Ho parlato con 3 fondatori di diverse aziende che giocano questo gioco negli ultimi 10 giorni. Le loro aziende vendono dati di addestramento ai laboratori di IA di frontiera, e tutti parlano come si parla quando il terreno si muove sotto i piedi. Più o meno così.
Abbiamo iniziato ad aprile. Nel primo trimestre abbiamo chiuso 30 milioni di dollari in ordini. Ci sono ordini di acquisto aperti sulla mia scrivania per 100 milioni di dollari. Entro dicembre dovremmo atterrare da qualche parte sopra i 150 milioni di dollari
. Niente di tutto ciò è ricorrente, ma tutto è in crescita. Questo mese potrebbe chiudersi a 20 milioni di dollari per noi. Siamo meno di 12 persone, e forse qualche stagista.
Ogni conversazione che ho in questo mercato suona così adesso. Per un po' ho continuato a pensare che questo fosse un razzo, perché non ne parlano più persone? Poi mi sono reso conto che i fondatori stessi si stanno facendo una domanda migliore. Sanno che i soldi sono reali. Sanno che i contratti non sono per sempre. Cosa dovresti fare in una situazione del genere?
Cosa viene effettivamente venduto
Sei cose.
Alcune aziende vendono ore: umani che etichettano immagini e valutano risposte di chatbot, il prodotto dell'era della catena di montaggio, già morente. Alcune vendono giudizio: medici, avvocati e fisici che scrivono come ragionano, a 100-500 dollari l'ora, perché i modelli hanno esaurito ciò che i dilettanti potevano insegnare loro. Alcune vendono mondi: istanze simulate di Salesforce, banche finte, repliche di ospedali dove gli agenti si esercitano in un lavoro attraverso milioni di ripetizioni. L'unità qui è il giudizio esperto racchiuso in un compito, un mondo in cui agire, una rubrica che definisce il buono, e un verificatore che lo valuta. Alcune vendono verdetto: benchmark, valutazioni, red team, gli arbitri della gara. Alcune vendono corpi: configurazioni di sensori, guanti tattili e imbracature per telecamere su lavoratori reali, perché i robot hanno bisogno di guardare le mani. E alcune vendono diritti: archivi concessi in licenza, gli accordi stile Reddit che valgono decine di milioni all'anno, istituzioni che convertono decenni di testo accumulato in una rendita.
Ora guarda come arrivano effettivamente i soldi. Quasi tutto è un ordine di acquisto contro un deliverable: un dataset accettato, un lotto di compiti che supera il QA, un ambiente consegnato. Niente si rinnova per impostazione predefinita. I numeri in prima pagina che leggi sono annualizzati, di solito il mese migliore moltiplicato per 12, in un business dove un laboratorio può raddoppiare o azzerare i suoi ordini in un trimestre. E tutti dentro sanno che il lordo non è il netto. I marketplace passano il 60-70% delle fatturazioni agli esperti che fanno il lavoro. L'eccezione è strutturale e le aziende che gestiscono la loro consegna da aree geografiche a basso costo trattengono il 70-80%+ di ogni dollaro, motivo per cui alcuni dei nomi più redditizi in questo mercato sono quelli che le liste di valutazione tracciano a malapena. Ai laboratori non importa dove è stato fabbricato il giudizio, almeno per ora. Il P&L del fornitore sicuramente sì.
I giganti accidentali
Quasi nessuno ai vertici di questo mercato si è prefissato di costruirlo.
Mercor è nato come un marketplace che metteva in contatto ingegneri freelance con aziende, con un intervistatore AI che faceva lo screening. Micro1 è iniziato allo stesso modo, un recruiter AI di nome Zara. Turing ha passato anni come marketplace per sviluppatori remoti. Handshake ha passato un decennio come rete di reclutamento universitario e ha cambiato rotta dopo aver notato che i laboratori stavano rubando annotatori PhD dalla sua stessa base di membri. Ha smesso di affittare la sua rete e ha iniziato a vendere il lavoro stesso, passando da 0 a circa 1 miliardo di dollari di fatturato annuo lordo in circa 16 mesi. Persino Scale è iniziato come API per Mechanical Turk prima di trovare le auto a guida autonoma.
