a16z Investasi Tinjauan: 86% Transaksi VC Mengalir ke AI, Pesta Triliun Dolar Baru Saja Dimulai

Penulis: Z Potentials

Z Sorotan

• Jurang antara apa yang dapat dilakukan model dan bagaimana sebenarnya digunakan, adalah alasan saya sangat bersemangat tentang lapisan aplikasi.
• Perusahaan yang menghabiskan alat AI di peringkat 1% teratas, memiliki median pengeluaran sekitar delapan kali lipat dari 10% teratas.
• Untuk perusahaan yang dipimpin pendiri, pendiri itu sendiri adalah kelas aset.

Artikel ini disusun dari program podcast resmi a16z "AI, Infrastruktur, dan Siklus Investasi Berikutnya". David George, Sarah Wang, Alex Immerman, dan Santiago "Santi" Rodriguez adalah empat mitra dari dana pertumbuhan a16z. Episode ini mengikuti 25 grafik kunci dari laporan tahunan State of Markets, membahas keuntungan di balik kenaikan pasar, perlombaan kekuatan komputasi dari perusahaan-perusahaan besar, tingkat adopsi yang sangat rendah antara lapisan model dan lapisan aplikasi, serta pengamatan terbaru tentang pasar konsumen, perangkat lunak publik, IPO, dan pasar sekunder. Episode ini dirilis pada 30 September 2026.

01 Teknologi adalah "Siklus Segalanya"

David: Selamat datang kembali di podcast a16z. Saya David George, dan hari ini saya bersama rekan-rekan saya Sarah Wang, Alex Immerman, dan Santiago Rodriguez. Kami akan membahas 25 grafik kunci dari laporan State of Markets terbaru: keuntungan di balik kenaikan pasar, skala pembangunan AI, bukti pertumbuhan tingkat adopsi, dan apa arti siklus ini bagi perangkat keras, perangkat lunak, dan perusahaan swasta generasi berikutnya. Kami akan menjelaskan arti di balik grafik-grafik tersebut, serta membahas situasi yang kami lihat di garis depan perusahaan. Sarah, Alex, Santi, terima kasih telah datang.

Pada hari peluncuran podcast ini, kami juga akan merilis laporan State of Markets secara lengkap. Ini adalah tradisi tahunan tim pertumbuhan kami, mengumpulkan tren terbesar di teknologi, AI, infrastruktur, dan seluruh pasar ke dalam satu bahan, dan hari ini kami akan memilih beberapa grafik menarik untuk dibahas. Jika Anda ingin melihat gambaran lengkap, pastikan untuk membaca versi lengkapnya, yang penuh dengan informasi berharga. Bidang yang akan kami bahas termasuk makro ------ CapEx, pusat data, dan permintaan yang meningkat pesat; serta pengamatan garis depan ------ model, aplikasi, dan tinjauan mendalam beberapa sektor vertikal. Teknologi sedang memicu gelombang investasi yang meluas di seluruh ekonomi: pertumbuhan keuntungan mendukung kenaikan pasar, dan permintaan AI mendorong pengeluaran infrastruktur jauh melampaui perkiraan sebelumnya. Perusahaan-perusahaan besar hampir menginvestasikan seluruh arus kas operasional terbaru mereka ke dalam pembangunan kapasitas, sementara permintaan terus melebihi pasokan di hampir semua kasus yang kami lihat. Uang ini mengalir ke chip, listrik, pendinginan, konstruksi, dan tenaga kerja terampil, serta lebih banyak lagi. Ekspansi ini bertepatan dengan kebutuhan yang lebih besar untuk merombak infrastruktur fisik, menciptakan peluang di berbagai sektor.

Baiklah, mari kita mulai. Halaman pertama: teknologi adalah "siklus segalanya". Bagian ini mungkin tampak agak jelas, tetapi angka-angka di halaman ini terlihat cukup mengejutkan hari ini ------ perangkat keras, perangkat lunak, dan R&D kini menyumbang sekitar 55% dari pengeluaran modal AS, angka yang mengejutkan. Teknologi mendorong siklus investasi di semua bidang ekonomi, dari perangkat lunak dan model, hingga listrik, konstruksi, dan kapasitas industri. Saham teknologi menyumbang sekitar 40% dari total kapitalisasi pasar AS, dan delapan dari sepuluh perusahaan dengan kapitalisasi pasar tertinggi di dunia adalah perusahaan teknologi AS. Ini adalah narasi besar, yang dapat Anda lihat dalam capex, dalam pembangunan pusat data, dan juga dalam modal yang mengalir ke perusahaan model ------ perusahaan model telah mengumpulkan lebih dari 350 miliar dolar. Melihat dalam jangka waktu yang lebih panjang, karena ini adalah analogi yang paling sering dikutip: skala pembangunan kali ini sebagai proporsi dari PDB, telah melampaui jalur kereta api di masa lalu. Kita semua memiliki perasaan: jika kita cepat maju lima hingga tujuh tahun, bahkan sepuluh tahun ke depan dan melihat kembali angka-angka ini, nilai kumulatif kemungkinan akan lebih dari 20 kali lipat dari sekarang. Jadi, ini benar-benar seperti bab berikutnya dari pernyataan Marc Andreessen bahwa "perangkat lunak menguasai dunia".

Alex: Selama 15 tahun terakhir, perangkat lunak telah mengubah semua industri ini, tetapi pada saat itu hanya sedikit orang yang dapat membangun perangkat lunak ------ kita semua bukanlah orang-orang itu. Dan hari ini, lihatlah diri kita sendiri: masing-masing dari kita memiliki beberapa tugas otomatis yang berjalan setiap malam. Jika kita mengikuti logika ini untuk memperkirakan permintaan perangkat lunak, itu berarti jauh lebih banyak kekuatan komputasi, chip, listrik, dan pembangunan. Jadi tidak mengherankan bahwa sebagian besar investasi sekarang terkonsentrasi di teknologi. Kami sering ditanya oleh pendengar tentang pertanyaan yang sama: semua ini sangat mengesankan, tetapi apakah ini gelembung? Pasar telah mencapai titik tertinggi baru, tetapi rasio transaksi pasar saat ini sebenarnya telah menurun ------ saham naik sekitar 20%, tetapi rasio turun sekitar 20%. Ini berarti bahwa kenaikan didorong oleh keuntungan fundamental, bukan oleh ekspansi rasio. Rasio keuntungan S&P 500 berada di bawah 20 kali, dan sebagian besar yang membentuk S&P 500 adalah perusahaan berkualitas sangat tinggi. Ini sangat berbeda dari gelembung internet ------ pada saat itu, perusahaan-perusahaan dengan kapitalisasi pasar tertinggi di dunia, harga sahamnya melonjak karena peningkatan rasio, banyak saham diperdagangkan pada rasio P/E 100 kali. Sekarang sama sekali tidak seperti itu. Sebaliknya, beberapa perusahaan penyimpanan ------ yang secara inheren sangat siklis ------ diperdagangkan pada enam hingga tujuh kali keuntungan yang diharapkan. Jadi perbedaannya sangat besar.

Santi: Di sini ada tambahan penting: sejak GPT diluncurkan hampir empat tahun yang lalu, pasar telah naik 90%, dengan pertumbuhan tahunan 17%. Ketika melihat pertumbuhan tahunan 17% selama empat tahun berturut-turut, reaksi instingtif adalah "ini pasti akan kembali", dan kita memang berada di periode yang sangat panas sekarang. Tetapi ketika Anda menggabungkannya dengan situasi yang baru saja disebutkan ------ pasar diperdagangkan pada rasio keuntungan di bawah 20 kali, dan keuntungan masih tumbuh pada kecepatan 15% ------ ini terasa sangat berbeda dari tahun 2021 yang baru-baru ini, dan juga berbeda dari tahun 2000, ketika rasio dan pertumbuhan tidak benar-benar sinkron.

