Ang Makabagong Moat

Table of Contents

TL;DR #

Ang tumutukoy na moat ng negosyo ng ika-21 siglo, ang purong software, ay mabilis na gumuho habang itinutulak ng Generative AI ang gastos ng code patungo sa sero, na ginagaya kung paano nawasak na ng industriyal na aglomerasyon ng Tsina ang purong moat ng hardware. Dahil ang tanging hirap ng produksyon ay hindi na nagpoprotekta sa isang negosyo sa alinmang larangan, ang matibay na kita ay lumipat sa mga masalimuot na tahi sa pagitan ng mga bits at atoms. Upang makabuo ng isang kompanyang mapagtatanggol ngayon, kailangang talikuran ng mga tagapagtatag ang pangkalahatang modelo ng software vendor at sa halip ay kumilos bilang isang principal na nagmamay-ari ng isang tunay na pisikal na daloy ng trabaho mula dulo hanggang dulo. Sa pamamagitan ng mahigpit na pagsasama ng hindi bababa sa tatlo sa apat na pangunahing salik (pasadyang hardware, espesyalisadong software, kinita at nabuong mga ugnayan, at proprietary na datos), ang isang makabagong negosyo ay makapagbibigay ng garantisadong kinalabasan habang tahimik na kinokolekta ang saradong-loop na datos na nagiging tunay na moat, dahil ang isang katunggaling nagsisimula ngayon ay hindi humahabol sa isang nakapirming lamang, kundi sa isa na lumalawak sa tuwing may trabahong natatapos.

Paunang Salita at Layunin #

Ang ulat na ito ay isang pagpapalawak ng iisang pahayag na pinaghuhugutan ng lahat ng iba pa sa aking teorya ng moat: ang purong software ay hindi na isang mapagtatanggulang moat, at ang purong hardware ay tumigil nang maging ganoon noong ang Tsina ay lumaki at naipalawak ang hegemonya nito sa paggawa. Ang dalawang iyon ay kadalasang binabanggit na parang mga slogan. Ang nais kong gawin dito ay alisin ang slogan at ilagay ang mekanismo. Nais kong ipaliwanag, sa antas ng aktuwal na ekonomiya, kung bakit naganap ang bawat pagbagsak, aling mga tiyak na palagay ang tahimik na nabasag, kung paano pinatitingkad ng dalawang pagbagsak ang isa’t isa, at kung saan maaari pa ring makuha ang matibay na kita. Isinulat ko ito upang makatindig nang mag-isa, upang ang isang magiging mambabasa, o isang magiging modelo, ay makuha ang buong argumento nang hindi na kailangan ang pag-uusap na nagluwal dito.

Narito ang tesis, minsan at sa pinakatumpak na paraan na maipapahayag ko ito. Sa loob ng humigit-kumulang tatlumpung taon, ipinagpalagay ng estratehiya sa teknolohiya na ang digital na mundo ay lumilikha ng matibay, mataas ang margin, mapagtatanggulang kita habang ang pisikal na mundo ay lumilikha ng manipis, hindi naiiba-iba, mababang-margin na komoditi na output. Ang dalawang pagkabigla ay hindi sabay dumating. Unang binasag ng industriyal na aglomerasyon ng Tsina ang defensibility ng hardware na nakabatay sa produksyon, karamihan sa pamamagitan ng mga taong 2000 at 2010. Binabasag naman ng Generative AI ang defensibility ng software na nakabatay sa produksyon sa kalaunan, sa mga taong 2020. Itinulak ng Generative AI ang marginal na gastos ng paggawa ng software patungo sa sero, na naglusaw sa mga hadlang na nagiging mapagtatanggol ang software. Itinulak ng industriyal na aglomerasyon ng Tsina ang gastos at latency ng pisikal na iterasyon pababa sa gastos at latency ng software, na naglusaw sa mga hadlang na nagiging mapagtatanggol ang hardware. Kaya hindi na maaaring sumilong ang isang negosyo sa bits lamang o sa atoms lamang. Ang matibay na bentahe ay lumipat palabas sa alinman sa iisang dimensyon at papunta sa mahigpit na pag-uugnay ng dalawa, kasama ang mga ugnayan at proprietary na datos.

Ang dokumento ay nasa dalawang hati:

Ang pagsusuri. Ano ba talaga ang moat, bakit mapagtatanggol noon ang bawat larangan, anong mga alitan ang nilusaw ng bawat pagkabigla, at ano ang natitira. Ang bahaging ito ay pagsusuring ekonomiko at hihinto ito kung saan humihinto ang pagsusuri.Ang makabagong moat. Ano ba talaga ang binubuo ng defensibility ngayon na hindi ka na poprotektahan ng bits o atoms nang nag-iisa, at kung ano ang hitsura ng isang kumpanyang itinatag dito sa praktika.

Bahagi Isa: Ano Ba Talaga ang Moat #

Bago ko ipaliwanag kung paano gumuho ang mga moat, kailangan kong maging eksakto tungkol sa kung ano ang moat, dahil ang maluwag na paggamit ng salita ang responsable sa karamihan ng masasamang pag-iisip sa estratehiya na nakita ko. Ang moat ay hindi isang magandang produkto. Ang moat ay hindi isang pansamantalang lamang. Ang moat ay hindi ang pagiging una. Ang moat ay isang estruktural na katangian ng isang pamilihan na nagpapahintulot sa isang kumpanya na kumita nang higit sa halaga ng kapital nito sa mahabang panahon nang hindi natatangay ng kompetisyon ang mga kita na iyon. Sa wika ng industriyal na ekonomiks, ang moat ay isang matibay na pinagmumulan ng economic rent.

Ang economic rent ay ang sobrang kinikita ng isang kumpanya nang lampas sa minimum na tatanggapin nito upang manatiling bukas, at sa isang tunay na kompetitibong pamilihan, ang sobrang iyon ay nauuwi sa sero. Sa ilalim ng perfect competition, ang presyo ay itinutulak pababa hanggang sa marginal na gastos, ang mga kumpanya ay kumikita lamang ng kanilang gastos sa kapital, at walang labis na kita na nananatili. Ang bawat balangkas tungkol sa defensibility ay talagang isang teorya kung paano nakakaiwas ang isang partikular na kumpanya sa hatak na iyon patungo sa pagpepresyo batay sa marginal na gastos at sa serong kita.

Ang klasikong listahan ay nagmumula kay Michael Porter, na ang balangkas ng limang puwersa ay naging pamantayang kasangkapan para rito mula pa noong 1979, na kalauna’y pinatibay pa ng komunidad ng value investing. Nagbibigay ito ng iilang tunay at matibay na pinagmumulan ng rent:

Mga hadlang sa pagpasok na pumipigil sa mga bagong kakompetensya na makapasokMataas na switching costs na pumipigil sa mga umiiral nang customer na umalisNetwork effects, kung saan mas nagiging mahalaga ang produkto habang mas marami ang gumagamit nito** Economies of scalena nagpapahintulot sa mga incumbent na lampasan ang mga bagong pumapasok Proprietary na IP o proteksiyong regulatorina legal na nagbubukod sa mga gagaya Kontrol sa isang limitadong input o distribusyon channel**na hindi maabot ng mga karibal

Bawat Pinagmumulan ng Rent ay Isang Alitan

Narito ang pananaw na pinagbabatayan ng natitirang bahagi ng ulat na ito. Ang bawat isa sa mga pinagmumulan ng rent na iyon ay isang alitan. Ang moat ay talagang isang anyo lamang ng alitan na hindi madaling malampasan ng mga kakompetensya:

• Ang mataas na switching costs ay alitan sa pag-alis ng customer. - Ang mga hadlang sa pagpasok ay alitan sa pagdating ng kakompetensya. - Ang network effects ay alitan sa koordinasyong kailangan upang sabay-sabay na lumipat ang mga gumagamit sa ibang lugar. - Ang sukat sa paggawa ay alitan sa kapital at panahong kailangang ilubog ng isang pumasok bago maabot ang kompetitibong unit cost.

Mahalaga ang pagbibigay-bagong-balangkasin na ito, dahil sinasabi nito sa iyo nang eksakto kung ano ang ginagawa ng isang bagay tulad ng generative AI, o ng isang bagay tulad ng industriyal na densidad ng Tsina, sa isang pamilihan. Ang mga puwersang ito ay hindi umaatake sa mga produkto. Ina-atake nila ang mga alitan. Sila ay mga teknolohiyang lumulusaw ng alitan. At ang teknolohiyang lumulusaw ng alitan ay, ayon sa depinisyon, isang teknolohiyang lumulusaw ng moat.

Ang buong argumento ng ulat na ito ay maaaring siksikin sa isang pangungusap:

gumuho ang mga moat ng software at hardware dahil ang mga tiyak na alitang lumilikha ng kanilang rent ay siya mismong mga alitang napakahusay alisin ng AI at ng aglomerasyon ng Tsina.

Bahagi Dalawa: Ang Makasaysayang Moat ng Software at Bakit Nagpaprenta ng Salapi ang Bits #

Upang maunawaan ang pagbagsak, kailangan mo munang maunawaan kung bakit ang software ang historikal na pinakamagandang istruktura ng negosyo na natagpuan ng kapitalismo, dahil ang pagbagsak ay simpleng pagbabaligtad lang ng mga bagay na nagpaganda rito.

Ang software ay may halos natatanging istruktura ng gastos. Pinagsama nito ang mataas na fixed cost para gawin ang unang kopya at halos serong marginal na gastos upang kopyahin at ipadala ang bawat kasunod na kopya. Ang pagsusulat ng unang bersyon ng isang komplikadong programa ay nangangailangan ng isang bihira, mahal, at mabagal sanaying grupo ng mga engineer na nagtatrabaho nang maraming buwan o taon. Ngunit kapag naisulat na ito, ang milyong-siyam na kopya ay halos walang gastos na gawin at walang gastos na ihatid. Ang asimetring iyon ay lumilikha ng napakalaking operating leverage. Ang mature na horizontal software ay maaaring mag-post ng gross margins na nasa walumpung porsiyento, gaya ng ipinahiwatig ng Atlassian para sa Q2 FY2025, dahil ang kita ay lumalago kasabay ng mga gumagamit habang ang cost of goods sold ay halos hindi gumagalaw. Ngunit mas hindi pangkalahatan ang pahayag na iyon kaysa dati dahil ang software na mabigat sa konsumo tulad ng Snowflake ay mas malapit sa 67 porsiyentong gross margin noong FY2025, bahagya dahil ang ikatlong-partidong cloud infrastructure ay nasa loob ng cost of revenue. Sa ekonomikong termino, ang software ay kumikilos na parang purong information good, at ang information goods ay binabasag ang normal na ugnayan sa pagitan ng produksyon at gastos na namamahala sa pisikal na komoditi.

Ngunit ang mababang marginal na gastos lamang ay hindi lumilikha ng moat. Kung kahit sino ay maaaring gumawa ng mabuti nang mura, ang mababang marginal na gastos ay nagbibigay sa iyo ng mapaminsalang kompetisyon, hindi ng rent. Nakamit ng software ang rent dahil ang mataas na fixed cost ng unang kopya ay nagsilbing hadlang sa pagpasok, at dahil may ilang iba pang alitan na nakapatong dito:

Kakulangan ng talento sa engineering. Ang paggawa ng hindi-banal na software ay nangangailangan ng mga taong mahal, mahirap kuhanin, at mahirap pag-ugnayin, kaya’t karamihan sa mga magiging kakompetensya ay hindi man lang makabubuo ng pangkat upang makagawa ng kapani-paniwalang kopya.Oras. Kahit ang isang mahusay na pondong kakompetensya ay mangangailangan pa rin ng maraming buwan upang i-reverse engineer, i-spec, buuin, subukan, at ilabas ang isang katunggaling produkto, at sa mga buwang iyon, ang incumbent ay may pansamantalang monopolyo upang mag-ipon ng mga gumagamit, kita, at mas marami pang lalim ng produkto.Switching cost. Kapag nailipat na ng isang customer ang datos nito sa isang sistema, naipagsanay na ang tauhan nito sa interface na iyon, at naihabi na ang sistema sa lahat ng iba pa sa pamamagitan ng mga custom na integrasyon, ang pag-alis ay nagiging napakamahal kahit may lumabas na mas mahusay at mas mura.Ang kalkulasyon ng build versus buy. Dahil mahal at mapanganib din ang pagbuo ng custom na internal software, makatwirang bumili ang mga kumpanya ng karaniwang produktong ready-made sa halip na bumuo ng sarili nila, na nagsisiguro ng malaking pamilihan para sa mga vendor ng naka-package na software.Network effects at naipong proprietary na datos, na nakapatong pa sa lahat ng ito sa pinakamahuhusay na kaso.

Ang Estruktural na Kahinaan

Tingnan mo kung ano ang bumubuo sa listahang iyon. Isa lamang sa limang alitang iyon, ang network effects, ay likas sa demand side ng produkto. Ang apat na iba pa, kakulangan sa talento, oras ng pagbuo, switching cost, at ang parusa ng build versus buy, ay lahat supply side production frictions. Mga artefact ang mga ito ng kung gaano kahirap, kabagal, at kamahal gawin at palitan ang software.

Iyan ang kahinaan. Ang negosyong ang depensibilidad ay nakasalalay nang higit sa kung gaano kahirap likhain ang bagay ay depensibleng lamang hangga’t nananatiling mahirap ang produksyon. Sa sandaling bumagsak ang gastos sa paggawa at pagpapalit ng software, bumabagsak kasabay nito ang apat sa limang haligi, at ang natitirang nakatayo na lamang ay ang epekto ng network sa panig ng demand.

Eksaktong ang pagbagsak na iyon ang inihatid ng generative AI.

Bahagi Tatlo: Ang AI Shock at ang Pagkawatak-watak ng Software Moat #

Ang tamang paraan upang ilarawan kung ano ang ginawa ng generative AI sa ekonomiks ng software ay ituring ito bilang isang shock sa production function ng software. Sa batayang ekonomiks, ang gastos sa paggawa ng anumang bagay ay isang function ng gastos ng mga input nito. Para sa software, ang nangingibabaw na input ay palaging bihasang gawaing kognitibo ng tao, lalo na ang paggawa ng business requirement tungo sa wastong, nasubok, at naideploy na code. Ang gawaing iyon ang kakaunti at mamahaling input na lumilikha ng hadlang sa pagpasok.