Lo schema ti dice qual è veramente il prodotto. Queste aziende non hanno vinto perché capivano i dati. Hanno vinto perché avevano già costruito macchine per verificare gli estranei su larga scala, come chi è effettivamente un medico, quale ingegnere sa davvero programmare, di chi ci si può fidare senza incontrarlo. Quando i laboratori hanno improvvisamente avuto bisogno di esperti verificati a migliaia, le aziende di reclutamento erano le uniche a detenere l'offerta. I dati non sono mai stati il prodotto. Il giudizio verificato lo era, e gli incumbent del giudizio verificato erano le piattaforme di lavoro.
Perché i laboratori continuano a pagare
Il motivo per cui i laboratori firmano ordini di acquisto a 9 cifre è una guerra da cui non possono uscire. Per un po' è quasi sembrato che Anthropic fosse in vantaggio, ma le ultime due settimane hanno in gran parte livellato il campo di gioco. Nessun laboratorio detiene più un vantaggio di capacità duraturo. Nessuno mantiene la corona per un'intera stagione, i modelli aperti sono indietro di mesi rispetto alla frontiera, e ogni fascia di prezzo continua a crollare. Sono su un tapis roulant. I fornitori di dati vendono ciò che serve per alimentare quel tapis roulant. Le loro entrate non richiedono di scegliere un vincitore. È una tassa sul fatto che nessuno vinca.
Alex Karp ha passato questo mese ad accusare la Silicon Valley di sopravvalutare l'IA, dicendo al pubblico di non credere ai propri occhi bugiardi. Gli ordini di acquisto sono d'accordo con lui. Se i modelli fossero quasi finiti, i laboratori non pagherebbero così tanto per il giudizio umano. Ogni fattura in questo settore è una confessione su ciò che i modelli ancora non sanno fare.
Ma lo stesso tapis roulant continua a eliminare i propri fornitori. Nel 2023 il prodotto erano i lavoratori del crowd che valutavano le risposte. Una volta che i modelli hanno superato i valutatori, le valutazioni sono diventate rumore, e il 2024 è appartenuto agli esperti qualificati. Poi i modelli di ragionamento hanno imparato a valutarsi da soli rispetto a risposte verificabili, e il 2025 ha spostato i soldi verso ambienti e rubriche. Ogni generazione di modelli si diploma oltre i dati che l'hanno addestrata. I gradini sotto la frontiera continuano a dissolversi. La frontiera continua a pagare.
Ho parlato con un amico in un laboratorio di frontiera questo fine settimana e gli ho chiesto con quanti fornitori di dati lavora direttamente. Sette, ha detto. Tutti e sette hanno il compito di produrre lo stesso tipo di dataset. Inutile dire che tra un anno, alcuni di loro vedranno svanire quell'ordine di acquisto. Questo è l'intero mercato in un aneddoto: domanda enorme, offerta deliberatamente duplicata, e un acquirente che possiede l'orologio.
L'orologio dentro ogni contratto
I ricercatori di Epoch AI hanno intervistato i fornitori e pubblicato il listino prezzi: una replica di un semplice sito web per sessioni di addestramento di agenti costa circa 20.000 dollari, e un laboratorio ne avrebbe acquistate centinaia, una volta sola, come si comprano i coni per una scuola guida. Un clone ad alta fedeltà di uno strumento aziendale con compiti scritti da esperti costa . I singoli compiti hanno un prezzo tra 200 e 2.000 dollari, e l'esclusività moltiplica tutto per 4-5 volte, perché un compito su cui si allena anche il tuo rivale non ti insegna nulla su come batterlo.
Ma ecco il colpo di scena: una volta che i modelli superano un compito circa il 70% delle volte, il compito viene scartato. Il prodotto si deprezza riuscendo. Questo garantisce ordini ripetuti, motivo per cui le curve dei ricavi sembrano verticali, e garantisce anche che nulla si annualizzi da solo. Tutto deve essere ricostruito più difficile, per sempre. In un certo senso, anche i fornitori corrono su un tapis roulant più debole, proprio accanto ai laboratori di frontiera.
