Bitter Lessons in Venture vs Growth: Anthropic vs OpenAI, Noam Shazeer, World Labs, Thinking Machines, Cursor, ASIC Economics — Martin Casado & Sarah Wang of a16z

Bitter Lessons in Venture vs Growth: Anthropic vs OpenAI, Noam Shazeer, World Labs, Thinking Machines, Cursor, ASIC Economics — Martin Casado & Sarah Wang of a16z

Горькие уроки в venture и growth: Anthropic против OpenAI, Noam Shazeer, World Labs, Thinking Machines, Cursor, экономика ASIC — Martin Casado и Sarah Wang из a16z

Tickets for AIEi Miami and AIE Europe are live, with first wave speakers announced!

Билеты на AIEi Miami и AIE Europe уже в продаже, анонсирована первая волна спикеров!

From pioneering software-defined networking to backing many of the most aggressive AI model companies of this cycle, Martin Casado and Sarah Wang sit at the center of the capital, compute, and talent arms race reshaping the tech industry. As partners at a16z investing across infrastructure and growth, they’ve watched venture and growth blur, model labs turn dollars into capability at unprecedented speed, and startups raise nine-figure rounds before monetization.

Martin and Sarah join us to unpack the new financing playbook for AI: why today’s rounds are really compute contracts in disguise, how the “raise → train → ship → raise bigger” flywheel works, and whether foundation model companies can outspend the entire app ecosystem built on top of them. They also share what’s underhyped (boring enterprise software), what’s overheated (talent wars and compensation spirals), and the two radically different futures they see for AI’s market structure.

От пионерской работы над software-defined networking до инвестиций во многие из самых агрессивных AI-модельных компаний этого цикла — Martin Casado и Sarah Wang находятся в центре гонки за капитал, compute и таланты, которая перекраивает технологическую индустрию. Как партнёры a16z, инвестирующие на стыке инфраструктуры и growth, они наблюдали, как стираются границы между venture и growth, как модельные лаборатории с беспрецедентной скоростью превращают доллары в возможности, а стартапы привлекают девятизначные раунды ещё до монетизации. Martin и Sarah присоединяются к нам, чтобы разобрать новый сценарий финансирования AI: почему сегодняшние раунды на самом деле представляют собой замаскированные контракты на compute, как работает flywheel «привлечь → обучить → выпустить → привлечь больше» и смогут ли компании-разработчики фундаментальных моделей переспендить всю экосистему приложений, построенную поверх них. Они также рассказывают, что недооценено (скучный enterprise-софт), что перегрето (войны за таланты и компенсационная спираль) и какие два радикально разных будущих они видят для рыночной структуры AI.

We discuss:

Мы обсуждаем:

Развилка «двух будущих» по Martin: бесконечная фрагментация и новые категории софта против небольшой олигополии универсальных моделей, поглощающих всё, что выше нихКапитальный flywheel: как модельные лаборатории напрямую конвертируют финансирование в прирост возможностей, а затем в рост выручки, измеряемый неделями, а не годамиПочему venture и growth слились: гибридные раунды на $100M–$1B, стратегические инвесторы, переговоры по compute и сложные структуры сделокНапряжение AGI против продукта: распределение дефицитных GPU между долгосрочными исследованиями и краткосрочным flywheel выручкиСмогут ли frontier-лаборатории пере-привлечь и переспендить всю экосистему приложений, построенную поверх их APIПочему сегодняшние войны за таланты (компенсационные пакеты $10M+, acqui-hire за миллиарды) ломают математику основателей на ранней стадииCursor как кейс: как строить снизу из app-слоя и одновременно «тренировать вниз» в собственные моделиПочему «скучный» enterprise-софт может оказаться самой недоинвестированной возможностью в AI-манииЖелезо и робототехника: почему «момент ChatGPT» для роботов ещё не наступил и что должно изменитьсяWorld Labs и генеративный 3D: снижение предельной стоимости создания 3D-сцен на порядки

Почему публичный дискурс об AI часто дико оторван от реальности переговорных комнат и как основателям ориентироваться в этом шуме

Show Notes:

Примечания к выпуску:

«Where Value Will Accrue in AI: Martin Casado & Sarah Wang» — шоу a16z«Jack Altman & Martin Casado on the Future of Venture Capital»World Labs

—

Martin Casado
• LinkedIn: https://www.linkedin.com/in/martincasado/
• X: https://x.com/martin_casado

Sarah Wang
• LinkedIn: https://www.linkedin.com/in/sarah-wang-59b96a7
• X: https://x.com/sarahdingwang

a16z
• https://a16z.com/

—Martin Casado• LinkedIn: https://www.linkedin.com/in/martincasado/• X: https://x.com/martin_casadoSarah Wang• LinkedIn: https://www.linkedin.com/in/sarah-wang-59b96a7• X: https://x.com/sarahdingwanga16z• https://a16z.com/

Timestamps

Тайм-коды

00:00:00 – Intro: Live from a16z
00:01:20 – The New AI Funding Model: Venture + Growth Collide
00:03:19 – Circular Funding, Demand & “No Dark GPUs”
00:05:24 – Infrastructure vs Apps: The Lines Blur
00:06:24 – The Capital Flywheel: Raise → Train → Ship → Raise Bigger
00:09:39 – Can Frontier Labs Outspend the Entire App Ecosystem?
00:11:24 – Character AI & The AGI vs Product Dilemma
00:14:39 – Talent Wars, $10M Engineers & Founder Anxiety
00:17:33 – What’s Underinvested? The Case for “Boring” Software
00:19:29 – Robotics, Hardware & Why It’s Hard to Win
00:22:42 – Custom ASICs & The $1B Training Run Economics
00:24:23 – American Dynamism, Geography & AI Power Centers
00:26:48 – How AI Is Changing the Investor Workflow (Claude Cowork)
00:29:12 – Two Futures of AI: Infinite Expansion or Oligopoly?
00:32:48 – If You Can Raise More Than Your Ecosystem, You Win
00:34:27 – Are All Tasks AGI-Complete? Coding as the Test Case
00:38:55 – Cursor & The Power of the App Layer
00:44:05 – World Labs, Spatial Intelligence & 3D Foundation Models
00:47:20 – Thinking Machines, Founder Drama & Media Narratives
00:52:30 – Where Long-Term Power Accrues in the AI Stack

00:00:00 – Интро: в прямом эфире из a16z00:01:20 – Новая модель финансирования AI: столкновение venture и growth00:03:19 – Циркулярное финансирование, спрос и «нет тёмных GPU»00:05:24 – Инфраструктура против приложений: границы размываются00:06:24 – Капитальный flywheel: привлечь → обучить → выпустить → привлечь больше00:09:39 – Могут ли frontier-лаборатории переспендить всю экосистему приложений?00:11:24 – Character AI и дилемма AGI против продукта00:14:39 – Войны за таланты, инженеры за $10M и тревожность основателей00:17:33 – Что недоинвестировано? Аргументы в пользу «скучного» софта00:19:29 – Робототехника, железо и почему здесь трудно победить00:22:42 – Кастомные ASIC и экономика тренировочного прогона за $1 млрд00:24:23 – American Dynamism, география и центры силы в AI00:26:48 – Как AI меняет рабочий процесс инвестора (Claude Cowork)00:29:12 – Два будущих AI: бесконечная экспансия или олигополия?00:32:48 – Если ты можешь привлечь больше, чем твоя экосистема, ты побеждаешь00:34:27 – Все ли задачи AGI-complete? Кодинг как тестовый случай00:38:55 – Cursor и сила app-слоя00:44:05 – World Labs, пространственный интеллект и 3D-фундаментальные модели00:47:20 – Thinking Machines, драма основателей и медийные нарративы00:52:30 – Где в стеке AI накапливается долгосрочная власть

Transcript

Транскрипт

Latent.Space - Inside AI’s $10B+ Capital Flywheel — Martin Casado & Sarah Wang of a16z

Latent.Space — Внутри капитального flywheel AI на $10B+ — Martin Casado и Sarah Wang из a16z

[00:00:00] Welcome to Latent Space (Live from a16z) + Meet the Guests

[00:00:00] Добро пожаловать в Latent Space (в прямом эфире из a16z) + знакомство с гостями

[00:00:00] Alessio: Hey everyone. Welcome to the Latent Space podcast, live from a 16 z. Uh, this is Alessio founder Kernel Lance, and I’m joined by Twix, editor of Latent Space.

[00:00:00] Alessio: Привет всем. Добро пожаловать в подкаст Latent Space, в прямом эфире из a16z. Это Alessio, основатель Kernel Lance, и со мной Twix, редактор Latent Space.

[00:00:08] swyx: Hey, hey, hey. Uh, and we’re so glad to be on with you guys. Also a top AI podcast, uh, Martin Cado and Sarah Wang. Welcome, very

[00:00:08] swyx: Привет, привет, привет. И мы так рады быть с вами. Тоже топовый AI-подкаст — Martin Casado и Sarah Wang. Добро пожаловать, очень

[00:00:16] Martin Casado: happy to be here and welcome.

[00:00:16] Martin Casado: рад здесь быть, и добро пожаловать.

[00:00:17] swyx: Yes, uh, we love this office. We love what you’ve done with the place. Uh, the new logo is everywhere now. It’s, it’s still getting, takes a while to get used to, but it reminds me of like sort of a callback to a more ambitious age, which I think is kind of

[00:00:17] swyx: Да, нам нравится этот офис. Нам нравится, что вы тут сделали. Новый логотип теперь повсюду. К нему всё ещё надо привыкнуть, на это нужно время, но он напоминает мне о каком-то возврате к более амбициозной эпохе, что, я думаю, как бы

[00:00:31] Martin Casado: definitely makes a statement.

[00:00:31] Martin Casado: определённо делает заявление.

[00:00:33] swyx: Yeah.

[00:00:33] swyx: Да.

[00:00:34] Martin Casado: Not quite sure what that statement is, but it makes a statement.

[00:00:34] Martin Casado: Не совсем уверен, какое именно это заявление, но заявление он делает.

[00:00:37] swyx: Uh, Martin, I go back with you to Netlify.

[00:00:37] swyx: Martin, мы с тобой знакомы ещё со времён Netlify.

[00:00:40] Martin Casado: Yep.

[00:00:40] Martin Casado: Ага.

[00:00:40] swyx: Uh, and, uh, you know, you create a software defined networking and all, all that stuff people can read up on your background. Yep. Sarah, I’m newer to you. Uh, you, you sort of started working together on AI infrastructure stuff.

[00:00:40] swyx: И ты, ну, знаешь, ты создал software-defined networking и всё такое — про твой бэкграунд люди могут почитать. Ага. Sarah, с тобой я знаком меньше. Ты, вы как бы начали работать вместе над AI-инфраструктурой.

[00:00:51] Sarah Wang: That’s right. Yeah. Seven, seven years ago now.

[00:00:51] Sarah Wang: Всё верно. Да. Уже семь лет назад.

[00:00:53] Martin Casado: Best growth investor in the entire industry.

[00:00:53] Martin Casado: Лучший growth-инвестор во всей индустрии.

[00:00:55] swyx: Oh, say

[00:00:55] swyx: О, расскажи

[00:00:56] Martin Casado: more hands down there is, there is. [00:01:00] I mean, when it comes to AI companies, Sarah, I think has done the most kind of aggressive, um, investment thesis around AI models, right? So, worked for Nom Ja, Mira Ia, FEI Fey, and so just these frontier, kind of like large AI models.

[00:00:56] Martin Casado: подробнее — она реально лучшая, без вопросов. [00:01:00] Я имею в виду, когда речь о AI-компаниях, Sarah, мне кажется, сделала самые, ну, агрессивные инвестиционные тезисы вокруг AI-моделей, верно? То есть работала с Noam'ом, Mira'ой, Fei-Fei, в общем с этими frontier, такими крупными AI-моделями.

[00:01:15] I think, you know, Sarah’s been the, the broadest investor. Is that fair?

[00:01:15] Думаю, знаешь, Sarah была самым широким инвестором. Справедливо?

[00:01:20] Venture vs. Growth in the Frontier Model Era

[00:01:20] Venture против Growth в эпоху frontier-моделей

[00:01:20] Sarah Wang: No, I, well, I was gonna say, I think it’s been a really interesting tag, tag team actually just ‘cause the, a lot of these big C deals, not only are they raising a lot of money, um, it’s still a tech founder bet, which obviously is inherently early stage.

[00:01:20] Sarah Wang: Нет, ну, я собиралась сказать, что это был действительно интересный тандем, как раз потому что многие из этих крупных C-сделок не только привлекают много денег, но это всё ещё ставка на технического основателя, что, очевидно, по своей сути ранняя стадия.

[00:01:33] But the resources,

[00:01:33] Но ресурсы,

[00:01:36] Martin Casado: so many, I

[00:01:36] Martin Casado: так много, я

[00:01:36] Sarah Wang: was gonna say the resources one, they just grow really quickly. But then two, the resources that they need day one are kind of growth scale. So I, the hybrid tag team that we have is. Quite effective, I think,

[00:01:36] Sarah Wang: хотела сказать про ресурсы — первое, они растут очень быстро. Но второе — ресурсы, которые нужны им с первого дня, это уже growth-масштаб. Так что наш гибридный тандем, мне кажется, довольно эффективен,

[00:01:46] Martin Casado: what is growth these days? You know, you don’t wake up if it’s less than a billion or like, it’s, it’s actually, it’s actually very like, like no, it’s a very interesting time in investing because like, you know, take like the character around, right?

[00:01:46] Martin Casado: а что такое growth в наши дни? Знаешь, ты даже не просыпаешься, если это меньше миллиарда, или типа того, это на самом деле очень — нет, это очень интересное время для инвестирования, потому что, ну, возьми, например, Character, верно?

[00:01:59] These tend to [00:02:00] be like pre monetization, but the dollars are large enough that you need to have a larger fund and the analysis. You know, because you’ve got lots of users. ‘cause this stuff has such high demand requires, you know, more of a number sophistication. And so most of these deals, whether it’s US or other firms on these large model companies, are like this hybrid between venture growth.

[00:01:59] Они обычно [00:02:00] до-монетизационные, но суммы достаточно велики, чтобы тебе нужен был более крупный фонд, и анализ. Знаешь, потому что у тебя куча пользователей, ведь у этой штуки такой высокий спрос, это требует, ну, больше числовой искушённости. И поэтому большинство таких сделок — что у нас, что у других фирм — по этим крупным модельным компаниям являются вот таким гибридом venture и growth.

[00:02:18] Sarah Wang: Yeah. Total. And I think, you know, stuff like BD for example, you wouldn’t usually need BD when you were seed stage trying to get market biz Devrel. Biz Devrel, exactly. Okay. But like now, sorry, I’m,

[00:02:18] Sarah Wang: Да. Абсолютно. И, знаешь, вещи вроде BD, например, тебе обычно не нужен BD, когда ты на seed-стадии и пытаешься выйти на рынок — biz devrel. Biz devrel, именно. Окей. Но теперь, прости, я,

[00:02:27] swyx: I’m not familiar. What, what, what does biz Devrel mean for a venture fund? Because I know what biz Devrel means for a company.

[00:02:27] swyx: я не в курсе. Что значит biz devrel для венчурного фонда? Потому что я знаю, что biz devrel значит для компании.

[00:02:31] Sarah Wang: Yeah.

[00:02:31] Sarah Wang: Да.

[00:02:32] Compute Deals, Strategics, and the ‘Circular Funding’ Question

[00:02:32] Сделки по compute, стратеги и вопрос «циркулярного финансирования»

[00:02:32] Sarah Wang: You know, so a, a good example is, I mean, we talk about buying compute, but there’s a huge negotiation involved there in terms of, okay, do you get equity for the compute? What, what sort of partner are you looking at? Is there a go-to market arm to that? Um, and these are just things on this scale, hundreds of millions, you know, maybe.

[00:02:32] Sarah Wang: Знаешь, хороший пример — то есть мы говорим о покупке compute, но там задействованы огромные переговоры в плане: окей, получаешь ли ты долю в обмен на compute? Какого партнёра ты рассматриваешь? Есть ли там go-to-market составляющая? И это всё то, что на таком масштабе — сотни миллионов, знаешь, может,

[00:02:50] Six months into the inception of a company, you just wouldn’t have to negotiate these deals before.

[00:02:50] через шесть месяцев после основания компании — тебе просто не пришлось бы вести эти переговоры раньше.

[00:02:54] Martin Casado: Yeah. These large rounds are very complex now. Like in the past, if you did a series A [00:03:00] or a series B, like whatever, you’re writing a 20 to a $60 million check and you call it a day. Now you normally have financial investors and strategic investors, and then the strategic portion always still goes with like these kind of large compute contracts, which can take months to do.

[00:02:54] Martin Casado: Да. Эти крупные раунды сейчас очень сложные. Раньше, если ты делал серию A [00:03:00] или серию B, ну, неважно, ты выписываешь чек на 20–60 миллионов долларов и на этом всё. Теперь у тебя обычно есть и финансовые инвесторы, и стратегические инвесторы, а стратегическая часть всегда ещё идёт вместе с этими крупными контрактами на compute, на которые могут уйти месяцы.

[00:03:13] And so it’s, it’s very different ties. I’ve been doing this for 10 years. It’s the, I’ve never seen anything like this.

[00:03:13] И поэтому это очень разные времена. Я этим занимаюсь 10 лет. Я никогда не видел ничего подобного.

[00:03:19] swyx: Yeah. Do you have worries about the circular funding from so disease strategics?

[00:03:19] swyx: Да. У тебя нет опасений по поводу циркулярного финансирования от этих стратегов?

[00:03:24] Martin Casado: I mean, listen, as long as the demand is there, like the demand is there. Like the problem with the internet is the demand wasn’t there.

[00:03:24] Martin Casado: Слушай, пока спрос есть, спрос есть. Проблема интернета была в том, что спроса не было.

[00:03:29] swyx: Exactly. All right. This, this is like the, the whole pyramid scheme bubble thing, where like, as long as you mark to market on like the notional value of like, these deals, fine, but like once it starts to chip away, it really Well

[00:03:29] swyx: Именно. Ладно. Это как вся эта история с пузырём-пирамидой, где, пока ты переоцениваешь по рынку, ну, номинальную стоимость этих сделок, всё нормально, но как только это начинает осыпаться, это реально. Ну

[00:03:41] Martin Casado: no, like as, as, as, as long as there’s demand. I mean, you know, this, this is like a lot of these sound bites have already become kind of cliches, but they’re worth saying it.

[00:03:41] Martin Casado: нет, как, как, как, как только есть спрос. Знаешь, многие из этих фраз уже стали в каком-то смысле клише, но их стоит повторять.

[00:03:47] Right? Like during the internet days, like we were. Um, raising money to put fiber in the ground that wasn’t used. And that’s a problem, right? Because now you actually have a supply overhang.

[00:03:47] Верно? Например, во времена интернета мы, ну, привлекали деньги, чтобы закопать оптоволокно в землю, которое не использовалось. И это проблема, верно? Потому что теперь у тебя по сути избыток предложения.

[00:03:58] swyx: Mm-hmm.

[00:03:58] swyx: Мм-хм.

[00:03:59] Martin Casado: And even in the, [00:04:00] the time of the, the internet, like the supply and, and bandwidth overhang, even as massive as it was in, as massive as the crash was only lasted about four years.

[00:03:59] Martin Casado: И даже [00:04:00] во времена интернета, этот избыток предложения и пропускной способности, каким бы массивным он ни был, при том что крах был настолько массивным, длился всего около четырёх лет.

