Ben Horowitz on Venture Capital and AI

Summary & Insights

How did Alexander Graham Bell sell the first telephone when there was nobody to talk to? That question haunts every network effect-driven startup—and for Ben Horowitz, it was the key to understanding how to bootstrap a venture capital firm in a world where scale wasn’t obvious. The answer lies in confronting the hardest part of building networks: the early, lonely days where value is invisible. When Horowitz co-founded Andreessen Horowitz in 2009, he realized the venture capital industry was built on outdated assumptions. At the time, just 15 technology companies annually reached $100 million in revenue, and VCs were designed to hunt only those outliers. But Horowitz saw software “eating the world” would create hundreds of such companies—yet traditional VC structures couldn’t scale. His solution? Centralize control while sharing economics, enabling rapid reorganization. They ignored the “basketball team” size dogma and instead built relationships with every engineer, corporation, and executive in Silicon Valley, using HP’s enterprise briefing center as a backdoor to meet companies like FedEx and IBM. It was messy, unorthodox, and alienated rivals—but it created the network effects that let them invest in Skype and later dominate emerging fields like AI.

The shift from scarce tech successes to explosive growth created a new VC playbook, but AI has rewritten the rules yet again. Code, once a moat, is now easily replicated; capital and compute power are the true barriers. Horowitz notes that throwing money at problems—like GPU scarcity or energy infrastructure—now works where it couldn’t before. “You can’t throw money at software engineers for a two-year lead,” he says, “but with AI, you can.” Bottlenecks have shifted from human talent to physical resources: electricity, data centers, and supply chain relationships. Take Navan, a travel management platform that Wall Street wrote off during the “SaaS apocalypse,” only to see it rebound as revenue grew. That’s the heart of the market’s short-term irrationality: it’s driven by narrative (“voting machine”), not fundamentals (“weighing machine”). Horowitz also highlights how tech’s lack of political influence led to dangerous regulatory overreach—like banning GPU sales globally—which only changed after VCs engaged directly with policymakers.

Culture remains the silent engine of success, but it’s not about fluffy values. Horowitz insists, “Culture is a set of actions, not beliefs”—like how quickly you reply to emails or whether the best idea wins regardless of rank. He’s seen teams collapse from unclear behavioral norms, while others thrive when leaders set non-negotiable standards. For founders, the lesson is simple: stop chasing vague “big ideas.” Instead, solve a tangible problem you personally face—like Dropbox’s founder tired of USB drives—and scale from there. The future isn’t about surviving disruption; it’s about owning the new categories AI creates, whether in energy, healthcare, or logistics. As Horowitz puts it, “When the sun is shining, be efficient—but don’t wait for it to be perfect. The old ways of thinking are the real risk.”

Surprising Insights

Centralizing control (instead of shared partnership economics) in venture capital enabled rapid reorganization and scaling—contrary to industry norms where shared control paralyzed change.
AI has flipped the bottleneck from human talent to physical resources: compute power, energy, and supply chain relationships now matter more than code or user interface.
Wall Street’s market reactions are narrative-driven (“voting machine”), not reality-based—”SaaS apocalypse” panic erased Navan’s value, but revenue growth later restored it.
Tech’s political engagement (like Horowitz’s donations to Kamala Harris) directly shaped AI/crypto policies, preventing regulatory overreach that could have ceded dominance to China.

Practical Takeaways

Solve a specific problem you experience firsthand—like Dropbox’s USB frustration—before scaling; this often uncovers larger opportunities and avoids “dorm room problem” traps.
Define culture through concrete behaviors (e.g., response times, decision-making rules), not abstract values; clear standards prevent internal conflict and build trust.
For founders: capital is abundant for good ideas today—focus on areas where compute, energy, or supply chain relationships are the real moats, not just software.
Engage proactively with policy makers: If tech ignores Washington, bad regulations (like GPU sales bans) will stifle innovation—shape the rules to keep competition global and balanced.

