-a-Militar: Históricamente, la tecnología filtraba desde lo militar hacia los consumidores (ej. GPS, microondas). Ahora, la cadena de suministro de consumo es la vanguardia, y las fuerzas armadas adoptan años después la tecnología de consumo probada para hacerla más robusta.

La IA como “Herramienta del Experto”: Los modelos de lenguaje grandes actúan más como “inteligencia amplificada” que como agentes autónomos. Su utilidad es mayor para aquellos ya cualificados en un dominio, ya que la experiencia mejora tanto la instrucción (vocabulario) como la verificación crítica de los resultados.

El Problema del “Doble Descenso”: En el aprendizaje automático tradicional, el error disminuye y luego aumenta a medida que los modelos se sobreajustan. En los modelos de IA grandes, ocurre un fenómeno contraintuitivo de “doble descenso” donde el error cae por segunda vez con muchos más parámetros, desafiando la sabiduría estadística clásica.

El “Espacio de Bloque” como el Nuevo Ancho de Banda: La evolución de las aplicaciones de criptomonedas está limitada por el “espacio de bloque” —la capacidad de almacenamiento de datos y procesamiento de una cadena de bloques. Esto es análogo a cómo la evolución web estuvo limitada por el ancho de banda de Internet, sugiriendo que las aplicaciones de criptomonedas de consumo florecerán a medida que esta restricción disminuya.

La Conversación Rastrea el Cambio, no la Adopción: La discusión pública sobre una tecnología alcanza su punto máximo durante su fase de crecimiento disruptivo (como Uber en 2015), no cuando logra la adopción masiva. Dejamos de hablar de las cosas una vez que se convierten en utilidades ambientales.

Conclusiones Prácticas

Afinar el Vocabulario de “Instrucción”: Para usar la IA efectivamente, cultiva un vocabulario preciso en tu campo. Conocer terminología específica (ej. estilos artísticos, frameworks de programación, palabras descriptivas precisas) es la clave para desbloquear generaciones más precisas y útiles.

Aplicar la Regla de la “Verificación del Experto”: Usa la IA para generar borradores iniciales y explorar ideas, pero aplica siempre tu propia experiencia para verificar los resultados, especialmente para información no visual. Es un multiplicador de fuerza para personas con conocimiento, no un reemplazo de la experiencia.

Aprovechar la Cadena de Suministro de Smartphones: Para startups de hardware, construye sobre los componentes baratos, potentes y fácilmente disponibles (sensores, chips, baterías) creados para smartphones. Este “dividendo del smartphone” reduce drásticamente la barrera para crear nuevos dispositivos conectados.

Monitorear la Métrica del “Espacio de Bloque”: Para evaluar la preparación de la tecnología blockchain para aplicaciones más amplias, observa aumentos en la velocidad de transacción, capacidad de almacenamiento de datos y reducción de costos —mejoras en el “espacio de bloque” que permiten nuevos casos de uso.

Pensar en Flujos de Trabajo, no solo en Instrucciones: Al diseñar integraciones de IA, no pienses solo en un cuadro de chat vacío. Considera cómo integrar la IA dentro de un flujo de trabajo de usuario específico (como un CRM o una herramienta de diseño) donde pueda sugerir próximas acciones contextuales, reduciendo la carga cognitiva de las instrucciones abiertas.

Antigamente, as forças militares eram as primeiras a receber a nova tecnologia mais avançada, mas hoje o fluxo de inovação inverteu-se. Os consumidores recebem primeiro a tecnologia de ponta – desde drones até à IA – enquanto o setor militar fica atrasado uma década, forçado a esperar que essa tecnologia seja consolidada e aprovada pela burocracia. Esta inversão é apenas uma das muitas mudanças tectónicas exploradas numa conversa entre os tecnólogos Balaji Srinivasan e Benedict Evans, que delineiam como o ciclo de vida da adoção tecnológica, o papel das cadeias de abastecimento de consumo e a própria natureza da inteligência artificial estão a remodelar o nosso mundo.

