The a16z Show

a16z合伙人Josh Elman做客New Economies播客，与Ollie Forsyth探讨了消费级AI的下一波浪潮，以及如何区分用户仅尝试一次的产品与能融入日常生活的产品。 Josh指出，获取用户注意力实际上变得更容易了，但让用户留存却比以往任何时候都更难。他阐述了自己在消费产品中寻找的特质，为何最佳产品应从狭窄切入点起步并逐步拓展功能，以及当AI代理越来越多地介入个人生活时，信任为何变得愈发关键。 他们还探讨了个人AI代理、购物与娱乐的未来、为何尚未出现新的主流社交网络，以及AI如何让技术更具社交性而非相反——包括能帮助人们在现实世界中更多相聚的代理。 本对话最初发表于New Economies播客。

马丁·卡萨多与MTS主持人西奥·贾菲和索菲亚·杜共同探讨：人工智能领域的价值究竟在何处积累？为何这一技术周期与以往浪潮存在根本性差异？前沿实验室最终是否会占据大部分市场？ 马丁阐释了为何人工智能将风险投资转变为规模化资本游戏——小型团队能够高效配置巨额资金，以及资本、创新与增长之间的关系为何从未如此紧密。他既分析了前沿实验室主导AI领域的论据与反论，也探讨了开源模型与专业模型的作用，以及应用程序为何正在捕获更多价值。 对话还涉及模型路由、AI经济学、创始人-市场契合度，以及马丁为何认为这可能是自20世纪90年代以来他所见证的最大财富释放机遇。

Elena Burger和Matt Bornstein与Inferact联合创始人兼CEO Simon Mo展开对话。Inferact作为开源推理引擎，正驱动着当今众多最先进的AI应用。他们共同探讨了开源AI如何从研究项目演变为关键基础设施，推理为何成为AI技术栈中最核心的层级之一，以及将前沿智能带给全球开发者需要哪些条件。 对话涵盖了vLLM的起源、开放权重模型的兴起、企业为何越来越渴望掌控AI基础设施，以及开源推理如何赋能新一代AI应用。他们还讨论了模型许可、开放权重AI的经济性、Kimi K3、蒸馏技术、AI基础设施，以及Simon为何认为开放模型与封闭模型之间的差距正在迅速消失。

亚历克斯·兰佩尔和奥利维亚·摩尔与拉西公司联合创始人斯泰因·佩莱和弗雷德里克·伦肯对话，探讨如何将人工智能引入经济中最被忽视的领域之一：小型企业。 受在牙科诊所工作经历的启发，佩莱和伦肯着手自动化那些让医疗从业者远离患者的行政工作。他们讨论了AI代理如何改变账单处理、保险理赔、患者支付及其他运营流程，使诊所减少文书工作的时间，将更多精力投入患者护理。 对话深入探讨了AI代理——这类软件不仅存储信息，更能执行实际工作——如何融入现实商业场景，以及为何医疗行政管理领域蕴藏着自动化领域的最大机遇之一。过程中，他们分享了产品设计、市场策略，以及在复杂商业环境中构建可靠AI系统的关键要素。

Applied Intuition 在过去十年中一直致力于构建驱动智能机器的软件，其应用范围涵盖乘用车、卡车、国防系统、采矿设备以及工业机器人。 在本期对话中，马克·安德森和埃里克·托伦伯格与Applied Intuition的联合创始人卡萨尔·尤尼斯和彼得·路德维希一同探讨了物理人工智能的兴起，以及公司最新推出的平台Dana——一个旨在加速自主系统开发的新平台。 他们深入讨论了自动驾驶汽车、机器人技术、世界模型、仿真、AI基础设施，以及在物理世界中安全部署智能系统所面临的工程挑战。此外，他们还谈到了自动驾驶汽车、人形机器人、全球竞争，以及为何降低构建物理AI的门槛可能催生全新一代的产品和公司。 资源： 在X上关注卡萨尔·尤尼斯：https://x.com/qasar 在领英上关注彼得·路德维希：linkedin.com/in/peterwludwig 在X上关注马克·安德森：https://x.com/pmarca 保持更新： 在YouTube上找到a16z：YouTube 在X上找到a16z 在领英上找到a16z 在Spotify上收听a16z节目 在Apple Podcasts上收听a16z节目 关注我们的主持人：https://twitter.com/eriktorenberg 请注意，此处内容仅供信息参考；不应被视为法律、商业、税务或投资建议，也不应用于评估任何投资或证券；且不针对任何a16z基金的投资者或潜在投资者。a16z及其关联公司可能持有所讨论公司的投资。更多详情请参见a16z.com/disclosures。 由Simplecast（AdsWizz旗下公司）托管。关于我们收集和使用个人数据用于广告的信息，请参见pcm.adswizz.com。

