Benteng Modern

Table of Contents

TL;DR #

Benteng bisnis yang menentukan abad ke-21, perangkat lunak murni, sedang runtuh dengan cepat seiring AI Generatif mendorong biaya kode ke nol, meniru bagaimana aglomerasi industri Tiongkok telah lebih dulu menghancurkan benteng perangkat keras murni. Karena sulitnya produksi secara telanjang tidak lagi melindungi bisnis di kedua ranah, laba yang bertahan lama telah bermigrasi ke celah-celah kompleks antara bit dan atom. Untuk membangun perusahaan yang defensif saat ini, para pendiri harus meninggalkan model vendor perangkat lunak generik dan sebaliknya bertindak sebagai principal yang memiliki alur kerja fisik nyata dari ujung ke ujung. Dengan mengintegrasikan secara erat setidaknya tiga dari empat faktor kunci (perangkat keras kustom, perangkat lunak khusus, hubungan yang diperoleh, dan data proprieter), sebuah bisnis modern dapat memberikan hasil yang terjamin sambil diam-diam memanen data loop tertutup yang menjadi benteng sesungguhnya, karena pesaing yang memulai hari ini tidak sedang mengejar keunggulan yang tetap, melainkan keunggulan yang bertambah setiap kali suatu pekerjaan selesai.

Kata Pengantar & Tujuan #

Laporan ini adalah perluasan dari satu klaim yang menjadi dasar segala sesuatu dalam teori benteng saya: perangkat lunak murni bukan lagi benteng yang defensif, dan perangkat keras murni berhenti menjadi demikian ketika hegemoni manufaktur Tiongkok berskala besar. Keduanya sering dilontarkan sebagai slogan. Yang ingin saya lakukan di sini adalah mengeluarkan slogan itu dan memasukkan mekanismenya. Saya ingin menjelaskan, pada tingkat ekonomi yang sebenarnya, mengapa masing-masing keruntuhan terjadi, asumsi spesifik apa yang diam-diam patah, bagaimana kedua keruntuhan itu saling mendorong, dan di mana laba yang bertahan lama masih bisa ditangkap. Saya menulis ini agar berdiri sendiri, sehingga pembaca di masa depan, atau model di masa depan, dapat memperoleh seluruh argumen tanpa percakapan yang melahirkannya.

Berikut tesisnya, dinyatakan sekali dan sepresisi yang saya bisa. Selama sekitar tiga puluh tahun, strategi teknologi berasumsi bahwa dunia digital menghasilkan laba yang bertahan lama, bermargin tinggi, dan defensif, sementara dunia fisik menghasilkan output komoditas yang tipis, tidak terdiferensiasi, dan bermargin rendah. Kedua guncangan itu tidak datang bersamaan. Aglomerasi manufaktur Tiongkok mematahkan defensibilitas perangkat keras berbasis produksi lebih dulu, terutama sepanjang tahun 2000-an dan 2010-an. AI Generatif sedang mematahkan defensibilitas perangkat lunak berbasis produksi belakangan, pada tahun 2020-an. AI Generatif mendorong biaya marginal produksi perangkat lunak menuju nol, yang melarutkan hambatan-hambatan yang membuat perangkat lunak defensif. Aglomerasi industri Tiongkok mendorong biaya dan latensi iterasi fisik turun ke biaya dan latensi perangkat lunak, yang melarutkan hambatan-hambatan yang membuat perangkat keras defensif. Jadi baik bit saja maupun atom saja tidak lagi dapat melindungi bisnis. Keunggulan yang bertahan lama berpindah dari salah satu dimensi tunggal itu ke pengaitan erat keduanya, ditambah hubungan dan data proprieter.

Dokumen ini terbagi menjadi dua bagian:

Analisis. Apa sebenarnya benteng itu, mengapa setiap ranah dulu defensif, friksi apa yang diluruhkan oleh masing-masing guncangan, dan apa yang masih tersisa. Bagian ini adalah analisis ekonomi dan berhenti di tempat analisis berhenti.Benteng modern. Dari apa sebenarnya defensibilitas itu sekarang setelah baik bit maupun atom tidak lagi melindungi Anda secara mandiri, dan seperti apa perusahaan yang dibangun di atasnya dalam praktik.

Bagian Satu: Apa Sebenarnya Benteng Itu #

Sebelum saya menjelaskan bagaimana benteng-benteng itu runtuh, saya perlu tepat tentang apa itu benteng, karena penggunaan kata yang longgar bertanggung jawab atas sebagian besar pemikiran strategi buruk yang pernah saya lihat. Benteng bukanlah produk yang bagus. Benteng bukanlah keunggulan sementara. Benteng bukanlah menjadi yang pertama. Benteng adalah fitur struktural dari sebuah pasar yang memungkinkan sebuah firma memperoleh imbal hasil di atas biaya modalnya untuk waktu yang lama tanpa imbal hasil itu tergerus oleh persaingan. Dalam bahasa ekonomi industri, benteng adalah sumber rente ekonomi yang bertahan lama.

Rente ekonomi adalah surplus yang diperoleh firma di atas minimum yang akan ia terima untuk tetap beroperasi, dan dalam pasar yang benar-benar kompetitif, surplus itu turun ke nol. Di bawah persaingan sempurna, harga terdorong turun ke biaya marginal, firma hanya memperoleh biaya modalnya, dan laba berlebih tidak bertahan. Setiap kerangka tentang defensibilitas sebenarnya adalah teori tentang bagaimana satu firma tertentu lolos dari tarikan menuju penetapan harga biaya marginal dan laba nol itu.

Daftar klasiknya berasal dari Michael Porter, yang kerangka lima kekuatannya telah menjadi alat standar untuk ini sejak 1979, kemudian dipertajam oleh kalangan value investing. Kerangka itu memberikan sejumlah kecil sumber rente yang nyata dan bertahan lama:

Hambatan masuk yang mencegah pesaing baru masukBiaya pindah yang tinggi yang menahan pelanggan yang sudah adaEfek jaringan, di mana produk menjadi lebih bernilai saat lebih banyak orang menggunakannya** Skala ekonomiyang memungkinkan petahana menekan pendatang IP proprieter atau perlindungan regulasiyang secara hukum mengecualikan peniru Pengendalian input langka atau saluran distribusi**yang tidak dapat diakses rival

Setiap Sumber Rente Adalah Friksi

Inilah wawasan yang menjadi dasar seluruh laporan ini. Masing-masing sumber rente itu adalah friksi. Sebuah benteng sebenarnya hanyalah bentuk friksi yang tidak bisa dilewati pesaing dengan murah:

• Biaya pindah yang tinggi adalah friksi di keluar pelanggan. - Hambatan masuk adalah friksi di kedatangan pesaing. - Efek jaringan adalah friksi di koordinasi yang diperlukan agar pengguna berpindah ke tempat lain bersama-sama. - Skala manufaktur adalah friksi di modal dan waktu yang harus ditenggelamkan pendatang sebelum mencapai biaya unit yang kompetitif.

Pembaruan cara pandang ini sangat penting, karena memberi tahu Anda dengan tepat apa yang sebenarnya dilakukan sesuatu seperti AI generatif, atau sesuatu seperti kepadatan industri Tiongkok, terhadap pasar. Kekuatan-kekuatan ini tidak menyerang produk. Mereka menyerang friksi. Mereka adalah teknologi peluruh friksi. Dan teknologi peluruh friksi, menurut definisi, adalah teknologi peluruh benteng.

Seluruh argumen laporan ini dapat dipadatkan menjadi satu kalimat:

benteng perangkat lunak dan perangkat keras runtuh karena friksi spesifik yang menghasilkan rente mereka adalah friksi yang kebetulan paling baik dihapus oleh AI dan aglomerasi Tiongkok.

Bagian Dua: Benteng Perangkat Lunak Historis & Mengapa Bit Mencetak Uang #

Untuk memahami keruntuhannya, pertama-tama Anda harus memahami mengapa perangkat lunak secara historis menjadi struktur bisnis terbaik yang pernah ditemukan kapitalisme, karena keruntuhan itu hanyalah kebalikan dari hal-hal yang membuatnya hebat.

Perangkat lunak memiliki struktur biaya yang nyaris unik. Ia menggabungkan biaya tetap yang tinggi untuk membuat salinan pertama dengan biaya marginal yang nyaris nol untuk mereproduksi dan mengirim setiap salinan sesudahnya. Menulis versi pertama dari program kompleks memerlukan kumpulan insinyur yang langka, mahal, dan butuh waktu lama untuk dilatih, yang bekerja selama berbulan-bulan atau bertahun-tahun. Tetapi setelah ditulis, salinan ke sejuta pada dasarnya tidak memerlukan biaya untuk dibuat dan tidak memerlukan biaya untuk dikirim. Asimetri itu menghasilkan daya ungkit operasional yang luar biasa. Perangkat lunak horizontal yang matang dapat mencatat margin kotor di kisaran delapan puluh persen, seperti yang Atlassian pandu untuk Q2 FY2025, karena pendapatan meningkat seiring pengguna sementara harga pokok penjualan hampir tidak bergerak. Tetapi pernyataan itu kurang universal dibanding dulu karena perangkat lunak yang berat pada konsumsi seperti Snowflake berada lebih dekat ke margin kotor 67 persen pada FY2025, sebagian karena infrastruktur cloud pihak ketiga berada di dalam biaya pendapatan. Dalam istilah ekonomi, perangkat lunak berperilaku seperti barang informasi murni, dan barang informasi memutus hubungan normal antara produksi dan biaya yang mengatur komoditas fisik.

Namun biaya marginal yang rendah saja tidak menciptakan benteng. Jika siapa pun dapat membuat barang itu dengan murah, biaya marginal rendah memberi Anda persaingan yang menghancurkan, bukan rente. Perangkat lunak memperoleh rente karena biaya tetap yang tinggi dari salinan pertama berfungsi sebagai hambatan masuk, dan karena beberapa friksi lain bertumpuk di atasnya:

Kelangkaan talenta engineering. Membangun perangkat lunak nontrivial membutuhkan orang yang mahal, sulit direkrut, dan sulit dikoordinasikan, sehingga kebanyakan calon pesaing bahkan tidak bisa menyusun tim untuk membangun tiruan yang kredibel.Waktu. Bahkan pesaing dengan pendanaan kuat membutuhkan banyak bulan untuk merekayasa balik, menspesifikasikan, membangun, menguji, dan mengirim produk pesaing, dan selama bulan-bulan itu petahana memiliki monopoli sementara untuk menumpuk pengguna, pendapatan, dan kedalaman produk.Biaya pindah. Begitu pelanggan memindahkan datanya ke suatu sistem, melatih stafnya pada antarmuka itu, dan menghubungkan sistem tersebut ke segala hal lain melalui integrasi khusus, pergi menjadi sangat mahal bahkan jika sesuatu yang lebih baik dan lebih murah muncul.Perhitungan bangun versus beli. Karena membangun perangkat lunak internal kustom itu sendiri mahal dan berisiko, perusahaan secara rasional membeli produk standar siap pakai alih-alih membangun milik mereka sendiri, yang menjamin pasar besar bagi vendor perangkat lunak paket.Efek jaringan dan akumulasi data proprieter, yang menumpuk di atas semuanya dalam kasus-kasus terbaik.

Kerentanan Struktural

Lihatlah dari apa daftar itu tersusun. Hanya satu dari lima friksi itu, efek jaringan, yang melekat pada sisi permintaan produk. Empat lainnya, kelangkaan talenta, waktu pembangunan, biaya pindah, dan penalti bangun versus beli, semuanya adalah friksi produksi di sisi pasokan. Itu adalah artefak dari betapa sulit, lambat, dan mahalnya perangkat lunak untuk dibuat dan diganti.

Itulah kerentanannya. Sebuah bisnis yang daya tahan kompetitifnya terutama bertumpu pada betapa sulitnya barang itu diproduksi hanya defensibel selama produksi tetap sulit. Pada saat biaya produksi dan penggantian perangkat lunak runtuh, empat dari lima pilar ikut runtuh, dan hanya efek jaringan di sisi permintaan yang tetap berdiri.

Runtuhnya itulah yang tepatnya dibawa oleh AI generatif.

Bagian Tiga: Guncangan AI & Pelarutan Parit Pertahanan Perangkat Lunak #

Cara yang tepat untuk memodelkan apa yang dilakukan AI generatif terhadap ekonomi perangkat lunak adalah memperlakukannya sebagai guncangan terhadap fungsi produksi perangkat lunak. Dalam ekonomi dasar, biaya memproduksi apa pun adalah fungsi dari biaya inputnya. Untuk perangkat lunak, input yang dominan selalu tenaga kerja kognitif manusia yang terampil, khususnya tenaga kerja untuk mengubah kebutuhan bisnis menjadi kode yang benar, teruji, dan dapat diterapkan. Tenaga kerja itulah input yang langka dan mahal yang menciptakan hambatan masuk.

