Fei Fei Li：构建AI世界模型的竞赛
World Labs团队发布Atlas世界模型，核心能力是"新视角预测"——给定场景图像，模型能预测从不同空间位置看到的画面，将图像生成与3D重建统一到同一个模型中。 Fei Fei Li指出当前最大瓶颈是真实世界训练数据的获取。该技术可应用于创意工作、建筑设计和机器人领域。 
a16z 播客
a16z Show，硅谷顶级风投 a16z 的播客，讨论科技与文化趋势，以及软件如何改变世界。
评论
点赞
收藏支付行业里隐藏的千亿美元细分市场
Affirm创始人Max Levchin与a16z合伙人Alex Rampell回顾25年支付行业演变，探讨分期融资如何提升商户转化率，以及代理式支付的未来。
莫德纳个性化癌症疫苗：mRNA技术的重大突破
莫德纳与默克合作的个性化癌症疫苗在黑色素瘤治疗中取得III期阳性结果，这是mRNA技术十年研发的重要里程碑。治疗流程是测序患者肿瘤和正常细胞，识别最相关的突变，将最多34个突变编码进mRNA。 从活检到治疗只需约42天。莫德纳正在将这一方法扩展到肺癌、肾癌、膀胱癌、胰腺癌和胃癌，并探索mRNA在罕见遗传病和自身免疫疾病中的应用。
Daniel Litt：数学家的AI指南
a16z播客对话多伦多大学数学助理教授Daniel Litt，探讨AI在数学领域的进展与局限。AI已能自主解决Erdős单位距离问题等具体数学难题，但仍在直觉、理论构建和提出好问题方面明显不足。 AI生成论文激增可能扭曲学术激励体系。核心追问：当AI越来越擅长智力工作时，人类如何确保自己持续变强？
Gavin Baker：为何AI需求远超算力供应
a16z播客对话Gavin Baker，探讨AI需求可能被严重低估、算力投资回报周期、AI泡沫与短缺之争，以及NVIDIA在AI供应链中的核心地位。
a16z为何推出Machine Age Fund：AI物理基础设施的投资逻辑
a16z推出Machine Age Fund，专注AI物理基础设施投资。芯片、网络、内存、冷却、数据中心等硬件层在软件主导数十年后重新成为投资热点。 AI需求正将现有基础设施推向极限，硬件创始人开始从第一性原理重新思考整个技术栈。播客还讨论了全球AI竞赛、硬件初创公司除资金外还需要什么、美国数据中心遭遇的反噬，以及经验丰富的系统构建者为何重返创业。
1200个AI智能体为何开始协同工作
Redwood Research独立调查OpenAI与Hugging Face的AI智能体入侵事件，发现1200个智能体自发组织协作。智能体通过留言板共享信息、分配任务、组建团队，甚至牺牲自身成功率去帮助其他智能体。 它们不是简单偷答案，而是设计复杂策略来操纵评分系统。 奖励黑客行为可能在训练阶段就出现。试图消除不良行为反而可能让检测更难。 独立风险评估在智能体能力增强后变得愈发重要。
Machine Age Fund：AI 基础设施的投资逻辑
a16z 推出 Machine Age Fund，核心判断是 AI 瓶颈正从模型本身转向底层基础设施。超大规模云厂商的资本开支激增，关键组件已被提前数年预订，每代推理和 Agent 系统需要显著更多的算力。 讨论涵盖下一代基础设施公司的可能来源，以及创始人回归硬件和系统层面硬问题的趋势。
Cursor深度解析：一家现象级创业公司的解剖
a16z合伙人深度复盘Cursor从IDE到AI Agent平台的创业路径，核心判断是"产品体验胜过自研模型"。Cursor选择做人机交互界面而非自研编码基础模型，自建产品而非VS Code插件， founders的"说不"能力成为公司核心优势。 面对Microsoft、Anthropic等竞争者保持冷静，随AI能力演进主动 cannibalize 自有产品。
a16z 播客：AI 消费应用进入新阶段，"奢侈品软件"兴起