Um tema central é o ciclo de vida do entusiasmo em torno da tecnologia. O momento em que uma tecnologia é amplamente compreendida é frequentemente o momento em que deixa de ser interessante. Falamos mais sobre uma tecnologia – como IA, criptomoedas ou óculos inteligentes – durante o período de máximo crescimento e disrupção. Uma vez que se torna ubíqua, desvanece-se em pano de fundo, uma utilidade silenciosa como a eletricidade. Esta transição está a ocorrer simultaneamente em múltiplas frentes atualmente, o que significa que a questão fundamental não é se estas tecnologias são importantes, mas sim quais as indústrias e estruturas de poder específicas que elas irão revolucionar.

A discussão aprofunda-se no estado atual e nas limitações da IA. Evans enquadra-a não como uma inteligência com agência própria, mas como uma “inteligência amplificada”. O seu poder é limitado pela capacidade do utilizador tanto de a instruir eficazmente – o que requer um vocabulário rico de termos precisos – como de verificar o seu resultado, uma tarefa que continua fácil para resultados visuais ou áudio, mas extremamente difícil para texto, código ou matemática complexos. Isto torna a IA mais poderosa para especialistas numa área, e não para novatos. A conversa explora também a relação da IA com outras plataformas, sugerindo que as criptomoedas poderão servir como a “camada de realidade” numa era de falsificações geradas por IA, fornecendo provas verificáveis de propriedade e autenticidade através de criptografia.

Olhando para o ecossistema mais amplo, o “dividendo do smartphone” é um conceito fundamental. A enorme escala de produção de smartphones tornou componentes avançados como sensores, baterias e chips baratos e universalmente disponíveis, possibilitando tudo, desde drones de consumo e óculos de realidade virtual até dispositivos IoT. Esta cadeia de abastecimento democratizada é um motor primário para a inovação. Finalmente, o diálogo considera o futuro das interfaces, prevendo que os óculos de realidade aumentada representam um caminho mais plausível para a adoção em massa do que os óculos de realidade virtual, podendo tornar-se a próxima grande mudança de plataforma ao integrar a computação de forma perfeita no nosso campo de visão.

Conclusões Surpreendentes

A Inversão Consumidor-Militar: Historicamente, a tecnologia propagava-se do setor militar para os consumidores (ex.: GPS, micro-ondas). Agora, a cadeia de abastecimento de consumo é a vanguarda, e o setor militar adota tecnologia de consumo consolidada anos mais tarde, após robustecimento.

A IA como “Ferramenta do Especialista”: Os grandes modelos de linguagem funcionam mais como uma “inteligência amplificada” do que como agentes autónomos. A sua utilidade é maior para aqueles já qualificados num domínio, uma vez que a experiência melhora tanto a instrução (vocabulário) como a verificação crítica dos resultados.

O Problema da “Descida Dupla”: Na aprendizagem automática tradicional, o erro diminui e depois aumenta à medida que os modelos sobreajustam. Nos grandes modelos de IA, ocorre um fenómeno contra-intuitivo de “descida dupla”, em que o erro desce uma segunda vez com muito mais parâmetros, desafiando a sabedoria estatística clássica.

O Espaço de Bloco como a Nova Largura de Banda: A evolução das aplicações criptográficas está condicionada pelo “espaço de bloco” – a capacidade de armazenamento de dados e processamento de uma blockchain. Isto é análogo à forma como a evolução da web foi limitada pela largura de banda da Internet, sugerindo que as aplicações criptográficas para consumo florescerão à medida que esta restrição se atenue.

A Conversa Segue a Mudança, Não a Adoção: A discussão pública sobre uma tecnologia atinge o pico durante a sua fase de crescimento disruptivo (como o Uber em 2015), e não quando atinge a adoção em massa. Deixamos de falar sobre coisas assim que se tornam utilidades ambientais.