Direktang inaatake ng generative AI at ng mga autonomous coding agent ang input na iyon. Nagge-generate sila, nagre-refactor, nagde-debug, nagdo-dokumento, at nagde-deploy ng code sa isang bahagyang bahagi ng historikal na gastos sa maraming gawain. Natuklasan ng isang controlled GitHub Copilot experiment na natapos ng mga developer ang isang bounded coding task nang 55.8 porsiyentong mas mabilis, at natuklasan ng isang field study sa 4,867 developers ang 26.08 porsiyentong mas maraming natapos na gawain. Totoo ang epekto, ngunit hindi pantay, dahil natuklasan ng isang 2025 randomized trial ng METR na ang mga may karanasang open source developer na nagtatrabaho sa pamilyar at mature na codebase ay 19 porsiyentong mas mabagal gamit ang mga maagang-2025 AI tool, kahit naniniwala silang mas mabilis sila. Ang ligtas na konklusyon ay hindi na pinapabilis ng AI ang bawat engineer sa bawat sitwasyon. Ito ay na pinapaliit ng AI ang gastos sa paggawa ng code, lalo na para sa mga bounded, greenfield, at mas junior na gawain. Ang kakaunting input ay ginagawang mas masagana. Kapag bumagsak ang presyo ng kritikal na kakaunting input, ang hadlang sa pagpasok na itinayo sa kakapusan na iyon ay bumabagsak kasabay nito. Ang isang mekanismong iyon ay kumakalat sa lahat ng apat na supply side na haligi.

Nakikita ang pagbabago sa mga tool na talagang ginagamit ng mga developer. Nauna ang IDE-native na copilots tulad ng Cursor. Sumunod ang terminal-native na coding agents tulad ng Claude Code, Codex CLI, Kiro CLI, at OpenCode, kung saan binabasa ng modelo ang repo, nag-eedit ng mga file, nagpapatakbo ng mga command, at umuulit sa iisang kapaligiran gaya ng engineer. Ngayon ay umuusbong ang ikatlong layer sa paligid ng multi-agent orchestration, kasama ang mga tool tulad ng Conductor, Superset, at Hermes Agent na nag-uugnay ng ilang agent sa iba’t ibang proyekto at kapaligiran. Malinaw ang pag-usad. Mula ito sa autocomplete, tungo sa autonomous agents, tungo sa pag-o-orchestrate ng maraming agent nang sabay-sabay, at lalo pa lamang bibilis ito. Mas magiging madali bawat taon ang pag-automate ng digital na trabaho, at ang mga tool na ngayon ay nangangailangan ng bihasang operator ay bukas ay mangangailangan ng mas kaunti at mas kaunting interbensyon ng tao.

1. Ang Pagbagsak ng Hadlang sa Pagpasok

Ang paglulunsad ng kapani-paniwalang software product ay dati nang nangangailangan ng tunay na seed capital, at karamihan nito ay napupunta sa pagkuha ng mga engineer na kailangan para bumuo ng MVP. Ang pangangailangan sa kapital na iyon ang nagsala sa merkado. Tanging ang mga venture na nakakakuha ng pondo at nakakapagrekrut ng talento ang talagang nakakapaglabas ng produkto, at ang resultang kakulangan ng mga kakumpitensya ay bahagi mismo ng proteksiyon ng incumbent.

Kapag ang isang developer na may mahusay na AI tooling ay nakakapagdisenyo, nakakapagtayo, at nakakapaglunsad ng isang pulido at gumaganang application sa isang maliit na bahagi lamang ng dating oras at gastos, nawawala ang salaan na iyon. Bumubuhos ang merkado ng mga bagong pumasok. Sa mga terminong pangkompetisyon, ang supply curve ng mga software feature ay malaki ang paglipat palabas, at sinasabi sa iyo ng batayang price theory kung ano ang susunod na mangyayari nang walang anumang kalabuan. Kapag ang supply ng isang substitutable good ay matinding lumawak laban sa halos nakapirming demand, bumabagsak ang presyo patungo sa marginal cost, at dahil ang marginal cost ng software ay malapit sa zero, hinihila rin ang presyo papunta sa zero. Ang napakalabis na kasaganaan ng supply ng software ay, sa mekanikal na paraan, ang pagkawasak ng pricing power ng software.

2. Ang Pagbagsak ng Temporal na Kalamangan

Ito marahil ang pinakamahalagang software moat sa lahat. Ang buong lohika ng mabilis na shipping at pag-iterate ay nakasalalay sa katotohanang ang nailunsad na feature ay binibigyan ang lumikha nito ng ilang buwang eksklusibong lamang bago ito makopya ng iba. Ang lead time na iyon ang bintana kung saan naitatatag ang network effects, brand, at mga customer.

Pinapaliit ng AI ang imitation cycle mula buwan tungo sa oras. Maaaring obserbahan ng isang kakumpitensya ang interface ng isang produkto, ilarawan ang kilos nito sa isang coding agent, at makakuha ng gumaganang clone halos kaagad, nang hindi kailanman nakikita ang orihinal na source code, dahil ang halaga ay hindi naman talaga nasa partikular na code. Nasa specification ito, at ang mga specification ay napakamura nang ipatupad ngayon.

Kapag ang imitation lag ay naging zero, ang pansamantalang monopolyo na nagbigay-katwiran sa mabilis na inobasyon ay naglaho. Patuloy pa ring nangyayari ang inobasyon, ngunit tumitigil itong kumita ng matibay na premium, dahil ang gantimpala para sa pag-innovate ay kaagad na naibibigay sa mga manggagaya. Ito ay isang klasikal na halimbawa ng tinawag ni David Teece na appropriability problem sa kanyang 1986 na papel tungkol sa pagpopondo mula sa teknolohikal na inobasyon. Nagbabayad lamang ang inobasyon kapag nakokolekta ng innovator ang sapat na halaga na nalilikha nito bago ito maagaw ng imitasyon. Itinutulak ng AI ang appropriability ng purong software innovation patungo sa zero.

3. Ang Pagkawatak ng Switching Costs

Ito ang pinakamatibay sa tradisyunal na software moat, dahil gumagana ito kahit malinaw na mas mahusay ang kalabang produkto. Ngunit ang switching costs ay binubuo rin ng mga friksyon: paglilipat ng data mula sa isang schema patungo sa iba, muling pagbuo ng mga custom integration, at muling pagsasanay sa staff sa isang di-pamilyar na interface. Bawat isa sa mga iyon ay eksaktong uri ng nakakapagod na trabaho ng pagsasalin na batay sa pattern na mahusay sa AI.

Ang AI-driven na data mapping ay nakakapag-ingest, nakakapanormalisa, at nakakapaglilipat ng isang kumplikadong database mula sa istruktura ng isang sistema tungo sa iba nang mabilis at mura. Pinapababa ng natural language interfaces ang gastos sa retraining, dahil ang mga user ay lalong nakikipag-ugnayan sa pamamagitan ng usapan sa halip na kabisaduhin ang isang proprietary na menu tree, na nangangahulugang ang naipong kasanayang nakalock sa interface ng isang vendor ay hindi na gumagana bilang switching penalty.

Habang bumababa ang gastos sa pag-alis, bumababa rin ang lifetime value ng isang nakuhang customer, tumataas ang customer acquisition cost kaugnay ng lumiit na lifetime value na iyon, at lumalala ang unit economics ng buong subscription model. Ang moat na nakabatay sa kawalan ng kakayahan ng customer na umalis ay nabubuwag kapag naging mura ang pag-alis.

4. Ang Pagbaligtad ng Build Kumpara sa Buy

Tahimik nitong winawasak ang mismong addressable market. Bumibili ang mga kumpanya ng packaged software dahil ang pagbuo ng mga custom internal tool ay masyadong mahal, masyadong mabagal, at masyadong mapanganib upang bigyang-katwiran maliban sa kanilang pinaka-differentiated na pangangailangan. Ang parusa sa pagbuo nang internally na iyon ang mismong nagtiyak na malaki ang merkado para sa mga vendor.

Kapag pinapayagan ng AI agents ang mga internal team, kahit ang mga hindi teknikal, na lumikha ng custom applications na nakaayon sa sarili nilang mga workflow, nawawala ang parusa sa pagbuo, at ang makatuwirang pagpili ay lumilipat mula sa pagbili ng generic na subscription tungo sa paglikha ng pribadong tool na eksaktong akma at walang paulit-ulit na lisensya.

Hindi lamang nito pinatitindi ang kompetisyon sa pagitan ng mga vendor. Pinapaliit nito ang kabuuang addressable market na pinag-aagawan ng mga vendor, dahil ang lumalaking bahagi ng demand sa software ay natutugunan na sa loob ng kumpanya at hindi na umaabot pa sa external market. Lumilipat ang halaga mula sa mga external software vendor tungo sa internal operational capability, na ang ibig sabihin ay tumitigil itong maging market at nagiging in-house na cost efficiency.

Ito rin ang tinawag kong Internal Software Leverage sa aking sulatin, The Barbell of Software Value, na tinitingnan mula sa panig ng vendor sa halip na mula sa panig ng mamimili.

Ang Resulta at Ano ang Hindi Nabubuwag

Kapag pinagsama mo ang apat na mekanismong iyon, makukuha mo ang commoditization ng purong software. Pumapasok ang industriya sa software hyper abundance, kung saan ang mga functional application ay mura nang buuin, agad nang makokopya, at lalong nililikha na sa loob on demand. Sa ganyang kondisyon, ang code mismo ay tumitigil bilang pinagmumulan ng rent, eksakto tulad ng anumang kalakal na tumitigil mangolekta ng rent kapag ito ay naging masagana at mapapalit. Napaghihiwalay ang halaga sa code.

Ang pagiging tapat ay nangangailangan ng malinaw na pagsasabi kung ano ang hindi bumabagsak, dahil ang pagsobra ng pahayag dito ay magpapamali rito. Inaatake ng generative AI ang supply side production frictions. Sa sarili nito, hindi nito inaatake ang demand side at system-level frictions.

Nananatili ang network effects, dahil kayang kopyahin ng AI ang software ng isang social network sa loob ng isang hapon ngunit hindi nito kayang kopyahin ang mga user, at ang mga user ang asset.Nananatili at mas lalo pang lumalakas ang proprietary data moats, dahil pinapamura ng AI ang code habang pinapamahal ang bihirang data na nagsasanay dito.** Nananatili ang distribution at brand**, dahil nananatiling kakaunti ang atensyon at tiwala kahit libre na ang mga feature.** Nananatili ang regulatory at compliance barriers**, dahil hindi makakalikha ang isang coding agent ng banking license, medical device clearance, o aviation certification.** Nananatili ang malalim na integration sa pisikal o regulated na operational reality**, dahil mura ang code, ngunit hindi mura ang pag-install ng sensors, pagkamit ng tiwala, at pagpapatakbo sa ilalim ng regulatory approval.

Kaya ang tumpak na pahayag ay hindi na lahat ng negosyo ng software ay namamatay. Ito ay na ang tiyak, minsan nang nangingibabaw na moat ng purong, hiwalay, nakapaketeng software, na ipinagtatanggol ng kahirapan sa pagsulat at pagpapalit ng code, ay nawasak na. Ang nananatili ay software na nakaangkla sa isang bagay na hindi kayang murang kopyahin ng AI: isang network, isang dataset, isang posisyong pangregulasyon, isang kanal ng pamamahagi, o isang pisikal na operasyon. Ang software na malayang lumulutang mula sa lahat ng mga iyon ay isa nang kalakal.

Bahagi Apat: Ang Makasaysayang Hardware Moat at Bakit Mahirap ang Mga Atomo #

Ang argumento tungkol sa hardware ay sumusunod sa parehong disiplina. Una, itatag kung bakit noon ay mapagtatanggol ang hardware, pagkatapos ay ipakita kung alin sa mga depensang iyon ang nilusaw ng sistema ng pagmamanupaktura ng Tsina.

Ang hardware ay mapagtatanggol sa halos kabaligtarang mga dahilan kung bakit ang software ay ganoon, at itinuring ng mga pamilihang kapital ang dalawa bilang mga kabaligtaran. Kung ang software ay halos walang marginal na gastos, ang hardware ay may mataas at matigas na marginal na gastos, dahil bawat pisikal na yunit ay kumakain ng mga materyales, enerhiya, paggawa, at oras ng makina. Kung ang software ay kaagad at walang hangganang naipapadala, ang hardware ay nakatali sa pisika ng pagmamanupaktura at lohistika. Ang mga katangiang iyon ay ginawang masamang negosyo ang hardware sa margin, ngunit ginawa rin nila ito, nang nakapagtataka, na mapagtatanggol sa isang tiyak na paraan, dahil ang kahirapan ng pisikal na produksyon ay kumilos bilang isang hadlang na nagpoprotekta sa isang maayos na pinapatakbong kumpanya ng hardware mula sa basta-bastang panggagaya.

Ang mga espesipikong salik na pumrotekta sa hardware ay ang mga ito:

Kapital sa tooling. Ang paggawa ng isang pisikal na produkto sa sukdulang dami ay nangangailangan ng espesyalisadong tooling, pangunahin ang mga injection mold at casting die na ginagamit upang hubugin ang mga plastik at metal na bahagi, at ang mga kasangkapang iyon ay nagkakahalaga ng sampu-sampu o daan-daang libong dolyar at nagpipilit ng mataas na minimum na dami ng order. Iyan ay isang matigas na pader ng kapital na hindi kayang akyatin ng karamihan sa mga bagong papasok, at pinoprotektahan nito ang mga umiiral na manlalaro na nakapag-amortisa na ng kanilang tooling. - Latensiya ng pag-ulit. Ang pagpino ng isang pisikal na disenyo ay nangangahulugan ng pagputol ng bagong tooling, pag-aayos ng mga toleransiya, at pagpapatakbo ng mga pisikal na batch ng pagsusuri, isang ikot na tumatagal ng mga linggo o mga buwan bawat pag-ikot at malaki ang gastos sa bawat pagkakataon, kaya ang mga pisikal na produkto ay umuunlad nang dahan-dahan at ang isang kakompetensiya ay mangangailangan ng mahabang mamahaling kampanya upang makahabol. - Pagbuo ng supply chain. Ang isang pisikal na produkto ay isang bill of materials na kinukuha mula sa maraming espesyalisadong supplier, at ang mga supplier na iyon noon ay nakakalat sa iba’t ibang kompanya, rehiyon, at bansa, kaya ang pagsasama-sama ng isang gumaganang supply chain ay nangangahulugang pakikipagnegosasyon sa magkakahiwalay na vendor, pagsalo sa mahahabang lead time, at pamamahala ng masalimuot na lohistika. - Kaalaman sa katumpakan at proseso. Ang naipong, kadalasan ay tahasang hindi naisasalin, na kaalaman kung paano talaga magmanupaktura ng isang disenyo sa katanggap-tanggap na yield. Hindi ito naililipat mula sa isang guhit. Kailangan mo itong matutunan sa pamamagitan ng paggawa. - Pamamahagi. Ang pangangailangang maiparating ang pisikal na produkto sa harap ng mga mamimili sa pamamagitan ng mga retailer, distributor, at espasyo sa istante na sila mismo ay mahirap makuha at may mga tagapagbantay.