Điều gì sẽ xảy ra nếu kết quả nguy hiểm nhất cho tương lai của AI không phải là một siêu trí tuệ “nổi loạn”, mà là một tập đoàn độc quyền kiểm soát chính nền tảng của trí tuệ kỹ thuật số? Ben Horowitz cho rằng cuộc chiến về “trọng số mở” (open weights) — khả năng công chúng tiếp cận và sửa đổi các thành phần cốt lõi của mô hình AI — là cuộc chiến chính sách quan trọng nhất trong kỷ nguyên này. Ông lập luận rằng lịch sử đã chứng minh các hệ thống mã nguồn mở, như Linux và internet, vốn an toàn hơn các hệ thống độc quyền vì chúng cho phép cộng đồng toàn cầu nhận diện và khắc phục các lỗ hổng, thay vì phụ thuộc vào lợi ích hạn hẹp của một công ty duy nhất.

Cuộc thảo luận đi sâu vào sự căng thẳng giữa các phòng thí nghiệm tiên phong (frontier labs) — những đơn vị thường coi việc phản đối mã nguồn mở là vì mối lo ngại về “an toàn” — và hệ sinh thái rộng lớn hơn gồm các startup và giới học thuật. Horowitz gợi ý rằng những tuyên bố về an toàn này thường chỉ là “tấm màn che” cho hành vi chống cạnh tranh. Bằng cách giữ các mô hình đóng, các phòng thí nghiệm thống trị có thể kiểm soát thị trường và tiềm năng “tấn công” các nhà cung cấp ứng dụng nhỏ hơn bằng cách trợ giá cho các công cụ cạnh tranh của chính họ, trong khi vẫn thu phí đầy đủ từ các startup khi họ truy cập API. Ông nhấn mạnh rằng việc cấm mã nguồn mở là điều gần như không thể — vì các công thức toán học và tệp tin đã tồn tại trên internet — và điều này sẽ chỉ ngăn cản “những người tốt” xây dựng những đổi mới an toàn do Mỹ dẫn dắt.

Ngoài phần mềm, cuộc thảo luận còn đề cập đến những tác động địa chính trị và kinh tế của AI. Horowitz cảnh báo về một tương lai nơi Hoa Kỳ phải phụ thuộc vào các mô hình mã nguồn mở của Trung Quốc vì thiếu các mô hình riêng. Ông hình dung một thế giới nơi AI không chỉ thay thế công việc mà còn tạo ra một cuộc “phục hưng” trong sáng tạo và sản xuất. Bằng cách kết hợp các nhà máy tự động lấy AI làm trung tâm với một hệ sinh thái startup đa dạng, Hoa Kỳ có thể lấy lại lợi thế sản xuất và đảm bảo rằng “trí tuệ” vẫn là một tiện ích được dân chủ hóa thay vì là công cụ cho một vài thực thể quyền lực.

Những hiểu biết bất ngờ

An toàn thông qua minh bạch: Ngược lại với suy nghĩ thông thường, con đường “an toàn nhất” cho AI không phải là một hệ thống đóng được canh phòng cẩn mật, mà là một hệ thống mã nguồn mở nơi cả thế giới có thể kiểm tra các trọng số để giải quyết các vấn đề như “hack phần thưởng” (reward hacking).

Thị trường 3%: Mặc dù có cảm giác AI hiện diện ở khắp mọi nơi, Horowitz cho rằng mức độ thâm nhập thị trường hiện chỉ dưới 3%. Điều này có nghĩa là cả mô hình mã nguồn mở và mô hình độc quyền đều có thể tăng trưởng mạnh mẽ mà không triệt tiêu lẫn nhau trong tương lai gần.

“Thế hệ độc quyền”: Một số phòng thí nghiệm AI bị cáo buộc là bỏ qua “thế hệ nền tảng” truyền thống (nơi họ giúp người khác xây dựng) để nhảy thẳng sang “thế hệ độc quyền” (nơi họ cạnh tranh và thay thế chính các nhà phát triển của mình).

