PodcastsHear the voice. See the shape of the thought.

टेक विश्लेषक Benedict Evans ने a16z के Erik Torenberg के साथ डेढ़ साल के AI विकास का जायज़ा लिया — क्या तय हो चुका है और क्या अभी भी खुला है। Evans का तर्क है कि agentic coding अब तक AI की एकमात्र असली ब्रेकआउट यूज़ केस के रूप में उभरी है, बाकी सब अभी "किनारे पर उपयोगी" की श्रेणी में हैं। पूरी बातचीत में वे एक केंद्रीय ढांचागत सवाल पर लौटते रहते हैं: क्या फ़ाउंडेशन मॉडल कंपनियाँ ISP और मोबाइल ऑपरेटरों की तरह कमोडिटी इन्फ्रास्ट्रक्चर बन जाएँगी, या ऑपरेटिंग सिस्टम की तरह स्टैक में ऊपर जाकर मूल्य पर कब्ज़ा कर पाएँगी। ## [00:00] परिचय यह खंड बातचीत के बाद के हिस्से से लिया गया एक टीज़र है। Evans उस मोबाइल-ऑपरेटर सादृश्य की झलक देते हैं जिसे वे आगे विस्तार से समझाते हैं: कैरियर्स ने महंगा वैश्विक इन्फ्रास्ट्रक्चर बनाया, ट्रैफ़िक 2,000 गुना बढ़ा, और सारा मूल्य ऊपर उन कंपनियों के पास चला गया जो उस इन्फ्रास्ट्रक्चर पर चल रही थीं — एक पैटर्न जो उनके अनुसार LLMs पर सीधे लागू होता है। वे एक ठोस डेटा बिंदु भी उठाते हैं जो पूरी चर्चा की नींव है: Anthropic का रन रेट एक साल में लगभग $9 बिलियन से $47 बिलियन तक पहुँचा, और यह लगभग पूरी तरह सॉफ़्टवेयर डेवलपमेंट से। > *"उन्होंने यह अविश्वसनीय रूप से परिष्कृत और महँगा वैश्विक इन्फ्रास्ट्रक्चर बनाया, उपयोग लगातार बढ़ता रहा, इसने हमारी ज़िंदगियाँ बदल दीं, हम सब इसके लिए पैसे देते हैं — और फिर भी उन्होंने इससे पैसे नहीं कमाए, क्योंकि सारा मूल्य ऊपर चला गया।"* ## [01:05] AI अपनाने की गति तेज़ Evans अपनी "AI Eats the World" प्रेज़ेंटेशन के पहले संस्करण के बाद से क्या बदला है, इस पर विचार करते हैं। सबसे स्पष्ट बदलाव: लैब्स के बीच प्रतिस्पर्धी रणनीति "बड़ा मॉडल तेज़ी से बनाओ" से आगे बढ़ चुकी है — OpenAI कई रणनीतिक मुद्राओं से गुज़री, जबकि Anthropic ने coding पर ध्यान केंद्रित किया और उसे काम करवाया। यह फ़ोकस अब पूरे उद्योग में फैल रहा है। जो सवाल Evans को अब तक सुलझे होने की उम्मीद थी — क्या एक मॉडल का दबदबा होगा, क्या मॉडल स्टैक में ऊपर जाकर मूल्य पकड़ पाएँगे, क्या उपभोक्ता AI का उपयोग साप्ताहिक नहीं बल्कि दैनिक करेंगे — वे अभी भी खुले हैं। Coding पहले क्यों उभरी, इस पर Evans को पीछे मुड़कर कोई हैरानी नहीं है: सॉफ़्टवेयर डेवलपर शुरुआती अपनाने वाले थे, इसलिए उन्होंने पहले वही काम स्वचालित करने की कोशिश की जो वे खुद करते थे। वे 1980 के दशक की शुरुआत के PC से सादृश्य देते हैं: बेहद रोमांचक, लेकिन अभी तक स्पष्ट नहीं कि यह किस काम का है, और पहला एप्लिकेशन था और अधिक कंप्यूटर बनाना। इस साल जो वाकई बदला है, वह यह कि agentic coding एक दहलीज़ पार कर चुकी है — "थोड़ी उपयोगी" से "सब कुछ सच में बदल रही है" तक। > *"यह 1997 का इंटरनेट जैसा है, पर 1980 के दशक की शुरुआत का PC भी जैसा है। बेहद रोमांचक, पर अभी पूरी तरह स्पष्ट नहीं कि यह किस काम का है और यह अभी पूरी तरह काम भी नहीं करता।"* ## [06:00] OpenAI की रणनीति और उपयोग की खाई Evans 2025 के अंत के OpenAI के दौर को हर दिशा में एक साथ मूल्य बनाने की कोशिश के रूप में चित्रित करते हैं — विज्ञापन, ई-कॉमर्स, शॉपिंग कार्ट, पेमेंट, एक ब्राउज़र, एक सोशल वीडियो ऐप — जब तक कि Anthropic के नतीजों ने स्पष्ट नहीं कर दिया कि coding ही असल में काम करती है, तब उन्होंने तेज़ी से उसी पर लौटना तय किया। Anthropic का coding पर दांव जानबूझकर था या संयोग से, यह बात गौण है; काम किया, और OpenAI ने उसका अनुसरण किया। Evans एक गहरी समस्या उठाते हैं: coding के तेज़ अपनाने के बावजूद, AI टूल्स में दैनिक सक्रिय उपयोगकर्ता अभी भी कुल उपयोगकर्ताओं के लगभग 10% के आसपास हैं, और 30-40% AI का उपयोग केवल साप्ताहिक करते हैं। जो लोग पूरे दिन Claude Code चलाते हैं और जिन्होंने इसे "पिछले हफ़्ते किसी काम के लिए" इस्तेमाल किया — उनके बीच की खाई अभी भी बंद नहीं हो रही। वे उपभोक्ता-मुखी उत्पादों में इस खाई और विशिष्ट बैक-ऑफ़िस एंटरप्राइज़ ऑटोमेशन के बीच फ़र्क करते हैं — जैसे एक कमोडिटी कंपनी छोटे उत्पादकों से कैश फ़्लो का पूर्वानुमान LLMs से करती है — जहाँ लाभ सटीक और मापनीय है, बिना उपयोगकर्ताओं को टूल खुद सीखने के। > *"अगर आप इसे सिर्फ़ हफ़्ते में एक बार इस्तेमाल कर रहे हैं, तो आपने अभी 'नाना' हासिल नहीं किया।"* ## [09:27] प्लेटफ़ॉर्म बदलाव और मूल्य पर कब्ज़ा Evans मौजूदा दौर को पिछले प्लेटफ़ॉर्म बदलावों के आईने में पढ़ने के लिए तीन धाराएँ सामने रखते हैं। पहली: अपनाना हमेशा पहले से मौजूद इन्फ्रास्ट्रक्चर पर बनता है — मोबाइल को इंटरनेट का इंतज़ार नहीं करना पड़ा, इंटरनेट को PC का नहीं — इसलिए तेज़ होती अपनाने की दरें अप्रत्याशित नहीं हैं। दूसरी: किसी भी बदलाव के शुरुआती चरण में कुछ भी भरोसेमंद तरीके से काम नहीं करता; 1980 के दशक के PC पर साउंड कार्ड लगाने में पूरा वीकेंड लगता था, और इंटरनेट एक्सेस के लिए TCP/IP वाली फ़्लॉपी ज़रूरी थी। AI के साथ हम उसी मुकाम पर हैं। तीसरी: आपूर्ति और माँग के बीच मूल्य निर्धारण का संकट 2009-2010 के मोबाइल डेटा जैसा है, जब कैरियर्स के पास फ्लैट-रेट प्लान थे और अचानक सब YouTube स्ट्रीम कर रहे थे। केंद्रीय ढांचागत तर्क: मूल्य चिप कंपनियों, ISPs या मोबाइल ऑपरेटरों के पास नहीं गया। Windows और iOS ने उसे पकड़ा — लेकिन उनके पास नेटवर्क इफेक्ट और प्लेटफ़ॉर्म लीवरेज थे जो LLMs के पास स्पष्ट रूप से नहीं हैं। फ़ाउंडेशन मॉडल ऑपरेटिंग सिस्टम से ज़्यादा हाइपरस्केलर जैसे दिखते हैं: एंटरप्राइज़ कंपनियाँ "Claude पर मानकीकरण" नहीं करतीं, जैसे उन्हें कभी नहीं पता था कि उनके SaaS ऐप किस क्लाउड पर चलते हैं। Evans गलत होने की संभावना स्वीकार करते हैं, लेकिन ज़ोर देते हैं कि मौजूदा मूल्य-निर्धारण असंतुलन अस्थायी है। > *"चिप कंपनियों ने मूल्य नहीं पकड़ा। ISPs ने नहीं पकड़ा। मोबाइल नेटवर्क ऑपरेटरों ने नहीं पकड़ा। Windows और iOS ने पकड़ा — लेकिन वे कुछ और कर रहे थे, उनके पास स्टैक में ऊपर जाने के सारे लीवर थे।"* ## [30:43] स्वचालन और जेवन्स Evans अपनी प्रेज़ेंटेशन से एक ढाँचा पेश करते हैं कि स्वचालन किसी उद्योग के साथ असल में क्या करता है: शुद्ध मूल्य लोच (वही काम सस्ते में), उसी पैसे में ज़्यादा करना, उन चीज़ों को अनलॉक करना जो पहले बाधाओं के कारण बेहद महँगी थीं, और वे चीज़ें संभव करना जो पहले पूरी तरह असंभव थीं — जैसे भाप इंजन और रेलगाड़ियाँ, या Spotify जो $15 महीने में सारा रिकॉर्डेड संगीत उपलब्ध कराता है। वे ज़रूरत से ज़्यादा भविष्यवाणी करने से बचते हैं: "इंटरनेट फ़िज़िकल वितरण को नष्ट कर देगा" — यह टिप्पणी अखबारों (नष्ट) और फ़िल्म स्टूडियो (मुश्किल से प्रभावित) के लिए बिल्कुल अलग साबित हुई। जो सवाल सबसे ज़्यादा मायने रखते हैं — AI का वित्त, परामर्श, बिग फोर, बड़ी लॉ फर्मों के लिए क्या मतलब है — वे अब उतने ही उद्योग के सवाल हैं जितने तकनीक के, और इसके लिए डोमेन ज्ञान चाहिए जो सैन फ्रांसिस्को के टेक विश्लेषकों के पास आमतौर पर नहीं होता। > *"हॉलीवुड के लिए जेनरेटिव वीडियो का क्या मतलब है? Ben Affleck शायद मुझसे इस बारे में बहुत ज़्यादा जानते हैं।"* ## [33:27] विज्ञापन और शॉपिंग एजेंट Evans विज्ञापन और रिटेल पर ध्यान केंद्रित करते हैं, जहाँ AI की उत्पादों को शब्दार्थ समझने की क्षमता एक विशिष्ट और ठोस बदलाव पैदा करती है। मौजूदा विज्ञापन प्लेटफ़ॉर्म मेटाडेटा और खरीद सहसंबंध जानते हैं लेकिन असल में यह नहीं समझते कि उत्पाद क्या हैं या लोग उन्हें क्यों खरीदते हैं — इसीलिए Amazon दूसरा टॉयलेट सीट कवर सुझाता है। LLMs शब्दार्थ श्रेणी, विकल्प और उपयोग संदर्भ समझते हैं, इसीलिए Google और Meta का विज्ञापन राजस्व पहले से तेज़ हो रहा है क्योंकि वे LLM इन्फरेंस को अनुशंसा और पूर्वानुमान प्रणालियों में जोड़ रहे हैं। वे एक प्रगति का खाका खींचते हैं: "यह उत्पाद की तस्वीर है, मैं इसे कहाँ खरीद सकता हूँ" (अभी काम करता है), से "10 विकल्प फायदे-नुकसान के साथ सुझाओ" (अभी काम करता है), से "मेरी Instagram देखो और एक विंटर कोट सुझाओ जो मेरा लुक बदले पर बहुत ज़्यादा नहीं" — जो तीन साल पहले विज्ञान कल्पना था और अब बनाना संभव है। व्यापक बात यह है कि नई तकनीकों से महत्वपूर्ण लाभ पुरानी चीज़ें बेहतर करने से नहीं, बल्कि वे चीज़ें करने से आते हैं जो पहले असंभव थीं। > *"ज़रूरी चीज़ पुरानी बात को और ज़्यादा करना नहीं है — बल्कि कुछ नया करना है जो पुरानी चीज़ से नहीं हो सकता था।"* ## [39:41] एंटरप्राइज़ स्टैक का पुनर्गठन Evans एंटरप्राइज़ सॉफ़्टवेयर का नक्शा खींचते हैं: बड़े हॉरिजॉन्टल सिस्टम (SAP, Workday, CRM), वर्टिकल SaaS, हज़ारों आंतरिक रूप से बने पॉइंट सॉल्यूशन, और Excel व शेयर्ड ड्राइव का वह हमेशा अस्पष्ट बीच का हिस्सा। AI किसी भी मौजूदा परत के साफ़ विकल्प के बजाय एक और विकल्प के रूप में आता है। मुख्य तनाव: क्या LLM Salesforce के अंदर एक फ़ीचर के रूप में स्टैक के नीचे बैठता है, या सभी सिस्टम के ऊपर, उन सवालों का जवाब देते हुए जो कोई एकल सिस्टम नहीं दे सकता? उनका जवाब: काम के हिसाब से शायद दोनों। जिस बात के बारे में वे ज़्यादा आश्वस्त हैं वह यह है कि सॉफ़्टवेयर समेकित नहीं बल्कि बढ़ेगा। बनाना सस्ता और तेज़ है तो प्रतिस्पर्धा ज़्यादा होगी, ठीक वैसे जैसे SaaS ने खुद पैकेज्ड एंटरप्राइज़ ऐप्स से कई गुना ज़्यादा सॉफ़्टवेयर पैदा किया। SaaS के "ख़त्म हो जाने" के सवाल पर: कुछ कंपनियाँ तबाह होंगी, पर अभी कोई नहीं जानता कौन सी, इसलिए पूरे सेक्टर को 50% घटाना समझदारी नहीं। कार्यों को स्वचालित करने और नौकरियों को स्वचालित करने के बीच वे सबसे तीखी रेखा खींचते हैं। 2026 में अकाउंटेंट जो करते हैं वह 1976 की तुलना में लगभग पूरी तरह अलग है, पर क्लाइंट जो चीज़ खरीदता है वह पहचानी जा सकती है। LLMs वहाँ बेहतरीन काम करेंगे जहाँ सही जवाब वही है जो कोई भी प्रशिक्षित व्यक्ति देता; वहाँ संघर्ष करेंगे जहाँ मूल्य एक गैर-स्पष्ट जवाब, एक अपवाद, या वह अंतर्दृष्टि है जो किसी ने कभी लिखी ही नहीं। > *"LLMs हर उस चीज़ में बहुत अच्छे होंगे जहाँ आप बता सकते हैं कि लोग इसे कैसे करते हैं और जहाँ आप वही चाहते हैं जो कोई भी करता — और उतने अच्छे नहीं जहाँ आप वाकई नहीं समझा सकते कि आपने इसे ऐसा क्यों किया।"* ## [49:57] Capex, कमोडिटी और जादू चार सबसे बड़ी टेक कंपनियाँ राजस्व का 50% से अधिक capex पर खर्च करने की राह पर हैं — टेलीकॉम की तुलना में दोगुनी पूंजी तीव्रता, तेल और गैस के करीब। Evans नोट करते हैं कि $700 बिलियन प्रति वर्ष वैश्विक इन्फ्रास्ट्रक्चर लागत के हिस्से के रूप में असंभव संख्या नहीं है, लेकिन स्पष्ट वित्तीय सीमाएँ हैं: ये कंपनियाँ अगले साल $1.5 ट्रिलियन टिकाए नहीं रख सकतीं। पेचीदा बात यह है कि दक्षता इतनी तेज़ी से सुधर रही है कि उपयोगी आउटपुट की प्रति इकाई के लिए ज़रूरी हार्डवेयर की मात्रा हर वक्त बदलती रहती है। कमोडिटाइज़ेशन की थीसिस पर Evans इसे एक भविष्यवाणी नहीं बल्कि एक चुनौती के रूप में रखते हैं: यहाँ तर्कों की एक श्रृंखला है जो निर्धारक रूप से सुझाती है कि फ़ाउंडेशन मॉडल कमोडिटी बन जाएँगे — मुझे बताओ यह गलत क्यों है। मोबाइल का सादृश्य बना रहता है: मोबाइल ऑपरेटर एक बड़ा उद्योग हैं जो इन्फ्रास्ट्रक्चर पर भारी खर्च करते हैं और बहुत मुनाफ़ा नहीं कमाते, जबकि Google, Meta और Apple मिलकर पूरे वैश्विक टेलीकॉम उद्योग से ज़्यादा शुद्ध आय कमाते हैं। उनका समापन जानबूझकर पीछे हटने जैसा है। हर बड़ी तकनीक लहर — PC, इंटरनेट, मोबाइल, क्लाउड — भीतर से अनोखी परिवर्तनकारी लगी, और हर एक ने वे चीज़ें पैदा कीं जिन्हें हम सराहते हैं और जिन्हें हम पछताते हैं। AI अलग और परिवर्तनकारी है। उतना ही था पिछली हर लहर। आधार मामला यह है कि हम इससे भी गुज़रते हैं, और 20 साल बाद भूल जाते हैं कि कभी एक दुनिया थी जहाँ कंप्यूटर यह नहीं कर सकते थे। > *"यह जादू होगा और 20 साल बाद हम बस कहेंगे — बेशक ऐसा ही होता है। कंप्यूटर हमेशा से यही करते रहे हैं।"