Tingnan muli ang komposisyon, tulad din ng sa software. Ang hardware moat ay higit na isang hanay ng mga hadlang sa produksyon at lohistika: kapital sa tooling, latensiya ng pag-ulit, pagbuo ng supply chain, yield ng proseso, at pisikal na pamamahagi. Ito ay ipinagtanggol ng kung gaano kahirap, kabagal, at kamahal na gawing naipadalang pisikal na bagay ang isang disenyo. At eksaktong tulad ng software, ang isang depensang itinayo sa kahirapan ng produksyon ay matibay lamang habang nananatiling mahirap ang produksyon.

Ngunit ang ambag ng Tsina sa kasaysayang pang-ekonomiya ay ang paggawa sa pisikal na produksyon, sa napakalaking saklaw ng mga kalakal, na hindi na mahirap.

Bahagi Lima: Ang Shock ng Tsina, Industrial Agglomeration, at ang Katapusan ng Hardware Moat #

Ang pinakakaraniwang hindi pagkaunawa sa pangingibabaw ng pagmamanupaktura ng Tsina ay ang kuwento raw nito ay tungkol sa murang paggawa. Bahagya itong totoo sa unang yugto at halos mali na ngayon, at ang pagkakamali rito ay diretso patungo sa nabigong konklusyon na ang reshoring, o paglilipat ng produksyon sa susunod na bansang may mababang sahod, ay magbabalik sa lumang kaayusan.

Ang tunay na paliwanag ay nagtayo ang Tsina, sa densidad at sukat na walang nakitang katulad noon, ng penomenong inilarawan ni Alfred Marshall mahigit isang siglo na ang nakalipas bilang industrial agglomeration. Ang agglomeration na iyon, hindi ang arbitrage ng sahod, ang nagwasak sa hardware moat. Ang pagkakaibang ito ang buong punto ng bahaging ito, at hindi ako ang unang nagsabi nito. Naitala na ni Andrew “bunnie” Huang ang bersiyon nito sa Shenzhen nang personal sa loob ng mahigit isang dekada sa The Hardware Hacker.

Mga Panlabas na Ekonomiya ni Marshall

Ang industrial agglomeration ay ang sariling nagpapalakas na heograpikong pagbuo-buo ng magkakaugnay na mga industriya, mga supplier ng bahagi, mga gumagawa ng subassembly, mga tagaproseso ng hilaw na materyales, mga gumagawa ng kasangkapan, mga kontratang manufacturer, mga tagapagbigay ng lohistika, at espesyalisadong may kasanayang paggawa, na lahat ay siksik sa iisang rehiyon. Tinukoy ni Marshall kung bakit ang mga kumpol na iyon ay lumilikha ng mga kalamangan na walang hiwalay na kompanya ang makakatapat:

• Lumilikha sila ng isang malalim na pinagsasaluhang pool ng paggawa ng mga espesyalisadong manggagawa. - Sinusuportahan nila ang mga espesyalisadong lokal na supplier na hinding-hindi mabubuhay sa paglilingkod sa isang malayong kostumer ngunit umuunlad sa paglilingkod sa isang masiksik na kumpol ng mga ito. - Lumilikha sila ng pagtagas ng kaalaman, kung saan ang mga pagpapabuti sa proseso ay mabilis na kumakalat sa buong kumpol dahil ang mga taong may kaugnayan ay pisikal na magkakalapit at nagpapalipat-lipat.

Ang tatlong puwersang iyon ang mga panlabas na ekonomiya ni Marshall, at nangangahulugan ang mga ito na ang isang kompanya sa loob ng kumpol ay nakakakuha ng mas mababang gastos, mas mabilis na pag-ulit, at mas mahusay na impormasyon kaysa sa isang kaparehong kompanya sa labas nito, gaano man kaepektibo ang kompanyang nasa labas sa sarili nitong paraan.

Pagbagsak ng mga Gastos sa Transaksyon

Sa Pearl River Delta, at lalo na sa Shenzhen, ang agglomeration ay umabot sa isang densidad na walang makasaysayang nauna. Ang praktikal na bunga nito ay pinakamadaling makita sa pamamagitan ng economics ng transaction cost ni Ronald Coase. Ipinaliwanag ni Coase na ang hangganan at bilis ng aktibidad pang-ekonomiya ay pinamamahalaan ng mga gastos sa transaksyon, ang gastos sa paghahanap ng mga supplier, pakikipag-usap sa mga tuntunin, at pag-uugnay ng produksyon sa iba’t ibang kompanya. Sa isang nakakalat na supply chain ang mga gastos na iyon ay napakalaki, at sila ang tunay na laman ng ikatlong hadlang ng hardware moat.

Sa isang napakasiksik na kumpol, ang mga gastos sa transaksyon ay halos nawawala. Ang buong supply chain para sa karamihan ng mga elektronik at mekanikal na aparato ay nasa loob ng isang maliit na radius, kaya ang paghahanap, pag-sourcing, pakikipagnegosasyon, at pag-uugnay na noon ay tumatagal ng mga linggo sa iba’t ibang kontinente ay tumatagal na ngayon ng ilang oras sa loob ng isang distrito. Maaaring i-spec ng isang taga-disenyo ang isang aparato, makuha ang bawat bahagi nang lokal sa parehong araw, magpagawa at magpalagay ng isang pasadyang circuit board nang magdamag, at makapaghawak ng gumaganang prototype kinabukasan ng umaga.

Hindi ito murang paggawa. Ito ay halos ganap na pag-aalis ng gastos sa transaksyon at latensiya ng pag-ulit, na isang likas na naiibang at mas makapangyarihang bagay.

Mula sa densidad na iyon, apat na mekanismo ang sumira sa hardware moat, na tumutugma sa apat na AI na inilapat sa software.

1. Ang Pagbagsak ng Latensiya ng Pag-ulit

Ito ang bersiyong hardware ng pagkawala ng temporal na bentahe ng software. Sa nakakalat na supply chain sa Kanluran, ang isang pag-ikot ng pisikal na disenyo ay tumatagal ng mga linggo at malaki ang gastos, kaya dahan-dahang umuunlad ang hardware at nananatili ang kalamangan sa pagpino ng umiiral na kompanya. Sa loob ng kumpol, ang pisikal na pag-ulit ay halos umaabot sa bilis ng pag-ulit ng software. Ang mga mold ay binabago, ang mga layout ng board ay inaayos, at ang mga test batch ay pinapatakbo sa loob ng mga araw.

Ang estratehikong bunga nito ay malupit. Ang anumang disenyo ng hardware na naisip sa Kanluran ay maaaring mapansin, ma-reverse engineer, ma-optimize para sa pagiging mapaggawaan, at maiprodukto nang masa sa loob ng kumpol nang mas mabilis kaysa makapagtatapos ang orihinal na kumpanyang Kanluranin ng sarili nitong ikalawang prototype. Ang lead time ng orihinal, na pinagmumulan ng renta nito, ay negatibo. Ang gumagaya ang unang nagpapadala ng pinahusay, mas murang bersiyon.

2. Ang Pagbagsak ng Kapital sa Tooling

Ito ang bersiyong hardware ng pagbagsak ng hadlang sa pagpasok ng software. Ang sampu-sampung libong dolyar at mataas na minimum na dami ng order na noon ay humahadlang sa pisikal na produksyon ay na-optimize na palabas sa loob ng kumpol sa pamamagitan ng mabilis na computer-controlled machining, mga pamantayang modular mold base na nire-reconfigure sa halip na ukitan mula sa simula, at matinding kompetisyon sa mga shop ng tooling na may mataas na throughput. Ang maliit na batch, lubhang naiaangkop na hardware ay maaari na ngayong malikha sa isang istruktura ng gastos na dati ay para lamang sa malalaking multinasyunal. Ang pader ng kapital na nagsasala sa mga papasok sa hardware ay malaki nang bumagsak, tulad ng sa nagsala sa mga papasok sa software, at binabaha ng merkado ang parehong inaasahang pababang presyon sa presyo.

3. Ang Kurba ng Karanasan, Pinalakas ng Automation

Ang mekanismong ito ang permanenteng naglalock sa kalamangan sa gastos, at ito ang dahilan kung bakit hindi maaaring ma-arbitrage palayo ang bentaha sa pamamagitan ng paglipat sa ibang lugar. Ang Batas ni Wright, na unang inilarawan ni Theodore Wright noong 1936 mula sa datos ng produksiyon ng eroplano at kalaunan ay pinalawak ng Boston Consulting Group bilang experience curve, ay isa sa mga pinaka-maaasahang empirikal na regularidad sa industriyal na ekonomiks. Ipinapahayag nito na para sa maraming produkto, bumabagsak ang unit cost ng isang pare-parehong porsiyento sa tuwing dumodoble ang pinagsama-samang dami ng produksiyon, dahil natututo ang organisasyon, sa pamamagitan ng naipong paggawa, kung paano magmanupaktura nang mas mahusay.

Dahil ang cluster ang lumilikha ng napakalaking bahagi ng pandaigdigang pinagsama-samang dami sa napakaraming kategorya ng produkto, nakapuwesto ito nang malayo sa ibaba ng experience curve kung saan nakapuwesto sa tuktok ang sinumang bagong pumapasok na may mababang pinagsama-samang dami. Ang makabagong pagmamanupaktura ng Tsina ay lalo pang nagpapalakas sa kalamangang iyon sa pamamagitan ng kapital na masinsing automation, advanced robotics, high speed automated optical inspection, at vertical integration na umaabot hanggang sa hilaw na materyales.

Ito ang eksaktong punto kung saan namamatay ang paliwanag na gastos sa paggawa. Ang modernong bentaha ay hindi mababang sahod. Ito ay naipong pagkatuto plus awtomatikong sukat plus densidad ng supplier, at hindi maidaduplicate ng isang bagong dating ang kumbinasyong iyon sa anumang panandaliang aksiyon, mataas man ang sahod o mababa ang sahod, dahil hindi mo mabibili agad ang mga dekada ng pinagsama-samang karanasan sa produksiyon o ang ekosistemang pang-supplier sa paligid nito.

4. Ang Pagbagsak ng Friction sa Distribusyon

Ito ang bersiyong hardware ng AI na kinakain ang pangangailangang dumaan sa mga nananaig na channel ng software. Ang mga pandaigdigang digital marketplace at napakahusay na logistics ng parsela ay nagpapahintulot sa mga tagagawa sa loob ng cluster na laktawan nang buo ang mga Western distributor, wholesaler, at retail shelf space, sa halip ay direktang maglista sa mga pandaigdigang platform at magpadala sa pinto ng konsumer sa loob ng ilang araw. Ang huling friction na nagpoprotekta sa isang incumbent hardware brand, ang kontrol nito sa mga istante at channel, ay nalalampasan. Ang isang aparatong may tungkuling katumbas ay umaabot sa parehong customer sa isang bahagi lamang ng presyo ng branded na produkto nang hindi man lang hinahawakan ang sistema ng distribusyon ng incumbent.

Ang Industrial Commons at Bakit Napakahirap ng Reshoring

Ang pinakamahalagang bunga ng lahat ng ito, at ang kadalasang hindi pinapansin, ay tungkol sa reshoring, at dito mahalaga ang ideya ng industrial commons. Pinangalanan ito nina Gary Pisano at Willy Shih sa Restoring American Competitiveness (PDF) noong 2009. Ang kanilang obserbasyon ay ang kakayahan sa pagmamanupaktura ay hindi pag-aari ng mga indibidwal na kumpanya. Ito ay pag-aari ng isang ekosistema, isang pinagsasaluhang lokal na base ng mga supplier, toolmaker, process engineer, at tahimik na kaalaman.

Kapag inilipat ng isang bansa sa ibang lugar ang produksiyon, hindi lamang nito nawawala ang mga pabrika. Sa paglipas ng panahon nawawala rin nito ang nakapalibot na commons, dahil ang mga supplier, toolmaker, at bihasang process engineer ay humihina o lumilipat kapag wala nang lokal na demand na nagpapanatili sa kanila. Kapag nawala na ang commons, walang isang kompanya o subsidiya ang makabubuo ulit nito nang mabilis, dahil ang iisang pabrikang ibinalik sa sariling bansa ay walang lokal na supplier, walang lokal na toolmaker, walang lokal na hanay ng mga bihasang process engineer, at samakatwid ay wala ring mga Marshallian external economies na nagpagaan at nagpagana sa cluster noong una.

Kaya napakahirap at napakamahal ng pag-reshore ng isang commoditized na kategorya ng hardware. Ang kalamangang sinusubukang likhain muli ng nagre-reshore ay hindi kailanman nasa loob ng pabrika. Nasa ekosistema ito sa paligid ng pabrika, at ang ekosistemang iyon ay wala na sa sariling bansa. Hindi lumipat sa Tsina ang moat dahil mas magaling ang mga kompanyang Tsino bilang mga indibidwal. Lumipat ito dahil lumipat ang commons, at ang commons ay isang kolektibong asset na hindi kayang buuin muli ng indibidwal na pagkilos.

Ang makro na kongklusyon para sa hardware ay eksaktong kahawig ng para sa software. Sa sandaling malaman ang mga specs ng isang pisikal na produkto, maaaring kopyahin ito ng napakasiksik na ekosistemang pang-manupaktura, i-optimize ito para sa paggawa, at ipamahagi ito nang direkta sa istruktura ng gastos na pumapawi sa margin ng orihinal na lumikha. Ang standalone hardware, na ipinagtatanggol lamang ng hirap ng pisikal na produksyon, ay naging commoditized, dahil ang hirap na iyon, para sa napakalawak na hanay ng mga kalakal, ay wala na.

Bahagi Anim: Ang Sunud-sunod na Pagbagsak at ang mga Estratehikong Bunga Nito #

Karaniwan, hiwalay na sinusuri ng mga tao ang dalawang pagbagsak, at ayon sa kronolohiya ay dapat nga. Nauna ang pagbagsak ng hardware. Ang agglomeration sa Tsina ay nagpahina sa defensibility ng hardware na nakabatay sa produksyon sa consumer electronics at maraming mid-complexity na kalakal ilang taon bago naging mahalaga ang mga generative AI coding tool. Sumunod ang pagbagsak ng software. Ang aktuwal na pangyayari para sa isang founder ngayon ay hindi na sabay silang nagsimula. Ito ay na kapuwa na ngayon naroroon ang dalawang kondisyon sa merkado.

Nag-aalok pa rin ang mga naunang panahon ng ruta ng pagtakas. Kapag naging kompetitibo ang software, maaaring magtungo ang kapital sa defensible na hardware. Kapag naging kompetitibo ang hardware, maaaring magtungo ang kapital sa defensible na software. Ang dalawang domain ay mga salit-salitang kanlungan. Hindi na gumagana ang rotasyong iyon. Nawala na ng purong atomo ang moats nito sa produksiyon, at nawawala na ngayon ng purong bits ang sa kanila. Wala nang purong bits na masisilungan at wala nang purong atomo na masisilungan. Ito ang mas malalim na kahulugan ng barbell na isinulat ko noong nakaraang taon. Ang gitna, kung saan umaasa ang isang kumpanya na isang dimensiyon lang ang mahirap, ay nabulok mula sa magkabilang panig.