Aprendizagens Práticas

Aperfeiçoe o Seu Vocabulário de “Instrução”: Para usar a IA eficazmente, cultive um vocabulário preciso na sua área. Conhecer terminologia específica (ex.: estilos artísticos, frameworks de codificação, palavras descritivas precisas) é a chave para desbloquear resultados mais precisos e úteis.

Aplique a Regra da “Verificação Especializada”: Use a IA para gerar primeiros rascunhos e explorar ideias, mas aplique sempre a sua própria perícia para verificar os resultados, especialmente para informação não visual. É um multiplicador de força para pessoas conhecedoras, não um substituto da perícia.

Aproveite a Cadeia de Abastecimento de Smartphones: Para startups de hardware, baseie-se nos componentes baratos, poderosos e facilmente disponíveis (sensores, chips, baterias) criados para smartphones. Este “dividendo do smartphone” reduz drasticamente a barreira para criar novos dispositivos conectados.

Monitore a Métrica do “Espaço de Bloco”: Para avaliar a prontidão da tecnologia blockchain para aplicações mais amplas, observe aumentos na velocidade de transação, capacidade de armazenamento de dados e redução de custos – melhorias no “espaço de bloco” que permitem novos casos de uso.

Pense em Fluxos de Trabalho, Não Apenas em Instruções: Ao projetar integrações de IA, não pense apenas numa caixa de chat vazia. Considere como incorporar a IA num fluxo de trabalho específico do utilizador (como um CRM ou uma ferramenta de design), onde ela pode sugerir próximas ações contextualizadas, reduzindo a carga cognitiva da instrução de resposta livre.

This episode originally appeared on the Network State Podcast. Balaji Srinivasan and Benedict Evans sit down in Singapore for a wide-ranging conversation on the mechanics of disruption. Evans, a former Andreessen Horowitz partner who now writes one of tech’s most-read newsletters, argues that the conversation about any technology peaks during the transition—not at 0% or 100% adoption. They cover AI’s real capabilities and limits, the politics of technological disruption, why crypto’s killer metric is block space, and what smart glasses, elevator attendants, and the elephant graph reveal about how change works.

Resources:

Follow Benedict Evans on LinkedIn: https://www.linkedin.com/in/benedictevans/

Check out Benedict’s Newsletter: https://www.ben-evans.com/newsletter

Follow Balaji Srinivasan on X: https://x.com/balajis

Check out Network State Podcast: https://www.youtube.com/@nspodcast

High Output Management: https://www.amazon.com/High-Output-Management-Andrew-Grove-ebook/dp/B015VACHOK/

eHang: https://www.youtube.com/watch?v=nUTu4_8QznE

The Deep Research Problem: https://www.ben-evans.com/benedictevans/2025/2/17/the-deep-research-problem

ARC AGI: https://arcprize.org/arc-agi

Uber and Airbnb didn’t sell software: https://www.ben-evans.com/benedictevans/2025/3/14/what-kind-of-disruption

AI Use cases: https://www.ben-evans.com/benedictevans/2024/4/19/looking-for-ai-use-cases

Stablecoin surpasses Visa & Mastercard: https://crypto.news/ark-invest-stablecoin-transaction-value-in-2024-surpasses-visa-and-mastercard/

Senate passes stablecoin bill: https://www.reuters.com/sustainability/boards-policy-regulation/us-senate-passes-stablecoin-bill-milestone-crypto-industry-2025-06-17/

Stay Updated:

If you enjoyed this episode, be sure to like, subscribe, and share with your friends!

Find a16z on X: https://twitter.com/a16z

Find a16z on LinkedIn: https://www.linkedin.com/company/a16z

Listen to the a16z Podcast on Spotify: https://open.spotify.com/show/5bC65RDvs3oxnLyqqvkUYX

Listen to the a16z Podcast on Apple Podcasts: https://podcasts.apple.com/us/podcast/a16z-podcast/id842818711

Follow our host: https://x.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

http://a16z.com/disclosures

Stay Updated:

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

Hosted by Simplecast, an AdsWizz company. See pcm.adswizz.com for information about our collection and use of personal data for advertising.