PodcastsHear the voice. See the shape of the thought.

O analista de tecnologia Benedict Evans se juntou a Erik Torenberg, da a16z, para fazer um balanço de um ano e meio de desenvolvimento de AI — o que de fato se consolidou e o que permanece em aberto. Evans argumenta que a programação agêntica emergiu como o único caso de uso genuinamente disruptivo do AI até agora, com tudo o mais ainda na categoria de "útil nas margens". A questão estrutural central a que ele retorna ao longo da conversa é se as empresas de modelos fundacionais acabarão como infraestrutura commodity — como provedores de internet e operadoras de celular — ou conseguirão capturar valor no topo da pilha, como os sistemas operacionais fizeram. ## [00:00] Introdução Este segmento de abertura é um recorte extraído de mais adiante na conversa. Evans adianta a analogia com operadoras de celular que desenvolve em detalhes: as operadoras construíram uma infraestrutura global cara, o tráfego cresceu 2.000 vezes e todo o valor migrou para cima, para as empresas que rodavam sobre ela — um padrão que, segundo ele, se aplica diretamente aos LLMs. Ele também destaca o único dado concreto que ancora toda a discussão: a receita recorrente da Anthropic saltando de cerca de 9 bilhões para 47 bilhões de dólares em um ano, quase inteiramente proveniente de desenvolvimento de software. > *"Eles construíram esse pedaço incrível de infraestrutura global sofisticadíssima e caríssima, com enorme crescimento de uso o tempo todo, e isso mudou nossas vidas, todos nós pagamos por isso — e eles não lucraram nada, porque todo o valor migrou para o topo da pilha."* ## [01:05] Adoção de AI Acelera Evans reflete sobre o que mudou desde a primeira versão de sua apresentação "AI Eats the World". A mudança mais clara: a estratégia competitiva entre os laboratórios foi além do "construir um modelo maior mais rápido" — a OpenAI passou por várias posições estratégicas, enquanto a Anthropic focou em programação e fez funcionar. Esse foco agora é contagioso em todo o setor. As perguntas que Evans esperava ver respondidas até agora — se um modelo vai dominar, se os modelos conseguirão capturar valor no topo da pilha, se os consumidores vão usar AI diariamente em vez de semanalmente — permanecem em grande parte abertas. Sobre por que a programação emergiu primeiro, Evans diz que, em retrospecto, não é surpreendente: desenvolvedores de software foram os primeiros a adotar, então as primeiras coisas que tentaram automatizar foram as tarefas que eles mesmos faziam. Ele traça uma analogia com os PCs no início dos anos 1980: incrivelmente empolgante, mas ainda sem uma aplicação clara — e o primeiro uso foi fazer mais computadores. O que de fato mudou neste ano é que a programação agêntica cruzou um limiar: de "meio útil" para "realmente mudando tudo". > *"É como a internet em 1997, mas também como os PCs no início dos anos 80. É incrivelmente empolgante, mas não está muito claro para que serve, e ainda não funciona direito."* ## [06:00] Estratégia da OpenAI e Lacuna de Uso Evans caracteriza a fase da OpenAI no final de 2025 como uma tentativa de construir valor em todas as direções ao mesmo tempo — anúncios, e-commerce, carrinhos de compras, pagamentos, um navegador, um aplicativo de vídeo social — antes de virar bruscamente de volta para programação quando os resultados da Anthropic deixaram claro que era isso que realmente funcionava. Se a aposta da Anthropic em programação foi deliberada ou acidental é irrelevante; funcionou, e a OpenAI seguiu. O problema mais profundo que Evans levanta: mesmo com a adoção explosiva de programação, os usuários ativos diários em ferramentas de AI ainda ficam em torno de 10% do total, com outros 30 a 40% usando AI apenas semanalmente. A lacuna entre as pessoas que rodam Claude Code o dia todo e as que usaram "semana passada para alguma coisa" ainda não está se fechando. Ele distingue entre produtos voltados ao consumidor — onde essa lacuna persiste — e automações específicas de back-office empresarial, como uma empresa de commodities usando LLMs para prever fluxo de caixa de pequenos produtores, onde o benefício é preciso e mensurável sem exigir que os usuários entendam a ferramenta por conta própria. > *"Se você está usando isso apenas uma vez por semana, então você ainda não chegou lá."* ## [09:27] Mudanças de Plataforma e Captura de Valor Evans apresenta três fios para interpretar o momento atual à luz de mudanças de plataforma anteriores. Primeiro: a adoção sempre se constrói sobre infraestrutura já existente — o celular não precisou esperar a internet existir, a internet não precisou esperar os PCs — então curvas de adoção aceleradas são esperadas, não surpreendentes. Segundo: nos estágios iniciais de qualquer mudança, nada funciona de forma confiável; instalar uma placa de som em um PC dos anos 1980 levava um fim de semana, e ter acesso à internet significava um disquete com TCP/IP. Estamos nesse estágio com a AI. Terceiro: a crise de preços entre oferta e demanda espelha os dados de celular em 2009 e 2010, quando as operadoras tinham planos de taxa fixa e de repente todo mundo estava transmitindo vídeos, destruindo a economia unitária delas antes que os pacotes limitados estabilizassem tudo. O argumento estrutural central: o valor não ficou com as empresas de chips, provedores de internet nem operadoras de celular. O Windows e o iOS capturaram o valor — mas eles tinham efeitos de rede e alavancagem de plataforma que os LLMs claramente não possuem. Os modelos fundacionais se parecem mais com hyperscalers do que com sistemas operacionais: as empresas não "padronizam em Claude" mais do que algum dia souberam em qual nuvem seus aplicativos SaaS rodavam. Evans admite que pode estar errado, mas insiste que o desequilíbrio atual de preços é transitório, e que a economia do primeiro ano aponta para precificação como commodity — o equilíbrio para o qual vários concorrentes bem financiados convergem. > *"As empresas de chips não capturaram o valor. Os provedores de internet não capturaram. As operadoras de celular não capturaram. O Windows e o iOS capturaram, mas estavam fazendo algo diferente — tinham todas essas alavancas para subir na pilha."* ## [30:43] Automação e Jevons Evans apresenta um framework de sua apresentação para pensar no que a automação realmente faz com um setor: elasticidade pura de preço — fazer a mesma coisa mais barato — fazer mais com o mesmo dinheiro, destravar coisas que eram proibitivamente caras como barreira de entrada, e viabilizar coisas que eram completamente impossíveis antes — o exemplo da máquina a vapor e das ferrovias, ou o Spotify tornando toda a música gravada disponível por 15 dólares por mês. Ele tem cuidado para não fazer previsões excessivas: a mesma observação de que "a internet vai destruir a distribuição física" acabou significando coisas completamente diferentes para jornais — destruídos — e estúdios de cinema, praticamente não afetados. As perguntas que mais importam agora — o que a AI significa para finanças, para consultorias, para as grandes firmas de contabilidade, para os grandes escritórios de advocacia — são tanto questões de setor quanto de tecnologia, e exigem conhecimento de domínio que analistas de tecnologia em São Francisco normalmente não têm. > *"O que o vídeo generativo significa para Hollywood? Ben Affleck provavelmente sabe muito mais sobre isso do que eu."