David: Saya sepenuhnya setuju. Saya sebelumnya telah menyebutkan skala pembangunan capex dalam "analogi jalur kereta api". Hanya melihat perusahaan-perusahaan besar ------ Alphabet, Amazon, Meta, Microsoft, dan Oracle ------ capex mereka pada tahun 2026 diperkirakan sekitar 780 miliar dolar, sementara pada tahun 2025 adalah 416 miliar dolar; semua ekspektasi menunjukkan bahwa mulai tahun 2027, setiap tahun akan melebihi 1 triliun dolar. Di sini ada pola: setiap generasi platform komputasi, mendukung jauh lebih banyak pengguna dan kegunaan dibandingkan sebelumnya. Pembangunan kali ini dapat terjadi dengan sangat cepat, sementara permintaan tetap melebihi pasokan, karena jumlah pengguna didorong oleh saluran distribusi yang sudah ada. Tren ini dibangun di atas internet, komputasi awan, dan ponsel, sehingga secara teoritis dapat segera menjangkau miliaran pengguna ------ ini sangat kontras dengan siklus teknologi sebelumnya.

Sarah: Saya rasa ini layak untuk diperluas. Kita telah jauh melampaui pola "sekali-sekali mengajukan pertanyaan". Pikirkan tentang kebangkitan agen: tugas paralel, tugas yang berjalan lama ------ Anda juga telah menyebutkan sebelumnya, tugas akan terus berjalan saat Anda tidur di malam hari, atau saat Anda melakukan hal lain di siang hari. Jika agen dapat menulis kode secara mandiri, melakukan pencarian, dan menjalankan tugas-tugas ini, maka kekuatan komputasi yang dibutuhkan oleh platform-platform ini akan jauh melampaui apa pun yang pernah kita bayangkan sebelumnya.

David: Saya sepenuhnya setuju. Grafik ini menunjukkan apa yang terjadi di sisi capex: proyeksi capex dari lima perusahaan besar telah terus-menerus direvisi naik dalam waktu yang sangat singkat. Pengeluaran yang dulunya tampak seperti batas langit, yang mungkin memerlukan beberapa kuartal atau bahkan beberapa tahun untuk dicapai, kini telah menjadi target jangka pendek, karena permintaan kekuatan komputasi terus berkembang. Melihat grafik ini, saya merasa bahwa pada setiap titik waktu, reaksi naluriah manusia adalah "investasi dari sini akan cenderung stabil". Namun, selama empat tahun terakhir, sebagai sebuah ekonomi, kita terus meremehkan kekuatan tren ini. Seperti yang Sarah katakan, seiring perkembangan model, tingkat penggunaan kapasitas yang terpasang terus meningkat. Jadi angka-angka yang disebutkan David sebelumnya adalah perkiraan aktual saat ini.

Alex: Menggunakan kata-kata DG, kita semua menyebut permintaan kekuatan komputasi saat ini sebagai "model buster". Contoh yang sangat meyakinkan yang kita semua alami: sekitar setahun yang lalu, Sam Altman dan Sarah Friar mendapat banyak kritik karena komitmen kekuatan komputasi yang besar, semua orang merasa mereka sembrono dan agresif. Dan sekarang, semua orang akan mengatakan bahwa keputusan itu sangat visioner. Meskipun demikian, hanya dua minggu yang lalu, kita semua melihat OpenAI terpaksa menghentikan langganan Pro ------ layanan tingkat 2000 dolar, masih tidak mencukupi permintaan. Apa yang kita alami adalah permintaan yang sulit dipenuhi.

David: Setiap orang di setiap rantai pasokan, dan setiap orang yang telah kita ajak bicara, telah memberi tahu kita versi yang berbeda dari hal yang sama: permintaan melebihi pasokan. Di beberapa bagian rantai pasokan pusat data, bahan atau produk tidak akan tersedia hingga 2028. Jadi ketegangan ini tidak akan mereda. Pada saat yang sama, Anda juga dapat melihat bukti bisnis berkualitas tinggi dari sisi permintaan: Microsoft, Google, dan Amazon memiliki sekitar 1,7 triliun dolar dalam pesanan cloud yang tertunda. Para pelanggan ini berkomitmen untuk terus bertambah dengan cepat, sementara platform-platform tersebut berinvestasi besar-besaran untuk memenuhi permintaan ini. Jadi, meskipun arus kas bebas dalam periode pembangunan saat ini tertekan, konsensus perkiraan menunjukkan bahwa mulai tahun 2028, arus kas akan pulih dan kemudian tumbuh secara signifikan. Anda dapat melihat panggilan laporan keuangan terbaru Amazon, mereka menjelaskan dinamika kurva J ini dengan baik: umur ekonomis GPU (atau TPU) sebenarnya cukup panjang. Anda harus terlebih dahulu membangun "cangkang" pusat data ini, yang memerlukan waktu; kemudian membeli chip, tetapi umur ekonomis chip akan sangat panjang, dan lebih lama dari yang kita semua perkirakan.

Sarah: Ya, saya tahu beberapa perusahaan besar memang mendapat kritik karena berutang untuk melakukan capex, tetapi mirip dengan dinamika laboratorium model, mereka yang lebih ragu dan lebih konservatif kemudian menyesal. Anda baru-baru ini berbicara dengan Gavin dalam episode podcast itu tentang Microsoft, tetapi saya rasa ini adalah masalah di seluruh industri.

Santi: Ya, sinyal lain yang sering dibahas adalah harga pasar spot GPU yang ada: setiap GPU yang dapat online dengan kekuatan komputasi dapat disewakan dengan harga yang menarik, dan perusahaan besar dapat memperoleh imbal hasil yang signifikan. Ini adalah poin kunci yang sering kita diskusikan: setiap gelombang seperti ini akan menciptakan surplus pengguna dan konsumen yang besar. Dari apa yang kita lihat saat ini, konsumen dan pengguna mendapatkan nilai yang sangat besar ------ inilah alasan mereka menggunakannya dengan sangat intensif. Perusahaan yang melayani pengguna ini mendapatkan keuntungan yang baik. Kemudian, ketika kita turun ke chip ------ biaya perolehan chip jauh lebih tinggi dibandingkan 12, 18, 24 bulan yang lalu, tetapi Anda masih dapat memperoleh margin yang tinggi, dan menciptakan surplus besar dari pengguna.

