Summary & Insights
What if the companies creating the most powerful AI models could raise so much capital that they swallow the entire ecosystem built on top of them? This existential question frames a conversation with a16z general partners Martin Casado and Sarah Wang, who explore the unprecedented dynamics of AI investing. They dissect a landscape where traditional categories are obliterated: venture and growth stages blur as companies like OpenAI raise massive, complex rounds just months after inception, while the line between infrastructure and application vanishes as model labs also become dominant end-user products. This leads to a new, potent “capital flywheel”—a model company can raise money, convert it directly into compute, achieve a capability breakthrough, funnel that into a vertical product like ChatGPT to capture demand and revenue, and then use that momentum to raise even more, restarting the cycle.
This flywheel is accelerated by a historic talent war, where top researchers command compensation packages in the tens of millions, and founder movements resemble the early days of Silicon Valley. The discussion reveals a market increasingly bifurcated between the “hot” frontier model companies and everything else. A significant casualty is “boring software”—traditional enterprise companies in large markets with solid growth that are now overlooked because they aren’t on the explosive “token path.” The investors argue this represents a major opportunity, as the market’s mania for hyper-growth has blinded many to enduring, valuable businesses.
The path forward is shrouded in uncertainty, hinging on two possible futures. In one, the market is infinitely large and fragments, with value accruing to specialized applications and “agent labs” that price against human labor costs. In the other, foundational models become so generalized and capital-rich that they expand like stars, consuming all the value in the layers above them. The answer depends on whether AI capabilities plateau, allowing for moats around specific tasks, or if scaling laws continue and the biggest players can perpetually outspend the aggregate of their own ecosystem.
Surprising Insights
- There are no “dark GPUs”: Unlike the internet bubble where fiber was laid with no demand, every dollar invested in AI compute today has immediate, paying demand on the other side, making the capital cycle fundamentally different.
- Capital can directly buy growth in AI: Historically, engineering bandwidth was the bottleneck after fundraising. Now, a model company can raise capital and, with a team of 20, produce a state-of-the-art model that generates immediate revenue within a year—a never-before-seen capital efficiency for breakthrough tech.
- Specialized “coding models” may not exist: The conversation suggests that the best coding assistants are not narrow AI but are fundamentally general-purpose models with good “bedside manner.” This implies that task-specific AI may be a mirage, and the most general model will often win.
- Founders are driven by a unified North Star of AGI: Unlike previous tech waves where founders aimed to build companies, many top AI founders are intrinsically motivated by the pursuit of artificial general intelligence, which creates unique tensions between product focus and research dedication.
- Public perception is wildly disconnected from reality: The investors, who sit on many boards, state that the gossip and narrative on social media about AI companies are “way off” from the truth, creating a difficult environment where founders must battle phantoms.
Practical Takeaways
- For founders: If building on top of a foundational model, you must be on the “token path” and have a clear strategy for extracting margin from the tokens you use, whether by building your own specialized models over time or pricing against the value of replaced human labor.
- For investors and builders: Look past the hype to “boring” enterprise software companies in large markets. Solid growth in a durable sector is currently undervalued compared to flashy, hyper-growth AI ventures.
- Assess your position in the capital flywheel: Understand whether your business model relies on the continued, subsidized availability of frontier model APIs or if you can build a defensible data/product moat that isn’t instantly replicable by the model provider itself.
- When evaluating AI startups, prioritize demonstrated founder expertise in their specific domain over generic AI hype. The investors emphasize backing “N of 1 founders” with proven, deep experience in the problem area (e.g., audio, 3D, reasoning) rather than generic model builders.
- Maintain extreme skepticism towards industry gossip. The noise and distortion on social media are at an all-time high. The advice from successful founders is to keep heads down and focus solely on the business.
