AI hat die älteste unumstößliche Regel der Venture-Capital-Welt gebrochen, das ist der handfeste Beweis in Höhe von 67 Milliarden US-Dollar.
Shenyi Bureau ist ein Übersetzungsteam unter 36Kr, das sich auf Bereiche wie Technologie, Wirtschaft, Berufsleben und Alltag konzentriert und vor allem neue Technologien, neue Ansichten und neue Trends aus dem Ausland vorstellt.
Anmerkung der Redaktion: 67 Milliarden US-Dollar Umsatz in 7 Tagen! Der Partner von a16z analysiert die Wahrheit der hohen Gewinne: Die Taktik der großen Personalstärke ist tot, der Hebel der Rechenleistung schreibt die eisernen Gesetze der Rendite von Risikokapital neu, und ein Team von 20 Personen reicht aus, um eine astronomische Bewertung zu erzielen. Der Artikel stammt aus einer Übersetzung.
Als Kernpartner von a16z hat Martin Casado drei KI-Wellen persönlich erlebt. Aber keine von ihnen hat ein solches Szenario wie das gegenwärtige gezeigt.
Die aktuelle Realität lautet: Innerhalb einer Woche hat SpaceX die Übernahme von Cursor im Wert von 60 Milliarden US-Dollar abgeschlossen, und Stripe hat ebenfalls vereinbart, OpenRouter für mehr als 7 Milliarden US-Dollar zu übernehmen.
Beide Transaktionen sind Projekte, auf die a16z gesetzt hat. Innerhalb von 7 Tagen wurden 67 Milliarden US-Dollar realisiert.
In der Geschichte dieser Branche waren wir noch nie in der Lage, „10 Dollar zu investieren und sofort echte, greifbare Gewinne zu sehen“. Aber jetzt ist es tatsächlich so, dass man 10 Dollar investieren kann und sehr direkt und unmittelbar eine beträchtliche Rendite erhält.
Casado ist keineswegs ein Theoretiker ohne Praxiserfahrung. Er kam 2016 zu a16z und leitet derzeit den Bereich der Investitionen in die grundlegende Infrastruktur; davor wurde sein von ihm gegründetes Unternehmen Nicira von VMware für 1,26 Milliarden US-Dollar übernommen – zu jener Zeit war das eine äußerst beeindruckende Milliardentransaktion.
Um Zeit zu sparen, habe ich das gesamte Interview für Sie durchgelesen.
Im Folgenden finden Sie 10 zentrale Erkenntnisse, die Aufmerksamkeit verdienen.
1. Die „10-Dollar-Regel“, die früher nie in Erfüllung ging, trifft nun innerhalb einer Woche zweimal hintereinander zu
Jede KI-Welle vor der gegenwärtigen hat einst solche großen Versprechen für die Kapitalrendite gemacht, wurde aber nie wirklich eingelöst.
Casado kam 2016 zu a16z, zu einer Zeit, die er als KI-Investitionsboom mit Drohnen und autonomem Fahren als Kern beschreibt. In den folgenden zehn Jahren erlebte er persönlich die missliche Lage, in der Kapital wahllos verbrannt wurde. Vor zehn Jahren gab man einem Startup-Team 1 Milliarde US-Dollar, und im Gegenzug gab es oft nur Personalaufstockung, luxuriöse Büros und am Ende nichts als ein Chaos.
Aber heute, wenn Sie 1 Milliarde US-Dollar in ein Spitzenlabor investieren, kann dies im selben Quartal direkt in GPU-Rechenzeit und konkrete Produkte umgewandelt werden, für die Nutzer bereit sind, zu bezahlen.
Die knappste Ressource hat sich von der Arbeitskraft zur Rechenleistung verschoben. Dennoch halten sich die meisten Risikokapitalfirmen bei ihrer Logik der Risikobewertung noch an das alte Denken von 2015.
Zwei schwere Transaktionen innerhalb einer Woche bestätigen seine Behauptung vollständig. Die Übernahme von Cursor durch SpaceX und die Übernahme von OpenRouter durch Stripe haben innerhalb weniger Monate riesiges Kapital zu fertigen Produkten geschlossen – und in allen Modellen traditioneller Fonds dauerte eine solche Renditeperiode früher mindestens zehn Jahre.
2. Ein Team von nur 20 Personen hat ein Modell im Wert von 2 Milliarden US-Dollar entwickelt
Der Beweis, den Casado für diese „neue Kapitallogik“ anführt, ist nur ein einfacher Satz.