AI generatif dan agen pengodean otonom menyerang input itu secara langsung. Mereka menghasilkan, merefaktor, men-debug, mendokumentasikan, dan menerapkan kode dengan biaya yang jauh lebih rendah daripada biaya historis pada banyak tugas. Sebuah eksperimen GitHub Copilot yang terkontrol menemukan bahwa pengembang menyelesaikan tugas pengodean yang terbatas 55,8 persen lebih cepat, dan studi lapangan pada 4.867 pengembang menemukan 26,08 persen lebih banyak tugas diselesaikan. Efeknya nyata, tetapi tidak merata, karena sebuah uji acak METR tahun 2025 menemukan pengembang open source berpengalaman yang bekerja di basis kode matang yang familier menjadi 19 persen lebih lambat dengan alat AI awal-2025, walaupun mereka percaya bahwa mereka lebih cepat. Kesimpulan yang aman bukanlah bahwa AI membuat setiap insinyur lebih cepat dalam setiap situasi. Kesimpulannya adalah bahwa AI mengompresi biaya produksi kode, terutama untuk pekerjaan yang terbatas, greenfield, dan yang lebih junior. Input yang langka sedang dibuat menjadi lebih melimpah. Ketika harga input langka yang kritis turun, hambatan masuk yang dibangun di atas kelangkaan itu runtuh bersamanya. Satu mekanisme itu menjalar melalui keempat pilar sisi penawaran.

Perubahan itu terlihat pada alat yang benar-benar digunakan para pengembang. Pertama hadir copilots native IDE seperti Cursor. Lalu hadir agen pengodean native terminal seperti Claude Code, Codex CLI, Kiro CLI, dan OpenCode, tempat model membaca repo, mengedit berkas, menjalankan perintah, dan beriterasi dalam lingkungan yang sama dengan insinyur. Sekarang lapisan ketiga sedang muncul di sekitar orkestrasi multi-agen, dengan alat seperti Conductor, Superset, dan Hermes Agent mengoordinasikan beberapa agen lintas proyek dan lingkungan. Progresinya jelas. Ia telah bergerak dari pelengkapan otomatis, ke agen otonom, ke mengorkestrasi banyak agen secara paralel, dan ini hanya akan semakin cepat. Pekerjaan digital akan semakin mudah diotomatisasi setiap tahun, dan alat yang hari ini memerlukan operator terampil besok akan memerlukan semakin sedikit intervensi manusia.

1. Runtuhnya Hambatan Masuk

Meluncurkan produk perangkat lunak yang kredibel dulu membutuhkan modal awal yang nyata, yang sebagian besar dipakai untuk mempekerjakan para insinyur yang diperlukan untuk membangun MVP. Kebutuhan modal itu menyaring pasar. Hanya usaha yang bisa menggalang dana dan merekrut talenta yang pernah meluncur, dan kelangkaan pesaing yang dihasilkan itu sendiri merupakan bagian dari perlindungan pemain incumbent.

Ketika satu pengembang dengan alat AI yang baik dapat merancang, membangun, dan meluncurkan aplikasi yang rapi dan bekerja dalam sebagian kecil dari waktu dan biaya lama, penyaring itu hilang. Pasar dibanjiri pendatang baru. Dalam istilah kompetitif, kurva penawaran fitur perangkat lunak bergeser keluar secara besar-besaran, dan teori harga dasar memberi tahu Anda apa yang terjadi selanjutnya tanpa ambiguitas. Ketika penawaran barang substitusi berkembang keras melawan permintaan yang relatif tetap, harga jatuh mendekati biaya marjinal, dan karena biaya marjinal perangkat lunak mendekati nol, harga pun ikut tertarik ke nol. Kelimpahan ekstrem penawaran perangkat lunak secara mekanis adalah penghancuran daya tawar harga perangkat lunak.

2. Runtuhnya Keunggulan Temporal

Ini mungkin moat perangkat lunak yang paling penting dari semuanya. Seluruh logika merilis cepat dan beriterasi bergantung pada fitur yang diluncurkan memberi penciptanya keunggulan eksklusif selama berbulan-bulan sebelum siapa pun dapat menyalinnya. Waktu tunggu itu adalah jendela ketika efek jaringan, merek, dan pelanggan dibangun.

AI mengompresi siklus peniruan dari bulan menjadi jam. Seorang pesaing dapat melihat antarmuka produk, menjelaskan perilakunya kepada agen pengodean, dan mendapatkan klon yang bekerja hampir seketika, tanpa pernah melihat kode sumber aslinya, karena nilainya memang tidak pernah benar-benar berada pada kode spesifiknya. Nilainya berada pada spesifikasinya, dan spesifikasi kini sangat murah untuk diimplementasikan.

Ketika jeda peniruan turun menjadi nol, monopoli sementara yang membenarkan inovasi cepat menguap. Inovasi tetap terjadi, tetapi berhenti menghasilkan premi yang tahan lama, karena imbalan atas inovasi langsung diberikan kepada para peniru. Ini adalah kasus buku teks dari apa yang David Teece sebut sebagai masalah appropriability dalam makalahnya tahun 1986 tentang memperoleh keuntungan dari inovasi teknologi. Inovasi hanya membayar dirinya sendiri ketika inovator dapat menangkap cukup banyak nilai yang diciptakannya sebelum imitasi menggerusnya. AI mendorong appropriability inovasi perangkat lunak murni menuju nol.

3. Pelarutan Biaya Pindah

Ini adalah moat perangkat lunak tradisional yang paling kokoh, karena ia bekerja bahkan ketika produk pesaing jelas lebih baik. Namun biaya pindah itu sendiri tersusun dari gesekan, memigrasikan data dari satu skema ke skema lain, membangun ulang integrasi kustom, dan melatih ulang staf pada antarmuka yang asing. Setiap hal itu persis merupakan jenis kerja penerjemahan yang melelahkan dan berbasis pola yang dikuasai AI.

Pemetaan data berbasis AI dapat menyerap, menormalkan, dan memigrasikan basis data yang kompleks dari struktur satu sistem ke sistem lain dengan cepat dan murah. Antarmuka bahasa alami menurunkan biaya pelatihan ulang, karena pengguna semakin banyak berinteraksi melalui percakapan alih-alih menghafal pohon menu proprietari, yang berarti keterampilan terakumulasi yang terkunci dalam antarmuka satu vendor tidak lagi berfungsi sebagai penalti perpindahan.

Saat biaya untuk meninggalkan turun, nilai seumur hidup dari pelanggan yang sudah ditangkap ikut turun, biaya akuisisi pelanggan naik relatif terhadap nilai seumur hidup yang menyusut itu, dan ekonomi unit dari seluruh model langganan memburuk. Moat yang dibangun di atas ketidakmampuan pelanggan untuk pergi akan larut ketika pergi menjadi murah.

4. Pembalikan Bangun versus Beli

Yang ini diam-diam menghancurkan pasar yang dapat dijangkau itu sendiri. Perusahaan membeli perangkat lunak paket karena membangun alat internal khusus terlalu mahal, terlalu lambat, dan terlalu berisiko untuk dibenarkan kecuali untuk kebutuhan mereka yang paling terdiferensiasi. Penalti pada pembangunan internal itulah yang menjamin vendor pasar yang besar.

Ketika agen AI memungkinkan tim internal, bahkan yang nonteknis, menghasilkan aplikasi kustom yang disesuaikan dengan alur kerja mereka sendiri, penalti pada pembangunan menghilang, dan pilihan rasional bergeser dari membeli langganan generik ke menghasilkan alat privat yang pas sempurna dan tidak membawa lisensi berulang.

Ini bukan hanya membuat persaingan antar vendor semakin intens. Ini menyusutkan total pasar yang dapat dijangkau yang sedang diperebutkan vendor, karena bagian yang semakin besar dari permintaan perangkat lunak dipenuhi secara internal dan tidak pernah mencapai pasar eksternal sama sekali. Nilai bermigrasi dari vendor perangkat lunak eksternal ke kapabilitas operasional internal, yang berarti ia berhenti menjadi pasar dan menjadi efisiensi biaya internal.

Ini adalah hal yang sama yang saya sebut Leverage Perangkat Lunak Internal dalam tulisan saya, Barbel Nilai Perangkat Lunak, dilihat dari sisi vendor alih-alih pembeli.

Hasilnya & Apa yang Tidak Runtuh

Gabungkan keempat mekanisme itu dan Anda mendapatkan komoditisasi perangkat lunak murni. Industri ini memasuki kelimpahan ekstrem perangkat lunak, di mana aplikasi fungsional murah untuk dibangun, dapat dikloning seketika, dan semakin banyak dihasilkan sendiri secara on demand. Dalam kondisi itu, kode itu sendiri berhenti menjadi sumber rente, persis seperti barang apa pun berhenti memerintahkan rente setelah menjadi melimpah dan substitutabel. Nilai terlepas dari kode.

Kejujuran menuntut untuk mengatakan dengan jelas apa yang tidak runtuh, karena melebih-lebihkan hal ini akan membuatnya salah. AI generatif menyerang friksi produksi di sisi penawaran. Dengan sendirinya, ia tidak menyerang friksi di sisi permintaan dan tingkat sistem.

Efek jaringan tetap bertahan, karena AI dapat mengkloning perangkat lunak jejaring sosial dalam satu sore tetapi tidak dapat mengkloning penggunanya, dan para pengguna itulah asetnya.Parit data proprietari tetap bertahan dan bahkan makin kuat, karena AI membuat kode lebih murah diproduksi sambil membuat data langka yang melatihnya menjadi lebih bernilai.** Distribusi dan merek tetap bertahan**, karena perhatian dan kepercayaan tetap langka bahkan ketika fitur gratis.** Hambatan regulasi dan kepatuhan tetap bertahan**, karena agen pengodean tidak dapat menghasilkan lisensi perbankan, izin perangkat medis, atau sertifikasi penerbangan.** Integrasi mendalam ke realitas operasional fisik atau teregulasi tetap bertahan**, karena kode itu murah, tetapi memasang sensor, memperoleh kepercayaan, dan beroperasi di bawah persetujuan regulasi tidaklah murah.

Jadi klaim yang tepat bukan bahwa semua bisnis perangkat lunak mati. Klaimnya adalah bahwa benteng pertahanan yang dulu spesifik, dan pernah dominan, dari perangkat lunak murni, berdiri sendiri, yang dikemas, yang dipertahankan oleh sulitnya menulis dan mengganti kode, telah dihancurkan. Yang bertahan adalah perangkat lunak yang ditopang oleh sesuatu yang tidak dapat direproduksi AI dengan murah: jaringan, kumpulan data, posisi regulasi, saluran distribusi, atau operasi fisik. Perangkat lunak yang melayang bebas dari semua itu kini menjadi komoditas.

Bagian Empat: Benteng Pertahanan Historis Perangkat Keras & Mengapa Atom Itu Sulit #

Argumen perangkat keras mengikuti disiplin yang sama. Pertama tetapkan mengapa perangkat keras dulu dapat dipertahankan, lalu tunjukkan mana dari pertahanan itu yang diluluhlantakkan oleh sistem manufaktur Tiongkok.

Perangkat keras dapat dipertahankan karena alasan yang hampir berlawanan dengan perangkat lunak, dan pasar modal memperlakukan keduanya sebagai lawan. Jika perangkat lunak memiliki biaya marjinal mendekati nol, perangkat keras memiliki biaya marjinal tinggi dan keras kepala, karena setiap unit fisik memakan bahan, energi, tenaga kerja, dan waktu mesin. Jika perangkat lunak dikirim seketika dan tanpa batas, perangkat keras terikat oleh fisika manufaktur dan logistik. Sifat-sifat itu membuat perangkat keras menjadi bisnis yang lebih buruk pada margin, tetapi juga, anehnya, menjadikannya dapat dipertahankan dengan cara tertentu, karena sulitnya produksi fisik bertindak sebagai penghalang yang melindungi perusahaan perangkat keras yang dikelola dengan baik dari peniruan kasual.

Gesekan spesifik yang melindungi perangkat keras adalah sebagai berikut:

Modal perkakas. Membuat produk fisik dalam skala besar memerlukan perkakas khusus, terutama cetakan injeksi dan cetakan cor yang digunakan untuk membentuk bagian plastik dan logam, dan perkakas itu berharga puluhan atau ratusan ribu dolar serta memaksa kuantitas pesanan minimum yang tinggi. Itu adalah dinding modal keras yang tidak dapat dipanjat oleh sebagian besar pendatang baru, dan melindungi para pemain mapan yang sudah mengamortisasi perkakas mereka. - Latensi iterasi. Menyempurnakan desain fisik berarti memotong perkakas baru, menyesuaikan toleransi, dan menjalankan batch uji fisik, sebuah loop yang memakan waktu berminggu-minggu atau berbulan-bulan per putaran dan menghabiskan banyak biaya setiap kali, sehingga produk fisik membaik secara lambat dan pesaing memerlukan kampanye mahal yang panjang untuk menyusul. - Perakitan rantai pasok. Produk fisik adalah daftar bahan yang bersumber dari banyak pemasok khusus, dan pemasok itu dulu tersebar di berbagai perusahaan, wilayah, dan negara, sehingga menyusun rantai pasok yang berfungsi berarti bernegosiasi dengan vendor yang terpisah, menelan waktu tunggu yang panjang, dan mengelola logistik yang rumit. - Presisi dan pengetahuan proses. Pengetahuan terkumpul, yang sering kali bersifat tacit, yang diperlukan untuk benar-benar memproduksi sebuah desain pada hasil yang dapat diterima. Itu tidak berpindah dari sebuah gambar. Anda harus mempelajarinya dengan melakukannya. - Distribusi. Kebutuhan untuk menempatkan produk fisik di depan pembeli melalui pengecer, distributor, dan ruang rak yang juga langka dan dijaga gerbangnya.