“Sản phẩm rác” nghệ thuật là sự tiến bộ: Thay vì lo sợ làn sóng nghệ thuật AI tầm thường, Horowitz so sánh điều này với việc phát minh ra máy đánh trống hoặc guitar điện — những công nghệ đã hạ thấp rào cản gia nhập và dẫn đến sự ra đời của những thể loại hoàn toàn mới như hip-hop và rock and roll.

Bài học thực tế

Đa dạng hóa danh mục mô hình: Đối với các nhà phát triển ứng dụng, việc xây dựng trên sự kết hợp giữa mô hình mã nguồn mở và độc quyền sẽ giúp phòng ngừa “rủi ro nền tảng” và khả năng tăng giá từ các phòng thí nghiệm thống trị.

Ưu tiên hậu huấn luyện (Post-Training) cho B2B: Khi xây dựng cho doanh nghiệp, hãy tập trung vào các mô hình mở nhỏ hơn nhưng được hậu huấn luyện kỹ lưỡng. Chúng thường nhanh hơn, rẻ hơn và hiệu quả hơn cho các tác vụ kinh doanh cụ thể so với các mô hình hàng đầu (flagship) khổng lồ.

Tận dụng kỹ thuật chưng cất (Distillation): Sử dụng kết quả đầu ra của các mô hình tiên phong để huấn luyện các mô hình chuyên biệt nhỏ hơn (chưng cất) nhằm giảm chi phí và tăng hiệu suất cho các trường hợp sử dụng hẹp.

Tập trung vào giá trị của “siêu trí tuệ”: Khi quyết định xem có nên trả phí cao cho một mô hình cao cấp hay không, hãy phân loại tác vụ: những tác vụ “nghiên cứu” phức tạp cao xứng đáng với mức giá tăng gấp 10 lần, trong khi các tác vụ “dọn dẹp” hoặc định kỳ thì không.

如果 AI 未來最危險的結果並非是出現「失控」的超級智能，而是一家控制著數位智能基礎設施的企業壟斷，那會如何？Ben Horowitz 主張，關於「開放權重」（open weights）——即公眾訪問並修改 AI 模型核心組件的能力——之爭，是當前時代最關鍵的政策鬥爭。他認為歷史證明，像 Linux 和互聯網這樣的開源系統本質上比專有系統更安全，因為開源系統允許全球社群共同識別並修復漏洞，而非僅僅依賴單一公司的狹隘利益。

這場對話深入探討了前沿實驗室（frontier labs）與更廣泛的創業公司及學術生態系統之間的緊張關係。前沿實驗室通常將反對開源定調為「安全」考量，而 Horowitz 認為，這些安全主張往往是反競爭行為的「遮羞布」。透過將模型封閉，主導實驗室可以控制市場，並可能透過補貼自家的競爭工具，同時對創業公司收取全額 API 訪問費，以此「攻擊」較小的應用提供商。他強調，禁止開源在現實中幾乎是不可能的——因為相關數學理論和文件已存在於互聯網上——而這樣做只會導致「好人」無法建立由美國主導的安全創新。

除了軟體之外，討論還觸及了 AI 的地緣政治與經濟影響。Horowitz 警告，如果美國缺乏自己的模型，未來可能會陷入依賴中國開源模型的局面。他憧憬一個 AI 不僅僅是取代工作，而是促成創意與製造業「文藝復興」的世界。透過將自動化、以 AI 為中心的工廠與多元化的創業生態系統相結合，美國可以重獲製造業優勢，並確保「智能」始終是一種民主化的公共設施，而非少數權力實體的工具。

驚人之見

透過透明度實現安全： 與直覺相反，AI 最「安全」的路徑並非高度受限的封閉系統，而是開源系統，讓全世界都能檢查權重，以解決如「獎勵駭客」（reward hacking）等問題。

