आधुनिक खाई

संक्षेप में

इक्कीसवीं सदी की परिभाषित व्यावसायिक खाई, शुद्ध सॉफ़्टवेयर, जेनरेटिव एआई द्वारा कोड की लागत को शून्य की ओर धकेलने के साथ तेज़ी से ढह रही है, ठीक उसी तरह जैसे चीनी औद्योगिक समूहन ने पहले ही शुद्ध हार्डवेयर खाई को नष्ट कर दिया था। उत्पादन की मात्र कठिनाई अब किसी भी क्षेत्र में व्यवसाय की रक्षा नहीं करती, इसलिए स्थायी लाभ बिट्स और एटम्स के बीच की दरारों में स्थानांतरित हो गया है। आज एक रक्षात्मक कंपनी बनाने के लिए, संस्थापकों को सामान्य सॉफ़्टवेयर विक्रेता मॉडल छोड़कर एक प्रधान की तरह काम करना होगा जो एक वास्तविक भौतिक कार्यप्रवाह का शुरुआत से अंत तक स्वामी होता है। कम से कम चार प्रमुख कारकों में से तीन का कड़ाई से एकीकरण करके—कस्टम हार्डवेयर, विशेषीकृत सॉफ़्टवेयर, अर्जित संबंध, और स्वामित्व डेटा—एक आधुनिक व्यवसाय एक गारंटीकृत परिणाम दे सकता है, जबकि बंद-लूप डेटा को इकट्ठा कर सकता है जो वास्तविक खाई बन जाता है। आज शुरू करने वाला एक प्रतिद्वंद्वी किसी तय बढ़त का पीछा नहीं कर रहा है। वह ऐसी बढ़त का पीछा कर रहा है जो हर बार कोई काम पूरा होने पर और आगे बढ़ जाती है।

प्रस्तावना और उद्देश्य

यह रिपोर्ट उस एक दावे का विस्तार करती है जिस पर मेरी खाई-सिद्धांत की बाकी सारी बातें टिकी हैं: शुद्ध सॉफ़्टवेयर अब एक रक्षात्मक खाई नहीं रहा, और शुद्ध हार्डवेयर तब से खाई नहीं रहा जब चीन ने अपने विनिर्माण वर्चस्व को पैमाने पर ला दिया। दोनों को अक्सर नारों की तरह उछाला जाता है। मैं नारे को हटाकर तंत्र को रखना चाहता हूँ। हर पतन क्यों हुआ, कौन-सी धारणाएँ चुपचाप टूट गईं, दोनों एक-दूसरे को कैसे पोषित करते हैं, और स्थायी लाभ अभी भी कहाँ कब्ज़े में लिया जा सकता है। मैंने इसे अपने आप में पूर्ण लिखा है, ताकि एक भविष्य का पाठक, या एक भविष्य का मॉडल, उस बातचीत के बिना भी पूरा तर्क समझ सके जिसने इसे जन्म दिया।

लगभग तीस वर्षों तक, तकनीकी रणनीति मानती रही कि डिजिटल दुनिया टिकाऊ, उच्च-मार्जिन, रक्षात्मक लाभ पैदा करती है, जबकि भौतिक दुनिया पतला, अविभेदित, कम-मार्जिन वस्तु-उत्पादन देती है। ये दो झटके एक साथ नहीं आए। चीन के विनिर्माण समूहन ने उत्पादन-आधारित हार्डवेयर रक्षात्मकता को पहले तोड़ा, मुख्यतः 2000 के दशक और 2010 के दशक के दौरान। जेनरेटिव एआई 2020 के दशक में बाद में उत्पादन-आधारित सॉफ़्टवेयर रक्षात्मकता को तोड़ रहा है। जेनरेटिव एआई ने सॉफ़्टवेयर उत्पादन की सीमांत लागत को शून्य की ओर धकेल दिया, जिससे वे बाधाएँ समाप्त हो गईं जो सॉफ़्टवेयर को रक्षात्मक बनाती थीं। चीनी औद्योगिक समूहन ने भौतिक पुनरावृत्ति की लागत और विलंब को सॉफ़्टवेयर की लागत और विलंब के स्तर तक नीचे ला दिया, जिससे वे बाधाएँ समाप्त हो गईं जो हार्डवेयर को रक्षात्मक बनाती थीं। इसलिए न केवल बिट्स अकेले, न ही एटम्स अकेले, अब किसी व्यवसाय की रक्षा कर सकते हैं। टिकाऊ बढ़त किसी एक आयाम से बाहर निकलकर दोनों के कड़े संयोजन, साथ ही संबंधों और स्वामित्व डेटा में चली गई।