[00:04:09] But we don’t have a supply overhang. Like there’s no dark GPUs, right? I mean, and so, you know, circular or not, I mean, you know, if, if someone invests in a company that, um. You know, they’ll actually use the GPUs. And on the other side of it is the, is the ask for customer. So I I, I think it’s a different time.

[00:04:09] Но у нас нет избытка предложения. Нет тёмных GPU, верно? То есть, и поэтому, знаешь, циркулярное или нет — если кто-то инвестирует в компанию, которая, ну, они реально будут использовать эти GPU. А на другой стороне — это спрос от клиента. Так что я думаю, это другое время.

[00:04:25] Sarah Wang: I think the other piece, maybe just to add onto this, and I’m gonna quote Martine in front of him, but this is probably also a unique time in that. For the first time, you can actually trace dollars to outcomes. Yeah, right. Provided that scaling laws are, are holding, um, and capabilities are actually moving forward.

[00:04:25] Sarah Wang: Думаю, ещё одна часть, может, просто чтобы добавить к этому — и я процитирую Martin'а прямо при нём, — но это, наверное, тоже уникальное время в том смысле, что впервые ты реально можешь проследить путь от долларов к результатам. Да, верно. При условии, что законы масштабирования держатся и возможности действительно движутся вперёд.

[00:04:40] Because if you can put translate dollars into capabilities, uh, a capability improvement, there’s demand there to martine’s point. But if that somehow breaks, you know, obviously that’s an important assumption in this whole thing to make it work. But you know, instead of investing dollars into sales and marketing, you’re, you’re investing into r and d to get to the capability, um, you know, increase.

[00:04:40] Потому что если ты можешь конвертировать доллары в возможности, в улучшение возможностей, то спрос там есть, к мысли Martin'а. Но если это вдруг сломается, знаешь, очевидно, это важное допущение во всей этой схеме, чтобы она работала. Но, знаешь, вместо того чтобы вкладывать доллары в продажи и маркетинг, ты вкладываешь в R&D, чтобы добраться до прироста возможностей.

[00:04:59] And [00:05:00] that’s sort of been the demand driver because. Once there’s an unlock there, people are willing to pay for it.

[00:04:59] И [00:05:00] это как бы и было драйвером спроса, потому что как только происходит разблокировка, люди готовы за это платить.

[00:05:05] Alessio: Yeah.

[00:05:05] Alessio: Да.

[00:05:06] Blurring Lines: Models as Infra + Apps, and the New Fundraising Flywheel

[00:05:06] Размытие границ: модели как инфраструктура + приложения, и новый flywheel привлечения средств

[00:05:06] Alessio: Is there any difference in how you built the portfolio now that some of your growth companies are, like the infrastructure of the early stage companies, like, you know, OpenAI is now the same size as some of the cloud providers were early on.

[00:05:06] Alessio: Есть ли разница в том, как ты строишь портфель теперь, когда некоторые из твоих growth-компаний являются как бы инфраструктурой для компаний ранней стадии — ну, например, OpenAI теперь такого же размера, какими были некоторые облачные провайдеры на старте.

[00:05:16] Like what does that look like? Like how much information can you feed off each other between the, the two?

[00:05:16] Как это выглядит? Сколько информации вы можете черпать друг у друга между этими двумя?

[00:05:24] Martin Casado: There’s so many lines that are being crossed right now, or blurred. Right. So we already talked about venture and growth. Another one that’s being blurred is between infrastructure and apps, right? So like what is a model company?

[00:05:24] Martin Casado: Сейчас пересекается или размывается так много границ. Верно? Мы уже говорили про venture и growth. Ещё одна, которая размывается, — между инфраструктурой и приложениями, верно? Например, что такое модельная компания?

[00:05:35] Mm-hmm. Like, it’s clearly infrastructure, right? Because it’s like, you know, it’s doing kind of core r and d. It’s a horizontal platform, but it’s also an app because it’s um, uh, touches the users directly. And then of course. You know, the, the, the growth of these is just so high. And so I actually think you’re just starting to see a, a, a new financing strategy emerge and, you know, we’ve had to adapt as a result of that.

[00:05:35] Мм-хм. Это явно инфраструктура, верно? Потому что это, ну, знаешь, ключевой R&D. Это горизонтальная платформа, но это и приложение, потому что оно напрямую касается пользователей. И затем, конечно, рост этого настолько высок. И поэтому я на самом деле думаю, что вы только начинаете видеть, как возникает новая финансовая стратегия, и, знаешь, нам пришлось адаптироваться в результате.

[00:05:59] And [00:06:00] so there’s been a lot of changes. Um, you’re right that these companies become platform companies very quickly. You’ve got ecosystem build out. So none of this is necessarily new, but the timescales of which it’s happened is pretty phenomenal. And the way we’d normally cut lines before is blurred a little bit, but.

[00:05:59] И [00:06:00] поэтому было много изменений. Ты прав, что эти компании очень быстро становятся платформенными компаниями. У тебя выстраивается экосистема. Так что ничего из этого не обязательно ново, но временные масштабы, в которых это произошло, довольно феноменальны. И то, как мы обычно проводили границы раньше, немного размылось, но.

[00:06:16] But that, that, that said, I mean, a lot of it also just does feel like things that we’ve seen in the past, like cloud build out the internet build out as well.

[00:06:16] Но при этом, многое из этого тоже просто ощущается как вещи, которые мы видели в прошлом — построение облака, построение интернета тоже.

[00:06:24] Sarah Wang: Yeah. Um, yeah, I think it’s interesting, uh, I don’t know if you guys would agree with this, but it feels like the emerging strategy is, and this builds off of your other question, um.

[00:06:24] Sarah Wang: Да. Думаю, это интересно — не знаю, согласитесь ли вы с этим, но кажется, что зарождающаяся стратегия такая, и это развивает твой другой вопрос, ну.

[00:06:33] You raise money for compute, you pour that or you, you pour the money into compute, you get some sort of breakthrough. You funnel the breakthrough into your vertically integrated application. That could be chat GBT, that could be cloud code, you know, whatever it is. You massively gain share and get users.

[00:06:33] Ты привлекаешь деньги на compute, вливаешь их в compute, получаешь какой-то прорыв. Ты направляешь этот прорыв в своё вертикально интегрированное приложение. Это может быть ChatGPT, это может быть Claude Code, ну, что угодно. Ты массово набираешь долю рынка и получаешь пользователей.

[00:06:49] Maybe you’re even subsidizing at that point. Um, depending on your strategy. You raise money at the peak momentum and then you repeat, rinse and repeat. Um, and so. And that wasn’t [00:07:00] true even two years ago, I think. Mm-hmm. And so it’s sort of to your, just tying it to fundraising strategy, right? There’s a, and hiring strategy.

[00:06:49] Может, ты даже субсидируешь на этом этапе, в зависимости от твоей стратегии. Ты привлекаешь деньги на пике моментума, а потом повторяешь, промываешь и повторяешь. И поэтому, и это не было [00:07:00] правдой даже два года назад, я думаю. Мм-хм. И поэтому это как бы, привязывая к стратегии привлечения средств, верно? Есть, и к стратегии найма.

[00:07:07] All of these are tied, I think the lines are blurring even more today where everyone is, and they, but of course these companies all have API businesses and so they’re these, these frenemy lines that are getting blurred in that a lot of, I mean, they have billions of dollars of API revenue, right? And so there are customers there.

[00:07:07] Всё это связано, и, я думаю, границы размываются ещё сильнее сегодня, где все, но, конечно, у всех этих компаний есть API-бизнес, и поэтому это вот эти линии «заклятых друзей», которые размываются, ведь у многих, то есть у них миллиарды долларов API-выручки, верно? И поэтому там есть клиенты.

[00:07:23] But they’re competing on the app layer.

[00:07:23] Но они конкурируют на app-слое.

[00:07:24] Martin Casado: Yeah. So this is a really, really important point. So I, I would say for sure, venture and growth, that line is blurry app and infrastructure. That line is blurry. Um, but I don’t think that that changes our practice so much. But like where the very open questions are like, does this layer in the same way.

[00:07:24] Martin Casado: Да. Так что это очень, очень важный момент. Я бы сказал, точно — venture и growth, эта граница размыта; приложения и инфраструктура — эта граница размыта. Но я не думаю, что это так уж сильно меняет нашу практику. А вот где по-настоящему открытые вопросы, так это: расслаивается ли это так же.

[00:07:43] Compute traditionally has like during the cloud is like, you know, like whatever, somebody wins one layer, but then another whole set of companies wins another layer. But that might not, might not be the case here. It may be the case that you actually can’t verticalize on the token string. Like you can’t build an app like it, it necessarily goes down just because there are no [00:08:00] abstractions.

[00:07:43] Compute традиционно, как во времена облака, например, кто-то выигрывает один слой, но затем целый другой набор компаний выигрывает другой слой. Но здесь это может быть не так. Может оказаться, что ты на самом деле не можешь вертикализироваться поверх строки токенов. Например, ты не можешь построить приложение, оно неизбежно уходит вниз просто потому, что нет [00:08:00] абстракций.

[00:08:00] So those are kinda the bigger existential questions we ask. Another thing that is very different this time than in the history of computer sciences is. In the past, if you raised money, then you basically had to wait for engineering to catch up. Which famously doesn’t scale like the mythical mammoth. It take a very long time.

[00:08:00] Так что это вот те более крупные экзистенциальные вопросы, которые мы задаём. Ещё одна вещь, которая сильно отличает это время от всей истории компьютерных наук, — это. Раньше, если ты привлекал деньги, тебе по сути приходилось ждать, пока инженерия догонит. Что, как известно, не масштабируется, как «мифический человеко-месяц». Это занимает очень много времени.

[00:08:18] But like that’s not the case here. Like a model company can raise money and drop a model in a, in a year, and it’s better, right? And, and it does it with a team of 20 people or 10 people. So this type of like money entering a company and then producing something that has demand and growth right away and using that to raise more money is a very different capital flywheel than we’ve ever seen before.

[00:08:18] Но здесь это не так. Модельная компания может привлечь деньги и выкатить модель за, ну, за год, и она лучше, верно? И делает это командой из 20 или 10 человек. Так что вот этот тип, когда деньги входят в компанию и затем производят нечто, что сразу имеет спрос и рост, и используя это, привлекают ещё больше денег, — это очень иной капитальный flywheel, чем всё, что мы видели раньше.

[00:08:39] And I think everybody’s trying to understand what the consequences are. So I think it’s less about like. Big companies and growth and this, and more about these more systemic questions that we actually don’t have answers to.

[00:08:39] И я думаю, все пытаются понять, каковы последствия. Так что, по-моему, дело меньше в, ну, крупных компаниях, growth и прочем, и больше в этих более системных вопросах, на которые у нас на самом деле нет ответов.

[00:08:49] Alessio: Yeah, like at Kernel Labs, one of our ideas is like if you had unlimited money to spend productively to turn tokens into products, like the whole early stage [00:09:00] market is very different because today you’re investing X amount of capital to win a deal because of price structure and whatnot, and you’re kind of pot committing.

[00:08:49] Alessio: Да, например, у нас в Kernel Labs одна из идей такая: если бы у тебя были неограниченные деньги, чтобы продуктивно их тратить, превращая токены в продукты, то весь рынок ранней стадии [00:09:00] очень другой, потому что сегодня ты инвестируешь X капитала, чтобы выиграть сделку из-за ценовой структуры и прочего, и ты как бы коммитишься ва-банк.

[00:09:07] Yeah. To a certain strategy for a certain amount of time. Yeah. But if you could like iteratively spin out companies and products and just throw, I, I wanna spend a million dollar of inference today and get a product out tomorrow.

[00:09:07] Да. На определённую стратегию на определённый период времени. Да. Но если бы ты мог итеративно отпочковывать компании и продукты и просто закидывать — я хочу потратить миллион долларов на инференс сегодня и получить продукт завтра.

[00:09:18] swyx: Yeah.

[00:09:18] swyx: Да.

[00:09:19] Alessio: Like, we should get to the point where like the friction of like token to product is so low that you can do this and then you can change the Right, the early stage venture model to be much more iterative.

[00:09:19] Alessio: Например, мы должны дойти до точки, где трение между токеном и продуктом настолько мало, что ты можешь так делать, и тогда ты можешь изменить, верно, модель ранней венчурной стадии на гораздо более итеративную.

[00:09:30] And then every round is like either 100 k of inference or like a hundred million from a 16 Z. There’s no, there’s no like $8 million C round anymore. Right.

[00:09:30] И тогда каждый раунд — это либо $100K инференса, либо $100 млн от a16z. Больше нет, нет никакого C-раунда на $8 млн. Верно.

[00:09:38] When Frontier Labs Outspend the Entire App Ecosystem

[00:09:38] Когда frontier-лаборатории переспендят всю экосистему приложений

[00:09:38] Martin Casado: But, but, but, but there’s a, there’s a, the, an industry structural question that we don’t know the answer to, which involves the frontier models, which is, let’s take.

[00:09:38] Martin Casado: Но, но, но, но есть, есть, есть структурный вопрос индустрии, на который мы не знаем ответа и который касается frontier-моделей, а именно — давай возьмём.

[00:09:48] Anthropic it. Let’s say Anthropic has a state-of-the-art model that has some large percentage of market share. And let’s say that, uh, uh, uh, you know, uh, a company’s building smaller models [00:10:00] that, you know, use the bigger model in the background, open 4.5, but they add value on top of that. Now, if Anthropic can raise three times more.

[00:09:48] Anthropic. Скажем, у Anthropic есть state-of-the-art модель, у которой какая-то большая доля рынка. И скажем, что, ну, какая-то компания строит модели поменьше, [00:10:00] которые, ну, используют большую модель в фоне, GPT-4.5, но они добавляют ценность поверх этого. Так вот, если Anthropic может привлекать втрое больше.

[00:10:10] Every subsequent round, they probably can raise more money than the entire app ecosystem that’s built on top of it. And if that’s the case, they can expand beyond everything built on top of it. It’s like imagine like a star that’s just kind of expanding, so there could be a systemic. There could be a, a systemic situation where the soda models can raise so much money that they can out pay anybody that bills on top of ‘em, which would be something I don’t think we’ve ever seen before just because we were so bottlenecked in engineering, and this is a very open question.

[00:10:10] В каждом последующем раунде, они, вероятно, могут привлечь больше денег, чем вся экосистема приложений, построенная поверх них. И если это так, они могут расширяться за пределы всего, что построено поверх них. Это как, представь себе звезду, которая просто расширяется, так что может быть системная. Может быть системная ситуация, когда state-of-the-art модели могут привлекать столько денег, что они смогут переплатить любого, кто строит поверх них, что было бы чем-то, чего, по-моему, мы никогда не видели раньше, просто потому что мы были так зажаты в инженерии, и это очень открытый вопрос.

[00:10:41] swyx: Yeah. It’s, it is almost like bitter lesson applied to the startup industry.

[00:10:41] swyx: Да. Это почти как bitter lesson, применённый к стартап-индустрии.

[00:10:45] Martin Casado: Yeah, a hundred percent. It literally becomes an issue of like raise capital, turn that directly into growth. Use that to raise three times more. Exactly. And if you can keep doing that, you literally can outspend any company that’s built the, not any company.

[00:10:45] Martin Casado: Да, на сто процентов. Это буквально становится вопросом: привлечь капитал, превратить его напрямую в рост. Использовать это, чтобы привлечь втрое больше. Именно. И если ты можешь продолжать так делать, ты буквально можешь переспендить любую компанию, которая построена — не любую компанию.

[00:10:57] You can outspend the aggregate of companies on top of [00:11:00] you and therefore you’ll necessarily take their share, which is crazy.

[00:10:57] Ты можешь переспендить совокупность компаний поверх [00:11:00] тебя и поэтому неизбежно заберёшь их долю, что безумие.

[00:11:02] swyx: Would you say that kind of happens in character? Is that the, the sort of postmortem on. What happened?

[00:11:02] swyx: Сказал бы ты, что нечто подобное произошло с Character? Это что-то вроде разбора полётов того, что случилось?

[00:11:10] Sarah Wang: Um,

[00:11:10] Sarah Wang: Эм,

[00:11:10] Martin Casado: no.

[00:11:10] Martin Casado: нет.

[00:11:12] Sarah Wang: Yeah, because I think so,

[00:11:12] Sarah Wang: Да, потому что я думаю, так,

[00:11:13] swyx: I mean the actual postmortem is, he wanted to go back to Google.

[00:11:13] swyx: ну, реальный разбор полётов — он хотел вернуться в Google.

[00:11:15] Exactly. But like

[00:11:15] Именно. Но типа

[00:11:18] Martin Casado: that’s another difference that

[00:11:18] Martin Casado: это ещё одно отличие, которое

[00:11:19] Sarah Wang: you said

[00:11:19] Sarah Wang: ты сказал

[00:11:21] Martin Casado: it. We should talk, we should actually talk about that.

[00:11:21] Martin Casado: об этом. Нам стоит поговорить, нам реально стоит об этом поговорить.

[00:11:22] swyx: Yeah,

[00:11:22] swyx: Да,

[00:11:22] Sarah Wang: that’s

[00:11:22] Sarah Wang: это

[00:11:23] swyx: Go for it. Take it. Take,

[00:11:23] swyx: Давай. Бери. Бери,

[00:11:23] Sarah Wang: yeah.

[00:11:23] Sarah Wang: да.

[00:11:24] Character.AI, Founder Goals (AGI vs Product), and GPU Allocation Tradeoffs

[00:11:24] Character.AI, цели основателей (AGI против продукта) и компромиссы распределения GPU

[00:11:24] Sarah Wang: I was gonna say, I think, um. The, the, the character thing raises actually a different issue, which actually the Frontier Labs will face as well. So we’ll see how they handle it.

[00:11:24] Sarah Wang: Я собиралась сказать, я думаю, эм. История с Character на самом деле поднимает другой вопрос, с которым frontier-лаборатории тоже столкнутся. Так что посмотрим, как они с ним справятся.

[00:11:34] But, um, so we invest in character in January, 2023, which feels like eons ago, I mean, three years ago. Feels like lifetimes ago. But, um, and then they, uh, did the IP licensing deal with Google in August, 2020. Uh, four. And so, um, you know, at the time, no, you know, he’s talked publicly about this, right? He wanted to Google wouldn’t let him put out products in the world.

[00:11:34] Но, эм, мы инвестировали в Character в январе 2023-го, что кажется эпохами назад — ну, три года назад. Кажется, жизни назад. Но, эм, а потом они заключили сделку по лицензированию IP с Google в августе 2024-го. И, эм, знаешь, на тот момент — нет, ну, он публично об этом говорил, верно? Он хотел — Google не давал ему выпускать продукты в мир.

[00:11:56] That’s obviously changed drastically. But, um, he went to go do [00:12:00] that. Um, but he had a product attached. The goal was, I mean, it’s Nome Shair, he wanted to get to a GI. That was always his personal goal. But, you know, I think through collecting data, right, and this sort of very human use case, that the character product.

[00:11:56] Это, очевидно, кардинально изменилось. Но, эм, он ушёл, чтобы это [00:12:00] сделать. Но у него был привязан продукт. Цель была — то есть это Noam Shazeer, он хотел добраться до AGI. Это всегда было его личной целью. Но, знаешь, я думаю, через сбор данных, верно, и вот этот очень человеческий кейс — продукт Character.