Ein berühmtes großes Modell in der Branche … sein Kernteam besteht tatsächlich aus etwa 20 Personen. Und ich schätze, dass seine Entwicklungs- und Trainingskosten wahrscheinlich 2 Milliarden US-Dollar übersteigen.
In seinen öffentlichen Reden hat er nicht genannt, um welches Modell es sich konkret handelt. Aber dieses enorme Verhältnis von Einsatz zu Ertrag sagt alles: Ein bahnbrechendes Werk, das Millionen von Nutzern bedient, hat ein Team hinter sich, das nicht einmal einen Konferenztisch füllen könnte. Früher war die Obergrenze der Ambitionen oft durch die Anzahl der Mitarbeiter begrenzt. Wenn das Ingenieurteam zu groß wurde, erhöhte der Koordinationsverlust die Geschwindigkeit des Kapitalverbrauchs und verwässerte gleichzeitig die Produkt-Roadmap – das war genau der Fluch des „Mythos des Mann-Monats“, dem alle Softwareteams schließlich begegneten. Heute sind die neuen Obergrenzen Kapital und Rechenleistung, deren Expansionsrhythmus vollständig von der alten Logik der Personalstärke entkoppelt ist. Früher reichten 20 Personen nur aus, um ein Prototyp-Team in der Seed-Phase zu unterstützen; heute können 20 Personen eine Vermögensallokation von bis zu 2 Milliarden US-Dollar steuern. Am mikroskopischen Ende desselben Hebeleffekts erzielen selbst Superindividuen (Ein-Personen-Teams) ebenso erstaunliche Ergebnisse.
3. Seine Prognose: Die Spitzenlabore erhalten 80 % des Kapitals, verlieren aber 60 % der Aufrufvolumina
Wenn man Casado fragt, wer in diesem Wettbewerb um das KI-Ökosystem gewinnen wird, gibt er zwei Zahlen mit völlig entgegengesetzten Entwicklungen an.
Wenn ich eine Prognose abgeben soll, wird der Mangel an Rechenleistung um 2028 herum wahrscheinlich gelindert werden. Gewichtet nach dem Kapitalwert glaube ich, dass große Spitzenlabore in Zukunft 80 % des Marktanteils einnehmen werden, da dies auch die Monopolform ist, die traditionelle Giganten in historischen Zyklen immer gezeigt haben; aber gewichtet nach dem Verbrauch von Token glaube ich, dass 60 % des tatsächlichen Aufrufvolumens schließlich in die Langschwanz-Anwendungen und das Open-Source-Lager fließen werden.
Die enorme Kluft zwischen diesen beiden Zahlen ist genau der Kern der gesamten Logik. Gemessen am Umsatzwert nehmen die Spitzenlabore den größten Teil des echten Geldes ein; aber gemessen am tatsächlichen Verarbeitungsumfang von Token wird die Langschwanz-Kraft, die aus Open-Source-Modellen und kleinen und mittleren Dienstleistern besteht, den größten Teil der Aufruflast tragen – weil ihre Anwendungsszenarien vielfältiger sind und in breitere Geschäftsstrukturen eindringen.
Die gegenwärtige Differenzierung ist noch nicht offensichtlich, weil die wenigen Top-Labore den unerreichten Vorteil der Massenbeschaffung von riesigen Rechenleistungsmengen kontrollieren. Der von Casado festgelegte Zeitpunkt 2028 ist genau der Moment, in dem diese Barriere der Rechenleistung zu zerfallen beginnt: Sobald das GPU-Angebot die Nachfrage einholt, wird das KI-Anwendungsökosystem wie alle technologischen Stack-Entwicklungen in der Geschichte vollständig fragmentiert und dezentralisiert.
4. Warum er nie von „rekursiver Selbstiteration“ spricht
Wenn Sie nach dem Zinseszinseffekt und der Selbstentwicklung der KI fragen, korrigiert er zuerst Ihre Wortwahl, bevor er antwortet.
Das sogenannte „Rekursive“ bedeutet, dass etwas vollständig und umfassend sich selbst kopiert. Und „Autokatalyse“ bedeutet, dass das Ding selbst als Werkzeug verwendet wird, um es schneller zu produzieren und zu iterieren.