Lihat lagi komposisinya, sama seperti perangkat lunak. Benteng pertahanan perangkat keras terutama adalah seperangkat gesekan produksi dan logistik: modal perkakas, latensi iterasi, perakitan rantai pasok, hasil proses, dan distribusi fisik. Ia dipertahankan oleh betapa sulit, lambat, dan mahalnya mengubah sebuah desain menjadi objek fisik yang dikirim. Dan persis seperti perangkat lunak, pertahanan yang dibangun di atas kesulitan produksi hanya tahan lama selama produksi tetap sulit.

Tetapi kontribusi Tiongkok terhadap sejarah ekonomi adalah membuat produksi fisik, di seluruh rentang barang yang sangat luas, tidak lagi sulit.

Bagian Lima: Guncangan Tiongkok, Aglomerasi Industri, & Berakhirnya Benteng Pertahanan Perangkat Keras #

Kesalahpahaman paling umum tentang dominasi manufaktur Tiongkok adalah bahwa itu adalah cerita tentang tenaga kerja murah. Itu sebagian benar pada fase awal dan sekarang sebagian besar salah, dan salah memahaminya langsung mengarah pada kesimpulan gagal bahwa pemindahan kembali produksi, atau memindahkan produksi ke negara upah rendah berikutnya, akan memulihkan tatanan lama.

Penjelasan yang sebenarnya adalah bahwa Tiongkok membangun, pada kepadatan dan skala yang belum pernah dilihat siapa pun sebelumnya, fenomena yang Alfred Marshall gambarkan lebih dari seabad lalu sebagai aglomerasi industri. Aglomerasi itulah, bukan arbitrase upah, yang membongkar benteng pertahanan perangkat keras. Perbedaan ini adalah inti dari bagian ini, dan saya bukan orang pertama yang menyatakannya. Andrew “bunnie” Huang telah mendokumentasikan versi Shenzhen dari hal itu secara langsung selama lebih dari satu dekade dalam The Hardware Hacker.

Ekonomi Eksternal Marshallian

Aglomerasi industri adalah pengelompokan geografis yang saling memperkuat dari industri yang saling terhubung, pemasok komponen, pembuat sub-rakitan, pengolah bahan mentah, pembuat perkakas, produsen kontrak, penyedia logistik, dan tenaga kerja terampil khusus, semuanya dikemas di wilayah yang sama. Marshall mengidentifikasi mengapa klaster semacam itu menghasilkan keuntungan yang tidak dapat ditandingi perusahaan yang terisolasi:

• Mereka menciptakan kolam tenaga kerja bersama yang dalam dari pekerja khusus. - Mereka mendukung pemasok lokal khusus yang tidak akan pernah bisa bertahan melayani satu pelanggan yang jauh tetapi makmur melayani klaster padat dari mereka. - Mereka menghasilkan limpahan pengetahuan, di mana perbaikan proses menyebar cepat melalui klaster karena orang-orang yang relevan secara fisik berdekatan dan berpindah-pindah.

Ketiga kekuatan itu adalah ekonomi eksternal Marshallian, dan artinya sebuah perusahaan di dalam klaster mendapat biaya lebih rendah, iterasi lebih cepat, dan informasi lebih baik daripada perusahaan identik di luarnya, tidak peduli seefisien apa pun perusahaan luar itu berdiri sendiri.

Biaya Transaksi Runtuh

Di Delta Sungai Mutiara, dan khususnya Shenzhen, aglomerasi mencapai kepadatan tanpa preseden historis. Konsekuensi praktisnya paling mudah dilihat melalui ekonomi biaya transaksi Ronald Coase. Coase menjelaskan bahwa batas dan kecepatan aktivitas ekonomi ditentukan oleh biaya transaksi, biaya mencari pemasok, merundingkan syarat, dan mengoordinasikan produksi lintas perusahaan. Dalam rantai pasok yang tersebar biaya-biaya itu sangat besar, dan itulah isi sesungguhnya dari gesekan ketiga benteng pertahanan perangkat keras.

Dalam klaster yang sangat padat, biaya transaksi runtuh hampir menjadi nol. Seluruh rantai pasok untuk sebagian besar perangkat elektronik dan mekanis berada dalam radius kecil, sehingga pencarian, pengadaan, negosiasi, dan koordinasi yang dulu memakan waktu berminggu-minggu lintas benua kini memakan waktu berjam-jam lintas distrik. Seorang perancang dapat menspesifikasikan sebuah perangkat, mendapatkan setiap komponen secara lokal pada hari yang sama, membuat dan mengisi papan sirkuit khusus semalam, dan memegang prototipe yang berfungsi keesokan paginya.

Ini bukan tenaga kerja yang lebih murah. Ini adalah penghapusan hampir seluruh biaya transaksi dan latensi iterasi, yang merupakan sesuatu yang secara kategoris berbeda dan jauh lebih kuat.

Dari kepadatan itu, empat mekanisme meluluhlantakkan benteng pertahanan perangkat keras, meniru empat AI yang diterapkan pada perangkat lunak.

1. Runtuhnya Latensi Iterasi

Ini adalah versi perangkat keras dari kehilangan keunggulan temporal perangkat lunak. Dalam rantai pasok Barat yang tersebar, satu putaran desain fisik memakan waktu berminggu-minggu dan biayanya mahal, sehingga perangkat keras membaik secara lambat dan keunggulan penyempurnaan milik petahana tetap bertahan. Di dalam klaster, iterasi fisik mendekati kecepatan iterasi perangkat lunak. Cetakan dimodifikasi, tata letak papan disesuaikan, dan batch uji dijalankan dalam hitungan hari.

Konsekuensi strategisnya brutal. Setiap desain perangkat keras yang dikonsepsikan di Barat dapat diamati, direkayasa balik, dioptimalkan untuk kemudahan manufaktur, dan diproduksi massal di dalam klaster lebih cepat daripada perusahaan Barat asalnya dapat menyelesaikan prototipe keduanya sendiri. Waktu unggul sang penggagas, yang merupakan sumber rente-nya, menjadi negatif. Peniru mengirim versi yang lebih baik dan lebih murah terlebih dahulu.

2. Runtuhnya Modal Perkakas

Ini adalah versi perangkat keras dari runtuhnya hambatan masuk perangkat lunak. Puluhan ribu dolar dan kuantitas pesanan minimum yang tinggi yang dulu menghalangi produksi fisik telah dioptimalkan keluar di dalam klaster melalui pemesinan terkontrol komputer yang cepat, basis cetakan modular standar yang dikonfigurasi ulang alih-alih dipotong dari nol, dan bengkel perkakas throughput tinggi yang sangat kompetitif. Perangkat keras batch kecil yang sangat disesuaikan kini dapat diproduksi dengan struktur biaya yang dulu hanya tersedia bagi perusahaan multinasional besar. Dinding modal yang menyaring pendatang perangkat keras sebagian besar telah runtuh, sama seperti yang menyaring pendatang perangkat lunak, dan pasar dibanjiri tekanan penurunan harga yang sama dan dapat diprediksi.

3. Kurva Pengalaman, Diperkuat oleh Otomatisasi

Mekanisme inilah yang mengunci keunggulan biaya secara permanen, dan itulah alasan keunggulan tersebut tidak bisa di-arbitrase dengan berpindah ke tempat lain. Hukum Wright, yang pertama kali dijelaskan oleh Theodore Wright pada tahun 1936 dari data produksi pesawat terbang dan kemudian digeneralisasi oleh Boston Consulting Group sebagai kurva pengalaman, adalah salah satu keteraturan empiris paling andal dalam ekonomi industri. Hukum ini menyatakan bahwa untuk banyak produk, biaya per unit turun dengan persentase yang konsisten setiap kali volume produksi kumulatif berlipat dua, karena organisasi belajar, melalui akumulasi tindakan, cara memproduksi dengan lebih efisien.

Karena klaster tersebut menghasilkan porsi luar biasa dari volume kumulatif global di tak terhitung banyaknya kategori produk, ia berada jauh di bawah kurva pengalaman yang ditempati oleh setiap pendatang baru, dengan volume kumulatif rendah, yang berada di bagian atasnya. Manufaktur Tiongkok modern kemudian memperkuat keunggulan pembelajaran itu dengan otomasi padat modal, robotika canggih, inspeksi optik otomatis berkecepatan tinggi, dan integrasi vertikal yang menjangkau jauh kembali ke bahan baku.

Inilah titik persis ketika penjelasan biaya tenaga kerja mati. Keunggulan modern bukanlah upah rendah. Melainkan pembelajaran terakumulasi ditambah skala otomatis ditambah kepadatan pemasok, dan pendatang baru tidak dapat meniru kombinasi itu dengan tindakan jangka pendek apa pun, baik upah tinggi maupun upah rendah, karena Anda tidak bisa secara instan membeli pengalaman produksi kumulatif selama puluhan tahun atau ekosistem pemasok di sekitarnya.

4. Runtuhnya Friksi Distribusi

Ini adalah versi perangkat keras dari AI yang mengikis kebutuhan untuk melalui saluran perangkat lunak yang sudah mapan. Pasar digital global dan logistik paket yang sangat efisien memungkinkan produsen di dalam klaster melewati distributor Barat, grosir, dan ruang rak ritel sama sekali, mencantumkan produk langsung di platform global dan mengirim ke pintu konsumen dalam hitungan hari. Friksi terakhir yang melindungi merek perangkat keras petahana, yaitu kontrolnya atas rak dan saluran, menjadi terlewati. Perangkat yang secara fungsional setara mencapai pelanggan yang sama dengan harga bermerek yang sebagian kecil tanpa pernah menyentuh sistem distribusi petahana.

Komune Industri & Mengapa Memindahkan Kembali Produksi Sangat Sulit

Konsekuensi paling penting dari semua ini, dan yang paling sering diabaikan, adalah tentang memindahkan kembali produksi, dan di sinilah gagasan komune industri menjadi penting. Gary Pisano dan Willy Shih menamai hal ini dalam Restoring American Competitiveness (PDF) pada tahun 2009. Pengamatan mereka adalah bahwa kemampuan manufaktur bukanlah properti perusahaan individual. Itu adalah properti sebuah ekosistem, basis lokal yang dibagi bersama dari pemasok, pembuat alat, insinyur proses, dan pengetahuan diam-diam.

Ketika sebuah negara memindahkan produksi ke luar negeri, ia tidak hanya kehilangan pabrik. Seiring waktu, ia kehilangan komune di sekelilingnya, karena pemasok, pembuat alat, dan insinyur proses terampil akan merosot atau pindah ketika tidak ada permintaan lokal yang mempertahankan mereka tetap hidup. Begitu komune itu hilang, tidak ada satu perusahaan atau subsidi pun yang dapat membangunnya kembali dengan cepat, karena sebuah pabrik yang dipindahkan kembali secara tunggal tidak memiliki pemasok lokal, tidak memiliki pembuat alat lokal, tidak memiliki kumpulan insinyur proses berpengalaman lokal, dan karena itu tidak memiliki ekonomi eksternal Marshallian yang sejak awal membuat klaster tersebut efisien.

Itulah sebabnya memindahkan kembali kategori perangkat keras yang terkomoditisasi sangat sulit dan sangat mahal. Keunggulan yang ingin diciptakan kembali oleh pihak yang memindahkan kembali produksi itu sebenarnya tidak pernah berada di dalam pabrik. Ia berada dalam ekosistem di sekitar pabrik, dan ekosistem itu tidak lagi ada di rumah. Parit pertahanan itu tidak pindah ke Tiongkok karena perusahaan-perusahaan Tiongkok secara individual lebih baik. Ia pindah karena komune pindah, dan sebuah komune adalah aset kolektif yang tidak bisa dibangun kembali oleh tindakan individual.

Kesimpulan makro untuk perangkat keras persis paralel dengan yang untuk perangkat lunak. Saat spesifikasi suatu produk fisik diketahui, ekosistem manufaktur yang sangat padat dapat mereplikasinya, mengoptimalkannya untuk manufaktur, dan mendistribusikannya secara langsung pada struktur biaya yang melenyapkan margin penciptanya. Perangkat keras mandiri, yang dipertahankan hanya oleh sulitnya produksi fisik, telah terkomoditisasi, karena kesulitan itu, untuk rentang barang yang sangat luas, tidak lagi ada.

Bagian Enam: Runtuhnya Berurutan & Konsekuensi Strategisnya #

Orang biasanya menganalisis dua keruntuhan itu secara terpisah, dan secara kronologis memang seharusnya begitu. Keruntuhan perangkat keras datang lebih dulu. Aglomerasi Tiongkok membuat daya tahan perangkat keras berbasis produksi menjadi lemah di seluruh elektronik konsumen dan banyak barang dengan kompleksitas menengah bertahun-tahun sebelum alat pengodean AI generatif menjadi penting. Keruntuhan perangkat lunak datang kemudian. Peristiwa aktual bagi seorang pendiri hari ini bukanlah bahwa keduanya dimulai bersama. Melainkan bahwa kedua kondisi itu kini hadir di pasar.