Điều gì sẽ xảy ra nếu những công ty tạo ra các mô hình AI mạnh nhất có thể huy động lượng vốn lớn đến mức nuốt chửng toàn bộ hệ sinh thái xây dựng trên nền tảng của họ? Câu hỏi sinh tử này định hình cuộc thảo luận với hai đối tác chung của a16z là Martin Casado và Sarah Wang, khi họ khám phá động lực đầu tư AI chưa từng có. Họ phân tích một bức tranh nơi các phân khúc truyền thống bị xóa nhòa: giai đoạn mạo hiểm và tăng trưởng hòa lẫn khi những công ty như OpenAI huy động các vòng gọi vốn khổng lồ, phức tạp chỉ vài tháng sau khi thành lập, trong khi ranh giới giữa hạ tầng và ứng dụng biến mất khi các phòng thí nghiệm mô hình cũng trở thành sản phẩm cuối cùng thống trị. Điều này dẫn đến một “bánh đà vốn” mới mạnh mẽ—một công ty mô hình có thể gọi vốn, chuyển trực tiếp thành năng lực tính toán, đạt bước đột phá về khả năng, chuyển thành sản phẩm chuyên sâu như ChatGPT để chiếm lĩnh nhu cầu và doanh thu, rồi dùng đà đó để gọi thêm vốn, khởi động lại chu kỳ.
Bánh đà này được gia tốc bởi cuộc chiến tranh giành nhân tài lịch sử, nơi các nhà nghiên cứu hàng đầu được trả gói thù lao hàng chục triệu USD, và phong trào khởi nghiệp giống như thời kỳ đầu Thung lũng Silicon. Cuộc thảo luận cho thấy thị trường ngày càng phân cực giữa các công ty mô hình tiên phong “hot” và phần còn lại. Một “nạn nhân” đáng chú ý là “phần mềm nhàm chán”—các doanh nghiệp truyền thống trong thị trường lớn với tăng trưởng ổn định giờ bị lãng quên vì không nằm trên “con đường token” bùng nổ. Các nhà đầu tư cho rằng đây chính là cơ hội lớn, khi cơn sốt tăng trưởng siêu tốc đã khiến nhiều người bỏ qua những doanh nghiệp bền vững, giá trị.
Lối đi phía trước đầy bất định, phụ thuộc vào hai viễn cảnh. Một là thị trường vô hạn và phân mảnh, với giá trị dồn về các ứng dụng chuyên biệt và “phòng thí nghiệm tác nhân” định giá theo chi phí nhân công. Hai là các mô hình nền tảng trở nên quá tổng quát và giàu vốn đến mức mở rộng như những ngôi sao, hút hết giá trị ở các tầng phía trên. Câu trả lời phụ thuộc vào việc khả năng AI sẽ đạt trạng thái bão hòa (tạo hào rào quanh các tác vụ cụ thể) hay quy luật mở rộng tiếp tục và những công ty lớn nhất có thể mãi chi vượt tổng thể hệ sinh thái của chính họ.
Những góc nhìn bất ngờ
- Không có “GPU ngầm”: Khác với bong bóng internet khi cáp quang được đặt không có nhu cầu, mỗi đồng đầu tư vào điện toán AI hiện nay đều có nhu cầu thanh toán ngay lập tức ở phía bên kia, khiến chu kỳ vốn căn bản khác biệt.
- Vốn có thể trực tiếp mua tăng trưởng trong AI: Trước đây, băng thông kỹ thuật là điểm nghẽn sau gọi vốn. Giờ đây, một công ty mô hình có thể gọi vốn và chỉ với 20 người tạo ra mô hình đỉnh cao sinh doanh thu ngay trong một năm—hiệu quả vốn chưa từng có cho công nghệ đột phá.
- “Mô hình lập trình” chuyên biệt có thể không tồn tại: Cuộc thảo luận gợi ý rằng trợ lý lập trình tốt nhất không phải AI hẹp mà về bản chất là mô hình đa dụng có “thái độ phục vụ” tốt. Điều này ngụ ý rằng AI chuyên biệt có thể là ảo ảnh, và mô hình tổng quát nhất thường sẽ thắng.
- Nhà sáng lập được dẫn dắt bởi một “Ngôi sao Phương Bắc” thống nhất về AGI: Khác với làn sóng công nghệ trước khi nhà sáng lập nhắm xây dựng công ty, nhiều nhà sáng lập AI hàng đầu được thúc đẩy nội tại bởi theo đuổi trí tuệ nhân tạo tổng quát, tạo nên những căng thẳng độc đáo giữa tập trung sản phẩm và cống hiến nghiên cứu.