3% 的市場： 儘管感覺 AI 已無處不在，但 Horowitz 指出目前的市場滲透率不足 3%，這意味著在可預見的未來，開源模型與專有模型都能大幅成長，而不會互相吞噬。

「壟斷一代」： 部分 AI 實驗室被指責跳過了傳統的「平台一代」（即幫助他人構建的階段），直接進入「壟斷一代」（即與自己的開發者競爭並將其取代）。

將藝術「垃圾內容」視為進步： Horowitz 並不擔心 AI 生成的平庸藝術泛濫，而將其比作電子鼓機或電吉他的發明——這些技術降低了准入門檻，並促成了嘻哈（hip-hop）和搖滾樂（rock and roll）等全新流派的誕生。

實務建議

多元化模型堆疊： 對於應用開發者而言，混合使用開源與專有模型可以對沖「平台風險」以及主導實驗室潛在的價格調漲。

B2B 優先考慮後訓練（Post-Training）： 在為企業開發時，應專注於經過良好後訓練的小型開源模型。對於特定的商業任務，它們通常比巨大的旗艦模型更快、更便宜且更有效。

利用模型蒸餾（Distillation）： 使用前沿模型的輸出來訓練更小、更專業的模型（即蒸餾），以降低成本並提高特定用例的性能。

聚焦「超級智能」價值： 在決定是否為頂級模型支付溢價時，請對任務進行分類：高複雜度的「研究員級」任務可以證明 10 倍價格漲幅的合理性，而「雜務級」或例行性任務則不需要。

Et si le résultat le plus dangereux pour l’avenir de l’IA n’était pas une superintelligence « incontrôlable », mais un monopole corporatif contrôlant les fondements mêmes de l’intelligence numérique ? Ben Horowitz soutient que la bataille pour les « poids ouverts » (open weights) — la capacité du public à accéder aux composants centraux des modèles d’IA et à les modifier — est le combat politique le plus critique de notre époque. Il affirme que l’histoire prouve que les systèmes open source, à l’instar de Linux et d’Internet, sont intrinsèquement plus sûrs que les systèmes propriétaires, car ils permettent à une communauté mondiale d’identifier et de corriger les vulnérabilités, plutôt que de dépendre des intérêts restreints d’une seule entreprise.

La conversation explore la tension entre les laboratoires de pointe (frontier labs), qui présentent souvent leur opposition à l’open source comme une préoccupation de « sécurité », et l’écosystème plus large composé de startups et d’universitaires. Horowitz suggère que ces arguments de sécurité sont souvent un « manteau » pour masquer des comportements anticoncurrentiels. En gardant les modèles fermés, les laboratoires dominants peuvent contrôler le marché et potentiellement « attaquer » les petits fournisseurs d’applications en subventionnant leurs propres outils concurrents tout en facturant aux startups le plein prix pour l’accès aux API. Il souligne qu’interdire l’open source est pratiquement impossible — puisque les mathématiques et les fichiers existent déjà sur Internet — et ne réussirait qu’à empêcher « les gentils » de bâtir des innovations sécurisées et dirigées par les États-Unis.

Au-delà du logiciel, la discussion aborde les implications géopolitiques et économiques de l’IA. Horowitz met en garde contre un avenir où les États-Unis dépendraient de modèles open source chinois faute d’en posséder les leurs. Il imagine un monde où l’IA ne se contente pas de remplacer des emplois, mais permet une « renaissance » de la créativité et de l’industrie. En combinant des usines automatisées centrées sur l’IA et un écosystème de startups pluraliste, les États-Unis pourraient retrouver leur avantage industriel et garantir que « l’intelligence » demeure un service public démocratisé plutôt qu’un outil réservé à quelques entités puissantes.

Perspectives Surprenantes

La sécurité par la transparence : Contre-intuitivement, la voie la plus « sûre » pour l’IA n’est pas un système fermé et hautement gardé, mais un système open source où le monde entier peut inspecter les poids pour résoudre des problèmes tels que le « reward hacking » (piratage de récompense).