In seinem kognitiven Rahmen impliziert das sogenannte „rekursive Selbstiteration“ eine vollständig sich selbst kopierende, außer Kontrolle geratene und von niemandem beherrschte positive Rückkopplungsschleife. Aber die tatsächliche Dynamik der großen Labore ist derzeit pragmatischer und fokussierter: Die vorhandene KI wird als Produktionswerkzeug verwendet, um die nächste Generation von KI zu beschleunigen – genau so, wie seit der Erfindung des ersten Compilers durch Menschen Softwareingenieure immer neue Software mit alter Software schreiben. Er definiert dies als „autokatalytische Reaktion“ und weist darauf hin, dass dieses Muster in den letzten Jahrzehnten wiederholt aufgetreten ist. Es ist an die physischen Grenzen von Kapital und Daten gebunden, erzeugt aber innerhalb dieser Grenzen mit einem sehr stabilen Rhythmus kontinuierlich Zinseszinsen. Eine außer Kontrolle geratene Schleife bedeutet fehlende Eingriffsmöglichkeit, während der Zinseszinsvorteil bedeutet, dass wenige führende Labore ihren Burggraben ständig erweitern können, während andere Spieler noch Raum haben, zu beobachten und zu reagieren – das ist das wesentliche Gesetz hinter allen selbstentwickelnden Schleifen, auf die es sich zu setzen lohnt.
5. Das „schwierige Problem der Modell-Routing-Steuerung“, das selbst er nicht lösen kann
Alle Entwickler, die Anwendungen auf Basis großer Modelle erstellen, werden schließlich auf dieselbe ultimative Frage stoßen: Welches Modell soll für dieses spezifische Problem zur Beantwortung zugewiesen werden?
Modell-Routing ist in der Tat eine sehr herausfordernde technische Hürde. Ich halte es für ein „KI-vollständiges Problem“. Stellen Sie sich vor: Um herauszufinden, „welche Frage das klügste Wesen im Universum beantworten soll“, müssen Sie selbst zuerst über das klügste Wesen im Universum verfügen, um eine Antwort zu geben.
Casado teilt das „Routing“, das die meisten Entwickler vermischen, in zwei völlig unterschiedliche Richtungen auf. Die eine ist „qualitätsbasiertes Routing“, bei dem jedes Mal genau das Modell mit der besten Antwortqualität ausgewählt wird – aber das ist fast eine logische Endlosschleife: Man muss ein intelligentes Modell haben, das die Ausgaben aller anderen Kandidatenmodelle innerhalb von Millisekunden in Echtzeit bewerten kann, und derzeit gibt es kein Modell mit dieser Fähigkeit. Das „kostenbasierte Routing“ funktioniert dagegen bereits reibungslos. Man muss nur an der Pareto-Optimal-Grenze das Modell auswählen, das Ihre Qualitätsmindestanforderung erfüllt und gleichzeitig am günstigsten ist – genau wie der eigene Routing-Mechanismus von Cursor und OpenRouter es bereits tun. Das ist das Routing-Produkt, das es sich heute wirklich zu entwickeln lohnt: Mit minimalen Kosten das genau ausreichende Modell zu finden.
6. Die raffinierte Arbitrage-Methode von „Wool-Pickern“ für das 200-Dollar-Abonnementpaket
Die erstaunlichste Enthüllung von Casado im gesamten Gespräch hat überhaupt nichts mit dem Modell selbst zu tun, sondern damit, wie jemand die Lücken in den monatlichen Rechnungen ausnutzt.
In China gibt es einige sehr clevere graue Industrieteams, die speziell Einzelnutzer-Abonnementpakete für risikolose Arbitrage nutzen. Sie buchen ein monatliches Abonnement für 200 US-Dollar, verbrauchen das gesamte Token-Kontingent des Monats innerhalb von drei Tagen und kündigen sofort danach; selbst wenn sie das gesamte Kontingent aufgebraucht haben, erstattet das System den größten Teil des Betrags anteilig für die verbleibenden 27 Tage zurück.