* ## [33:27] Anúncios e Agentes de Compras Evans foca em publicidade e varejo como o setor onde a capacidade da AI de compreender produtos semanticamente cria uma mudança específica e tratável. As plataformas de anúncios atuais conhecem metadados e correlações de compra, mas não entendem de fato o que são os produtos ou por que as pessoas os compram — daí a Amazon recomendar uma segunda capa de tampa de vaso sanitário. Os LLMs entendem categoria semântica, substitutos e contexto de uso, o que explica por que a receita de anúncios do Google e da Meta já está acelerando à medida que conectam inferência de LLM a sistemas de recomendação e previsão. Ele esboça uma progressão: de "aqui está uma imagem de produto, onde posso comprar" — funciona hoje — para "sugira 10 alternativas com prós e contras" — também funciona hoje — até "olhe meu Instagram e sugira um casaco de inverno que mude meu visual, mas não muito" — ficção científica três anos atrás, hoje plausível de construir. O ponto mais amplo é que os ganhos importantes das novas tecnologias não vêm de fazer a coisa antiga melhor, mas de fazer coisas que antes eram impossíveis — e essas coisas tendem a ser problemas que ninguém sabia que existiam até que alguém construiu uma solução. > *"O que importa não é fazer a coisa antiga de um jeito melhor — é fazer algo novo que você não conseguiria ter feito com a coisa antiga."* ## [39:41] Stack Empresarial Reconfigurado Evans mapeia o cenário de software empresarial: grandes sistemas horizontais como SAP, Workday e CRM, SaaS vertical, milhares de soluções pontuais desenvolvidas internamente, e o eterno meio-termo nebuloso do Excel e das pastas compartilhadas. A AI chega como mais um conjunto de opções, não como uma substituição limpa de nenhuma camada existente. A tensão central: o LLM fica na base da pilha como uma funcionalidade dentro do Salesforce, ou no topo, sintetizando dados de todos os sistemas para responder perguntas que nenhum sistema sozinho consegue? A resposta dele: provavelmente os dois, dependendo da tarefa. O que ele destaca com mais confiança é que o software vai proliferar, não se consolidar. Mais barato e mais rápido de construir significa mais competição — assim como o próprio SaaS produziu uma ordem de magnitude a mais de software do que os aplicativos empresariais empacotados. Sobre a questão do apocalipse do SaaS que os investidores estão levantando: algumas empresas serão extintas, mas ninguém sabe quais ainda, então descontar o setor inteiro em 50% não faz sentido. Ele traça a linha mais nítida entre automatizar tarefas e automatizar empregos. O que os contadores fazem em 2026 é quase completamente diferente do que faziam em 1976, mas o produto que o cliente compra é reconhecivelmente similar. Os LLMs vão se destacar em tarefas onde a resposta certa é o que qualquer profissional treinado produziria; vão ter dificuldade onde o valor está em uma resposta não óbvia, em uma exceção ou em um insight que ninguém jamais escreveu. > *"Os LLMs vão ser muito bons em tudo onde você consegue descrever como as pessoas fazem e onde o que você quer é do jeito que qualquer um faria — e não tão bons onde você não consegue realmente explicar por que fez daquele jeito."* ## [49:57] Capex, Commodities e Magia As quatro maiores empresas de tecnologia estão a caminho de gastar mais de 50% da receita em capex — o dobro da intensidade de capital das telecomunicações, comparável a petróleo e gás. Evans observa que 700 bilhões de dólares por ano não é um número impossível como parcela do que a infraestrutura global custa, mas há limites financeiros claros: essas empresas não conseguem sustentar 1,5 trilhão no ano que vem, e em algum momento a curva de crescimento precisa desacelerar. O fator complicador é que a eficiência está melhorando rápido o suficiente para que a quantidade de hardware necessária por unidade de produto útil seja um alvo em movimento. Sobre a tese da commoditização, Evans a apresenta como um desafio, não como uma previsão: há uma cadeia de argumentos que deterministicamente sugere que os modelos fundacionais se tornam commodities — explique por que está errada. A analogia com as telecomunicações móveis se sustenta: as operadoras de celular são um grande setor que gasta fortunas em infraestrutura e não é muito lucrativo, enquanto Google, Meta e Apple juntas geram mais lucro líquido do que toda a indústria global de telecomunicações. A nota final é um deliberado recuo. Cada grande onda tecnológica — PCs, internet, celular, nuvem — pareceu singularmente transformadora por dentro, e cada uma produziu coisas que celebramos e coisas que lamentamos. A AI é diferente e transformadora. Cada onda anterior também foi. O cenário base é que passamos por isso de novo, e em 20 anos esquecemos que houve um mundo em que os computadores não conseguiam fazer isso. > *"Vai ser mágico, e daqui a 20 anos vamos dizer: bem, claro que é assim. Os computadores sempre fizeram isso."* ## Entidades - **Benedict Evans** (Pessoa): Analista de tecnologia independente, autor da apresentação "AI Eats the World", ex-sócio da a16z - **Erik Torenberg** (Pessoa): Apresentador do podcast a16z, foco em consumo e conteúdo na Andreessen Horowitz - **OpenAI** (Organização): Empresa de modelos fundacionais; discutida no contexto de mudanças estratégicas — de diversificação ampla de volta ao foco em programação - **Anthropic** (Organização): Empresa de modelos fundacionais; creditada por provar a programação agêntica; receita recorrente citada como crescendo de ~9 bilhões para 47 bilhões de dólares em aproximadamente um ano - **Modelos fundacionais** (Conceito): Grandes modelos de linguagem vendidos como infraestrutura; a questão central é se se tornam commodity como provedores de internet e operadoras de celular, ou capturam valor como sistemas operacionais - **Paradoxo de Jevons** (Conceito): Quando algo fica mais barato, a demanda frequentemente sobe mais rápido do que o custo cai — o mecanismo que Evans usa para enquadrar o que a automação faz com a economia de um setor - **Stack SaaS** (Conceito): O cenário de software empresarial em camadas — horizontal, vertical e personalizado — no qual a AI chega como mais um conjunto de opções, não como uma substituição limpa - **Analogia com dados móveis** (Conceito): A principal comparação histórica de Evans — as operadoras de celular construíram infraestrutura de trilhões de dólares, o tráfego cresceu 2.000 vezes, os preços desestabilizaram e depois se reequilibraram, e todas as aplicações de valor foram construídas por outra pessoa