David: Untuk capex dari perusahaan berskala besar, kita harus melihatnya sebagai buku pesanan orang lain. Platform-platform yang secara historis paling menguntungkan ini terus-menerus menginvestasikan uang tunai ke dalam infrastruktur AI. Seperti yang baru saja disebutkan, ini sementara menekan arus kas bebas mereka, tetapi memberikan manfaat besar bagi pesanan chip, listrik, dan konstruksi------inilah mengapa gelombang teknologi yang lebih luas ini telah berubah menjadi gelombang industri. Kami menghabiskan semakin banyak waktu untuk melihat perusahaan-perusahaan yang melayani gelombang industri ini, di sepanjang rantai pasokan pusat data. Menariknya, dunia kita secara tradisional lebih banyak tentang memonetisasi IP yang sudah ada------membangun sekali, menjual tanpa batas; tetapi bisnis ini harus mengelola banyak urusan yang kompleks: pembiayaan, mengelola hubungan dengan pemasok, memprediksi kapasitas, memprediksi permintaan. Kami melihat beberapa tim unggul dalam hal ini, sementara tim lain berjuang bahkan berhenti. Ini sedikit berbeda dari keahlian yang biasanya kami habiskan waktu. Ini membawa kita ke "era baru atom". Halaman ini adalah angka besar: pada tahun 2040, kebutuhan investasi infrastruktur global diperkirakan mencapai 90 triliun dolar AS. Tetapi yang penting, ini jauh melampaui AI dan pusat data, juga mencakup listrik, air, jalan, dan transportasi. Kami dapat melihat ini di seluruh portofolio kami: pabrik besar Anduril, yang ukurannya setara dengan 87 lapangan sepak bola; Waabi sedang memperluas pusat transportasi mereka secara agresif; dan SpaceX melakukan investasi senilai miliaran dolar di Louisiana. Hari ini, bertaruh pada masa depan, dari sudut pandang kami, sudah berbeda dari masa lalu. Seperti yang dikatakan Santi, ini berarti membangun pabrik, memperluas infrastruktur, dan menambah pekerjaan terampil yang tersebar di seluruh negeri.

Santi: Berbicara tentang pusat data, investasi dalam infrastruktur fisik sangat berbeda dari investasi dalam perangkat lunak. Elon telah mengemukakan konsep "pabrik sebagai produk" bertahun-tahun yang lalu. Banyak pendiri hebat yang kami dukung berasal dari Tesla atau SpaceX, dan ini tidak mengejutkan, karena mereka tahu bahwa pada tingkat eksekusi, pabrik pada akhirnya akan menjadi keunggulan kompetitif yang besar dalam proses skala. Kami sering mendengar banyak mitos tentang pusat data: mereka akan menghabiskan sumber daya air Amerika; orang kaya tidak ingin tinggal di dekatnya; dan salah satu yang paling kami sukai------tagihan listrik saya akan melonjak. Namun, yang mungkin tampak bertentangan dengan intuisi adalah, pusat data sebenarnya dapat membantu menurunkan tagihan listrik Anda. Penelitian terbaru di AS menunjukkan bahwa setiap peningkatan kapasitas pusat data sebesar 10% dapat menurunkan tarif listrik rumah tangga sebesar 40 basis poin. Anda bisa memikirkan ini: jaringan listrik adalah ruang biaya tetap yang dibagikan------tiang listrik, kabel, dan gardu listrik. Pelanggan besar dan stabil seperti pusat data dapat membagi biaya ini ke lebih banyak unit listrik. Singkatnya, permintaan yang lebih besar dalam sistem berbagi adalah hal yang baik.

David: Ya, saya sepenuhnya setuju dengan pernyataan Anda. Investasi dalam infrastruktur bersama juga dapat meningkatkan manfaat ekonomi bagi rumah tangga dan bisnis yang terhubung.

Sarah: Ini tidak mendapatkan cukup perhatian media. Dina Powell baru-baru ini menyebutkan proyek Meta di Louisiana dalam sebuah podcast, di mana mereka bekerja sama dengan komunitas untuk menurunkan tarif listrik. Saat ini sudah ada contoh nyata, ini bukan omong kosong.

03 Tingkat Model dan Aplikasi: Pendapatan yang Signifikan, Tingkat Adopsi yang Sangat Rendah

Sarah: Saya sepenuhnya setuju. Sekarang mari kita bicarakan tren di tingkat model dan aplikasi. Di satu sisi, seperti yang telah kami prediksi, AI sedang menciptakan pendapatan yang signifikan dan penghematan; di sisi lain, tingkat adopsi masih berada di tahap yang sangat awal. Berdasarkan hal ini, tren sangat jelas: biaya sedang turun drastis. Kami telah memprediksi agen, dan sekarang agen menjadi ekonomis untuk pekerjaan yang lebih luas. Dan saat kami berbicara, lanskapnya masih berubah: inovasi baru seperti Jev yang diluncurkan oleh laboratorium baru seperti TypeSafe, sedang mendorong hal ini ke ekstrem yang lebih besar. Anda akan melihat bahwa perbedaan biaya dua urutan besar benar-benar akan mempengaruhi jumlah kasus penggunaan. Ini sedikit mirip dengan paradoks Jevons (Jevons paradox) klasik, jadi nama ini sangat tepat. Secara keseluruhan, ini adalah pola yang sangat baik untuk tingkat model dan aplikasi. Perbaikan ini sedang menciptakan peluang nyata bagi perusahaan perangkat lunak dalam hal pertumbuhan dan profitabilitas. Bukan berarti semua orang akan menang, tetapi tidak mengejutkan bahwa AI sedang menarik investasi ventura ke industri yang semakin luas. Kami juga melihat lebih banyak perusahaan mencapai skala besar di pasar swasta. Ini bukan gambar baru, tetapi ini adalah salah satu gambar favorit saya: total pendapatan OpenAI dan Anthropic. Selama beberapa tahun terakhir, setiap kali kami mengadakan rapat internal GP, kami akan menunjukkan gambar ini, dan kami harus memperbaruinya setiap bulan karena sudah ketinggalan zaman terlalu cepat. Titik kunci yang dapat Anda lihat dalam angka: pendapatan tahunan gabungan OpenAI dan Anthropic telah meningkat ke tingkat yang luar biasa. Kami suka membandingkannya dengan perusahaan perangkat lunak terbesar dalam sejarah------di sebelah kanan Anda dapat melihat, bahkan berdasarkan estimasi pendapatan bersih baru dari perusahaan perangkat lunak terbaik dalam sejarah, pendapatan bersih dari laboratorium terkemuka telah jauh melampaui. Ini bukan hanya tentang skala, tetapi juga kombinasi kecepatan yang menakjubkan.

Santi: Tetapi kita masih sangat awal. Yang menarik tentang migrasi AI dibandingkan dengan migrasi platform lainnya adalah: kita tidak hanya berada di awal dalam hal proporsi populasi yang menggunakan AI, tetapi juga dalam hal pangsa pengeluaran pengguna untuk AI (share of wallet). Ini berbeda dari tahun 2008------saat itu kami memodelkan berdasarkan "proporsi orang yang memiliki iPhone"; sekarang kami harus mempertimbangkan berapa banyak orang yang akan menggunakan produk AI, serta seberapa besar mereka menggunakannya.

Sarah: Ya, poin "masih sangat awal" ini sangat penting, dan ada satu set metrik yang dapat mendukungnya. Pertama, tingkat penerapan aktual perusahaan S&P 500 adalah 69%------jika Anda seperti kami yang "kecanduan AI", ini mungkin mendekati harapan Anda. Tetapi ketika Anda melihat dampak yang dapat diukur------ini mungkin merupakan indikator yang baik untuk mengukur kemajuan penerapan mereka------hanya 30%. Dan untuk indikator akhir, yang sebenarnya dilacak seiring waktu, hanya 2%. Jadi kami percaya AI sedang memberikan hasil, tetapi ada ruang yang besar untuk memperdalam penggunaan di dalam organisasi, dan melacak hasil ini dalam jangka panjang. Dari penerapan yang terfragmentasi ini, menuju dampak yang benar-benar mendalam dan berulang dalam alur kerja, jujur saja adalah tahap berikutnya. Saya bisa mengatakan, sebagian besar perusahaan yang telah kami ajak bicara, interaksi mereka dengan AI masih sebagian besar terbatas pada Microsoft Copilot, yang itu sendiri menunjukkan seberapa jauh mereka masih harus berjalan.