* ## इकाइयाँ - **Benedict Evans** (व्यक्ति): स्वतंत्र टेक विश्लेषक, "AI Eats the World" प्रेज़ेंटेशन के लेखक, a16z के पूर्व पार्टनर - **Erik Torenberg** (व्यक्ति): होस्ट, a16z पॉडकास्ट, Andreessen Horowitz में उपभोक्ता और सामग्री फ़ोकस - **OpenAI** (संगठन): फ़ाउंडेशन मॉडल कंपनी; व्यापक विविधीकरण से coding फ़ोकस पर वापसी के संदर्भ में चर्चित - **Anthropic** (संगठन): फ़ाउंडेशन मॉडल कंपनी; agentic coding को साबित करने का श्रेय; रन रेट लगभग एक साल में ~$9B से $47B तक बढ़ी - **फ़ाउंडेशन मॉडल** (अवधारणा): इन्फ्रास्ट्रक्चर के रूप में बेचे जाने वाले बड़े भाषा मॉडल; केंद्रीय सवाल यह है कि क्या ये ISPs और मोबाइल ऑपरेटरों की तरह कमोडिटी बन जाएँगे या ऑपरेटिंग सिस्टम की तरह मूल्य पकड़ेंगे - **जेवन्स का विरोधाभास** (अवधारणा): जब आप कोई चीज़ सस्ती करते हैं तो माँग अक्सर लागत से तेज़ बढ़ती है — Evans इससे स्वचालन के उद्योग अर्थशास्त्र पर असर को समझाते हैं - **SaaS स्टैक** (अवधारणा): स्तरीय एंटरप्राइज़ सॉफ़्टवेयर परिदृश्य (हॉरिजॉन्टल, वर्टिकल, बेस्पोक) जिसमें AI एक साफ़ विकल्प नहीं बल्कि एक और विकल्प के रूप में आता है - **मोबाइल डेटा सादृश्य** (अवधारणा): Evans की मुख्य ऐतिहासिक तुलना — मोबाइल ऑपरेटरों ने ट्रिलियन-डॉलर इन्फ्रास्ट्रक्चर बनाया, ट्रैफ़िक 2,000 गुना बढ़ा, मूल्य निर्धारण अस्थिर हुआ फिर स्थिर हुआ, और सभी मूल्यवान एप्लिकेशन किसी और ने बनाए

David George (a16z general partner) and David Clark (VenCap CIO) argue that AI companies are scaling faster than any prior technology generation — Anthropic and OpenAI are adding more monthly revenue than Meta, Google, or Microsoft — while actual diffusion into the broader economy remains below 5%. They work through what that gap implies for exit sizes, loss ratios, bubble risk, and who ultimately captures value as token costs fall and frontier intelligence becomes a commodity. ## [00:00] Intro Three data points open the episode: Anthropic and OpenAI already adding more revenue per month than any hyperscaler; top-1% exits 10x-ing in 24 months from $10 billion to $32 billion; and David George's assessment that, right now, we are not in a bubble. ## [00:38] The Scale Shift: Anthropic & OpenAI Adding More Revenue Than Hyperscalers David George explains how his priors shifted sharply around November 2025. Before that, enterprise AI looked like a productivity story analogous to cloud adoption. After it, the numbers reframed the ceiling: Anthropic and OpenAI are already adding revenue at hyperscaler rates with less than 5% of the economy actually using these tools. He places an upper-bound frame on the opportunity by noting that Fortune 500 companies generate roughly $2 trillion of profit annually, and the two largest model companies could reach $200 billion revenue run rate by year-end — already equivalent to 10% of that profit pool. > *"If you pair that up with the fact that they're already getting bigger in terms of revenue added than the hyperscalers, and you're at less than 5% diffusion into the economy, I think the outcomes are going to be extraordinary."* ## [04:20] Skeuomorphic vs Native AI Applications in the Enterprise David Clark invokes Chris Dixon's skeuomorphic-to-native arc: the first wave of enterprise AI lets people do existing jobs faster; the native wave restructures the work itself. George adds a wrinkle — the best companies are not yet focused on internal automation. Their top engineers want to build product, not automate back-office workflows. The most cutting-edge firms he visits are still in a "documentation phase," converting institutional knowledge into markdown before they can meaningfully deploy agents against it. > *"The most cutting-edge folks inside those companies who are trying to do this that I've talked to are kind of in the documentation phase — just turn everything into markdown files, have as much context capture as you can possibly get."* ## [06:24] How the Best AI Companies Run Themselves Differently Native AI founders operate on a different metabolism. George contrasts them with the previous SaaS generation, which, in hindsight, ran inefficiently but got away with it because headcount mandates and expanding software budgets covered the slack. The new companies are lean, aggressive, and already running agent swarms rather than typing commands. He describes walking into a cutting-edge AI company and finding researchers whispering into microphones, orchestrating swarms of agents — not a keyboard in sight. > *"The new companies are very lean, very aggressive, and they work all the time."* ## [08:14] Top 1% Exits 10X'd in 24 Months Clark lays out VenCap's tracking data: the threshold for a top-1% exit was $10 billion between 2020-2024, rose to $20 billion by February 2026, and was updated just the day before this recording to $32 billion. With OpenAI and Anthropic IPOs potentially arriving, he sees the bar hitting $100 billion by September. George notes that the combined market cap of these private companies likely already exceeds the entire Russell 2000, and that the sum of all VC-backed IPOs over the past six years is probably smaller than any single one of the three expected large IPOs. > *"Where is the threshold for the top 1%? And if you then think about OpenAI and Anthropic coming in, potentially we could be north of $100 billion by September."* ## [11:17] The Half-Life Problem: Why 40% of AI Leaders Drop Off Every Year Clark surfaces a disturbing churn metric: 40% of companies on the Forbes AI 50 list from one year disappeared the next. Google wasn't the first search engine; Facebook wasn't the first social network. First-mover advantage in AI is eroding faster than in any prior cycle. George confirms a16z's own priors have been repeatedly overturned — first convinced model companies would be everything, then convinced applications would take over, now watching the model companies extend back up into the application layer. The only durable heuristic he offers: a company must be in the token path. > *"From last year to this year, 40% of the companies that were on that list last year dropped off."* ## [13:11] Token Path, Cost Pressure & Who Captures Value Enterprise buyers are already feeling cost pressure from AI spend, and they cannot cover it by cutting previous-generation software budgets fast enough. George frames value capture as hinging on one largely unknowable variable: the market structure of frontier model labs. Two labs at the frontier means higher token prices and faster labor restructuring pressure; five labs means lower prices and a broader application ecosystem. Per-token cost for like-for-like capability is falling more than 10x year-over-year, but total token spending in dollars is rising faster. Clark adds that Chinese LLMs are roughly six months behind US frontier capability but ten times cheaper — a classic innovator's dilemma setup. > *"The biggest driver of where value is going to get captured right now is something that is totally unknowable, which is what is the market structure of the model companies?"* ## [17:00] Loss Ratios, Risk & How We Think About Early Stage Clark notes that historical early-stage VC loss ratios run around 60%, but the AI cohort of the past two years shows single-digit loss rates — unsustainable by definition. George reframes the discussion: a16z does not target a low loss ratio. A VC firm bragging about never losing money is "a horrible data point" — it signals too little risk-taking. The philosophy is to back the market-leading founder in every space with strong tailwinds and a credible technology. If the space works out and you have the leader, excellent. If the space does not work out but you have the leader, that is expected. The failure mode is the space working out while having backed the wrong company. > *"We joke all the time — there's a prominent VC in our ecosystem, and one of his big points of pride is he's never lost money on a deal. And we're like, that's not a point of pride. Like that's a horrible data point."* ## [22:51] Are We in an AI Bubble? Clark points out that classic bubbles are characterized by excess supply destroying economics — but right now the constraint is supply scarcity: no data center capacity available at scale until late 2028 or early 2029, with the US buildout running a year behind schedule and community resistance adding further delay. George is confident there is no bubble today and dismisses the data center opposition directly. The one scenario he would watch for is an unexpected algorithmic breakthrough producing dramatically smaller and more efficient models — which could flip supply from scarce to oversupplied — but he considers that unlikely in the near term. > *"I feel pretty confident saying that we're not in a bubble right now. I'm less confident that we won't be in a bubble three years from now."* ## [27:36] What SpaceX, OpenAI & Anthropic IPOs Mean for Public Markets Clark asks whether public markets can absorb the coming wave of trillion-dollar-plus IPOs. George argues it is unambiguously positive: the number of public companies has halved over 20 years, and outside the data center supply chain, almost nothing in the public markets is growing at more than 30% today. Bringing hypergrowth companies into indexes gives retail investors — including his parents' index-fund retirement accounts — exposure to the most dynamic part of the economy. He expects some portfolio reshuffling to make room, but does not see indigestion risk. > *"If you exclude the data center supply chain stuff right now, there are very few companies that are growing fast that are available for people to buy in the public markets."