Ho la sensazione che i fondatori in questo spazio siano rialzisti sul business dei dati per almeno i prossimi 3-4 anni, e forse dovrebbero esserlo, ma gli acquirenti qui, i laboratori di frontiera, scelgono di lavorare su entrambi i lati del bancone. Anthropic avrebbe discusso di spendere oltre 1 miliardo di dollari in ambienti in un anno, lavorando con più di una dozzina di fornitori e costringendoli tutti a conformarsi ai suoi framework, commoditizzazione tramite procurement. OpenAI avrebbe registrato un marchio per una piattaforma dati interna volta a ridurre la dipendenza dagli stessi fornitori che arricchisce, e ha chiesto agli appaltatori di caricare artefatti di lavoro passato reale, il modo più educato per dire "vorremmo la fonte, non il rivenditore". xAI ha tagliato un terzo del suo team di annotazione interno per far crescere invece tutor specializzati. Karpathy, rialzista sugli ambienti come concetto, è pubblicamente ribassista sulla tecnica di addestramento che l'intera categoria monetizza.
Questo è già successo, all'interno di questo stesso settore. Tra il 2016 e il 2021 una generazione di aziende di dati si è nutrita dei programmi di guida autonoma, poi le case automobilistiche sopravvissute hanno riportato l'etichettatura all'interno e i fornitori più puri sono stati assorbiti o chiusi. Scale è sopravvissuta perché è saltata in tempo sull'onda degli LLM. Considera Appen. Un'azienda australiana, un tempo una darling quotata da 4 miliardi di dollari che forniva dati umani alla big tech, con, al suo apice, l'80% dei ricavi da cinque clienti. Nel gennaio 2024 Google ha cancellato il suo contratto senza preavviso. Il titolo è sceso di oltre il 95% da quel picco. Un'email di un cliente, un cambiamento di tecnica, e l'incumbent dell'intera categoria è diventato un caso di studio. Il settore farmaceutico è andato dall'altra parte, non ha mai riportato le sperimentazioni farmacologiche all'interno, e 40 anni dopo l'industria delle sperimentazioni in outsourcing continua a crescere. Entrambi i finali sono possibili qui. Quale ottieni è deciso da una legge.
Ma qual è la legge? Qualunque cosa una macchina possa verificare, le macchine alla fine impareranno senza di te. Qualunque cosa abbia ancora bisogno di un umano che dica "questo è buono" continua a pagare gli umani. Il codice può essere controllato, quindi è stata la prima vittima, e i laboratori ora estraggono i propri compiti di addestramento da repository pubblici a decine di migliaia. Il gusto, l'ambiguità, il giudizio regolamentato e il mondo fisico cadono per ultimi, forse mai. Non esiste un test unitario per ciò che vede un chirurgo senior, e non puoi fare un test unitario su una camicia piegata. La verifica è la scarsità. Vendi contro di essa e l'orologio lavora per te invece che contro di te.
Cosa dovrebbero comprare i soldi
Niente di tutto questo significa che l'onda dei dati sia falsa. I soldi sono reali, la crescita è reale, e la fisica del tapis roulant garantisce domanda per compiti più difficili per anni. Significa che l'onda premia una forma molto specifica di azienda, e punisce i cloni, in una nicchia dove un'azienda completamente bootstrap può spedire prodotto e un team di consegna offshore può sottocostare qualsiasi prezzo tu quoti. Quando il cliente numero uno di un mercato sta costruendo il tuo sostituto mentre paga le tue fatture, il tuo prodotto non è il fossato. La tua posizione lo è.
Quindi ecco la vera domanda, quella che i fondatori che stampano questi soldi si fanno a cena. Nessuno che gestisce un'azienda che genera 100-500 milioni di dollari di liquidità da ordini di acquisto a questi margini si fermerà. Né dovrebbe. Accetta ogni ordine. Fai funzionare la macchina a pieno regime. L'unico errore possibile in questa fase è trattare il windfall come il business invece che come il finanziamento per il business. Il reddito da ordini di acquisto è un ottimo carburante, ma ciò che segue è il menu di ciò che può comprare, e una lettura onesta di ogni opzione.