作为夏季重播系列的一部分，我们重新回顾了Runtime（a16z关于AI基础设施与计算未来的会议）中最引人注目的对话之一。 Atreides Management管理合伙人兼首席投资官Gavin Baker与David George一同探讨了当前AI投资周期面临的最大问题。AI是泡沫吗？数据中心、GPU和计算基础设施的前所未有的建设对经济意味着什么？投资者应如何看待那些构建下一代AI的公司？ 对话探讨了前沿模型、英伟达、谷歌、定制芯片、AI基础设施、应用软件、机器人技术，以及Baker为何认为当前的AI投资周期与21世纪初的互联网泡沫有本质区别。在此过程中，他们讨论了GPU的经济性、企业软件、AI商业模式，以及随着AI从实验阶段进入更广泛的经济领域，接下来会发生什么。 资源： 在X上关注Gavin Baker：https://x.com/GavinSBaker 在X上关注Atreides Management：https://x.com/atreidesmgmt 在X上关注David George：https://x.com/DavidGeorge83 保持更新： 在YouTube上找到a16z：YouTube 在X上找到a16z 在LinkedIn上找到a16z 在Spotify上收听a16z节目 在Apple Podcasts上收听a16z节目 关注我们的主持人：https://twitter.com/eriktorenberg 请注意，此处内容仅供信息参考；不应被视为法律、商业、税务或投资建议，也不应用于评估任何投资或证券；且不针对任何a16z基金的投资者或潜在投资者。a16z及其关联公司可能持有所讨论公司的投资。更多详情请参见a16z.com/disclosures。 由Simplecast（AdsWizz旗下公司）托管。关于我们收集和使用个人数据用于广告的信息，请参见pcm.adswizz.com。

Anish Acharya与Josh Elman展开对话，探讨消费科技的未来以及Elman加入a16z的决定。 过去二十年里，Elman参与塑造了包括LinkedIn、Facebook、Twitter、Robinhood、Discord、Musical.ly、TikTok和Apple在内的一批最具影响力的消费科技产品与公司。基于这些经历，他反思了科技如何从一个小众行业演变为日常生活的核心力量。 对话涉及消费级AI、产品设计、分发、社交网络、创作者生态，以及科技与人类行为之间不断变化的关系。他们讨论了为何AI可能催生全新一代消费产品，发现与分发方式如何改变，以及创始人能从以往平台转型中学到什么。 在此过程中，Elman分享了他对留存率、网络效应、产品市场契合度的见解，以及他认为在消费科技领域仍未被充分挖掘的机遇。 资源： 在X上关注Josh Elman：https://x.com/joshelman 在X上关注Anish Acharya：https://x.com/illscience 保持更新： 在YouTube上找到a16z：YouTube 在X上找到a16z 在LinkedIn上找到a16z 在Spotify上收听a16z Show 在Apple Podcasts上收听a16z Show 关注我们的主持人：https://twitter.com/eriktorenberg 请注意，此处内容仅供信息参考；不应被视为法律、商业、税务或投资建议，也不应用于评估任何投资或证券；且不针对任何a16z基金的投资者或潜在投资者。a16z及其关联方可能持有所讨论公司的投资。更多详情请参见a16z.com/disclosures。 由Simplecast（AdsWizz旗下公司）托管。关于我们为广告目的收集和使用个人数据的信息，请参见pcm.adswizz.com。

America’s defense, energy, manufacturing, and robotics booms are increasingly becoming one story: the rebuilding of the country’s industrial base. This year’s AD50 highlights the companies building across that stack, from critical materials and factories to the systems they ultimately power. a16z’s Erin Price-Wright and Connor Love join Elena Burger to unpack what has changed. They discuss how defense demand can help finance manufacturing capacity that ultimately serves much larger commercial markets, why AI is changing the economics of American factories, and how a new generation of founders is applying lessons from SpaceX, Tesla, Anduril, and Palantir to mining, energy, manufacturing, and defense. They also make the case that these companies are no longer simply important to America. With private capital increasingly willing to fund physical infrastructure and production before government demand is guaranteed, they can become some of the most valuable companies in the world.