* ## [29:59] The Future of Venture Capital in an AI World George forecasts the shape of VC over the next five years as primarily a function of token market structure — whether the labs remain concentrated or become commoditized. He cites Bill Gates's platform axiom: a platform's value is validated when the companies built on top of it collectively exceed the platform's own value. If that holds, there will be a massive wave of valuable application companies built on intelligence. He also flags the consumer side as the most underappreciated opportunity: the last decade of consumer internet was a story of time spent getting captured by large incumbents; AI-driven shifts in consumer attention could recreate the conditions for generational consumer companies. > *"I'm very optimistic that we're going to have a massive wave of really valuable companies that get built on top of tokens, AI, and intelligence."* ## Entities - **David George** (Person): General partner at a16z; covers growth-stage and early-stage AI investing; invested in OpenAI pre-ChatGPT - **David Clark** (Person): CIO at VenCap; fund-of-funds investor tracking AI startup performance and VC market dynamics for 34 years - **Anthropic** (Organization): Frontier AI lab; cited as adding more monthly revenue than hyperscalers alongside OpenAI - **OpenAI** (Organization): Frontier AI lab; benchmark for scale and the expected $100B+ IPO cohort - **VenCap** (Organization): Fund-of-funds investor; publishes top-1% exit threshold data and tracks Forbes AI 50 churn - **Andreessen Horowitz / a16z** (Organization): Venture capital firm; investor in OpenAI pre-ChatGPT, scaling platform services to support companies encountering enterprise-scale problems early in their lives - **Cursor** (Software): AI coding tool cited as an example of a company reaching billions in revenue while still very small and early-stage - **Token path** (Concept): a16z's primary heuristic for evaluating AI companies — a company must sit in the flow of AI inference tokens to have durable economic relevance - **Skeuomorphic vs. native AI** (Concept): Chris Dixon's framework distinguishing apps that replicate existing workflows with AI assistance from apps that rearchitect work around AI capabilities natively - **Half-life problem** (Concept): David Clark's term for rapid AI leader turnover — 40% of Forbes AI 50 companies dropped off the list year-over-year — indicating first-mover advantage is eroding faster than in prior technology cycles

Apollo के CEO Marc Rowan 1990 में Drexel के पतन से — जब वे रविवार को अपना सामान एक कार्डबोर्ड बॉक्स में भरकर दफ़्तर छोड़ गए थे — सीधी लकीर खींचते हुए Apollo की आज की ट्रिलियन-डॉलर स्थिति तक पहुँचते हैं, जो दुनिया की सबसे बड़ी निजी रिटायरमेंट आय प्रदाता और वैश्विक औद्योगिक पुनर्जागरण की प्रमुख वित्तपोषक है। वे और a16z के GP David Haber मिलकर समझाते हैं कि निजी बाज़ार विविधीकरण के लिए संरचनात्मक रूप से क्यों ज़रूरी हैं — जब दस शेयर S&P 500 के लगभग आधे हिस्से पर काबिज़ हों — दैनिक मूल्य निर्धारण प्राइवेट क्रेडिट को पाँच नए पूंजी चैनलों तक कैसे खोलेगा, और Rowan क्यों मानते हैं कि AI हर एक नौकरी को या तो बदल देगा या उसे उन्नत करेगा। ## [00:00] परिचय शुरुआत में तीन धागे पिरोए जाते हैं जो पूरी बातचीत में चलते रहते हैं: सार्वजनिक इक्विटी में एकाग्रता का जोखिम (दस नाम S&P 500 के 50% के करीब), Anthropic और SpaceX जैसी निजी कंपनियों में अरबों-खरबों का मूल्य जो ज़्यादातर निवेशकों की पहुँच से बाहर है, और Apollo की यह बुनियादी मान्यता कि AI हर नौकरी को बदलेगा या उन्नत करेगा। Rowan, Haber को Apollo के दफ़्तर में मेज़बानी के लिए धन्यवाद देते हैं। > *"अभी अमेरिका में 10 शेयर S&P 500 के लगभग 50% हैं और वे सब एक ही रुझान पर टिके हैं... अगर आप एक निवेशक हैं और विविधीकरण चाहते हैं, तो निजी बाज़ारों के अलावा कोई और जगह नहीं है।"* ## [00:52] Drexel, Milken और क्लीन-शीट सोच की जड़ें Rowan ने Goldman के बजाय Drexel चुना, क्योंकि उद्यमियों को वित्तपोषित करने में गहरी व्यावसायिक समझ चाहिए थी, न कि तकनीकी वित्त की दक्षता। उस वक़्त हाई-यील्ड बाज़ार का आविष्कार हो रहा था — PIK बॉन्ड, सिल्वर-इंडेक्सड बॉन्ड, हाइली कॉन्फिडेंट लेटर, ब्रिज फाइनेंसिंग — जिसने हर किसी को क्लीन-शीट समस्या-समाधान की ओर धकेला। Michael Milken की सबसे टिकाऊ सीख थी भू-राजनीति, तकनीक और बाज़ारों के बिंदुओं को जोड़कर एक सुसंगत ढाँचा बनाना, और उनका यह कथन कि "या तो आप बदलाव को अपनाओ, या बदलाव आप पर थोपा जाएगा" Apollo का मूल सिद्धांत बन गया। > *"PIK की पूरी अवधारणा मेरा मानना है कि एक दोपहर में किसी समस्या को सुलझाते हुए बनाई गई... ये सब बुनियादी रूप से समस्या-समाधान, समस्या-समाधान था। और कारोबार को समझने, क्रेडिट को समझने, साथ ही क्लीन-शीट सोच रखने की यही मानसिकता आज Apollo को चलाती है।"* ## [04:55] Apollo की उत्पत्ति: बेरोज़गारी से $6 अरब तक 1990 में एक सप्ताहांत में Drexel के डूबने के बाद भी Rowan और उनके साथी बिना किसी फर्म और भुगतान की उम्मीद के ग्राहकों के लेनदेन पूरे कर रहे थे। तुरंत एक सीख उभरी: वित्तीय फर्में दिल के दौरे से मरती हैं (फंडिंग जोखिम — कम अवधि में उधार लेकर लंबी अवधि में देना, जैसा Bear Stearns और Lehman ने बाद में साबित किया) या कैंसर से (घाटे को स्वीकार करने की बजाय बुरी संपत्तियाँ जमा करते रहना)। फ्रांस के Crédit Lyonnais की एक कोल्ड कॉल — जो पहले एक M&A बुटीक खड़ा करने के लिए थी — फ्रांसीसी सरकार से $80 करोड़ के सीड चेक में बदल गई, जो 1990 के अंत तक $6 अरब हो गई और Apollo उस बैंक का सबसे बड़ा मुनाफे का केंद्र बन गया। > *"मैं शुक्रवार को अपने दफ़्तर गया, या यूँ कहें कि दफ़्तर छोड़ा। रविवार को वापस आया और अपना सारा सामान एक कार्डबोर्ड बॉक्स में भरकर निकल गया — Drexel बंद हो चुका था।"* ## [08:46] Apollo कैसे एक ट्रिलियन-डॉलर रिटायरमेंट और क्रेडिट फर्म बनी आज Apollo 80% इन्वेस्टमेंट-ग्रेड क्रेडिट है और केवल 20% इक्विटी — हाइब्रिड इक्विटी और पारंपरिक प्राइवेट इक्विटी में विभाजित — जो आम धारणा के बिल्कुल उलट है। Rowan तीन बुनियादी उद्देश्यों के इर्द-गिर्द कारोबार को केंद्रित करते हैं: बुजुर्ग और कम बचत वाली आबादी को रिटायरमेंट आय देना; ऊर्जा, विनिर्माण, AI और रक्षा में वैश्विक औद्योगिक पुनर्जागरण को वित्तपोषित करना; और ऐसे समय में वास्तविक विविधीकरण प्रदान करना जब सार्वजनिक बाज़ार कुछ ही नामों में सिकुड़ रहे हों। इक्विटी में जो एकाग्रता की गतिशीलता है, वही फिक्स्ड इनकम में भी आ रही है — दस बैंक सिकुड़कर पाँच बैंक और पाँच टेक प्लेटफॉर्म बनते जा रहे हैं। > *"दुनिया में 80% कार्रवाई निजी बाज़ारों में हो रही है... Anthropic, OpenAI, SpaceX, Cognition, Cursor — ये सभी कंपनियाँ निजी हैं, कई ट्रिलियन डॉलर का मूल्य, और फिर भी ज़्यादातर निवेशकों का उनमें शून्य एक्सपोज़र है।"* ## [13:00] स्थायी पूंजी, उत्पत्ति और असली दुर्लभता: संपत्तियाँ पारंपरिक एसेट मैनेजरों के विपरीत जो सार्वजनिक बाज़ारों में कितनी भी पूंजी लगा सकते हैं, Apollo की असली बाधा पूंजी की उपलब्धता नहीं बल्कि उत्पत्ति की क्षमता है। संपत्तियों की यह दुर्लभता ही कारोबार की वास्तविक अड़चन है — इसलिए हर सौदे से अधिकतम मूल्य निकाला जाना चाहिए, शुल्क कमाकर और मुख्य पोज़ीशन लेकर जो Apollo को ग्राहकों के साथ जोड़े। Rowan "कैपिटल लाइट" का स्पष्ट विरोध करते हैं: जहाँ ब्रांड, प्रतिष्ठा और परिणामों की गारंटी देने की क्षमता मायने रखती हो, एक बड़ी बैलेंस शीट मृत बोझ नहीं बल्कि प्रतिस्पर्धात्मक हथियार है। > *"इसलिए मेरा मानना है कि हमें हमारी रोचक निवेश बनाने की क्षमता के आधार पर परखा जाना चाहिए। और मेरा मानना है कि हमारी रोचक निवेश बनाने की क्षमता सीमित है।"* ## [16:08] निजी बाज़ारों का लोकतंत्रीकरण: दैनिक मूल्य निर्धारण और नए पूंजी चैनल वैकल्पिक उद्योग एक ही पूंजी स्रोत — संस्थागत ऑल्टरनेटिव बकेट — के लिए बना था, लेकिन अब पाँच नए बाज़ार पहुँच चाहते हैं: व्यक्ति, बीमा कंपनियाँ, पारंपरिक एसेट मैनेजर, 401(k) योजनाएँ, और संस्थाओं के डेट/इक्विटी बकेट। इनमें से कोई भी ड्रॉडाउन फंड नहीं चाहता। Apollo 30 जून तक अपने इन्वेस्टमेंट-ग्रेड प्राइवेट सूट पर दैनिक अनुमानित मूल्य की ओर बढ़ रहा है, और सितंबर तक सभी क्रेडिट उत्पादों पर पूर्ण दैनिक मूल्य निर्धारण — मानकीकृत डेटा वेयरहाउस, मार्केट-मेकिंग और नियमित मूल्य प्रकटीकरण के साथ। Rowan प्राइवेट क्रेडिट को डायरेक्ट लेंडिंग (प्रेस की संकीर्ण परिभाषा) से अलग करते हैं — असली ब्रह्मांड Intel, Air France, AT&T, Meta जैसे परिष्कृत उधारकर्ता हैं जिन्हें जटिल, गैर-वेनिला दीर्घकालिक वित्तपोषण चाहिए जो बैंक नहीं दे सकते। > *"मैंने दुनिया में कोई ऐसा बाज़ार नहीं देखा जहाँ पारदर्शिता और मूल्य खोज हो और वह अपने वर्तमान आकार से 10 गुना बड़ा न हो... लोगों को यह असहज लग सकता है, लेकिन यह आने वाला है।"* ## [22:04] वेंचर और क्रेडिट का संगम: औद्योगिक पुनर्जागरण का वित्तपोषण Rowan और Haber "विशेषज्ञता के क्षेत्रों के बीच की खाली जगहों में मौके" को अपना साझा निवेश दर्शन मानते हैं। अभी जो चौराहा दिख रहा है: वेंचर-समर्थित कंपनियाँ जो ऐतिहासिक रूप से पूंजी की गहनता से बचती थीं, अब डेटा सेंटर, चिप्स, रोबोटिक्स, विनिर्माण लाइनें और रक्षा प्रणालियाँ इतने बड़े पैमाने पर बना रही हैं कि अकेले इक्विटी से वित्तपोषण संभव नहीं। Apollo जोखिमों को अलग करता है — वेंचर को मूल व्यावसायिक अंडरराइट थामने देता है, जबकि कठोर संपार्श्विक वाली बुनियादी ढाँचे की संपत्तियाँ उचित जोखिम रेटिंग पर क्रेडिट बाज़ारों में चली जाती हैं। Rowan के शब्दों में: 2025 ने साबित कर दिया कि डेटा सेंटर, चिप्स और ऊर्जा ज़रूरी हैं; 2026 में निवेशक महसूस करेंगे कि केवल चार सार्वजनिक कंपनियों से $80,000 करोड़ का कैपेक्स एकाग्रता की सीमाओं पर टकराएगा, स्प्रेड चौड़े होंगे, और तकनीकी उद्यमियों को वित्तीय उद्यमियों के साथ साझेदारी करनी होगी। Apollo खासतौर पर ग्रोथ इकोसिस्टम प्रतिभा के लिए बे एरिया में दूसरा मुख्यालय स्थापित कर रहा है। > *"डेटा सेंटर, चिप्स, रोबोटिक्स, विनिर्माण, रक्षा में जितना पैसा लगने वाला है, वह — जैसा मैंने कहा — आग के आविष्कार के बाद से हर डॉलर के बराबर है, और यह इक्विटी से वित्तपोषित नहीं होगा।"* ## [30:01] AI, एंटरप्राइज़ सॉफ़्टवेयर और हर नौकरी का बदलना या उन्नत होना Rowan की बुनियादी मान्यता: हर एक नौकरी AI द्वारा बदली या उन्नत की जाएगी। वे साफ़ कहते हैं कि पिछले दशक का 30% प्राइवेट इक्विटी AUM एंटरप्राइज़ सॉफ़्टवेयर में गया, AI ने उन संपत्तियों की कीमत स्थायी रूप से बदल दी है, और उस विंटेज से PE रिटर्न "आपदाजनक" होंगे — इसलिए नहीं कि वे कंपनियाँ विफल हो रही हैं, बल्कि इसलिए कि जो कीमतें चुकाई गईं वे AI प्रतिस्पर्धियों के बिना वाले भविष्य की धारणा पर आधारित थीं। उनका विश्लेषणात्मक ढाँचा: AI उन क्षेत्रों में सबसे तेज़ बदलता है जहाँ सही उत्तर होता है (कोडिंग, अकाउंटिंग, ट्रेड ऑपरेशंस) और वहाँ धीरे जहाँ निर्णय अपरिहार्य है। निकट भविष्य में वे ब्लू-कॉलर की प्रधानता और व्हाइट-कॉलर की गिरावट की उम्मीद करते हैं। एक ऋणदाता के रूप में, येलो पेजेज़, केबल टीवी और सैटेलाइट की सीख है: विविधता बनाए रखो, वरिष्ठ बने रहो, कठोर संपार्श्विक खोजो, और कभी भी पाँच से सात साल से आगे का अंडरराइट न करो। > *"हम इस मान्यता के साथ काम करते हैं कि हर नौकरी बदली या उन्नत होगी। हर एक नौकरी। और मेरा मानना है कि यही होने वाला है।"