Approfondisci nei dati, non allargarti. La mossa pigra è orizzontale: più domini, più offerta generalista, competere con 4 giganti che possiedono la fiducia. La mossa che si accumula è verticale: scegli un dominio in cui la verifica rimane difficile, assumi i 200 migliori esperti come tuoi, e diventa l'unica controparte che i laboratori chiamano per quello. Una giovane azienda possiede l'audio. Una possiede la progettazione di chip. Una possiede la matematica avanzata. Nuovi gradini continueranno ad apparire man mano che i modelli avanzano, e i laboratori che generano i propri dati non pongono fine a questa domanda, la spostano lungo la curva di difficoltà verso chiunque possieda la cima di un dominio. Funziona quando possiedi veramente esperti scarsi. Fallisce quando i tuoi esperti sono intercambiabili con un foglio di calcolo di un rivale.
Vai nel fisico e possiedi l'intero ciclo. L'errore nei dati fisici è pensare che i guanti siano il business. L'acquisizione hardware è la parte economica. Le aziende che conteranno gestiranno l'operazione di raccolta dall'inizio alla fine: impiegano i lavoratori, costruiscono le attrezzature, assumono esperti del settore interni che sanno che aspetto ha una saldatura, una sutura o una procedura di blocco corretta, codificano come opera effettivamente un settore, e vendono lo scarico annotato con termini di esclusività. I quadrati più vuoti sulla mappa che sono riuscito a creare nella mia testa sono attrezzature industriali, raffinerie, pavimenti di fabbrica, miniere, luoghi dove non esiste alcun dataset a qualsiasi prezzo mentre tutti si accalcano intorno a demo relative a vendita al dettaglio, finanza e sanità. Tuttavia, questo funziona quando controlli l'acquisizione, la qualità e i diritti, e fallisce quando sei un intermediario per le telecamere di altre persone.
Continua a costruire ambienti, ma vendili più in alto nella pila. Il livello della replica di siti web da 20.000 dollari si sta già commoditizzando in hub open-source. Il livello durevole è ad alta fedeltà, valutato da esperti, esclusivo, e punta a 2 acquirenti, non 1. I laboratori oggi. Le imprese domani, e quel secondo acquirente cambia tutto. Satya Nadella ha detto a ogni azienda che pagano per l'intelligenza due volte, una in denaro e una nel giudizio proprietario che fuoriesce attraverso ogni prompt, quindi devono costruire le proprie valutazioni e i propri ambienti di apprendimento all'interno delle proprie mura. Leggilo come una specifica di prodotto. L'esatta abilità che hai costruito per il lavoro di laboratorio, trasformare un flusso di lavoro disordinato in un mondo con rubriche e verificatori, diventa palestre di addestramento private dietro il firewall di un cliente: il loro processo di sinistri, il loro trading desk, il loro ospedale, simulati in modo che i loro agenti possano imparare senza che il loro giudizio esca mai dall'edificio. Moltiplica il numero dei tuoi acquirenti da 5 a 5.000. Funziona perché cavalca lo stesso muscolo. Fallisce solo se aspetti che gli ordini di acquisto dei laboratori rallentino prima di costruirlo.
Entra nei flussi di lavoro aziendali con gli occhi aperti. Distribuire agenti all'interno delle aziende è lavoro di forward deployment: mappare come si muovono effettivamente le fatture, scoprire che la procedura operativa standard è una finzione, sedersi con il team finché le eccezioni non si fermano (ho recentemente scritto un articolo completo su questo). È una destinazione reale, e alcune aziende di dati costruiranno attività reali lì. Ma conosci la fisica prima di impegnare i soldi in questo. Le entrate dai dati arrivano come ordini di acquisto da 25 milioni firmati in settimane, le entrate aziendali arrivano come piloti da 500.000-2 milioni firmati in trimestri, e circa il 95% dei pilot di IA aziendali oggi mostra un ritorno misurabile nullo. La mossa funziona come un'unità gestita separatamente con aspettative separate e una propria leadership. Fallisce come progetto secondario gestito da chiunque il business dei dati possa risparmiare, perché il muscolo è diverso e richiede pazienza, embedding e codice collante invece di produttività.