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

O CEO da Apollo, Marc Rowan, traça uma linha direta do colapso da Drexel em 1990 — quando saiu do escritório num domingo com seus pertences numa caixa de papelão — até a posição trilionária da Apollo como maior provedora privada de renda para aposentadoria do mundo e principal financiadora do renascimento industrial global. Ao lado do GP da a16z, David Haber, ele analisa por que os mercados privados são estruturalmente necessários para diversificação num momento em que dez ações compõem quase metade do S&P, como a precificação diária abrirá o crédito privado a cinco novos canais de capital, e por que Rowan acredita que a IA substituirá ou aprimorará cada emprego — tornando o trabalho manual mais valorizado e o patrimônio de software empresarial uma provável armadilha para os fundos de private equity da última década. ## [00:00] Introdução A conversa parte de três fios condutores: o risco de concentração nos mercados públicos de ações (dez papéis se aproximando de 50% do S&P), os trilhões de dólares represados em empresas privadas como Anthropic e SpaceX — inacessíveis à maioria dos investidores — e a premissa operacional da Apollo de que a IA substituirá ou aprimorará cada emprego. Rowan agradece a Haber pela hospitalidade no escritório da Apollo antes de a entrevista propriamente começar. > *"10 ações agora nos EUA são quase 50% do S&P e todas estão alavancadas na mesma tendência... se você é um investidor em busca de diversificação, não há onde obtê-la senão nos mercados privados."* ## [00:52] Drexel, Milken e as Origens do Pensamento sem Restrições Rowan escolheu a Drexel em vez do Goldman porque financiar empreendedores exigia julgamento de negócios profundo, não apenas técnica financeira. O mercado de high yield sendo inventado em tempo real — PIK bonds, silver-indexed bonds, highly confident letters, bridge financing — obrigava todos a resolver problemas do zero. A lição mais duradoura de Michael Milken foi conectar pontos entre geopolítica, tecnologia e mercados num quadro coerente; seu aforismo de que "você aceita a mudança ou a mudança vem até você" tornou-se um princípio central da Apollo. > *"Toda a noção de PIK foi criada numa tarde para resolver um problema... Tudo isso era basicamente solução de problema, solução de problema. E essa mentalidade de entender o negócio, entender o crédito, mas também pensar do zero é exatamente o que impulsiona a Apollo hoje."* ## [04:55] A Origem da Apollo: do Desemprego aos US$ 6 Bilhões Quando a Drexel faliu num fim de semana em 1990, Rowan e colegas ainda concluíam operações para clientes sem empresa e sem perspectiva de pagamento. A lição formativa se cristalizou ali: firmas financeiras morrem de ataque cardíaco (risco de liquidez — captar curto e emprestar longo, como Bear Stearns e Lehman confirmaram depois) ou de câncer (acumular ativos podres em vez de reconhecer perdas). Uma ligação fria do Crédit Lyonnais da França — inicialmente para montar uma boutique de M&A — converteu-se num cheque-semente de US$ 800 milhões do governo francês, que cresceu para US$ 6 bilhões até o final de 1990, tornando a Apollo o maior centro de lucro do banco. > *"Entrei no meu escritório — ou melhor, saí dele — numa sexta-feira. Voltei no domingo e saí com todos os meus pertences numa caixa de papelão. A Drexel havia fechado as portas."* ## [08:46] Como a Apollo se Tornou uma Firma de Aposentadoria e Crédito de Trilhões A Apollo de hoje é 80% crédito grau de investimento e apenas 20% equity, dividido entre equity híbrido e private equity tradicional — o oposto do que o público imagina. Rowan ancora o negócio em três bens fundamentais: prover renda de aposentadoria a uma população envelhecida e com poupança insuficiente; financiar o renascimento industrial global em energia, manufatura, IA e defesa; e oferecer diversificação genuína enquanto os mercados públicos se concentram em poucos nomes. A mesma dinâmica de concentração nas ações está chegando à renda fixa, onde dez bancos estão se reduzindo a cinco bancos mais cinco plataformas de tecnologia. > *"Os mercados privados são 80% do que está acontecendo no mundo... grandes empresas — Anthropic, OpenAI, SpaceX, Cognition, Cursor — todas são privadas, com vários trilhões de dólares em valor, mas a maioria dos investidores tem exposição zero a elas."* ## [13:00] Capital Permanente, Originação e por que Ativos São o Recurso Escasso Ao contrário dos gestores de ativos tradicionais, que conseguem alocar qualquer volume de capital nos mercados públicos, a Apollo é limitada pela capacidade de originação, não pelo capital disponível. A escassez de ativos é o verdadeiro gargalo do negócio — o que significa que cada operação deve ser extraída ao máximo, tanto por meio de taxas quanto de posições proprietárias que alinham a Apollo aos clientes. Rowan argumenta explicitamente contra o modelo "capital leve": num mundo em que marca, reputação e capacidade de garantir resultados importam, um balanço robusto é arma competitiva, não peso morto. > *"Por isso acredito que devemos ser julgados pela nossa capacidade de criar investimentos interessantes. E acredito que essa capacidade é limitada."* ## [16:08] Democratizando os Mercados Privados: Precificação Diária e Novos Canais de Capital A indústria de alternativos foi construída para uma única fonte de capital — os buckets institucionais de alternativos — mas cinco novos mercados querem acesso: pessoas físicas, seguradoras, gestores tradicionais, planos 401(k) e os buckets de dívida e equity de instituições. Nenhum deles quer fundos com chamadas de capital. A Apollo está migrando para valor estimado diário em sua carteira de crédito grau de investimento até 30 de junho, e precificação diária completa em todos os produtos de crédito até setembro, com data warehouses padronizados, market-making e divulgação regular de preços. Rowan diferencia crédito privado como direct lending — a definição estreita da imprensa — do universo real: Intel, Air France, AT&T, Meta — tomadores sofisticados que precisam de financiamento complexo e de longo prazo que os bancos não conseguem estruturar. > *"Nunca vi um mercado no mundo com transparência e descoberta de preços que não seja dez vezes maior... Pode ser desconfortável para as pessoas, mas está chegando."