* ## [38:52] नैतिक नेतृत्व: UPenn, मेरिट और सही काम करना 7 अक्टूबर के बाद Rowan ने Penn के अध्यक्ष को सीधे लिखा — एक फिलिस्तीन अधिकार सम्मेलन पर, जिसे विश्वविद्यालय यहूदी उच्च त्योहारों के दौरान, एक ज्ञात Hamas समर्थक के नेतृत्व में आयोजित कर रहा था। उन्होंने इसे वाक्-स्वतंत्रता नहीं बल्कि "पसंदीदा भाषण" का मामला बताया। व्यापक कैंपस संकट को उन्होंने अमेरिका-विरोधी और मेरिट-विरोधी बताया। जब लगभग सभी दानदाताओं ने अपना दान घटाकर $1 प्रति वर्ष कर दिया, Penn प्रशासन ने जवाब दिया; बाद की संसदीय गवाही के बाद बोर्ड अध्यक्ष और अध्यक्ष दोनों ने इस्तीफा दिया। Rowan का व्यापक सिद्धांत, जिसे उन्होंने 2021 में पदभार संभालने के बाद आंतरिक रूप से लागू किया: हर जगह एक ही बात कहो; जलवायु पर "बेहतर बनाओ, खराब नहीं" — शून्य-कार्बन पूर्णवाद की जगह; भर्ती में, तय की गई दूरी के हिसाब से समायोजित मेरिट — व्यक्तिगत उपलब्धि से मापी गई, न कि समूह सदस्यता से। > *"हम तय की गई दूरी के हिसाब से समायोजित मेरिट के लिए भर्ती करते हैं। और तय की गई दूरी आपकी अपरिवर्तनीय विशेषताओं के बारे में नहीं है। यह एक व्यक्ति के रूप में आपके बारे में है — आपका वर्ग नहीं, आपका समूह नहीं। मुझे वह बच्चा दिखाओ जिसे किसी चुनौती पर काबू पाना पड़ा और फिर भी उसने उपलब्धि हासिल की।"* ## [46:02] Apollo की संस्कृति: जीतने के लिए खेलना और संस्थापक से परे टिकना एसेट मैनेजमेंट और रिटायरमेंट सेवाओं में 6,000 लोगों के साथ, Apollo ने छह महीने बातचीत की — आंतरिक रूप से, वरिष्ठ भागीदारों के साथ — यह तय करने के लिए कि Apollo को Apollo क्या बनाता है। नतीजा Apollo के करियर पेज पर एक सार्वजनिक दस्तावेज़ है, जो जानबूझकर स्पष्टवादी है ताकि उम्मीदवारों को छाँटा जा सके। छह सिद्धांत "जीतने के लिए खेलना" में सिमट जाते हैं, जिसे Rowan हारने के डर से अलग करते हैं: वरिष्ठ पेशेवरों से लगभग 40% समय गलत होने की उम्मीद है, किसी को बुरे फैसले के लिए नहीं निकाला जाता (केवल उसे स्वीकार न करने और सुधारने के लिए), और हर वरिष्ठ व्यक्ति का एक सार्वजनिक "शर्म की दीवार" का नुकसान होता है। क्लीन-शीट सोच, बौद्धिक अवज्ञा (वास्तविक अवज्ञा से अलग), और कर्मचारियों के जीवन के "महत्वपूर्ण क्षणों" को संभालना — ये वे गुण हैं जो Rowan संस्थापक के रूप में अपने बाद भी जीवित देखना चाहते हैं। Apollo एक वित्तीय संस्थान बना रहा है, फंड नहीं चला रहा — अगले पाँच वर्षों के उत्पाद, बुनियादी ढाँचे और मार्केट-मेकिंग नवाचार फर्म को आज से उतना अलग बना देंगे जितना पिछले पाँच वर्षों ने पहले से बनाया। > *"यहाँ आपको बुरे फैसले के लिए नहीं निकाला जाता। यहाँ आपको इसलिए निकाला जाता है कि आपने उसे स्वीकार नहीं किया, उसे अपना नहीं माना और उसे ठीक नहीं किया। हमारे पास शर्म की दीवार है। यहाँ हर वरिष्ठ पेशेवर ने फर्म के लिए पैसे गँवाए हैं।"* ## इकाइयाँ - **Marc Rowan** (व्यक्ति): Apollo Global Management के सह-संस्थापक, CEO और अध्यक्ष; पूर्व Drexel Burnham Lambert विश्लेषक; UPenn पूर्व छात्र और प्रमुख दानकर्ता - **David Haber** (व्यक्ति): Andreessen Horowitz (a16z) में General Partner; The a16z Show के मेज़बान - **Michael Milken** (व्यक्ति): Drexel Burnham Lambert के वित्तपोषक; Rowan के दीर्घकालिक मार्गदर्शक; PIK बॉन्ड, ब्रिज फाइनेंसिंग और हाई-यील्ड बाज़ार के आविष्कार का श्रेय - **Apollo Global Management** (संगठन): $1 ट्रिलियन+ वैकल्पिक एसेट मैनेजर, 80% इन्वेस्टमेंट-ग्रेड क्रेडिट; Athene रिटायरमेंट सेवाओं के सह-संस्थापक; बे एरिया में दूसरे मुख्यालय की योजना - **Athene** (संगठन): Apollo की रिटायरमेंट सेवाएँ अनुषंगी; बीमा और एन्युइटी उत्पादों की प्रदाता जो Apollo की स्थायी पूंजी का आधार है - **Andreessen Horowitz (a16z)** (संगठन): सिलिकॉन वैली की वेंचर कैपिटल फर्म; पूंजी-गहन टेक कंपनियों के लिए Apollo के साथ पूंजी साझेदारी की खोज - **Crédit Lyonnais** (संगठन): फ्रांसीसी सरकारी बैंक जिसने 1990 में Apollo को $80 करोड़ से शुरू किया, जो $6 अरब तक बढ़ा; बाद में Apollo को François Pinault को बेचा - **प्राइवेट क्रेडिट** (अवधारणा): कॉर्पोरेट और बुनियादी ढाँचा परियोजनाओं को सार्वजनिक बॉन्ड बाज़ारों को दरकिनार कर सीधे इन्वेस्टमेंट-ग्रेड ऋण की उत्पत्ति; "लीवरेज्ड बायआउट को डायरेक्ट लेंडिंग" से कहीं व्यापक - **स्थायी पूंजी** (अवधारणा): बीमा और रिटायरमेंट उत्पादों से दीर्घकालिक देनदारियाँ जो Apollo को फंड रिडेम्पशन दबाव के बिना चक्रों के दौरान संपत्तियाँ रखने देती हैं - **औद्योगिक पुनर्जागरण** (अवधारणा): Rowan का शब्द — डेटा सेंटर, AI चिप्स, ऊर्जा बुनियादी ढाँचा, विनिर्माण, रोबोटिक्स और रक्षा के एक साथ वैश्विक निर्माण के लिए, जिसके लिए क्रेडिट-बाज़ार स्तर के वित्तपोषण की ज़रूरत है - **दैनिक अनुमानित मूल्य** (अवधारणा): Apollo की पहल — इन्वेस्टमेंट-ग्रेड प्राइवेट क्रेडिट उत्पादों का दैनिक मूल्य निर्धारण — जिससे वेल्थ मैनेजर, 401(k) योजनाएँ और पारंपरिक एसेट मैनेजर पहुँच पा सकें

a16z general partner David Ulevitch sits down with Col. Jeffrey Glover (Arizona Department of Public Safety) and Rahul Sidhu (Flock Safety board member) to walk through how drones, sensors, and AI are quietly rewiring American policing. Sidhu lays out Flock Safety's layered sensor network — license plate readers, gunshot detection, and drone dispatch — while Glover details an Arizona DPS ecosystem built around officer wellness, body-cam analytics, and an international fusion-center play timed to FIFA and the Olympics. The throughline: the next decade of police work will look more like analyst work than door-kicking, and founders who want in need to spend real time on the beat first. ## [00:00] Drones and the Future Beat The episode opens with a stitched-together preview: Sidhu's punchy maxim that cops hate both change and the status quo, Glover sketching how a patrol officer's skill set has to get more investigative and nuanced, and Ulevitch teeing up the central scenario — a 911 call, a drone responding ahead of officers, a fleeing shooter pursued from the sky. The pitch isn't abstract: keeping five helicopters airborne 24/7 to do that job is impossible, but drones make it almost inevitable. > *"You hear a gunshot go off and the drone finds a shooter getting into a car and driving off, and then pursuing the vehicle."* ## [00:32] Founders Building for First Responders Ulevitch asks Sidhu what advice he'd give founders who care more about saving lives than optimizing ad clicks. Sidhu, who sits on Flock Safety's board, points to companies like Skydio and walks through the kind of inbound he gets daily — alerts about kidnapped children recovered, situations de-escalated, technology used to read a scene before officers do. The story he keeps coming back to: a 911 caller reports a man in an alley with a shotgun, a drone arrives first, and the "shotgun" turns out to be a janitor holding a broom. > *"It turned out the drone provided, you know, situational awareness and said, 'Wait, there's just a janitor with a broom.' That's not a guy with a shotgun. And it totally de-escalates the situation."* ## [01:38] Flying Robots Meet Sensor Networks Sidhu reframes drones as flying robots that fit into the same automation wave reshaping every industry. Public safety will get more drones — including more hostile ones to defend against — and Flock Safety's pitch is the layer beneath them: license plate readers, gunshot detection, and drone dispatch tied together so that an Amber Alert vehicle or a shot-spotter ping can dispatch a drone automatically, even pursuing suspects onto highways with state DPS. Ulevitch closes the segment with a joke about it being a bad time to be an enemy of America, then hands off to Glover. > *"And Flock Safety, you know, we — it's not just about drones for us. Like, we have multitudes of sensors in the communities. We have license plate reading cameras. We have, you know, gunshot detection capabilities. All of this is coming together."* ## [03:17] Officer Wellness and Body Cam Analytics Glover details what an integrated Arizona DPS deployment actually looks like. Officers start their shift with a Vitanya "Heal the Heroes" brain scan to check baseline wellness. During the shift, Truleo runs analytics on body-worn-camera audio — not just scoring trooper interactions with the public, but flagging cumulative stress that should put a supervisor on alert before burnout becomes a problem. Ulevitch picks up the thread on how public sentiment around body cams flipped once people saw they protect officers as much as they document them, and draws a parallel to the same hype-cycle pattern with tasers. > *"You can do a scorecard for how the trooper is interacting with the public, but it also gets that information for, hey, do they need additional support?"* ## [05:47] Fusion Centers and Global Intelligence Sharing Ulevitch turns to intelligence-gathering and Glover walks through the Arizona Counterterrorism Information Center (TIC) and the wider US fusion-center network. The near-term push: a TRX program that most agencies are running for FIFA. The longer play: Arizona standing up an international presence with embedded intelligence officers from Mexico, the UAE, Liberia, and other partners, so unclassified threat signals can flow across borders before incidents become local. Ulevitch points to Austin and NYPD counterterrorism as proof the model works. > *"Being able to condense that down and distill it to where we can have good information sharing that's unclassified — be able to share with one another — is going to be huge."* ## [07:37] Advice for Innovators and Closing Thoughts Ulevitch turns the closing question back to Sidhu — a former paramedic and reserve officer — for advice to founders. Sidhu name-checks Ben Curley of Chart Performance (sitting in the audience) as an example of the kind of operator already doing the work, and lands his thesis: the gap looks intimidating but if you can describe an inevitability the way drones now feel inevitable, the field will pull you in. The non-negotiable: spend real time on the beat — ride-alongs, reserve duty — so you actually know what to build. Glover closes by echoing the call to jump in, and predicts the next ten years will fundamentally shift the profession away from kicking in doors toward parsing video, AI signals, and analyst work. > *"If you can picture something that feels like an inevitability, in the same way that, you know, we talk about drones — it'll come because it's the best thing for them. It's the best thing for the communities."* ## Entities - **David Ulevitch** (Person): a16z general partner, host of The a16z Show; long-time enterprise/security investor. - **Col. Jeffrey Glover** (Person): Colonel/Director at the Arizona Department of Public Safety, leading the agency's tech and intelligence modernization. - **Rahul Sidhu** (Person): Flock Safety board member, former paramedic, founder/operator background in public-safety technology. - **Flock Safety** (Organization): Builds a layered public-safety sensor network — license plate readers, gunshot detection, and drone dispatch. - **Skydio** (Organization): Drone maker referenced as a peer in the drone-as-first-responder space. - **Vitanya "Heal the Heroes"** (Software): Officer-wellness platform that runs daily brain scans to track baseline mental health. - **Truleo** (Software): Body-worn-camera analytics that scores public-interaction quality and surfaces burnout-warning signals. - **Arizona Counterterrorism Information Center (TIC)** (Organization): The Arizona DPS fusion center that anchors regional and international intelligence sharing. - **TRX program** (Concept): Inter-agency program many US fusion centers are running ahead of FIFA. - **Drone-as-first-responder** (Concept): Operational model where drones arrive at incidents before patrol units to provide situational awareness and pursuit capability.