Era sebelumnya masih menawarkan jalur keluar. Ketika perangkat lunak menjadi kompetitif, modal bisa mengalir ke perangkat keras yang defensible. Ketika perangkat keras menjadi kompetitif, modal bisa mengalir ke perangkat lunak yang defensible. Kedua ranah itu merupakan tempat berlindung yang bergantian. Rotasi itu tidak lagi bekerja. Atom murni sudah kehilangan parit produksinya, dan bit murni kini sedang kehilangan paritnya. Tidak ada lagi perlindungan bagi bit murni dan tidak ada lagi perlindungan bagi atom murni. Inilah makna terdalam dari bellbar yang saya tulis tahun lalu. Bagian tengah, tempat sebuah perusahaan bergantung pada satu dimensi yang sulit, telah dilubangi dari kedua sisi.

Konsekuensi Tingkat Pertama: Tekanan Deflasi yang Tergeneralisasi

Ketika biaya marjinal perangkat lunak mendekati nol dan biaya efektif replikasi fisik mendekati dasar yang sangat efisien dari klaster, kompetisi mendorong harga di kedua ranah turun ke arah dasar itu. Itu bersifat disinflasioner bagi konsumen dan merusak bagi produsen tanpa parit pertahanan, dan itu menjelaskan teka-teki yang banyak orang perhatikan, bahwa kemajuan teknologi yang luar biasa berada tepat di samping margin yang menyusut untuk perusahaan-perusahaan yang benar-benar melakukan produksi. Kemajuan sedang ditangkap oleh konsumen dan oleh para peniru, bukan oleh para inovator, justru karena kemampuan apropriasi runtuh di kedua ranah.

Konsekuensi Tingkat Kedua: Sewa Bergeser Sepanjang Kurva Senyum

Stan Shih, pendiri Acer, mengusulkan kurva senyum sekitar tahun 1992. Plotkan nilai tambah terhadap tahapan produksi dalam rantai nilai manufaktur dan Anda akan mendapatkan bentuk seperti senyum. Ben Thompson telah mengadaptasinya ke penerbitan, yang layak dibaca karena menunjukkan bahwa kurva itu sebenarnya bukan tentang manufaktur sama sekali. Berikut adalah aslinya:

Tahapan Shih adalah sebagai berikut:

Hulu bernilai tinggi, artinya desain, pencitraan merek, dan kekayaan intelektual** Lembah yang dalam di tengah**, artinya perakitan dan manufaktur fisik, tahap yang paling mudah terkomoditisasi** Hilir bernilai tinggi**, artinya distribusi, layanan, dan hubungan dengan pelanggan

Kebangkitan Tiongkok meratakan dan mengkomoditisasi bagian tengah kurva itu untuk perangkat keras. AI generatif kini sedang mengkomoditisasi bagian tengah yang setara untuk perangkat lunak, yakni tindakan menulis kode itu sendiri. Arahan yang mengikuti identik dalam kedua kasus: tinggalkan bagian tengah yang terkomoditisasi dan bergeraklah ke ujung-ujung senyum.

Tetapi ujung-ujung itu justru merupakan sisi permintaan dan aset tingkat sistem yang tidak bisa direplikasi secara murah oleh AI maupun kepadatan manufaktur. Di hulu artinya data proprieter, riset nyata, dan wawasan desain yang sejati. Di hilir artinya merek, kepercayaan, distribusi, posisi regulatori, dan kepemilikan atas hubungan pelanggan serta hasil operasional.

Konsekuensi Tingkat Ketiga: Sewa Bergerak ke Celah-Celah

Inilah konsekuensi yang menghubungkan analisis dengan strategi. Sewa yang bertahan lama telah bermigrasi keluar dari dimensi tunggal mana pun dan masuk ke kopling antara dimensi-dimensi, dan ke aset yang berada di luar produksi sama sekali. Jika kode murni gratis dan atom murni murah, maka friksi yang masih menghasilkan sewa adalah yang hidup di celah-celah:

Ko-desain yang erat antara perangkat keras kustom dan perangkat lunak kustom, sehingga tidak satu pun berguna bagi peniru tanpa yang lain.** Data proprieter yang dihasilkan dengan mengoperasikan alur kerja fisik nyata atau yang diatur regulasinya**, yang langka justru karena merupakan produk sampingan dari melakukan pekerjaan itu, bukan sesuatu yang bisa disalin.** Hubungan yang dalam, lambat dibangun, dan akreditasi regulatoridalam industri konservatif, di mana klon yang lebih murah didiskualifikasi bahkan sebelum siapa pun mengevaluasinya. Posisi sebagai prinsipal**, di mana sebuah perusahaan tidak menjual alat yang bisa terkomoditisasi melainkan memiliki operasi tersebut, menanggung liabilitas, menjamin hasilnya, dan menangkap baik seluruh kumpulan laba maupun limpahan data eksklusif.

Ini adalah friksi yang secara struktural tidak mampu dilarutkan oleh AI dan aglomerasi Tiongkok, karena itu sama sekali bukan friksi produksi. Mereka adalah friksi kepercayaan, akses fisik, regulasi, pengamatan dunia nyata yang terakumulasi, dan kepemilikan operasional.

Bagian Tujuh: Batas, Kontra-argumen, & Jujur Mengenainya #

Sebuah tesis seluas ini harus diuji tekan terhadap keberatan-keberatan terkuatnya, karena strategi yang dibangun di atas premis yang terlalu dibesar-besarkan akan gagal tepat di tempat premis itu terlalu kuat.

Keberatan 1: Perangkat Lunak yang Dihasilkan AI Belum Setara Kelas Perbatasan

Keberatan pertama adalah bahwa perangkat lunak yang dihasilkan AI belum setara dengan perangkat lunak yang dirancang ahli untuk sistem yang paling kompleks, paling andal, atau benar-benar baru, dan bahwa masih ada batas kualitas nyata yang memisahkan generasi komoditas dari rekayasa perbatasan.

Ini benar dan itu penting. Argumen komoditisasi paling kuat berlaku pada sejumlah besar perangkat lunak aplikasi konvensional yang logikanya sudah banyak dijelajahi. Di perbatasan yang sesungguhnya, dalam algoritma baru, dalam sistem yang menuntut keandalan atau keamanan ekstrem, dan dalam masalah tanpa preseden dalam data pelatihan, penilaian manusia ahli masih memegang nilai sewa. Jadi klaim yang tepat adalah bahwa AI meruntuhkan parit pertahanan untuk mayoritas perangkat lunak yang dapat dikomoditisasi, bukan bahwa ia menghapus semua nilai perangkat lunak.

Namun arah pergerakan itu penting secara strategis, karena perbatasan yang tetap dapat dipertahankan itu sempit, terus bergeser, dan merupakan fondasi yang buruk untuk bisnis yang tahan lama kecuali ia ditambatkan ke salah satu parit non-produksi di atas.

Keberatan 2: Dominasi Tiongkok Tidak Merata & Diperebutkan Secara Politik

Keberatan kedua adalah bahwa dominasi manufaktur Tiongkok tidak merata di berbagai kategori dan sekarang menghadapi kekuatan penyeimbang geopolitik yang serius, termasuk tarif, kontrol ekspor, pemindahan kembali ke dalam negeri yang didorong keamanan nasional, dan friend shoring yang disengaja untuk rantai pasokan kritis.

Ini juga benar. Argumen komoditisasi paling kuat untuk elektronik konsumen, barang mekanis, dan rakitan kompleksitas menengah, dan paling lemah di puncak tumpukan teknologi, paling jelas fabrikasi semikonduktor canggih, di mana intensitas modal ekstrem dan segelintir pemasok yang tak tergantikan menciptakan parit pertahanan mereka sendiri. Kebijakan juga dapat secara artifisial memasukkan kembali gesekan yang telah dihapus aglomerasi, melalui tarif yang menaikkan biaya tiba di tempat bagi peniru atau kontrol ekspor yang menolak input bagi mereka.

Namun kekuatan penyeimbang itu justru memperkuat kesimpulan utama alih-alih melemahkannya, karena baik parit semikonduktor yang bertahan maupun parit pemindahan kembali ke dalam negeri yang didorong kebijakan, lagi-lagi, bukan parit dari perangkat keras murni. Itu adalah parit dari skala modal ekstrem, dari posisi pemasok yang tak tergantikan, dan dari hubungan regulasi serta geopolitik. Itulah tepatnya gesekan non-produksi, hubungan, dan posisi yang menurut laporan ini telah menjadi tempat berpindahnya rente.

Keberatan 3: Mengapa Para Incumbent Besar Masih Begitu Menguntungkan?

Keberatan ketiga adalah yang paling halus. Jika baik perangkat lunak maupun perangkat keras telah dikomoditisasi, mengapa para incumbent teknologi terbesar masih sangat menguntungkan?

Jawabannya adalah bahwa para incumbent itu sebenarnya tidak pernah benar-benar dipertahankan oleh perangkat lunak murni atau perangkat keras murni. Parit pertahanan mereka yang sesungguhnya adalah efek jaringan, kontrol distribusi dan perhatian, data milik sendiri dalam skala peradaban, penguncian ekosistem, dan dalam beberapa kasus pengokohan regulasi.

Keruntuhan yang dijelaskan di sini tidak mengancam semua itu, dan dalam beberapa hal justru memperkuatnya, karena ketika produksi murni menjadi komoditas, nilai relatif dari aset non-produksi yang sudah dimiliki para incumbent meningkat.

Ini sepenuhnya konsisten dengan tesis. Komoditisasi produksi tidak meratakan semua laba. Ia mengalihkan laba dari perusahaan yang satu-satunya keunggulannya adalah bahwa produksi itu sulit, menuju perusahaan yang memiliki gesekan yang tak bisa disentuh produksi. Para incumbent bertahan karena mereka tidak pernah menjadi bisnis berdimensi tunggal. Itulah pelajarannya, bukan pengecualiannya.

Bagian Delapan: Sintesis & Jembatan ke Parit Pertahanan Modern #

Dua keruntuhan dalam laporan ini, pada dasarnya, adalah mekanisme yang sama yang berulang di dua domain, bukan satu linimasa bersama. Dalam kedua kasus, suatu kelas bisnis memperoleh rente yang bertahan lama karena produksi itu sulit, lambat, dan mahal. Dalam kedua kasus, sebuah kekuatan yang melarutkan gesekan, AI generatif di domain digital dan aglomerasi industri yang sangat padat di domain fisik, membuat produksi menjadi mudah, cepat, dan murah. Dalam kedua kasus, rente yang dipertahankan oleh kesulitan produksi menguap begitu produksi berhenti sulit.

Simetrinya tepat, dan menyadarinya bernilai lebih daripada masing-masing setengahnya sendiri, karena itu menyingkap hukum umum di bawah keduanya:

Setiap parit pertahanan yang hanya terdiri dari kesulitan membuat sesuatu bersifat sementara, dan ia bertahan tepat sampai seseorang menemukan cara untuk membuat sesuatu itu dengan mudah.

Koraleri strategisnya mengikuti langsung. Karena baik bit saja maupun atom saja tidak bisa melindungi sebuah bisnis, daya tahan harus disusun dari gesekan yang bertahan setelah kedua keruntuhan itu:

Integrasi loop tertutup yang rapat antara perangkat keras kustom dan perangkat lunak kustom, sehingga sistem tidak dapat dibongkar dan dikloning bagian demi bagian.** Data milik sendiri yang terus diperbarui yang dihasilkan sebagai produk sampingan dari pengoperasian alur kerja nyata**, yang tidak dapat disalin karena harus diperoleh melalui operasi.** Hubungan yang dalam, kepercayaan, dan posisi regulasi dari industri konservatif**, yang tidak dapat dihasilkan oleh agen pengodean maupun pabrik kontrak.** Keputusan untuk beroperasi sebagai prinsipal alih-alih vendor**, memiliki alur kerja dan hasilnya sehingga seluruh kumpulan laba dan seluruh jejak data tetap tertangkap alih-alih dijual lepas.

Sebuah perusahaan skala usaha modern dapat dipertahankan tepat sejauh ia menyusun beberapa gesekan yang bertahan itu menjadi satu sistem operasi terhubung yang menjadi lebih baik saat ia berjalan. Semua yang dulu menjadi parit pertahanan karena sulit dibangun kini menjadi komoditas karena mudah dibangun. Yang tetap dapat dipertahankan adalah apa yang sulit diakses, sulit memperoleh kepercayaan masuk ke dalamnya, sulit ditembus secara regulasi, dan sulit diamati tanpa melakukan pekerjaan nyata itu.

Parit pertahanan masa depan tidak dibuat dari bit, dan tidak dibuat dari atom. Ia dibuat dari sambungan di antara keduanya, dan dari hubungan serta data yang diperoleh dengan susah payah yang tak seorang pun bisa mereproduksinya tanpa berdiri di tempat Anda berdiri.