[00:12:13] Originally was and still is, um, was one of the vehicles to do that. Um, I think the real reason that, you know. I if you think about the, the stress that any company feels before, um, you ultimately going one way or the other is sort of this a GI versus product. Um, and I think a lot of the big, I think, you know, opening eyes, feeling that, um, anthropic if they haven’t started, you know, felt it, certainly given the success of their products, they may start to feel that soon.

[00:12:13] Изначально был и до сих пор остаётся одним из инструментов, чтобы это сделать. Эм, я думаю, реальная причина, что, знаешь. Если подумать о стрессе, который испытывает любая компания, перед тем как в итоге пойти тем или иным путём, это как бы вот это AGI против продукта. Эм, и я думаю, многие крупные — я думаю, знаешь, OpenAI это чувствует, эм, Anthropic, если ещё не начали, точно почувствуют, учитывая успех их продуктов, они, может, начнут это чувствовать скоро.

[00:12:39] And the real. I think there’s real trade-offs, right? It’s like how many, when you think about GPUs, that’s a limited resource. Where do you allocate the GPUs? Is it toward the product? Is it toward new re research? Right? Is it, or long-term research, is it toward, um, n you know, near to midterm research? And so, um, in a case where you’re resource constrained, um, [00:13:00] of course there’s this fundraising game you can play, right?

[00:12:39] И реальная — я думаю, тут реальные компромиссы, верно? Это как, сколько — когда ты думаешь о GPU, это ограниченный ресурс. Куда ты распределяешь GPU? В продукт? В новые исследования, верно? Или в долгосрочные исследования, или в, эм, ближне- и среднесрочные исследования? И поэтому, эм, в ситуации, когда ты ограничен в ресурсах, эм, [00:13:00] конечно, есть эта игра в привлечение средств, в которую можно играть, верно?

[00:13:01] But the fund, the market was very different back in 2023 too. Um. I think the best researchers in the world have this dilemma of, okay, I wanna go all in on a GI, but it’s the product usage revenue flywheel that keeps the revenue in the house to power all the GPUs to get to a GI. And so it does make, um, you know, I think it sets up an interesting dilemma for any startup that has trouble raising up until that level, right?

[00:13:01] Но рынок был очень другим ещё в 2023-м тоже. Эм. Я думаю, у лучших исследователей в мире есть эта дилемма: окей, я хочу пойти ва-банк на AGI, но именно flywheel продуктового использования и выручки удерживает выручку внутри дома, чтобы питать все GPU, чтобы добраться до AGI. И поэтому это создаёт, эм, знаешь, я думаю, это создаёт интересную дилемму для любого стартапа, у которого проблемы с привлечением средств до этого уровня, верно?

[00:13:27] And certainly if you don’t have that progress, you can’t continue this fly, you know, fundraising flywheel.

[00:13:27] И уж точно, если у тебя нет этого прогресса, ты не можешь продолжать этот, знаешь, flywheel привлечения средств.

[00:13:32] Martin Casado: I would say that because, ‘cause we’re keeping track of all of the things that are different, right? Like, you know, venture growth and uh, app infra and one of the ones is definitely the personalities of the founders.

[00:13:32] Martin Casado: Я бы сказал так, потому что, потому что мы отслеживаем все вещи, которые отличаются, верно? Например, знаешь, venture, growth, и app, infra — и одна из них, определённо, это личности основателей.

[00:13:45] It’s just very different this time I’ve been. Been doing this for a decade and I’ve been doing startups for 20 years. And so, um, I mean a lot of people start this to do a GI and we’ve never had like a unified North star that I recall in the same [00:14:00] way. Like people built companies to start companies in the past.

[00:13:45] В этот раз всё просто очень иначе. Я этим занимаюсь десятилетие, а стартапами занимаюсь 20 лет. И поэтому, эм, многие люди начинают это, чтобы делать AGI, и у нас никогда не было такой объединяющей Полярной звезды, насколько я помню, в том же [00:14:00] смысле. Раньше люди строили компании, чтобы строить компании.

[00:14:02] Like that was what it was. Like I would create an internet company, I would create infrastructure company, like it’s kind of more engineering builders and this is kind of a different. You know, mentality. And some companies have harnessed that incredibly well because their direction is so obviously on the path to what somebody would consider a GI, but others have not.

[00:14:02] Вот как это было. Я бы создал интернет-компанию, я бы создал инфраструктурную компанию, это как бы больше инженеры-строители, а это уже другой. Знаешь, менталитет. И некоторые компании невероятно хорошо это оседлали, потому что их направление настолько очевидно на пути к тому, что кто-то считал бы AGI, но другие — нет.

[00:14:20] And so like there is always this tension with personnel. And so I think we’re seeing more kind of founder movement.

[00:14:20] И поэтому всегда есть это напряжение с персоналом. И поэтому я думаю, мы видим больше, типа, движения основателей.

[00:14:27] Sarah Wang: Yeah.

[00:14:27] Sarah Wang: Да.

[00:14:27] Martin Casado: You know, as a fraction of founders than we’ve ever seen. I mean, maybe since like, I don’t know the time of like Shockly and the trade DUR aid or something like that. Way back in the beginning of the industry, I, it’s a very, very.

[00:14:27] Martin Casado: Знаешь, как доля от числа основателей, больше чем мы когда-либо видели. То есть, может, со времён, не знаю, Shockley и предательской восьмёрки или чего-то такого. Давным-давно, в самом начале индустрии, это очень, очень.

[00:14:38] Unusual time of personnel.

[00:14:38] Необычное время с точки зрения персонала.

[00:14:39] Sarah Wang: Totally.

[00:14:39] Sarah Wang: Абсолютно.

[00:14:40] Talent Wars, Mega-Comp, and the Rise of Acquihire M&A

[00:14:40] Войны за таланты, мегакомпенсации и рост acqui-hire M&A

[00:14:40] Sarah Wang: And it, I think it’s exacerbated by the fact that talent wars, I mean, every industry has talent wars, but not at this magnitude, right? No. Yeah. Very rarely can you see someone get poached for $5 billion. That’s hard to compete with. And then secondly, if you’re a founder in ai, you could fart and it would be on the front page of, you know, the information these days.

[00:14:40] Sarah Wang: И это, я думаю, усугубляется тем фактом, что войны за таланты — то есть в каждой индустрии есть войны за таланты, но не такого масштаба, верно? Нет. Да. Очень редко увидишь, как кого-то переманивают за $5 млрд. С этим трудно конкурировать. И во-вторых, если ты основатель в AI, ты мог бы пукнуть, и это попало бы на первую полосу, знаешь, The Information в наши дни.

[00:14:59] And so there’s [00:15:00] sort of this fishbowl effect that I think adds to the deep anxiety that, that these AI founders are feeling.

[00:14:59] И поэтому есть [00:15:00] вот этот эффект аквариума, который, я думаю, добавляет той глубокой тревожности, которую чувствуют эти AI-основатели.

[00:15:06] Martin Casado: Hmm.

[00:15:06] Martin Casado: Хм.

[00:15:06] swyx: Uh, yes. I mean, just on, uh, briefly comment on the founder, uh, the sort of. Talent wars thing. I feel like 2025 was just like a blip. Like I, I don’t know if we’ll see that again.

[00:15:06] swyx: Да. То есть, просто кратко прокомментирую про основателей, про эту, ну. Историю с войнами за таланты. Мне кажется, 2025-й был просто всплеском. Не знаю, увидим ли мы такое снова.

[00:15:17] ‘cause meta built the team. Like, I don’t know if, I think, I think they’re kind of done and like, who’s gonna pay more than meta? I, I don’t know.

[00:15:17] Потому что Meta собрала команду. Не знаю, я думаю, я думаю, они как бы закончили, и кто заплатит больше, чем Meta? Я не знаю.

[00:15:23] Martin Casado: I, I agree. So it feels so, it feel, it feels this way to me too. It’s like, it is like, basically Zuckerberg kind of came out swinging and then now he’s kind of back to building.

[00:15:23] Martin Casado: Я согласен. Мне это тоже так ощущается. Это как, по сути, Zuckerberg как бы вышел с кулаками наперевес, а теперь вернулся к строительству.

[00:15:30] Yeah,

[00:15:30] Да,

[00:15:31] swyx: yeah. You know, you gotta like pay up to like assemble team to rush the job, whatever. But then now, now you like you, you made your choices and now they got a ship.

[00:15:31] swyx: да. Знаешь, тебе надо переплатить, чтобы собрать команду и сделать рывок, что угодно. Но потом, теперь ты как бы — ты сделал свой выбор, и теперь им надо выкатывать продукт.

[00:15:38] Martin Casado: I mean, the, the o other side of that is like, you know, like we’re, we’re actually in the job hiring market. We’ve got 600 people here. I hire all the time.

[00:15:38] Martin Casado: То есть, другая сторона этого — знаешь, мы ведь сами на рынке найма. У нас тут 600 человек. Я нанимаю постоянно.

[00:15:44] I’ve got three open recs if anybody’s interested, that’s listening to this for investor. Yeah, on, on the team, like on the investing side of the team, like, and, um, a lot of the people we talk to have acting, you know, active, um, offers for 10 million a year or something like that. And like, you know, and we pay really, [00:16:00] really well.

[00:15:44] У меня три открытых вакансии, если кому интересно из слушающих это, для инвестора. Да, в команду, в инвестиционную сторону команды, и, эм, у многих людей, с которыми мы общаемся, есть, знаешь, активные, эм, офферы на 10 миллионов в год или типа того. И, знаешь, и мы платим очень, [00:16:00] очень хорошо.

[00:16:00] And just to see what’s out on the market is really, is really remarkable. And so I would just say it’s actually, so you’re right, like the really flashy one, like I will get someone for, you know, a billion dollars, but like the inflated, um, uh, trickles down. Yeah, it is still very active today. I mean,

[00:16:00] И просто видеть, что есть на рынке, реально, реально поразительно. И поэтому я бы просто сказал — на самом деле, ты прав, что самые яркие случаи, типа, я заполучу кого-то за, знаешь, миллиард долларов, но эта раздутость, эм, просачивается вниз. Да, это всё ещё очень активно сегодня. То есть,

[00:16:18] Sarah Wang: yeah, you could be an L five and get an offer in the tens of millions.

[00:16:18] Sarah Wang: да, ты можешь быть L5 и получить оффер на десятки миллионов.

[00:16:22] Okay. Yeah. Easily. Yeah. It’s so I think you’re right that it felt like a blip. I hope you’re right. Um, but I think it’s been, the steady state is now, I think got pulled up. Yeah. Yeah. I’ll pull up for

[00:16:22] Окей. Да. Легко. Да. Так что, я думаю, ты прав, что это ощущалось как всплеск. Надеюсь, ты прав. Эм, но я думаю, что устойчивое состояние теперь, я думаю, подтянулось вверх. Да. Да. Подтянулось

[00:16:31] Martin Casado: sure. Yeah.

[00:16:31] Martin Casado: точно. Да.

[00:16:32] Alessio: Yeah. And I think that’s breaking the early stage founder math too. I think before a lot of people would be like, well, maybe I should just go be a founder instead of like getting paid.

[00:16:32] Alessio: Да. И я думаю, это тоже ломает математику основателей ранней стадии. Я думаю, раньше многие рассуждали: ну, может, мне просто стать основателем вместо того, чтобы получать.

[00:16:39] Yeah. 800 KA million at Google. But if I’m getting paid. Five, 6 million. That’s different but

[00:16:39] Да. $800K–миллион в Google. Но если я получаю пять, шесть миллионов — это другое, но

[00:16:45] Martin Casado: on. But on the other hand, there’s more strategic money than we’ve ever seen historically, right? Mm-hmm. And so, yep. The economics, the, the, the, the calculus on the economics is very different in a number of ways. And, uh, it’s crazy.

[00:16:45] Martin Casado: но. Но, с другой стороны, стратегических денег сейчас больше, чем мы когда-либо видели исторически, верно? Мм-хм. И поэтому, ага. Экономика, расчёт по экономике сейчас очень другой во многих отношениях. И это безумие.

[00:16:58] It’s cra it’s causing like a, [00:17:00] a, a, a ton of change in confusion in the market. Some very positive, sub negative, like, so for example, the other side of the, um. The co-founder, like, um, acquisition, you know, mark Zuckerberg poaching someone for a lot of money is like, we were actually seeing historic amount of m and a for basically acquihires, right?

[00:16:58] Это безу — это вызывает, типа, [00:17:00] тонну изменений и путаницы на рынке. Что-то очень позитивное, что-то негативное, например. Например, другая сторона, эм. Вот этого сооснователя, типа, эм, поглощения — Mark Zuckerberg переманивает кого-то за большие деньги — это, мы на самом деле видели исторический объём M&A по сути в виде acqui-hire'ов, верно?

[00:17:20] That you like, you know, really good outcomes from a venture perspective that are effective acquihires, right? So I would say it’s probably net positive from the investment standpoint, even though it seems from the headlines to be very disruptive in a negative way.

[00:17:20] То есть, знаешь, реально хорошие исходы с венчурной точки зрения, которые по сути являются acqui-hire'ами, верно? Так что я бы сказал, это, наверное, в чистом виде позитивно с инвестиционной точки зрения, хотя по заголовкам кажется очень деструктивным в негативном ключе.

[00:17:33] Alessio: Yeah.

[00:17:33] Alessio: Да.

[00:17:33] What’s Underfunded: Boring Software, Robotics Skepticism, and Custom Silicon Economics

[00:17:33] Что недофинансировано: скучный софт, скепсис к робототехнике и экономика кастомного кремния

[00:17:33] Alessio: Um, let’s talk maybe about what’s not being invested in, like maybe some interesting ideas that you would see more people build or it, it seems in a way, you know, as ycs getting more popular, it’s like access getting more popular.

[00:17:33] Alessio: Эм, давай, может, поговорим о том, во что не инвестируют, типа, может, какие-то интересные идеи, которые ты хотел бы видеть, чтобы больше людей строили — и в каком-то смысле, знаешь, по мере того как YC становится всё популярнее, это как доступ становится всё популярнее.

[00:17:47] There’s a startup school path that a lot of founders take and they know what’s hot in the VC circles and they know what gets funded. Uh, and there’s maybe not as much risk appetite for. Things outside of that. Um, I’m curious if you feel [00:18:00] like that’s true and what are maybe, uh, some of the areas, uh, that you think are under discussed?

[00:17:47] Есть путь startup school, по которому идут многие основатели, и они знают, что хайпово в VC-кругах, и знают, что финансируют. И, может, не так уж много аппетита к риску для. Вещей за пределами этого. Эм, мне любопытно, чувствуешь ли ты, [00:18:00] что это так, и какие, может, области, эм, которые, по-твоему, недостаточно обсуждаются?

[00:18:06] Martin Casado: I mean, I actually think that we’ve taken our eye off the ball in a lot of like, just traditional, you know, software companies. Um, so like, I mean. You know, I think right now there’s almost a barbell, like you’re like the hot thing on X, you’re deep tech.

[00:18:06] Martin Casado: То есть, я на самом деле думаю, что мы упустили из виду многие, типа, просто традиционные, знаешь, софтверные компании. Эм, например, то есть. Знаешь, я думаю, сейчас почти барбелл — типа, ты либо хайповая штука в X, либо deep tech.

[00:18:21] swyx: Mm-hmm.

[00:18:21] swyx: Мм-хм.

[00:18:22] Martin Casado: Right. But I, you know, I feel like there’s just kind of a long, you know, list of like good.

[00:18:22] Martin Casado: Верно. Но я, знаешь, я чувствую, что есть просто как бы длинный, знаешь, список, типа, хороших.

[00:18:28] Good companies that will be around for a long time in very large markets. Say you’re building a database, you know, say you’re building, um, you know, kind of monitoring or logging or tooling or whatever. There’s some good companies out there right now, but like, they have a really hard time getting, um, the attention of investors.

[00:18:28] Хороших компаний, которые будут существовать долго на очень больших рынках. Скажем, ты строишь базу данных, знаешь, скажем, ты строишь, эм, знаешь, типа мониторинг, или логирование, или тулинг, или что-то ещё. Есть сейчас неплохие компании, но им, типа, реально трудно получить, эм, внимание инвесторов.

[00:18:43] And it’s almost become a meme, right? Which is like, if you’re not basically growing from zero to a hundred in a year, you’re not interesting, which is just, is the silliest thing to say. I mean, think of yourself as like an introvert person, like, like your personal money, right? Mm-hmm. So. Your personal money, will you put it in the stock market at 7% or you put it in this company growing five x in a very large [00:19:00] market?

[00:18:43] И это почти стало мемом, верно? Типа, если ты не растёшь с нуля до сотни за год, ты неинтересен, что просто, это глупейшая вещь, которую можно сказать. То есть, представь себя как интроверта, типа, типа свои личные деньги, верно? Мм-хм. Так что. Свои личные деньги — вложишь ли ты их в фондовый рынок под 7% или вложишь в эту компанию, растущую впятеро на очень большом [00:19:00] рынке?

[00:19:00] Of course you can put it in the company five x. So it’s just like we say these stupid things, like if you’re not going from zero to a hundred, but like those, like who knows what the margins of those are mean. Clearly these are good investments. True for anybody, right? True. Like our LPs want whatever.

[00:19:00] Конечно, ты можешь вложить в компанию впятеро. Так что это просто как — мы говорим эти глупости, типа, если ты не идёшь с нуля до сотни, но, типа, кто знает, какие у них маржи. Ясно же, что это хорошие инвестиции. Верно для кого угодно, верно? Верно. Типа наши LP хотят что-то вроде.

[00:19:12] Three x net over, you know, the life cycle of a fund, right? So a, a company in a big market growing five X is a great investment. We’d, everybody would be happy with these returns, but we’ve got this kind of mania on these, these strong growths. And so I would say that that’s probably the most underinvested sector.

[00:19:12] Трёхкратного нетто за, знаешь, жизненный цикл фонда, верно? Так что компания на большом рынке, растущая впятеро, — это отличная инвестиция. Мы бы — все были бы счастливы такой доходности, но у нас вот эта мания на этот, этот сильный рост. И поэтому я бы сказал, что это, наверное, самый недоинвестированный сектор.

[00:19:28] Right now.

[00:19:28] Прямо сейчас.

[00:19:29] swyx: Boring software, boring enterprise software.

[00:19:29] swyx: Скучный софт, скучный enterprise-софт.

[00:19:31] Martin Casado: Traditional. Really good company.

[00:19:31] Martin Casado: Традиционная. Реально хорошая компания.

[00:19:33] swyx: No, no AI here.

[00:19:33] swyx: Никакого AI тут.

[00:19:34] Martin Casado: No. Like boring. Well, well, the AI of course is pulling them into use cases. Yeah, but that’s not what they’re, they’re not on the token path, right? Yeah. Let’s just say that like they’re software, but they’re not on the token path.

[00:19:34] Martin Casado: Нет. Типа скучный. Ну, ну, AI, конечно, втягивает их в кейсы. Да, но не это они — они не на token path, верно? Да. Просто скажем, типа, они софт, но они не на token path.

[00:19:41] Like these are like they’re great investments from any definition except for like random VC on Twitter saying VC on x, saying like, it’s not growing fast enough. What do you

[00:19:41] Типа это, типа, отличные инвестиции по любому определению, кроме как, типа, случайный VC в Twitter говорит — VC в X говорит, типа, недостаточно быстро растёт. Что ты

[00:19:52] Sarah Wang: think? Yeah, maybe I’ll answer a slightly different. Question, but adjacent to what you asked, um, which is maybe an area that we’re not, uh, investing [00:20:00] right now that I think is a question and we’re spending a lot of time in regardless of whether we pull the trigger or not.