Unang Epekto: Pangkalahatang Presyur na Deflationaryo

Kapag ang marginal cost ng software ay lumalapit sa zero at ang epektibong gastos ng pisikal na pagdodoble ay lumalapit sa napakahusay na ibabang palapag ng cluster, itinutulak ng kompetisyon ang mga presyo sa parehong domain pababa patungo sa mga palapag na iyon. Iyon ay disinflationary para sa mga konsumer at mapanira para sa mga producer na walang moat, at ipinapaliwanag nito ang isang palaisipan na napapansin ng maraming tao, na ang napakalaking teknolohikal na pag-unlad ay nasa tabi mismo ng pumipisil na margins para sa mga kumpanyang aktuwal na gumagawa ng produksiyon. Ang progreso ay nasasamsam ng mga konsumer at ng mga gumagaya sa halip na ng mga inobador, eksaktong dahil bumagsak ang appropriability sa parehong domain.

Ikalawang Epekto: Lumilipat ang Rent sa Kahabaan ng Smiling Curve

Si Stan Shih, ang tagapagtatag ng Acer, ay nagpanukala ng smiling curve bandang 1992. Iguhit ang value added laban sa mga yugto ng produksiyon sa isang manufacturing value chain at makakakuha ka ng hugis na parang ngiti. Inangkop ito ni Ben Thompson sa publishing, na kapaki-pakinabang basahin dahil ipinapakita nitong ang kurba ay hindi talaga tungkol sa pagmamanupaktura. Narito ang orihinal:

Ang mga yugto ni Shih ay ang mga sumusunod:

Mataas na value sa itaas ng chain, na nangangahulugang disenyo, branding, at intellectual property** Isang malalim na bangin sa gitna**, na nangangahulugang pisikal na assembly at pagmamanupaktura, ang yugto na pinakamadaling maging commoditized** Mataas na value sa ibaba ng chain**, na nangangahulugang distribusyon, serbisyo, at ugnayan sa customer

Pinatag at commoditized ng pag-angat ng Tsina ang gitna ng kurbang iyon para sa hardware. Ang generative AI ay ngayon nagco-commoditize ng katumbas na gitna para sa software, na siyang simpleng pagsulat ng code. Magkapareho ang sumusunod na instruksyon sa parehong kaso: iwan ang commoditized na gitna at lumipat sa mga dulo ng ngiti.

Ngunit ang mga dulo ay eksaktong mga asset sa demand side at system level na hindi kayang kopyahin nang mura ng AI o ng densidad ng pagmamanupaktura. Sa itaas ng chain, ang ibig sabihin nito ay proprietary data, tunay na pananaliksik, at lehitimong insight sa disenyo. Sa ibaba ng chain, ang ibig sabihin nito ay brand, tiwala, distribusyon, posisyong regulatori, at pagmamay-ari ng ugnayan sa customer at ng operational na kinalabasan.

Ikatlong Epekto: Lumilipat ang Rent sa mga Siwang

Ito ang bunga na nag-uugnay sa pagsusuri sa estratehiya. Ang matibay na rent ay lumipat mula sa anumang iisang dimensiyon at napunta sa pagkakabit ng mga dimensiyon, at sa mga asset na nasa labas pa ng produksiyon. Kung libre ang purong code at mura ang purong atomo, kung gayon ang mga friction na patuloy na lumilikha ng rent ay yaong mga nakatira sa mga siwang:

Ang mahigpit na co-design ng custom hardware na may custom software, upang alinman sa dalawa ay hindi magamit ng isang gumagaya nang wala ang isa pa.** Ang proprietary data na nalilikha sa pagpapatakbo ng isang tunay na pisikal o reguladong workflow**, na bihira nang eksakto dahil ito ay byproduct ng pagsasagawa ng trabaho at hindi isang bagay na maaaring kopyahin.** Ang malalim, mabagal buuing mga relasyon at regulatori na akreditasyonsa konserbatibong mga industriya, kung saan ang mas murang clone ay nadidiskwalipika bago pa man ito masuri ng sinuman. Ang posisyon ng principal**, kung saan ang isang kumpanya ay hindi nagbebenta ng isang tool na maaaring gawing commodity kundi sa halip ay nagmamay-ari ng operasyon, sumasalo ng pananagutan, ginagarantiyahan ang kinalabasan, at kinukuha kapwa ang buong profit pool at ang eksklusibong data exhaust.

Ang mga friction na ito ay hindi kayang tunawin ng AI at ng agglomeration sa Tsina sa estruktural na paraan, dahil hindi naman sila mga production friction. Sila ay mga friction ng tiwala, ng pisikal na access, ng regulasyon, ng naipong obserbasyon sa totoong mundo, at ng operational na pagmamay-ari.

Bahagi Siete: Mga Hangganan, mga Kontraargumento, at Pagiging Tapat Tungkol sa mga Ito #

Ang ganitong kalawak na tesis ay kailangang sumailalim sa pagsubok laban sa pinakamalakas nitong mga pagtutol, dahil ang isang estratehiyang nakabatay sa isang labis na pinalaking palagay ay nabibigo mismo kung saan naging labis na malakas ang palagay.

Pagtutol 1: Ang Software na Ginawa ng AI ay Hindi Pa Antas-Panghangganan

Ang unang pagtutol ay na ang software na ginawa ng AI ay hindi pa katumbas ng software na inhenyerong ginawa ng mga eksperto para sa pinakamahihirap, pinakamataas ang pagiging maaasahan, o tunay na makabagong mga sistema, at na may umiiral pa ring tunay na hangganan ng kalidad na naghihiwalay sa karaniwang paglikha mula sa hangganan ng inhenyeriya.

Totoo ito at mahalaga ito. Ang argumento ng pagiging komoditi ay pinakamalakas na naaangkop sa malaking katawan ng karaniwang software ng aplikasyon na ang lohika ay matagal nang nalakaran. Sa tunay na hangganan, sa mga bagong algorithm, sa mga sistemang nangangailangan ng matinding pagiging maaasahan o seguridad, at sa mga problemang walang naunang halimbawa sa datos ng pagsasanay, ang eksperto at pantao na paghuhusga ay patuloy na may halaga. Kaya ang tumpak na pahayag ay na binubuwag ng AI ang moat para sa komoditizable na mayorya ng software, hindi na inaalis nito ang lahat ng halaga ng software.

Ngunit mahalaga sa estratehiya ang direksiyon ng paggalaw, dahil ang hangganang nananatiling mapagtatanggol ay makitid, palaging lumilipat, at isang masamang pundasyon para sa pangmatagalang negosyo maliban na lang kung nakaangkla ito sa isa sa mga hindi-pangproduksiyong moat sa itaas.

Pagtutol 2: Hindi Pantay ang Dominasyon ng Tsina at Pinagtatalunang Pampolitika

Ang ikalawang pagtutol ay na ang dominasyon ng pagmamanupaktura ng Tsina ay hindi pantay sa iba’t ibang kategorya at ngayon ay nahaharap sa malalaking puwersang panimbang sa geopolitika, kabilang ang mga taripa, mga kontrol sa pag-export, reshoring na itinulak ng pambansang seguridad, at sadyang friend shoring ng mahahalagang supply chain.

Totoo rin ito. Ang argumento ng pagiging komoditi ay pinakamalakas para sa consumer electronics, mga produktong mekanikal, at mga assembly na may katamtamang kumplikasyon, at pinakamahina sa pinakatuktok ng teknolohikal na stack, lalo na sa advanced semiconductor fabrication, kung saan ang matinding kapital na kailangan at ang iilang hindi mapapalitang supplier ay lumilikha ng sarili nilang mga moat. Maaari ring artipisyal na ibalik ng polisiya ang mga alitan na inalis ng agglomeration, sa pamamagitan ng mga taripa na nagpapataas sa nakalapag na halaga ng manggagaya o mga kontrol sa pag-export na nagkakait sa kanya ng mga input.

Ngunit ang mga puwersang panimbang na iyon ay sa katunayan nagpapalakas sa sentral na konklusyon sa halip na pahinain ito, dahil kapwa ang nananatiling moat sa semiconductor at ang moat ng reshoring na itinulak ng polisiya ay, muli, hindi mga moat ng purong hardware. Ang mga iyon ay moat ng matinding lawak ng kapital, ng hindi mapapalitang posisyon ng supplier, at ng ugnayang regulatori at geopolitikal. Sila mismo ang mga hindi-pangproduksiyon, relasyunal at pangposisyong alitan na sinasabi ng ulat na doon lumipat ang renta.

Pagtutol 3: Bakit Napakakikita pa rin ng Kita ng Malalaking Kasalukuyang Nangunguna?

Ang ikatlong pagtutol ang maselang isa. Kung parehong komoditi na ang software at hardware, bakit napakalaki pa rin ng kita ng pinakamalalaking kasalukuyang nangunguna sa teknolohiya?

Ang sagot ay na ang mga kasalukuyang nangungunang iyon ay hindi kailanman talaga naprotektahan ng purong software o purong hardware. Ang kanilang tunay na moat ay mga network effect, kontrol sa distribusyon at atensyon, eksklusibong datos sa saklaw na sibilisasyonal, ecosystem lock in, at sa ilang kaso ay regulasyong nakatanim na. Ang pagbagsak na inilalarawan dito ay hindi nagbabanta sa alinman doon, at sa ilang paraan ay lalo pa itong nagpapalakas, dahil habang nagiging komoditi ang purong produksyon, tumataas ang relatibong halaga ng mga hindi-pangproduksiyong asset na hawak na ng mga kasalukuyang nangunguna.

Ito ay ganap na tugma sa tesis. Ang pagiging komoditi ng produksyon ay hindi nagpapapantay sa lahat ng kita. Inililipat nito ang kita palayo sa mga kumpanyang tanging kalamangan ay na mahirap ang produksyon, at papunta sa mga kumpanyang nagmamay-ari ng mga alitan na hindi kayang abutin ng produksyon. Nananatili ang mga kasalukuyang nangunguna dahil hindi naman sila kailanman mga negosyong iisang dimensiyon lamang. Iyan ang aral, hindi ang eksepsiyon.

Bahagi Walo: Sintesis at ang Tulay Patungo sa Makabagong Moat #

Ang dalawang pagbagsak sa ulat na ito ay, sa pinakapuso, iisang mekanismo na inuulit sa dalawang domain, hindi iisang pinagsaluhang timeline. Sa parehong kaso, isang uri ng negosyo ang nakakuha ng matibay na renta dahil ang produksyon ay mahirap, mabagal, at mahal. Sa parehong kaso, isang puwersang nagpapawalang-singaw sa alitan, generative AI sa digital na domain at hyper dense industrial agglomeration sa pisikal na isa, ang nagpadali, nagpagaan, at nagpamura sa produksyon. Sa parehong kaso, ang renta na ipinagtanggol ng hirap ng produksyon ay naglaho sa sandaling tumigil nang maging mahirap ang produksyon.

Eksakto ang simetriya, at ang pagkakapansin dito ay mas mahalaga kaysa sa alinmang kalahati nang paisa-isa, dahil inilalantad nito ang pangkalahatang batas sa ilalim ng pareho:

Ang anumang moat na binubuo lamang ng hirap ng paggawa ng isang bagay ay pansamantala, at tumatagal lamang ito hanggang sa may makaisip kung paano gawing madali ang bagay na iyon.

Direktang sumusunod ang estratehikong korolaryo. Dahil ni bits lamang ni atoms lamang ay hindi makapagsisilbing kanlungan ng isang negosyo, ang pagiging mapagtatanggol ay kailangang buuin mula sa mga alitang naligtas sa parehong pagbagsak:

Ang mahigpit, saradong integrasyon ng pasadyang hardware at pasadyang software, upang hindi maaaring paghiwa-hiwalayin at kopyahin ang sistema nang piraso-piraso.** Ang eksklusibo, patuloy na nire-refresh na datos na nalilikha bilang byproduct ng pagpapatakbo ng isang tunay na workflow**, na hindi maaaring kopyahin dahil kailangan itong paghirapan sa pamamagitan ng operasyon.** Ang malalalim na relasyon, tiwala, at regulasyong katayuan ng konserbatibong mga industriya**, na hindi kayang likhain ng anumang coding agent at anumang contract factory.** Ang pasyang mag-operate bilang principal sa halip na vendor**, na inaangkin ang workflow at ang kinalabasan nito upang ang buong pool ng kita at ang buong data exhaust ay manatiling nakulong sa loob sa halip na maipagbili.

Ang isang makabagong kumpanyang pang-venture scale ay mapagtatanggol lamang sa antas na pinagsasama nito ang ilan sa mga naligtas na alitang iyon sa isang pinagsamang operating system na gumaganda habang tumatakbo. Ang lahat ng dating moat dahil mahirap itong buuin ay ngayon ay komoditi dahil madali na itong buuin. Ang nananatiling mapagtatanggol ay ang mahirap maabot, mahirap pagkatiwalaan, mahirap mapasok sa pamamagitan ng regulasyon, at mahirap obserbahan nang hindi ginagawa ang tunay na trabaho.

Ang hinaharap na moat ay hindi gawa sa bits, at hindi rin gawa sa atoms. Ito ay gawa sa mga siwang sa pagitan nila, at sa mga relasyon at kinita nang datos na walang sinuman ang makagagaya nang hindi nakatayo kung saan ka nakatayo.

Konklusyon sa Pagsusuri #

Ang tatlumpung taong paradigma na itinuring ang software bilang maaasahang makina ng mapagtatanggol na kita at ang hardware bilang komoditiyang mababa ang margin ay hindi lamang basta nagbago. Ang dalawang pundamental nitong palagay ay sunud-sunod na napatunayang mali. Pinawalang-bisa ng agglomeration ng industriya ng Tsina ang palagay na mahirap unang i-iterate at gawing-manufacture ang hardware. Pinapawalang-bisa ng generative AI ang palagay na mahirap ngayon likhain at palitan ang software.

Dahil ang parehong moat ay nakasalalay pangunahin sa hirap ng produksyon, at dahil ang hirap na iyon ang tiyak na target ng parehong puwersang nagpapawalang-singaw sa alitan, bumagsak ang parehong moat. Ang renta na dating napupunta sa sinumang kayang buuin ang bits o pekein ang atoms ay ngayon dumadaloy sa mga mamimili at manggagaya, maliban na lang kung naipangkabit ng isang firm ang sarili nito sa isang alitan na hindi maaabot ng pagbagsak ng produksyon.