- Nhận thức công chúng lệch xa thực tế: Các nhà đầu tư ngồi trong nhiều hội đồng quản trị cho biết tin đồn và tường thuật trên mạng xã hội về công ty AI “sai lệch nghiêm trọng” so với thực tế, tạo ra môi trường khó khăn nơi nhà sáng lập phải chiến đấu với bóng ma.
Điểm rút ra thực tiễn
- Với nhà sáng lập: Nếu xây dựng trên mô hình nền tảng, bạn phải nằm trên “con đường token” và có chiến lược rõ ràng để tạo biên lợi nhuận từ token sử dụng—dù bằng cách xây dựng mô hình chuyên biệt riêng theo thời gian hay định giá dựa trên giá trị lao động con người được thay thế.
- Với nhà đầu tư và người xây dựng: Hãy nhìn xa hơn cơn sốt để đến với các công ty phần mềm doanh nghiệp “nhàm chán” trong thị trường lớn. Tăng trưởng ổn định trong lĩnh vực bền vững hiện bị định giá thấp so với các dự án AI hào nhoáng tăng trưởng siêu tốc.
- Đánh giá vị trí của bạn trong bánh đà vốn: Hiểu rõ liệu mô hình kinh doanh của bạn phụ thuộc vào tính sẵn có được trợ giá của API mô hình tiên phong, hay bạn có thể xây dựng hào rào dữ liệu/sản phẩm phòng thủ không thể bị sao chép ngay bởi chính nhà cung cấp mô hình.
- Khi đánh giá startup AI, ưu tiên chuyên môn đã được chứng minh của nhà sáng lập trong lĩnh vực cụ thể hơn là cơn sốt AI chung chung. Các nhà đầu tư nhấn mạnh việc ủng hộ “nhà sáng lập độc nhất” với kinh nghiệm sâu rộng đã được chứng minh trong lĩnh vực vấn đề (ví dụ: âm thanh, 3D, lập luận) thay vì những người xây mô hình chung chung.
- Duy trì thái độ hoài nghi cực độ với tin đồn ngành. Tiếng ồn và xuyên tạc trên mạng xã hội đang ở mức cao nhất mọi thời đại. Lời khuyên từ những nhà sáng lập thành công là cúi đầu làm việc và chỉ tập trung vào kinh doanh.
假若開發最先進AI模型的公司能夠籌集如此巨額的資金，以至於吞噬建立在它們之上的整個生態系統會怎樣？這個關乎存亡的問題，構成了我們與a16z普通合夥人馬丁·卡薩多和薩拉·王的對話框架。他們探討了AI投資前所未有的動態，剖析了一個傳統類別被徹底顛覆的格局：隨著像OpenAI這樣的公司在成立僅數月後就完成巨額複雜的融資輪，風險投資與成長階段的界線變得模糊；同時，隨著模型實驗室也成為主導性的終端用戶產品，基礎設施與應用程式之間的界限也消失了。這導致了一個全新而強大的「資本飛輪」——模型公司可以籌集資金，直接將其轉化為運算能力，實現能力突破，並將其注入像ChatGPT這樣的垂直產品以捕獲需求和收入，然後利用這種勢頭籌集更多資金，重啟循環。
這場歷史性的人才爭奪戰加速了這個飛輪，頂尖研究人員的薪酬可達數千萬美元，創始人動向類似矽谷早期。討論揭示了一個日益分化為「熱門」前沿模型公司和其他一切的市場。一個重要的受害者是「乏味軟體」——在龐大市場中擁有穩固增長的傳統企業公司，如今因不在爆發式的「token路徑」上而被忽視。投資者認為這代表了一個重大機會，因為市場對超高速增長的狂熱讓許多人忽視了持久且有價值的企業。
前路充滿不確定性，取決於兩種可能的未來。一種是市場無限擴大並碎片化，價值歸於專業化應用和以人力成本為定價基準的「智慧體實驗室」。另一種是基礎模型變得如此通用且資本雄厚，以至於像恆星般擴張，吞噬其上所有層級的價值。答案取決於AI能力是否會趨於穩定，從而圍繞特定任務形成護城河，或者規模化定律是否持續，使最大參與者能夠永久性地超過其自身生態系統的總支出。
令人意外的洞見
- 不存在「閒置GPU」： 與網路泡沫時期光纖鋪設卻無需求的狀況不同，如今投入AI運算的每一美元都有即時的付費需求，這使得資本循環本質上不同。
- 資本能直接購買AI的成長： 歷史上，工程開發能力是融資後的瓶頸。現在，一家模型公司可以籌集資金，並用一支20人的團隊在一年內打造出能立即產生收入的尖端模型——這是突破性技術領域前所未見的資本效率。