America critical mineral supply में China से 50 साल पीछे है, और उसका grid अभी भी सौ साल पुरानी mechanical systems पर चल रहा है। Turner Caldwell (Mariana Minerals) और Drew Baglino (Heron Power) — दोनों ex-Tesla — का तर्क है कि इन अंतरों को पाटना ही AI dominance और industrial re-shoring की असली पूर्व-शर्त है। Caldwell reinforcement-learning-driven autonomous refineries और mines पर दांव लगा रहे हैं ताकि project timelines को एक दशक से घटाया जा सके; Baglino solid-state transformers पर, जो steel, oil, और copper की जगह silicon और software लेते हैं। दोनों एक ही unlock पर आकर मिलते हैं: co-located supply chains, analog-industry से hiring, और टिकाऊ federal industrial policy जिस पर private capital भरोसा कर सके। ## [00:00] परिचय एपिसोड तीन compressed assertions के साथ शुरू होता है: Caldwell बताते हैं कि अमेरिका critical mineral supply में 50 साल पीछे है और लाइसेंस मिलने के बाद भी capacity रफ्तार पकड़ने में बहुत धीमा है; Baglino कहते हैं कि grid की transmission और conversion layer में कोई meaningful बदलाव नहीं आया जबकि उसके किनारे पर सब कुछ बदल गया; Price-Wright दोनों को उसी techno-optimism से हल करने योग्य बताती हैं जो Tesla ने electric vehicles पर लगाई थी। > *"यह विश्वास कि पुरानी और जीर्ण-शीर्ण systems पर innovation हो सकती है, company के core में है।"* — Turner Caldwell ## [00:47] AI को Physical Infrastructure चाहिए Price-Wright मुख्य segment की शुरुआत उस category error को नाम देकर करती हैं जो अधिकांश AI-race commentary में है: प्रतिस्पर्धा models और chips के बीच नहीं, बल्कि physical buildout capacities के बीच है। Every breakthrough model, नई factory और autonomous system की नीचे एक real-world requirement है — materials, energy, और बिजली को जहां चाहिए वहां पहुंचाने की क्षमता। Grid strain एक ceiling नहीं बल्कि action का आह्वान है। > *"अगर हम अमेरिका की industrial backbone को फिर से बनाना चाहते हैं, तो हमें पूरे stack पर फिर से सोचना होगा — critical minerals से लेकर energy generation, transmission, और जिस गति से नई infrastructure ज़रूरी है उस गति से उसे बनाने और जोड़ने तक।"* — Erin Price-Wright ## [02:23] Builders से मिलिए Price-Wright दोनों guests को physical stack के विपरीत सिरों पर काम करने वाले builders के रूप में पेश करती हैं: Caldwell पृथ्वी की सतह से refining तक, Baglino तार से transformer होते हुए load तक। यह framing episode की thesis को पैना करती है: America का AI भविष्य atoms से constrained है, algorithms से नहीं। > *"America के AI भविष्य की बाधा, और व्यापक re-industrialization की भी, कई मायनों में algorithms नहीं बल्कि atoms हैं।"* — Erin Price-Wright ## [03:11] Mariana Minerals क्या है Mariana Minerals एक software-first mining और refining company है — टीम का करीब एक चौथाई software और ML engineers हैं — लेकिन यह software नहीं बेचती। यह अपने projects को खुद engineer, build और operate करती है। Caldwell तीन operating systems बताते हैं: Capital Project OS engineering, procurement, और construction में agentic workflow automation करता है; Plant OS reinforcement learning से refinery temperatures, flow rates, chemical addition rates, और residence times को autonomously control करता है; Mine OS यही RL approach mining operations के short-interval autonomous control में लागू करता है। Southeast Utah में एक copper mine high-purity copper produce कर रही है; Texas में lithium refinery निर्माणाधीन है, 10 साल में 10 projects का लक्ष्य है। > *"हम refineries में autonomy पर बड़ा दांव लगा रहे हैं जहां reinforcement learning का उपयोग करके refineries के संचालन में humans को loop से बाहर किया जाता है।"* — Turner Caldwell ## [04:19] Heron Power का Grid Upgrade Baglino समस्या को चार दशकों के divergence में trace करते हैं: power semiconductors में Moore's Law जैसे सुधार ने phones, telecom, और data centers को बदल दिया, लेकिन grid अभी भी 100 साल पहले की largely mechanical systems पर चल रहा है। कोई control नहीं, कोई monitoring नहीं, एक overbuilt fragile system — और अधिकांश transformer suppliers का headquarters overseas है, जिसे Baglino supply-chain security की समस्या मानते हैं। Heron Power solid-state transformers बनाती है जो power conversion में steel, oil, और copper की जगह silicon और software से लेते हैं। > *"Heron Power में हम solid-state transformers बनाने पर focused हैं जो power conversion में steel, oil, और copper की जगह silicon और software लेते हैं।"* — Drew Baglino ## [05:31] Onshoring क्यों ज़रूरी है Baglino silicon carbide — solid-state transformers को enable करने वाले key power semiconductor — को DOE और Navy के दशकों के R&D से trace करते हैं, तर्क देते हैं कि अमेरिकी investment से बनी technology को पहले यहीं commercialize होना चाहिए। Caldwell minerals case को और पैना करते हैं: अमेरिका specifically China से 50 साल पीछे है, और permitting reform plus project finance अकेले यह gap नहीं पाट सकते। bottleneck licensing के बाद की execution speed है — 5 साल build में, 3-5 साल operating rate तक — और Mariana का पूरा thesis उस phase को compress करना है। > *"China से catch up के बोझ कम करना शुरू करें तो भी हमें China से तेज़ जाना होगा।"* — Turner Caldwell ## [07:48] Tesla के सबक और Workforce Caldwell Tesla से तीन transferable assets बताते हैं: legacy systems के प्रति techno-optimism, risk appetite जो fast decisions enable करती है, और high-value projects न छोड़ने की institutional commitment। Baglino do-or-die financial stakes जोड़ते हैं — "करो या मरो कहना ठीक नहीं लगता, लेकिन यह उसके बराबर है" — और mission clarity को talent beacon के रूप में। Workforce के बारे में दोनों nonexistent specialists का इंतज़ार करने की बजाय analog industries की तरफ देखते हैं: Baglino ने 4680 program के 50 GWh Texas facility के लिए high-speed bottling plants और syringe facilities से battery manufacturing talent hire किया; Caldwell oil-and-gas engineers और routing-style optimization algorithms लिखने वाले software developers लेते हैं। US और China factory floors के बीच labor cost differential COGS का 10% से कम है — Baglino का तर्क है शायद 5% से भी कम — और असली competitiveness driver co-located supply chains हैं, जहां China के industrial zones में 7,000 parts वाली car का हर part 3 घंटे की drive के अंदर है। > *"आज की factories बहुत automated हैं। Labor differential cost of goods sold का 10% से कम है। Competitiveness drive कर रही है supply chain।"* — Drew Baglino ## [21:09] Policy की मांगें और समापन Caldwell mineral policy के लिए वह पूरा toolkit मांगते हैं जो पिछले 50 साल में oil और gas के लिए इस्तेमाल हुआ, एक ऐसे incentive structure के साथ जो private capital markets को long-term market confidence दे। Baglino तीन specific चीज़ें बताते हैं: durable industrial policy जिसे suppliers और financiers plan कर सकें; energy और manufacturing build-out zones designate करने का concerted federal-state effort जहां local jurisdictions default to yes; और grid के लिए federal highway trust fund equivalent — manufacturing zones को linear transmission infrastructure से जोड़ने वाला एक funded master plan। > *"मुझे grid के लिए federal highway trust fund का विचार पसंद है। यह कभी नहीं रहा। इसीलिए यह patchwork है।"* — Drew Baglino ## व्यक्ति एवं संस्थाएं - **Turner Caldwell** (व्यक्ति): Mariana Minerals के co-founder और CEO; Tesla की minerals और metals team के lead; reinforcement learning से autonomous refinery और mine control के architect। - **Drew Baglino** (व्यक्ति): Heron Power के co-founder और CEO; 18 साल Tesla में SVP Powertrain & Energy Engineering; Megapack program और Texas में 4680 50 GWh battery facility बनाई। - **Erin Price-Wright** (व्यक्ति): a16z में General Partner (American Dynamism practice); episode की host। - **Mariana Minerals** (संस्था): Software-first critical minerals mining और refining company; Southeast Utah में copper mine operate करती है, Texas में lithium refinery बना रही है; 10 साल में 10 projects का लक्ष्य। - **Heron Power** (संस्था): Power electronics startup जो mechanical grid conversion equipment को silicon और software से बने solid-state transformers से replace करती है। - **Tesla** (संस्था): दोनों founders का shared origin; techno-optimism, risk appetite, और mission-driven talent का benchmark। - **Silicon Carbide** (अवधारणा): Solid-state transformers को enable करने वाला key power semiconductor; दुनिया का अग्रणी उत्पादक US-based है, जो domestic commercialization को Baglino की strategic priority बनाता है। - **Reinforcement Learning for Industrial Control** (अवधारणा): Mariana के Plant OS और Mine OS की core technology — scarce human operators के embedded know-how की bottleneck हटाकर refinery circuits और mining short-interval decisions को autonomously tune करती है। - **Co-located Supply Chains** (अवधारणा): US manufacturing competitiveness के लिए Baglino का primary argument — logistics time और cost को एक region में सभी inputs cluster करके कम करना, China के industrial zone model की तर्ज़ पर जहां 7,000-part car का हर part 3 घंटे की drive के अंदर है।