Ang mga naligtas na alitang iyon, integrasyon, eksklusibong operasyonal na datos, pinagkakatiwalaang relasyon, posisyong regulatori, at pangunahing pagmamay-ari ng isang tunay na workflow, ang siyang pinuntahan ng matibay na halaga. Ang pagbuo ng mapagtatanggol na kumpanya sa panahong ito ay nangangahulugang tumangging umasa sa kahit anong iisang dimensiyon bilang mahirap, dahil walang anumang bagay na sadyang mahirap lamang gawin ang nananatiling mapagtatanggol kapag naging madali ang paggawa nito.

Ang lahat ng nasa itaas ay pagsusuri. Itinatakda nito kung saan napunta ang renta at kung bakit, ngunit humihinto ito sa antas ng prinsipyo, at ang isang prinsipyo ay hindi nagsasabi kung ano ang aktuwal na hitsura ng isang kumpanyang nakabatay dito. Ang bahaging ito ay ang sagot. Tinutukoy nito kung ano ang binubuo ng pagiging mapagtatanggol ngayon, at kung ano ang hitsura nito kapag pinagsama sa isang tunay na negosyo.

Ang Barbel #

Bago ang mga tuntunin sa pagbuo, makatutulong na gawing malinaw ang barbel, dahil patuloy itong tinutukoy ng pagsusuri nang hindi inililista ang mga dulo nito. Inilatag ko ito noong 2025 sa The Barbell of Software Value, kung saan inihanay ko ang aking Internal Software Leverage Theory laban sa abundance thesis. Na ang konklusyon ay ang halaga ng software ay nagiging polarizado sa dalawang kumpol na may bumabagsak na gitna.

Sa isang dulo ay naroon ang malalaking pundamental na primitive, foundation models, compute infrastructure, cloud platforms, chips, at core AI infrastructure. Ang mga ito ay ipinagtatanggol ng intensity ng kapital, ekonomiya ng saklaw, at konsentrasyon ng pananaliksik sa antas na hindi kayang abutin ng isang bagong venture sa praktika. Hindi ito ang oportunidad na inilalarawan ko. Ito ang kapaligirang kinalalagyan nito.

Ang Google ang kaso sa kisame. Pinagsasama nito ang mga LLM model, TPU, cloud infrastructure, Search, Android, YouTube, Maps, Chrome, default distribution, at eksklusibong datos sa isang saklaw na halos walang makakahipo. Hindi iyon ginagawang pattern ng startup. Ginagawa nitong ganap na naisakatuparan ang itaas na polo ng barbel. Hindi ka maaaring magsimula doon. Ang pinatutunayan ng Google ay ang mekanismo, na kapag naging mura ang produksyon, ang matibay na halaga ay lumilipat sa compute, distribusyon, infrastructure, datos, at posisyon sa ecosystem na hindi basta maaring marentahan ng bagong kalahok. Pansinin din ang hangganan. Ang Google ang nagpapatakbo ng auction. Kadalasan ay hindi nito pagmamay-ari ang kinalabasan ng advertiser. Iyan ang dahilan kung bakit ang Waymo, hindi ang Search, ang mas malinaw na halimbawa ng principal-position sa bandang huli.

Sa kabilang dulo ay naroon ang lubos na espesipikong pribadong leverage. Malalim na pagmamay-ari ng workflow, automation ng pisikal na mundo, mga prosesong regulatori, pagpapalit sa ekspertong paggawa, eksklusibong operasyonal na datos, at pagmamay-ari ng kinalabasan. Ang dulo na ito ay naaabot, at ipinagtatanggol ito ng eksaktong mga hindi-pangproduksiyong alitan na tinukoy ng pagsusuri bilang mga naligtas.

Ang mapanganib na gitna ay pangkalahatang software. Ito ang web app, ang dashboard, ang CRUD tool, ang workflow manager, at ang manipis na wrapper sa ibabaw ng isang model API. Napipiga ito mula sa itaas ng mga primitive, na patuloy na sumisipsip ng pangkalahatang kakayahan papunta sa kanilang sarili, at mula sa ibaba ng pagbagsak sa gastos ng paggawa ng anumang pangkalahatang bagay sa lahat. Ang isang produkto sa gitna ay madaling gawin, madaling kopyahin, madaling angkinin ng isang umiiral nang kumpanya bilang isang feature, at kadalasan ay napakaliit ng pagmamay-ari nito sa value chain ng customer upang maipagtanggol ang isang presyo.

Ang Apat na Salik na Moat #

Ang pagiging mapagtanggol ngayon ay hindi nagmumula sa isang mataas na pader. Nagmumula ito sa pag-uugnay ng maraming kalamangan. Apat na magkakaibang haligi ang nakaliligtas sa dobleng pagbagsak ng produksyon ng hardware at software. Kailangang magkaroon ang isang matatag na makabagong kumpanya ng kapani-paniwalang landas patungo sa hindi bababa sa tatlo sa mga ito. Hindi isa. Tatlo. Hindi na nagbibigay-proteksiyon sa sinuman ang iisang dimensyon, at hindi na rin ito mangyayari sa hinaharap.

Mahusay na Hardware

Ang mahusay na hardware ay hindi nangangahulugang pag-imbento ng mga kakaibang aparato. Tiyak na hindi ito nangangahulugang pagbebenta ng isang matalinong gadget na may tubo. Ang isang nakikitang, madaling kopyahin, at hiwalay na ibinebentang aparato ay eksakto kung ano ang pinakamabilis na winawasak ng mga manufacturing cluster. Nakakamit ng hardware ang lugar nito kapag hindi ito ang produkto, kundi ang instrumento. Binibigyan nito ang kumpanya ng pribilehiyadong pisikal na pag-access sa isang proseso na walang kakompetensya na makakapanood mula sa labas. Sinasanay nito ang pisikal na mundo, kinokolekta ang proprietary na data, nagsasagawa ng mga pisikal na aksyon, at isinasantabi ang workflow, na ginagawang mas mahirap kopyahin ang software sa ibabaw nito. Simple ang pagsubok. Maaari bang alisin ang hardware at ibenta nang mag-isa? Kung maaari, isa itong gadget at magiging commodity ito. Kung wala itong saysay nang walang software, data, at operasyong nakapalibot dito, gumagawa ito ng moat na trabaho.

Mahusay na Pasadyang Software

Ang mahusay na pasadyang software ay hindi pangkalahatang SaaS at hindi rin ito mas magandang interface. Gumagana ito sa loob ng isang tiyak na pisikal o regulasyong proseso, awtomatikong isinasagawa ang mga desisyong may tunay na bigat pang-ekonomiya, inuugnay ang paggawa o mga makina, at kinukuha ang mga pagwawasto at edge case habang nangyayari ang mga ito. Pansinin kung ano ang nagbibigay dito ng depensa. Hindi ang code, na ipinakita ng pagsusuri na mura na ngayon, kundi ang pagdepende nito sa operasyonal na pag-access, proprietary na data, at malalim na kaalaman sa workflow na hindi makukuha ng kakompetensya sa simpleng pagkopya ng interface. Mahirap kopyahin ang software hindi dahil mahirap itong isulat, kundi dahil mahirap marating ang mga bagay na nakakabit dito.

Mahusay na Relasyon

Ang mahusay na mga relasyon ay kabilang sa pinakamatibay na moat sa mga mahihirap na industriya. Ganap silang hindi tinatablan ng pagkomoditiya ng parehong hardware at software. Kabilang dito ang regulasyong akreditasyon, tiwala ng customer, access sa distribusyon para sa mga konserbatibong mamimili, at pangmatagalang operasyonal na pakikipagsosyo. Makikita mo ito sa mga sektor tulad ng depensa, pangangalagang pangkalusugan, konstruksyon, at imprastraktura. Ang mga mamimili sa mga pamilihang iyon ay hindi kailanman pipili ng vendor dahil lang medyo mas mahusay ang software, at sa maraming kaso, kahit pa ito ay 10x na mas mahusay. Bumibili sila batay sa tiwala at rekord ng pagtupad, pagiging maaasahan, pananagutan, pagsunod, at patunay. Karaniwang nadidiskwalipika ang mas murang kopya bago pa may sinumang magsuri dito. Ang mga relasyon ay nangangailangan ng panahon, reputasyon, at talaan ng tunay na pagganap. Hindi kayang likhain ng mga AI agent o ng isang assembly line sa Shenzhen ang tiwala nang magdamag.

Natatanging Data

Ang natatanging data ang pinakamahalaga sa apat at ang madalas na pinaka-mali ang pagkaunawa ng mga tao. Hindi lahat ng data ay mahalaga, at ang pangkalahatang na-scrape na data ay halos walang halaga bilang moat ngayon. Ang mahalagang data ay pribado, tacit, at antas ng eksperto, pisikal at tiyak sa workflow, nalilikha mula sa tunay na operasyon, at puno ng mga edge case, pagwawasto, at kabiguang hindi lumilitaw sa anumang pampublikong corpus. Hindi mo mabibili ang ganitong uri ng data, at hindi mo rin ito masescrape. Nalilikha lamang ito bilang byproduct ng pagpapatakbo ng isang buhay na operasyon sa pamamagitan ng isang saradong loop ng apat na yugto:

ObserbasyonDesisyonAksyon****Resulta

Dito rin nagsisimulang magpalakas sa isa’t isa ang apat na salik. Ang hardware ay nagmamasid at kumikilos, ang software ay nagpapasya at nag-uugnay, ang mga relasyon ay nagbibigay ng access sa workflow, at ang natatanging data ay lumalago mula sa mga resulta.

Karamihan sa mga kumpanya ay kinukuha lamang ang unang yugto ng daloy ng data na ito. Kailangan ng moat ang lahat ng apat, ibig sabihin ay alam mo hindi lang kung ano ang nangyari, kundi kung anong desisyon ang ginawa bilang tugon, anong aksyon ang aktuwal na isinagawa, at kung gumana ba ang resulta. Ang ikaapat na yugto, ang nabeberipikang resulta, ang siyang gumagawa sa data na maipatuturo at ang siyang nagpapalakas ng kalamangan. Bawat natapos na trabaho ay nagpapahusay sa sistemang gumagawa ng susunod na trabaho, na siyang tanging anyo ng kalamangan sa buong dokumentong ito na lumalago sa halip na nabubura.

Kapag Ang Mga Loop ay Lumalago at Kapag Humihinto ang Mga Ito

Ang saradong loop ay tila hindi maiiwasan sa abstrakto. Sa praktika, karamihan sa mga pagtatangkang bumuo nito ay nabibigo. Ang loop ay isang pahayag, hindi isang batas, at mayroon itong mga tiyak na failure mode na mas kapaki-pakinabang unawain kaysa sa kaso ng tagumpay.

Nabusog ang data: Ang halaga ng naiipong data ay sumusunod sa kurba ng diminishing returns. Sa deep learning,natuklasan nina Sun et al. na ang pagganap sa mga gawain sa vision ay tumaas nang logarithmically kasabay ng dami ng training data, na nangangahulugang bawat pagdodoble ng dataset ay bumibili lamang ng panibagong pagtaas, hindi ng panibagong himala. Ang unang libong execution ang nagtuturo sa iyo ng pinakamarami. Ang susunod na sampung libo ay nagtuturo nang mas kaunti. Ang susunod na isang daang libo ay halos walang bagong itinuturo. Ang kakompetensyang nagsisimula nang mas huli ay kadalasang nakakaaabot sa 90 porsiyento ng iyong performance gamit ang isang maliit na bahagi ng historikal na data, na pinapaliit ang agwat nang mas mabilis kaysa sa ipinahihiwatig ng mga hilaw na bilang. - Maaaring hindi iyo ang data upang gamitin: Nakalilikha ka ng proprietary na data sa pamamagitan ng workflow, ngunit kung sinasabi ng iyong kontrata na ang customer ang may-ari nito at hindi mo ito mapagsasama sa iba’t ibang deployment, mayroon kang limampung magkakahiwalay na data silo, hindi isang flywheel. Sa antas ng platform, sinasabi ngOpenAI,Anthropic,Microsoft Azure OpenAI,AWS Bedrock, atGoogle Vertex AIsa kanilang mga business customer na ang kanilang inputs at outputs ay hindi ginagamit upang sanayin ang foundation models bilang default. Mabuti ito para sa mga customer at babala ito para sa mga vendor. Ang cross-customer learning ay lumalago lamang kung pinapayagan ito ng kontrata. Nagdadagdag din ng isa pang hadlang ang batas sa privacy, dahil angGDPR purpose limitation,mga karapatang burahin,mga patakaran ng HIPAA sa de-identification, atmga patakaran ng CCPA/CPRA tungkol sa pagbabahagi para sa cross-context behavioral advertisingay nagpapahirap sa sekundaryong paggamit ng data. Mas maraming totoong AI moat ang pinapatay nito kaysa sa kompetisyon. - Mas mabilis magbago ang workflow kaysa umunlad ang modelo: Sa mga operasyonal na domain na mabilis ang drift, may nasusukat na half-life ang data. Tulad ngipinakita nina Valavi et al. sa pananaliksik mula sa Harvard Business School, ang malaking historikal na imbentaryo ng data ay lumilikha ng nakakagulat na mahinang hadlang sa pagpasok. Ang isang entrant na may mas maliit na daloy ng sariwa at kamakailang data ay kadalasang nakakabuo ng mas tumpak na modelo kaysa sa isang incumbent na nakaupo sa mga taon ng lumang data, lalo na kapag aktibong binababa ng lipas na data ang katumpakan. Natuklasan ito nang tuwiran ng isangclinical informatics study, kung saan ang half-life ng data sa prediction ng inpatient order ay humigit-kumulang apat na buwan, at ang isang buwang sariwang data ay mas mahusay kaysa sa labindalawang buwang mas lumang data. Sa manufacturing, ang sensor drift, tool wear, proseso ng muling pagdisenyo, at mga pagbabago sa schema ay nangangahulugang ang mga modelong sinanay sa historikal na plant data ay nag-iisip tungkol sa isang planta na hindi na umiiral. Hindi ito pangkalahatan. Ang mga prosesong pinamumunuan ng pisika, actuarial table, geological data, at iba pang mabagal na gumagalaw na domain ay maaaring panatilihing mahalaga ang lumang data sa mahabang panahon. Kung mas mabilis magbago ang workflow kaysa umunlad ang modelo, ang iyong historikal na data ay nagiging lipas na bigat sa halip na kalamangan. - Ang gastos ang hadlang, at ang hadlang ay ang gastos: Ang pagmamay-ari ng mga real-world workflow ay kapital-mabigat, labor-mabigat, at mas mababa ang margin kaysa purong software. Nag-ulat angTesla ng kabuuang GAAP gross margin na humigit-kumulang 18 porsiyento noong 2025sa kabila ng vertical integration. Nag-ulat angIntuitive Surgical ng da Vinci installed base na 11,106 na sistema at non-GAAP gross margin na 67.6 porsiyento noong 2025, matapos ang mga dekadang kapital, pagsasanay ng surgeon, at dami ng procedure. Ang gastos na nagpapaalis sa mga kakompetensya ay siya ring nagpipigil sa karamihan ng mga bagong papasok upang makabuo ng isang bagay na karapat-dapat ipagtanggol. Maraming pagtatangka ang nabibigo sa unit economics bago pa man lumago ang loop.