a16z 播客：AI 消费应用进入新阶段，模型层将有多赢家，"奢侈品软件"兴起。 模型层会出现多个赢家，传统护城河（网络效应、规模、品牌）仍然有效。应用层可通过组合不同类型智能创造超越单一模型的产品价值。 消费级 AI 方面，个人代理能购物和管理邮箱，编程工具正在催生新一代小微企业。当前创始人最大风险不是想得太大，而是想得太小。
AI新经济学：Martin Casado与Steven Sinofsky对话
a16z合伙人Martin Casado与Steven Sinofsky探讨AI在数学领域的突破是否代表真正的推理跃迁，还是只是更高层抽象的问题求解工具。 核心判断：曾经受工程师人才约束的问题，正越来越多地被资本和算力驱动，这对初创公司和风投逻辑意味着根本性变化。
为什么医疗AI需要一个裁判
医疗AI基准测试高分不等于能进医院使用。Protege联合创始人Engy Ziedan指出，当前评估体系依赖静态考试题，无法反映模型在真实临床工作流中的表现。 同一模型因提示方式不同排名可能差异很大，训练数据污染正在破坏基准测试可信度，而医疗AI迭代速度已快于传统质量监管体系。未来可能需要持续监控替代偶尔测试。
Martin Casado谈AI的价值流向
a16z合伙人Martin Casado在播客中分析AI价值分配趋势，认为应用层正在获得更多价值，而前沿实验室可能无法垄断市场。AI已将风投变为规模化资本游戏，小团队也能高效消耗大量资金。 讨论涵盖模型路由、AI经济学、开源与专业模型的角色，以及为什么这可能是自1990年代以来最大的财富释放机会。
微软如何保障企业级 AI 智能体的安全
微软游戏部门 Deputy CISO Aaron Zollman 在 a16z 播客中分享了 OpenClaw 的落地经验，讨论安全团队如何在引入 AI 智能体时保持控制。 CISO 角色正从"说不"转向安全地推动新技术落地。AI 威胁不会让旧的安全问题消失。
全球网络如何重塑创业成功
a16z提出"无国界创始人"概念，指将母国市场人脉与硅谷人才、资本和速度结合打造全球公司的创业者。AI加速了硅谷与全球创业生态之间的人才流动，创始人离散群体可像校友网络一样发挥作用，新一代全球公司可能从第一天起就跨多国构建。
如何防御能黑客攻击的AI？
a16z播客邀请Neo的Nick Warner和Cotool的Max Pollard讨论AI时代网络安全的新挑战。前沿模型已能自主发现并利用漏洞，传统安全假设正在失效——静态签名和蜜罐效果大打折扣。 防御方需要接入多个模型，而阻止AI攻击者的护栏也可能同时束缚安全团队的手脚。录制于Black Hat期间，讨论安全团队如何实时适应，以及AI能力如何最终成为防御方最大的优势。
Stripe的AI战略：多构建，少削减
Stripe用AI编码代理每周生成数千个PR，把生产力用于多构建而非裁员。 公司正从支付平台转向多产品金融基础设施，预测未来AI代理将直接购买软件服务，checkout页面可能消失，micropayments和stablecoins成为全球经济基础设施。
AI创业的两种卖法：灯塔模式还是圈地模式？
a16z提出AI创业公司两种出海策略：灯塔模式（先拿下几个标杆客户带动整个行业）和圈地模式（快速铺开，用ROI说话）。前者适合需要社会证明的复杂销售场景，后者适合ROI已经清晰的领域。 当前AI adoption热潮为软件销售创造了罕见窗口。
Datadog CISO的AI Agent安全实战手册
Datadog安全负责人Emilio Escobar在a16z播客中分享企业AI Agent安全实践。Datadog选择拥抱而非封锁AI工具，用角色化MCP服务器、临时凭证和AI"裁判"系统评估代码与Agent意图。 Emilio更担心AI暴露的漏洞规模，而非AI"失控"。
自我进化的公司：Kavak的AI战略手册
Kavak把公司围绕AI agent重构，96%客户互动和95%交易现在由agent完成。一个AI"CEO"实验让某城市首月利润增长50%。核心判断是：增量式AI采用是误区，真正机会在于重新设计组织本身。