[00:19:52] Sarah Wang: думаешь? Да, может, я отвечу немного по-другому. На вопрос, но смежно с тем, что ты спросил, эм, который, может, область, в которую мы не [00:20:00] инвестируем прямо сейчас, и которая, по-моему, под вопросом, и мы много времени в ней проводим, независимо от того, нажмём ли мы на курок.

[00:20:05] Um, and it would probably be on the hardware side, actually. Robotics, right? And the robotics side. Robotics. Right. Which is, it’s, I don’t wanna say that it’s not getting funding ‘cause it’s clearly, uh, it’s, it’s sort of non-consensus to almost not invest in robotics at this point. But, um, we spent a lot of time in that space and I think for us, we just haven’t seen the chat GPT moment.

[00:20:05] Эм, и это, наверное, со стороны железа, на самом деле. Робототехника, верно? И сторона робототехники. Робототехника. Верно. Это — не хочу говорить, что туда не идёт финансирование, потому что явно, эм, это, это как бы неконсенсусно — почти не инвестировать в робототехнику на этом этапе. Но, эм, мы много времени провели в этом пространстве, и я думаю, для нас мы просто не увидели момента ChatGPT.

[00:20:22] Happen on the hardware side. Um, and the funding going into it feels like it’s already. Taking that for granted.

[00:20:22] Чтобы он случился со стороны железа. Эм, и финансирование, идущее в это, ощущается так, будто оно уже. Принимает это как должное.

[00:20:30] Martin Casado: Yeah. Yeah. But we also went through the drone, you know, um, there’s a zip line right, right out there. What’s that? Oh yeah, there’s a zip line. Yeah. What the drone, what the av And like one of the takeaways is when it comes to hardware, um, most companies will end up verticalizing.

[00:20:30] Martin Casado: Да. Да. Но мы ведь тоже прошли через дронов, знаешь, эм, там есть Zipline, верно, прямо вон там. Что это? О да, там зиплайн. Да. Что — дроны, что — AV, и, типа, один из выводов: когда речь о железе, эм, большинство компаний в итоге вертикализируются.

[00:20:46] Like if you’re. If you’re investing in a robot company for an A for agriculture, you’re investing in an ag company. ‘cause that’s the competition and that’s surprising. And that’s supply chain. And if you’re doing it for mining, that’s mining. And so the ad team does a lot of that type of stuff ‘cause they actually set up to [00:21:00] diligence that type of work.

[00:20:46] Типа если ты. Если ты инвестируешь в роботную компанию для сельского хозяйства, ты инвестируешь в агро-компанию. Потому что вот в чём конкуренция, и это удивительно. И это цепочка поставок. А если ты делаешь это для добычи, то это добыча. И поэтому AD-команда занимается многим из этого, потому что они реально настроены, чтобы [00:21:00] проводить due diligence по такого рода работе.

[00:21:01] But for like horizontal technology investing, there’s very little when it comes to robots just because it’s so fit for, for purpose. And so we kinda like to look at software. Solutions or horizontal solutions like applied intuition. Clearly from the AV wave deep map, clearly from the AV wave, I would say scale AI was actually a horizontal one for That’s fair, you know, for robotics early on.

[00:21:01] Но для, типа, горизонтального технологического инвестирования там очень мало, когда речь о роботах, просто потому что это настолько заточено под конкретную цель. И поэтому нам как бы нравится смотреть на софт. Решения или горизонтальные решения, типа Applied Intuition. Явно из волны AV — Deep Map, явно из волны AV. Я бы сказал, Scale AI был на самом деле горизонтальным, это справедливо, знаешь, для робототехники на ранних этапах.

[00:21:23] And so that sort of thing we’re very, very interested. But the actual like robot interacting with the world is probably better for different team. Agree.

[00:21:23] И вот такого рода вещи нам очень, очень интересны. Но сам, типа, робот, взаимодействующий с миром, — это, наверное, лучше для другой команды. Согласна.

[00:21:30] Alessio: Yeah, I’m curious who these teams are supposed to be that invest in them. I feel like everybody’s like, yeah, robotics, it’s important and like people should invest in it.

[00:21:30] Alessio: Да, мне любопытно, кто эти команды, которые должны в них инвестировать. Мне кажется, все такие: да, робототехника важна, и, типа, люди должны в неё инвестировать.

[00:21:38] But then when you look at like the numbers, like the capital requirements early on versus like the moment of, okay, this is actually gonna work. Let’s keep investing. That seems really hard to predict in a way that is not,

[00:21:38] Но потом, когда смотришь на, типа, цифры, типа, требования к капиталу на старте против, типа, момента, когда — окей, это реально сработает, давайте продолжим инвестировать. Это кажется реально трудно предсказуемым в смысле, который не,

[00:21:49] Martin Casado: I think co, CO two, kla, gc, I mean these are all invested in in Harvard companies. He just, you know, and [00:22:00] listen, I mean, it could work this time for sure.

[00:21:49] Martin Casado: я думаю, co — CO2, KLA, GC, то есть все они инвестировали в железные компании. Просто, знаешь, и [00:22:00] слушай, то есть, в этот раз вполне может сработать, точно.

[00:22:01] Right? I mean if Elon’s doing it, he’s like, right. Just, just the fact that Elon’s doing it means that there’s gonna be a lot of capital and a lot of attempts for a long period of time. So that alone maybe suggests that we should just be investing in robotics just ‘cause you have this North star who’s Elon with a humanoid and that’s gonna like basically willing into being an industry.

[00:22:01] Верно? То есть если Elon это делает, он типа, верно. Просто, просто сам факт, что Elon это делает, означает, что туда пойдёт много капитала и много попыток на протяжении долгого периода. Так что одно это, может, и говорит о том, что нам стоит просто инвестировать в робототехнику, как раз потому что у тебя есть эта Полярная звезда — Elon с гуманоидом, и это, типа, по сути усилием воли создаст индустрию.

[00:22:17] Um, but we’ve just historically found like. We’re a huge believer that this is gonna happen. We just don’t feel like we’re in a good position to diligence these things. ‘cause again, robotics companies tend to be vertical. You really have to understand the market they’re being sold into. Like that’s like that competitive equilibrium with a human being is what’s important.

[00:22:17] Эм, но мы просто исторически обнаружили, что. Мы огромные сторонники того, что это произойдёт. Мы просто не чувствуем, что в хорошей позиции, чтобы проводить due diligence по этим штукам. Потому что, опять же, роботные компании, как правило, вертикальны. Тебе реально нужно понимать рынок, на который они продаются. Типа вот это, типа, конкурентное равновесие с человеком — вот что важно.

[00:22:34] It’s not like the core tech and like we’re kind of more horizontal core tech type investors. And this is Sarah and I. Yeah, the ad team is different. They can actually do these types of things.

[00:22:34] Это не, типа, ключевая технология, и, типа, мы как бы скорее инвесторы в горизонтальную ключевую технологию. И это Sarah и я. Да, AD-команда — другая. Они реально могут заниматься такого рода вещами.

[00:22:42] swyx: Uh, just to clarify, AD stands for

[00:22:42] swyx: Эм, просто чтобы прояснить, AD расшифровывается как

[00:22:44] Martin Casado: American Dynamism.

[00:22:44] Martin Casado: American Dynamism.

[00:22:45] swyx: Alright. Okay. Yeah, yeah, yeah. Uh, I actually, I do have a related question that, first of all, I wanna acknowledge also just on the, on the chip side.

[00:22:45] swyx: Ладно. Окей. Да, да, да. Эм, у меня вообще-то есть связанный вопрос — прежде всего, я хочу также отметить, по стороне чипов.

[00:22:51] Yeah. I, I recall a podcast that where you were on, i, I, I think it was the a CC podcast, uh, about two or three years ago where you, where you suddenly said [00:23:00] something, which really stuck in my head about how at some point, at some point kind of scale it makes sense to. Build a custom aic Yes. For per run.

[00:22:51] Да. Я помню один подкаст, где ты был — я думаю, это был подкаст a16z, эм, года два-три назад, где ты, где ты вдруг сказал [00:23:00] кое-что, что реально засело у меня в голове, о том, как в какой-то момент, в какой-то момент масштаба имеет смысл. Построить кастомный ASIC под прогон.

[00:23:07] Martin Casado: Yes.

[00:23:07] Martin Casado: Да.

[00:23:07] It’s crazy. Yeah.

[00:23:07] Это безумие. Да.

[00:23:09] swyx: We’re here and I think you, you estimated 500 billion, uh, something.

[00:23:09] swyx: Вот мы и здесь, и, по-моему, ты оценил это в 500 миллиардов, эм, что-то.

[00:23:12] Martin Casado: No, no, no. A billion, a billion dollar training run of $1 billion training run. It makes sense to actually do a custom meic if you can do it in time. The question now is timelines. Yeah, but not money because just, just, just rough math.

[00:23:12] Martin Casado: Нет, нет, нет. Миллиард, миллиардный тренировочный прогон, тренировочный прогон за $1 млрд. Имеет смысл реально сделать кастомный ASIC, если ты можешь успеть по времени. Вопрос теперь в сроках. Да, но не в деньгах, потому что просто, просто, просто грубая математика.

[00:23:22] If it’s a billion dollar training. Then the inference for that model has to be over a billion, otherwise it won’t be solvent. So let’s assume it’s, if you could save 20%, which you could save much more than that with an ASIC 20%, that’s $200 million. You can tape out a chip for $200 million. Right? So now you can literally like justify economically, not timeline wise.

[00:23:22] Если это тренировка за миллиард долларов. Тогда инференс для этой модели должен быть больше миллиарда, иначе она не будет платёжеспособной. Так что давай предположим, что, если ты можешь сэкономить 20% — а с ASIC ты можешь сэкономить гораздо больше — 20%, это $200 млн. Ты можешь сделать tape-out чипа за $200 млн. Верно? Так что теперь ты буквально можешь экономически обосновать, не по срокам.

[00:23:41] That’s a different issue. An ASIC per model, which

[00:23:41] Это другой вопрос. ASIC на модель, что

[00:23:44] swyx: is because that, that’s how much we leave on the table every single time. We, we, we do like generic Nvidia.

[00:23:44] swyx: это потому что вот столько мы оставляем на столе каждый раз, когда мы, мы, мы делаем, типа, дженерик Nvidia.

[00:23:48] Martin Casado: Exactly. Exactly. No, it, it is actually much more than that. You could probably get, you know, a factor of two, which would be 500 million.

[00:23:48] Martin Casado: Именно. Именно. Нет, это на самом деле гораздо больше. Ты, наверное, можешь получить, знаешь, фактор в два, что было бы 500 миллионов.

[00:23:54] swyx: Typical MFU would be like 50.

[00:23:54] swyx: Типичный MFU был бы около 50.

[00:23:55] Yeah, yeah. And that’s good.

[00:23:55] Да, да. И это хорошо.

[00:23:57] Martin Casado: Exactly. Yeah. Hundred

[00:23:57] Martin Casado: Именно. Да. Сто

[00:23:57] swyx: percent. Um, so, so, yeah, and I mean, and I [00:24:00] just wanna acknowledge like, here we are in, in, in 2025 and opening eyes confirming like Broadcom and all the other like custom silicon deals, which is incredible. I, I think that, uh, you know, speaking about ad there’s, there’s a really like interesting tie in that obviously you guys are hit on, which is like these sort, this sort of like America first movement or like sort of re industrialized here.

[00:23:57] swyx: процентов. Эм, так что, да, и, то есть, и я [00:24:00] просто хочу отметить, типа, вот мы тут, в 2025-м, и OpenAI подтверждает, типа, Broadcom и все остальные, типа, кастомные кремниевые сделки, что невероятно. Я, я думаю, что, эм, говоря об AD — есть, есть реально, типа, интересная связка, которую вы, очевидно, затронули, а именно, типа, это вроде как это движение America first, или, типа, реиндустриализации здесь.

[00:24:17] Yeah. Uh, move TSMC here, if that’s possible. Um, how much overlap is there from ad

[00:24:17] Да. Эм, перенести TSMC сюда, если это возможно. Эм, насколько велико пересечение из AD

[00:24:23] Martin Casado: Yeah.

[00:24:23] Martin Casado: Да.

[00:24:23] swyx: To, I guess, growth and, uh, investing in particularly like, you know, US AI companies that are strongly bounded by their compute.

[00:24:23] swyx: с, я полагаю, growth и, эм, инвестированием, в частности, в, знаешь, американские AI-компании, которые сильно ограничены своим compute.

[00:24:32] Martin Casado: Yeah. Yeah. So I mean, I, I would view, I would view AD as more as a market segmentation than like a mission, right?

[00:24:32] Martin Casado: Да. Да. Так что, то есть, я бы рассматривал, я бы рассматривал AD скорее как сегментацию рынка, а не как миссию, верно?

[00:24:37] So the market segmentation is, it has kind of regulatory compliance issues or government, you know, sale or it deals with like hardware. I mean, they’re just set up to, to, to, to, to. To diligence those types of companies. So it’s a more of a market segmentation thing. I would say the entire firm. You know, which has been since it is been intercepted, you know, has geographical biases, right?

[00:24:37] Так что сегментация рынка такова: тут есть, типа, вопросы регуляторного комплаенса, или государство, знаешь, продажи государству, или это связано с, типа, железом. То есть они просто заточены, чтобы, чтобы, чтобы, чтобы, чтобы. Проводить due diligence по таким типам компаний. Так что это скорее про сегментацию рынка. Я бы сказал, вся фирма. Знаешь, которая с момента основания, знаешь, имеет географические уклоны, верно?

[00:24:58] I mean, for the longest time we’re like, you [00:25:00] know, bay Area is gonna be like, great, where the majority of the dollars go. Yeah. And, and listen, there, there’s actually a lot of compounding effects for having a geographic bias. Right. You know, everybody’s in the same place. You’ve got an ecosystem, you’re there, you’ve got presence, you’ve got a network.

[00:24:58] То есть очень долго мы такие, [00:25:00] знаешь, Bay Area будет, типа, отлично, куда уходит большинство долларов. Да. И, и слушай, там, там на самом деле много кумулятивных эффектов от наличия географического уклона. Верно. Знаешь, все в одном месте. У тебя есть экосистема, ты там, у тебя есть присутствие, у тебя есть сеть.

[00:25:12] Um, and, uh, I mean, I would say the Bay area’s very much back. You know, like I, I remember during pre COVID, like it was like almost Crypto had kind of. Pulled startups away. Miami from the Bay Area. Miami, yeah. Yeah. New York was, you know, because it’s so close to finance, came up like Los Angeles had a moment ‘cause it was so close to consumer, but now it’s kind of come back here.

[00:25:12] Эм, и, эм, то есть, я бы сказал, Bay Area очень даже вернулся. Знаешь, я помню до COVID, типа, это было, типа, почти крипта как бы. Утянула стартапы из Bay Area. Майами, да. Да. Нью-Йорк был, знаешь, потому что он так близко к финансам, поднялся; Лос-Анджелес имел свой момент, потому что был так близко к консьюмеру, но теперь это как бы вернулось сюда.

[00:25:29] And so I would say, you know, we tend to be very Bay area focused historically, even though of course we’ve asked all over the world. And then I would say like, if you take the ring out, you know, one more, it’s gonna be the US of course, because we know it very well. And then one more is gonna be getting us and its allies and Yeah.

[00:25:29] И поэтому я бы сказал, знаешь, мы, как правило, очень сфокусированы на Bay Area исторически, хотя, конечно, мы инвестировали по всему миру. И затем я бы сказал, типа, если расширить кольцо, знаешь, ещё на одно, это будут США, конечно, потому что мы их очень хорошо знаем. А ещё одно — это будут США и их союзники, и да.

[00:25:44] And it goes from there.

[00:25:44] И дальше оттуда.

[00:25:45] Sarah Wang: Yeah,

[00:25:45] Sarah Wang: Да,

[00:25:45] Martin Casado: sorry.

[00:25:45] Martin Casado: прости.

[00:25:46] Sarah Wang: No, no. I agree. I think from a, but I think from the intern that that’s sort of like where the companies are headquartered. Maybe your questions on supply chain and customer base. Uh, I, I would say our customers are, are, our companies are fairly international from that perspective.

[00:25:46] Sarah Wang: Нет, нет. Согласна. Я думаю, с точки — но я думаю, с точки зрения того, что это вроде как где компании зарегистрированы. Может, твои вопросы про цепочку поставок и клиентскую базу. Я, я бы сказала, наши клиенты, наши компании довольно интернациональны с этой точки зрения.

[00:25:59] Like they’re selling [00:26:00] globally, right? They have global supply chains in some cases.

[00:25:59] Типа они продают [00:26:00] глобально, верно? У них в некоторых случаях глобальные цепочки поставок.

[00:26:03] Martin Casado: I would say also the stickiness is very different.

[00:26:03] Martin Casado: Я бы сказал также, что липкость очень разная.

[00:26:05] Sarah Wang: Yeah.

[00:26:05] Sarah Wang: Да.

[00:26:05] Martin Casado: Historically between venture and growth, like there’s so much company building in venture, so much so like hiring the next PM. Introducing the customer, like all of that stuff.

[00:26:05] Martin Casado: Исторически между venture и growth, типа, в venture так много построения компании, так много, типа, найма следующего PM. Знакомства с клиентом, типа, всё это.

[00:26:15] Like of course we’re just gonna be stronger where we have our network and we’ve been doing business for 20 years. I’ve been in the Bay Area for 25 years, so clearly I’m just more effective here than I would be somewhere else. Um, where I think, I think for some of the later stage rounds, the companies don’t need that much help.

[00:26:15] Типа, конечно, мы просто будем сильнее там, где у нас есть наша сеть и где мы ведём бизнес 20 лет. Я в Bay Area 25 лет, так что явно я просто эффективнее здесь, чем был бы где-то ещё. Эм, где, я думаю, я думаю, для некоторых раундов более поздней стадии компаниям не нужно так много помощи.

[00:26:30] They’re already kind of pretty mature historically, so like they can kind of be everywhere. So there’s kind of less of that stickiness. This is different in the AI time. I mean, Sarah is now the, uh, chief of staff of like half the AI companies in, uh, in the Bay Area right now. She’s like, ops Ninja Biz, Devrel, BizOps.

[00:26:30] Они уже как бы довольно зрелые исторически, так что, типа, они могут быть где угодно. Так что там как бы меньше этой липкости. В AI-время это иначе. То есть Sarah теперь, эм, начальник штаба, типа, половины AI-компаний в, эм, в Bay Area прямо сейчас. Она типа ops-ниндзя, biz devrel, biz ops.

[00:26:48] swyx: Are, are you, are you finding much AI automation in your work? Like what, what is your stack.

[00:26:48] swyx: Находишь ли ты, находишь ли ты много AI-автоматизации в своей работе? Типа, какой у тебя стек.

[00:26:53] Sarah Wang: Oh my, in my personal stack.

[00:26:53] Sarah Wang: О боже, мой личный стек.

[00:26:54] swyx: I mean, because like, uh, by the way, it’s the, the, the reason for this is it is triggering, uh, yeah. We, like, I’m hiring [00:27:00] ops, ops people. Um, a lot of ponders I know are also hiring ops people and I’m just, you know, it’s opportunity Since you’re, you’re also like basically helping out with ops with a lot of companies.

[00:26:54] swyx: То есть, потому что, типа, эм, кстати, причина в том, что это триггерит, эм, да. Мы, типа, я нанимаю ops, ops-людей. Эм, многие основатели, которых я знаю, тоже нанимают ops-людей, и я просто, знаешь, это возможность — раз уж ты тоже как бы помогаешь с ops многим компаниям.