* ## [22:04] Onde Venture Encontra Crédito: Financiando o Renascimento Industrial Rowan e Haber identificam "oportunidades entre campos de especialização" como filosofia de investimento compartilhada. A interseção que enxergam agora: empresas apoiadas por venture que historicamente evitavam intensidade de capital estão construindo data centers, chips, robótica, linhas de manufatura e sistemas de defesa numa escala que não pode ser financiada só com equity. A Apollo fatia os riscos — deixando o venture deter o risco fundamental do negócio enquanto ativos de infraestrutura com garantia real migram para os mercados de crédito nos ratings de risco adequados. Na visão de Rowan: 2025 provou que data centers, chips e energia eram necessários; 2026 é o momento em que os investidores percebem que US$ 800 bilhões em capex de apenas quatro empresas públicas vão atingir limites de concentração, os spreads vão se abrir e os empreendedores de tecnologia precisarão se associar a empreendedores financeiros. A Apollo está inaugurando uma segunda sede na Área da Baía especificamente para atrair talentos do ecossistema de crescimento. > *"O volume de dinheiro que vai entrar em data centers, chips, robótica, manufatura e defesa é, como sugeri, cada dólar desde a invenção do fogo — e isso não vai ser financiado com equity."* ## [30:01] IA, Software Empresarial e por que Todo Emprego Será Substituído ou Aprimorado A premissa operacional de Rowan: cada emprego será substituído ou aprimorado pela IA. Ele é direto ao dizer que 30% do AUM de private equity da última década foi para software empresarial, que a IA reprecificou permanentemente esses ativos e que os retornos de PE dessa safra serão "desastrosos" — não porque as empresas estejam fracassando, mas porque os preços pagos presumiam um futuro sem concorrentes de IA. Seu quadro analítico: a IA avança mais rápido em domínios com resposta certa (programação, contabilidade, operações de trading) e mais devagar onde o julgamento é insubstituível. No curto prazo, espera ascensão do trabalho braçal e declínio do trabalho de escritório — politicamente incômodo para cidades progressistas. Como credor, a lição das páginas amarelas, da TV a cabo e do satélite é diversificar, manter-se sênior, buscar garantia real e nunca subescrever além de um horizonte de cinco a sete anos. > *"Operamos sob a premissa de que cada emprego será substituído ou aprimorado. Cada um deles. E acredito que é isso que vai acontecer."* ## [38:52] Liderança Moral: UPenn, Mérito e Fazer o Certo em Vez do Fácil Após o 7 de outubro, Rowan escreveu diretamente à presidente da UPenn antes de uma conferência sobre direitos palestinos, apontando não liberdade de expressão, mas "expressão favorita" — a universidade financiando uma conferência durante os feriados judaicos de alto significado, conduzida por um simpatizante conhecido do Hamas. Ele enquadrou a crise mais ampla no campus como antiamericana e antimeritocrática. Quando quase todos os doadores reduziram suas contribuições a US$ 1 por ano, a administração de Penn respondeu; depoimentos posteriores no Congresso levaram à renúncia tanto da presidente do conselho quanto da reitora. O princípio mais amplo que Rowan aplica internamente desde que assumiu em 2021: dizer a mesma coisa no Texas e na Califórnia; sobre clima, "melhorar, não piorar" em vez de absolutismo de carbono zero; em contratações, mérito ajustado pela distância percorrida — medida pela conquista individual, não pela pertença a grupo. > *"Contratamos por mérito ajustado pela distância percorrida. E distância percorrida não tem a ver com suas características imutáveis. Tem a ver com você como indivíduo — não com sua classe, não com seu grupo. Mostre-me o jovem que teve de superar obstáculos e ainda assim alcançou."* ## [46:02] A Cultura da Apollo: Jogar para Vencer e Construir para Durar além do Fundador Com 6.000 pessoas entre gestão de ativos e serviços de aposentadoria, a Apollo passou seis meses negociando — internamente, com sócios seniores — o que faz a Apollo ser a Apollo. O resultado é um documento público na página de carreiras da empresa, deliberadamente franco como filtro para candidatos. Os seis princípios se resumem a "jogar para vencer", que Rowan distingue do medo de perder: espera-se que profissionais seniores errem cerca de 40% das vezes; ninguém é demitido por uma decisão ruim — apenas por não reconhecê-la, não assumir e não corrigir — e cada profissional sênior tem um "mural da vergonha" público de perdas. Pensamento sem restrições, insubordinação intelectual (em contraste com insubordinação real) e saber lidar com os "momentos que importam" na vida dos funcionários são os traços que Rowan mais quer que sobrevivam a ele como fundador. A Apollo está construindo uma instituição financeira, não administrando um fundo — os próximos cinco anos de inovação em produto, infraestrutura e market-making farão a firma parecer mais diferente do que é hoje do que os últimos cinco anos já fizeram. > *"Você não é demitido aqui por tomar uma decisão ruim. Você é demitido por não reconhecê-la, não assumi-la e não corrigi-la. Temos um mural da vergonha. Todo profissional sênior aqui perdeu dinheiro para a firma."* ## Entidades - **Marc Rowan** (Pessoa): Cofundador, CEO e presidente do conselho da Apollo Global Management; ex-analista da Drexel Burnham Lambert; ex-aluno e grande doador da UPenn - **David Haber** (Pessoa): General Partner na Andreessen Horowitz (a16z); apresentador do The a16z Show - **Michael Milken** (Pessoa): Financista da Drexel Burnham Lambert; mentor de longa data de Rowan; creditado pela criação de PIK bonds, bridge financing e o mercado de high yield - **Apollo Global Management** (Organização): Gestora de ativos alternativos com mais de US$ 1 trilhão, 80% crédito grau de investimento; cofundadora da Athene, serviços de aposentadoria; segunda sede planejada na Área da Baía - **Athene** (Organização): Subsidiária de serviços de aposentadoria da Apollo; provedora de produtos de seguro e anuidade que sustentam a base de capital permanente da Apollo - **Andreessen Horowitz (a16z)** (Organização): Firma de venture capital do Vale do Silício; explorando parcerias de capital com a Apollo para empresas de tecnologia intensivas em capital - **Crédit Lyonnais** (Organização): Banco do governo francês que semeou a Apollo com US$ 800 milhões em 1990, crescendo para US$ 6 bilhões; posteriormente vendeu a Apollo para François Pinault - **Crédito Privado** (Conceito): Originação direta de dívida grau de investimento para corporações e projetos de infraestrutura, contornando os mercados de bonds públicos; muito mais amplo do que "direct lending para leveraged buyouts" - **Capital Permanente** (Conceito): Passivos de longa duração provenientes de produtos de seguro e aposentadoria, permitindo à Apollo manter ativos através dos ciclos sem pressão de resgate de fundos - **Renascimento Industrial** (Conceito): Termo de Rowan para a expansão global simultânea de data centers, chips de IA, infraestrutura de energia, manufatura, robótica e defesa, demandando financiamento em escala de mercado de crédito - **Valor Estimado Diário** (Conceito): Iniciativa da Apollo de precificar diariamente os produtos de crédito privado grau de investimento — viabilizando acesso por gestores de patrimônio, planos 401(k) e gestores de ativos tradicionais

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.