Kesimpulan Analisis #

Paradigma tiga puluh tahun yang memperlakukan perangkat lunak sebagai mesin andal bagi laba yang dapat dipertahankan dan perangkat keras sebagai komoditas bermargin rendah bukan sekadar bergeser. Dua asumsi dasarnya telah dibantah secara berurutan. Aglomerasi industri Tiongkok membantah asumsi bahwa perangkat keras itu sulit diiterasi dan diproduksi terlebih dahulu. AI generatif sedang membantah asumsi bahwa perangkat lunak itu sulit diproduksi dan diganti sekarang.

Karena kedua parit pertahanan itu sebagian besar dibangun di atas kesulitan produksi, dan karena kesulitan itu adalah target spesifik dari kedua kekuatan yang melarutkan gesekan, kedua parit pertahanan itu runtuh. Rente yang dulu mengalir kepada siapa pun yang bisa membangun bit atau menempa atom kini mengalir ke konsumen dan peniru, kecuali jika suatu perusahaan telah menambatkan dirinya pada gesekan yang tidak dapat dijangkau oleh keruntuhan produksi.

Gesekan yang bertahan itu, integrasi, data operasional milik sendiri, hubungan tepercaya, posisi regulasi, dan kepemilikan prinsipal atas alur kerja nyata, adalah tempat nilai tahan lama berpindah. Membangun perusahaan yang dapat dipertahankan pada era ini berarti menolak bergantung pada satu dimensi pun agar menjadi sulit, karena tidak ada yang sekadar sulit dibuat yang tetap dapat dipertahankan begitu membuatnya menjadi mudah.

Semua di atas adalah diagnosis. Itu menetapkan ke mana rente pergi dan mengapa, tetapi berhenti pada tingkat prinsip, dan sebuah prinsip tidak memberi tahu Anda seperti apa sebenarnya perusahaan yang dibangun di atasnya. Bagian ini adalah jawabannya. Ini mencakup dari apa daya tahan itu sekarang dibuat, dan seperti apa jika disusun menjadi bisnis nyata.

Barbel #

Sebelum aturan konstruksinya, ada baiknya membuat barbel itu eksplisit, karena analisis terus menunjuk ke arahnya tanpa mencantumkan ujung-ujungnya. Saya menguraikan ini pada 2025 dalam The Barbell of Software Value, tempat saya merekonsiliasi Teori Leverage Perangkat Lunak Internal saya dengan tesis kelimpahan. Di sana kesimpulannya adalah bahwa nilai perangkat lunak sedang terpolarisasi menjadi dua kelompok dengan bagian tengah yang menyusut.

Di satu ujung duduk primitif fondasional raksasa, model fondasi, infrastruktur komputasi, platform cloud, chip, dan infrastruktur AI inti. Ini dipertahankan oleh intensitas modal, ekonomi skala, dan konsentrasi penelitian pada tingkat yang pada dasarnya tidak dapat dijangkau oleh usaha baru. Itu bukan peluang yang saya gambarkan. Itu adalah lingkungan tempat ia beroperasi.

Google adalah kasus langit-langitnya. Ia menggabungkan model LLM, TPU, infrastruktur cloud, Search, Android, YouTube, Maps, Chrome, distribusi default, dan data milik sendiri dalam skala yang hampir tak seorang pun bisa sentuh. Itu tidak menjadikannya pola startup. Itu menjadikannya kutub atas barbel yang sepenuhnya terwujud. Anda tidak bisa memulai dari sana. Yang dibuktikan Google adalah mekanismenya, bahwa ketika produksi menjadi murah, nilai tahan lama bermigrasi ke komputasi, distribusi, infrastruktur, data, dan posisi ekosistem yang tidak bisa begitu saja disewa oleh pendatang baru. Perhatikan juga batasnya. Google menjalankan lelang. Ia biasanya tidak memiliki hasil akhir pengiklan. Itulah mengapa Waymo, bukan Search, adalah contoh posisi prinsipal yang lebih jelas nanti.

Di ujung lainnya duduk leverage pribadi yang sangat spesifik. Kepemilikan alur kerja yang dalam, otomatisasi dunia fisik, proses regulasi, penggantian tenaga ahli, data operasional milik sendiri, dan kepemilikan hasil. Ujung ini dapat dijangkau, dan ia dipertahankan oleh tepat gesekan non-produksi yang diidentifikasi analisis sebagai yang bertahan.

Bagian tengah yang berbahaya adalah perangkat lunak generik. Ini adalah aplikasi web, dasbor, alat CRUD, pengelola alur kerja, dan pembungkus tipis di atas API model. Ia terjepit dari atas oleh primitif, yang terus menyerap kemampuan umum ke dalam diri mereka sendiri, dan dari bawah oleh runtuhnya biaya untuk membangun apa pun yang generik sama sekali. Sebuah produk di tengah mudah dibangun, mudah dikloning, mudah diserap oleh pemain mapan sebagai fitur, dan biasanya memiliki terlalu sedikit dari rantai nilai pelanggan untuk mempertahankan harga.

Empat Faktor Penghalang #

Daya tahan hari ini tidak datang dari satu tembok tinggi. Itu datang dari penggabungan beberapa keunggulan yang saling mengunci. Empat pilar yang berbeda bertahan dari keruntuhan ganda produksi perangkat keras dan perangkat lunak. Sebuah perusahaan modern yang tahan lama membutuhkan jalur yang kredibel menuju setidaknya tiga di antaranya. Bukan satu. Tiga. Dimensi tunggal tidak lagi melindungi siapa pun, dan itu tidak akan pernah terjadi ke depan.

Perangkat Keras yang Hebat

Perangkat keras yang hebat bukan berarti menciptakan perangkat eksotis. Jelas bukan berarti menjual gawai cerdas dengan margin. Perangkat yang terlihat, dapat disalin, dan dijual terpisah justru adalah sesuatu yang paling cepat dihancurkan oleh klaster manufaktur. Perangkat keras mendapatkan tempatnya ketika ia bukan produk, melainkan instrumen. Ia memberi perusahaan akses fisik istimewa ke suatu proses yang tidak dapat diamati pesaing dari luar. Ia mendeteksi dunia fisik, menangkap data milik sendiri, mengeksekusi tindakan fisik, dan menstandarkan alur kerja, sehingga perangkat lunak di atasnya menjadi jauh lebih sulit untuk disalin. Ujiannya sederhana. Apakah perangkat keras itu bisa diambil keluar dan dijual sendiri? Jika bisa, itu adalah gawai dan akan menjadi komoditas. Jika ia tidak berarti tanpa perangkat lunak, data, dan operasi di sekitarnya, maka ia sedang melakukan pekerjaan penghalang.

Perangkat Lunak Kustom yang Hebat

Perangkat lunak kustom yang hebat bukan SaaS generik dan bukan antarmuka yang lebih bagus. Ia bekerja di dalam proses fisik atau regulasi yang spesifik, mengotomatiskan keputusan yang membawa bobot ekonomi nyata, mengoordinasikan tenaga kerja atau mesin, dan menangkap koreksi serta kasus-kasus tepi saat itu juga. Perhatikan apa yang membuatnya defensif. Bukan kodenya, yang menurut analisis sekarang murah, melainkan ketergantungannya pada akses operasional, data milik sendiri, dan pengetahuan alur kerja mendalam yang tidak dapat diperoleh pesaing hanya dengan menyalin antarmuka. Perangkat lunak itu sulit disalin karena hal-hal yang dihubungkannya sulit dijangkau, bukan karena perangkat lunaknya sulit ditulis.

Hubungan yang Hebat

Hubungan yang hebat adalah salah satu penghalang paling tahan lama di industri berat. Mereka sepenuhnya kebal terhadap komoditisasi perangkat keras maupun perangkat lunak. Itu mencakup akreditasi regulasi, kepercayaan pelanggan, akses distribusi ke pembeli konservatif, dan kemitraan operasional jangka panjang. Anda melihat ini di sektor-sektor seperti pertahanan, kesehatan, konstruksi, dan infrastruktur. Pembeli di pasar itu tidak pernah memilih vendor hanya karena perangkat lunaknya sedikit lebih baik, dan dalam banyak kasus, bahkan tidak jika 10x lebih baik. Mereka membeli berdasarkan kepercayaan dan rekam jejak, keandalan, tanggung jawab hukum, kepatuhan, dan bukti. Salinan yang lebih murah biasanya didiskualifikasi sebelum siapa pun mengevaluasinya. Hubungan membutuhkan waktu, reputasi, dan catatan eksekusi nyata. Tidak ada agen AI maupun lini perakitan Shenzhen yang bisa membangun kepercayaan dalam semalam.

Data Unik

Data unik adalah yang paling penting dari keempatnya dan yang paling sering disalahpahami. Tidak semua data bernilai, dan data hasil penggalian umum sekarang hampir tidak bernilai sebagai penghalang. Data yang penting adalah privat, tersirat, dan tingkat ahli, spesifik terhadap fisik dan alur kerja, dihasilkan dari operasi nyata, dan penuh dengan kasus tepi, koreksi, serta kegagalan yang tidak pernah muncul dalam korpus publik mana pun. Anda tidak bisa membeli data semacam ini, dan Anda tidak bisa menggalinya. Ia diproduksi secara eksklusif sebagai hasil sampingan dari menjalankan operasi hidup melalui lingkaran tertutup dari empat tahap:

ObservasiKeputusanTindakan****Hasil

Lingkaran ini juga merupakan tempat keempat faktor mulai saling memperkuat. Perangkat keras mengamati dan bertindak, perangkat lunak memutuskan dan mengoordinasikan, hubungan memberi akses ke alur kerja, dan data unik bertambah dari hasil-hasilnya.

Sebagian besar perusahaan hanya menangkap tahap pertama dari aliran data ini. Penghalang membutuhkan keempatnya, yang berarti Anda tidak hanya tahu apa yang terjadi, tetapi juga keputusan apa yang dibuat sebagai respons, tindakan apa yang benar-benar diambil, dan apakah hasilnya berhasil. Tahap keempat itu, hasil yang terverifikasi, adalah yang membuat data dapat dilatih dan yang membuat keunggulan menjadi majemuk. Setiap pekerjaan yang selesai memperbaiki sistem yang mengerjakan pekerjaan berikutnya, yang merupakan satu-satunya bentuk keunggulan di seluruh dokumen ini yang tumbuh alih-alih tererosi.

Kapan Lingkaran Bertambah Majemuk & Kapan Mereka Mandek

Lingkaran tertutup terdengar tak terelakkan secara abstrak. Dalam praktiknya, sebagian besar upaya untuk membangunnya gagal. Lingkaran itu adalah klaim, bukan hukum, dan ia memiliki mode kegagalan spesifik yang lebih berguna untuk dipahami daripada kasus suksesnya.

Data jenuh: Nilai data yang terakumulasi mengikuti kurva hasil yang menurun. Dalam deep learning,Sun et al. menemukan bahwa kinerja pada tugas visi meningkat secara logaritmik dengan volume data pelatihan, yang berarti setiap pelipatan ganda dataset memberi tambahan lain, bukan keajaiban lain. Seribu eksekusi pertama mengajarkan Anda paling banyak. Sepuluh ribu berikutnya mengajarkan lebih sedikit. Seratus ribu berikutnya hampir tidak mengajarkan hal baru. Pesaing yang memulai belakangan sering kali dapat mencapai 90 persen dari kinerja Anda dengan sebagian kecil data historis, menutup kesenjangan lebih cepat daripada yang disiratkan angka mentah. - Data itu mungkin bukan milik Anda untuk digunakan: Anda menghasilkan data milik sendiri melalui alur kerja, tetapi jika kontrak Anda mengatakan pelanggan memilikinya dan Anda tidak dapat menggabungkannya lintas penerapan, Anda memiliki lima puluh silo data terpisah, bukan satu roda gila. Di lapisan platform,OpenAI,Anthropic,Microsoft Azure OpenAI,AWS Bedrock, danGoogle Vertex AIsemuanya memberi tahu pelanggan bisnis bahwa input dan output mereka tidak digunakan untuk melatih model dasar secara default. Itu baik bagi pelanggan dan merupakan peringatan bagi vendor. Pembelajaran lintas pelanggan hanya bertambah majemuk jika kontraknya mengizinkannya. Hukum privasi menambah kendala lain, karenapembatasan tujuan GDPR,hak penghapusan,aturan de-identifikasi HIPAA, danaturan CCPA/CPRA seputar pembagian untuk periklanan perilaku lintas-kontekssemuanya membuat penggunaan data sekunder menjadi lebih sulit. Ini menghancurkan lebih banyak penghalang AI dunia nyata daripada kompetisi. - Alur kerja berubah lebih cepat daripada model membaik: Dalam domain operasional yang berubah cepat, data memiliki paruh waktu yang terukur. Seperti yangditunjukkan Valavi et al. dalam penelitian dari Harvard Business School, stok data historis yang besar menciptakan hambatan masuk yang sangat lemah. Seorang pendatang baru yang dibekali aliran data segar dan terbaru yang lebih kecil sering kali dapat membangun model yang lebih akurat daripada pemain mapan yang duduk di atas data lama selama bertahun-tahun, terutama ketika data usang secara aktif menurunkan akurasi. Satustudi informatika klinismenemukan hal ini secara langsung, di mana paruh waktu data prediksi perintah rawat inap sekitar empat bulan, dan satu bulan data terbaru mengungguli dua belas bulan data yang lebih tua. Dalam manufaktur, pergeseran sensor, keausan alat, redesain proses, dan perubahan skema berarti model yang dilatih pada data pabrik historis sedang menalar tentang pabrik yang sudah tidak ada lagi. Ini tidak universal. Proses yang diatur oleh fisika, tabel aktuaria, data geologi, dan domain lain yang bergerak lambat dapat menjaga data lama tetap bernilai untuk waktu yang lama. Jika alur kerja berubah lebih cepat daripada model membaik, data historis Anda menjadi beban usang alih-alih keunggulan. - Biaya adalah penghalang, dan penghalang adalah biaya: Memiliki alur kerja dunia nyata padat modal, padat tenaga kerja, dan bermargin lebih rendah daripada perangkat lunak murni.Tesla melaporkan margin kotor GAAP total sekitar 18 persen pada 2025meskipun terintegrasi secara vertikal.Intuitive Surgical melaporkan basis terpasang da Vinci sebanyak 11.106 sistem dan margin kotor non-GAAP sebesar 67,6 persen pada 2025, setelah puluhan tahun modal, pelatihan ahli bedah, dan volume prosedur. Pengeluaran yang menjauhkan pesaing juga mencegah sebagian besar pendatang membangun sesuatu yang layak dipertahankan. Banyak upaya gagal pada ekonomi unit jauh sebelum lingkaran itu bertambah majemuk.