[00:27:09] What are people doing these days? Because it’s still very manual as far as I can tell.

[00:27:09] Что люди делают в наши дни? Потому что это всё ещё очень вручную, насколько я могу судить.

[00:27:13] Sarah Wang: Hmm. Yeah. I think the things that we help with are pretty network based, um, in that. It’s sort of like, Hey, how do do I shortcut this process? Well, let’s connect you to the right person. So there’s not quite an AI workflow for that.

[00:27:13] Sarah Wang: Хм. Да. Я думаю, то, с чем мы помогаем, довольно сетевое, эм, в том, что. Это вроде как: эй, как мне срезать путь в этом процессе? Ну, давай соединим тебя с нужным человеком. Так что для этого нет прям AI-воркфлоу.

[00:27:26] I will say as a growth investor, Claude Cowork is pretty interesting. Yeah. Like for the first time, you can actually get one shot data analysis. Right. Which, you know, if you’re gonna do a customer database, analyze a cohort retention, right? That’s just stuff that you had to do by hand before. And our team, the other, it was like midnight and the three of us were playing with Claude Cowork.

[00:27:26] Скажу, что как growth-инвестор, Claude Cowork довольно интересный. Да. Типа, впервые ты реально можешь получить one-shot анализ данных. Верно, который, знаешь, если тебе нужно сделать клиентскую базу данных, проанализировать когортное удержание, верно? Это просто то, что раньше приходилось делать вручную. И наша команда, недавно — было, типа, полночь, и мы втроём игрались с Claude Cowork.

[00:27:47] We gave it a raw file. Boom. Perfectly accurate. We checked the numbers. It was amazing. That was my like, aha moment. That sounds so boring. But you know, that’s, that’s the kind of thing that a growth investor is like, [00:28:00] you know, slaving away on late at night. Um, done in a few seconds.

[00:27:47] Мы дали ему сырой файл. Бум. Идеально точно. Мы проверили цифры. Это было потрясающе. Это был мой, типа, момент озарения. Звучит так скучно. Но, знаешь, это вот такая вещь, над которой growth-инвестор, типа, [00:28:00] знаешь, корпит допоздна ночью. Эм, сделано за пару секунд.

[00:28:03] swyx: Yeah. You gotta wonder what the whole, like, philanthropic labs, which is like their new sort of products studio.

[00:28:03] swyx: Да. Невольно задумаешься, что вся эта, типа, Anthropic Labs, которая, типа, их новая, вроде, продуктовая студия.

[00:28:10] Yeah. What would that be worth as an independent, uh, startup? You know, like a

[00:28:10] Да. Сколько бы это стоило как независимый, эм, стартап? Знаешь, типа

[00:28:14] Martin Casado: lot.

[00:28:14] Martin Casado: много.

[00:28:14] Sarah Wang: Yeah, true.

[00:28:14] Sarah Wang: Да, правда.

[00:28:16] swyx: Yeah. You

[00:28:16] swyx: Да. Им

[00:28:16] Martin Casado: gotta hand it to them. They’ve been executing incredibly well.

[00:28:16] Martin Casado: надо отдать должное. Они исполняют невероятно хорошо.

[00:28:19] swyx: Yeah. I, I mean, to me, like, you know, philanthropic, like building on cloud code, I think, uh, it makes sense to me the, the real. Um, pedal to the metal, whatever the, the, the phrase is, is when they start coming after consumer with, uh, against OpenAI and like that is like red alert at Open ai.

[00:28:19] swyx: Да. То есть, для меня, знаешь, Anthropic, типа, строит на Claude Code, я думаю, эм, мне это понятно — настоящий. Эм, газ в пол, как там фраза, это когда они начнут идти на консьюмер с, эм, против OpenAI, и это, типа, красная тревога в OpenAI.

[00:28:35] Oh, I

[00:28:35] О, я

[00:28:35] Martin Casado: think they’ve been pretty clear. They’re enterprise focused.

[00:28:35] Martin Casado: думаю, они довольно ясно дали понять. Они сфокусированы на enterprise.

[00:28:37] swyx: They have been, but like they’ve been free. Here’s

[00:28:37] swyx: Да, но, типа, они были бесплатными. Вот

[00:28:40] Martin Casado: care publicly,

[00:28:40] Martin Casado: заявляли публично,

[00:28:40] swyx: it’s enterprise focused. It’s coding. Right. Yeah.

[00:28:40] swyx: что сфокусированы на enterprise. Это кодинг. Верно. Да.

[00:28:43] AI Labs vs Startups: Disruption, Undercutting & the Innovator’s Dilemma

[00:28:43] AI-лаборатории против стартапов: дизрапт, демпинг и дилемма инноватора

[00:28:43] swyx: And then, and, but here’s cloud, cloud, cowork, and, and here’s like, well, we, uh, they, apparently they’re running Instagram ads for Claudia.

[00:28:43] swyx: А потом, и, но вот Claude, Claude Cowork, и, и вот, типа, ну, мы, эм, они, по-видимому, крутят рекламу в Instagram для Claude.

[00:28:50] I, on, you know, for, for people on, I get them all the time. Right. And so, like,

[00:28:50] Я, ну, знаешь, для, для людей в — я их получаю всё время. Верно. И, так что, типа,

[00:28:54] Martin Casado: uh,

[00:28:54] Martin Casado: эм,

[00:28:54] swyx: it, it’s kind of like this, the disruption thing of, uh, you know. Mo Open has been doing, [00:29:00] consumer been doing the, just pursuing general intelligence in every mo modality, and here’s a topic that only focus on this thing, but now they’re sort of undercutting and doing the whole innovator’s dilemma thing on like everything else.

[00:28:54] swyx: это вроде как этой, той самой штуки с дизраптом, типа, знаешь. OpenAI делает консьюмер, делает, просто преследуя общий интеллект в каждой модальности, а вот тема, которая фокусируется только на одной вещи, но теперь они как бы демпингуют и проворачивают всю эту дилемму инноватора со, типа, всем остальным.

[00:29:11] Martin Casado: It’s very

[00:29:11] Martin Casado: Это очень

[00:29:11] swyx: interesting.

[00:29:11] swyx: интересно.

[00:29:12] Martin Casado: Yeah, I mean there’s, there’s a very open que so for me there’s like, do you know that meme where there’s like the guy in the path and there’s like a path this way? There’s a path this way. Like one which way Western man. Yeah. Yeah.

[00:29:12] Martin Casado: Да, то есть тут есть очень открытый воп — для меня это, типа, знаешь тот мем, где парень на дороге и, типа, путь сюда, путь туда. Типа: куда, западный человек? Да. Да.

[00:29:23] Two Futures for AI: Infinite Market vs AGI Oligopoly

[00:29:23] Два будущих AI: бесконечный рынок против олигополии AGI

[00:29:23] Martin Casado: And for me, like, like all the entire industry kind of like hinges on like two potential futures.

[00:29:23] Martin Casado: И для меня, типа, типа, вся индустрия как бы держится на, типа, двух потенциальных будущих.

[00:29:29] So in, in one potential future, um, the market is infinitely large. There’s perverse economies of scale. ‘cause as soon as you put a model out there, like it kind of sublimates and all the other models catch up and like, it’s just like software’s being rewritten and fractured all over the place and there’s tons of upside and it just grows.

[00:29:29] Так вот, в одном потенциальном будущем, эм, рынок бесконечно велик. Там обратный эффект масштаба. Потому что как только ты выпускаешь модель, она как бы сублимируется, и все остальные модели догоняют, и это просто, типа, как софт переписывается и фрагментируется повсюду, и там тонна апсайда, и оно просто растёт.

[00:29:48] And then there’s another path which is like, well. Maybe these models actually generalize really well, and all you have to do is train them with three times more money. That’s all you have to [00:30:00] do, and it’ll just consume everything beyond it. And if that’s the case, like you end up with basically an oligopoly for everything, like, you know mm-hmm.

[00:29:48] И затем есть другой путь, который, типа, ну. Может, эти модели на самом деле обобщают реально хорошо, и всё, что тебе надо сделать, — обучить их втрое большими деньгами. Это всё, что тебе надо [00:30:00] сделать, и она просто поглотит всё, что за её пределами. И если это так, то ты, типа, по сути приходишь к олигополии на всё, типа, знаешь, мм-хм.

[00:30:06] Because they’re perfectly general and like, so this would be like the, the a GI path would be like, these are perfectly general. They can do everything. And this one is like, this is actually normal software. The universe is complicated. You’ve got, and nobody knows the answer.

[00:30:06] Потому что они идеально универсальны, и, типа, это был бы, типа, путь AGI был бы, типа, они идеально универсальны. Они могут делать всё. А этот, типа, это на самом деле обычный софт. Вселенная сложна. У тебя есть, и никто не знает ответа.

[00:30:18] The Economics Reality Check: Gross Margins, Training Costs & Borrowing Against the Future

[00:30:18] Проверка реальностью по экономике: валовая маржа, стоимость обучения и заём из будущего

[00:30:18] Martin Casado: My belief is if you actually look at the numbers of these companies, so generally if you look at the numbers of these companies, if you look at like the amount they’re making and how much they, they spent training the last model, they’re gross margin positive.

[00:30:18] Martin Casado: Моё убеждение такое: если реально посмотреть на цифры этих компаний — то есть в целом, если посмотреть на цифры этих компаний, если посмотреть, типа, сколько они зарабатывают и сколько они потратили на обучение последней модели, то они в плюсе по валовой марже.

[00:30:30] You’re like, oh, that’s really working. But if you look at like. The current training that they’re doing for the next model, their gross margin negative. So part of me thinks that a lot of ‘em are kind of borrowing against the future and that’s gonna have to slow down. It’s gonna catch up to them at some point in time, but we don’t really know.

[00:30:30] Ты такой: о, это реально работает. Но если посмотреть, типа. На текущее обучение, которое они ведут для следующей модели, то у них валовая маржа отрицательная. Так что часть меня думает, что многие из них как бы занимают из будущего, и это придётся замедлить. Это их в какой-то момент догонит, но мы реально не знаем.

[00:30:47] Sarah Wang: Yeah.

[00:30:47] Sarah Wang: Да.

[00:30:47] Martin Casado: Does that make sense? Like, I mean, it could be, it could be the case that the only reason this is working is ‘cause they can raise that next round and they can train that next model. ‘cause these models have such a short. Life. And so at some point in time, like, you know, they won’t be able to [00:31:00] raise that next round for the next model and then things will kind of converge and fragment again.

[00:30:47] Martin Casado: Понятно, о чём я? То есть, может быть, может быть так, что единственная причина, по которой это работает, — это что они могут привлечь тот следующий раунд и могут обучить ту следующую модель. Потому что у этих моделей такая короткая. Жизнь. И поэтому в какой-то момент, знаешь, они не смогут [00:31:00] привлечь тот следующий раунд для следующей модели, и тогда всё как бы сойдётся и снова фрагментируется.

[00:31:03] But right now it’s not.

[00:31:03] Но прямо сейчас это не так.

[00:31:04] Sarah Wang: Totally. I think the other, by the way, just, um, a meta point. I think the other lesson from the last three years is, and we talk about this all the time ‘cause we’re on this. Twitter X bubble. Um, cool. But, you know, if you go back to, let’s say March, 2024, that period, it felt like a, I think an open source model with an, like a, you know, benchmark leading capability was sort of launching on a daily basis at that point.

[00:31:04] Sarah Wang: Абсолютно. Я думаю, другой, кстати, эм, мета-момент. Я думаю, другой урок последних трёх лет — и мы говорим об этом всё время, потому что мы в этом. Пузыре Twitter/X. Эм, ладно. Но, знаешь, если вернуться, скажем, в март 2024-го, в тот период казалось, что, по-моему, open source модель с, типа, лидирующими по бенчмаркам возможностями как бы запускалась чуть ли не ежедневно в тот момент.

[00:31:27] And, um, and so that, you know, that’s one period. Suddenly it’s sort of like open source takes over the world. There’s gonna be a plethora. It’s not an oligopoly, you know, if you fast, you know, if you, if you rewind time even before that GPT-4 was number one for. Nine months, 10 months. It’s a long time. Right.

[00:31:27] И, эм, и поэтому, знаешь, это один период. Вдруг это вроде как open source захватывает мир. Их будет масса. Это не олигополия, знаешь, если ты — знаешь, если, если отмотать время ещё раньше, GPT-4 был номером один в течение. Девяти месяцев, десяти месяцев. Это долго. Верно.

[00:31:44] Um, and of course now we’re in this era where it feels like an oligopoly, um, maybe some very steady state shifts and, and you know, it could look like this in the future too, but it just, it’s so hard to call. And I think the thing that keeps, you know, us up at [00:32:00] night in, in a good way and bad way, is that the capability progress is actually not slowing down.

[00:31:44] Эм, и, конечно, теперь мы в эпохе, где это ощущается как олигополия, эм, может, какое-то очень устойчивое состояние сместится, и, знаешь, в будущем это могло бы выглядеть и так, но это просто, это так трудно предсказать. И я думаю, то, что держит, знаешь, нас по ночам [00:32:00] в, в хорошем и плохом смысле, — это то, что прогресс возможностей на самом деле не замедляется.

[00:32:06] And so until that happens, right, like you don’t know what’s gonna look like.

[00:32:06] И поэтому пока это не случится, верно, типа, ты не знаешь, как это будет выглядеть.

[00:32:09] Martin Casado: But I, I would, I would say for sure it’s not converged, like for sure, like the systemic capital flows have not converged, meaning right now it’s still borrowing against the future to subsidize growth currently, which you can do that for a period of time.

[00:32:09] Martin Casado: Но я, я бы сказал точно — это не сошлось, типа точно, типа системные потоки капитала не сошлись, в смысле прямо сейчас это всё ещё заём из будущего, чтобы субсидировать рост в настоящем, что можно делать какое-то время.

[00:32:23] But, but you know, at the end, at some point the market will rationalize that and just nobody knows what that will look like.

[00:32:23] Но, но, знаешь, в конце, в какой-то момент рынок это рационализирует, и просто никто не знает, как это будет выглядеть.

[00:32:29] Alessio: Yeah.

[00:32:29] Alessio: Да.

[00:32:29] Martin Casado: Or, or like the drop in price of compute will, will, will save them. Who knows?

[00:32:29] Martin Casado: Или, или, типа, падение цены compute их спасёт. Кто знает?

[00:32:34] Alessio: Yeah. Yeah. I think the models need to ask them to, to specific tasks. You know? It’s like, okay, now Opus 4.5 might be a GI at some specific task, and now you can like depreciate the model over a longer time.

[00:32:34] Alessio: Да. Да. Я думаю, модели нужно — просить их под конкретные задачи. Знаешь? Это типа, окей, теперь Opus 4.5, может, и AGI на какой-то конкретной задаче, и теперь ты можешь, типа, амортизировать модель на более долгий срок.

[00:32:45] I think now, now, right now there’s like no old model.

[00:32:45] Я думаю, теперь, теперь, прямо сейчас нет, типа, старой модели.

[00:32:47] Martin Casado: No, but let, but lemme just change that mental, that’s, that used to be my mental model. Lemme just change it a little bit.

[00:32:47] Martin Casado: Нет, но дай, но дай мне изменить эту ментальную, это была моя ментальная модель. Дай мне просто немного её изменить.

[00:32:53] Capital as a Weapon vs Task Saturation: Where Real Enterprise Value Gets Built

[00:32:53] Капитал как оружие против насыщения задач: где строится реальная enterprise-ценность

[00:32:53] Martin Casado: If you can raise three times, if you can raise more than the aggregate of anybody that uses your models, that doesn’t even matter.

[00:32:53] Martin Casado: Если ты можешь привлечь втрое, если ты можешь привлечь больше, чем совокупность всех, кто использует твои модели, то это даже не важно.

[00:32:59] It doesn’t [00:33:00] even matter. See what I’m saying? Like, yeah. Yeah. So, so I have an API Business. My API business is 60% margin, or 70% margin, or 80% margin is a high margin business. So I know what everybody is using. If I can raise more money than the aggregate of everybody that’s using it, I will consume them whether I’m a GI or not.

[00:32:59] Это даже [00:33:00] не важно. Понимаешь, о чём я? Типа, да. Да. Так что, так что у меня есть API-бизнес. Мой API-бизнес — 60% маржи, или 70%, или 80% маржи, это высокомаржинальный бизнес. Так что я знаю, что все используют. Если я могу привлечь больше денег, чем совокупность всех, кто это использует, я их поглощу, AGI я или нет.

[00:33:14] And I will know if they’re using it ‘cause they’re using it. And like, unlike in the past where engineering stops me from doing that.

[00:33:14] И я буду знать, используют ли они это, потому что они это используют. И, типа, в отличие от прошлого, где инженерия мешала мне это делать.

[00:33:21] Alessio: Mm-hmm.

[00:33:21] Alessio: Мм-хм.

[00:33:21] Martin Casado: It is very straightforward. You just train. So I also thought it was kind of like, you must ask the code a GI, general, general, general. But I think there’s also just a possibility that the, that the capital markets will just give them the, the, the ammunition to just go after everybody on top of ‘em.

[00:33:21] Martin Casado: Это очень прямолинейно. Ты просто обучаешь. Так что я тоже думал, что это, типа, тебе нужно, чтобы код был AGI, универсальный, универсальный, универсальный. Но я думаю, есть также просто возможность, что, что рынки капитала просто дадут им, типа, боеприпасы, чтобы пойти на всех, кто поверх них.

[00:33:36] Sarah Wang: I, I do wonder though, to your point, um, if there’s a certain task that. Getting marginally better isn’t actually that much better. Like we’ve asked them to it, to, you know, we can call it a GI or whatever, you know, actually, Ali Goi talks about this, like we’re already at a GI for a lot of functions in the enterprise.

[00:33:36] Sarah Wang: Я, я всё же задаюсь вопросом, к твоей мысли, эм, есть ли определённая задача, где. Становление маргинально лучше на самом деле не настолько лучше. Типа мы уже попросили их об этом — знаешь, можем назвать это AGI или как угодно, знаешь, вообще-то Aravind Srinivas об этом говорит, типа мы уже на AGI для многих функций в enterprise.

[00:33:50] Um. That’s probably those for those tasks, you probably could build very specific companies that focus on just getting as much value out of that task that isn’t [00:34:00] coming from the model itself. There’s probably a rich enterprise business to be built there. I mean, could be wrong on that, but there’s a lot of interesting examples.

[00:33:50] Эм. Для тех задач ты, наверное, мог бы построить очень специфические компании, которые фокусируются просто на извлечении максимума ценности из этой задачи, который не [00:34:00] исходит от самой модели. Там, наверное, есть богатый enterprise-бизнес, который можно построить. То есть, могу ошибаться в этом, но есть много интересных примеров.

[00:34:08] So, right, if you’re looking the legal profession or, or whatnot, and maybe that’s not a great one ‘cause the models are getting better on that front too, but just something where it’s a bit saturated, then the value comes from. Services. It comes from implementation, right? It comes from all these things that actually make it useful to the end customer.

[00:34:08] Так что, верно, если ты смотришь на юридическую профессию, или там что-то ещё, и, может, это не лучший пример, потому что модели и на этом фронте становятся лучше, но просто что-то, где это немного насыщено, тогда ценность приходит от. Сервисов. Она приходит от внедрения, верно? Она приходит от всех этих вещей, которые реально делают это полезным для конечного клиента.

[00:34:24] Martin Casado: Sorry, what am I, one more thing I think is, is underused in all of this is like, to what extent every task is a GI complete.