Mark Cuban认为，AI可能会变革医疗保健，但它无法自行解决价格不透明和激励机制扭曲的问题。他给雇主的出发点是：用AI审核每一份福利合同，看看自己在哪些地方被宰了。 Mark与a16z普通合伙人Julie Yoo和Erik Torenberg一起讨论他在创办Cost Plus Drugs过程中的心得体会、为什么信任是它的核心产品，以及更大的透明度如何对医疗成本形成压力。 他们还探讨了AI可以在哪些方面提供帮助、个性化医疗可能是什么样子、医生的角色可能如何变化，以及为什么Mark认为创始人应该用AI来学习，而不是把它当作停止思考的借口。

如果AI能帮助学生大幅加快学习速度，学校应该是什么样子？Alpha School创始人Joe Liemandt认为，答案不是把多出来的时间用来学更多学术内容，而是围绕传统课堂难以培养的技能重新设计学校：自主性、团队协作、创业精神、沟通能力，以及勇于做难事。 Joe与Erik Torenberg和Horowitz and Andreessen Academy联合创始人Gagan Biyani一起讨论Alpha的模式：学生每天花两小时学习核心学术内容，其余时间通过项目培养现实世界技能。他们还探讨了这种方法能给高等教育带来什么启示、为什么动力可能比课程更重要，以及HAA如何将类似原则应用于大学年龄段的学生，把创造、人际关系和真实世界经验置于学习体验的核心。 他们还讨论了家长在选择一种新的教育模式之前需要相信什么，为什么Joe预计AI将推动创业精神的爆发，以及为什么对学生来说，最重要的问题可能不是哪个领域最不会被AI取代，而是他们足够在乎什么、愿意去创造什么。

AI智能体正接近一个临界点，它们使用电脑的速度将超过人类专家，从而将用户界面本身转变为AI与软件交互的通用方式。OpenAI的Ari Weinstein和James Sun认为，计算机使用现在正进入其规模化时刻，因为更好的模型、更快的执行速度和更强的安全控制使得智能体在更多消费者和企业工作中变得实用。 Ari和James与a16z的Seema Amble和Fabrizio Serafini一起，解释了使用电脑的智能体如何已经在导航传统ERP系统、核对财务数据、处理采购以及在没有API或自定义集成的情况下操作软件。他们还讨论了为什么围绕模型的框架可能与模型智能同样重要，企业如何围绕智能体行为设置确定性护栏，以及为什么计算机使用可以同时延长传统软件的寿命并加速新的AI原生应用的到来。 展望未来，他们主张与计算机建立一种更主动、更流畅的关系，智能体在后台工作，实时与用户协作，并越来越多地适应我们，而不是要求我们学习如何使用它们。

一个10人规模的初创公司能否超越拥有数百名员工的企业？Box首席执行官Aaron Levie认为，AI代理正在为小团队提供前所未有的杠杆效应，这在过去从经济角度而言根本无法实现，从而为初创公司创造了超越现有企业的窗口。 在本期Speedrun Office Hours节目中，Aaron解释了为什么创始人正从亲自执行工作转向协调AI代理，以及为什么这会让战略、品味和精准把握构建方向变得前所未有的重要。他论证了几乎每个行业和职业职能都可以支持专门化的AI代理，从而可能创造出数百家新的价值数十亿美元的公司。 他们还探讨了为什么企业级AI可能会抓住下一波模型改进的大部分红利，大幅降低成本的AI劳动力如何可能释放当前不存在的需求，以及Aaron认为AI不会改变的一件事：分销。如果产品造出来了，用户未必会主动找来。

当AI以如此之快的速度改变规则时，创办一家公司需要什么？Ben Horowitz认为，技术可能让公司更容易起步，但创业最艰难的部分——在不确定性中做决策、建立势头、管理自我怀疑——并不会消失。 Speedrun的Andrew Chen与Ben深入探讨，为什么AI与以往的技术变革感觉不同，小团队能否创造价值十亿美元的公司，以及为什么Ben认为随着AI代理直接与数据协作，应用本身最终可能变得不那么重要。 他们还讨论了AI领域的防御性、创始人应如何选择投资者、风险投资正在如何变化，以及为什么最优秀的创业者并非没有弱点，而是拥有真正卓越的优势或洞见。