Ang naghihiwalay sa mga loop na talagang lumalago mula sa mga pekeng moat ay:

• Ang datos ay naka-link sa kinalabasan, ibig sabihin alam mo kung tama o mali ang naging resulta sa halip na basta mangolekta lamang ng mga signal.
• Ang datos ay sa iyo sa pamamagitan ng kontrata upang gamitin sa lahat ng mga deployment.
• Ang daloy ng trabaho ay sapat na matatag na ang makasaysayang datos ay nananatiling may kaugnayan.
• Bawat pagpapatupad ay lumilikha ng tunay na bagong mga edge case, hindi lang higit pa sa pareho.
• Ang dalas ay sapat na mataas para ang pagkatuto ay makapag-ipon ng bisa bago magbago ang daloy ng trabaho.

Mali ang tesis na ito kung alinman sa mga sumusunod ay totoo:

• Maaaring makakuha ang isang kakompetensya ng katumbas na datos sa pamamagitan ng pag-scrape, sintetikong pagbuo, transfer learning, o isang minsanang pagbili.
• Ang kostumer ang may-ari ng datos sa pamamagitan ng kontrata at hindi mo ito maaaring pagsamahin sa iba pang deployment.
• Mas mabilis magbago ang daloy ng trabaho kaysa sa pagbuti ng modelo, kaya ang naipong datos ay naglalarawan ng isang sistemang wala na.
• Ang halaga ng datos ay nagiging busog sa loob ng unang N na pagpapatupad, ibig sabihin ang kalamangan ay nakapirmi, hindi lumalago habang naiipon.
• Ang gastos ng pagmamay-ari ng daloy ng trabaho ay lumalampas sa halaga ng datos na nalilikha nito.

Kung umiiral ang mga kundisyong iyon, ang loop ay hindi isang moat. Isa itong mamahaling proyekto sa inhinyeriya na may pansamantalang kalamangan. Gaya ng pinagtalunan ng a16z noong 2019, karamihan sa mga bentahe ng datos ay mga epekto ng sukat na may bumababang balik, hindi mga mahiwagang epekto ng network. Totoo na iyon bago pa ang kasalukuyang alon ng AI. Totoo pa rin iyon ngayon.

Mga Modelo ng Negosyo na Itinayo sa Makabagong Moat #

Inilalarawan ng apat na salik kung ano ang bumubuo sa moat. Ang susunod na tanong ay kung anong uri ng modelo ng negosyo ang talagang makakakuha nito. Sa praktika, ang sagot ay lumilihis palayo sa pagbebenta ng mga kasangkapan at patungo sa pagmamay-ari ng mismong daloy ng trabaho.

Prinsipal, Hindi Tagapagtustos

Ang iisang desisyong may pinakamataas na leverage sa buong balangkas ay ang pagtanggi sa posisyon ng tagapagtustos.

Ang isang play na pang-vendor ay nangangahulugang pagbebenta ng kasangkapan sa organisasyong mayroon nang pagmamay-ari ng daloy ng trabaho. Mukha itong kaakit-akit dahil magaan ito sa kapital at nasusukat sa teorya, ngunit ibinibigay nito sa kostumer ang bawat pinagmumulan ng leverage. Ang operator ang nagpapanatili ng relasyon sa kostumer, ng pisikal na proseso, ng operasyonal na datos, ng badyet, ng pananagutan, at ng panghuling resulta. Ang tagapagtustos ang nagtataglay ng isang patong ng software na nakapatong sa lahat ng iyon. Nakukuha ng startup ang maliit na bahagi lamang ng halagang nalilikha nito, humihingi ang kostumer ng mga custom na integrasyon hanggang ang produkto ay mag-drift patungo sa serbisyo, maaaring panoorin ng operator ang kasangkapan na gumagana at pagkatapos ay palitan ito ng panloob na build na ngayon ay lubhang mas murang gawin, at dahil ang operator ang nagmamay-ari ng pinakamagandang datos, hindi kailanman naiipon ang modelo ng vendor. Nananatiling nakapirmi ang mga margin. Lalo itong mapanganib sa mga pisikal na industriya, kung saan ang mga software vendor ay mapagkakatiwalaang nagiging mga consultant na pinalobo lamang ang turing.

Ang mas matibay na posisyon ay ang maging prinsipal, ang magmay-ari ng operasyon, ng responsibilidad, ng akreditasyon, ng daloy ng trabaho, o ng mismong pananagutan. Sa halip na magbenta ng software sa sinumang gumagawa ng trabaho, ang kumpanya ang gumagawa ng trabaho o ginagarantiyahan ang kinalabasan nito. Binabaligtad nito ang bawat kahinaan sa itaas. Kinukuha ng kumpanya ang buong margin sa halip na isang hiwa sa lisensya, pagmamay-ari ang resulta ng kostumer at dahil dito ang relasyon, at pagmamay-ari ang datos dahil ang sarili nitong operasyon ang lumilikha nito. Hindi ito maaaring ma-disintermediate ng operator dahil ito mismo ang operator, at bumubuo ito ng tunay na kadalubhasaan sa operasyon sa halip na pangalawang-kamay na pag-unawa.

Nasisiksik ang prinsipyo sa isang utos:

Huwag ibenta ang kasangkapan. Ibenta ang natapos na resulta.

Sa praktika, lumilitaw ito bilang isang pare-parehong muling pagbabalangkas ng anumang ideyang pang-vendor tungo sa bersyon nitong prinsipal:

Pagbabalangkas bilang vendor	Pagbabalangkas bilang prinsipal
Magbenta ng software para sa inspeksyon	Maging ahensiya ng inspeksyon
Magbenta ng software para sa daloy ng lab	Pagmamay-ari ang daloy ng pagsubok
Magbenta ng dashboard para sa pagsunod	Maghatid ng sertipikadong pagsunod
Magbenta ng mga kasangkapan sa pagtatantiya	Maghatid ng pagtatantiya
Magbenta ng analytics para sa predictive maintenance	Pigilan ang downtime, o pagmamay-ari ang kinalabasan ng maintenance

Mas mahalaga ang pasyang ito kaysa sa anumang iba pa sa balangkas, dahil tinutukoy nito kung sino ang nagmamay-ari ng datos, at ang pagmamay-ari ng datos ang tumutukoy kung ang bentahe ay naiipon o nabubulok.

Serbisyo bilang isang Serbisyo

Ipinahihiwatig ng posisyong prinsipal ang isang modelo ng paghahatid na iba ang hitsura sa kumbensiyonal na software, at mahalagang pangalanan ito, dahil sa unang tingin ay mukhang isang mas masamang negosyo ito sa sinumang sinanay sa mga margin ng SaaS.

May ilang pangalan ang modelong ito sa sirkulasyon. Tinawag ito ng YC, a16z, at ng iba bilang service-as-software, at ang thesis ng AI-enabled rollup ay isang malapit na kamag-anak. Mas gusto ko ang serbisyo bilang isang serbisyo dahil pinananatili nito ang diin sa kung ano talaga ang natatanggap ng kostumer.

Hindi dapat kailangang gamitin ng kostumer ang software upang matapos ang trabaho. Dapat gamitin ng kumpanya ang software, AI, paggawa ng tao, hardware, at operasyon nang magkakasama upang maihatid ang natapos na trabaho. Panloob na leverage ang software, hindi ang produkto.

Sadyang paunti-unti ang pagkakasunud-sunod. Magsimula sa paggawa ng trabaho nang manu-mano, o kasama ang mga tao sa loop. Gamitin ang software upang gawing mas mabilis, mas pare-pareho, at mas nasusukat ang gawaing pantao. I-capture ang bawat input, desisyon, pagwawasto, edge case, at kinalabasan. Pagkatapos ay gamitin ang naipong datos upang i-automate ang mas marami at mas marami pang bahagi ng daloy ng trabaho, tungo sa isang awtomatikong tagapagbigay ng serbisyo na may mga margin at depensibilidad na hindi kayang tumbasan ng kumbensiyonal na software.

Iba ito sa konsulting sa isang mapagpasyang paraan. Ang konsulting ay nagbebenta ng custom na paggawa sa bawat kostumer nang walang hanggan, at ang bawat engagement ay walang naiiwang muling magagamit. Ang serbisyo bilang isang serbisyo ay sinasadyang ginagamit ang maagang paggawa ng tao bilang instrumento para buuin ang sistema ng awtomasyon, at ang bawat engagement ay nag-iiwan ng datos na nagpapamura sa susunod.

Ngunit kailangan mong mag-ingat at bantayan ang isang bitag sa ganitong uri ng modelo. Kung ang bawat bagong kostumer ay nangangailangan ng custom na integrasyon, custom na paglilinis ng datos, custom na pagmamapa ng daloy ng trabaho, at custom na pag-aayos ng modelo, ang kumpanya ay isang consultancy na hindi pa umaamin dito. Ang yugto ng taong nasa loop ay ayos lang, at kadalasan ay kinakailangan, ngunit sa kundisyon lamang na lumilikha ito ng pagmamay-aring datos at umuusbong tungo sa nasusukat na awtomasyon. Kung ang mga tao ay gumagawa pa rin ng parehong trabaho sa parehong gastos bawat yunit pagkatapos ng limampung trabaho, nabigo ang modelo.

Ang Stargate para sa Datos

Ang AI ay lumilipat mula sa bottleneck ng compute tungo sa bottleneck ng datos. Ang pinakamahalagang mga kumpanyang AI sa darating na panahon ay hindi yaong may pinakamaraming pangkalahatang datos, na sagana at samakatwid ay walang umuupa rito, ayon mismo sa lohika ng unang kalahati. Sila yaong nagmamay-ari ng bihira, pribado, mataas na kalidad na operasyonal na datos na hindi makukuha sa anumang paraan maliban sa paggawa ng trabaho.

Ang pariralang Stargate para sa Datos ay hiniram mula sa Stargate ng OpenAI, ang ipinahayag na multi-hundred-billion-dollar na pagtatayo ng compute, at ang panghihiram ay siya mismong punto. Kung ang bihirang mapagkukunan ng nakaraang siklo ay nagbigay-katwiran sa planadong imprastraktura sa ganoong antas, ang susunod ay nararapat sa parehong pagtrato. Ang layunin ay hindi mag-ipon ng dataset. Ang layunin ay bumuo ng makinang patuloy na gumagawa ng pagmamay-aring datos bilang byproduct ng paghahatid ng isang serbisyo.

Ang pagkakaiba na mahalaga sa kasong ito ay ang layunin ay hindi mangolekta ng datos para lamang sa sariling kapakanan nito, na lumilikha ng mamahaling mga lawa ng materyal na walang silbi. Ang layunin ay ang magmay-ari ng operasyonal na loop na lumilikha ng eksaktong datos na kailangan upang i-automate ang loop na iyon.

Ang Kompyuter ng mga Atomo

Inilalarawan ng apat na salik ang isang estruktura. Inilalarawan ng kompyuter ng mga atomo kung para saan ang estrukturang iyon, at ito ang pangmatagalang pananaw na nagpapahalaga sa buong pagsisikap.

Hindi ko inisip ang ideyang ito at gusto kong maging malinaw tungkol doon agad. Ang balangkas ay kay Travis Kalanick. Matapos siyang mapatalsik mula sa Uber noong 2017, gumugol siya ng walong taon sa pagtatayo ng City Storage Systems nang palihim, at noong Marso 2026 pinalitan niya ang pangalan nito bilang Atoms at naglathala ng liham ng pananaw na naglatag ng buong bagay. Ang kanyang pormulasyon ay lapitan ang mga problema sa pisikal na mundo sa paraang lalapitan mo ang mga problema sa software, at ang mga pangunahing mapagkukunan ng kompyutasyon ay may mga pisikal na katumbas kung saan ang CPU ay pagmamanupaktura, ang storage ay real estate, at ang network ay transportasyon. Sa isang pandaigdigang kaganapan ng paglulunsad ng a16z, binigyang-kahulugan ni Kalanick ang kumpanya sa paligid ng industrial AI, gamit ang software, sensors, robotics, at AI upang i-automate ang mga operasyon sa buong mga industriyal na sektor, simula sa pagkain, pagmimina, at transportasyon. Basahin ang kanyang liham. Mas mabuti ito kaysa sa aking buod nito, at ang ilan sa kanyang mga konklusyon ay napupunta sa parehong lugar na pinupuntahan ng dokumentong ito mula sa ibang direksiyon.

Habang nagiging mas may kakayahan ang AI, ang hadlang nito ay lumilipat. Ang limitasyon ay hindi na lamang kalidad ng pangangatwiran. Ito ay ang pakikipag-ugnayan sa pisikal na realidad. Ang isang modelo ay maaaring lumikha ng teksto, code, mga larawan, at mga plano na may kahanga-hangang kalidad at maging hindi pa rin kayang gumawa ng anumang bagay nang mapagkakatiwalaan sa isang magulo, hindi istrukturado, at may malalaking epekto na totoong mundong kapaligiran. Ang mga tradisyonal na kompyuter ay nagbigay sa intelihensiya ng substrate para manipulahin ang mga bit. Ang oportunidad ngayon ay bumuo ng katumbas na substrate para sa mga atomo, lumilikha ng mga sistemang nakakaramdam sa pisikal na mundo, nagpapakahulugan sa magulong mga kundisyon sa totoong mundo, nagpapasya, kumikilos, beripikado ang mga kinalabasan, at natututo mula sa feedback, lahat sa ilalim ng mga tunay na pisikal, regulatori, at ekonomikong hadlang. Ang huling sugnay na iyon ang mahirap, at iyan ang dahilan kung bakit ito ay isang oportunidad sa negosyo sa halip na isang proyekto sa pananaliksik. Ang pag-ooperate sa ilalim ng regulatori at ekonomikong hadlang ay eksakto kung ano ang hindi maaaring kopyahin, at ito rin ang eksaktong lumilikha ng closed loop na datos na kailangan ng ikaapat na salik.