[00:34:24] Martin Casado: Прости, что я — ещё одна вещь, которая, по-моему, недоиспользована во всём этом, это, типа, в какой степени каждая задача является AGI-complete.

[00:34:31] Sarah Wang: Mm-hmm.

[00:34:31] Sarah Wang: Мм-хм.

[00:34:32] Martin Casado: Yeah. I code every day. It’s so fun.

[00:34:32] Martin Casado: Да. Я кодю каждый день. Это так весело.

[00:34:35] Sarah Wang: That’s a core question. Yeah.

[00:34:35] Sarah Wang: Это ключевой вопрос. Да.

[00:34:36] Martin Casado: And like. When I’m talking to these models, it’s not just code. I mean, it’s everything, right? Like I, you know, like it’s,

[00:34:36] Martin Casado: И, типа. Когда я разговариваю с этими моделями, это не просто код. То есть это всё, верно? Типа, я, знаешь, типа, это,

[00:34:43] swyx: it’s healthcare.

[00:34:43] swyx: это здравоохранение.

[00:34:44] It’s,

[00:34:44] Это,

[00:34:44] Martin Casado: I mean, it’s

[00:34:44] Martin Casado: то есть, это

[00:34:44] swyx: Mele,

[00:34:44] swyx: юриспруденция,

[00:34:45] Martin Casado: but it’s every, it is exactly that. Like, yeah, that’s

[00:34:45] Martin Casado: но это каждая, это именно так. Типа, да, это

[00:34:47] Sarah Wang: great support. Yeah.

[00:34:47] Sarah Wang: отличная поддержка. Да.

[00:34:48] Martin Casado: It’s everything. Like I’m asking these models to, yeah, to understand compliance. I’m asking these models to go search the web. I’m asking these models to talk about things I know in the history, like it’s having a full conversation with me while I, I engineer, and so it could be [00:35:00] the case that like, mm-hmm.

[00:34:48] Martin Casado: Это всё. Типа я прошу эти модели, да, разобраться в комплаенсе. Я прошу эти модели пойти поискать в вебе. Я прошу эти модели поговорить о вещах, которые я знаю из истории, типа это [00:35:00] полноценный разговор со мной, пока я, я инженерю, и поэтому может быть так, что, типа, мм-хм.

[00:35:01] The most a, you know, a GI complete, like I’m not an a GI guy. Like I think that’s, you know, but like the most a GI complete model will is win independent of the task. And we don’t know the answer to that one either.

[00:35:01] Самая AGI-complete, знаешь, AGI-complete — типа я не AGI-парень. Типа я думаю, это, знаешь, но, типа, самая AGI-complete модель победит независимо от задачи. И мы тоже не знаем ответа на этот вопрос.

[00:35:11] swyx: Yeah.

[00:35:11] swyx: Да.

[00:35:12] Martin Casado: But it seems to me that like, listen, codex in my experience is for sure better than Opus 4.5 for coding.

[00:35:12] Martin Casado: Но мне кажется, что, типа, слушай, Codex по моему опыту точно лучше, чем Opus 4.5 для кодинга.

[00:35:18] Like it finds the hardest bugs that I work in with. Like, it is, you know. The smartest developers. I don’t work on it. It’s great. Um, but I think Opus 4.5 is actually very, it’s got a great bedside manner and it really, and it, it really matters if you’re building something very complex because like, it really, you know, like you’re, you’re, you’re a partner and a brainstorming partner for somebody.

[00:35:18] Типа он находит самые трудные баги, с которыми я работаю. Типа, он, знаешь. Самые умные разработчики. Я над этим не работаю. Это отлично. Эм, но я думаю, Opus 4.5 на самом деле очень — у него отличный «врачебный такт», и он реально, и это реально важно, если ты строишь что-то очень сложное, потому что, типа, это реально, знаешь, типа ты, ты, ты партнёр и партнёр по брейнштормингу для кого-то.

[00:35:38] And I think we don’t discuss enough how every task kind of has that quality.

[00:35:38] И я думаю, мы недостаточно обсуждаем, как каждая задача обладает этим качеством.

[00:35:42] swyx: Mm-hmm.

[00:35:42] swyx: Мм-хм.

[00:35:43] Martin Casado: And what does that mean to like capital investment and like frontier models and Submodels? Yeah.

[00:35:43] Martin Casado: И что это значит для, типа, капитальных инвестиций и, типа, frontier-моделей и submodels? Да.

[00:35:47] Why “Coding Models” Keep Collapsing into Generalists (Reasoning vs Taste)

[00:35:47] Почему «кодинговые модели» постоянно схлопываются в универсальные (рассуждение против вкуса)

[00:35:47] Martin Casado: Like what happened to all the special coding models? Like, none of ‘em worked right. So

[00:35:47] Martin Casado: Типа что случилось со всеми специальными кодинговыми моделями? Типа ни одна из них не сработала, верно? Так

[00:35:51] Alessio: some of them, they didn’t even get released.

[00:35:51] Alessio: что некоторые из них даже не были выпущены.

[00:35:53] Magical

[00:35:53] Magic

[00:35:54] Martin Casado: Devrel. There’s a whole, there’s a whole host. We saw a bunch of them and like there’s this whole theory that like, there could be, and [00:36:00] I think one of the conclusions is, is like there’s no such thing as a coding model,

[00:35:54] Martin Casado: Devrel. Там целый, там целый ряд. Мы видели кучу из них, и, типа, есть вся эта теория, что, типа, могла бы быть, и [00:36:00] я думаю, один из выводов, типа, такой: нет такой вещи, как кодинговая модель,

[00:36:04] Alessio: you know?

[00:36:04] Alessio: знаешь?

[00:36:04] Martin Casado: Like, that’s not a thing. Like you’re talking to another human being and it’s, it’s good at coding, but like it’s gotta be good at everything.

[00:36:04] Martin Casado: Типа, такого нет. Типа ты разговариваешь с другим человеком, и оно, оно хорошо в кодинге, но, типа, оно должно быть хорошо во всём.

[00:36:10] swyx: Uh, minor disagree only because I, I’m pretty like, have pretty high confidence that basically open eye will always release a GPT five and a GT five codex. Like that’s the code’s. Yeah. The way I call it is one for raisin, one for Tiz. Um, and, and then like someone internal open, it was like, yeah, that’s a good way to frame it.

[00:36:10] swyx: Эм, слегка не соглашусь, только потому что я, я довольно, типа, с довольно высокой уверенностью считаю, что по сути OpenAI всегда будет выпускать GPT-5 и GPT-5 Codex. Типа это код. Да. То, как я это называю, — одна для рассуждения, одна для вкуса. И, и потом, типа, кто-то внутри OpenAI сказал, типа, да, это хороший способ это сформулировать.

[00:36:32] Martin Casado: That’s so funny.

[00:36:32] Martin Casado: Это так смешно.

[00:36:33] swyx: Uh, but maybe it, maybe it collapses down to reason and that’s it. It’s not like a hundred dimensions doesn’t life. Yeah. It’s two dimensions. Yeah, yeah, yeah, yeah. Like and exactly. Beside manner versus coding. Yeah.

[00:36:33] swyx: Эм, но, может, оно, может, оно схлопывается до рассуждения, и всё. Это не, типа, сто измерений — не жизнь. Да. Это два измерения. Да, да, да, да. Типа и, именно. Врачебный такт против кодинга. Да.

[00:36:43] Martin Casado: Yeah.

[00:36:43] Martin Casado: Да.

[00:36:44] swyx: It’s, yeah.

[00:36:44] swyx: Это, да.

[00:36:46] Martin Casado: I, I think for, for any, it’s hilarious. For any, for anybody listening to this for, for, for, I mean, for you, like when, when you’re like coding or using these models for something like that.

[00:36:46] Martin Casado: Я, я думаю, для любого — это уморительно. Для любого, для кого угодно, то есть для тебя, типа, когда ты, типа, кодишь или используешь эти модели для чего-то такого.

[00:36:52] Like actually just like be aware of how much of the interaction has nothing to do with coding and it just turns out to be a large portion of it. And so like, you’re, I [00:37:00] think like, like the best Soto ish model. You know, it is going to remain very important no matter what the task is.

[00:36:52] Типа реально просто, типа, осознай, насколько большая часть взаимодействия не имеет ничего общего с кодингом, и оно просто оказывается большой долей этого. И поэтому, типа, ты, я [00:37:00] думаю, типа, типа, лучшая state-of-the-art-ish модель. Знаешь, она останется очень важной, какой бы ни была задача.

[00:37:06] swyx: Yeah.

[00:37:06] swyx: Да.

[00:37:07] What He’s Actually Coding: Gaussian Splats, Spark.js & 3D Scene Rendering Demos

[00:37:07] Что он на самом деле кодит: Gaussian splats, Spark.js и демо рендеринга 3D-сцен

[00:37:07] swyx: Uh, speaking of coding, uh, I, I’m gonna be cheeky and ask like, what actually are you coding?

[00:37:07] swyx: Эм, кстати о кодинге, я, я буду дерзким и спрошу, типа, что ты на самом деле кодишь?

[00:37:11] Because obviously you, you could code anything and you are obviously a busy investor and a manager of the good. Giant team. Um, what are you calling?

[00:37:11] Потому что, очевидно, ты, ты мог бы кодить что угодно, и ты, очевидно, занятой инвестор и менеджер хорошей. Гигантской команды. Эм, что ты кодишь?

[00:37:18] Martin Casado: I help, um, uh, FEFA at World Labs. Uh, it’s one of the investments and um, and they’re building a foundation model that creates 3D scenes.

[00:37:18] Martin Casado: Я помогаю, эм, эм, Fei-Fei в World Labs. Эм, это одна из инвестиций, и, эм, они строят фундаментальную модель, которая создаёт 3D-сцены.

[00:37:27] swyx: Yeah, we had it on the pod.

[00:37:27] swyx: Да, у нас она была в подкасте.

[00:37:28] Yeah. Yeah,

[00:37:28] Да. Да,

[00:37:28] Martin Casado: yeah. And so these 3D scenes are Gaussian splats, just by the way that kind of AI works. And so like, you can reconstruct a scene better with, with, with radiance feels than with meshes. ‘cause like they don’t really have topology. So, so they, they, they produce each. Beautiful, you know, 3D rendered scenes that are Gaussian splats, but the actual industry support for Gaussian splats isn’t great.

[00:37:28] Martin Casado: да. И поэтому эти 3D-сцены — это Gaussian splats, просто в силу того, как работает этот AI. И поэтому, типа, ты можешь реконструировать сцену лучше с, с, с radiance fields, чем с мешами. Потому что, типа, у них на самом деле нет топологии. Так что они, они, они производят каждую. Красивую, знаешь, 3D-рендеренную сцену, которая является Gaussian splats, но реальная индустриальная поддержка для Gaussian splats не очень хороша.

[00:37:50] It’s just never, you know, it’s always been meshes and like, things like unreal use meshes. And so I work on a open source library called Spark js, which is a. Uh, [00:38:00] a JavaScript rendering layer ready for Gaussian splats. And it’s just because, you know, um, you, you, you need that support and, and right now there’s kind of a three js moment that’s all meshes and so like, it’s become kind of the default in three Js ecosystem.

[00:37:50] Это просто никогда, знаешь, это всегда были меши, и, типа, такие вещи, как Unreal, используют меши. И поэтому я работаю над open source библиотекой под названием Spark.js, которая является. Эм, [00:38:00] JavaScript-слоем рендеринга, готовым для Gaussian splats. И это просто потому, что, знаешь, тебе, тебе нужна эта поддержка, и, и прямо сейчас есть как бы момент three.js, который весь про меши, и, типа, оно стало как бы дефолтом в экосистеме three.js.

[00:38:13] As part of that to kind of exercise the library, I just build a whole bunch of cool demos. So if you see me on X, you see like all my demos and all the world building, but all of that is just to exercise this, this library that I work on. ‘cause it’s actually a very tough algorithmics problem to actually scale a library that much.

[00:38:13] В рамках этого, чтобы как бы прогонять библиотеку, я просто строю кучу классных демо. Так что если видишь меня в X, видишь, типа, все мои демо и весь этот world building, но всё это просто чтобы прогонять эту, эту библиотеку, над которой я работаю. Потому что это на самом деле очень трудная алгоритмическая задача — реально так масштабировать библиотеку.

[00:38:29] And just so you know, this is ancient history now, but 30 years ago I paid for undergrad, you know, working on game engines in college in the late nineties. So I’ve got actually a back and it’s very old background, but I actually have a background in this and so a lot of it’s fun. You know, but, but the, the, the, the whole goal is just for this rendering library to, to,

[00:38:29] И просто чтобы ты знал, это уже древняя история, но 30 лет назад я оплачивал учёбу в бакалавриате, знаешь, работая над игровыми движками в колледже в конце девяностых. Так что у меня на самом деле есть очень старый бэкграунд, но у меня правда есть бэкграунд в этом, и поэтому многое из этого — в кайф. Знаешь, но, но, цель всего — просто чтобы этот рендеринговый слой, чтобы, чтобы,

[00:38:47] Sarah Wang: are you one of the most active contributors?

[00:38:47] Sarah Wang: ты один из самых активных контрибьюторов?

[00:38:49] The, their GitHub

[00:38:49] У них GitHub

[00:38:50] Martin Casado: spark? Yes.

[00:38:50] Martin Casado: Spark? Да.

[00:38:51] Sarah Wang: Yeah, yeah.

[00:38:51] Sarah Wang: Да, да.

[00:38:51] Martin Casado: There’s only two of us there, so, yes. No, so by the way, so the, the pri The pri, yeah. Yeah. So the primary developer is a [00:39:00] guy named Andres Quist, who’s an absolute genius. He and I did our, our PhDs together. And so like, um, we studied for constant Quas together. It was almost like hanging out with an old friend, you know?

[00:38:51] Martin Casado: Нас там всего двое, так что да. Нет, так что, кстати, основной — основной разработчик, да. Да. Так что основной разработчик — парень по имени Andres Quist, который абсолютный гений. Мы с ним делали наши, наши PhD вместе. И поэтому, типа, эм, мы вместе изучали — это было почти как тусоваться со старым другом, знаешь?

[00:39:09] And so like. So he, he’s the core, core guy. I did mostly kind of, you know, the side I run venture fund.

[00:39:09] И поэтому, типа. Так что он, он ядро, ядровый парень. Я делал в основном как бы, знаешь, сторону — я управляю венчурным фондом.

[00:39:14] swyx: It’s amazing. Like five years ago you would not have done any of this. And it brought you back

[00:39:14] swyx: Это потрясающе. Типа пять лет назад ты бы ничего из этого не делал. И это вернуло тебя обратно

[00:39:19] Martin Casado: the act, the Activ energy, you’re still back. Energy was so high because you had to learn all the framework bullshit.

[00:39:19] Martin Casado: к — энергия активации, ты всё ещё — энергия активации была такой высокой, потому что тебе приходилось учить весь этот фреймворковый булшит.

[00:39:23] Man, I fucking used to hate that. And so like, now I don’t have to deal with that. I can like focus on the algorithmics so I can focus on the scaling and I,

[00:39:23] Чувак, я это, блин, ненавидел. И поэтому, типа, теперь мне не надо с этим разбираться. Я могу, типа, сфокусироваться на алгоритмике, так что я могу сфокусироваться на масштабировании, и я,

[00:39:29] swyx: yeah. Yeah.

[00:39:29] swyx: да. Да.

[00:39:29] LLMs vs Spatial Intelligence + How to Value World Labs’ 3D Foundation Model

[00:39:29] LLM против пространственного интеллекта + как оценивать 3D-фундаментальную модель World Labs

[00:39:29] swyx: And then, uh, I’ll observe one irony and then I’ll ask a serious investor question, uh, which is like, the irony is FFE actually doesn’t believe that LMS can lead us to spatial intelligence.

[00:39:29] swyx: И затем, эм, я отмечу одну иронию, а потом задам серьёзный инвесторский вопрос, эм, а именно — ирония в том, что Fei-Fei на самом деле не верит, что LLM могут привести нас к пространственному интеллекту.

[00:39:37] And here you are using LMS to like help like achieve spatial intelligence. I just see, I see some like disconnect in there.

[00:39:37] И вот ты используешь LLM, чтобы, типа, помочь, типа, достичь пространственного интеллекта. Я просто вижу, я вижу некий, типа, диссонанс в этом.

[00:39:45] Martin Casado: Yeah. Yeah. So I think, I think, you know, I think, I think what she would say is LLMs are great to help with coding.

[00:39:45] Martin Casado: Да. Да. Так что я думаю, я думаю, знаешь, я думаю, я думаю, что она сказала бы, что LLM отлично помогают с кодингом.

[00:39:51] swyx: Yes.

[00:39:51] swyx: Да.

[00:39:51] Martin Casado: But like, that’s very different than a model that actually like provides, they, they’ll never have the

[00:39:51] Martin Casado: Но, типа, это очень отличается от модели, которая реально, типа, обеспечивает — у них, у них никогда не будет

[00:39:56] swyx: spatial inte

[00:39:56] swyx: пространственного инте

[00:39:56] Martin Casado: issues.

[00:39:56] Martin Casado: проблем.

[00:39:56] And listen, our brains clearly listen, our brains, brains clearly have [00:40:00] both our, our brains clearly have a language reasoning section and they clearly have a spatial reasoning section. I mean, it’s just, you know, these are two pretty independent problems.

[00:39:56] И слушай, наши мозги явно — слушай, наши мозги, мозги явно имеют [00:40:00] оба — наши, наши мозги явно имеют секцию языкового рассуждения и явно имеют секцию пространственного рассуждения. То есть это просто, знаешь, это две довольно независимые задачи.

[00:40:07] swyx: Okay. And you, you, like, I, I would say that the, the one data point I recently had, uh, against it is the DeepMind, uh, IMO Gold, where, so, uh, typically the, the typical answer is that this is where you start going down the neuros symbolic path, right?

[00:40:07] swyx: Окей. И ты, типа, я, я бы сказал, что одна точка данных, которая у меня недавно появилась против этого, — это DeepMind, эм, IMO Gold, где, так, эм, типичный ответ в том, что вот тут ты начинаешь идти по нейросимволическому пути, верно?

[00:40:21] Like one, uh, sort of very sort of abstract reasoning thing and one form, formal thing. Um, and that’s what. DeepMind had in 2024 with alpha proof, alpha geometry, and now they just use deep think and just extended thinking tokens. And it’s one model and it’s, and it’s in LM.

[00:40:21] Типа одна, эм, как бы очень такая абстрактная штука рассуждения и одна формальная, формальная штука. Эм, и это то, что. У DeepMind было в 2024-м с AlphaProof, AlphaGeometry, а теперь они просто используют Deep Think и просто расширенные токены размышления. И это одна модель, и она, и это LLM.

[00:40:36] Martin Casado: Yeah, yeah, yeah, yeah, yeah.

[00:40:36] Martin Casado: Да, да, да, да, да.

[00:40:37] swyx: And so that, that was my indication of like, maybe you don’t need a separate system.

[00:40:37] swyx: И поэтому это, это было моим указанием на то, типа, что, может, тебе не нужна отдельная система.

[00:40:42] Martin Casado: Yeah. So, so let me step back. I mean, at the end of the day, at the end of the day, these things are like nodes in a graph with weights on them. Right. You know, like it can be modeled like if you, if you distill it down. But let me just talk about the two different substrates. Let’s, let me put you in a dark room.