Alex: Ya, perbedaan antara apa yang dapat dilakukan model dan bagaimana sebenarnya itu digunakan, adalah alasan mengapa saya sangat bersemangat tentang tingkat aplikasi. Sarah, percakapan yang Anda lakukan dengan Ali Ghodsi dan Martin dari Databricks sangat luar biasa, dia berbicara tentang bagaimana AI dapat memahami dunia dengan sangat baik, tetapi hampir tidak tahu apa-apa tentang perusahaan tempat Anda berada. Kami melihat situasi seperti ini di perusahaan tingkat aplikasi dalam portofolio kami------mereka sedang menjembatani kesenjangan ini. Selama beberapa bulan terakhir, ada satu contoh yang sangat mengesankan: Revolut memiliki tim teknik yang sangat matang, tetapi mereka masih harus bekerja sama dengan 11 Labs untuk mengintegrasikan model suara kelas satu 11 Labs ke dalam akun pelanggan dan proses perbankan yang aman, sehingga ketika saya sebagai pelanggan menelepon, pertanyaan saya dapat diselesaikan dengan lancar, efisien, dan aman. Kesempatan hari ini sebagian besar terletak pada menguasai kemampuan ini dan membangun layanan yang dapat diandalkan.

04 Pengguna Berat Sedang Menjauhkan Diri

Sarah: Selain tingkat adopsi perusahaan yang masih di tahap awal, tren signifikan lain yang ingin kami tunjukkan dengan data adalah: pengguna berat sedang menjauhkan diri secara menyeluruh. Anda dapat menganggap pengeluaran AI di antara perusahaan secara umum meningkat, tetapi pengguna berat yang kami sebutkan, menghabiskan jauh lebih banyak. Kami melihat beberapa data dari YipitData: perusahaan yang berada di peringkat teratas 1% dalam pengeluaran alat AI, memiliki pengeluaran median sekitar delapan kali lipat dari 10% teratas.

Menariknya, 1% teratas hampir setara dengan total dari 2% hingga 10% teratas.

Bahkan di perusahaan-perusahaan dalam portofolio kami------Anda bisa mengatakan bahwa mereka hampir sepenuhnya berbasis AI------pengeluaran pengguna teratas sekitar 7500 hingga 9000 dolar AS per bulan. Sedangkan pengguna median------juga merupakan perusahaan-perusahaan yang paling berbasis AI------pengeluaran mereka lebih mendekati harga langganan bulanan, sekitar 200 dolar AS, mungkin ditambah satu langganan, 200 hingga 400 dolar AS. Jadi jika Anda melihat perbedaan antara pengguna median dan teratas, itu lebih dari 20 kali lipat dalam pengeluaran.

David: Ya, salah satu pertanyaan yang kami diskusikan dengan perusahaan dalam portofolio adalah: seberapa besar tingkat adopsi mereka, dan bagaimana mengukurnya. Misalnya, jika Anda melihat berapa banyak uang yang mereka habiskan untuk alat AI sebagai proporsi dari biaya karyawan: untuk perusahaan Fortune 500 yang lebih maju, saat ini sekitar 1%.

Sedangkan untuk perusahaan berbasis AI terdepan dalam portofolio kami bisa mencapai 10%. Jadi semua ini hanya tentang seberapa awal penyebarannya, dan seberapa dalam penyebarannya. Kami telah melihat contoh lain dalam portofolio: banyak perusahaan sangat bersemangat saat pertama kali membeli Cursor atau Cognition, tetapi kenyataannya, itu hanya awal perjalanan. Dari pembelian, percobaan alat ini hingga adopsi penuh, masih ada jalan panjang.

05 Kasus yang Dapat Diukur: Sisi Biaya dan Sisi Pendapatan

Santi: Sarah, Anda sebelumnya menyebutkan, kami mulai melihat studi kasus yang dapat diukur. Kami telah menyebutkan beberapa perusahaan publik yang benar-benar mengungkapkan metrik ini, dan melihat perbaikan substansial dari AI. Di sisi biaya: Chime mengungkapkan bahwa selama empat tahun terakhir mereka telah mengurangi biaya layanan lebih dari 10% setiap tahun, dihitung secara majemuk, biaya layanan hampir turun 50%------di balik ini ada dukungan dari perusahaan portofolio kami, Decagon. Di sisi pendapatan, saya rasa contoh Shopify sangat menarik: mereka meluncurkan asisten AI (sidekick), yang membantu pedagang lebih cepat beradaptasi. Hasilnya, proporsi pelanggan yang mencapai lima pesanan dalam 15 hari setelah bergabung meningkat sebesar 8%. Shopify melacak metrik ini, karena begitu pedagang mencapai lima pesanan, mereka akan tetap tinggal dan terus menggunakan Shopify. Jadi ini juga merupakan angin segar yang berarti bagi bisnis mereka.

Sarah: Tentu saja. Berbicara tentang keuntungan dari penurunan biaya layanan: Anda memiliki lebih banyak ruang untuk bersaing------harga yang lebih baik, mungkin layanan yang lebih luas, dan dapat diinvestasikan kembali untuk pertumbuhan. Manfaat ini tidak hanya sampai kepada pelanggan, tetapi juga kepada margin keuntungan, dan kemudian dana kembali diinvestasikan. Fenomena lain yang sangat menarik adalah: tentu saja setiap perusahaan berbeda, tidak bisa digeneralisasi, tetapi para pemimpin dalam putaran ini juga melakukannya dengan sangat baik. ServiceNow adalah contoh yang baik, mereka mengungkapkan nilai kontrak tahunan AI (ACV) melebihi 1 miliar dolar AS, dan penerapan agentic meningkat sembilan kali lipat. Jadi Anda dapat melihat di seluruh tumpukan teknologi, dari para pemimpin hingga perusahaan baru.

David: Kami sering mendiskusikan pertanyaan menarik------perusahaan-perusahaan terdepan dalam portofolio kami, seperti Stripe, telah berbicara dengan kami: di mana mereka sebenarnya menghabiskan investasi AI tambahan? Apakah itu untuk membangun produk baru bagi pelanggan, mendorong pendapatan yang lebih tinggi? Atau untuk optimasi dan efisiensi di sisi biaya? Ini seperti batu ujian kami: di mana para pendiri dan CEO perusahaan ini melihat peluang terbesar. Peluang untuk mendorong pertumbuhan pendapatan tidak terbatas, sedangkan peluang di sisi biaya......

David: Perbaikan di sisi biaya------tentu saja Anda bisa menginvestasikannya kembali, tetapi itu selalu hanya menjadi peluang potensial yang akan selalu ada. Jika Anda percaya bahwa penggunaan dana terbaik hari ini adalah untuk mengoptimalkan struktur biaya, apa artinya ini untuk peluang pendapatan baru Anda?

Santi: Meskipun dalam optimasi biaya internal, ada berbagai nuansa. Satu cara adalah mengurangi biaya layanan, yang memungkinkan Anda untuk berinvestasi kembali dan menjadi perusahaan yang lebih baik. Saya rasa enam bulan yang lalu, seluruh industri kita benar-benar fokus pada "sistem pencatatan" (systems of record). Jika insinyur Anda sibuk membangun sistem pencatatan hanya untuk menghemat beberapa ribu hingga puluhan ribu dolar, saya rasa sumber daya tersebut bisa digunakan dengan lebih baik.

Sarah: Ya, jika kita mengumpulkan semuanya, untuk bisnis berbasis aplikasi, unit yang relevan sebenarnya adalah biaya "menyelesaikan tugas pelanggan". Jika Anda dapat memisahkan hal ini------Anda menyelesaikan tugas untuk pelanggan dan mengenakan biaya, Anda dapat menggunakan rute yang lebih baik untuk membuat produk lebih ekonomis------ini sangat menakjubkan, karena sekarang Anda tidak menggunakan model termahal di setiap langkah, tetapi tugas tetap diselesaikan. Saya rasa kita akan melihat perusahaan aplikasi terbaik muncul dengan lebih banyak perbaikan margin.