Compra potenza di calcolo solo se alimenta il tuo prodotto. Più di un fondatore in questo mercato si chiede se i soldi dovrebbero diventare GPU e una piattaforma RL ospitata. La risposta onesta è che noleggiare potenza di calcolo grezza è una merce schiacciata tra hyperscaler e neocloud, e un tesoro pieno di silicio in deprezzamento non è un fossato. La versione che funziona è più stretta: ospitare i cicli di addestramento che girano all'interno dei tuoi ambienti, dove l'utilizzo è garantito da te e il cliente acquista il mondo più la palestra più il calcolo come un unico prodotto. Prime Intellect esegue già questa giocata allo scoperto. Ha regalato un hub di oltre 2.500 ambienti della community e vende il calcolo e l'addestramento ospitato che ci girano sopra. Gli ambienti sono la vetrina. Le GPU sono il checkout. Questa è una scommessa di venture, non una decisione di parcheggio di liquidità. Se fossi un fondatore che fa questo, prenderei la decisione deliberatamente o per niente.
Acquisisci il gradino successivo invece di costruirlo in ritardo. L'allocazione di capitale più istruttiva in questo mercato finora è che un gigante ha usato il suo windfall di ordini di acquisto per comprare 2 startup di ambienti in 5 mesi, acquistandosi la strada verso il nuovo gradino mentre i concorrenti stavano ancora assumendo per quello. In circa 18 mesi, il modello probabilmente posizionerà le aziende con ingegneri di ambienti reali che ameranno essere acqui-hired. La velocità è l'unico vantaggio qui. Hai un sacco di soldi, quindi un forziere di guerra più una mappa chiara di quale gradino arriva dopo batte la velocità organica in un mercato che si ridisegna ogni 18 mesi.
Vendi ai governi. Sta arrivando una nuova classe di clienti. I governi che acquistano programmi di IA sovrani avranno bisogno di pipeline di dati nazionali, corpora in lingua madre, valutazioni locali e dati fisici dalle proprie fabbriche e campi, per le stesse ragioni per cui acquistano le proprie reti elettriche.
E converti ciò che puoi in entrate che si rinnovano. Gli ordini di acquisto sono come il tempo. Parte di essi può essere trasformata in clima: abbonamenti di valutazione invece di vendite di benchmark una tantum, contratti di manutenzione degli ambienti invece di costruzioni una tantum, contratti di aggiornamento dei dati, programmi di certificazione che fatturano annualmente. Niente di tutto ciò sembrerà spettacolare come un ordine di acquisto da 50 milioni di dollari, e questa è la parte difficile: coprirti con pezzi meno lucenti. Perché tutto sopravvive al trimestre in cui l'ordine di acquisto non arriva.
E ho fallito come fondatore nel sapere questo: ci sono due errori da evitare. Entrare nella corsia generalista dei giganti, dove il premio di fiducia non può essere replicato da zero. E un aumento moderato a un multiplo smodato, che compra obblighi prezzati come software su economie che non lo sono affatto, chiudendo al contempo le due uscite che esistono realmente qui: rimanere privati e ricchi, o diventare infrastruttura che qualcuno deve possedere.
La fiducia è l'asset che si accumula
Ogni opzione in quel menu sopra passa attraverso lo stesso cancello. Le imprese non ti consegneranno il loro processo di sinistri, i laboratori non ti consegneranno le priorità di addestramento di frontiera, e i governi non ti consegneranno corpora nazionali a meno che la fiducia non sia stata costruita deliberatamente, e la fiducia in questo mercato non è una vibrazione, è una pila di impegni verificabili.