亚马逊预计到2026年将投入约2200亿美元的资本支出，然而CEO安迪·贾西表示，公司仍在应对大量未满足的AI需求。他认为，这一建设最终可能帮助AWS成为年营收达1万亿美元的业务。 安迪与a16z联合创始人本·霍洛维茨和埃里克·托伦伯格一同讨论，为什么AI需求增长如此迅速，亚马逊如何决定建设多少基础设施，以及更低的推理成本如何推动企业更广泛地采用AI。 他们还探讨了AI如何重塑亚马逊自身，从更小的团队更快地开发产品，到重新构想Alexa，以及为什么安迪认为网络安全、人类判断力和批判性思维在AI时代将变得越来越重要。

a16z正在将a16z crypto扩展为a16z Frontier，这是一个更广泛的使命，旨在支持那些在可能性的边缘进行建设的创始人。克里斯·迪克森与马克·安德森、本·霍洛维茨和埃里克·托伦伯格一起，解释了为什么创始人越来越不应该问“这会不会太雄心勃勃？”，而应该问“这够雄心勃勃吗？”——以及AI如何可能将数十年的技术进步推向硬件、机器人、娱乐、科学和全新形式的媒体。 他们还探讨了即将到来的AI代理互联网，为什么开源在AI变得更强大时至关重要，以及为什么未来十年一些最重要的公司可能会结合以前分属不同类别的技术和商业模式。

AI代理能够推理大量信息，但世界上许多实际工作仍然被困在PDF、电子表格、扫描件和其他模型难以可靠理解的格式中。Reducto联合创始人兼CEO Adit Abraham认为，如果代理要在医疗、法律、金融和保险领域承担重要工作，解决这一文档层问题至关重要。 Adit与a16z普通合伙人Jennifer Li一起，解释了为什么传统的OCR在处理杂乱的真实世界文档时会失效，Reducto如何结合视觉语言模型与专用基础设施，在不牺牲成本或延迟的情况下实现高精度，以及为什么前沿模型在长时间提取任务中可能会默默丢失信息。Reducto现在每月处理数十亿页文档，包括录音当天早上处理的第70亿页。 他们还讨论了Reducto的R1模型、能够审查和纠正自身文档提取的代理，以及公司从简单读取文件向让代理可靠地处理和编辑文件迈进的努力。这一切背后是一个更严峻的问题：当一个错误读取的词语可能影响医疗索赔或财务决策时，正确获取输入与让模型更智能同样重要。

每周有超过3亿人使用ChatGPT询问健康和保健问题。OpenAI的Karan Singhal认为这只是开始：长期目标是让AI能够主动帮助人们管理健康，同时让可信赖的医学知识变得更容易获取。 Karan与a16z合伙人Jay Rughani一起解释了为什么OpenAI将医疗保健专业知识直接训练到其通用前沿模型中，如何与数百名医学专家合作评估安全性和分歧，以及为什么公司将AI视为医生的补充而非医疗护理的替代品。他们还讨论了与Epic的集成、面向临床医生的AI副驾驶，以及当个人代理开始处理预约、健康记录和其他零散的医疗系统部分时会发生什么。 展望未来，Karan认为医学知识的成本可能会继续大幅下降，让AI能够充当患者和临床医生的安全网，从多年的健康数据中挖掘洞察，并可能加速新疗法的发现和验证。

为什么AI没有像编程那样迅速改变日常工作？Town公司CEO Jean-Denis Greze认为，瓶颈不在于智能，而在于让AI对那些没有时间或技术技能来构建自己自动化工具的人有用。 Jean-Denis与a16z普通合伙人Alex Rampell一起，分享了他为何将Town从税务软件转型为围绕电子邮件、日历和驱动业务的工作流程的个人AI助手。他们讨论了为什么消费级体验可能在企业AI中胜出，Town如何发现并自动化用户不会想到委托的任务，以及随着AI实验室越来越多地与应用程序公司竞争，模型中立性和数据所有权为何重要。 他们还探讨了当代理开始代表我们行动时会发生什么，从管理日常工作到购物和商业，以及为什么下一代软件可能需要适应每个用户，而不是反过来。

当AI的错误不仅损害基准测试分数，还影响某人的住房或医疗时，会发生什么变化？EliseAI应用研究主管Mario Martone认为，在关键行业部署AI需要非常不同的可靠性标准。 Mario加入MTS，解释EliseAI如何每月处理约500万通电话，为什么LLM并非每个问题的正确解决方案，以及团队如何结合语言模型、传统机器学习、神经网络和内部构建的评估来决定在生产中实际有效的方法。 凭借15年理论物理研究的经验，Mario还解释了科学方法如何塑造EliseAI的研究文化，从针对自身基准测试新模型到微调开源模型，以及在住房和医疗领域自动化日益复杂的工作流程。他还论证了将AI应用于现实世界可以产生与他在研究弦理论时遇到的智力难题同样困难的问题。