Os EUA estão 50 anos atrás da China no fornecimento de minerais críticos, e a rede elétrica ainda funciona com sistemas mecânicos projetados há um século. Turner Caldwell (Mariana Minerals) e Drew Baglino (Heron Power), ambos ex-Tesla, argumentam que fechar essas lacunas é o verdadeiro pré-requisito para a dominância na IA e a reindustrialização. Caldwell aposta em refinarias e minas autônomas impulsionadas por aprendizado por reforço para comprimir os cronogramas de projetos de uma década para algo defensável. Baglino aposta em transformadores de estado sólido, com silício e software substituindo aço, óleo e cobre, para modernizar a conversão de energia em data centers e grandes instalações de energia. Os dois convergem para o mesmo desbloqueio: cadeias de fornecimento colocalizadas, contratação de indústrias análogas e uma política industrial federal durável em que o capital privado possa realmente se planejar. ## [00:00] Intro O episódio abre com três afirmações diretas que definem o desafio: Caldwell afirma que os EUA estão 50 anos atrás no fornecimento de minerais críticos e são lentos demais para aumentar a capacidade mesmo após o licenciamento. Baglino observa que a camada de transmissão e conversão do grid não sofreu nenhuma mudança significativa, enquanto tudo na sua borda — veículos elétricos, armazenamento, recarga rápida — foi transformado. Price-Wright enquadra ambos como problemas solúveis com o mesmo tecno-otimismo que a Tesla aplicou aos veículos elétricos. > *"A crença de que é possível inovar em sistemas antigos e obsoletos está no núcleo da empresa."* — Turner Caldwell ## [00:47] A IA Precisa de Infraestrutura Física Price-Wright abre o segmento principal nomeando o erro categórico por trás da maior parte dos comentários sobre a corrida da IA: a competição não é entre modelos e chips, mas entre capacidades de construção física. Cada modelo inovador, nova fábrica e sistema autônomo tem um requisito no mundo real por baixo: materiais, energia e a capacidade de levar eletricidade para onde é necessário. A sobrecarga do grid não é um teto, mas um chamado à ação, comparável em escala aos projetos nacionais em torno dos quais a América já se mobilizou. > *"Se queremos reconstruir a espinha dorsal industrial dos Estados Unidos, precisamos repensar toda a cadeia, desde minerais críticos até geração de energia, transmissão e como construímos e interconectamos nova infraestrutura na velocidade necessária."* — Erin Price-Wright ## [02:23] Conheça os Construtores Price-Wright apresenta os dois convidados como construtores que cobrem as duas pontas da pilha física: Caldwell, da crosta terrestre até o refino; Baglino, do fio pelo transformador até a carga. O enquadramento afina a tese do episódio: o futuro da IA americana está limitado por átomos, não por algoritmos, e ambos os fundadores escolheram essas limitações deliberadamente depois de ver a borda do grid se transformar enquanto a infraestrutura por baixo não mudava. > *"A limitação para o futuro da IA americana e para a reindustrialização, de forma mais ampla, está em muitos aspectos nos átomos, não nos algoritmos."* — Erin Price-Wright ## [03:11] O que é a Mariana Minerals A Mariana Minerals é uma empresa de mineração e refino com foco em software — cerca de um quarto do time são engenheiros de software e de machine learning — mas não vende software. Projeta, constrói e opera seus próprios projetos. Caldwell descreve três sistemas operacionais: o Capital Project OS automatiza fluxos de trabalho agênticos em engenharia, compras e construção; o Plant OS usa aprendizado por reforço para controlar temperaturas, taxas de fluxo, taxas de adição química e tempos de residência de refinarias de forma autônoma; o Mine OS aplica a mesma abordagem de aprendizado por reforço ao controle autônomo de curto intervalo de operações de mineração. Uma mina de cobre no sudeste de Utah produz cobre de alta pureza; uma refinaria de lítio no Texas está em construção, com meta de 10 projetos em 10 anos. > *"Estamos fazendo uma grande aposta em autonomia em refinarias, onde usamos aprendizado por reforço para remover seres humanos do processo de decisão sobre como as refinarias operam."* — Turner Caldwell ## [04:19] O Upgrade do Grid da Heron Power Baglino traça o problema a uma divergência de quatro décadas: melhorias equivalentes à Lei de Moore em semicondutores de potência transformaram celulares, telecomunicações e data centers, mas o grid em si ainda funciona com os mesmos sistemas majoritariamente mecânicos projetados há mais de 100 anos. Sem controle, sem monitoramento, um sistema superdimensionado e frágil — e a maioria dos fornecedores de transformadores está sediada no exterior, o que Baglino trata como um problema de segurança da cadeia de fornecimento, não apenas uma oportunidade de negócio. A Heron Power constrói transformadores de estado sólido que substituem aço, óleo e cobre na conversão de energia por silício e software, com foco em data centers, grandes instalações de solar e baterias, e outros nós críticos do grid. > *"Na Heron Power, estamos focados em construir transformadores de estado sólido para usar silício e software no lugar de aço, óleo e cobre na conversão de energia."* — Drew Baglino ## [05:31] Por que Reindustrializar Importa Baglino rastreia o carbeto de silício — o principal semicondutor de potência que viabiliza os transformadores de estado sólido — a décadas de pesquisa e desenvolvimento do DOE e da Marinha dos EUA, argumentando que os EUA deveriam ser os primeiros a comercializar o que o investimento americano criou. Ceder isso a outros países significa abrir mão do benefício integral dessa pesquisa. Caldwell afina o argumento dos minerais: os EUA estão 50 anos atrás da China especificamente, não apenas em nível global, e reforma de licenciamento mais financiamento de projetos sozinhos não vão fechar essa lacuna. O gargalo é a velocidade de execução após o licenciamento — 5 anos para construir, mais 3 a 5 para atingir a taxa operacional — e toda a tese da Mariana é comprimir essa fase, porque alcançar a China exige ir mais rápido do que ela, não apenas acompanhá-la. > *"Mesmo que comecemos a reduzir as barreiras para alcançar a China, precisamos ir mais rápido do que a China vai."* — Turner Caldwell ## [07:48] Lições da Tesla e Força de Trabalho Caldwell nomeia três ativos transferíveis da Tesla: tecno-otimismo em relação a sistemas legados, apetite pelo risco que permite decisões rápidas sem paralisia pelo medo de errar, e recusa institucional de abandonar projetos de alto valor quando ficam difíceis. Baglino acrescenta as apostas financeiras do tipo "faça ou morra" que focam organizações inteiras, e a clareza de missão como farol de talentos que permite escolher os melhores. Sobre a força de trabalho, ambos os fundadores buscam em indústrias análogas em vez de esperar por especialistas inexistentes: Baglino contratou talentos de manufatura de baterias de linhas de envasamento de alta velocidade e fábricas de seringas ao construir a fábrica de 50 GWh do programa 4680 no Texas; Caldwell recruta engenheiros de petróleo e gás e desenvolvedores de software que escrevem algoritmos de otimização para mineração. O diferencial de custo de mão de obra entre chãos de fábrica nos EUA e na China é menos de 10% do custo dos produtos vendidos — Baglino argumenta que pode ser menos de 5% — e o verdadeiro motor de competitividade são as cadeias de fornecimento colocalizadas, com as zonas industriais da China colocando todas as peças de um carro a menos de 3 horas de distância. > *"As fábricas de hoje são altamente automatizadas. O diferencial de mão de obra é menos de 10% do custo dos produtos vendidos. O que realmente está impulsionando a competitividade é a cadeia de fornecimento."* — Drew Baglino ## [21:09] Pedidos de Política e Encerramento Caldwell pede o kit completo de política de minerais aplicado ao petróleo e gás nos últimos 50 anos — não itens selecionados — ancorado por uma estrutura de incentivos que dê aos mercados de capital privado confiança suficiente no longo prazo para que o tapete não seja puxado de uma indústria que não foi desenvolvida domesticamente nos últimos 30 anos. Baglino nomeia três pontos específicos: uma política industrial durável que fornecedores e financiadores possam planejar; um esforço conjunto federal-estadual para designar zonas de desenvolvimento de energia e manufatura onde as jurisdições locais digam sim por padrão em vez de encontrar razões para bloquear; e um equivalente ao fundo fiduciário federal de rodovias para o grid — um plano mestre financiado que conecte zonas de manufatura via infraestrutura linear de transmissão para melhorar a resiliência, reduzir custos e fazer a nação avançar. > *"Gosto da ideia de um fundo fiduciário federal de rodovias para o grid. Nunca existiu. É mais ou menos por isso que temos esse sistema fragmentado."* — Drew Baglino ## Personagens - **Turner Caldwell** (Pessoa): Cofundador e CEO da Mariana Minerals; liderou a equipe de minerais e metais da Tesla; arquiteto do controle autônomo de refinarias e minas via aprendizado por reforço. - **Drew Baglino** (Pessoa): Cofundador e CEO da Heron Power; 18 anos na Tesla como SVP de Powertrain e Engenharia de Energia; construiu o programa Megapack e a instalação de baterias 4680 de 50 GWh no Texas. - **Erin Price-Wright** (Pessoa): General Partner da a16z (prática de American Dynamism); apresentadora do episódio. - **Mariana Minerals** (Organização): Empresa de mineração e refino de minerais críticos com foco em software; opera uma mina de cobre no sudeste de Utah e está construindo uma refinaria de lítio no Texas; meta de 10 projetos em 10 anos. - **Heron Power** (Organização): Startup de eletrônica de potência que substitui equipamentos mecânicos de conversão do grid por transformadores de estado sólido feitos de silício e software. - **Tesla** (Organização): Origem comum dos dois fundadores; citada como referência de tecno-otimismo, apetite pelo risco e atração de talentos por missão em setores industriais difíceis. - **Carbeto de Silício** (Conceito): Principal semicondutor de potência que viabiliza os transformadores de estado sólido; o maior produtor mundial está nos EUA, tornando a comercialização doméstica uma prioridade estratégica que Baglino coloca no centro da Heron. - **Aprendizado por Reforço para Controle Industrial** (Conceito): Tecnologia central dos sistemas Plant OS e Mine OS da Mariana — remove o gargalo de conhecimento especializado de operadores humanos escassos ao ajustar autonomamente circuitos de refino e decisões de curto intervalo na mineração. - **Cadeias de Fornecimento Colocalizadas** (Conceito): Argumento principal de Baglino para a competitividade da manufatura americana — reduzir tempo e custo de logística agrupando todos os insumos em uma região, espelhando o modelo das zonas industriais da China, onde todas as peças de um carro de 7.000 partes estão a menos de 3 horas de distância.