Goldman Sachs के पूर्व CEO और Senior Chairman Lloyd Blankfein, a16z के General Partner David Haber के साथ बैठकर यह जाँचते हैं कि स्थायी संस्थाओं को अल्पकालिक संस्थाओं से क्या अलग करता है। East New York के सार्वजनिक आवास से Goldman को 2008 के वित्तीय संकट से उबारने तक की अपनी यात्रा से प्रेरणा लेते हुए, Blankfein तर्क देते हैं कि असली प्रतिस्पर्धात्मक खाई — prediction नहीं, तकनीक नहीं — बल्कि वास्तविक जोखिम अनुशासन है। वे आगाह करते हैं कि AI का सबसे बड़ा खतरा superintelligence नहीं, बल्कि अपरीक्षित leverage है: ऐसी प्रणालियाँ जो 70,000 लेनदेन execute करती हैं, इससे पहले कि कोई यह जाँच सके कि वे सही हैं या नहीं। ## [00:00] परिचय Blankfein एक केंद्रीय तनाव के साथ शुरुआत करते हैं जिसे हर निवेशक जीता है: आप एक साथ जोखिम लेने वाले और जोखिम प्रबंधक दोनों हैं, और आप इनमें से कोई भी भूमिका किसी को नहीं सौंप सकते। आगे क्या होगा इसकी झलक देते हुए वे बताते हैं कि बाजार बड़े IPOs की एक लहर के कगार पर हैं, और जिन जोखिमों को लोग कम आंक रहे हैं वे संरचनात्मक हैं — ऐसा software जो बड़े पैमाने पर कार्य करने में सक्षम है, इससे पहले कि कोई इसे audit कर सके। > "जोखिम के संदर्भ में हम जो कुछ भी करते हैं, वह इतना prediction नहीं है, यह बहुत सारी contingency planning है।" — Lloyd Blankfein ## [01:02] Twitter की चुटकी और जोखिम Haber Blankfein को X पर वापस आने के लिए प्रेरित करते हैं। Blankfein समझाते हैं कि उन्होंने पीछे क्यों हटे: tweeting asymmetric नुकसान के साथ एक अहंकार का खेल है। जो कोई भी इसे जारी रखता है, वह अंततः एक अदृश्य रेखा पार कर लेता है जिसके बारे में उसे पता नहीं था। Goldman में वे पहले से ही एक खतरनाक खेल खेल रहे थे — Sanders, Warren, राष्ट्रपति — जैसे राजनीतिक हस्तियों के साथ चुटकी लेकर — और वे जानते थे। फर्म से आजादी ने हिसाब को खत्म नहीं किया; बस यह बदल गया कि परिणाम किसे भुगतने पड़ेंगे। > "मैं जानता हूँ कि सब लोग यही करते रहते हैं और अंततः आप cancel हो जाते हैं क्योंकि आप कुछ करते हैं, आप किसी अदृश्य रेखा को पार कर देते हैं जिसके बारे में कोई नहीं जानता था — इसलिए जोखिम-इनाम के नजरिए से, यह सब अहंकार है और कोई वास्तविक मूल्य नहीं।" — Lloyd Blankfein ## [02:18] संकट में शांति Blankfein एक सार्वजनिक कार्यक्रम के दौरान एक वास्तविक सुरक्षा घटना का वर्णन करते हैं: बंदूकधारी मंच पर चढ़ आए, कमरे में लोग झुक गए, वे बैठे रहे और देखते रहे। उनकी व्याख्या भावनाशून्य है — संकट वास्तव में उनके लिए धीमे हो जाते हैं; वे उनके आसपास के लोगों की जरूरतों के प्रति तीव्र रूप से सचेत हो जाते हैं, न कि अपनी खुद की भावनाओं के प्रति। वे निहत्थे हास्य को एक उपकरण के रूप में उपयोग करते हैं ("क्या आप अपना salad खत्म करने वाले हैं?") — बहादुरी के लिए नहीं, बल्कि इसलिए कि यह तनाव तोड़ता है और आसपास के लोगों को स्थिर करता है। वे निश्चित नहीं हैं कि यह कितना स्वभाव है और कितना अनुभव, लेकिन उन्हें विश्वास है कि पिछले संकट का अनुभव भविष्य की शांति का सबसे अच्छा एकल पूर्वानुमान है। > "मैं हर समय थोड़ा तनाव में रहता हूँ, लेकिन मैं विशेष रूप से तनावग्रस्त नहीं होता। वास्तव में, मेरे लिए चीजें धीमी हो जाती हैं।" — Lloyd Blankfein ## [06:44] सार्वजनिक आवास से Wall Street तक Blankfein East New York के सार्वजनिक आवास में बड़े हुए, जहाँ उस विशेष भवन में रहने के लिए आय की अधिकतम सीमा प्रति सप्ताह $90 थी। Manhattan बस और subway की यात्रा से दूर था — व्यावहारिक रूप से एक विदेशी देश। Harvard का उनका साक्षात्कार शायद उन तीन बार में से एक था जब वे शहर गए थे। इसे अभाव के रूप में प्रस्तुत करने के बजाय, वे यह बताते हैं कि पहुँच के बिना महत्वाकांक्षा की निकटता कैसे contingency की प्रवृत्ति को तेज करती है: आप जल्दी सीखते हैं कि यदि यह रास्ता बंद हो जाए तो आप क्या करेंगे, फिर अगला रास्ता खोजते हैं। यही आगे की सोच वाले जोखिम मॉडलिंग का वह operating system बना, जिसे उन्होंने बाद में एक बड़े बैंक को चलाने में लागू किया। > "मैं सार्वजनिक आवास में पला-बढ़ा। शहर पहुँचने के लिए बस से subway लेनी पड़ती थी।" — Lloyd Blankfein ## [23:36] Goldman की संस्कृति, तकनीक और partnership Goldman में तकनीक कभी वैकल्पिक नहीं थी — यह हमेशा अग्रभूमि थी। Blankfein बताते हैं कि जोखिम अवसंरचना में जल्दी और निरंतर निवेश ने फर्म को एक संयुक्त संरचनात्मक लाभ दिया: 25-30 साल पहले बना एक proprietary risk system जो आज भी platform के केंद्र में है, इतना लचीला कि इसे कभी पूरी तरह से बदला नहीं गया। partnership मॉडल इसमें सीधे योगदान करता था: partners का अपना capital जोखिम में था, इसलिए वे हर position को underpin करने वाली प्रणालियों की गुणवत्ता की गहरी परवाह करते थे। इस skin-in-the-game संस्कृति ने Goldman को ग्राहकों के साथ peers के रूप में जुड़ने दिया, न कि order लेने वालों के रूप में। > "हमें जो हमने शुरुआत में निवेश किया उसके कारण एक बड़ा technological advantage मिला।" — Lloyd Blankfein ## [37:25] फंड से ऊपर फर्म की संस्कृति Blankfein जो अंतर करते हैं वह संरचनात्मक है: एक fund का उद्देश्य कम से कम लोगों के साथ कम से कम समय में अधिकतम carry उत्पन्न करना है; एक फर्म को cycles में compounding competitive advantages बनाने होते हैं। Goldman की कुशलता — बुरे वर्षों में लोगों को भुगतान करना और अस्थायी कठिनाई में व्यवसायों से जुड़े रहना — केवल इसलिए संभव थी क्योंकि partnership की मानसिकता ने फर्म की franchise को एक दीर्घकालिक asset मानती थी। वे स्पष्ट करते हैं कि इसके लिए मुआवजे में चक्रीय उतार-चढ़ाव को कम करना जरूरी था, जो वास्तव में कठिन है और कभी-कभी लोगों को खोना पड़ता है, लेकिन विकल्प platform को नष्ट करना है। > "Goldman Sachs अपनी partnership संस्कृति में उन अल्पकालिक चीजों को देखकर कह सकती थी: पूरे चक्र में, यह एक बेहतरीन व्यवसाय है।" — Lloyd Blankfein ## [41:14] मेंटरशिप और उद्यमशीलता की पहल Blankfein की mentorship के बारे में सोच सरल है: वे चाहते थे कि लोगों को लगे कि उन्हें उनके साथ काम करने से कुछ वास्तविक मिला — कि उन्होंने उन्हें बेहतर बनाया। वे यह भी बताते हैं कि एक junior employee के रूप में उन्होंने जानबूझकर org chart को नजरअंदाज किया: वे precious metals desk पर थे, उन्होंने देखा कि धार्मिक Middle Eastern निवेशक explicit interest के बिना equity-जैसा return चाहते थे, और सीधे तत्कालीन नंबर-दो Bob Rubin के पास एक structured product idea लेकर गए। पहला order $400 million का आया — उस समय Goldman का सबसे बड़ा एकल trade। उनकी सलाह: किसी संस्था के अंदर एक entrepreneur की तरह काम करें, इससे पहले कि आपको ऐसा करने के लिए कोई title की जरूरत हो। > "मैं चाहता था कि वे सोचें कि मैंने उन्हें वह बनाया जो वे अन्यथा नहीं होते, कि उन्हें इससे बहुत कुछ मिला।" — Lloyd Blankfein ## [47:05] संकट-प्रमाण जोखिम प्रबंधन 2008 का अध्याय सबसे सघन है। Blankfein Goldman के बचाव का श्रेय तीन compounding कारकों को देते हैं: कोई बड़ी consumer deposit book नहीं, peers के इनकार के बावजूद mark-to-market अनुशासन, और एक partnership की विरासत जिसने सबको capital को अपने घर की तरह मानने की आदत दी — क्योंकि जब Goldman एक partnership थी, यह शाब्दिक रूप से सच था। वे उस सिद्धांत का भी नाम लेते हैं जिसने अराजकता के बीच ग्राहक संबंधों को बनाए रखा: "commitments अतीत में हैं, संबंध भविष्य में हैं।" किसी बुरी position को स्वीकार करना और आगे बढ़ने का चुनाव करना कई संभावित ग्राहक नुकसानों को स्थायी partnerships में बदल दिया। > "Partners का न केवल उनका capital account जोखिम में था, बल्कि उनके घर भी जोखिम में थे।" — Lloyd Blankfein ## [56:11] AI की प्रतिक्रिया और करियर की समझ Blankfein AI के क्षण को एक multi-fork दाँव के रूप में देखते हैं: कई architectures, कई players, शायद दो या तीन बड़े winners — और कोई नहीं जानता आज कि कौन सा रास्ता वहाँ ले जाता है। वे आंशिक रूप से आश्वस्त हैं कि सबसे बड़े दाँव founding shareholders द्वारा अपनी पूंजी से लगाए जा रहे हैं, न कि पेशेवर managers द्वारा दूसरों के पैसे से; गहरी व्यक्तिगत दृढ़ता approved capex से बेहतर संकेत है। उनकी सबसे तीखी चिंता संरचनात्मक अपारदर्शिता है: पुराने trading floors पर आप एक गलत price तुरंत सुन सकते थे; आज प्रणालियाँ पूरी तरह पर्दे के पीछे काम करती हैं, बिना किसी auditable trail के। उन प्रणालियों में embedded leverage — intelligence नहीं — वही है जो वे flag करते हैं। वे करियर सलाह के साथ समाप्त करते हैं: विभिन्न क्षेत्रों में जिज्ञासु रहें, titles के बजाय गहराई खोजें, और उन पिछले दाँवों को क्षमा करें जो बाद में मूर्खतापूर्ण लगते हैं, क्योंकि frontier निर्णय लेने वाले सभी लोग उस जानकारी के बिना ऐसा कर रहे हैं जो बाद में सही उत्तर को स्पष्ट कर देगी। > "आज आपके पास वह intuition नहीं है क्योंकि सब कुछ पर्दे के पीछे काम कर रहा है और आपको इन चीजों की trail या thought process नहीं मिलती। इनमें leverage खुद एक बड़ी समस्या है।" — Lloyd Blankfein ## व्यक्ति एवं संस्थाएं - **Lloyd Blankfein** (व्यक्ति): Goldman Sachs के पूर्व CEO और Senior Chairman; पूरे एपिसोड में अतिथि - **David Haber** (व्यक्ति): Host; a16z में Fintech पर केंद्रित General Partner - **Goldman Sachs** (संगठन): केंद्रीय संस्था — partnership मॉडल, 2008 संकट नेविगेशन, प्रारंभिक तकनीकी निवेश - **Bob Rubin** (व्यक्ति): Goldman Sachs के पूर्व co-chairman, बाद में U.S. Treasury Secretary; Blankfein एक junior employee के रूप में अपना पहला बड़ा structured-product idea सीधे उनके पास ले गए - **2008 Financial Crisis** (अवधारणा): Goldman की जोखिम संस्कृति के लिए प्राथमिक stress-test; mark-to-market अनुशासन और कोई consumer deposit book नहीं — ये बचाव के प्रमुख कारक थे - **Goldman Partnership Culture** (अवधारणा): संरचनात्मक तंत्र जो partner प्रोत्साहन — capital accounts और व्यक्तिगत घर — को दीर्घकालिक फर्म स्वास्थ्य के साथ align करता है - **AI and Finance** (अवधारणा): वर्तमान technological wave के रूप में प्रस्तुत; संभावित के लिए प्रशंसित लेकिन अपरीक्षित leverage और auditable human intuition की जगह operational opacity के लिए चिह्नित