为什么预约医生仍然如此困难，AI最终能改变这一点吗？Zocdoc CEO Oliver Kharraz认为，真正的问题不在于寻找医生，而在于将患者与准确的可用性连接起来，并让预约在他们开始搜索的任何地方都可预订。 Oliver与a16z普通合伙人Julie Yoo一起，讨论了Zocdoc如何花费近20年时间构建在线预约背后的基础设施，以及为什么现在向AI代理、保险公司和其他平台开放这项技术。 他们探讨了Zocdoc与Gemini的合作关系，为什么患者不应被锁定在单一医疗平台中，以及如何通过显示最后一刻的可用性将预约等待时间从数周缩短到几天。他们还讨论了当AI成为医疗保健的新入口时会发生什么，以及为什么Oliver认为Zocdoc的未来远不止其自身应用。

a16z普通合伙人Martin Casado与Grepr CEO Jad Naous探讨：当AI学会写代码之后，它能否调试并运维这些代码所创建的系统？ Jad分享了AI如何改变他10人团队的工程效率——部分项目从六个月缩短至仅10天。但运维生产系统是更艰巨的挑战，涉及不可预测的工作负载、故障以及无数可能的状态。 他们讨论了AI能否像人类工程师一样诊断问题、验证假设并调试系统，还探讨了AI站点可靠性工程师（SRE）、安全性、查询优化，以及为何顶尖工程师可能从编码智能体中获益最多。

a16z普通合伙人Alex Rampell与VGS执行董事会成员Terry Angelos坐在一起，探讨当AI代理从推荐购买商品转向实际执行购买时，支付领域会发生什么变化。 Terry解释了安全授予代理访问支付凭证所需的基础设施，为什么PayPal、Shop Pay和Link等钱包正在竞争成为代理的默认支付层，以及新的代理代币如何保留使当今支付网络运作的退款、身份验证和商户关系。VGS已经保护了电子商务中相当大份额的支付凭证，现在每周正在配置数百万个这样的代理代币。 他们还讨论了当商户不想与代理交易时会发生什么，委托授权如何在代理犯错时改变责任归属，以及为什么AI可能同时增加消费者支出，同时消除那些依赖于人们不注意的订阅、费用和其他形式的经济“损耗”。

a16z合伙人Lisha Li与AI研究员兼Trillium创始人Nathan Lambert坐在一起，探讨前沿AI实验室与开放模型之间的差距究竟有多持久。 Nathan认为，OpenAI和Anthropic在计算能力、资本以及开创全新训练范式方面具有结构性优势，但开放模型实验室，尤其是中国的实验室，已经证明能够非常紧密地跟进。他们分析了这在多大程度上源于蒸馏技术还是技术人才，为什么计算能力仍然是一个主要限制因素，以及数据、强化学习环境和后训练如何日益塑造模型进展。 他们还讨论了Nathan的新非营利研究实验室Trillium，以及其计划开放AI研究中越来越难以从外部研究的某些部分。这包括发布强化学习环境，并记录AI如何被实际用于自动化AI研究，目标是揭开递归自我改进的神秘面纱，让研究人员和政策制定者更清晰地了解前沿系统能做什么和不能做什么。

人工智能能否破解保护从加密货币钱包、银行到私人消息等一切事物的密码学？最近在人工智能驱动的数学研究方面的进展引发了关于当今加密系统安全性的新警告，但这些担忧有多少有证据支持？ a16z crypto 的 Liz Harkavy 与斯坦福大学密码学家 Dan Boneh、a16z crypto 普通合伙人 Eddy Lazzarin 以及研究合伙人 Justin Thaler 一同探讨，区分已知事实与猜测。他们解释了现代密码学为何依赖于数学假设，OpenAI 的最新结果展示了什么以及未展示什么，以及人工智能的潜在威胁与量子计算有何不同。 他们还讨论了为什么现有的安全实践和密码学替代方案提供了信心依据，构建能够在假设失效时适应的系统的重要性，以及人工智能最终如何帮助研究人员和开发者使软件更加安全。