Apa yang membedakan lingkaran yang benar-benar bertambah majemuk dari yang merupakan penghalang palsu:

• Data tersebut terkait dengan hasil, yang berarti Anda tahu apakah hasilnya benar atau salah alih-alih hanya mengumpulkan sinyal.
• Data tersebut secara kontraktual milik Anda untuk digunakan di seluruh penerapan.
• Alur kerja cukup stabil sehingga data historis tetap relevan.
• Setiap eksekusi menghasilkan kasus tepi yang benar-benar baru, bukan lebih dari hal yang sama.
• Frekuensinya cukup tinggi sehingga pembelajaran dapat bertambah secara majemuk sebelum alur kerja bermutasi.

Tesis ini salah jika salah satu dari hal berikut benar:

• Seorang pesaing dapat memperoleh data yang setara melalui pengikisan, generasi sintetis, pembelajaran transfer, atau pembelian satu kali.
• Pelanggan secara kontraktual memiliki data tersebut, dan Anda tidak dapat menggabungkannya lintas penerapan.
• Alur kerja bermutasi lebih cepat daripada model membaik, sehingga data yang terkumpul menggambarkan sistem yang sudah tidak ada lagi.
• Nilai data jenuh dalam N eksekusi pertama, yang berarti keunggulan bersifat tetap, bukan bertumbuh majemuk.
• Biaya memiliki alur kerja melebihi nilai data yang dihasilkannya.

Jika kondisi-kondisi itu berlaku, loop tersebut bukanlah moat. Itu adalah proyek rekayasa yang mahal dengan keunggulan sementara. Seperti yang a16z argumenkan pada 2019, sebagian besar keunggulan data adalah efek skala dengan hasil yang menurun, bukan efek jaringan yang ajaib. Itu benar sebelum gelombang AI saat ini. Itu masih benar sekarang.

Model Bisnis yang Dibangun di Atas Moat Modern #

Empat faktor tersebut menggambarkan terbuat dari apa moat itu. Pertanyaan berikutnya adalah jenis model bisnis apa yang benar-benar dapat menangkapnya. Dalam praktiknya, jawabannya mengarah menjauh dari menjual alat dan menuju memiliki alur kerja itu sendiri.

Prinsipal, Bukan Vendor

Keputusan dengan pengaruh leverage tertinggi dalam seluruh kerangka ini adalah menolak posisi vendor.

Langkah vendor berarti menjual alat kepada organisasi yang sudah memiliki alur kerja. Itu tampak menarik karena secara modal ringan dan secara teori dapat diskalakan, tetapi itu menyerahkan setiap sumber leverage kepada pelanggan. Operator mempertahankan hubungan pelanggan, proses fisik, data operasional, anggaran, tanggung jawab hukum, dan hasil akhir. Vendor mempertahankan lapisan perangkat lunak yang berada di atas semuanya. Startup menangkap sebagian kecil dari nilai yang diciptakannya, pelanggan menuntut integrasi khusus sampai produk bergeser menjadi layanan, operator dapat melihat alat bekerja lalu menggantinya dengan pembangunan internal yang kini jauh lebih murah untuk diproduksi, dan karena operator memiliki data terbaik, model vendor tidak pernah bertumbuh majemuk. Margin tetap dibatasi. Ini sangat berbahaya di industri fisik, tempat vendor perangkat lunak secara andal merosot menjadi konsultan yang dipoles.

Posisi yang lebih kuat adalah menjadi prinsipal, memiliki operasinya, tanggung jawabnya, akreditasinya, alur kerjanya, atau kewajibannya itu sendiri. Alih-alih menjual perangkat lunak kepada siapa pun yang melakukan pekerjaan, perusahaan melakukan pekerjaan itu atau menjamin hasilnya. Itu membalik setiap kelemahan di atas. Perusahaan menangkap seluruh margin alih-alih potongan lisensi, memiliki hasil pelanggan dan karenanya hubungan tersebut, serta memiliki data karena operasinya sendiri yang menghasilkan data itu. Perusahaan tidak bisa diputus perantaranya oleh operator karena ia adalah operatornya, dan ia membangun keahlian operasional yang nyata alih-alih pemahaman dari tangan kedua.

Prinsip ini dipadatkan menjadi satu instruksi:

Jangan jual alatnya. Jual hasil yang selesai.

Dalam praktiknya, ini tampak sebagai pembingkaian ulang yang konsisten dari ide vendor apa pun menjadi versi prinsipal-nya:

Pembingkaian vendor	Pembingkaian prinsipal
Jual perangkat lunak inspeksi	Jadilah agensi inspeksi
Jual perangkat lunak alur kerja lab	Miliki alur kerja pengujian
Jual dasbor kepatuhan	Kirimkan kepatuhan tersertifikasi
Jual alat estimasi	Kirimkan estimasinya
Jual analitik pemeliharaan prediktif	Cegah waktu henti, atau miliki hasil pemeliharaannya

Keputusan ini lebih penting daripada yang lain dalam kerangka ini, karena ia menentukan siapa yang memiliki data, dan kepemilikan data menentukan apakah keunggulan bertumbuh majemuk atau meluruh.

Layanan sebagai Layanan

Posisi prinsipal mengimplikasikan model pengiriman yang terlihat berbeda dari perangkat lunak konvensional, dan layak diberi nama, karena pada awalnya bagi siapa pun yang terlatih pada margin SaaS, ini tampak seperti bisnis yang lebih buruk.

Model ini memiliki beberapa nama yang beredar. YC, a16z, dan lainnya menyebutnya service-as-software, dan tesis rollup yang diaktifkan AI adalah kerabat dekatnya. Saya lebih suka layanan sebagai layanan karena itu menjaga penekanan pada apa yang sebenarnya diterima pelanggan.

Pelanggan tidak seharusnya harus menggunakan perangkat lunak untuk menyelesaikan pekerjaan. Perusahaan harus menggunakan perangkat lunak, AI, tenaga manusia, perangkat keras, dan operasi bersama-sama untuk mengirimkan pekerjaan yang selesai. Perangkat lunak adalah leverage internal, bukan produknya.

Urutannya disengaja. Mulailah dengan melakukan pekerjaan secara manual, atau dengan manusia dalam lingkaran. Gunakan perangkat lunak untuk membuat pekerjaan manusia itu lebih cepat, lebih konsisten, dan lebih terukur. Tangkap setiap input, keputusan, koreksi, kasus tepi, dan hasil. Lalu gunakan data yang terkumpul untuk mengotomatiskan semakin banyak alur kerja, menyatu pada penyedia layanan otomatis dengan margin dan daya tahan yang tidak dapat ditandingi perangkat lunak konvensional.

Ini berbeda dari konsultasi dalam satu cara yang menentukan. Konsultasi menjual tenaga kerja khusus kepada setiap pelanggan selamanya, dan setiap keterlibatan tidak meninggalkan apa pun yang dapat digunakan kembali. Layanan sebagai layanan secara sengaja menggunakan tenaga manusia awal sebagai instrumen untuk membangun sistem otomatisasi, dan setiap keterlibatan meninggalkan data yang membuat yang berikutnya lebih murah.

Tetapi Anda harus berhati-hati dan mewaspadai jebakan dalam jenis model ini. Jika setiap pelanggan baru memerlukan integrasi khusus, pembersihan data khusus, pemetaan alur kerja khusus, dan penyesuaian model khusus, perusahaan itu adalah firma konsultansi yang belum mengakuinya. Fase manusia dalam lingkaran itu baik, dan sering kali diperlukan, tetapi hanya dengan syarat fase itu menghasilkan data kepemilikan dan bergerak menuju otomatisasi yang dapat diskalakan. Jika manusia masih melakukan pekerjaan yang sama dengan biaya per unit yang sama setelah lima puluh pekerjaan, model tersebut gagal.

Stargate untuk Data

AI sedang bergerak dari hambatan komputasi ke hambatan data. Perusahaan AI paling bernilai pada periode mendatang bukanlah yang memiliki data paling umum, yang melimpah dan karena itu tidak menghasilkan rente, persis menurut logika bagian pertama. Mereka akan menjadi perusahaan yang memiliki data operasional privat berkualitas tinggi yang langka, yang tidak dapat diperoleh dengan cara apa pun selain melakukan pekerjaan itu.

Frasa Stargate untuk Data dipinjam dari Stargate OpenAI, pembangunan komputasi yang diumumkan senilai ratusan miliar dolar, dan peminjaman itu adalah intinya. Jika sumber daya langka siklus sebelumnya membenarkan infrastruktur terencana dalam skala itu, siklus berikutnya pantas mendapat perlakuan yang sama. Tujuannya bukan mengumpulkan dataset. Tujuannya adalah membangun mesin yang terus-menerus memproduksi data kepemilikan sebagai produk sampingan dari pengiriman layanan.

Perbedaan yang penting dalam kasus ini adalah bahwa tujuannya bukan mengumpulkan data demi data itu sendiri, yang menghasilkan danau mahal dari material yang tidak dapat digunakan. Tujuannya adalah memiliki loop operasional yang menghasilkan tepat data yang dibutuhkan untuk mengotomatiskan loop itu.

Komputer Atom

Empat faktor menggambarkan sebuah struktur. Komputer atom menggambarkan untuk apa struktur itu, dan itu adalah visi jangka panjang yang membuat seluruh upaya ini layak dilakukan.

Saya tidak mencetuskan ide ini dan saya ingin memperjelas itu sejak awal. Bingkainya adalah milik Travis Kalanick. Setelah dia disingkirkan dari Uber pada 2017, dia menghabiskan delapan tahun membangun City Storage Systems secara diam-diam, dan pada Maret 2026 dia menggantinya namanya menjadi Atoms dan menerbitkan surat visi yang menguraikan semuanya. Rumusannya adalah bahwa Anda mendekati masalah dunia fisik dengan cara yang sama seperti Anda mendekati masalah perangkat lunak, dan bahwa sumber daya komputasi inti memiliki analog fisik di mana CPU adalah manufaktur, penyimpanan adalah real estat, dan jaringan adalah transportasi. Pada acara peluncuran a16z, Kalanick mendefinisikan perusahaan di sekitar AI industri, menggunakan perangkat lunak, sensor, robotika, dan AI untuk mengotomatiskan operasi di seluruh sektor industri, dimulai dengan makanan, pertambangan, dan transportasi. Bacalah suratnya. Itu lebih baik daripada ringkasan saya tentangnya, dan beberapa kesimpulannya sampai pada tempat yang sama dengan dokumen ini dari arah yang berbeda.

Seiring AI menjadi lebih mampu, kendala yang membatasinya bergeser. Batasnya bukan lagi hanya kualitas penalaran. Ini adalah interaksi dengan realitas fisik. Sebuah model dapat menghasilkan teks, kode, gambar, dan rencana dengan kualitas luar biasa namun tetap tidak mampu melakukan sesuatu secara andal di lingkungan dunia nyata yang berantakan, tidak terstruktur, dan konsekuensial. Komputer tradisional memberi kecerdasan sebuah substrat untuk memanipulasi bit. Peluang sekarang adalah membangun substrat yang setara untuk atom, menciptakan sistem yang merasakan dunia fisik, menafsirkan kondisi dunia nyata yang berantakan, memutuskan, bertindak, memverifikasi hasil, dan belajar dari umpan balik, semuanya di bawah kendala fisik, regulasi, dan ekonomi yang nyata. Klausul terakhir itu adalah yang sulit, dan itulah mengapa ini merupakan peluang bisnis alih-alih proyek penelitian. Beroperasi di bawah kendala regulasi dan ekonomi adalah persis hal yang tidak dapat digandakan, dan itulah persis hal yang menghasilkan data loop tertutup yang dibutuhkan faktor keempat.