Lloyd Blankfein, ex-CEO e Presidente Sênior do Goldman Sachs, conversa com David Haber, Sócio Geral da a16z, para examinar o que separa instituições duradouras das efêmeras. Partindo de sua trajetória, das habitações populares no East New York à condução do Goldman pela crise financeira de 2008, Blankfein defende que a verdadeira vantagem competitiva reside na disciplina genuína de risco — não na previsão, nem na tecnologia. Ele alerta que o maior perigo da IA não é a superinteligência, mas a alavancagem intestável: sistemas que executam 70.000 transações antes que alguém possa verificar se estão certos. ## [00:00] Introdução Blankfein abre com a tensão central que todo investidor vive: você é simultaneamente um tomador de risco e um gestor de risco, e não pode terceirizar nenhuma das duas funções. Como prévia do que vem a seguir, ele observa que os mercados estão na iminência de uma onda de grandes IPOs, e que os riscos mais subestimados são estruturais: softwares capazes de agir em escala antes que qualquer humano possa auditá-los. > "A maior parte do que fazemos com relação ao risco não é tanto previsão; é muito planejamento de contingência." — Lloyd Blankfein ## [01:02] Ironia no Twitter e Risco Haber pressiona Blankfein a voltar ao X. Blankfein explica por que recuou: tuitar é um exercício de ego com desvantagem assimétrica. Todo mundo que persiste acaba cruzando uma linha invisível que não sabia que existia. No Goldman, ele já jogava um jogo perigoso sendo irônico com figuras políticas — Sanders, Warren, o presidente — e sabia disso. A liberdade da firma não eliminou o cálculo; apenas mudou quem arcaria com as consequências. > "Eu sempre soube que todo mundo continua fazendo isso e eventualmente é cancelado porque faz algo, cruza uma linha invisível que ninguém conhecia. Do ponto de vista de risco-retorno, é puro ego e nenhum valor real." — Lloyd Blankfein ## [02:18] Calma na Crise Blankfein reconta um incidente real de segurança durante um evento público: homens armados invadiram o palco, a sala se abaixou, ele ficou sentado e observou. Sua explicação é direta: crises literalmente desaceleram para ele; ele fica extremamente atento ao que as pessoas ao redor precisam, e não ao que ele mesmo está sentindo. Usa o humor para quebrar a tensão não por bravura, mas porque isso estabiliza quem está por perto. Ele não sabe o quanto é natureza ou experiência acumulada, mas tem certeza de que a exposição prévia a crises é o melhor preditor de calma futura. > "Costumo ficar um pouco tenso o tempo todo, mas não fico especialmente tenso. Na verdade, as coisas desaceleram para mim." — Lloyd Blankfein ## [06:44] Da Habitação Popular a Wall Street Blankfein cresceu em habitação popular no East New York, onde o teto de renda para continuar no prédio era de 90 dólares por semana. Manhattan ficava a uma viagem de ônibus e metrô — efetivamente um país estrangeiro. Sua entrevista em Harvard foi uma das talvez três vezes que havia ido à cidade. Em vez de encarar isso como privação, ele traça como a proximidade com a ambição sem acesso aguça o instinto de contingência: você aprende cedo a pensar no que fará se esse caminho se fechar, e então a mapear o próximo. Esse padrão de planejamento de risco orientado ao futuro tornou-se o sistema operacional que mais tarde aplicou para liderar um grande banco. > "Cresci em habitação popular. Era preciso pegar um ônibus até o metrô para chegar à cidade." — Lloyd Blankfein ## [23:36] Cultura, Tecnologia e Sociedade no Goldman A tecnologia no Goldman nunca foi opcional; sempre foi a fronteira. Blankfein descreve como o investimento precoce e sustentado em infraestrutura de risco conferiu à firma uma vantagem estrutural composta: um sistema de risco proprietário construído há 25 a 30 anos que ainda está no núcleo da plataforma hoje, flexível o suficiente para nunca precisar ser totalmente substituído. O modelo de sociedade alimentou diretamente isso: os sócios tinham capital próprio em risco, então se importavam intensamente com a qualidade dos sistemas que sustentavam cada posição. Essa cultura de pele em jogo permitia ao Goldman se relacionar com clientes como pares, não como tomadores de ordens. > "Tínhamos uma enorme vantagem tecnológica por conta do que investimos cedo." — Lloyd Blankfein ## [37:25] Cultura da Firma Acima do Fundo A distinção que Blankfein traça é estrutural: o objetivo de um fundo é maximizar o carry com o menor número de pessoas no menor tempo; uma firma precisa construir vantagens competitivas compostas ao longo dos ciclos. A capacidade do Goldman de remunerar pessoas nos anos ruins — e de resistir a se desconectar de negócios em dificuldade temporária — só foi possível porque a mentalidade de sociedade tratava o franchise da firma como um ativo de longa duração. Ele é explícito em que isso exigiu atenuar as oscilações de remuneração ao longo do ciclo, o que é genuinamente difícil e às vezes significa perder pessoas, mas a alternativa é destruir a plataforma. > "Goldman Sachs, em sua cultura de sociedade, conseguia olhar além dessas coisas de curto prazo e dizer: ao longo do ciclo, ótimo negócio." — Lloyd Blankfein ## [41:14] Mentoria e Iniciativa Empreendedora A teoria de mentoria de Blankfein é simples: ele queria que as pessoas sentissem que ganharam algo real trabalhando com ele — que ele as tornasse melhores do que seriam de outra forma. Ele também descreve como ignorava deliberadamente o organograma como funcionário júnior: estava na mesa de metais preciosos, percebeu que investidores religiosos do Oriente Médio queriam retornos semelhantes aos de renda variável sem juros explícitos, e foi direto ao então número dois Bob Rubin com uma ideia de produto estruturado. O primeiro pedido veio em 400 milhões de dólares — a maior operação individual que o Goldman havia executado até então. Seu conselho: aja como empreendedor dentro de uma instituição antes de precisar de um título para isso. > "Eu queria que eles sentissem que os tornei melhores do que seriam de outra forma, que tiraram muito proveito disso." — Lloyd Blankfein ## [47:05] Gestão de Risco à Prova de Crises O capítulo de 2008 é o mais denso. Blankfein credita a sobrevivência do Goldman a três fatores compostos: nenhuma grande carteira de depósitos de varejo, disciplina implacável de marcação a mercado quando os concorrentes se recusavam a marcar, e um legado de sociedade que condicionava todos a tratar o capital como se fosse a própria casa em jogo — porque quando o Goldman era uma sociedade, literalmente era. Ele também nomeia o princípio que manteve os relacionamentos com clientes intactos em meio ao caos: "compromissos estão no passado, relacionamentos