06 Ketika Biaya Menurun Drastis, Pasar Baru Terbuka

Alex: Saya sepenuhnya setuju. Sarah telah menyebutkan bahwa ServiceNow melihat penggunaan agen yang sangat besar. Agen sudah ada di sini, mereka sedang menjalankan tugas. Tugas memerlukan beberapa langkah, dan beberapa langkah berarti beberapa panggilan model------ini menjelaskan pertumbuhan penggunaan token agen di OpenRouter yang meningkat 14 kali lipat. Namun, langkah-langkah ini semakin murah. Kita melihat aplikasi cache------sistem dapat menggunakan informasi latar belakang, bukan memproses dari awal setiap kali. Saya melihat Hebbia memanfaatkan ini dengan baik: beban kerja obrolan keuangan mereka, biaya operasionalnya turun 10 kali lipat. Anggaran yang sama sekarang dapat mendukung lebih banyak pekerjaan.

Sarah: Ya, saya pikir pandangan Anda yang lebih luas adalah: biaya yang lebih rendah memungkinkan agen untuk sekarang dapat melakukan pemeriksaan kesalahan, mencoba lagi, dan membuka banyak tugas------dulu, penalaran atau pemanggilan alat mungkin terlalu mahal untuk ditanggung. Ini sangat penting dalam skenario di mana keandalan adalah kunci untuk menggunakan agen. Selain itu, kita telah membicarakan TypeSafe sebelumnya, bayangkan ketika biaya turun satu atau dua tingkat, jumlah kasus penggunaan yang terbuka sebenarnya tidak terbayangkan.

David: Ditambah dengan perbaikan latensi yang signifikan. Tentu saja.

Alex: Ya, jadi perusahaan sekarang semakin serius memikirkan bagaimana mengoptimalkan latensi atau kinerja dan biaya pada skala besar. Ambil contoh Databricks, mereka menggunakan routing------memilih model yang tepat untuk setiap tugas spesifik------untuk meningkatkan kinerja dan biaya. Router cerdas mereka berkinerja lebih baik: menyelesaikan lebih banyak masalah dengan biaya 35% lebih rendah dibandingkan model tunggal yang paling kuat. Sekarang kita melihat banyak pendekatan lain yang merupakan fine-tuning: Harvey, Elise AI adalah contohnya. Elise melakukan fine-tuning pada model yang lebih kecil, mengurangi biaya sebesar 60%, dan latensinya juga jauh lebih rendah, sehingga beberapa kasus penggunaan audio real-time menjadi mungkin. Perbaikan teknik ini membuat AI lebih berguna dan lebih murah.

07 Konsumen: Tingkat Adopsi Langganan 2% dan "Kurva Senyum"

David: Kita telah banyak membahas penggunaan di dalam perusahaan, tetapi sisi konsumen juga sangat penting------bagaimanapun juga, di situlah kita mendapatkan beberapa pengembalian terbesar dan menghabiskan banyak waktu. Kami percaya bahwa sisi konsumen masih sangat awal. Survei terbaru menunjukkan, hanya sedikit lebih dari 2% rumah tangga di AS yang benar-benar membayar langganan untuk AI. Mungkin langganan bukan cara terbaik untuk memonetisasi bagi sebagian besar rumah tangga, tetapi sejauh ini itulah yang ada. Salah satu hal menarik tentang pendapatan langganan adalah, ia memiliki salah satu tingkat retensi terbaik yang pernah kita lihat di sisi konsumen. Alex suka menyebutnya "kurva senyum"------sangat jarang ada kurva retensi yang tidak hanya datar, tetapi juga meningkat seiring dengan perbaikan produk dan orang-orang kembali, sebenarnya "tersenyum" ke atas. Tetapi inilah yang kita lihat di AI, yang menunjukkan nilai yang dapat diberikan langganan kepada pembayar.

Sarah: Ngomong-ngomong tentang langganan, angka-angka ini membuat saya terkejut------terutama ketika melihat grafik di sudut kanan bawah------betapa kecilnya mereka. Pikirkan tentang Amazon Prime, itu lebih dari 200 juta rumah tangga. Netflix juga merupakan contoh yang baik------70 juta rumah tangga. Angka-angka ini membuat saya ingin memverifikasi lagi, saya berpikir "apakah ini salah?". Jadi saya sepenuhnya setuju, ini baru saja dimulai.

Alex: Ya. Rekan kami Josh Elman memiliki ungkapan yang saya suka, mungkin agak kontra-intuitif: AI konsumen adalah hal yang saya gunakan dalam kehidupan sehari-hari, tidak harus dirembeskan. Jadi menurutnya, 97% rumah tangga menggunakan AI tetapi belum membayar, mungkin tidak mengejutkan. Anda benar Santi, saya memang suka kurva retensi senyum------kami suka melihat pengguna kembali semakin sering. Ciri umum lain dari platform konsumen besar adalah waktu yang dihabiskan: pengguna aktif Facebook, Instagram, TikTok, Snap, menghabiskan 30 hingga 60 menit setiap hari. Dan hari ini, asisten AI terbaik------sekarang banyak yang muncul------semua ingin menjadi aplikasi pilihan saya. Saya berharap mereka bisa sangat tahan lama, selalu online, dan sangat proaktif, sehingga di masa depan mereka mungkin bukan tempat yang paling banyak saya habiskan waktu. Benar, ketika agen bekerja di latar belakang, dan kita tidak lagi melihat keterlibatan menggunakan data eksternal seperti waktu layar media sosial, pekerjaan kita akan menjadi lebih sulit, tetapi itu sangat penting. Saya ingat ketika model terbaru dirilis pada bulan Desember, bahkan dalam pekerjaan kami, kami juga akan memulai tugas penelitian mendalam atau tugas agen, lalu mengemudi ke kota------ini tidak akan tercermin dalam metrik waktu layar tradisional, dan berbeda dari keterlibatan yang dilacak oleh generasi produk konsumen sebelumnya.

Santi: Ya, saya sepenuhnya setuju. Masih awal, tetapi sisi konsumen benar-benar merupakan momen yang baru dan menarik.

Alex: Muse dan Instinct jelas merupakan pemain baru, tetapi mereka tumbuh dengan sangat cepat. Mereka bersama ChatGPT, semakin banyak mengambil alih pencarian tradisional saya.

Ini adalah momen yang sangat dinamis, jadi jika Anda adalah platform penemuan konsumen yang ada, marketplace yang ada, Anda benar-benar perlu mempertimbangkan langkah selanjutnya sekarang. Saya akan mengajukan beberapa pertanyaan. Pertama, seberapa banyak permintaan tambahan yang dapat saya peroleh dari agen AI? Berapa banyak pesanan tambahan yang dapat mereka bawa? Kedua, dalam bisnis saya, seberapa besar proporsi kolam keuntungan berasal dari kepemilikan hubungan pelanggan dan penemuan? Minggu lalu ada banyak berita: Amazon mengatakan "tidak, terima kasih" kepada Muse, tetapi Instacart mengatakan "baiklah, silakan". Pikirkan tentang Amazon (dan AWS) dan Instacart: pendapatan iklan mereka melebihi semua laba operasional mereka. Jadi pendapatan iklan dan kepemilikan hubungan pelanggan sangat penting. Tetapi bagi Amazon, seberapa banyak pesanan baru atau pelanggan baru yang dapat dihasilkan dari akses ke Muse? Tidak banyak. Dan melihat Instacart: penetrasi online untuk produk segar masih relatif awal, masih banyak pesanan yang bisa diperjuangkan. Kemungkinan optimis adalah: akan ada lebih banyak pesanan dari aplikasi-aplikasi ini. Dulu saya harus mengklik berbagai cara untuk melakukan pesanan berikutnya; jika saya menyerahkan ini kepada agen, tiba-tiba tidak ada klik, tetapi saya berharap ada lebih banyak GMV. Perjalanan yang pernah saya pikirkan tetapi tidak dipesan akan dipesan; pesanan makan malam yang ingin kami lakukan malam ini akan dipesan. Jadi saya optimis bahwa akan ada lebih banyak GMV, mengimbangi sebagian dari pendapatan iklan yang hilang.