- 專業化的「編程模型」可能並不存在： 對話指出，最好的編程助手並非狹義AI，而是具備良好「溝通技巧」的通用模型。這意味著任務特定AI可能只是幻影，而最通用的模型往往會勝出。
- 創始人被通用人工智慧這一共同北極星所驅動： 與以往科技浪潮中創始人旨在建立公司不同，許多頂尖AI創始人內在動力在於追求通用人工智慧，這在產品聚焦與研究投入之間創造了獨特張力。
- 公眾認知與現實嚴重脫節： 身兼多家公司董事的投資者表示，社交媒體上關於AI公司的傳言與敘事與真相「相去甚遠」，創造了一個創始人必須與幻影搏鬥的艱難環境。
實用啟示
- 對創始人而言： 若基於基礎模型進行建構，你必須走「token路徑」，並有明確的策略從所使用的token中提取利潤——無論是通過逐步建立自己的專業化模型，還是相對於所替代人力勞動的價值進行定價。
- 對投資者和建設者而言： 超越炒作，關注大市場中的「乏味」企業軟體公司。相較於炫目、超高速增長的AI企業，持久領域中的穩健增長目前被低估。
- 評估你在資本飛輪中的位置： 理解你的商業模式是否依賴於前沿模型API持續且受補貼的可用性，或者你能否建立一個防禦性的資料/產品護城河，而不會被模型供應商自身立即複製。
- 評估AI新創企業時，優先考慮創始人在特定領域已展示的專業知識，而非一般的AI炒作。 投資者強調支援「N等於1的創始人」——在問題領域（如音訊、3D、推理）擁有經過驗證的深厚經驗，而非泛泛的模型建構者。
- 對產業傳言保持極度懷疑態度。 社交媒體上的噪音和扭曲達到了歷史最高水平。成功創始人的建議是埋頭苦幹，專注於業務本身。
¿Y si las empresas que crean los modelos de IA más potentes pudieran captar tanto capital que absorbieran todo el ecosistema construido sobre ellos? Esta cuestión existencial enmarca una conversación con los socios generales de a16z, Martin Casado y Sarah Wang, quienes exploran las dinámicas sin precedentes de la inversión en IA. Diseccionan un panorama donde las categorías tradicionales se desvanecen: las etapas de venture y crecimiento se difuminan cuando empresas como OpenAI consiguen rondas de financiación masivas y complejas apenas unos meses después de su creación, mientras que la línea entre infraestructura y aplicación desaparece, ya que los laboratorios de modelos también se convierten en productos finales dominantes. Esto da lugar a una nueva y poderosa “rueda de capital”: una empresa de modelos puede captar dinero, convertirlo directamente en capacidad computacional, lograr un avance en capacidades, canalizarlo hacia un producto vertical como ChatGPT para captar demanda e ingresos, y luego usar ese impulso para captar aún más capital, reiniciando el ciclo.
Esta rueda se ve acelerada por una histórica guerra por el talento, donde los mejores investigadores reciben paquetes de compensación de decenas de millones, y los movimientos de los fundadores se asemejan a los primeros días de Silicon Valley. La discusión revela un mercado cada vez más bifurcado entre las empresas de modelos “punteras” en boga y todo lo demás. Una baja significativa es el “software aburrido”: empresas tradicionales del sector empresarial en mercados grandes con un crecimiento sólido que ahora se pasan por alto porque no están en la explosiva “ruta del token”. Los inversores argumentan que esto representa una gran oportunidad, ya que la manía del mercado por el hipercrecimiento ha cegado a muchos ante negocios valiosos y duraderos.