a16z 普通合伙人 Martin Casado 与 MakerMaker.AI 联合创始人 Dhaval Adjodah 和 Owen He 一起探讨递归自我改进（RSI），将这个日益流行的术语与其对 AI 系统自我改进的实际含义区分开来。 Dhaval 和 Owen 区分了真正的 RSI 与简单地使用 AI 来自动化 AI 开发的部分环节。他们的目标是构建一个闭环，其中被改进的系统同时也是进行改进的系统，涵盖模型、测试工具以及最终更多的 AI 技术栈组件。他们解释了为什么即使闭环仍然不能保证失控的“起飞”，以及为什么衡量实际进展需要同时考虑能力提升和实现这些提升所需的资源。 他们还分享了在自己的研究中观察到的现象，包括自我改进系统能够在提升性能的同时提高效率的早期迹象。此外，他们深入探讨了证明这些提升真实性的实际挑战，从方差和奖励黑客到区分真正改进与噪声的巨大困难。

Nick Bostrom与Theo Jaffee及Sofia Puccini共同做客MTS，重新审视他帮助引入主流视野的关于超级智能和存在风险的观点——如今能力日益增强的AI系统确实存在。 Nick讨论了为什么强化学习可能正在推动模型向更具目标导向的行为发展，最近的AI代理实验告诉了我们关于工具性收敛的什么，以及为什么他倾向于保留放缓前沿发展的能力，而非现在就承诺广泛或无限期的AI暂停。他还指出，AI的风险需要与其潜在益处相权衡，包括医学进步、延长寿命以及全新的人类存在方式。 他们还探讨了如今的模型是否已经具备某种形式的意识、开源AI的权衡、机器能否进行原创哲学思考、意识上传，以及模拟假说对我们创造的超级智能可能意味着什么。

a16z联合创始人兼普通合伙人Ben Horowitz与James Norman一起，在Vintage x Vintage的首期节目中，就创业、投资、嘻哈以及当AI让构建变得异常容易时会发生什么变化展开了对话。 Ben回顾了自己从Netscape到首次担任CEO的经历，为何每位创始人最终都会遇到“我们完蛋了，到此为止”的时刻，以及他从围绕创业者需求构建a16z中学到的经验。 他解释了为什么伟大的投资者应该寻找世界级的优势，而不是没有弱点，以及为什么扩大我们识别人才的方式可以提高标准，而不是降低标准。 他们还探讨了当前的AI周期，为什么Ben认为它比互联网更伟大，AI如何改变谁能够成为构建者，以及为什么当今模型底层的基础设施可能需要从头重建。

a16z的Raghu Raghuram和Guido Appenzeller与Playground Global普通合伙人、前英特尔CEO Pat Gelsinger坐下来讨论了下一波半导体创新以及塑造AI建设的物理限制。 Pat凭借设计英特尔386和486处理器的经验，解释了AI如何改变芯片设计，但同时也指出更快的设计本身并不能解决行业最大的问题。他们审视了制造、内存带宽、先进封装和电力方面的瓶颈，以及为何如今专用AI芯片的爆发最终可能会汇聚到更少的架构上。 他们还讨论了新内存技术的潜力、从铜到光网络的转变，以及为何能源容量可能成为AI增长的主要限制。最后，他们回顾了Pat在VMware的岁月，提问当基础设施是为AI代理而非人类构建时，虚拟化会是什么样子。

a16z的Raghu Raghuram与AWS首席执行官Matt Garman探讨AI如何重塑云计算，从AI原生初创公司的需求到日益为智能体设计的基础设施。 Matt解释了AWS如何适应智能体编写代码和管理基础设施的趋势，为何为初创公司预留稀缺的GPU容量，以及Trainium和Graviton等定制芯片在AI技术栈中的定位。 他们还讨论了亚马逊2200亿美元的资本投资、基础设施建设中的瓶颈转移、企业信任自主智能体所需的条件，以及AWS自身团队如何利用智能体进行开发。

a16z普通合伙人Angela Strange与Valon的Andrew Wang和Linda Du坐下来探讨，要重建一个仍严重依赖互联网前设计的系统的13万亿美元抵押贷款市场的基础设施需要什么。 Linda和Andrew解释了为什么Valon选择了最艰难的道路：成为受监管的抵押贷款服务商，将数十年的联邦和州法规转化为软件，并在向行业出售之前用自己的贷款验证平台。这一基础使Valon的效率大约是传统服务商的三倍，并创建了记录系统，现在正利用该系统将AI引入复杂的抵押贷款工作流程。他们还讨论了AI在该基础设施之上可以实现什么，从处理长尾服务任务的代理到语音界面和更个性化的客户体验。他们解释了为什么将技术部署到大型受监管企业中，最终既是技术挑战，也是变革管理挑战。