David: Namun, ada satu pertanyaan terbuka di sini: bagaimana itu akan dikompensasi? Mengambil contoh Amazon yang Anda sebutkan, mereka memiliki lebih dari $70 miliar bisnis iklan, yang merupakan monetisasi berbasis aliran dengan margin tinggi, sepenuhnya dibangun di atas asumsi bahwa konsumen mengunjungi situs dan mengklik iklan. Jika mereka tidak lagi melakukannya, apa yang akan terjadi? Hari ini, Meta dan Google terkenal melakukan iklan lebih baik daripada platform internet mana pun, menghasilkan lebih dari $200 per pengguna di AS dan pasar maju. Meta pada dasarnya adalah aplikasi hiburan, lihat apa yang terjadi, itu mungkin relatif aman. Di sisi Google------menariknya, dua tahun yang lalu ketika semua ini baru terjadi, seluruh narasi di sekitar Google adalah "oh tidak, bagaimana dengan bisnis pencarian Google", tetapi ternyata sangat tangguh. Salah satu alasannya adalah kata kunci iklan mereka yang memiliki tingkat monetisasi yang tinggi relatif aman------kata-kata itu lebih seperti "saya perlu membeli asuransi" atau "cari hotel di kota ini".

David: Atau hal-hal serupa------Anda dapat langsung memonetisasi, tetapi AI belum dapat melakukan hal-hal ini untuk Anda. Jika ini berubah, maka dinamikanya bisa sangat berbeda.

David: Ya, saya ingin menambahkan satu hal: narasi minggu lalu memiliki sedikit rasa "zero-sum", sangat negatif------"lihat, marketplace ini akan terpengaruh". Tetapi saya benar-benar percaya perspektif positif adalah: pertama, uang $70 miliar yang dibelanjakan untuk iklan Amazon mungkin hanya berpindah saluran ke tempat lain------mungkin langsung dibelanjakan dalam bentuk berbeda pada agen, atau menemukan cara yang lebih baik untuk menjangkau; kedua, setelah gesekan berkurang, kita mungkin melihat lebih banyak konsumsi------orang mungkin membeli lebih banyak, ini adalah roda penggerak pertumbuhan ekonomi yang positif. Saya rasa kita terjebak dalam narasi "ini merugikan kolam keuntungan", tetapi sebenarnya mungkin hanya baik. ...... Ya, keduanya mungkin benar pada saat yang sama.

David: Mungkin kolam keuntungan akan berubah, tetapi secara keseluruhan, itu adalah tambahan untuk ekonomi. Saya rasa, jika kita melihat kembali dalam tiga tahun, di tingkat makro tidak ada peningkatan efisiensi yang berarti------itu akan mendorong pengeluaran konsumsi di bidang iklan lebih tinggi------kita semua akan kecewa. Tetapi mungkin hanya kolam keuntungan di beberapa tempat yang menghilang, lalu didistribusikan kembali.

Alex: Respon instan adalah bahwa nilai pasar bersih dari seluruh ekosistem adalah positif. Kenaikan Meta jauh melebihi kerugian marketplace.

08 Diferensiasi Pasar Perangkat Lunak Publik

Sarah: Ya, kembali ke diskusi kita tentang perangkat lunak, mungkin lebih banyak beralih ke pasar publik. Tren paling mencolok dalam grafik ini adalah: komposisi telah jelas beralih ke perusahaan dengan pertumbuhan lebih lambat dan lebih menguntungkan. Sekitar 75% sampel perangkat lunak publik menguntungkan, sementara hanya 30% yang tumbuh dengan kecepatan 20% atau lebih.

David: Ini adalah angka yang mengejutkan: hanya 30% perusahaan perangkat lunak publik yang tumbuh dengan kecepatan lebih dari 20%------dan bukan hanya 20%, itu adalah 30%.

Alex: Jika Anda menggambar garis di 30%, kita sudah membahas, jumlah absolutnya kurang dari lima perusahaan. Dan di pasar swasta, setiap perusahaan yang kita lihat dan habiskan waktu bersama, pertumbuhannya jauh melampaui 30%.

David: Dan jujur, ini agak jelas: Anda pergi dan berbicara dengan manajer TI, CIO------lihat pertumbuhan mereka dan uang yang mereka belanjakan untuk AI, sumber uang yang paling mudah adalah tidak lagi menghabiskan dana tambahan untuk proyek perangkat lunak SaaS baru.

David: Kami telah berinvestasi di beberapa perusahaan perangkat lunak SaaS, termasuk yang di pasar publik. Kami berbicara dengan para pendiri mereka dengan sangat fokus: bagaimana saya dapat memanfaatkan distribusi yang sudah ada ------ dalam banyak kasus sangat kuat, dengan pelanggan yang terikat, seperti yang Anda katakan sebelumnya kepada Santi, tidak akan hilang ------ untuk menerapkan produk AI baru yang benar-benar menarik, mendorong pertumbuhan pendapatan lebih tinggi? Saya pikir, untuk menghilangkan ketakutan terbesar di sekitar "akhir dunia SaaS", kita perlu melihat periode waktu: perusahaan perangkat lunak terus mencatat angka seperti 98% retensi bruto ------ ini selalu menjadi titik kunci yang menarik bagi mereka sebagai target investasi; terus mendorong efisiensi yang telah kita bicarakan; tetapi yang paling penting adalah mempercepat pertumbuhan pendapatan. Ini menunjukkan bahwa mereka aman dalam pertahanan, dan juga menunjukkan bahwa investasi agresif mereka benar-benar akan membuat bisnis menjadi lebih baik.

Sarah: Saya pikir pandangan yang Anda tulis beberapa bulan lalu tentang "dua jalan" di blog itu sangat menarik sebagai aturan praktis. Mungkin Anda bisa berbagi sedikit lebih banyak tentang detail persentase spesifik.

David: Ya, semakin banyak saya menulis, semakin banyak saya berbicara dengan para pendiri, saya semakin merasa: hampir setiap orang yang kami ajak bicara mengatakan "ya, saya sedang berusaha mendorong pertumbuhan pendapatan lebih tinggi". Ini jelas merupakan jalur utama bagi perusahaan yang kami investasikan dan dukung. Ini sangat berbeda dari setahun yang lalu ------ ketika ketakutannya adalah "setiap orang akan menulis ulang sistem perangkat lunak mereka dengan vibe coding", dan jelas tidak ada yang terjadi di pasar. Tetapi tekanan untuk mempercepat pertumbuhan pendapatan sangat besar. Jadi kami telah mengatakan: targetkan akselerasi di atas 10%, itu adalah angka yang sangat tinggi, tetapi dengan produk yang luar biasa, ditambah anggaran yang tersedia untuk AI, tampaknya itu mungkin. Kita akan lihat. Kami memiliki beberapa perusahaan yang sudah mendekati, dan dalam 12 hingga 18 bulan ke depan, kita akan melihat hasilnya.