यह दस्तावेज़ दो हिस्सों में है:

• विश्लेषण। एक खाई वास्तव में क्या होती है, हर क्षेत्र पहले क्यों रक्षात्मक था, प्रत्येक झटके ने कौन-सी घर्षणें घोल दीं, और क्या बचा है। यह हिस्सा आर्थिक विश्लेषण है और जहाँ विश्लेषण समाप्त होता है वहीं समाप्त हो जाता है।
• आधुनिक खाई। अब रक्षात्मकता वास्तव में किससे बनती है, जब न बिट्स अकेले और न एटम्स अकेले आपकी रक्षा करते हैं, और उस पर बना एक कंपनी व्यावहारिक रूप से कैसी दिखती है।

विश्लेषण: दोनों खाइयाँ कैसे ढह गईं

भाग एक: एक खाई वास्तव में क्या है

इससे पहले कि मैं बताऊँ कि खाइयाँ कैसे ढहीं, मुझे ठीक-ठीक बताना होगा कि खाई क्या है, क्योंकि इस शब्द का ढीला उपयोग मैंने जो सबसे ख़राब रणनीतिक सोच देखी है, उसके लिए ज़िम्मेदार है। खाई कोई अच्छा उत्पाद नहीं है, न ही कोई अस्थायी बढ़त, और न ही पहले होने का कार्य। खाई किसी बाज़ार की एक संरचनात्मक विशेषता है जो किसी फर्म को लंबे समय तक अपनी पूँजी लागत से ऊपर प्रतिफल अर्जित करने देती है, बिना उन प्रतिफलों के प्रतियोगिता द्वारा मिटाए गए। औद्योगिक अर्थशास्त्र की भाषा में, खाई आर्थिक किराया का एक टिकाऊ स्रोत है।

आर्थिक किराया वह अधिशेष है जो कोई फर्म खुले रहने के लिए स्वीकार करने वाली न्यूनतम राशि से ऊपर कमाती है, और वास्तव में प्रतिस्पर्धी बाज़ार में वह अधिशेष शून्य हो जाता है। पूर्ण प्रतिस्पर्धा के तहत, कीमत सीमांत लागत तक धकेल दी जाती है, फर्में केवल अपनी पूँजी लागत कमाती हैं, और कोई अतिरिक्त लाभ जीवित नहीं रहता। रक्षात्मकता पर हर ढाँचा वास्तव में इस बात का सिद्धांत है कि कोई विशेष फर्म सीमांत-लागत मूल्य निर्धारण और शून्य लाभ की उस खिंचाव से कैसे बच निकलती है।

शास्त्रीय सूची माइकल पोर्टर से आती है, जिनका पाँच-बल ढाँचा 1979 से इसके लिए मानक उपकरण रहा है, बाद में वैल्यू इन्वेस्टिंग समुदाय द्वारा और अधिक तीखा किया गया। यह वास्तविक, टिकाऊ किराया स्रोतों की एक छोटी संख्या देता है:

• प्रवेश बाधाएँ जो नए प्रतिस्पर्धियों को बाहर रखती हैं
• उच्च स्विचिंग लागतें जो मौजूदा ग्राहकों को भीतर रखती हैं
• नेटवर्क प्रभाव, जहाँ अधिक लोग उपयोग करने पर उत्पाद अधिक मूल्यवान हो जाता है
• पैमाने की अर्थव्यवस्थाएँ जो स्थापित कंपनियों को नए प्रवेशकों से कम कीमत लगाने देती हैं
• स्वामित्व बौद्धिक संपदा या नियामकीय संरक्षण जो अनुकरणकर्ताओं को कानूनी रूप से बाहर करता है
• किसी दुर्लभ इनपुट या वितरण चैनल पर नियंत्रण जिसे प्रतिद्वंद्वी प्राप्त नहीं कर सकते