Le marché des 3 % : Malgré l’impression que l’IA est partout, Horowitz suggère que le marché est pénétré à moins de 3 %, ce qui signifie que les modèles open source et propriétaires peuvent tous deux croître massivement sans se cannibaliser dans un avenir proche.

La « génération monopole » : Certains laboratoires d’IA sont accusés de sauter l’étape traditionnelle de la « génération plateforme » (où ils aident les autres à construire) pour passer directement à la « génération monopole » (où ils concurrencent et évincent leurs propres développeurs).

Le « Slop » artistique comme progrès : Plutôt que de craindre le déluge d’art médiocre généré par l’IA, Horowitz compare ce phénomène à l’invention de la boîte à rythmes ou de la guitare électrique — des technologies qui ont abaissé la barrière à l’entrée et conduit à la naissance de genres entièrement nouveaux comme le hip-hop et le rock and roll.

Conseils Pratiques

Diversifiez votre pile de modèles : Pour les développeurs d’applications, s’appuyer sur un mélange de modèles open source et propriétaires permet de se prémunir contre le « risque plateforme » et les augmentations de prix potentielles des laboratoires dominants.

Priorisez le post-entraînement pour le B2B : Lors de la création de solutions pour les entreprises, privilégiez des modèles ouverts plus petits et bien post-entraînés. Ils sont souvent plus rapides, moins coûteux et plus efficaces pour des tâches professionnelles spécifiques que les modèles phares massifs.

Tirez profit de la distillation : Utilisez les sorties des modèles de pointe pour entraîner des modèles spécialisés plus petits (distillation) afin de réduire les coûts et d’augmenter les performances pour des cas d’utilisation précis.

Évaluez la valeur de la « superintelligence » : Pour décider s’il faut payer un prix premium pour un modèle de premier plan, catégorisez la tâche : les tâches de « chercheur » à haute complexité justifient une augmentation de prix par dix, tandis que les tâches « routinières » ou de maintenance ne le justifient pas.

Was wäre, wenn das gefährlichste Szenario für die Zukunft der KI keine „abtrünnige“ Superintelligenz ist, sondern ein unternehmerisches Monopol, das das Fundament der digitalen Intelligenz kontrolliert? Ben Horowitz argumentiert, dass der Kampf um „Open Weights“ – die Möglichkeit für die Öffentlichkeit, auf die Kernkomponenten von KI-Modellen zuzugreifen und diese zu modifizieren – der entscheidende politische Kampf unserer Zeit ist. Er behauptet, die Geschichte beweise, dass Open-Source-Systeme, wie Linux und das Internet, von Natur aus sicherer sind als proprietäre Systeme, da sie es einer globalen Gemeinschaft ermöglichen, Schwachstellen zu identifizieren und zu beheben, anstatt sich auf die engen Interessen eines einzelnen Unternehmens zu verlassen.

Das Gespräch befasst sich mit dem Spannungsfeld zwischen den führenden KI-Laboren („Frontier Labs“), die ihren Widerstand gegen Open Source oft mit Sicherheitsbedenken begründen, und dem breiteren Ökosystem aus Start-ups und Akademikern. Horowitz deutet an, dass diese Sicherheitsargumente oft nur ein „Deckmantel“ für wettbewerbswidriges Verhalten sind. Indem sie ihre Modelle geschlossen halten, können dominante Labore den Markt kontrollieren und potenziell kleinere Anwendungsanbieter „angreifen“, indem sie ihre eigenen konkurrierenden Tools subventionieren, während sie den Start-ups den vollen Preis für den API-Zugang berechnen. Er betont, dass ein Verbot von Open Source praktisch unmöglich ist – da die Mathematik und die Dateien bereits im Internet existieren – und nur dazu führen würde, dass „die Guten“ daran gehindert werden, sichere, US-geführte Innovationen zu entwickeln.