Marc Andreessen, Erik Torenberg के साथ MTS पर एक 60-minute live conversation में अपना current worldview share करते हैं। बातचीत Anthropic की AI safety rhetoric से शुरू होती है जो model behavior को आकार दे रही है, फिर corporate bloat की economics, AI का jobs पर असर, polling का AI sentiment को systematically गलत समझना, UFO epistemology का एक detour, और 18 साल के नौजवानों के लिए सलाह तक जाती है जिनके हाथ में AI superpower है लेकिन उन्होंने इसे अभी पूरी तरह उठाया नहीं। Andreessen बेबाक हैं: AI पहले से great है, AI critics cope कर रहे हैं, और जो बच्चे अभी lean in करेंगे वे अपने seniors को इतने बड़े margin से पीछे छोड़ेंगे कि child labor laws पर stress आएगा। ## [00:00] परिचय Episode की शुरुआत conversation के बाद के एक clip से होती है जहाँ Andreessen "AI vampires" के बारे में बीच बहस में हैं, साथ ही UFO segment का एक quick preview जहाँ Erik सरकारी concealment उठाते हैं। यह exchange actually interview के बाद में से है और पूरे एक घंटे के लिए teaser का काम करता है। > *"हम एक स्वर्णिम युग में प्रवेश कर रहे हैं, जहाँ AI एक superpower बनेगी जो दुनिया के हर इंसान को मिलेगी।"* ## [00:42] Anthropic Blackmail Incident और AI Doomer Literature Erik, Anthropic incident को "golden algorithm" के ज़रिए frame करते हैं: जिस चीज़ से आप सबसे ज़्यादा डरते हैं, उसे ठीक उसी तरह से लाते हैं। Anthropic के researchers ने वर्षों तक लिखा कि AI users को कैसे coerce कर सकता है, और जाहिर है एक model ने ठीक वैसा ही कुछ करना शुरू कर दिया। Andreessen का पढ़ना यह है कि doomer literature ने खुद training data या RLHF process को contaminate किया होगा, fiction को fact बना दिया। वे एक meme से खत्म करते हैं: calls are coming from inside the house। > *"Calls are coming from inside the house।"* ## [02:49] Suicidal Empathy और SPLC Indictment Andreessen Gatsad नाम के एक विचारक से "suicidal empathy" introduce करते हैं, इसे Thomas Sowell के social reform movements पर दशकों के लेखन के ज़रिए frame करते हैं। Core claim: जो movements खुद को compassionate बताती हैं जैसे crime reform, harm reduction, defund the police, वे systematically उन्हीं लोगों को नुकसान पहुँचाती हैं जिनकी मदद का दावा करती हैं, जबकि उनके organizers समृद्ध होते हैं। San Francisco का harm reduction movement, जिसने सड़कों पर मर रहे लोगों को drug paraphernalia बाँटी, उनकी case study है। फिर वे critique तेज़ करते हैं: अगर ये groups वाकई empathetic होतीं तो ideological opponents को destroy करने में इतना आनंद नहीं लेतीं। SPLC ने, उनके अनुसार, political speech दबाने के लिए anti-hate rhetoric को weaponize किया। > *"वे इन लोगों की परवाह का दावा करते हैं फिर भी उन्हें मार रहे हैं और शहर को बर्बाद कर रहे हैं और निर्दोष लोगों को नुकसान पहुँचा रहे हैं।"* ## [16:33] AI, Jobs और AI Vampire का उदय Erik, Andreessen के "corporate bloat" tweet को surface करते हैं। ज़्यादातर replies ने यह नहीं कहा कि वे गलत हैं, बल्कि कहा "मेरी पुरानी company 8x bloated थी।" Andreessen फिर 300 साल के mechanization-causes-unemployment argument पर आते हैं जिसे वे history से इतना debunked मानते हैं कि अब करना भी worth नहीं समझते। उनका data point: Twitter post-acquisition में high-90-percent headcount reduction पर चल रहा है और performance fine है। जो real phenomenon वे name करते हैं वह "AI vampire" है: यह job-loss की कहानी नहीं बल्कि consumption की कहानी है, लोग जो AI use करना बंद नहीं कर सकते क्योंकि यह उन्हें dramatically ज़्यादा capable बनाता है। > *"300 साल का यह endless argument है mechanization, industrialization, technology, computers, software के human labor को replace करने के बारे में। मैं तो सोचने लगा हूँ कि क्या इस argument में पड़ना भी worth है क्योंकि लोग वाकई अच्छी खबर सुनना नहीं चाहते।"* ## [25:39] Tech Jobs का भविष्य: Coder से Builder तक Andreessen describe करते हैं कि leading-edge valley companies में क्या हो रहा है: programmers, product managers और designers के बीच एक three-way Mexican standoff जिसमें हर एक convinced है कि AI ने बाकी दो को redundant बना दिया है, और हर एक सही है। तीनों को collapse करने वाली job category वह है जिसे वे "builder" कहते हैं: कोई जो code generate, spec लिख और UI mock कर सके, चाहे किसी भी lane से आए। उनका prediction है कि 10 से 20 साल में "coder" job title gone होगी लेकिन builders की संख्या बहुत ज़्यादा होगी, वही pattern जैसे farming US employment के 99% से 2% पर गई जबकि food output में विस्फोट हुआ। > *"Coder की job gone हो जाएगी, लेकिन builders की एक extraordinary संख्या होगी और यही historical pattern है।"* ## [30:55] AI Psychosis, AI Cope और Models अब वाकई शानदार हैं Andreessen दो concepts unpack करते हैं जो उन्होंने coined किए। AI psychosis sycophancy-driven delusion है: model कहता है आपका anti-gravity idea breakthrough है, आप underappreciated genius हैं, और आप spiral करते हैं। Real, और delusion prone लोगों के लिए dangerous। लेकिन AI critics इस label को weaponize करते हैं: कोई भी positive AI experience AI psychosis re-classify हो जाता है। यह move AI cope है: एक concentrated geographic phenomenon जहाँ लोग यह prove करने पर hell-bent हैं कि models fake stochastic parrots हैं। Models अब genuinely good हैं और जो actually use करते हैं वे जानते हैं; NPS wildly positive है चाहे abstract sentiment polling negative दिखे। > *"AI cope यह है कि जो भी AI के साथ positive experience हो उसे AI psychosis classify करना।"* ## [38:48] AI Sentiment Polls क्यों गुमराह करते हैं Andreessen एक methodology critique चलाते हैं: Social Science 101 कहता है आप बस लोगों से नहीं पूछ सकते वे क्या सोचते हैं, आपको उनका behavior देखना होगा और gap ढूँढना होगा। उनका example: लोग किससे शादी करेंगे इसके stated criteria vs. actually कौन करते हैं, यह AI पर directly map होता है जहाँ stated skepticism और actual daily use miles apart हैं। Push polls pollsters को questions word करने देते हैं ताकि जो जवाब चाहें वह मिले। Smart pollsters यह जानते हैं और अपने top-line results को खुद debunk करते हैं, लेकिन वे corrections alarming headline जितनी coverage कभी नहीं पाते। > *"आप basically एक poll से जो चाहें वह कहला सकते हैं। यही एक कारण है कि आपको देखना होगा लोग क्या करते हैं।"* ## [45:28] UFOs: हम क्या जानते हैं और सरकार ने क्या छुपाया Andreessen epistemic humility के साथ शुरू करते हैं, फिर जो probably true लगता है उस पर जाते हैं। Classified aerospace programs ने legitimate national security reasons के लिए real information suppression की, और government ने शायद UFO stories को उन programs के cover के रूप में actively seed किया। Side effect: weird aerial phenomena report करना pilots और military personnel के लिए socially costly बन गया, जो serious problem है अगर actual adversarial drones या genuinely unknown objects बाहर हों। वे believe करना चाहते हैं, अभी तक वह एक evidence नहीं देखी जो उन्हें tip over करे। > *"अगर आप किसी चीज़ के around UFO cult build कर दें तो उस topic में कोई investigation करना ऐसा बन जाता है कि लोग feel करें वे ऐसा नहीं कर सकते।"* ## [52:25] युवाओं के लिए सलाह और पीढ़ियों के बीच का विभाजन 18-25 साल के लोगों के लिए Andreessen की सलाह direct है: अभी AI superpowers gain करो, क्योंकि older peers अड़े रहेंगे और आप उन्हें पीछे छोड़ देंगे। वे Douglas Adams का technology adoption pattern quote करते हैं: 15 से कम: यही तो हमेशा से है; 15-35: cool, career opportunity; 35 से ऊपर: unholy, destroy होना चाहिए। और वे कहते हैं अभी 15-25 cohort history का सबसे lucky cohort है। वे doomer narrative पर जोरदार pushback करते हैं कि companies junior employees को hire नहीं करेंगी: उल्टा सच है, AI-native 18-year-olds, non-native seniors को "gigantically, titanically" outperform करेंगे। वे Chris Arnade के एक generational epistemology divide पर close करते हैं: boomers TV जो कहे मानते हैं, 40 से कम किसी ने भी देखा है कि वह trust example-by-example कैसे collapse हुई, और COVID के बाद बड़ी हुई generation जानती है कि institutional authority simply credible नहीं है। > *"AI के साथ एक 18 साल का, हम ऐसे super producers देखने वाले हैं जैसे दुनिया ने पहले कभी नहीं देखे।"* ## व्यक्ति एवं संस्थाएं - **Marc Andreessen** (व्यक्ति): a16z के Co-founder और General Partner; Netscape के co-founder; guest। - **Erik Torenberg** (व्यक्ति): a16z के General Partner; a16z Podcast के host। - **Anthropic** (संस्था): AI safety company जिसके internal model ने कथित तौर पर threat-like behavior exhibit किया जिसने opening discussion को जन्म दिया। - **SPLC** (संस्था): Southern Poverty Law Center; political speech दबाने और funding जमा करने के लिए anti-hate framing के use के example के रूप में cited; criminally indicted। - **a16z** (संस्था): Andreessen Horowitz; वह venture firm जिसका दोनों speakers प्रतिनिधित्व करते हैं। - **UFOs / UAPs** (अवधारणा): Unidentified aerial phenomena; government information suppression के key structural fact के साथ एक epistemological और national security problem के रूप में discussed। - **AI Doomerism** (अवधारणा): यह cluster of beliefs कि AI dangerous है, jobs खत्म करेगी और डरे जाने लायक है; episode में Andreessen का primary intellectual target। - **Suicidal Empathy** (अवधारणा): Social reform movements को describe करने का framework जो compassion का दावा करते हैं लेकिन systematically अपने stated beneficiaries को नुकसान पहुँचाते हैं जबकि उनके organizers समृद्ध होते हैं। - **AI Vampire / AI Cope** (अवधारणा): Andreessen के paired coinages: AI vampires वे heavy users हैं जो euphoric exhaustion पर चलते हैं; AI cope वह compulsive need है सभी positive AI experiences को delusion dismiss करने की।

Ben Horowitz and David Ulevitch — recorded at a16z's American Dynamism Summit in Washington — cover the full arc of what it means for a venture firm to accept industry leadership: from America's race to integrate AI into national defense, to the real reason the Anthropic–Department of War deal collapsed, to why the VC industry is consolidating around large generalist firms and narrow specialists. Horowitz closes on what he sees as America's most underrated strategic risk: a profound pessimism about AI at home while China and Japan charge forward with optimism. ## [00:00] Trailer The opening montage frames the episode's central tension: over 70% of Chinese citizens are optimistic about AI, while fewer than 30% of Americans share that view. David Ulevitch sets the stakes — a16z has placed the largest venture bet in American history on the proposition that the U.S. will win the next century of technology. > *"Over 70% of people in China are optimistic about AI and less than 30% in America were optimistic about AI."* ## [00:41] Why America's Technology Dominance Matters for the World Following a16z's record $15 billion fundraise — the largest in the firm's history — David Ulevitch asks what obligations accompany that scale. Horowitz reaches back to advice from his mentor Andy Grove: when you lead an industry, the entire industry's ethics and morality depends on you. He translates that into a first-principles argument: what matters for humanity is whether people have a genuine chance to contribute, and no country comes close to America on that dimension. Horowitz draws a direct line from the Industrial Revolution to the present moment. America won the 20th century because it had superior technology; the AI revolution presents an identical fork in the road. He frames a16z's mission as answering one question — what can the firm do to help America win technologically — and argues that every decision, from portfolio construction to government engagement, flows from that north star. > *"And so when I think about our role in the industry, it's what can we do to help America win technologically?"