हर किराया स्रोत एक घर्षण है

उन किराया स्रोतों में से हर एक एक घर्षण है। एक खाई वास्तव में केवल घर्षण का एक रूप है जिसे प्रतिस्पर्धी सस्ते में पार नहीं कर सकते:

• उच्च स्विचिंग लागतें ग्राहक के बाहर निकलने में घर्षण हैं।
• प्रवेश बाधाएँ प्रतिस्पर्धी के आने में घर्षण हैं।
• नेटवर्क प्रभाव उस समन्वय में घर्षण हैं जो उपयोगकर्ताओं को एक साथ कहीं और जाने के लिए चाहिए।
• विनिर्माण पैमाना उस पूँजी और समय में घर्षण है जिसे एक नए प्रवेशक को डुबोना पड़ता है, इससे पहले कि वह प्रतिस्पर्धी इकाई लागत तक पहुँचे।

यह आपको बिल्कुल बताता है कि जेनरेटिव एआई जैसी कोई चीज़, या चीनी औद्योगिक घनत्व जैसी कोई चीज़, वास्तव में किसी बाज़ार के साथ क्या करती है। ये शक्तियाँ उत्पादों पर हमला नहीं करतीं। ये घर्षणों पर हमला करती हैं। ये घर्षण-घोलक प्रौद्योगिकियाँ हैं। और घर्षण-घोलक प्रौद्योगिकी, परिभाषा के अनुसार, खाई-घोलक प्रौद्योगिकी है।

पूरा तर्क एक वाक्य में सिमटता है: सॉफ़्टवेयर और हार्डवेयर की खाइयाँ इसलिए ढह गईं क्योंकि जिन विशिष्ट घर्षणों ने उनका किराया पैदा किया, वे वही घर्षण थे जिन्हें एआई और चीनी समूहन हटाने में असामान्य रूप से अच्छे निकले।

भाग दो: ऐतिहासिक सॉफ़्टवेयर खाई और क्यों बिट्स ने पैसा छापा

पतन को समझने के लिए, पहले यह समझना होगा कि सॉफ़्टवेयर ऐतिहासिक रूप से पूँजीवाद ने कभी पाया सबसे अच्छा व्यवसायिक ढाँचा क्यों था, क्योंकि पतन केवल उन चीज़ों का उलट है जिन्होंने इसे महान बनाया।

सॉफ़्टवेयर की लागत संरचना लगभग अनोखी थी। इसमें पहली प्रति बनाने की उच्च स्थिर लागत के साथ उसके बाद हर प्रति को पुनरुत्पादित और भेजने की लगभग शून्य सीमांत लागत का संयोजन था। किसी जटिल प्रोग्राम का पहला संस्करण लिखने में महीनों या वर्षों तक काम करने वाले दुर्लभ, महंगे, धीमे-प्रशिक्षित इंजीनियरों का समूह लगता था। लेकिन एक बार वह लिख दिया गया, तो दस लाखवीं प्रति बनाने और पहुँचाने की लागत मूलतः कुछ नहीं थी। इस असमानता ने विशाल परिचालन उत्तोलन पैदा किया। परिपक्व क्षैतिज सॉफ़्टवेयर, जैसा कि Atlassian ने Q2 FY2025 के लिए मार्गदर्शन दिया, अस्सी प्रतिशत के दायरे में सकल मार्जिन दे सकता है, क्योंकि राजस्व उपयोगकर्ताओं के साथ बढ़ता है जबकि विक्रय की लागत मुश्किल से बदलती है। लेकिन यह कथन अब पहले जितना सार्वभौमिक नहीं रहा, क्योंकि Snowflake ने FY2025 में लगभग 67 प्रतिशत सकल मार्जिन दर्ज किया, आंशिक रूप से क्योंकि तृतीय-पक्ष क्लाउड अवसंरचना राजस्व की लागत के भीतर बैठती है। आर्थिक अर्थ में, सॉफ़्टवेयर एक शुद्ध सूचना वस्तु की तरह व्यवहार करता था, और सूचना वस्तुएँ उत्पादन और लागत के बीच सामान्य संबंध को तोड़ देती हैं जो भौतिक वस्तुओं को नियंत्रित करता है।