Sarah: Ya, pasti. Seperti halnya segala sesuatu, Anda tidak bisa mengelompokkan setiap perusahaan ke dalam satu "ember perangkat lunak" dan berbicara tentang penurunan kelipatan, penurunan pertumbuhan. Faktanya, perangkat lunak sudah sangat terfragmentasi: lihat grafik ini, keamanan siber dan observabilitas benar-benar menonjol, perangkat lunak vertikal secara keseluruhan juga jauh lebih baik daripada aplikasi horizontal. Kerangka yang kami gunakan untuk berpikir tentang "apa yang bertahan, bahkan tumbuh dengan baik, dan apa yang mengalami penurunan jangka panjang" adalah: benar-benar memikirkan bagaimana AI mengubah permintaan pelanggan terhadap produk ini. Risiko keamanan siber yang dibawa oleh AI sudah sangat terbuka; tetapi dengan semakin banyak perangkat lunak dan agen yang menciptakan kebutuhan keamanan dan pemantauan baru, ini sebenarnya menciptakan permintaan yang lebih besar bagi para pemain yang ada di pasar ini ------ Anda dapat melihat penandaan CrowdStrike di sebelah kanan. Sebaliknya, aplikasi menghadapi perubahan alur kerja yang berbeda-beda: salah satu CEO terbaik kami, Ali Ghodsi, suka berbicara tentang "guillotine AI" dan apa yang akan dipotong terlebih dahulu. Anda juga bisa berpikir dari sisi lain: apa yang sebenarnya dibutuhkan AI. Menggabungkan kedua dinamika ini, saya pikir dapat menjelaskan sebagian besar situasi yang kita lihat di pasar publik.

Alex: Ya, saya pikir ini sangat konsisten dengan apa yang kita lihat di pasar swasta. Seperti yang Anda, Sarah, sebutkan di bidang keamanan, agen sedang mengakses semakin banyak sistem, mengambil semakin banyak tindakan ------ kejadian OpenAI dan Hugging Face adalah pencerahan bagi banyak orang. Jadi keamanan adalah yang terpenting. Selain itu, lihat perusahaan AI vertikal: mereka adalah perusahaan dengan pertumbuhan tercepat di pasar swasta kami, Harvey, Abridge, Elise, tumbuh lebih cepat daripada pendahulu mereka di masing-masing industri. Ini mencerminkan pemahaman pelanggan: kuncinya bukan hanya model ------ seperti yang telah kita bicarakan ------ tetapi bagaimana Anda mengatur itu, bagaimana Anda membangun aplikasi di sekitarnya, dan alur kerja yang terkait dengan bidang vertikal tersebut.

Santi: Kami menghabiskan banyak waktu melihat pasar publik, bukan untuk berinvestasi, tetapi untuk menetapkan harga kelipatan untuk keluar, jadi kami melacaknya dengan sangat dekat. Jika merangkum tahun ini: beberapa bulan di awal tahun adalah "akhir dunia SaaS". Kami menulis blog tentang jenis perusahaan yang akan tampil baik. Cepat maju ke hari ini, indeks perangkat lunak sebenarnya telah kembali ke posisi awal tahun, tetapi benar-benar terfragmentasi menjadi yang dianggap sebagai pecundang dan pemenang AI. Pasar publik kadang-kadang menyederhanakan hal-hal terlalu jauh. Tetapi menurut pandangan Anda, pemenang AI bukan hanya mereka yang dapat memperbaiki struktur biaya, tetapi juga mereka yang benar-benar mempercepat, menangkap uang baru ini; jika Anda tidak menangkapnya, Anda mungkin tidak akan naik gelombang ini.

Sarah: Sebaliknya, kami ingin menunjukkan beberapa data operasional dari perusahaan swasta, untuk melihat apa yang sebenarnya dilakukan pelanggan. Dalam data pelanggan SaaS Stripe, ada penemuan "kontra narasi": pertumbuhan dipercepat setelah memasuki tahun 2026, baik untuk perusahaan muda maupun yang matang.

David: Stripe menyebutnya "RenaSaaS".

Santi: Oh, "Renaissance".

David: Saya sebenarnya cukup menyukai istilah "RenaSaaS" ini.

Sarah: Ya, saya juga suka "RenaSaaS".

09 Antara Publik dan Swasta: Juara Swasta Senilai $2,4 Triliun dan IPO

Santi: Kami telah berbicara sedikit tentang pasar publik, Sarah telah membahas percepatan SaaS di pasar swasta. Kami sering ditanya: apakah perusahaan akan tetap swasta lebih lama? Lihat enam perusahaan teratas yang diurutkan berdasarkan valuasi putaran terbaru: Anthropic, OpenAI, Databricks, Stripe, Waymo, Revolut, dengan total sekitar $2,4 triliun. Ini lebih besar dari total kapitalisasi pasar IPO dalam sepuluh tahun terakhir (tidak termasuk SpaceX), yang totalnya sekitar $1,7 triliun. Jadi hanya aktivitas di pasar kami ------ sekali lagi, enam perusahaan, $2,4 triliun ------ hampir sebesar indeks Russell 2000, yang merupakan indeks pasar publik besar, di mana ada ratusan manajer dana publik yang menghabiskan sebagian besar waktu mereka. Jadi, menghabiskan waktu pada juara akhir ini semakin menarik, mereka dapat terus berinvestasi dalam pertumbuhan, bukan memaksimalkan keuntungan jangka pendek. Tetapi David, Anda bisa berbicara tentang bagaimana kami memberi saran kepada perusahaan untuk IPO, kapan seharusnya tetap di pasar swasta......

David: Ya, Anda lihat, tentang IPO, terutama untuk perusahaan yang dipimpin oleh pendiri, satu hal yang selalu kami bicarakan, dan saya juga telah menulis, adalah: pada titik ini, pendiri itu sendiri adalah kelas aset. Alasan kami bertaruh, dan beberapa alasan mengapa beberapa perusahaan tetap swasta menguntungkan, adalah karena mereka biasanya dapat melakukan taruhan yang lebih besar di pasar swasta, dan taruhan ini memiliki periode pengembalian yang lebih lama. Zuck dan Elon jelas merupakan pengecualian di pasar publik. Tetapi Anda dapat melihat bagaimana ini muncul dalam angka perusahaan seperti Databricks, Stripe: di bawah produk baru, ada taruhan baru yang besar, dan dengan itu, Anda dapat melihat percepatan pendapatan. Anda juga dapat melakukan ini di perusahaan publik, tetapi itu akan diperiksa lebih ketat ------ jelas, harga saham Meta pernah jatuh di bawah $100 pada titik terendahnya, itu adalah saat orang sangat meragukan investasi mereka di AR/VR. Bagi kami, cara kami berbicara dengan pendiri adalah: IPO hanyalah satu peristiwa pendanaan lainnya. Anda menjadi perusahaan publik, apa yang Anda dapatkan dibandingkan dengan perusahaan swasta? Jelas Anda dapat mencapai skala yang sangat besar di pasar swasta. Ada beberapa perusahaan yang sudah beroperasi seperti perusahaan publik: sangat memperhatikan efisiensi, hampir setiap metrik dilacak. Ada juga beberapa perusahaan yang mungkin mendapat manfaat dari pengungkapan keuangan publik, memenangkan kepercayaan pelanggan di tingkat perusahaan dan konsumen ------ misalnya, setelah Navan go public, kami melihatnya kembali mempercepat, sebagian karena beberapa perusahaan yang lebih besar lebih mempercayai mereka karena mereka adalah perusahaan publik.

