Jag tyckte att det var ganska hjärtevärmande. Ensamhet är ett sådant problem idag.

Internet hjälpte den långa svansen. AI kommer att vara motsatsen under de kommande 3-5 åren.

Tidslistan över de bästa VC-företagen är intressant. Grundare fond #37 Riktmärke #56 Gröna ekar #114 Första omgången #174 Sutter Hill #176 med en 60% plus CAGR senaste 20 åren. De verkar också vara omedvetna om Sequoias existens. Checkar ut.

Alltmer övertygad om att förifyllning och avkodning kommer att växa fram som distinkta marknader inom inferens. Olika system kommer att användas för varje; Det är uppenbart att de måste arbeta tillsammans. Förmodligen 18 månader bort.

Marknadsvärde dividerat med CoWoS-allokering är intressant. Det tar i allmänhet tre generationer för en ASIC att få verklig dragkraft.

Det är viktigt att komma ihåg att Grok-4, GPT5 och Opus 4.1 alla har tränats på Hopper GPU:er. Det ska bli spännande att se de första modellerna tränas på Blackwell under de kommande sex månaderna.

Kul att vara på @theallinpod Njöt av att träffa Ben och Phil. Dessutom, hur många fler av dessa tills jag får en flaska tequila?

Det är styrelsen som är ledningens problem på Intel, inte VD:n.

Med tanke på den enorma - och ökande - betydelsen av beräkning vid testtid och RL efter träning som visas av Grok-4:s absoluta dominans, är det viktigare än någonsin att vara den billiga producenten av tokens. Som en parentes kan nämnas att det här är första gången i min karriär som teknikinvesterare som det har spelat roll att vara lågkostnadsproducent av någonting. Idag är de lägsta kostnadsproducenterna av tokens Google (TPU:er) och xAI (största sammanhängande kluster, lägsta capex $ per distribuerad GPU, nästan säkert högsta MFU och har gjort några riktigt smarta arkitektoniska beslut). Jag är uppenbarligen partisk när det gäller xAI. Ur ett rent tekniskt perspektiv är det viktigast att ha det bästa uppskalningsnätverket och den mest effektiva avlastningen av KV-cache för både kostnad och svarstid för de allt större modellerna och kontextfönstren. Dessa är de viktigaste konkurrensaxlarna inom AI-infrastruktur idag – inte databehandling. Observera att minnesbandbredden på paketet är viktigast när du kan få plats med modellen på ett enda chip (@cerebras), men för alla riktigt stora modeller som kräver flera paket är uppskalning och avlastning av kv-cache viktigast. Som alla som arbetar med ASIC:er långsamt börjar förstå. Därför var Dynamo och NVLink med öppen källkod både viktiga och smarta. Det senare kan i allt högre grad leda till att ASIC-aktier migrerar till NVLink-partners. För att inte tala om de naturliga förhandlingsfördelarna med att ha en andra leverantör. Sannolikt att se mer av dessa IMHO:

Hypotes om medelhög konfidens: om 3 år kommer Trainium, TPU och Dojo att vara de enda ASIC:erna som finns kvar.