लेकिन केवल कम सीमांत लागत अपने आप एक खाई नहीं बनाती। यदि कोई भी उस वस्तु को सस्ते में बना सकता है, तो कम सीमांत लागत आपको किराया नहीं बल्कि विनाशकारी प्रतिस्पर्धा देती है। सॉफ़्टवेयर ने किराया इसलिए कमाया क्योंकि पहली प्रति की उच्च स्थिर लागत ने प्रवेश में बाधा का काम किया, और क्योंकि इसके ऊपर कई अन्य घर्षण भी जुड़ गए:

• इंजीनियरिंग प्रतिभा की कमी। गैर-तुच्छ सॉफ़्टवेयर बनाने के लिए ऐसे लोगों की ज़रूरत थी जो महँगे, भर्ती करने में कठिन, और समन्वय करने में कठिन थे, इसलिए अधिकांश संभावित प्रतिस्पर्धी एक विश्वसनीय प्रतिकृति बनाने के लिए टीम ही नहीं जुटा सकते थे।
• समय। एक अच्छी तरह वित्तपोषित प्रतिद्वंद्वी को भी रिवर्स इंजीनियर, स्पेक, निर्माण, परीक्षण, और एक प्रतिस्पर्धी उत्पाद लॉन्च करने में कई महीने लगते, और उन महीनों के दौरान स्थापित कंपनी के पास उपयोगकर्ता, राजस्व, और अधिक उत्पाद-गहराई जमा करने का अस्थायी एकाधिकार होता।
• स्विचिंग लागत। एक बार जब कोई ग्राहक अपना डेटा किसी सिस्टम में डाल देता, अपने कर्मचारियों को उस इंटरफ़ेस पर प्रशिक्षित कर देता, और कस्टम एकीकरणों के माध्यम से सिस्टम को बाकी सब चीज़ों में जोड़ देता, तो छोड़ना अत्यधिक महँगा हो जाता, भले ही कुछ बेहतर और सस्ता सामने आ जाए।
• बनाने बनाम खरीदने की गणना। क्योंकि कस्टम आंतरिक सॉफ़्टवेयर बनाना भी महँगा और जोखिमपूर्ण था, कंपनियाँ तर्कसंगत रूप से अपना बनाने के बजाय मानक तैयार उत्पाद खरीदती थीं, जिसने पैकेज्ड सॉफ़्टवेयर विक्रेताओं के लिए एक बड़ा बाज़ार सुनिश्चित किया।
• नेटवर्क प्रभाव और संचित स्वामित्व डेटा, सर्वोत्तम मामलों में, इन सबके ऊपर परत की तरह जुड़ गए।

संरचनात्मक भेद्यता

देखिए वह सूची किससे बनी है। उन पाँच घर्षणों में से केवल एक, नेटवर्क प्रभाव, उत्पाद के मांग-पक्ष का अंतर्निहित गुण है। बाकी चार, प्रतिभा की कमी, निर्माण समय, स्विचिंग लागत, और बनाम खरीदने की दंडात्मकता, सभी आपूर्ति-पक्ष उत्पादन घर्षण हैं। वे इस बात की उपज हैं कि सॉफ़्टवेयर बनाना और बदलना कितना कठिन, धीमा, और महँगा था।

यही भेद्यता है। ऐसा व्यवसाय जिसकी रक्षात्मकता मुख्यतः इस बात पर टिकी है कि वस्तु का उत्पादन कितना कठिन है, वह केवल तब तक रक्षात्मक है जब तक उत्पादन कठिन बना रहे। जिस क्षण सॉफ़्टवेयर के उत्पादन और प्रतिस्थापन की लागत ढहती है, पाँच में से चार स्तंभ उसके साथ ढह जाते हैं, और केवल मांग-पक्ष नेटवर्क प्रभाव बचता है।

यही पतन जेनरेटिव एआई ने बिल्कुल प्रदान किया।

भाग तीन: एआई झटका और सॉफ़्टवेयर खाई का विघटन

सॉफ़्टवेयर अर्थशास्त्र पर जनरेटिव एआई ने क्या किया, इसे मॉडल करने का सही तरीका यह है कि इसे सॉफ़्टवेयर के उत्पादन फलन पर एक झटके के रूप में लिया जाए। बुनियादी अर्थशास्त्र में, किसी भी चीज़ को बनाने की लागत उसके इनपुट्स की लागत का एक फलन होती है। सॉफ़्टवेयर के लिए, प्रमुख इनपुट हमेशा कुशल मानव संज्ञानात्मक श्रम रहा है, विशेष रूप से किसी व्यावसायिक आवश्यकता को सही, परीक्षणित, परिनियोजित किए जा सकने वाले कोड में बदलने का श्रम। वही श्रम वह दुर्लभ, महँगा इनपुट था जिसने प्रवेश-रोधक (barrier to entry) बनाया।