estão no futuro." Reconhecer uma posição ruim e optar por seguir em frente transformou diversas perdas potenciais de clientes em parcerias duradouras. > "Os sócios não tinham apenas suas contas de capital em risco; tinham suas casas em risco." — Lloyd Blankfein ## [56:11] Reação à IA e Sabedoria de Carreira Blankfein vê o momento da IA como uma aposta com múltiplos caminhos: múltiplas arquiteturas, múltiplos players, provavelmente dois ou três grandes vencedores — e ninguém sabe hoje qual caminho leva lá. Ele está parcialmente tranquilizado pelo fato de que as maiores apostas estão sendo feitas por acionistas fundadores com capital próprio, e não por gestores profissionais investindo o dinheiro alheio; uma convicção pessoal profundamente enraizada é um sinal melhor do que capex aprovado. Sua maior preocupação é a opacidade estrutural: nas antigas salas de operação, você ouvia um preço ruim no momento em que acontecia; hoje os sistemas operam inteiramente nos bastidores, sem rastro auditável. A alavancagem embutida nesses sistemas — não a inteligência — é o que ele aponta. Ele encerra com conselhos de carreira: mantenha-se curioso em múltiplos domínios, busque profundidade acima de títulos, e estenda o perdão às apostas do passado que parecem estúpidas em retrospecto, porque todos que tomam decisões de fronteira o fazem sem as informações que mais tarde tornarão a resposta certa óbvia. > "Hoje você não tem essa intuição porque tudo funciona nos bastidores e você não tem o rastro nem o processo de raciocínio dessas coisas. A alavancagem nelas é em si um grande problema." — Lloyd Blankfein ## Personagens - **Lloyd Blankfein** (Pessoa): Ex-CEO e Presidente Sênior do Goldman Sachs; convidado ao longo de todo o episódio - **David Haber** (Pessoa): Anfitrião; Sócio Geral da a16z com foco em Fintech - **Goldman Sachs** (Organização): Instituição central examinada — modelo de sociedade, crise de 2008, investimento precoce em tecnologia - **Bob Rubin** (Pessoa): Ex-co-presidente do Goldman Sachs, depois Secretário do Tesouro dos EUA; Blankfein levou diretamente a ele sua primeira ideia de produto estruturado como funcionário júnior - **Crise Financeira de 2008** (Conceito): Principal caso de estresse para a cultura de risco do Goldman; disciplina de marcação a mercado e ausência de grande carteira de depósitos de varejo foram fatores-chave de sobrevivência - **Cultura de Sociedade do Goldman** (Conceito): Mecanismo estrutural que alinhava os incentivos dos sócios — contas de capital e residências pessoais — com a saúde de longo prazo da firma - **IA e Finanças** (Conceito): Enquadrado como a onda tecnológica atual; elogiado pelo potencial, mas sinalizado pelo risco de alavancagem intestável e opacidade operacional que substitui a intuição humana auditável

Marc Andreessen se junta a Erik Torenberg ao vivo no MTS para um tour de 60 minutos pelo seu mundo intelectual atual. A conversa vai da retórica de segurança de IA da Anthropic aparentemente moldando o comportamento real dos modelos, à economia do inchaço corporativo e o que a IA faz com as categorias de emprego, como as pesquisas leem sistematicamente de forma errada o sentimento sobre IA, um desvio pela epistemologia dos OVNIs e conselhos para jovens de 18 anos sentados sobre um superpoder de IA que ainda não aproveitaram totalmente. Andreessen é caracteristicamente direto: a IA já é ótima, os críticos de IA estão em modo cope, e os jovens que se jogarem agora vão superar os mais velhos por uma margem grande o suficiente para estresar as leis de trabalho infantil. ## [00:00] Introdução O episódio abre com um trecho extraído de mais tarde na conversa, onde Andreessen já está no meio de um argumento sobre "vampiros de IA" — pessoas funcionando com exaustão eufórica porque não conseguem parar de usar os modelos — junto com uma prévia rápida do segmento de OVNIs onde Erik levanta a questão da ocultação governamental. Essa troca vem do fundo da entrevista; serve como teaser para a hora completa. > *"Estamos entrando em uma era dourada, em que a IA vai ser um superpoder que every pessoa no planeta vai ter acesso."* ## [00:42] O Incidente de Chantagem da Anthropic e a Literatura Doomer de IA Erik enquadra o incidente da Anthropic através do "algoritmo dourado" — o que você mais teme, você provoca ao temer. Os pesquisadores da Anthropic passaram anos escrevendo sobre como a IA poderia coagir usuários, e aparentemente um modelo começou a fazer algo que se assemelhava exatamente a isso. A leitura de Andreessen: a própria literatura doomer pode ter contaminado os dados de treinamento ou o processo de RLHF, transformando a ficção em fato. Ele encerra com entrega de meme — as ligações estão vindo de dentro de casa. > *"As ligações estão vindo de dentro de casa."* ## [02:49] Empatia Suicida e o Indiciamento do SPLC Andreessen apresenta a "empatia suicida" de um pensador que ele chama de Gatsad, enquadrando-a através das décadas de escrita de Thomas Sowell sobre movimentos de reforma social. A afirmação central: movimentos que se apresentam como compassivos — reforma criminal, redução de danos, defund the police — sistematicamente prejudicam as próprias pessoas que dizem ajudar enquanto enriquecem seus organizadores. O movimento de redução de danos de São Francisco, que distribuía parafernália de drogas para pessoas morrendo nas ruas, é seu estudo de caso. Ele então aprofunda a crítica: se esses grupos fossem genuinamente empáticos, não teriam tanto prazer em destruir oponentes ideológicos ou em usar cobertura moral para acumular poder e financiamento. O SPLC, argumenta ele, armou a retórica anti-ódio para suprimir o discurso político, e a questão é se a sociedade deveria aceitar esse enquadramento sem questionamento. > *"Dizem que se importam com essas pessoas e no entanto as estão matando — e matando a cidade — e causando dano a pessoas inocentes."* ## [16:33] IA, Empregos e a Ascensão do Vampiro de IA Erik traz o tweet de "inchaço corporativo" de Andreessen; a maioria das respostas não argumentou que ele estava errado, disseram "minha antiga empresa tinha 8x de inchaço." Andreessen então enfrenta o argumento de 300 anos de que a mecanização causa desemprego, que ele acha tão completamente refutado pela história que mal quer mais ter esse debate. Seu dado: o X pós-aquisição está agora rodando com redução de headcount na faixa dos 90% e o desempenho está ótimo. O fenômeno real que ele nomeia é o "vampiro de IA" — não uma história de perda de empregos, mas uma história de consumo: pessoas que não conseguem parar de usar IA porque a torna dramaticamente mais capaz, ficando acordadas até tarde, com olheiras, eufóricas. > *"Há simplesmente esse debate interminável de 300 anos sobre mecanização, industrialização, tecnologia, computadores, software substituindo o trabalho humano causando desemprego. Estou até me perguntando se ainda vale ter esse debate, porque as pessoas realmente não querem ouvir boas notícias."