Sa isang punto, lubos kaming nagkakasundo ni Kalanick, at mas mahusay niya itong nasasabi kaysa sa akin. Ang termino niya ay mga robot na kapaki-pakinabang na nagtatrabaho, ibig sabihin ay mga espesyalisadong makina na may tiyak na produktibong trabaho, sa halip na mga humanoid na ginawa upang gayahin tayo. Ang halimbawa niya ay na kung kailangan mong gumawa ng isang libong pancake kada oras, ang isang humanoid na awkward na nagpapabaligtad sa mga ito ang pinakamasamang posibleng disenyo at ang isang makinang ginawa para sa layuning iyon ang malinaw na tamang pagpipilian. Kaya ang tamang lapit ay hindi ang bumuo ng isang robot na pangkalahatang gamit. Ito ay ang maghanap ng isang makitid na puwesto kung saan ang sense, decide, act na loop ay maaaring i-deploy sa loob ng isang tunay na daloy ng trabaho na may malinaw na agarang halagang pang-ekonomiya, at gawing gumana ang loop na iyon mula dulo hanggang dulo bago palawakin ito.

Ang kumpanyang malapitang hinaharap ay dapat na makitid hanggang sa punto na mukhang hindi ambisyoso. Ang pangmatagalang kisame ang dahilan para tanggapin ang makitid na iyon.

Isang Inarawang Halimbawa #

Abstrakto ang balangkas, kaya nakatutulong na tahakin ang isang ideya sa loob nito. Isa lamang itong ilustrasyon ng mga pamantayang ginagamit, hindi ang iisang kongklusyon na ipinipilit ng balangkas.

Kunin ang espesyal na inspeksiyon sa konstruksiyon at pagsubok ng mga materyales. Ang bersyon ng vendor ay nagbebenta ng software sa mga ahensiya at laboratoryo na nagmamay-ari na ng daloy ng trabaho. Ang bersyon ng principal ay nagiging ahensiya at laboratoryo. Hinahawakan nito ang akreditasyon, nagsasagawa ng mga inspeksiyon, at may pananagutang pang-regulasyon. Sa loob, gumagamit ito ng software, hardware, at AI upang maghatid ng sertipikadong resulta nang mas mabilis, mas mura, at mas maaasahan kaysa sa mga incumbent.

Ang hugis na iyon ay umaabot sa lahat ng apat na salik. Pisikal ito, dahil humahawak ito ng mga site, sample, instrumento, at mga pagsukat sa tunay na mundo. Mayroon itong mga moat na pang-relasyon at pang-regulasyon, dahil kailangan ng mga mamimili ang mga resulta na tinatanggap ng mga awtoridad na may hurisdiksiyon, hindi isang mas magandang dashboard. Inaangkin nito ang kinalabasan, dahil nagbebenta ito ng sertipikadong mga resulta sa halip na mga kasangkapan. At lumilikha ito ng pagmamay-aring datos sa operasyon bilang byproduct ng trabaho, kabilang ang mga resulta ng pagsubok, mga mode ng pagkabigo, mga katangian ng materyal, mga pagwawasto ng eksperto, at ang mga ugnayan sa pagitan ng mga pisikal na kundisyon at panghuling kinalabasan.

Magsisimula rin ito nang makitid, na sumusunod sa klasikong lohika ng startup na matagal nang ipinapahayag nina Paul Graham at YC. Magsimula sa isang matalim na puwesto, pero tiyaking ang puwestong iyon ay kabilang sa isang malaki at masakit na problema. Hindi kailangang i-automate ang inspeksiyon sa konstruksiyon bilang isang industriya sa unang araw. Ang pasukan ay maaaring isang uri ng inspeksiyon, isang pagsubok sa materyal, isang heograpiya, o isang daloy ng trabaho sa pagsunod. Mula roon, isinasapamantayan ng software ang gawain, gumagawa ang mga tao ng unang datos, at lumalawak lamang ang automation kung saan talaga nag-iipon ang loop.

Ang mga panganib ay eksakto iyong mga hinuhula ng balangkas. Ang mga timeline ng akreditasyon ay nagiging gate sa kita, mabigat ang operasyon bago maging sapat ang automation, at totoo ang bitag ng serbisyo kung bawat proyekto ay lumalabas na nakaayon lamang sa isang kliyente. Iyon ang punto ng balangkas. Hindi nito ginagawang madali ang negosyo. Sinasabi nito sa iyo kung saan dapat naroroon ang mahihirap na bahagi.

Mga Kumpanyang Mukha Nang Ganito #

Mas madaling pagkatiwalaan ang balangkas kung inilalarawan nito ang mga bagay na umiiral na, sa halip na mga bagay lamang na gusto kong umiral.

** Anduril** ay apat sa apat. Pasadyang hardware sa mga drone, sensor tower, interceptor, at mga sasakyang pang-ilalim ng dagat. Pasadyang software sa

Lattice, na pinapatakbo ng bawat piraso ng hardware na iyon. Mga relasyon at katayuang pang-regulasyon na walang magagawang likhain ng coding agent, dahil ang customer ay ang pamahalaan ng US at ang mga kaalyado nito. Operasyonal na datos mula sa mga naka-deploy na sistema na bumabalik sa software. Dalawang detalye ang mas mahalaga kaysa sa listahan ng produkto. Pinopondohan nito ang sarili nitong R&D at binubuo ang produkto bago ito ibenta sa isang umiiral na linya ng badyet, na binabaligtad ang cost-plus na modelo na pinatatakbo ng mga tradisyonal na prime. Pribado ang Anduril at hindi naglalathala ng na-audit na mga margin, ngunit

ang mga pagtatantiyang pangalawa ay naglalagay ng gross margin nito sa humigit-kumulang 40 hanggang 45 porsiyento. Iyon ay hindi karaniwang mataas para sa hardware sa depensa, kung saan

ang mga kumpanyang pang-erospace at depensa ay may karaniwang gross margin na humigit-kumulang 17.5 porsiyentosa datos ng sektor ng NYU Stern. Mas kaunti ang ibig sabihin ng eksaktong numero kaysa sa estruktura. Ang isang vertically integrated, fixed-price, software-defined na modelo ay lumilitaw na kumikita ng mas mahusay na ekonomiya kaysa sa tradisyonal na cost-plus na integrasyon ng platform.

Ang ** Intuitive Surgical** ay ang mas matanda at mas tahimik na bersyon ng parehong estruktura. Pinagsasama ng

da Vinci systemang hardware na walang silbi kung wala ang software nito, mga clearance ng FDAna walang kakompetensiya na kayang lampasan sa shortcut, dalawang dekada ng mga ugnayan sa ospital, at

datos ng mga procedure mula sa milyun-milyong operasyon. Umaabot ito sa apat sa apat, tuluy-tuloy na nag-iipon, at isinasagawa na ang playbook na ito mula pa noong

unang clearance nito noong 2000, matagal bago pa ito tawaging physical AI. Ang ** Kraken Robotics** ang pinakamahalaga sa akin bilang halimbawa, bahagi dahil iilan lamang sa labas ng marine technology ang nakakakilala rito. Gumagawa ito ng synthetic aperture sonar, ang

KATFISH na hinihilaang platform, subsea batteries, at underwater

LiDAR. Wala sa hardware na iyon ang kapaki-pakinabang kung wala ang pagmamay-aring imaging software na nakabalot sa paligid nito. Kabilang sa mga customer nito ang mga hukbong-dagat na nakahanay sa

NATO. Iyon ay tiwala at regulasyon sa pinakamataas na antas, dahil hindi lilipat ang isang hukbong-dagat ng sonar vendor para lamang sa mas murang kopya. Napakahalaga, hindi lang nagbebenta ng kagamitan ang Kraken. Nagpapatakbo ito ng mga survey bilang serbisyo, ibig sabihin bawat trabaho ay lumilikha ng seabed intelligence na walang ibang humahawak. Ang huling pasyang iyon ang buong balangkas sa maliit na anyo. Napagtanto ng isang hardware company na mas mahalaga ang datos kaysa sa kahon, at lumipat sa posisyon ng principal upang ito ay mapanatili.

Ang ** SpaceX at Waymo** ay purong principal plays. Hindi nagbebenta ng mga rocket ang SpaceX. Nagbebenta ito ng naihatid na payload. Hindi naglilisensya ang Waymo ng autonomy software sa mga kumpanyang gumagawa ng kotse. Nagbebenta ito ng natapos na mga sakay. Sa parehong kaso, tinanggihan ng kumpanya ang posisyon ng vendor, inako ang operasyonal na pananagutan, at iningatan ang datos. Mayroon ding regulatory moat ang Waymo na

dumadating isang hurisdiksiyon sa bawat pagkakataon. Mabagal ang ekspansiyong iyon, na siyang eksaktong dahilan kung bakit ito mapagtatanggol.

Ang ** Carbon Robotics** ay ang kapaki-pakinabang na bahagyang kaso. Pinapatay ng

LaserWeedernito ang mga damo gamit ang computer vision at mga high-powered laser. Noong Pebrero 2026, sinabi ng kumpanya

na ang Large Plant Model nito ay sinanay sa higit sa 150 milyong may-label na halaman, na nakolekta sa humigit-kumulang isang daang sakahan sa labinlimang bansa. Iyon ang makina ng datos na gumagana gaya ng inilalarawan, nalilikha bilang operasyonal na byproduct sa halip na hiwalay na inisyatiba. Ngunit babanggitin ko rin ang kahinaan sa setup na ito. Nagbebenta ang Carbon ng kagamitan sa mga magsasaka, na nananatiling vendor sa halip na principal. Nagwawagi ito dahil dumadaloy pa rin pabalik ang datos sa sentral nitong modelo, kaya nagiging mabuhay ang posisyon ng vendor. Kung sakaling ang mga grower ang nagmamay-ari ng datos ng fleet na iyon, mawawala ang moat.

Ang ** Nokia** ay parehong makasaysayang babala at umuusbong na test case. Noong 2007, kinontrol nito ang

halos 50 porsiyento ng pandaigdigang merkado ng smartphonegamit ang pinakamahusay na hardware, scale ng pagmamanupaktura, at supply chain sa mobile phones. Gumawa ito nang mas mahusay kaysa sa sinumang buhay sa iisang dimensiyon, at bumagsak ito dahil wala itong software platform. Sinusubukan ng Nokia ngayon ang eksaktong multi-factor na playbook na inilarawan dito. Gaya ng inilalatag ni

Michael Sikand sa breakdown na video na ito, gumugol ang kumpanya ng mahigit isang dekada sa pag-ikot mula sa consumer gadgets upang pagsamahin ang vertically integrated na optical silicon, matagal nang nakabaong ugnayan sa carrier at depensa, at AI-enabled na edge compute. Pinatunayan ng lumang Nokia na ang nakahiwalay na hardware ay pansamantalang kalamangan lamang. Ngayon, sinusubukan ng bagong Nokia na patunayan na ang hardware na pinagsama sa institusyonal na tiwala at software infrastructure ay lumilikha ng isang pangmatagalang moat.

Hindi magkahawig sa ibabaw ang alinman sa mga kumpanyang ito, ngunit lahat sila ay tumuturo sa iisang aral. Ang pinakamatitibay na negosyo ay nakakuha ng isang bagay na mabagal, tulad ng isang akreditasyon, naka-deploy na fleet ng sensor, tiwala ng surgeon, kumpiyansa ng hukbong-dagat, pag-apruba ng regulasyon, o isang dekadang operasyonal na datos. Wala sa kanila ang nakarating doon sa pamamagitan lamang ng pagsusulat ng mas magandang code, at wala sa kanila ang mahuhuli ng isang taong gumagawa niyon.

Ang Kakitiran ang Kinakailangang Pasukan #

Sila rin ay nagsimula nang maliit. Ang mga kumpanyang nananalo ay hindi nagsisimula sa pagtatangkang ariin ang buong siklo, at ang pagtatangkang ito ang pinakakaraniwang pagkakamali. Ang siklo ay nagpapalago lamang nang paisa-isa kung sapat ang lalim mo sa isang daloy ng trabaho upang makalikha ng datos na nakatali sa kinalabasan na hindi makukuha ng mga kakompetensya sa anumang ibang paraan. Ang mababaw na pagkakalantad sa maraming daloy ng trabaho ay lumilikha ng mababaw na datos na mabilis mapuno.

Ang padron ay nananatili sa mga operator sa itaas at lampas pa sa kanila. Nagsimula ang Anduril sa proteksiyon laban sa puwersa at mga sistema laban sa drone bago palakihin ang produksyon at mga kalapit na kakayahan. Nagsimula ang Intuitive Surgical sa mga tiyak na laparoscopic na pamamaraan at binuo ang pagsasanay ng mga siruhano at dami ng mga pamamaraan sa loob ng mga dekada bago lumawak sa iba’t ibang espesyalisasyon. Nagsimula ang SpaceX sa isang reusable launch vehicle bago lumawak sa Starlink. Nagsimula ang Tesla sa isang makitid na premium na wedge ng EV (ang sports car na Roadster) at ginamit ang fleet para sa datos at pagkatuto sa pagmamanupaktura bago lumipat sa mga modelong pangdami, enerhiya, at awtonomiya. Nagsimula ang Palantir sa mga tiyak na daloy ng trabaho sa intelihensiya para sa mga tiyak na ahensiya bago lumawak sa komersyal. Sa bawat kaso, ang makitid na pagpasok ay hindi isang kompromiso. Ito ang mekanismong nagpalago nang paisa-isa sa siklo.

Ang puntong pagpasukan ay makitid nang sinasadya. Isang daloy ng trabaho, isang uri ng kustomer, isang daloy ng datos na mahirap gayahin. Binubuo mo ang siklo sa paligid ng daloy na iyon hanggang sa ang datos ay magpalago nang paisa-isa at ang relasyon ay lalong lumalim, saka ka lumalawak sa mga kalapit na daloy ng trabaho kung saan ang parehong datos, ang parehong mga relasyon, at ang parehong disiplinang operasyonal ay nagbibigay sa iyo ng isang kalamangan na hindi matutumbasan ng isang bagong pumapasok. Ang magsimula nang malawak ay kung paano ka nauuwi sa isang bunton ng datos na hindi nagpapalago nang paisa-isa. Ang isang kakompetensya na nagsisimula ngayon ay hindi humahabol sa isang nakapirming kalamangan. Hinahabol nila ang isa na humahaba sa bawat pagkakataong may natatapos na trabaho, ngunit kung ang trabaho lamang ay sapat na makitid, sapat na malalim, at sapat na inuulit para ang datos ay talagang maging mahalaga.

Itinatag ng unang kalahati ng dokumentong ito ang isang pangkalahatang batas. Anumang moog na binubuo lamang ng kahirapan sa paggawa ng isang bagay ay pansamantala, at tumatagal lamang ito hanggang sa may gumawa ng bagay na iyon na madaling gawin. Ginawa ito ng aglomerasyong industriyal ng Tsina sa hardware sa pamamagitan ng pagbagsak ng mga gastos sa transaksiyon at ng latensiya ng pag-uulit sa loob ng isang hyper dense na kluster. Ginagawa ito ng generative AI sa software sa pamamagitan ng pagbagsak ng gastos ng kakaunting input nito. Naunang bumagsak ang hardware at sumunod ang software pagkaraan, ngunit para sa isang tagapagtatag na nagtatayo ngayon, alinman sa dalawang kanlungan ay hindi mapagkakatiwalaan.