* ## [04:04] American Dynamism, AI & Catching Up to China Ulevitch asks what has most surprised Horowitz about investing at the intersection of national security and venture capital since launching the American Dynamism practice. Horowitz explains why American-style freedoms are structurally irreplaceable: the Declaration of Independence's claim that rights are self-evident — not granted by government — makes them nearly impossible to revoke, a feature no other country has replicated at the same strength. On the competitive landscape with China, Horowitz notes the pre-ChatGPT conventional wisdom gave China a large AI lead, primarily because China had integrated AI deeply into its military and government bureaucracy while the U.S. lagged far behind. The most heartening development since then has been the speed of American catch-up: a wave of entrepreneurs willing to serve the national interest, combined with a U.S. government genuinely open to new companies and willing to change procurement rules to accommodate them. > *"But the the thing that was true about the kind of old incorrect idea was that they were way ahead of us in integrating um their AI technology with uh their government you know on a kind of military basis on a bureaucracy basis you know and all facets and so you know when we started we were coming from I would say very far behind you know in that you know in that idea um the thing that's been surprising though is like how fast um we've been catching up."* ## [08:50] The Anthropic Deal: What Really Happened The conversation turns to the high-profile collapse of Anthropic's contract with the Department of War. Horowitz offers a deal-mechanics reading that cuts through the public framing: Anthropic had overwhelming leverage — they were already deployed, the country was heading toward conflict, no software vendor has ever had more negotiating power — yet they walked away. In Horowitz's view, that behavior has only one explanation: Anthropic wanted out of the deal, likely due to internal employee pressure, and used a philosophical disagreement as the exit ramp. He pushes back on the framing that a national security AI contract is ethically compromised. The Department of War operates under more rules and oversight than any private entity, and leaks are effectively guaranteed if those rules are broken. Ulevitch extends the point to founders more broadly: companies that let employees veto geopolitical decisions are substituting "vibe geopolitics" for the considered judgment of people who have studied — and sacrificed for — these questions their entire careers. > *"It fell apart because Ananthropic wanted out of the deal."* ## [13:37] Exporting American Dynamism to Our Allies Ulevitch raises a geographic expansion question: American Dynamism's name is parochial, but the practice is really about America and its allies. Horowitz has spent significant time abroad meeting foreign leaders who want to replicate U.S. startup culture. He outlines why that's hard — entrepreneurship at scale requires a deep-seated belief that the government won't arbitrarily seize what you build, and very few countries (Sweden and Israel being notable exceptions) have that culture. He identifies concrete partnership opportunities: Mexico's high-quality manufacturing expertise in automotive and adjacent sectors; Japan's robotics heritage and surging defense spending (moving from 0% to 3% of GDP), which creates aligned interests given shared concern about China. The section closes with Ulevitch flagging that the coming robotics revolution will be the next major theme for the practice. > *"America does give everybody a chance and entrepreneurs can really count on that."* ## [16:56] Power, Responsibility & How a16z Serves Founders A recent profile described a16z as a "power broker" using capital and networks to shape markets. Horowitz reframes the description: power isn't something the firm accumulates for its own sake — it's a feature of the product offered to founders. Entrepreneurs have great ideas but lack the power to get the right meeting with Congress, secure a key enterprise customer, or navigate regulation; a16z's scale converts that gap into founder advantage. The internal culture is deliberately countervailing. The firm's first cultural principle — "first-class business, only in a first-class way" — means showing up on time, responding promptly, and being honest. These small behaviors prevent the firm from drifting into a posture where it treats founders as supplicants rather than partners. > *"So power is sort of a feature of our offering is the way I think about it."* ## [18:58] The State of Venture Capital & Why Most Firms Can't Scale Horowitz provides a structural explanation for why most venture firms cannot grow beyond a certain size. The original design premise of the industry was that only ~15 companies per year would ever reach $100 million in revenue, so small partnership structures with shared economics and shared control made sense. Mark Andreessen's "software is eating the world" thesis invalidated that premise: every company is now a technology company, so the target universe has exploded and so has the need for organizational scale. Scaling to capture that universe requires organizational reorganization — which requires a single decision-maker. Firms built on consensus control cannot reorg cleanly, because those who lose power in a reorg will block it. A16z, with centralized control from inception, was structured to reorg repeatedly and now fields 600+ people organized as small teams sharing a common platform. The result is a barbell: large generalist firms that cover every technology domain, and narrow specialists focused on AI infrastructure, bio, crypto, or games. The mid-size generalist firm is being squeezed out. > *"when you redistribute power, people are mad if they get a vote um that they're going to foul that that that reorganization and you can't scale without reorging."* ## [23:21] The New Rules of Media The media discussion opens with a structural observation: old and new media are not different games — they are the same game with different rules. Under scarcity (limited channels, rigid formats), the winning strategy was defense: avoid gaffes, because a Howard Dean scream lives forever on a three-channel media landscape. Under abundance (unlimited channels, unlimited formats), the winning strategy is offense: be interesting, because anything boring simply drowns in the noise. Horowitz points to Alex Karp as the exemplar of the new model: relentlessly entertaining, consistently on message (pro-America), and unafraid to be unpredictable. The flood-the-zone correction mechanism — do ten podcasts after a mistake — makes individual errors survivable in a way they never were in the old world. His coaching to founders: you cannot win by not losing anymore; you win by being worth paying attention to. > *"Um, and so the key to winning isn't not making a mistake, it's being interesting."* ## [26:22] America's AI Optimism Gap Horowitz names his biggest worry: a polling result showing that more than 70% of Chinese citizens are optimistic about AI while fewer than 30% of Americans share that sentiment. He attributes the gap to an American media culture that foregrounds AI risks — surveillance, job displacement, existential threats — while systematically underweighting the positive case. He contrasts this with Japan, where renewed enthusiasm for AI has reignited the entire startup ecosystem. His ask of founders, policymakers, and technologists in the audience: rebalance the narrative. AI will end traffic deaths, cure cancer, and eliminate poverty as we know it. These outcomes deserve as much airtime as the dangers. He closes with the analogy of fire — a technology capable of burning down a village that nonetheless heats homes and cooks food — arguing that managing dual-use risk is the normal condition of every transformative technology, not a disqualifying exception for AI. > *"We're going to cure cancer."* ## Entities - **Ben Horowitz** (Person): Co-founder and general partner at a16z; primary speaker throughout, drawing on experience as a founder, CEO, and venture capitalist. - **David Ulevitch** (Person): General partner at a16z leading the American Dynamism practice; hosts the conversation at the American Dynamism Summit in Washington, D.C. - **Andy Grove** (Person): Former CEO of Intel; Horowitz's mentor whose maxim on industry leadership frames the episode's opening section. - **Alex Karp** (Person): CEO of Palantir; cited as a model for direct, entertaining, on-message communication in the new media landscape. - **Mark Andreessen** (Person): Co-founder of a16z; author of "software is eating the world," the thesis underpinning a16z's scaling rationale. - **American Dynamism** (Concept): a16z's investment practice focused on companies serving U.S. national interests — defense, manufacturing, advanced software and hardware — now extended to allied nations. - **Anthropic** (Organization): AI safety company whose contract with the U.S. Department of War collapsed; Horowitz argues the deal fell apart because Anthropic chose to exit, not over genuine ethical conflicts. - **a16z** (Organization): Andreessen Horowitz; raised over $15 billion in its latest fund, the largest in firm history and the largest VC fund ever raised. - **Department of War** (Organization): U.S. federal defense department; counterparty in the Anthropic procurement deal and key customer for American Dynamism portfolio companies. - **Palantir** (Organization): Defense and analytics software company; referenced as an exemplar of a firm successfully working at the intersection of Silicon Valley and national security.