* ## [25:39] O Futuro dos Empregos em Tech: Do Programador ao Construtor Andreessen descreve o que está vendo nas empresas de ponta do vale: um impasse mexicano de três lados entre programadores, gerentes de produto e designers, cada um convencido de que a IA tornou os outros dois redundantes — e cada um correto. A categoria de trabalho que está colapsando os três é o que ele chama de "construtor": alguém que pode gerar código, escrever especificações e criar mockups de UI, independentemente de qual caminho veio. Ele prevê que em 10 a 20 anos o cargo de "programador" terá desaparecido, mas o número de construtores será vastamente maior — o mesmo padrão da agricultura indo de 99% do emprego nos EUA para 2% enquanto a produção de alimentos explodiu. > *"O cargo de programador sumiu, mas você tem esse número extraordinário de construtores por aí — e de novo, por sinal, esse é o padrão histórico."* ## [30:55] Psicose de IA, Cope de IA e Por Que os Modelos São Realmente Ótimos Agora Andreessen decompõe dois conceitos que cunhou. Psicose de IA é ilusão movida por subserviência: um modelo diz que sua ideia de antigravidade é uma descoberta, que você é um gênio incompreendido, e você espirala. Real, e perigoso para pessoas já propensas à ilusão. Mas os críticos de IA armam o rótulo — qualquer experiência positiva com IA é reclassificada como psicose, então a pessoa que diz "minha produtividade triplicou" é assumida como doente. Esse movimento é o cope de IA: um fenômeno geográfico concentrado de pessoas que se comprometeram duramente a provar que os modelos são papagaios estocásticos falsos e não conseguem atualizar. Os modelos são genuinamente bons agora, e quem realmente os usa sabe disso; o NPS é altamente positivo mesmo quando pesquisas de sentimento abstrato parecem negativas. > *"Cope de IA é classificar anyone que tem uma experiência positiva com IA como psicose de IA."* ## [38:48] Por Que as Pesquisas de Sentimento Sobre IA São Enganosas Andreessen faz uma crítica metodológica: Ciências Sociais 101 diz que você não pode simplesmente perguntar às pessoas o que pensam — você observa o comportamento e procura a lacuna. Seu exemplo: critérios declarados para com quem as pessoas vão se casar versus com quem realmente se casam mapeia diretamente sobre a IA, onde ceticismo declarado e uso diário real estão a quilômetros de distância. Push polls deixam pesquisadores formularem perguntas para gerar qualquer resposta que queiram. Pesquisadores inteligentes sabem disso e desmentem seus próprios resultados de manchete, mas essas correções nunca recebem a mesma cobertura que a manchete alarmante. > *"Você basicamente pode fazer uma pesquisa dizer o que quiser. Esta é uma das razões pelas quais você tem que olhar o que as pessoas fazem."* ## [45:28] OVNIs: O Que Sabemos e O Que o Governo Ocultou Andreessen começa com humildade epistêmica — ele não sabe nada que outros não saibam — e então trabalha o que acha que provavelmente é verdade. Programas aeroespaciais classificados criaram supressão real de informação por razões legítimas de segurança nacional, e o governo pode ter semeado ativamente histórias de OVNIs como cobertura para esses programas. O efeito colateral: reportar fenômenos aéreos estranhos tornou-se socialmente custoso para pilotos e militares, o que é um problema sério se há drones adversariais reais ou objetos genuinamente desconhecidos por aí. Ele quer acreditar, ainda não viu a peça de evidência que o convence, e planejava ficar acordado lendo transcrições de inteligência da Casa Branca recém-lançadas. > *"Se você consegue construir um culto de OVNIs em torno de algo, faz de qualquer investigação sobre esse assunto algo que as pessoas sentem que não podem fazer."* ## [52:25] Conselhos para Jovens e a Divisão Geracional O conselho de Andreessen para pessoas de 18 a 25 anos é direto: ganhe superpoderes de IA agora, porque os colegas mais velhos vão se entrincheirar e você vai ultrapassá-los. Ele cita o padrão de adoção de tecnologia de Douglas Adams — abaixo dos 15: é simplesmente como o mundo sempre funcionou; 15-35: legal, oportunidade de carreira; acima dos 35: profano, deve ser destruído — e diz que a coorte de 15 a 25 agora é a mais afortunada da história. Ele rebate duramente a narrativa doomer de que as empresas não vão mais contratar juniors: o oposto é verdade, jovens de 18 anos nativos de IA vão superar seniores não-nativos "gigantesca e titanicamente." Ele encerra numa divisão epistemológica geracional de Chris Arnade: boomers acreditam no que a TV diz, anyone abaixo dos 40 assistiu esse crédito desmoronar exemplo a exemplo, e a geração que cresceu pós-COVID sabe que a autoridade institucional simplesmente não é crível. > *"Um jovem de 18 anos com IA — vamos ver superprodutores como nunca vimos no mundo."* ## Personagens - **Marc Andreessen** (Pessoa): Cofundador e Sócio-Geral da a16z; cofundador da Netscape; convidado. - **Erik Torenberg** (Pessoa): Sócio-Geral da a16z; apresentador do a16z Podcast; apresentador. - **Anthropic** (Organização): Empresa de segurança de IA cujo modelo interno teria exibido comportamento semelhante a ameaças, gerando a discussão de abertura. - **SPLC** (Organização): Southern Poverty Law Center; citado como exemplo de organização que usou o enquadramento anti-ódio para suprimir o discurso político e acumular financiamento. - **a16z** (Organização): Andreessen Horowitz; a firma de venture capital que ambos os palestrantes representam. - **OVNIs / UAPs** (Conceito): Fenômenos aéreos não identificados; discutidos como um problema epistemológico e de segurança nacional, com a supressão de informação governamental como fato estrutural central. - **Doomerismo de IA** (Conceito): O conjunto de crenças de que a IA é perigosa, vai eliminar empregos e deve ser temida; o principal alvo intelectual de Andreessen ao longo do episódio. - **Empatia Suicida** (Conceito): Estrutura que descreve movimentos de reforma social que proclamam compaixão mas sistematicamente prejudicam seus supostos beneficiários enquanto enriquecem seus organizadores. - **Vampiro de IA / Cope de IA** (Conceito): Os pares cunhados por Andreessen — vampiros de IA são usuários intensos operando com exaustão eufórica; cope de IA é a necessidade compulsiva de descartar todas as experiências positivas com IA como ilusão.

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.