[00:40:42] Martin Casado: Да. Так, так дай мне отступить. То есть в конце концов, в конце концов эти штуки — это, типа, узлы в графе с весами на них. Верно. Знаешь, типа это можно смоделировать, если, если дистиллировать это. Но дай мне просто рассказать о двух разных субстратах. Давай, давай я помещу тебя в тёмную комнату.

[00:40:56] Like totally black room. And then let me just [00:41:00] describe how you exit it. Like to your left, there’s a table like duck below this thing, right? I mean like the chances that you’re gonna like not run into something are very low. Now let me like turn on the light and you actually see, and you can do distance and you know how far something away is and like where it is or whatever.

[00:40:56] Типа совершенно чёрную комнату. И затем дай я просто [00:41:00] опишу, как из неё выйти. Типа слева от тебя есть стол, типа пригнись под этой штукой, верно? То есть, типа, шансы, что ты, типа, не наткнёшься на что-то, очень низки. Теперь дай я, типа, включу свет, и ты реально видишь, и ты можешь определить расстояние, и ты знаешь, как далеко что-то находится, и, типа, где оно или что угодно.

[00:41:17] Then you can do it, right? Like language is not the right primitives to describe. The universe because it’s not exact enough. So that’s all Faye, Faye is talking about. When it comes to like spatial reasoning, it’s like you actually have to know that this is three feet far, like that far away. It is curved.

[00:41:17] Тогда ты можешь это сделать, верно? Типа язык — это не те примитивы, чтобы описать. Вселенную, потому что он недостаточно точен. Так что это всё, о чём говорит Fei-Fei. Когда речь о, типа, пространственном рассуждении, это, типа, тебе реально нужно знать, что это в трёх футах, типа на таком расстоянии. Оно изогнуто.

[00:41:37] You have to understand, you know, the, like the actual movement through space.

[00:41:37] Тебе нужно понимать, знаешь, типа реальное движение через пространство.

[00:41:40] swyx: Yeah.

[00:41:40] swyx: Да.

[00:41:40] Martin Casado: So I do, I listen, I do think at the end of these models are definitely converging as far as models, but there’s, there’s, there’s different representations of problems you’re solving. One is language. Which, you know, that would be like describing to somebody like what to do.

[00:41:40] Martin Casado: Так что я думаю — слушай, я думаю, в конце концов эти модели определённо сходятся как модели, но есть, есть, есть разные представления задач, которые ты решаешь. Одно — язык. Что, знаешь, это было бы как описывать кому-то, что делать.

[00:41:51] And the other one is actually just showing them and the space reasoning is just showing them.

[00:41:51] А другое — это на самом деле просто показать им, и пространственное рассуждение — это просто показать им.

[00:41:55] swyx: Yeah, yeah, yeah. Right. Got it, got it. Uh, the, in the investor question was on, on, well labs [00:42:00] is, well, like, how do I value something like this? What, what, what work does the, do you do? I’m just like, Fefe is awesome.

[00:41:55] swyx: Да, да, да. Верно. Понял, понял. Эм, инвесторский вопрос был про, про — ну, World Labs, ну, типа, как мне оценивать что-то такое? Что, какую работу ты делаешь? Я просто, типа, Fei-Fei потрясающая.

[00:42:07] Justin’s awesome. And you know, the other two co-founder, co-founders, but like the, the, the tech, everyone’s building cool tech. But like, what’s the value of the tech? And this is the fundamental question

[00:42:07] Justin потрясающий. И, знаешь, двое других со-основа — со-основателей, но, типа, технология — все строят классную технологию. Но, типа, какова ценность технологии? И это фундаментальный вопрос

[00:42:16] Martin Casado: of, well, let, let, just like these, let me just maybe give you a rough sketch on the diffusion models. I actually love to hear Sarah because I’m a venture for, you know, so like, ventures always, always like kind of wild west type

[00:42:16] Martin Casado: о — ну, дай, дай, просто как эти — дай я просто, может, дам тебе грубую зарисовку по диффузионным моделям. Я на самом деле с удовольствием послушаю Sarah, потому что я венчур-парень, знаешь, так что, типа, венчур всегда, всегда как бы дикий запад типа

[00:42:24] swyx: stuff.

[00:42:24] swyx: штука.

[00:42:24] You, you, you, you paid a dream and she has to like, actually

[00:42:24] Ты, ты, ты, ты заплатил за мечту, а ей надо, типа, реально

[00:42:28] Martin Casado: I’m gonna say I’m gonna mar to reality, so I’m gonna say the venture for you. And she can be like, okay, you a little kid. Yeah. So like, so, so these diffusion models literally. Create something for, for almost nothing. And something that the, the world has found to be very valuable in the past, in our real markets, right?

[00:42:28] Martin Casado: я скажу — я приземлю это к реальности, так что я скажу как венчур-парень. А она может такая: окей, ты маленький ребёнок. Да. Так что, типа, так, так эти диффузионные модели буквально. Создают что-то за, за почти ничего — и что-то, что мир в прошлом счёл очень ценным, на наших реальных рынках, верно?

[00:42:45] Like, like a 2D image. I mean, that’s been an entire market. People value them. It takes a human being a long time to create it, right? I mean, to create a, you know, a, to turn me into a whatever, like an image would cost a hundred bucks in an hour. The inference cost [00:43:00] us a hundredth of a penny, right? So we’ve seen this with speech in very successful companies.

[00:42:45] Типа, типа 2D-изображение. То есть это был целый рынок. Люди их ценят. Человеку нужно много времени, чтобы его создать, верно? То есть, чтобы создать, знаешь, чтобы превратить меня в какое-нибудь, типа, изображение, стоило бы сотню баксов и час времени. Инференс стоит нам [00:43:00] сотую долю цента, верно? Так что мы видели это с речью в очень успешных компаниях.

[00:43:03] We’ve seen this with 2D image. We’ve seen this with movies. Right? Now, think about 3D scene. I mean, I mean, when’s Grand Theft Auto coming out? It’s been six, what? It’s been 10 years. I mean, how, how like, but hasn’t been 10 years.

[00:43:03] Мы видели это с 2D-изображениями. Мы видели это с фильмами. Верно? Теперь подумай о 3D-сцене. То есть, то есть, когда выходит Grand Theft Auto? Прошло уже шесть, что? Прошло 10 лет. То есть, как, как, типа, но не прошло 10 лет.

[00:43:14] Alessio: Yeah.

[00:43:14] Alessio: Да.

[00:43:15] Martin Casado: How much would it cost to like, to reproduce this room in 3D? Right. If you, if you, if you hired somebody on fiber, like in, in any sort of quality, probably 4,000 to $10,000.

[00:43:15] Martin Casado: Сколько бы стоило, типа, воспроизвести эту комнату в 3D? Верно. Если ты, если ты, если ты нанял бы кого-то на Fiverr, типа, в, в каком-либо качестве, наверное, от 4 000 до 10 000 долларов.

[00:43:24] And then if you had a professional, probably $30,000. So if you could generate the exact same thing from a 2D image, and we know that these are used and they’re using Unreal and they’re using Blend, or they’re using movies and they’re using video games and they’re using all. So if you could do that for.

[00:43:24] А если у тебя профессионал, наверное, $30 000. Так что если ты можешь сгенерировать ровно то же самое из 2D-изображения, и мы знаем, что они используются и используются в Unreal, и используются в Blender, или используются в фильмах, и используются в видеоиграх, и используются во всём. Так что если ты можешь сделать это за.

[00:43:36] You know, less than a dollar, that’s four or five orders of magnitude cheaper. So you’re bringing the marginal cost of something that’s useful down by three orders of magnitude, which historically have created very large companies. So that would be like the venture kind of strategic dreaming map.

[00:43:36] Знаешь, меньше доллара, это в четыре-пять порядков дешевле. Так что ты снижаешь предельную стоимость чего-то полезного на три порядка, что исторически создавало очень крупные компании. Так что это была бы, типа, венчурная, типа, стратегическая мечтательная карта.

[00:43:49] swyx: Yeah.

[00:43:49] swyx: Да.

[00:43:50] And, and for listeners, uh, you can do this yourself on your, on your own phone with like. Uh, the marble.

[00:43:50] И, и для слушателей, эм, вы можете сделать это сами на своём, на своём собственном телефоне с, типа. Эм, Marble.

[00:43:55] Martin Casado: Yeah. Marble.

[00:43:55] Martin Casado: Да. Marble.

[00:43:55] swyx: Uh, or but also there’s many Nerf apps where you just go on your iPhone and, and do this.

[00:43:55] swyx: Эм, или, но есть также много Nerf-приложений, где ты просто заходишь на свой iPhone и, и делаешь это.

[00:43:59] Martin Casado: Yeah. Yeah. [00:44:00] Yeah. And, and in the case of marble though, it would, what you do is you literally give it in.

[00:43:59] Martin Casado: Да. Да. [00:44:00] Да. И, и в случае с Marble, правда, ты — что ты делаешь, ты буквально даёшь ему вход.

[00:44:03] So most Nerf apps you like kind of run around and take a whole bunch of pictures and then you kind of reconstruct it.

[00:44:03] Так что в большинстве Nerf-приложений ты как бы бегаешь вокруг и делаешь кучу фотографий, а потом как бы реконструируешь это.

[00:44:08] swyx: Yeah.

[00:44:08] swyx: Да.

[00:44:08] Martin Casado: Um, things like marble, just that the whole generative 3D space will just take a 2D image and it’ll reconstruct all the like, like

[00:44:08] Martin Casado: Эм, вещи вроде Marble просто — всё это генеративное 3D-пространство просто берёт 2D-изображение и реконструирует все, типа, типа

[00:44:16] swyx: meaning it has to fill in. Uh,

[00:44:16] swyx: в смысле оно должно дорисовать. Эм,

[00:44:18] Martin Casado: stuff at the back of the table, under the table, the back, like, like the images, it doesn’t see.

[00:44:18] Martin Casado: штуки на задней части стола, под столом, сзади, типа, типа изображения, которые оно не видит.

[00:44:22] So the generator stuff is very different than reconstruction that it fills in the things that you can’t see.

[00:44:22] Так что генеративная штука очень отличается от реконструкции тем, что оно дорисовывает вещи, которые ты не можешь увидеть.

[00:44:26] swyx: Yeah. Okay.

[00:44:26] swyx: Да. Окей.

[00:44:26] Sarah Wang: So,

[00:44:26] Sarah Wang: Так,

[00:44:27] Martin Casado: all right. So now the,

[00:44:27] Martin Casado: ладно. Так теперь,

[00:44:28] Sarah Wang: no, no. I mean I love that

[00:44:28] Sarah Wang: нет, нет. То есть я обожаю

[00:44:29] Martin Casado: the adult

[00:44:29] Martin Casado: взрослую

[00:44:29] Sarah Wang: perspective. Um, well, no, I was gonna say these are very much a tag team. So we, we started this pod with that, um, premise. And I think this is a perfect question to even build on that further.

[00:44:29] Sarah Wang: перспективу. Эм, ну, нет, я собиралась сказать — это очень даже тандем. Так что мы, мы начали этот подкаст с той, эм, предпосылки. И я думаю, это идеальный вопрос, чтобы даже развить это дальше.

[00:44:36] ‘cause it truly is, I mean, we’re tag teaming all of these together.

[00:44:36] Потому что это правда, то есть мы все эти штуки тандемим вместе.

[00:44:39] Investing in Model Labs, Media Rumors, and the Cursor Playbook (Margins & Going Down-Stack)

[00:44:39] Инвестирование в модельные лаборатории, медийные слухи и плейбук Cursor (маржа и движение вниз по стеку)

[00:44:39] Sarah Wang: Um, but I think every investment fundamentally starts with the same. Maybe the same two premises. One is, at this point in time, we actually believe that there are. And of one founders for their particular craft, and they have to be demonstrated in their prior careers, right?

[00:44:39] Sarah Wang: Эм, но я думаю, каждая инвестиция фундаментально начинается с тех же. Может, тех же двух предпосылок. Одна в том, что в этот момент времени мы на самом деле верим, что есть. И есть основатели уровня лучших в своём конкретном ремесле, и это должно быть продемонстрировано в их предыдущих карьерах, верно?

[00:44:56] So, uh, we’re not investing in every, you know, now the term is NEO [00:45:00] lab, but every foundation model, uh, any, any company, any founder trying to build a foundation model, we’re not, um, contrary to popular opinion, we’re not invested in all of them. Right. We have a very specific thesis. I don’t think people

[00:44:56] Так что, эм, мы не инвестируем в каждый, знаешь, теперь термин — neolab, но [00:45:00] в каждую фундаментальную модель, эм, в любую, любую компанию, любого основателя, пытающегося построить фундаментальную модель, мы не, эм, вопреки расхожему мнению, мы не инвестировали во все из них, верно? У нас очень конкретный тезис. Я не думаю, что люди

[00:45:09] swyx: say that about you.

[00:45:09] swyx: так о тебе говорят.

[00:45:10] No, they don’t. They don’t,

[00:45:10] Нет, не говорят. Не говорят,

[00:45:12] Sarah Wang: they say that we’re big, we’re in everything. But, um, you know, if you think about ia, right? He’s at SSI, he’s sort of. Been behind almost every foundational breakthrough for the last 15 years. 15 years. Um, if you think about, you know, the Thinking machines team, right? Mira and John, right?

[00:45:12] Sarah Wang: они говорят, что мы большие, мы во всём. Но, эм, знаешь, если подумать про Ilya, верно? Он в SSI, он как бы. Стоял почти за каждым фундаментальным прорывом последние 15 лет. 15 лет. Эм, если подумать о, знаешь, команде Thinking Machines, верно? Mira и John, верно?

[00:45:27] John is the godfather of reinforcement learning. And so, um, I go through this because, you know, if you think about for each of the bets that we’ve made, it goes back to one of, to a very specific thesis about that person, the team they’ve assembled and what they’ve done in a prior life. Um, and you know, I, I think, you know, obviously we talked about talent wars.

[00:45:27] John — крёстный отец обучения с подкреплением. И поэтому, эм, я прохожусь по этому, потому что, знаешь, если подумать о каждой из ставок, которые мы сделали, всё восходит к одному из, к очень конкретному тезису об этом человеке, команде, которую он собрал, и о том, что они сделали в прошлой жизни. Эм, и, знаешь, я, я думаю, знаешь, очевидно, мы говорили о войнах за таланты.

[00:45:46] Um, we do think. At this particular moment in time, there are particular people that can move needles. Um, clearly, uh, other companies believe that too, otherwise they wouldn’t be willing to pay such crazy prices for single individuals. So that’s, that’s one. And then two, [00:46:00] we don’t think it’s a zero sum game, right?

[00:45:46] Эм, мы действительно думаем. В этот конкретный момент времени есть конкретные люди, которые могут сдвигать стрелки. Эм, явно, эм, другие компании тоже в это верят, иначе они не были бы готовы платить такие безумные цены за отдельных индивидов. Так что это, это одно. И затем второе, [00:46:00] мы не думаем, что это игра с нулевой суммой, верно?

[00:46:02] Like if that were true open AI or, or actually just deep mind would be number one and everything, right? There’s clear value. To specialization. It’s like 11 labs. There have been so, oh my God. Yeah. Many audio models that have hit the market, they’re still fricking number one, right? And so if you think about, and they’ve created a ton of value, um, for their customers, for their investors, you know, for their team.

[00:46:02] Типа если бы это было правдой, OpenAI или, или вообще-то просто DeepMind были бы номером один во всём, верно? Есть явная ценность. В специализации. Это как 11 Labs. Было так, о боже. Да. Много аудио-моделей, которые вышли на рынок, они всё ещё, блин, номер один, верно? И поэтому если подумать о, и они создали тонну ценности, эм, для своих клиентов, для своих инвесторов, знаешь, для своей команды.

[00:46:23] Um, and so if you think about those two put together, right? That’s sort of the foundation of our thesis when we back, uh, these foundation model, uh, companies. Um, of course. The valuations, you know, they sound astronomical when you think about current revenue, the numbers, um, you know, there’s, there’s sort of that I would, one, I would say that’s the market out there because they are raising larger dollars.

[00:46:23] Эм, и поэтому если подумать об этих двух вместе, верно? Это как бы фундамент нашего тезиса, когда мы бэкаем, эм, эти фундаментальные модельные, эм, компании. Эм, конечно. Оценки, знаешь, они звучат астрономически, когда думаешь про текущую выручку, цифры, эм, знаешь, там, там как бы вот это — одно, я бы сказала, это рынок там, потому что они привлекают большие доллары.

[00:46:47] They have compute needs, right? That’s 80% of around that they typically raise or typically of, of around that they raise. Um, but I think the thing that gets us excited about backing them is that the revenue growth has [00:47:00] typically followed the capability breakthrough. So you sort of ties back to that question of.

[00:46:47] У них есть потребности в compute, верно? Это 80% раунда, который они обычно привлекают, или обычно из раунда, который они привлекают. Эм, но я думаю, то, что нас возбуждает в их бэкинге, — это что рост выручки [00:47:00] обычно следовал за прорывом в возможностях. Так что это как бы восходит к тому вопросу о.

[00:47:04] The cyclical nature, like are you just funding it and then you raise more funding? Um, when there’s a real capability breakthrough, the demand is there. And so the revenue growth is much faster than we’ve ever seen. Once it’s turned on, there’s a company, I can’t share the name, um, but their product went GA in a few weeks.

[00:47:04] Циклической природе, типа: ты просто финансируешь это, а потом привлекаешь ещё финансирование? Эм, когда есть реальный прорыв в возможностях, спрос там есть. И поэтому рост выручки гораздо быстрее, чем мы когда-либо видели. Как только это включается, есть компания, я не могу поделиться названием, эм, но их продукт вышел в GA за несколько недель.

[00:47:21] Tens of millions of revenue. Right. We have

[00:47:21] Десятки миллионов выручки. Верно. У нас есть

[00:47:23] swyx: SaaS

[00:47:23] swyx: SaaS

[00:47:23] I’ve

[00:47:23] Я

[00:47:24] swyx: seen as myself. Yes,

[00:47:24] swyx: сам это видел. Да,

[00:47:24] Sarah Wang: absolutely. We have SaaS. Absolutely. Companies that, you know, have been in business for seven years and they get to the same level seven years later. And the growth is, you know, eking to whatever it is. Um, and, and by the way, great companies not, not at all, um, diminishing what they’ve accomplished, but the fact is to get to that revenue growth that quickly.

[00:47:24] Sarah Wang: абсолютно. У нас есть SaaS. Абсолютно. Компании, которые, знаешь, были в бизнесе семь лет и достигают того же уровня семь лет спустя. И рост, знаешь, еле-еле дотягивает до чего бы то ни было. Эм, и, и, кстати, отличные компании — нет, ничуть, эм, не принижаю того, чего они достигли, но факт в том, чтобы достичь такого роста выручки так быстро.

[00:47:43] It’s not just the two companies that people talk about. It’s, it’s really a lot of these, you know, sort of. Every domain has a specialist, and we think if you can win that, you become very large, very quickly, and that’s actually played out in the numbers.

[00:47:43] Это не просто те две компании, о которых все говорят. Это, это на самом деле многие из этих, знаешь, как бы. В каждом домене есть специалист, и мы думаем, что если ты можешь это выиграть, ты становишься очень большим, очень быстро, и это на самом деле сыграло в цифрах.

[00:47:56] swyx: Yeah. Uh, our, our viewers are going to, uh, so [00:48:00] first of all, thank you for that overall take.

[00:47:56] swyx: Да. Эм, наши, наши зрители собираются, эм, так что [00:48:00] прежде всего спасибо за этот общий взгляд.