Pada satu hal, Kalanick dan saya sepenuhnya sepakat, dan ia mengatakannya lebih baik daripada saya. Istilahnya adalah robot yang bekerja secara produktif, yang berarti mesin spesialis dengan pekerjaan produktif yang spesifik, berlawanan dengan humanoid yang dibangun untuk meniru kita. Contohnya adalah jika Anda perlu membuat seribu pancake per jam, humanoid yang kikuk membaliknya adalah desain terburuk yang mungkin, dan mesin yang dibuat khusus adalah pilihan yang jelas. Jadi pendekatan yang tepat adalah bukan membangun robot tujuan umum. Melainkan menemukan irisan sempit tempat loop rasa, putuskan, aksi dapat diterapkan di dalam satu alur kerja nyata dengan nilai ekonomi langsung yang jelas, dan membuat loop itu bekerja dari ujung ke ujung sebelum memperluasnya.

Perusahaan jangka pendek seharusnya sempit sampai tampak tidak ambisius. Langit-langit jangka panjang adalah alasan untuk menerima kesempitan itu.

Sebuah Contoh yang Dikerjakan #

Kerangka ini bersifat abstrak, jadi ada baiknya menelusuri satu ide melaluinya. Ini hanya ilustrasi dari kriteria yang digunakan, bukan satu-satunya kesimpulan yang dipaksakan oleh kerangka ini.

Ambil inspeksi khusus konstruksi dan pengujian material. Versi vendor menjual perangkat lunak kepada agensi dan laboratorium yang sudah memiliki alur kerja tersebut. Versi principal menjadi agensi dan laboratorium itu sendiri. Ia memegang akreditasi, melakukan inspeksi, dan memikul tanggung jawab regulasi. Secara internal, ia menggunakan perangkat lunak, perangkat keras, dan AI untuk menghasilkan hasil tersertifikasi lebih cepat, lebih murah, dan lebih andal daripada para pemain lama.

Bentuk itu mencapai keempat faktor. Ia bersifat fisik, karena berurusan dengan lokasi, sampel, instrumen, dan pengukuran dunia nyata. Ia memiliki penghalang hubungan dan regulasi, karena pembeli membutuhkan hasil yang diterima oleh otoritas yang berwenang, bukan dasbor yang lebih cantik. Ia memiliki kepemilikan atas hasil akhir, karena menjual hasil tersertifikasi alih-alih alat. Dan ia menghasilkan data operasional milik sendiri sebagai hasil sampingan dari pekerjaan, termasuk hasil uji, mode kegagalan, sifat material, koreksi ahli, dan kaitan antara kondisi fisik dan hasil akhir.

Ia juga memulai dengan sempit, yang mengikuti logika startup klasik yang telah Paul Graham dan YC sampaikan selama bertahun-tahun. Mulailah dengan irisan yang tajam, tetapi pastikan irisan itu berada dalam masalah yang besar dan menyakitkan. Tidak perlu mengotomatisasi inspeksi konstruksi sebagai sebuah industri pada hari pertama. Titik masuknya bisa satu jenis inspeksi, satu pengujian material, satu wilayah geografis, atau satu alur kerja kepatuhan. Dari sana, perangkat lunak menstandarkan pekerjaan, manusia menghasilkan data pertama, dan otomatisasi meluas hanya ke tempat loop itu benar-benar menguat secara majemuk.

Risikonya persis seperti yang diprediksi oleh kerangka ini. Jangka waktu akreditasi membatasi pendapatan, operasi berat sebelum otomatisasi matang, dan jebakan layanan adalah nyata jika setiap proyek ternyata bersifat khusus. Itulah tujuan kerangka ini. Ia tidak membuat bisnis menjadi mudah. Ia memberi tahu Anda di mana bagian-bagian tersulit seharusnya berada.

Perusahaan yang Sudah Tampak Seperti Ini #

Kerangka ini lebih mudah dipercaya jika ia menggambarkan hal-hal yang sudah ada, bukan hanya hal-hal yang ingin saya ada.

** Anduril** adalah empat dari empat. Perangkat keras khusus di seluruh drone, menara sensor, pencegat, dan kendaraan bawah laut. Perangkat lunak khusus dalam

Lattice, yang dijalankan oleh setiap bagian perangkat keras itu. Hubungan dan kedudukan regulasi yang tidak bisa dihasilkan oleh agen pengkodean mana pun, karena pelanggannya adalah pemerintah AS dan sekutunya. Data operasional dari sistem yang dikerahkan mengalir kembali ke perangkat lunak. Dua detail lebih penting daripada daftar produknya. Perusahaan ini membiayai R&D-nya sendiri dan membangun produk sebelum menjual ke pos anggaran yang sudah ada, membalik model cost-plus yang dijalankan prime tradisional. Anduril bersifat privat dan tidak mempublikasikan margin yang diaudit, tetapi

estimasi sekunder menempatkan gross margin-nya sekitar 40 hingga 45 persen. Itu luar biasa tinggi untuk perangkat keras pertahanan, di mana

perusahaan kedirgantaraan dan pertahanan rata-rata gross margin sekitar 17,5 persendalam data sektor NYU Stern. Angka yang tepat kurang penting daripada strukturnya. Model terintegrasi vertikal, harga tetap, dan ditentukan perangkat lunak tampaknya menghasilkan ekonomi yang lebih baik daripada integrasi platform tradisional cost-plus.

** Intuitive Surgical** adalah versi yang lebih tua dan lebih tenang dari struktur yang sama. Sistem

da Vincimenggabungkan perangkat keras yang tidak bernilai tanpa perangkat lunaknya, izin FDAyang tidak bisa dipotong jalan oleh pesaing, dua dekade hubungan dengan rumah sakit, dan

data prosedur dari jutaan operasi. Ia mencapai empat dari empat, terus menguat secara majemuk, dan telah menjalankan buku pedoman ini sejak

izin awalnya pada 2000, jauh sebelum siapa pun menyebutnya AI fisik. ** Kraken Robotics** adalah yang paling instruktif menurut saya, sebagian karena sedikit orang di luar teknologi maritim yang mengetahuinya. Ia membangun sonar aperture sintetis, platform tarik

KATFISH, baterai bawah laut, dan LiDARbawah air. Tak satu pun perangkat keras itu berguna tanpa perangkat lunak pencitraan milik sendiri yang membungkusnya. Pelanggannya termasuk angkatan laut yang selaras dengan

NATO. Itu adalah kepercayaan dan regulasi pada tingkat tertinggi, karena angkatan laut tidak akan berganti vendor sonar demi tiruan yang lebih murah. Yang terpenting, Kraken tidak hanya menjual peralatan. Ia menjalankan survei sebagai layanan, artinya setiap pekerjaan menghasilkan intelijen dasar laut yang tidak dimiliki pihak lain. Keputusan terakhir itu adalah keseluruhan kerangka dalam bentuk miniatur. Sebuah perusahaan perangkat keras menyadari bahwa data lebih berharga daripada kotaknya, dan berpindah ke posisi principal untuk mempertahankannya.

** SpaceX & Waymo** adalah permainan principal murni. SpaceX tidak menjual roket. Ia menjual muatan yang dikirim. Waymo tidak melisensikan perangkat lunak otonomi ke perusahaan mobil. Ia menjual perjalanan yang selesai. Dalam kedua kasus, perusahaan menolak posisi vendor, menyerap liabilitas operasional, dan menyimpan datanya. Waymo juga membawa penghalang regulasi yang

hadir satu yurisdiksi pada satu waktu. Ekspansi itu lambat, dan itulah tepatnya alasan ia dapat dipertahankan.

** Carbon Robotics** adalah kasus parsial yang berguna.

LaserWeeder-nya membunuh gulma menggunakan visi komputer dan laser berdaya tinggi. Pada Februari 2026, perusahaan

menyatakan bahwa Large Plant Model-nya dilatih pada lebih dari 150 juta tanaman berlabel, yang dikumpulkan di sekitar seratus pertanian di lima belas negara. Itu adalah mesin data yang bekerja seperti yang dijelaskan, dihasilkan sebagai produk sampingan operasional daripada inisiatif terpisah. Tetapi saya juga akan mencatat kerentanannya dengan pengaturan ini. Carbon menjual peralatan kepada petani, tetap sebagai vendor alih-alih principal. Ia berhasil karena data tetap mengalir kembali ke model pusatnya, membuat posisi vendor itu tetap dapat bertahan. Jika para petani pada akhirnya memiliki data armada itu, parit pertahanannya akan lenyap.

** Nokia** adalah sekaligus peringatan historis dan kasus uji yang sedang muncul. Pada 2007, perusahaan ini menguasai

hampir 50 persen pasar smartphone globaldengan perangkat keras terbaik, skala manufaktur, dan rantai pasok di ponsel. Ia mengeksekusi satu dimensi lebih baik daripada siapa pun yang hidup saat itu, dan ia runtuh karena tidak memiliki platform perangkat lunak. Nokia saat ini mencoba buku pedoman multi-faktor persis seperti yang dijelaskan di sini. Seperti yang diuraikan

Michael Sikand dalam uraian video ini, perusahaan tersebut menghabiskan lebih dari satu dekade berputar dari gadget konsumen untuk menggabungkan silikon optik terintegrasi vertikal, hubungan operator dan pertahanan yang mengakar, dan komputasi edge yang didukung AI. Nokia lama membuktikan bahwa perangkat keras yang terisolasi adalah keunggulan sementara. Nah, Nokia baru sedang mencoba membuktikan bahwa perangkat keras yang dipadukan dengan kepercayaan institusional dan infrastruktur perangkat lunak menciptakan parit pertahanan yang bertahan lama.

Tak satu pun dari perusahaan-perusahaan ini terlihat sama di permukaan, tetapi semuanya menunjuk pada pelajaran yang sama. Bisnis yang paling tahan lama memperoleh sesuatu yang lambat, seperti akreditasi, armada sensor yang dikerahkan, kepercayaan ahli bedah, keyakinan angkatan laut, persetujuan regulasi, atau data operasi selama satu dekade. Tak satu pun dari mereka sampai ke sana hanya dengan menulis kode yang lebih baik, dan tak satu pun dari mereka dapat dikejar oleh seseorang yang melakukannya.

Kesempitan Adalah Syarat Masuk #

Mereka juga semua memulai dari kecil. Perusahaan yang menang tidak memulai dengan mencoba memiliki seluruh lingkaran, dan mencoba melakukannya adalah kesalahan yang paling umum. Lingkaran itu hanya akan berlipat ganda jika Anda cukup dalam pada satu alur kerja untuk menghasilkan data yang terhubung dengan hasil, yang tidak dapat diperoleh pesaing dengan cara lain apa pun. Paparan dangkal terhadap banyak alur kerja menghasilkan data dangkal yang cepat jenuh.

Pola ini berlaku di seluruh operator di atas dan juga di luar mereka. Anduril dimulai dengan perlindungan pasukan dan sistem penangkal drone sebelum meningkatkan produksi dan kapabilitas yang berdekatan. Intuitive Surgical dimulai dengan prosedur laparoskopi tertentu dan membangun pelatihan ahli bedah serta volume prosedur selama puluhan tahun sebelum berkembang lintas spesialisasi. SpaceX dimulai dengan satu kendaraan peluncur yang dapat digunakan kembali sebelum berkembang menjadi Starlink. Tesla dimulai dengan irisan EV premium yang sempit (Roadster mobil sport) dan menggunakan armada untuk pembelajaran data dan manufaktur sebelum bergerak ke model volume, energi, dan otonomi. Palantir dimulai dengan alur kerja intelijen tertentu untuk lembaga tertentu sebelum berkembang ke komersial. Dalam setiap kasus, pintu masuk yang sempit bukanlah sebuah kompromi. Itulah mekanisme yang membuat lingkaran itu berlipat ganda.

Titik masuknya sengaja dibuat sempit. Satu alur kerja, satu tipe pelanggan, satu aliran data yang sulit ditiru. Anda membangun lingkaran di sekitar alur kerja itu sampai data berlipat ganda dan hubungan makin dalam, lalu Anda berkembang ke alur kerja yang berdekatan di mana data yang sama, hubungan yang sama, dan disiplin operasional yang sama memberi Anda keunggulan yang tidak dapat ditandingi oleh pendatang baru. Memulai secara luas adalah cara Anda berakhir dengan tumpukan data yang tidak berlipat ganda. Seorang pesaing yang memulai hari ini tidak sedang mengejar keunggulan yang tetap. Mereka mengejar keunggulan yang bertambah setiap kali sebuah pekerjaan selesai, tetapi hanya jika pekerjaannya cukup sempit, cukup dalam, dan cukup berulang sehingga data itu benar-benar berarti.

Paruh pertama dokumen ini menetapkan sebuah hukum umum. Setiap benteng ekonomi yang hanya terdiri dari sulitnya membuat sesuatu bersifat sementara, dan ia bertahan tepat sampai seseorang membuat hal itu mudah dibuat. Pengelompokan industri Tiongkok melakukan ini terhadap perangkat keras dengan memangkas biaya transaksi dan latensi iterasi di dalam klaster yang sangat padat. AI generatif melakukan ini terhadap perangkat lunak dengan memangkas biaya dari input langkanya. Perangkat keras runtuh lebih dulu dan perangkat lunak menyusul kemudian, tetapi bagi seorang pendiri yang membangun hari ini, tidak ada perlindungan yang dapat diandalkan.