Die Spitzenlabore subventionieren die starken Nutzer absichtlich. Die Grenzkosten für den Token-Aufruf sind relativ beherrschbar, aber sobald das Geschäft eines Entwicklers eng an eine API gebunden ist, sind seine Wechselkosten extrem hoch. Daher ist diese Subvention im Wesentlichen ein Hebel für das Nutzerwachstum. Casado weist darauf hin, dass die Verluste größtenteils bei den oberen 5 % der Nutzer konzentriert sind, und die großen Hersteller verschärfen derzeit die Risikokontrolle und die Kontingentbeschränkungen für Konten, um diesen Verlust einzudämmen. Die von ihm erwähnten Arbitrage-Teams haben die Regelungslücke zwischen „festem Abonnementssystem“ und „nutzungsbasierter Abrechnung“ präzise erfasst und sie massiv ausgenutzt: Sie verbrauchen das gesamte monatliche Kontingent blitzschnell, kündigen kurz vor der nächsten Abrechnung und erhalten problemlos die anteilige Rückerstattung für die ungenutzten Tage. Casado nennt es scherzhaft einen anderen „neuen Routing-Mechanismus“ – nicht mehr zwischen verschiedenen Modellen zu steuern, sondern Arbitrage in den Regelungslücken von Abonnementpaketen zu betreiben.
7. Warum Unternehmen alte Modelle nicht einfach ersetzen, selbst wenn bessere Modelle erscheinen
Die traditionelle Auffassung glaubt, dass große Modelle nur undifferenzierte Massenware sind, und sobald ein stärkeres Konkurrenzprodukt auf den Markt kommt, werden alte Modelle rücksichtslos ersetzt. Casado sagt offen, dass diese Ansicht völlig falsch ist.
Die Praxis hat uns gezeigt, dass die Nutzerbindung dieser Modelle viel höher ist als die Außenwelt denkt. Alle rufen laut „jederzeit mit einem Klick ersetzen“, aber in der Realität tun das nur sehr wenige wirklich. Ich habe bereits große Mengen an Rechenleistung von OpenAI im Voraus eingekauft – warum sollte ich es ersetzen?
Bei geschäftlichen Entscheidungen bestimmt oft der kommerzielle Einkaufsprozess die Modellauswahl, nicht die Rangliste der Benchmarks. Sobald ein Unternehmen Budget für einen Dienstleister zugewiesen und die Systemintegration abgeschlossen hat, entstehen enorme Migrationskosten in vielen Bereichen, die nichts mit der „Modellqualität“ zu tun haben: Vorauszahlungsbeträge, langfristige Vertragsbedingungen und die Werkzeugkette, die bereits um eine bestimmte API herum optimiert wurde.
Die Einkaufsträgheit selbst ist ein unüberwindbarer Burggraben.
Genau diese hohe Bindung verleiht der strategischen Bedeutung von Aggregationsverwaltungsplattformen – ein einheitliches Dashboard, das die Schlüssel von Anthropic, OpenAI und das Backend von OpenRouter zusammenführt, hat seinen Wert bereits über die Routing-Funktion hinaus gesteigert. Es hält einerseits die Vertriebskanäle zu Millionen von Nutzern in der Hand und bildet andererseits eine Absicherung, um zu verhindern, dass Unternehmen vollständig an einen Anbieter gebunden werden.
8. Marketing ist vollständig zu einer rein finanziellen Entscheidung geworden
In den Berichtsmaterialien für den Vorstand waren die Marketingausgaben schon immer die Position, die am schwersten zu rechtfertigen und zu verteidigen war. Casado sagt, dass KI diese Arbeit vollständig in eine Rechenaufgabe verwandelt.
Der heutige CMO ist praktisch zu einem CFO in Marketingverkleidung geworden. Früher diskutierten die Leute endlos über die sogenannte „Marketing-Kunst“: Kauf von Werbeplatz, Inhaltserstellung, Offline-Gipfel, soziale Netzwerke. Heute ist das Kernthema direkt geworden: Sollen wir die Subventionen erhöhen oder kürzen?
Offline-Kundengewinnung, Content-Marketing und Markenveranstaltungen haben ein altes Problem: Wenn Sie einen Dollar investieren, kann niemand genau sagen, wie viel Rendite er gebracht hat. Aber KI hat diese Unschärfe vollständig beseitigt, weil durch die direkte Subvention von Token-Aufrufvolumina mit einer Sicherheit, die kein traditioneller Kanal erreichen kann, direkt zu echten zahlenden Nutzern umgewandelt werden kann.
Jede neu eingerichtete Stelle in der Zukunft ist im Kern nichts anderes als ein CFO im Mantel.
Er fügt hinzu, dass auch der technische Forschungs- und Entwicklungsbereich rasch vereinfacht wird. Früher erforderte die Gründung eines Technologieunternehmens eine lange Reihe von komplizierten technischen Entscheidungen; heute wird es zunehmend zu einer Kernfrage reduziert: Können Sie genug echtes Geld aufbringen, um die GPU-Rechenleistung zu kaufen, die Sie wollen?