Ginawang sagot ng ikalawang kalahati ang batas na iyon. Kung ang kahirapan sa produksyon ay wala nang ipinagtatanggol, kung gayon ang pagiging mapagtatanggol ay kailangang buuin mula sa mga alitan na hindi maaabot ng pagbagsak ng produksyon. Kabilang dito ang pisikal na pag-access, saradong datos ng operasyong siklo, katayuang pangregulasyon, nabuong tiwala, at pagmamay-ari ng mismong kinalabasan. Iyan ang dahilan kung bakit ang apat na salik ay humihingi ng tatlo sa apat sa halip na isa, kung bakit mas mahalaga ang pangunahing posisyon kaysa sa alinmang isang hiwalay na desisyon, at kung bakit ang datos ay kailangang maging isang byproduct ng operasyon sa halip na isang nakolektang asset.

Nagsisiksik ito sa isang pangunahing pangungusap.

Sa panahon ng AI, ang pinakamahusay na mga kumpanya ay hindi magiging pangkalahatang mga kasangkapang software o mga produktong hardware na madaling kopyahin. Sila ay magiging

makitid, nakatuon sa kinalabasan, pangunahing mga negosyona pinagsasama ang software, pisikal na mga daloy ng trabaho, pinagkakatiwalaang mga relasyon, at pagmamay-aring datos sa operasyon upang awtomatikong gawin ang mataas na halagang totoong-gawaing mundo.

Para sa isang tagapagtatag, ang tanong ay hindi na “anong software ang maaari kong buuin?” kundi anong mahalagang totoong-kinalabasan sa mundo ang maaari kong ariin, isagawa, sukatin, at awtomatikong gawin?

Ang pinakamalalakas na oportunidad ay nasa kung saan nagtatagpo ang software sa mga atomo, tiwala, regulasyon, at pagmamay-aring datos. Nagsisimula sila sa isang makitid at masakit na daloy ng trabaho, ginagamit ang mga tao kung kinakailangan. Kinukuha nila ang datos ng operasyon bilang isang byproduct ng trabaho, inaawtomatiko ito nang hakbang-hakbang, at nagpapalago nang paisa-isa tungo sa mga sistemang mahirap palitan. Ang kalamangan ay matibay nang eksakto dahil ito ay pinagbayaran sa pamamagitan ng pisikal na operasyon sa halip na isinulat sa code.

Ang huling layunin ay hindi bumuo ng isang produkto. Ito ay bumuo ng isang operasyong kumpanya na may software na tulad ng kakayahang sumukat, pagdepensa ng totoong mundo, at pagmamay-aring datos na gumaganda sa bawat trabahong natatapos.

Lahat ng dati-rati ay moog dahil mahirap buuin ay nagiging kalakal na. Ang pagbuo ng isang bagay ay mas madali kaysa dati, at habang umuunlad ang AI at ang pandaigdigang mga supply chain, lalo lamang itong magiging mas madali. Ang nananatiling mapagtatanggol ay yaong mahirap lapitan, mahirap pagkatiwalaan, mahirap mapasok sa pamamagitan ng regulasyon, at mahirap obserbahan nang hindi ginagawa ang tunay na trabaho.

Nais kong maging malinaw tungkol sa kung saan nanggaling ang mga hiniram na bahagi, dahil malaking bahagi ng dokumentong ito ay ang pag-uugnay ko sa gawa ng iba sa halip na pag-imbento ng anuman. Ang mga bagay na talagang aangkinin ko bilang akin ay ang tuntunin ng apat na salik, ang pamantayan ng tatlo sa apat, at ang tiyak na argumento na ang dalawang pagbagsak ay may iisang pinagbabatayang mekanismo kahit na sunod-sunod itong nangyari. Gumagalaw ang mga numero, kaya suriin muna ang mga ito bago ako sipiin.

Sa akin, mula sa naunang pagsulat

The Barbell of Software Value(2025), kung saan una kong inilatag ang pagguho ng gitna at ang Internal Software Leverage Theory. Ang ikalawang kalahati rito ay ang bersiyong operasyonal ng post na iyon.

Ang kompyuter ng mga atomo

• Travis Kalanick, Vision,Unfinished Business, atHow AI Will Transform the Physical World, Atoms at a16z, 2026. Ang pag-frame na nakabatay sa atomo na kompyuter, ang pagmamapa ng CPU/imbakan/ network sa pagmamanupaktura/real estate/pagdadala, ang loop na umuunawa-naghuhula-nagkokontrol, industriyal na AI, at mga robot na may kapaki-pakinabang na trabaho ay pawang sa kanya. Ang seksiyong iyon ay buod ko ng kanyang ideya, hindi ng ideya ko. - Ben Horowitz at Alex Danco,

Travis is Back, a16z, 2026. Ang ekonomiya

• Atlassian, Q2 FY2025 results, para sa matatandang horizontal na SaaS na gross margin sa mababang walumpung porsiyentong saklaw. - Snowflake, FY2025 results, para sa kontra-halimbawa na ang software na mabigat sa konsumo ay maaaring tumakbo nang malaki sa ibaba ng klasikong SaaS gross margins. - Michael Porter, five forces, 1979, para sa taxonomiya ng mga pinagmumulan ng upa sa Bahagi Uno. - David Teece, , 1986, para sa problema ng pagiging mapakinabangan sa Bahagi Tatlo.Profiting from Technological Innovation - Alfred Marshall, Principles of Economics, 1890, para samga panlabas na ekonomiya at aglomerasyonsa Bahagi Lima. - Ronald Coase, , 1937, para sa mga gastos sa transaksiyon sa Bahagi Lima.The Nature of the Firm - Theodore Wright, 1936, at ang Boston Consulting Group, para sa experience curvesa Bahagi Lima. - Stan Shih, ang smiling curve, bandang 1992. Ang kanyangorihinal na diagramay nasa Wikimedia Commons, at angPublishers and the Smiling Curveni Ben Thompson ang pinakamahusay na pagpapalawak nito na nabasa ko. - Gary Pisano at Willy Shih, Restoring American Competitiveness, Harvard Business Review, 2009, para sa industrial commons at kung bakit mahirap ang reshoring. - Andrew “bunnie” Huang, The Hardware Hacker, para sa unang-kamay na salaysay kung ano talaga ang pakiramdam ng gumawa sa loob ng densidad ng Shenzhen. - WTO, Accessions: China, para sa konteksto sa pagsasama ng Tsina sa pandaigdigang sistemang pangkalakalan. - World Bank, manufacturing value added, para sa konteksto sa saklaw ng pagmamanupaktura ng Tsina na may kaugnayan sa Estados Unidos.

Ang mekanika ng startup

• Paul Graham, Do Things That Don’t ScaleatHow to Get Startup Ideas, para sa makitid na wedge. - Tesla, The Secret Tesla Motors Master Plan, 2006, para sa lohikang mula Roadster tungo sa abot-kayang kotse na wedge. - Palantir, S-1 registration statement, 2020, para sa padron ng pagpapalawak mula gobyerno tungo sa komersyal. - Kasaysayan ng kumpanya ng SpaceX at mga pagsisiwalat ng Starlink, sa pamamagitan ng

SpaceXatStarlink, para sa paglulunsad bilang unang wedge bago ang mas malawak na imprastrakturang pangkalawakan. AI coding at produksyon ng software

• GitHub, Pagpapakilala sa GitHub Copilot, 2021, atpangkalahatang pagkakaroon ng GitHub Copilot, 2022, para sa praktikal na pagsisimula ng komersyal na tulong sa pagko-code ng AI. - OpenAI, Ulat Teknikal ng GPT-4, 2023, at Anthropic,Claude 3.5 Sonnet, 2024, para sa background sa pagbilis ng kakayahan ng modelo. - Peng et al., Ang Epekto ng AI sa Produktibidad ng Developer, 2023, para sa kontroladong resulta ng GitHub Copilot kung saan natapos ng mga developer ang isang limitadong gawain sa pagko-code nang 55.8 porsiyentong mas mabilis. - Cui et al., Ang mga Epekto ng Generative AI sa Mataas na Sanay na Trabaho, 2025, para sa resulta ng pag-aaral sa larangan sa 4,867 developer na nagpapakita ng 26.08 porsiyentong mas maraming natapos na gawain. - METR, Pagsukat sa Epekto ng AI noong Maagang-2025 sa Produktibidad ng Bihasang Open-Source Developer, 2025, para sa kontra-halimbawa kung saan ang mga bihasang developer ay 19 porsiyentong mas mabagal gamit ang mga kasangkapan ng AI sa mga hinog na repo. Cursor,Claude Code,OpenAI Codex CLI,Kiro CLI, atOpenCode, para sa paglipat mula sa autocomplete tungo sa agentic na pag-access sa repo at terminal.Conductor,Superset, atHermes Agent, para sa layer ng orkestrasyon sa itaas ng mga kasangkapang pang-code na iisang ahente.

Mga kabiguan ng data moat

• Sun et al., Pagsusuri Muli sa Hindi Makatuwirang Bisa ng Data sa Panahon ng Deep Learning, ICCV 2017, para sa empirikal na natuklasan na ang pagganap sa mga gawain sa vision ay bumubuti nang logaritmiko habang dumarami ang volume ng training data. - Martin Casado at Peter Lauten, Ang Hungkag na Pangako ng Data Moats, a16z, 2019, para sa argumento na ang mga epekto ng lawak ng data ay karaniwang humihina sa halip na magsama-sama. - Valavi et al., Oras at ang Halaga ng Data, Harvard Business School Working Paper 21-016, 2021, para sa pagkakaiba sa pagitan ng stock ng data at flow ng data, at ang natuklasan na ang lipas na data ay maaaring makasama sa katumpakan ng modelo. - Chen et al., Ang humihina na kaugnayan ng klinikal na data tungo sa mga hinaharap na desisyon sa mga data-driven na inpatient clinical order set, International Journal of Medical Informatics, 2017, para sa humigit-kumulang apat na buwang half-life ng datos sa klinikal na prediksyon. - OpenAI Enterprise Privacy, AnthropicCommercial Terms, Microsoft Azure OpenAIdata privacy, AWS BedrockFAQ, at Google Vertex AIdata governance, para sa default na mga pangakong walang pagsasanay sa mga input at output ng mga customer sa negosyo. - European Data Protection Board, Opinyon 28/2024 sa mga modelo ng AI,GDPR Artikulo 5 at Artikulo 17,mga tuntunin sa de-identification ng HIPAA, atmga tuntunin ng CCPA/CPRA, para sa mga limitasyon ng batas sa pagkapribado sa sekundaryong paggamit ng data, pagbubura, de-identification, at pagbabahagi. - Lathrop GPM, Pag-navigate sa Pagmamay-ari ng AI sa mga Komersyal at IP License Agreement, 2026, para sa tensiyon sa kontrata sa pagitan ng mga pangakong walang pagsasanay at ng mga pinanatiling karapatang gamitin ang aggregate o na-de-identify na data.

Mga larawan

• Ang nakangiting kurba ni Stan Shih, Wikimedia Commons, CC BY-SA. - Huaqiangbei sa tawiran ng Shennan, larawan ni Charlie fong, Wikimedia Commons, CC BY-SA. - Hulmahan ng injection molding, larawan ni Wizard191, Wikimedia Commons, CC BY-SA 3.0. - Mga presyo ng solar PV module laban sa pinagsamang naka-install na kapasidad,

Our World in Data, CC BY 4.0. Muling ginawa ang tsart nang lokal mula sa inilathalang dataset. Mga halimbawa ng kumpanya

• Tantiya ng gross margin ng Anduril sa pamamagitan ng Sacra. Pribado ang Anduril at hindi naglalathala ng audited na margins, kaya itinuturing ito bilang tantiya sa halip na iniulat na bilang. Ang benchmark ng sektor para sa aerospace at defense gross margins (humigit-kumulang 17.5 porsiyento) ay hinango mula sadataset ng margin ni Aswath Damodaran sa NYU Stern. - Background ng Alphabet at Google sa pamamagitan ng FY2025 Form 10-K ng Alphabet, na ipinares saUnited States v. Google LLCpara sa mga kasunduan sa pamamahagi ng search default, mga bentahe sa saklaw ng search, at konteksto ng antitrust. - Ang Carbon Robotics Large Plant Model at 150 milyong labeled na halaman sa pamamagitan ng anunsyo ng Business Wire noong Pebrero 2026, na mayTechCrunchbilang pagkumpirma. - Kasaysayan ng Intuitive Surgical at pag-apruba ng FDA noong 2000 sa pamamagitan ng Kasaysayan ng Kumpanya ng Intuitive. Dami ng mga pamamaraan sa pamamagitan ng2025 Corporate Impact Report ng Intuitive, at bilang ng installed base / mga pigura ng margin sa pamamagitan ngQ4 2025 earnings release nito. - Mga pigura ng margin ng Tesla sa pamamagitan ng Q4 at FY2025 update nito. - Pattern ng regulatory expansion ng Waymo sa pamamagitan ng 2026 Robotaxi Regulatory Map ni Tesorbatulat ng Electrek tungkol sa pag-apruba ng pagpapalawak ng CPUC. - Peak at timeline ng pagbulusok ng Nokia noong 2007 sa pamamagitan ng BBC NewsatWikipedia, na mayAdministrative Science Quarterly / pag-aaral ng INSEADnina Vuori at Huy para sa mga dinamika ng organisasyon sa likod ng pagbagsak, atvideo breakdown ni Michael Sikandvideo breakdownpara sa modernong paglipat nito sa imprastraktura. - Mga detalye ng OpenAI Stargate sa pamamagitan ng orihinal na anunsyo ng OpenAIatanunsyo ng pagpapalawak ng site. Ang mga ito ay mga inihayag na pangako at plano, hindi ganap na naka-deploy na kapasidad. - Hango ang Kraken Robotics mula sa sariling

mga pagsisiwalat ng produkto at kontrata ng kumpanya. Ang sanaysay na ito ay inisip at isinulat ko. Gumamit ako ng ChatGPT, Claude, Grok, Manus AI, at OpenCode upang tumulong sa background research, paglilinis ng pagsulat, at estruktura. Ang preview na larawan at ang barbell diagram ay una munang AI-generated at pagkatapos ay inedit nang mano-mano. Lahat ng iba pang larawan ay ako mismo ang kumuha ng pinagmulan, at independiyente kong niberipika ang bawat source at katotohanan. Buong pananagutan ko ang huling teksto.

Pagbubunyag:

source & further reading

mehmetmhy.com — original article Benteng Modern Con hào hiện đại Das moderne Burggrabenmodell