[00:48:01] I think like it’s important to hear you guys’ perspective because the rest of us are just kind of looking at headlines and not knowing how to make sense of any of this. Um, we can mention like my, our listeners will roast us if we, if we mention thinky and not. Discuss what happened. Uh, I mean, obviously founder split happens, um, but like, I guess is the thesis unchanged is is like, um, you know, like what’s, what’s going on in thinking?

[00:48:01] Я думаю, типа важно услышать вашу, ребята, перспективу, потому что остальные из нас просто как бы смотрят на заголовки и не знают, как во всём этом разобраться. Эм, мы можем упомянуть, типа, мои — наши слушатели нас зажарят, если мы, если мы упомянем Thinky и не. Обсудим, что случилось. Эм, то есть, очевидно, раскол основателей случается, эм, но я, я полагаю — тезис не изменился? Это, это, типа, эм, знаешь, что, что происходит в Thinking?

[00:48:25] Sarah Wang: Yeah. Um, we’re more excited than ever about them. Um, they have some things that. We’re not gonna do breaking news on a, a pod. Uh, you know, obviously they should share it themselves, but, um, they’ve, you know, I think when you bring a team of that caliber together, there’s special things that happen. And, um, I think 2026 is gonna be a big year for them.

[00:48:25] Sarah Wang: Да. Эм, мы взволнованы по поводу них больше, чем когда-либо. Эм, у них есть кое-что, что. Мы не будем выдавать сенсацию на подкасте. Эм, знаешь, очевидно, они должны поделиться этим сами, но, эм, они, знаешь, я думаю, когда ты собираешь команду такого калибра вместе, происходят особенные вещи. И, эм, я думаю, 2026-й будет для них большим годом.

[00:48:44] Um, obviously, you know, some of the themes that we talked about before, even with just the media news storm, like the whole, something happens and then it’s everywhere instantly. Um, you know, I think, uh. [00:49:00] That’s a, i, that’s a tough situation for any company to be in. Um, but to come out of that stronger than ever, I think that, you know, we’re, we’re more bullish about thinking than, um, you know, even before.

[00:48:44] Эм, очевидно, знаешь, некоторые из тем, о которых мы говорили раньше, даже просто с этой медийной бурей новостей, типа всё, что-то случается, и потом это везде мгновенно. Эм, знаешь, я думаю, эм. [00:49:00] Это, я, это трудная ситуация, в которой может оказаться любая компания. Эм, но выйти из этого сильнее, чем когда-либо, я думаю, что, знаешь, мы, мы больше настроены по-бычьи по поводу Thinking, чем, эм, знаешь, даже раньше.

[00:49:12] And, um, obviously,

[00:49:12] И, эм, очевидно,

[00:49:13] swyx: and, and, and the story is tin, uh, is tinker. It’s our custom models are all. Um, yeah. Is that, is that what, is that what we’re aiming for?

[00:49:13] swyx: и, и, и история — это Tin, эм, это Tinker. Это наши кастомные модели, всё. Эм, да. Это, это то, к чему мы стремимся?

[00:49:22] Sarah Wang: Yeah. And a bunch of stuff we, we can’t talk about here. Okay. Yeah. All right. Cool. Yeah, absolutely. But no, that team is cooking and, um, you know, I think, um, they’ll, they’ll be just fine from, uh, they’ll, they’ll recover from the events in January.

[00:49:22] Sarah Wang: Да. И куча всего, о чём мы, мы не можем говорить здесь. Окей. Да. Ладно. Класс. Да, абсолютно. Но нет, та команда варит, и, эм, знаешь, я думаю, эм, они, они будут в полном порядке, эм, они, они оправятся от событий января.

[00:49:34] swyx: Yeah.

[00:49:34] swyx: Да.

[00:49:34] Martin Casado: I will say this is the furthest, so we have a very privileged position on the boards of these companies, and like I’ll say, I’ve never seen. The perception of the truth be further from the truth.

[00:49:34] Martin Casado: Скажу так, это самое — у нас очень привилегированная позиция в советах директоров этих компаний, и, типа, скажу, я никогда не видел. Чтобы восприятие правды было настолько далеко от правды.

[00:49:48] swyx: Oh,

[00:49:48] swyx: О,

[00:49:48] Martin Casado: industry wide ever. Like I, I guarantee you, for any of these gossipy things, I guarantee you it’s way off.

[00:49:48] Martin Casado: в масштабе всей индустрии когда-либо. Типа я, я тебе гарантирую, по поводу любой из этих сплетен — я тебе гарантирую, что это сильно мимо.

[00:49:55] swyx: Okay.

[00:49:55] swyx: Окей.

[00:49:55] Martin Casado: Way, way off. Like, like the general sentiment and like, and what happens is like we’ve got this [00:50:00] crazy game of telephone right now where there’s always. Seeds of truth, but it gets so warped by the time, like we hear all the time rumors about stuff that we’re directly involved in. Like we’re literally on the board, you know, like we’re, we’re the one that did the thing.

[00:49:55] Martin Casado: Сильно, сильно мимо. Типа, типа общий настрой и, типа, и что происходит — это, типа, у нас сейчас [00:50:00] этот безумный испорченный телефон, где всегда есть. Зёрна правды, но это так искажается ко времени, типа, мы всё время слышим слухи о вещах, в которых мы напрямую участвуем. Типа мы буквально в совете директоров, знаешь, типа, мы, мы те, кто сделал эту штуку.

[00:50:12] And by the time it gets so it’s gotten so warped and so twisted. I think this is like everybody’s excited. I. There’s a lot of focus. The shot on fried is so high that people just kind of will into being things that didn’t exist. Um, so I’m not, you know, I, you know, I don’t wanna comment specifically on the thinking machines, but like,

[00:50:12] И ко времени, как оно доходит — оно так искажается, и так извращается. Я думаю, это типа — все взволнованы. Я. Тут много фокуса. Уровень снаряда так высок, что люди просто как бы усилием воли создают вещи, которых не существовало. Эм, так что я не, знаешь, я, знаешь, я не хочу комментировать конкретно про Thinking Machines, но, типа,

[00:50:31] swyx: it’s an important message to the general

[00:50:31] swyx: это важное послание для широкой

[00:50:33] Martin Casado: audience.

[00:50:33] Martin Casado: аудитории.

[00:50:33] I, I’ll tell you, if you hear something IX like the chances that it’s. You know, it is accurate representing, but it’s saying to is very, very low.

[00:50:33] Скажу тебе, если ты что-то слышишь в X, типа, шансы, что это. Знаешь, точно представляет то, что говорится, очень, очень низки.

[00:50:42] swyx: Yeah.

[00:50:42] swyx: Да.

[00:50:43] Sarah Wang: I have never lost so much faith in the an, an non counts on Twitter that just seemed very confident in what they’re saying. Yeah,

[00:50:43] Sarah Wang: Я никогда не теряла столько веры в анонимные аккаунты в Twitter, которые просто кажутся очень уверенными в том, что говорят. Да,

[00:50:50] Martin Casado: no. Yeah.

[00:50:50] Martin Casado: нет. Да.

[00:50:50] Sarah Wang: And couldn’t be further from the truth.

[00:50:50] Sarah Wang: И это не могло быть дальше от правды.

[00:50:52] I, I had a couple days stretch where I was like, oh my God, Twitter is mind poisoned and I. Love X. Yeah,

[00:50:52] У меня был отрезок в пару дней, когда я была такая: о боже, Twitter отравляет разум, а я. Обожаю X. Да,

[00:50:56] Martin Casado: but we talk to each other all the time. ‘cause we actually know, ‘cause we’re there like, we’re [00:51:00] there singing these things and like, you know, Sarah will like text me, you know, like whatever. Like, it’s like ridiculous.

[00:50:56] Martin Casado: но мы общаемся друг с другом всё время. Потому что мы реально знаем, потому что мы там, типа, мы [00:51:00] там, видим эти вещи, и, типа, знаешь, Sarah, типа, напишет мне, знаешь, типа что угодно. Это, типа, нелепо.

[00:51:06] So for us it’s like, it’s like this ridiculous. But the problem is, is we realize that things like things start taking on a life of their own and then people assume that they’re real and, and everything. And so I think it’s very tough for founders because, you know, it’s tough enough fighting the real battle.

[00:51:06] Так что для нас это, типа, это, типа, эта нелепица. Но проблема в том, что мы осознаём, что вещи начинают жить своей собственной жизнью, и потом люди предполагают, что они реальны, и всё такое. И поэтому я думаю, это очень тяжело для основателей, потому что, знаешь, и так тяжело вести реальную битву.

[00:51:20] You know now. Absolutely. Now they’re fighting phantoms too. And so, you know, you know, more and more we’re just like, and I got this from the cursory guys, which I, I really appreciate Michael Troll. He’s like, listen, head’s down, focus on the business. Yeah. And, and he absolutely crushed

[00:51:20] Знаешь, теперь. Абсолютно. Теперь они сражаются ещё и с фантомами. И поэтому, знаешь, всё больше и больше мы просто типа — и я получил это от ребят из Cursor, что я, я реально ценю — Michael Truell. Он такой: слушай, голову вниз, фокусируйся на бизнесе. Да. И, и он абсолютно

[00:51:35] swyx: it.

[00:51:35] swyx: разнёс это.

[00:51:35] Martin Casado: Yeah. Yeah. And I, I think that’s right.

[00:51:35] Martin Casado: Да. Да. И я, я думаю, это верно.

[00:51:37] I all

[00:51:37] Я весь

[00:51:37] found

[00:51:37] нашёл

[00:51:37] Martin Casado: absolutely right now, ‘cause the noise is so hot.

[00:51:37] Martin Casado: абсолютно прав прямо сейчас, потому что шум так горяч.

[00:51:40] Sarah Wang: No, that team’s been back to business for, for weeks, the thinky team. So, yeah.

[00:51:40] Sarah Wang: Нет, та команда вернулась к делу уже, уже несколько недель назад — команда Thinky. Так что, да.

[00:51:43] swyx: Yeah. Well, thank you for acknowledging in that, uh, it, it is just, uh, the hot topic at the moment. Oh, we gotta, gotta address the elephant in the room. Um, uh, cursor, right?

[00:51:43] swyx: Да. Что ж, спасибо, что признали это, эм, это просто, эм, горячая тема на данный момент. О, мы должны, должны обратиться к слону в комнате. Эм, эм, Cursor, верно?

[00:51:51] You obviously, you guys are big investors. Uh, 2025. I would say it’s cursor year. I mean. Maybe decade, but, uh, [00:52:00] uh, just like I, I think, you know, I, I just going back to the discussion about how a GI would just kind of consume everything. Yeah. S just like the one, like the kind of the shining example of like, here’s how you build application layer.

[00:51:51] Вы, очевидно, вы, ребята, крупные инвесторы. Эм, 2025-й. Я бы сказал, это год Cursor. То есть. Может, десятилетие, но, эм, [00:52:00] эм, просто, типа, я, я думаю, знаешь, я, я просто возвращаюсь к обсуждению того, как AGI просто как бы поглотит всё. Да. Cursor как бы один, типа, как бы блестящий пример, типа: вот как ты строишь слой приложений.

[00:52:10] That’s a wrapper.

[00:52:10] Это обёртка.

[00:52:11] Martin Casado: Yeah.

[00:52:11] Martin Casado: Да.

[00:52:12] swyx: But extremely damn good one.

[00:52:12] swyx: Но чертовски хорошая.

[00:52:14] Martin Casado: Yeah.

[00:52:14] Martin Casado: Да.

[00:52:14] swyx: Uh, and, uh, I guess just like the, the general. Analysis, I guess, of, of cursors development and what it means for everyone? Like is there a cursor in every industry to be built?

[00:52:14] swyx: Эм, и, эм, я полагаю, просто, типа, общий. Анализ, я полагаю, развития Cursor и что это значит для всех? Типа, есть ли в каждой индустрии Cursor, который можно построить?

[00:52:24] Martin Casado: Yeah, so the, the interesting about cursors, they actually for, you know, a small fraction of the cost, a hundred of the costs or less.

[00:52:24] Martin Casado: Да, так что интересное в Cursor — они на самом деле за, знаешь, малую долю стоимости, сотую долю стоимости или меньше.

[00:52:32] Developed an almost soda model, which for a period of time was the most popular coding model in the world. Right? Which is really crazy to think about. So I think they’re just kind of doing it in reverse, right? So there, there, there’s two approaches. You start with a foundation model and then you verticalize up, or you start with the app and all of the product data and you go down and they’re the ones that are doing that.

[00:52:32] Разработали почти state-of-the-art модель, которая какое-то время была самой популярной кодинговой моделью в мире. Верно? Что реально безумно подумать. Так что я думаю, они просто как бы делают это в обратном порядке, верно? Так что есть, есть, есть два подхода. Ты начинаешь с фундаментальной модели и потом вертикализируешься вверх, или ты начинаешь с приложения и всех продуктовых данных и идёшь вниз, и они те, кто делает это.

[00:52:55] I think any company that’s doing an app has to ask the margin question. Mm-hmm. Which is like, how, how [00:53:00] do I extract margin on, on, on the tokens that are going through? Like, everybody has to be on the token path and everybody has to ask that question. And I’ve just thought they’ve been incredibly thoughtful about it.

[00:52:55] Я думаю, любая компания, которая делает приложение, должна задать вопрос о марже. Мм-хм. А именно: как, как [00:53:00] мне извлечь маржу из, из, из токенов, которые проходят через? Типа все должны быть на token path, и все должны задать этот вопрос. И я просто считаю, что они были невероятно вдумчивы в этом.

[00:53:09] And one reason is, is if you ask. You know, Michael, what type of company are they are a developer company for professional developers. That’s what they’re, they’re a Devrel tools company. They’re just focused on coding. And that’s a hu I mean, even if you didn’t do ai, that’s a ma. You know, they, they, they, um, they acquired graphite.

[00:53:09] И одна причина в том, что если спросить. Знаешь, Michael, что они за компания — они компания для разработчиков, для профессиональных разработчиков. Вот кто они, они компания devtools. Они просто сфокусированы на кодинге. И это огромный — то есть, даже если бы ты не делал AI, это ма. Знаешь, они, они, они, эм, они приобрели Graphite.

[00:53:25] I mean, like, you know, listen, we were investors in GitHub, like we know how big this market is. So that’s a massive market, even without becoming a model company. But they’ve also been quite successful in doing their own models. And so I think it just shows you that if you. Are focused, you have a large use case.

[00:53:25] То есть, типа, знаешь, слушай, мы были инвесторами в GitHub, типа мы знаем, насколько большой этот рынок. Так что это огромный рынок, даже без становления модельной компанией. Но они также были вполне успешны в создании своих собственных моделей. И поэтому я думаю, это просто показывает тебе, что если ты. Сфокусирован, у тебя есть крупный кейс.

[00:53:40] There’s a huge opportunity not only to get the application, but to start building your own models. Are these gonna be the only models we use? Of course not. Um, but you know, they are in a great position to serve great models and they’ve demonstrated that.

[00:53:40] Есть огромная возможность не только заполучить приложение, но и начать строить свои собственные модели. Будут ли это единственные модели, которые мы используем? Конечно, нет. Эм, но, знаешь, они в отличной позиции, чтобы поставлять отличные модели, и они это продемонстрировали.

[00:53:51] swyx: Yeah. My, my, uh, sort of, uh, thesis, which we’re not gonna have to go into here is actually I think a, um, what I’ve been calling Agent Labs, which are [00:54:00] people who build on top of, uh, all the other models.

[00:53:51] swyx: Да. Мой, мой, эм, как бы, эм, тезис, в который мы не будем тут углубляться, на самом деле, я думаю, эм, то, что я называю Agent Labs, — это люди, которые строят поверх, эм, всех остальных моделей.

[00:54:02] Martin Casado: Yeah.

[00:54:00] Martin Casado: Да.

[00:54:02] swyx: Um, will probably have a better time with the margins because they, they price against the end user hours spent, or like human labor, whereas models get commodity price per token.

[00:54:02] swyx: Эм, у них, наверное, будет всё лучше с маржой, потому что они, они оценивают свою стоимость относительно часов конечного пользователя, или, типа, человеческого труда, тогда как модели получают коммодити-цену за токен.

[00:54:15] Sarah Wang: Yeah.

[00:54:15] Sarah Wang: Да.

[00:54:15] swyx: And so margin wise. We know inference economics for, uh, uh, model labs, but agent labs, uh, the difference is the delta between token intelligence, which keeps going down, and human costs, which keep going up.

[00:54:15] swyx: И поэтому по марже. Мы знаем экономику инференса для, эм, эм, модельных лабораторий, но agent labs, эм, разница в том, что дельта между интеллектом токена, который продолжает падать, и человеческими затратами, которые продолжают расти.

[00:54:28] Martin Casado: Yeah, yeah, yeah.

[00:54:28] Martin Casado: Да, да, да.

[00:54:28] swyx: And so margin should be higher.

[00:54:28] swyx: И поэтому маржа должна быть выше.

[00:54:31] Martin Casado: They, they, they, they, they, they should be. The, the, the, the caveat to that is if the models go first party, right. Yeah. Yeah. What they can do is they can, they can, which is

[00:54:31] Martin Casado: Они, они, они, они, они, они должны быть. Оговорка к этому — если модели уходят в first-party, верно. Да. Да. Что они могут сделать — они могут, они могут, что и есть

[00:54:40] swyx: the, the composer dream.

[00:54:40] swyx: мечта Composer.

[00:54:41] Martin Casado: Yes. Yeah. They can subsidize the, no, the models, they can subsidize themselves.

[00:54:41] Martin Casado: Да. Да. Они могут субсидировать, нет, модели, они могут субсидировать себя.

[00:54:46] Oh, cloud code, code, they can subsidize themselves and then they can charge the third party more, and it’s a very delicate. Yeah, it’s because you’re kind of competing with your own customers. And so, you know, we’ve seen this historically. We saw this with the cloud with EC2, like, so this is not unusual. We [00:55:00] saw this with the operating system.

[00:54:46] О, Claude Code — они могут субсидировать себя, а потом могут брать с третьей стороны больше, и это очень тонко. Да, потому что ты как бы конкурируешь со своими собственными клиентами. И поэтому, знаешь, мы видели это исторически. Мы видели это с облаком, с EC2, типа, так что это не необычно. Мы [00:55:00] видели это с операционной системой.

[00:55:00] It’s not unusual, but it’s playing out very, very quickly.

[00:55:00] Это не необычно, но это разыгрывается очень, очень быстро.

[00:55:04] Alessio: Yeah. Thank you for joining us. That’s all the time we have today. This is such a pleasure. You’re welcome back anytime.

[00:55:04] Alessio: Да. Спасибо, что присоединились к нам. Это всё время, что у нас есть на сегодня. Это такое удовольствие. Вы можете вернуться в любое время.

[00:55:09] swyx: And thank you for being so open and also like just leading the industry in so many areas. Uh, it’s uh, really inspiring to see. So

[00:55:09] swyx: И спасибо, что были так открыты, а также, типа, просто за лидерство в индустрии в стольких областях. Эм, это, эм, реально вдохновляет видеть. Так что

[00:55:16] Sarah Wang: thank you so much.

[00:55:16] Sarah Wang: большое спасибо.

[00:55:17] Thank you much. Thank you for having us.

[00:55:17] Большое спасибо. Спасибо, что пригласили нас.

[00:55:17] swyx: Great. Thank you.

[00:55:17] swyx: Отлично. Спасибо.

Discussion about this episode

Обсуждение этого выпуска