El camino a seguir está envuelto en incertidumbre, pendiente de dos futuros posibles. En uno, el mercado es infinitamente grande y se fragmenta, con el valor acumulándose en aplicaciones especializadas y “laboratorios de agentes” que fijan precios en relación con los costos laborales humanos. En el otro, los modelos fundamentales se vuelven tan generalizados y ricos en capital que se expanden como estrellas, consumiendo todo el valor en las capas superiores. La respuesta depende de si las capacidades de la IA se estancan, permitiendo la creación de barreras defensivas (moats) alrededor de tareas específicas, o si las leyes de escalado (scaling laws) continúan y los jugadores más grandes pueden superar en gasto de manera perpetua al conjunto de su propio ecosistema.
Ideas Sorprendentes
- No existen “GPUs oscuras”: A diferencia de la burbuja de internet donde se tendía fibra sin demanda, cada dólar invertido hoy en capacidad computacional (compute) para IA tiene una demanda inmediata y dispuesta a pagar al otro lado, lo que hace que el ciclo de capital sea fundamentalmente diferente.
- El capital puede comprar crecimiento directamente en IA: Históricamente, la capacidad de ingeniería era el cuello de botella después de la captación de fondos. Ahora, una empresa de modelos puede captar capital y, con un equipo de 20 personas, producir un modelo de vanguardia que genere ingresos inmediatos en menos de un año: una eficiencia del capital nunca antes vista para una tecnología revolucionaria.
- Es posible que no existan “modelos de codificación” especializados: La conversación sugiere que los mejores asistentes de codificación no son IA estrechas, sino fundamentalmente modelos de propósito general con un buen “trato amable” (bedside manner). Esto implica que la IA específica para tareas podría ser un espejismo, y el modelo más general ganará a menudo.
- Los fundadores se guían por una única estrella polar: la AGI: A diferencia de olas tecnológicas anteriores donde los fundadores aspiraban a construir empresas, muchos de los principales fundadores de IA están motivados intrínsecamente por la búsqueda de la inteligencia artificial general (AGI), lo que crea tensiones únicas entre el enfoque en el producto y la dedicación a la investigación.
- La percepción pública está totalmente desconectada de la realidad: Los inversores, que forman parte de muchos consejos de administración, afirman que los chismes y narrativas en las redes sociales sobre las empresas de IA están “muy lejos” de la verdad, creando un entorno difícil donde los fundadores deben luchar contra fantasmas.
Conclusiones Prácticas
- Para los fundadores: Si construyes sobre un modelo fundamental, debes estar en la “ruta del token” y tener una estrategia clara para extraer margen de los tokens que utilizas, ya sea construyendo tus propios modelos especializados con el tiempo o fijando precios contra el valor del trabajo humano reemplazado.
- Para inversores y creadores: Mirar más allá del bombo publicitario hacia empresas de “software aburrido” para el sector empresarial en mercados grandes. El crecimiento sólido en un sector duradero está actualmente infravalorado en comparación con los llamativos proyectos de IA de hipercrecimiento.
- Evalúa tu posición en la rueda de capital: Comprende si tu modelo de negocio depende de la disponibilidad continuada y subsidiada de las APIs de los modelos punteros, o si puedes construir una barrera defensiva (moat) de datos/producto que no sea instantáneamente replicable por el propio proveedor del modelo.
- Al evaluar startups de IA, prioriza la experiencia demostrada del fundador en su dominio específico por encima del bombo genérico sobre IA. Los inversores enfatizan respaldar a “fundadores únicos en su especie (N of 1)” con experiencia probada y profunda en el área del problema (por ejemplo, audio, 3D, razonamiento) en lugar de a constructores de modelos genéricos.
- Mantén un escepticismo extremo hacia los chismes de la industria. El ruido y la distorsión en las redes sociales están en un máximo histórico. El consejo de fundadores exitosos es mantener la cabeza baja y centrarse únicamente en el negocio.
Esta roda de inércia é acelerada por uma guerra histórica por talentos, onde os melhores pesquisadores comandam pacotes de remuneração na casa das dezenas de milhões, e os movimentos dos fundadores lembram os primórdios do Vale do Silício. A discussão revela um mercado cada vez mais bifurcado entre as “quentes” empresas de modelos de fronteira e todo o resto. Uma vítima significativa é o “software tedioso” — empresas tradicionais de *enterprise* em grandes mercados com crescimento sólido que agora são negligenciadas porque não estão no explosivo “caminho dos *tokens*”. Os investidores argumentam que isso representa uma grande oportunidade, pois a mania do mercado pelo hipercrescimento cegou muitos para negócios duráveis e valiosos.