Paruh kedua mengubah hukum itu menjadi jawaban. Jika kesulitan produksi tidak lagi melindungi apa pun, maka daya defensif harus dirakit dari friksi yang tidak dapat dijangkau oleh keruntuhan produksi. Itu mencakup akses fisik, data operasional dalam lingkaran tertutup, status regulatori, kepercayaan yang diperoleh, dan kepemilikan atas hasil itu sendiri. Itulah mengapa empat faktor meminta tiga dari empat alih-alih satu, mengapa posisi utama lebih penting daripada keputusan tunggal lain mana pun, dan mengapa data harus menjadi produk sampingan operasional alih-alih aset yang dikumpulkan.

Itu terkompresi menjadi satu kalimat inti.

Di era AI, perusahaan terbaik tidak akan menjadi alat perangkat lunak generik atau produk perangkat keras yang bisa disalin. Mereka akan menjadi

bisnis utama yang sempit, berorientasi hasil, yang menggabungkan perangkat lunak, alur kerja fisik, hubungan yang dipercaya, dan data operasional milik sendiri untuk mengotomatisasi pekerjaan dunia nyata bernilai tinggi.

Bagi seorang pendiri, pertanyaannya bukan lagi “perangkat lunak apa yang bisa saya bangun?” melainkan hasil dunia nyata bernilai apa yang bisa saya miliki, lakukan, ukur, dan otomatisasi?

Peluang terkuat berada di titik pertemuan perangkat lunak dengan atom, kepercayaan, regulasi, dan data milik sendiri. Mereka dimulai dengan satu alur kerja sempit yang menyakitkan, menggunakan manusia ketika diperlukan. Mereka menangkap data operasional sebagai produk sampingan dari pekerjaan, mengotomatisasi langkah demi langkah, dan berlipat ganda menjadi sistem yang sulit digeser. Keunggulan itu bertahan lama justru karena diperoleh melalui operasi fisik alih-alih dituliskan dalam kode.

Tujuan akhirnya bukan membangun produk. Tujuannya adalah membangun perusahaan operasional dengan skalabilitas seperti perangkat lunak, daya defensif di dunia fisik, dan data milik sendiri yang menjadi lebih baik setiap kali pekerjaan diselesaikan.

Segala sesuatu yang dulu menjadi benteng ekonomi karena sulit dibangun kini menjadi komoditas. Membangun sesuatu lebih mudah dari sebelumnya, dan seiring AI dan rantai pasok global maju, itu hanya akan menjadi semakin mudah. Yang tetap defensif adalah apa yang sulit diakses, sulit memperoleh kepercayaannya, sulit dimasuki lewat regulasi, dan sulit diamati tanpa benar-benar melakukan pekerjaannya.

Saya ingin menjelaskan secara gamblang dari mana bagian-bagian pinjaman itu berasal, karena banyak dari dokumen ini adalah saya menghubungkan karya orang lain daripada menemukan apa pun dari nol. Hal-hal yang benar-benar akan saya klaim sebagai milik saya adalah aturan empat faktor, standar tiga dari empat, dan argumen spesifik bahwa dua keruntuhan itu berbagi mekanisme yang sama meskipun terjadi secara berurutan. Angka-angka bisa berubah, jadi periksa lagi sebelum mengutip saya.

Milik saya, dari tulisan sebelumnya

The Barbell of Software Value(2025), tempat saya pertama kali menguraikan bagian tengah yang runtuh dan Teori Leverage Perangkat Lunak Internal. Paruh kedua di sini adalah versi operasional dari tulisan itu.

Komputer berbasis atom

• Travis Kalanick, Vision,Unfinished Business, danHow AI Will Transform the Physical World, Atoms dan a16z, 2026. Bingkai komputer berbasis atom, pemetaan CPU/penyimpanan/jaringan ke manufaktur/properti/transportasi, loop memahami-memprediksi-mengendalikan, AI industri, dan robot yang bekerja dengan produktif semuanya berasal darinya. Bagian itu adalah ringkasan saya atas idenya, bukan ide saya. - Ben Horowitz dan Alex Danco,

Travis is Back, a16z, 2026. Ekonominya

• Atlassian, hasil Q2 FY2025, untuk margin kotor SaaS horizontal matang di kisaran rendah delapan puluh persen. - Snowflake, hasil FY2025, untuk contoh tandingan bahwa perangkat lunak berbasis konsumsi berat dapat beroperasi jauh di bawah margin kotor SaaS klasik. - Michael Porter, lima kekuatan, 1979, untuk taksonomi sumber rente di Bagian Satu. - David Teece, , 1986, untuk masalah apropriasi di Bagian Tiga.Profiting from Technological Innovation - Alfred Marshall, Principles of Economics, 1890, untukekonomi eksternal dan aglomerasidi Bagian Lima. - Ronald Coase, , 1937, untuk biaya transaksi di Bagian Lima.The Nature of the Firm - Theodore Wright, 1936, dan Boston Consulting Group, untuk kurva pengalamandi Bagian Lima. - Stan Shih, kurva tersenyum, sekitar 1992.Diagram aslinyaada di Wikimedia Commons, dan tulisan Ben ThompsonPublishers and the Smiling Curveadalah perluasan terbaik darinya yang pernah saya baca. - Gary Pisano dan Willy Shih, Restoring American Competitiveness, Harvard Business Review, 2009, untuk common industri dan mengapa relokasi kembali sulit. - Andrew “bunnie” Huang, The Hardware Hacker, untuk kesaksian langsung tentang seperti apa rasanya bekerja di dalam kepadatan Shenzhen yang sebenarnya. - WTO, Aksesi: China, untuk latar belakang integrasi Tiongkok ke dalam sistem perdagangan global. - World Bank, nilai tambah manufaktur, untuk latar belakang skala manufaktur Tiongkok relatif terhadap Amerika Serikat.

Mekanika startup

• Paul Graham,

[Do Things That Don’t Scale](https://paulgraham.com/ds.html)dan[How to Get Startup Ideas](https://paulgraham.com/startupideas.html), untuk irisan sempit. - Tesla,
[The Secret Tesla Motors Master Plan](https://www.tesla.com/blog/secret-tesla-motors-master-plan-just-between-you-and-me), 2006, untuk logika irisan Roadster ke mobil terjangkau. - Palantir,

pernyataan registrasi S-1, 2020, untuk pola ekspansi dari pemerintah ke komersial. - Sejarah perusahaan SpaceX dan pengungkapan Starlink, melalui

SpaceXdanStarlink, untuk peluncuran sebagai irisan awal sebelum infrastruktur antariksa yang lebih luas. Pengodean AI dan produksi perangkat lunak

• GitHub, Memperkenalkan GitHub Copilot, 2021, danKetersediaan umum GitHub Copilot, 2022, untuk awal praktis dari bantuan pengodean AI komersial. - OpenAI, Laporan Teknis GPT-4, 2023, dan Anthropic,Claude 3.5 Sonnet, 2024, untuk latar belakang tentang percepatan kemampuan model. - Peng dkk., Dampak AI terhadap Produktivitas Pengembang, 2023, untuk hasil GitHub Copilot yang terkontrol di mana pengembang menyelesaikan tugas pengodean yang terbatas 55,8 persen lebih cepat. - Cui dkk., Dampak AI Generatif pada Pekerjaan Berkeahlian Tinggi, 2025, untuk hasil studi lapangan di 4.867 pengembang yang menunjukkan 26,08 persen lebih banyak tugas yang diselesaikan. - METR, Mengukur Dampak AI Awal 2025 pada Produktivitas Pengembang Open-Source Berpengalaman, 2025, untuk contoh tandingan di mana pengembang berpengalaman 19 persen lebih lambat dengan alat AI di repositori yang matang. Cursor,Claude Code,OpenAI Codex CLI,Kiro CLI, danOpenCode, untuk pergeseran dari pelengkapan otomatis ke akses repositori dan terminal yang bersifat agen.Conductor,Superset, danHermes Agent, untuk lapisan orkestrasi di atas alat pengodean agen tunggal.

Mode kegagalan parit data

• Sun dkk., Meninjau Kembali Efektivitas Data yang Tidak Wajar di Era Deep Learning, ICCV 2017, untuk temuan empiris bahwa kinerja tugas visi meningkat secara logaritmik dengan volume data pelatihan. - Martin Casado dan Peter Lauten, Janji Kosong Parit Data, a16z, 2019, untuk argumen bahwa efek skala data biasanya terkikis alih-alih berlipat ganda. - Valavi dkk., Waktu dan Nilai Data, Harvard Business School Working Paper 21-016, 2021, untuk perbedaan antara stok data dan aliran data, dan temuan bahwa data yang basi dapat merugikan akurasi model. - Chen dkk., Menurunnya relevansi data klinis terhadap keputusan masa depan dalam set pesanan klinis rawat inap berbasis data, International Journal of Medical Informatics, 2017, untuk paruh waktu sekitar empat bulan dari data prediksi klinis. - OpenAI Privasi Enterprise, AnthropicKetentuan Komersial, Microsoft Azure OpenAIprivasi data, AWS BedrockFAQ, dan Google Vertex AItata kelola data, untuk komitmen bawaan tanpa pelatihan pada input dan output pelanggan bisnis. - European Data Protection Board, Pendapat 28/2024 tentang model AI,Pasal GDPR 5 dan Pasal 17,aturan de-identifikasi HIPAA, danaturan CCPA/CPRA, untuk batasan hukum privasi terhadap penggunaan data sekunder, penghapusan, de-identifikasi, dan pembagian. - Lathrop GPM, Menavigasi Kepemilikan AI dalam Perjanjian Lisensi Komersial dan IP, 2026, untuk ketegangan kontrak antara komitmen tanpa pelatihan dan hak penggunaan agregat atau de-identifikasi yang dipertahankan.

Gambar

• Kurva tersenyum Stan Shih,

[Wikimedia Commons](https://commons.wikimedia.org/wiki/File:Smiling_Curve.svg), CC BY-SA. - Huaqiangbei di persimpangan Shennan, foto oleh Charlie fong,
[Wikimedia Commons](https://commons.wikimedia.org/wiki/File:Huaqiangbei%26Shennan_Cross2021.jpg), CC BY-SA. - Cetakan injection molding, foto oleh Wizard191,

Wikimedia Commons, CC BY-SA 3.0. - Harga modul PV surya versus kapasitas terpasang kumulatif,

Our World in Data, CC BY 4.0. Grafik dibuat ulang secara lokal dari kumpulan data yang diterbitkan. Contoh perusahaan

• Estimasi margin bruto Anduril melalui Sacra. Anduril bersifat privat dan tidak mempublikasikan margin yang diaudit, jadi ini diperlakukan sebagai estimasi alih-alih angka yang dilaporkan. Patokan sektor untuk margin bruto kedirgantaraan dan pertahanan (sekitar 17,5 persen) diambil darikumpulan data margin Aswath Damodaran dari NYU Stern. - Latar belakang Alphabet dan Google melalui Formulir 10-K FY2025 Alphabet, dipadukan denganUnited States v. Google LLCuntuk perjanjian distribusi default pencarian, keuntungan skala pencarian, dan konteks antimonopoli. - Large Plant Model Carbon Robotics dan 150 juta tanaman berlabel melalui pengumuman Business Wire Februari 2026, denganTechCrunchsebagai penguat. - Sejarah Intuitive Surgical dan persetujuan FDA tahun 2000 melalui Sejarah Perusahaan Intuitive. Volume prosedur melaluiLaporan Dampak Korporat 2025 Intuitive, dan basis terpasang / angka margin melaluirilis pendapatan Q4 2025. - Angka margin Tesla melalui pembaruan Q4 dan FY2025. - Pola ekspansi regulasi Waymo melalui Peta Regulasi Robotaxi 2026 Tesorbdanliputan Electrek tentang persetujuan ekspansi CPUC. - Puncak dan garis waktu penurunan Nokia 2007 melalui BBC NewsdanWikipedia, dengan studiAdministrative Science Quarterly / INSEADmilik Vuori dan Huy untuk dinamika organisasi di balik keruntuhan, danrincian video Michael Sikanduntuk pivot infrastruktur modernnya. - Rincian OpenAI Stargate melalui pengumuman asli OpenAIdanpengumuman ekspansi situs. Ini adalah komitmen dan rencana yang diumumkan, bukan kapasitas yang sepenuhnya diterapkan. - Kraken Robotics diambil dari

pengungkapan produk dan kontrakmilik perusahaan sendiri. Esai ini dikonsep dan ditulis oleh saya. Saya menggunakan ChatGPT, Claude, Grok, Manus AI, dan OpenCode untuk membantu penelitian latar belakang, pembersihan tulisan, dan struktur. Gambar pratinjau dan diagram barbel pada awalnya dihasilkan oleh AI lalu diedit secara manual. Semua gambar lainnya saya peroleh sendiri, dan saya memverifikasi setiap sumber dan fakta secara independen. Saya memikul tanggung jawab penuh atas teks akhir.

Pengungkapan:

source & further reading

mehmetmhy.com — original article Ang Makabagong Moat Con hào hiện đại Das moderne Burggrabenmodell