Le aziende che capiscono questo lo costruiscono come un prodotto. Prima viene convincere l'azienda a cui stai prendendo i dati che non stai portando via nulla di sensibile e che non stanno commettendo alcun errore per quanto riguarda la legge che li metterà nei guai. Le certificazioni di sicurezza e residenza prima che il cliente le chieda sono la norma. I benchmark pubblici sono un'altra forma di macchina di fiducia qui. Dall'altra parte, i laboratori che acquistano questi dati vogliono anche binari di provenienza: sessioni verificate da telecamere, attestazione delle credenziali, prova che un umano specifico ha fatto il pensiero, perché il segreto sporco della catena di fornitura sono gli annotatori che incollano l'output del modello come lavoro umano.
Aiuta avere clausole di neutralità: ad esempio, nessun laboratorio nel cap table, nessun singolo acquirente al di sopra di una quota di ricavi stabilita, imparato a proprie spese da tutti coloro che hanno visto i clienti di un rivale fuggire il giorno in cui un laboratorio ha comprato la metà di esso, anche se per il team di Scale AI forse è stato un risultato brillante. I programmi di certificazione degli esperti aiutano se riesci a costruire un marchio, in modo che "valutato dalla tua rete" inizi a significare qualcosa che un settore riconosce. Ognuno di questi è un asset che si accumula mentre i formati dei compiti muoiono o cambiano. Quando il formato cambia, e lo farà, all'incirca ogni 2 anni, la fiducia è ciò che si trasferisce al prodotto successivo.
La 50esima azienda
Scale e Mercor ci sono arrivate per prime e sono diventate enormi, quindi cosa dovrebbe fare la 50esima azienda?
Inizia con ciò che l'ascesa di Mercor insegna effettivamente, perché tutti copiano la parte sbagliata. La parte visibile è la velocità. Scale ha impiegato circa 4 anni per raggiungere il suo primo . La coorte successiva ha impiegato 2. Mercor ha impiegato meno di 20 mesi, Micro1 e AfterQuery più vicino a un anno, e una startup di ambienti è passata da 1 milione a 63 milioni di dollari in 6 mesi. I fondatori leggono questo come un mercato che diventa più gentile. È l'opposto. Ogni gradino è più ripido e più corto, e la stessa accelerazione che porta un nuovo arrivato a 100 milioni di dollari in un anno tira via il gradino da sotto di loro altrettanto velocemente. La velocità è una proprietà dell'onda, non della barca. Pensa a questo e avrai dei ripensamenti sull'andare su quella barca, perché questo gioco non è per tutti.
La parte che vale la pena copiare è più silenziosa. Mercor ha costruito il suo motore di verifica prima che la domanda esistesse, per un business completamente diverso, quindi quando l'onda è arrivata ha onboardato esperti fidati più velocemente di chiunque altro. Non ha mai avuto bisogno di incorporare ingegneri nei clienti o gestire team di servizi, il marketplace è rimasto la macchina, e quando è apparso il gradino successivo si è comprata la strada lì invece di costruire da dietro. E il leader bootstrap in questo mercato insegna la lezione inversa con la stessa morale: rimanendo redditizio e non vendendo mai equity, ha mantenuto l'opzione che tutti gli altri hanno venduto, l'opzione di dire di no, a qualsiasi cliente, qualsiasi struttura di accordo, qualsiasi trimestre. In un mercato in cui i tuoi clienti sono i tuoi futuri concorrenti, l'optionalità non è un lusso. È ciò che i tuoi margini stanno comprando.
Quindi la 50esima azienda entra dove la scala è ancora in costruzione: un dominio difficile posseduto completamente, rubriche e verificatori e ambienti venduti invece di ore, benchmark pubblicati dal primo giorno, la seconda classe di acquirenti costruita prima che sia necessaria, storia del capitale decisa dal primo giorno, bootstrap e mantieni l'opzione o raccogli molto e compra gradini, mai la via di mezzo. E se non ne stai fondando una ma stai decidendo se unirti a una, fai le stesse domande dall'interno: quale dei 6 prodotti vende effettivamente questa azienda, di chi possiede la fiducia, su quale orologio è il suo formato attuale, dove stanno andando i soldi degli ordini di acquisto, e chi è il secondo cliente dopo i laboratori. Un'azienda con buone risposte a queste vale la pena di unirsi perché sui razzi si imparano spesso cose in una timeline compressa.