Über die Software hinaus berührt die Diskussion die geopolitischen und wirtschaftlichen Auswirkungen der KI. Horowitz warnt vor einer Zukunft, in der die USA auf chinesische Open-Source-Modelle angewiesen sind, weil sie keine eigenen besitzen. Er visioniert eine Welt, in der KI nicht nur Arbeitsplätze ersetzt, sondern eine „Renaissance“ der Kreativität und Fertigung ermöglicht. Durch die Kombination von automatisierten, KI-zentrierten Fabriken mit einem pluralistischen Start-up-Ökosystem könnten die USA ihren Vorsprung in der Fertigung zurückgewinnen und sicherstellen, dass „Intelligenz“ ein demokratisiertes Gemeinschaftsgut bleibt und nicht zum Werkzeug einiger weniger mächtiger Einheiten wird.

Überraschende Erkenntnisse

Sicherheit durch Transparenz: Paradoxerweise ist der „sicherste“ Weg für die KI kein streng bewachtes, geschlossenes System, sondern ein Open-Source-System, bei dem die gesamte Welt die Gewichte prüfen kann, um Probleme wie „Reward Hacking“ zu lösen.

Der 3%-Markt: Trotz des Gefühls, dass KI allgegenwärtig ist, geht Horowitz davon aus, dass die Marktdurchdringung bei weniger als 3 % liegt. Das bedeutet, dass sowohl Open-Source- als auch proprietäre Modelle in absehbarer Zeit massiv wachsen können, ohne sich gegenseitig zu kannibalisieren.

Die „Monopol-Generation“: Einigen KI-Laboren wird vorgeworfen, die traditionelle „Plattform-Generation“ (in der sie anderen beim Aufbau helfen) zu überspringen und direkt zur „Monopol-Generation“ überzugehen (in der sie mit ihren eigenen Entwicklern konkurrieren und diese verdrängen).

Künstlerischer „Slop“ als Fortschritt: Anstatt die Flut an mittelmäßiger, KI-generierter Kunst zu fürchten, vergleicht Horowitz dies mit der Erfindung der Drum-Machine oder der E-Gitarre – Technologien, welche die Eintrittshürden senkten und zur Entstehung völlig neuer Genres wie Hip-Hop und Rock ’n’ Roll führten.

Praktische Erkenntnisse

Diversifizieren Sie Ihren Modell-Stack: Für Anwendungsentwickler bietet der Aufbau auf einem Mix aus Open-Source- und proprietären Modellen eine Absicherung gegen „Plattformrisiken“ und potenzielle Preiserhöhungen dominanter Labore.

Priorisieren Sie Post-Training für B2B: Konzentrieren Sie sich beim Aufbau für Unternehmen auf kleinere, gut nachtrainierte Open-Modelle. Diese sind für spezifische Geschäftsprozesse oft schneller, kostengünstiger und effektiver als massive Flaggschiff-Modelle.

Nutzen Sie Distillation: Verwenden Sie die Ausgaben von Frontier-Modellen, um kleinere, spezialisierte Modelle zu trainieren (Distillation), um Kosten zu senken und die Leistung für eng gefasste Anwendungsfälle zu steigern.

Fokus auf den Wert der „Superintelligenz“: Wenn Sie entscheiden, ob Sie einen Aufpreis für ein Top-Modell zahlen, kategorisieren Sie die Aufgabe: Hochkomplexe „Forscher-Aufgaben“ rechtfertigen eine zehnfache Preissteigerung, während „gelegentliche“ oder routinemäßige Aufgaben dies nicht tun.

Anjney Midha, founder of AMP PBC, speaks with Ben Horowitz, cofounder of a16z, about how venture capital changed from a small, relationship-driven business into a scalable system for backing new technology companies. They discuss network effects, firm design, leadership, culture, and how AI is reshaping both the capital race and the kinds of companies that can be built now.

Resources:

Follow Ben on X: https://x.com/bhorowitz

Follow Anjney on X: https://x.com/AnjneyMidha

Watch more from CS 153: Frontiers: https://www.youtube.com/@CS153Team

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.