O caminho a seguir está envolto em incerteza, dependendo de dois futuros possíveis. Num, o mercado é infinitamente grande e se fragmenta, com o valor acumulando-se em aplicações especializadas e “laboratórios de agentes” que precificam contra os custos do trabalho humano. No outro, os modelos fundamentais tornam-se tão generalizados e ricos em capital que se expandem como estrelas, consumindo todo o valor nas camadas acima deles. A resposta depende se as capacidades da IA atingirão um platô, permitindo a construção de fossos em torno de tarefas específicas, ou se as leis de *scaling* continuam e os maiores jogadores podem, perpetuamente, gastar mais do que o agregado do seu próprio ecossistema.
### *Insights* Surpreendentes
– **Não existem “GPUs obscuras”:** Ao contrário da bolha da Internet, onde a fibra era instalada sem demanda, cada dólar investido em computação de IA hoje tem demanda imediata e pagante do outro lado, tornando o ciclo de capital fundamentalmente diferente.
– **O capital pode comprar crescimento diretamente na IA:** Historicamente, a capacidade de engenharia era o gargalo após a captação de recursos. Agora, uma empresa de modelos pode captar capital e, com uma equipe de 20 pessoas, produzir um modelo de ponta que gera receita imediata dentro de um ano — uma eficiência de capital nunca antes vista para tecnologias disruptivas.
– **”Modelos de programação” especializados podem não existir:** A conversa sugere que os melhores assistentes de programação não são IA estreita, mas sim modelos de propósito fundamentalmente geral com um bom “jeito para lidar”. Isso implica que a IA específica para tarefas pode ser uma miragem, e o modelo mais geral frequentemente vencerá.
– **Os fundadores são impulsionados por uma única “Estrela do Norte” — a AGI:** Ao contrário de ondas tecnológicas anteriores, onde os fundadores visavam construir empresas, muitos dos principais fundadores de IA são intrinsecamente motivados pela busca da inteligência artificial geral, o que cria tensões únicas entre foco no produto e dedicação à pesquisa.
– **A percepção pública está profundamente desconectada da realidade:** Os investidores, que participam de muitos conselhos de administração, afirmam que as fofocas e narrativas nas redes sociais sobre as empresas de IA estão “muito distantes” da verdade, criando um ambiente difícil onde os fundadores precisam lutar contra fantasmas.
### Conclusões Práticas
– **Para fundadores:** Se estiver construindo sobre um modelo fundamental, você deve estar no “caminho dos *tokens*” e ter uma estratégia clara para extrair margem dos *tokens* que usa, seja construindo seus próprios modelos especializados ao longo do tempo ou precificando contra o valor do trabalho humano substituído.
– **Para investidores e construtores:** Olhe além do hype para empresas de “software tedioso” de *enterprise* em grandes mercados. Um crescimento sólido num setor durável está atualmente subvalorizado em comparação com empreendimentos de IA chamativos e de hipercrescimento.
– **Avalie sua posição na roda de inércia do capital:** Compreenda se seu modelo de negócio depende da continuação da disponibilidade subsidiada de APIs de modelos de fronteira ou se você pode construir um fosso defensivo de dados/produto que não seja instantaneamente replicável pelo próprio provedor do modelo.
– **Ao avaliar *startups* de IA, priorize a expertise demonstrada do fundador em seu domínio específico em vez do hype genérico de IA.** Os investidores enfatizam apoiar “fundadores únicos” com experiência comprovada e profunda na área do problema (ex: áudio, 3D, raciocínio) em vez de construtores de modelos genéricos.
– **Mantenha um ceticismo extremo em relação às fofocas do setor.** O ruído e a distorção nas redes sociais estão em um nível recorde. O conselho dos fundadores bem-sucedidos é manter a cabeça baixa e focar unicamente no negócio.
a16z’s Martin Casado and Sarah Wang join Latent Space hosts Alessio Fanelli and Swyx to discuss what makes this AI investment cycle unlike anything in the history of venture capital. They cover why the lines between venture and growth, apps and infrastructure are blurring, how frontier model companies can raise more than the aggregate of everyone built on top of them, and why the industry-wide gap between perception and reality has never been wider.
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.
Leave a Reply
You must be logged in to post a comment.