Tra 5 anni
Qual è il punto di scrivere tutto questo se non sono incredibilmente giusto o orribilmente sbagliato su alcune di queste cose. Quindi ecco la mia visione a 5 anni.
Il mercato lordo cresce per anni. Il meccanismo della domanda non si ferma mentre la gara dei laboratori rimane irrisolta, e c'è uno stress test programmato sul calendario: le prime IPO dei laboratori (molto vicine oggi, a luglio 2026), quando la spesa per i dati diventa una voce di bilancio che gli analisti pubblici mettono in discussione ogni trimestre. La mia impressione è che la composizione ruoti violentemente sotto la crescita. Le ore muoiono per prime, e sono già per lo più morte. Gli ambienti generici si commoditizzano in hub aperti. Il valore si concentra nel giudizio di frontiera, nella verifica e nella provenienza, negli arbitri, nell'acquisizione fisica e nelle palestre private per le imprese, e se dovessi classificarli, verifica e palestre aziendali per prime perché entrambe diventano più forti man mano che i laboratori diventano più forti, fisico per secondo perché è l'unico segmento in cui l'offerta, piuttosto che la domanda, è il collo di bottiglia. Delle oltre 100 aziende che vendono ai laboratori oggi (ho creato una lista e mi sono arreso a metà quando ho capito che il tentativo era futile perché diventa obsoleto il minuto dopo), mi aspetto che meno di 10 siano ancora indipendenti e su scala nel 2031. La maggior parte cesserà le operazioni con alcuni fondatori ricchi. Il resto verrà assorbito, dai giganti che comprano gradini, o dai laboratori stessi, silenziosamente, per le persone.
I vincitori sono leggibili se guardi cosa stanno già facendo. Il leader di qualità bootstrap diventa il creatore di standard, il nome la cui accettazione è di per sé una certificazione. Il gigante acquisitivo diventa uno scambio in cui il lavoro degli esperti è prezzato, verificato e venduto, chiunque sia l'acquirente, e se i laboratori venissero mai spostati come clienti, i datori di lavoro si mettono in fila. I costruttori di ambienti che sopravvivono si svegliano come l'industria della simulazione aziendale. Gli arbitri, se rimangono non posseduti, finiscono il decennio assomigliando ad agenzie di rating, scritti nelle regole di procurement e forse nella legge. E da qualche parte nel mondo fisico, un'azienda che raccoglie dati industriali con fusione di sensori si sta accumulando per essere la Scale dell'era embodied, 5 anni prima su quella curva rispetto a tutti quelli che si accalcano su quella digitale.
Un fondatore in questo mercato ha sostenuto che i dati umani diventano un affare da trilioni di dollari all'anno, e coglie la cosa più profonda nel giusto: i modelli imparano dagli umani in ogni fase, per sempre. Ciò che il trilione perde è che prezza il tempo umano, non l'intermediario. La parte dell'intermediario è decisa dal fatto che possieda qualcosa di più scarso di un foglio di calcolo di appaltatori. La buona notizia per tutti coloro che costruiscono qui è che le cose scarse sono ora note, e ognuna di esse è costruibile con esattamente la liquidità che questo mercato sta generando: reti di esperti possedute, binari di provenienza, franchising di arbitri, cicli chiusi nel mondo fisico.
Ogni corsa all'oro finisce in uno di due modi: l'oro si esaurisce o i minatori si industrializzano. Questa finisce in un terzo modo: l'oro impara a scavarsi da solo. Quando ciò accade, i fornitori che rimarranno in piedi saranno quelli che hanno venduto alla miniera l'unica cosa che non potrà mai estrarre: la risposta alla domanda che ogni modello si pone e nessuno riesce a risolvere: che aspetto ha il "buono"? Tieni quella risposta in un ambito ristretto e hai un'azienda. Tienila in modo abbastanza credibile, per abbastanza tempo, e smetti di essere un venditore nella corsa di qualcun altro. Diventi parte del modo in cui la corsa viene segnata.