David: Ya, tentu ada contoh seperti itu: kebutuhan modal dapat menjadi sangat besar seiring waktu, kolam modal di pasar swasta sangat dalam, dapat melayani banyak perusahaan seperti itu, tetapi pada titik tertentu, kebutuhan modal bahkan mungkin terlalu besar untuk pasar swasta.

Santi: Itu adalah pasar publik. Di pasar swasta, kami menghabiskan banyak waktu di bidang lain, yaitu pasar sekunder. Ada dua dinamika di sini. Pertama, kami melihat semakin banyak perusahaan melakukan tender untuk karyawan ------ jika mereka memilih untuk tetap swasta, memberikan karyawan likuiditas di luar pasar publik. Di sini ada data menarik: Carta menunjukkan bahwa tingkat partisipasi tender hanya 58% ------ karyawan memilih untuk tidak mengambil likuiditas karena mereka memiliki kepercayaan besar pada kinerja bisnis mereka. Ini berlawanan dengan narasi "karyawan sedang mencair" ------ apa yang kami lihat adalah karyawan memilih untuk tidak mencair karena mereka sangat percaya pada perusahaan mereka.

David: Bayangkan jika itu 100%, bagaimana harga rumah di San Francisco?

David: Itu akan sulit. Memang. Kami jelas sering terlibat dan memimpin tender offer ini. Kami percaya itu adalah hal yang baik. Mereka memiliki dua tujuan. Pertama, bagi karyawan dan calon karyawan, kadang-kadang sulit untuk bersaing dengan daya tarik likuiditas pasar publik ------ RSU yang masuk ke akun Anda setiap kuartal dengan basis pajak bersih. Jadi ini adalah senjata kompetitif pasar swasta dalam bersaing untuk bakat atau mempertahankan karyawan dibandingkan perusahaan publik. Di sisi lain: kami mendorong penilaian yang lebih sering direset. Ini akan menjaga harga saham swasta Anda tetap segar, ada beberapa alasan: pertama, lebih mudah untuk berbicara tentang hal ini dengan karyawan dan calon karyawan; kedua, jika Anda ingin melakukan M&A ------ banyak perusahaan kami telah melakukannya ------ Anda memiliki mata uang segar untuk digunakan.

Santi: Saya rasa diskon pasar sekunder banyak dibicarakan, karena ini adalah dinamika selama lima tahun terakhir: saat keluar dari tahun 2021, 22, 23, 24, diskon median pasar sekunder terhadap harga putaran terbaru sangat berarti, karena mungkin beberapa putaran ditetapkan terlalu tinggi, sudah usang. Tetapi apa yang sebenarnya terlihat hari ini adalah, ketika ada transaksi di pasar sekunder, diskon terhadap harga putaran terbaru hampir nol. Ini menunjukkan bahwa harga pendanaan perusahaan adalah segar, selalu ada investor baru yang bersedia membeli dengan harga yang sama ------ ini tidak terjadi dalam satu atau dua tahun terakhir.

10 Segalanya adalah AI: Peluang Selanjutnya

David: Ya, pandangan yang baik. Slide menarik ini disebut "Segalanya adalah Komputer AI". Dalam snapshot 2026 ini, perusahaan terkait AI menguasai 86% aktivitas transaksi VC di AS, meningkat dari 65% di tahun 2025. Jelas, AI telah menjadi tujuan dominan untuk modal ventura.

Alex: Ya, tetapi di bawah label AI ini, peluang sebenarnya sangat luas: aplikasi perusahaan, aplikasi konsumen, serta layanan, semikonduktor, dan listrik.

Alex: Juga pertahanan. Banyak perhatian tertuju pada OpenAI, xAI, dan Anthropic, tetapi di luar itu, kumpulan peluang kami belum pernah sedalam dan seluas sekarang.

David: Terakhir, kami pikir akan menarik untuk berbicara tentang beberapa bidang yang sangat kami antusiasi saat ini. Jelas, kami telah menyentuh beberapa pekerjaan konsumsi yang akan dilakukan oleh agen ------ Anda bisa menyebutnya agen yang berjalan lama, agen otonom, konsumsi yang banyak digunakan. Jika Anda berpikir dari sudut pandang ini: agen konsumsi dapat menyelesaikan semua tugas yang tidak ingin Anda lakukan, memberikan Anda hal-hal yang tidak akan Anda habiskan waktu atau uang ------ ini sangat menarik, saya pikir penyebarannya akan cepat.

Robot adalah bidang yang kami habiskan banyak waktu dan perhatian, dan kami kebetulan berpikir itu bahkan mungkin lebih besar daripada LLM ------ tetapi mungkin datang tiga hingga lima tahun lebih awal. Jadi dalam lima tahun ke depan, ini akan menjadi bidang investasi dan antusiasme yang besar.

Mobilitas otonom sudah ada, dan mengemudi tanpa pengemudi sudah menjadi kenyataan, ini adalah momen yang sangat menggembirakan. Melihat lebih jauh ke industri otomotif dan transportasi: ini adalah salah satu industri terbesar di dunia, tetapi kita mungkin tidak banyak membicarakannya karena kita menghabiskan begitu banyak waktu membahas AI. Jika kita melihat jarak tempuh Uber dan Lyft, itu hanya sekitar 1% dari total jarak tempuh di Amerika Serikat. Saya percaya, dengan jaringan mengemudi otonom yang 14 kali lebih aman daripada pengemudi manusia, angka ini akan meningkat setidaknya satu urutan besarnya dalam beberapa tahun ke depan. Selain itu, Amerika Serikat menjual 17 juta mobil baru setiap tahun, dan saya percaya dalam sepuluh tahun ke depan, semuanya akan menjadi mobil otonom.

David: AI dikalikan dengan biologi: ini adalah bidang yang sangat menarik, orang-orang di laboratorium jelas membicarakannya ------ penemuan obat baru, menyelesaikan beberapa penyakit yang paling melemahkan di dunia, janji ini membawa harapan besar bagi kita semua, dan kita akan melihat banyak kemajuan dalam sepuluh tahun ke depan.

David: Kesehatan pribadi adalah bidang lain yang sangat saya antusiasi ------ sebagai seorang maksimalis kesehatan, saya selalu merasa tidak ada tempat yang baik untuk menempatkan semua informasi tentang diri Anda dan mendapatkan saran yang sangat dipersonalisasi.

David: Terakhir, masuk ke perusahaan, melampaui penyebaran pengkodean: ini adalah apa yang baru saja Anda bicarakan, Sarah ------ penyebaran teknologi di perusahaan masih sangat awal, saya percaya ini akan sangat, sangat menarik.

David: Terakhir, ada satu bidang yang tidak termasuk dalam keranjang AI, yang kita sebut American Dynamism ------ seluruh tumpukan teknologi "American Dynamism" yang sedang dipersenjatai ulang. Kami telah berinvestasi di bidang ini untuk waktu yang lama, sebagai investor besar. Ini masih merupakan bagian kecil dari total pengeluaran pertahanan, kurang dari 5%. Penyedia baru seperti Anduril, Saronic, Castelion, kami memperkirakan ini akan tumbuh secara signifikan seiring dengan perubahan permintaan.

David: Ada begitu banyak bidang menarik. Jelas kami sangat aktif di bidang AI, dan kami optimis tentang dampaknya terhadap ekonomi secara keseluruhan ------ skala pembangunan yang sangat besar, tetapi kami percaya ini akan menjadi peningkatan efisiensi yang besar di Amerika Serikat. Senang bisa merekam acara bersama Anda. Terima kasih.