जनरेटिव एआई और स्वायत्त कोडिंग एजेंट उस इनपुट पर सीधे प्रहार करते हैं। वे अनेक कार्यों पर ऐतिहासिक लागत के एक अंश पर कोड उत्पन्न करते हैं, उसे पुनर्गठित करते हैं, डीबग करते हैं, प्रलेखित करते हैं, और परिनियोजित करते हैं। एक नियंत्रित GitHub Copilot प्रयोग में पाया गया कि डेवलपर्स ने एक सीमित कोडिंग कार्य 55.8 प्रतिशत तेज़ी से पूरा किया, और 4,867 डेवलपर्स पर एक फील्ड अध्ययन में 26.08 प्रतिशत अधिक कार्य पूरे किए गए पाए गए। प्रभाव वास्तविक है, लेकिन असमान है, क्योंकि METR द्वारा 2025 का एक यादृच्छिक परीक्षण में पाया गया कि परिचित, परिपक्व कोडबेस पर काम करने वाले अनुभवी ओपन सोर्स डेवलपर्स प्रारंभिक-2025 एआई उपकरणों के साथ 19 प्रतिशत धीमे थे, जबकि वे मानते थे कि वे तेज़ थे। सुरक्षित निष्कर्ष यह नहीं है कि एआई हर इंजीनियर को हर परिस्थिति में तेज़ बना देता है। निष्कर्ष यह है कि एआई कोड बनाने की लागत को संकुचित करता है, विशेष रूप से सीमित, नई-भूमि (greenfield), और कम वरिष्ठता वाले काम के लिए। दुर्लभ इनपुट अधिक प्रचुर बनाया जा रहा है। जब महत्वपूर्ण दुर्लभ इनपुट की कीमत गिरती है, तो उस दुर्लभता पर बना प्रवेश-रोधक भी उसके साथ ध्वस्त हो जाता है। वही एक तंत्र आपूर्ति-पक्ष के चारों स्तंभों में फैल जाता है।

परिवर्तन उन उपकरणों में दिखाई देता है जिन्हें डेवलपर्स वास्तव में इस्तेमाल करते हैं। पहले IDE-नेटिव कोपायलट आए जैसे Cursor. फिर टर्मिनल-नेटिव कोडिंग एजेंट आए जैसे Claude Code, Codex CLI, Kiro CLI, और OpenCode, जहाँ मॉडल रेपो पढ़ता है, फ़ाइलें संपादित करता है, कमांड चलाता है, और इंजीनियर के समान ही वातावरण के विरुद्ध पुनरावृत्ति करता है। अब एक तीसरी परत बहु-एजेंट ऑर्केस्ट्रेशन के इर्द-गिर्द उभर रही है, जिसमें Conductor, Superset, और Hermes Agent जैसे उपकरण कई एजेंटों को परियोजनाओं और वातावरणों में समन्वित करते हैं। प्रगति स्पष्ट है। यह ऑटोकम्प्लीट से, स्वायत्त एजेंटों तक, और फिर समानांतर में अनेक एजेंटों के ऑर्केस्ट्रेशन तक आ गई है, और यह केवल तेज़ ही होगी। डिजिटल काम हर साल स्वचालित करना आसान होता जाएगा, और जो उपकरण आज एक कुशल संचालक की माँग करते हैं, वे कल कम से कम मानव हस्तक्षेप की माँग करेंगे।

1. प्रवेश-रोधक का पतन

एक विश्वसनीय सॉफ़्टवेयर उत्पाद लॉन्च करने के लिए पहले वास्तविक सीड पूँजी की आवश्यकता होती थी, जिसका अधिकांश भाग MVP बनाने के लिए आवश्यक इंजीनियरों को नियुक्त करने में जाता था। उस पूँजीगत आवश्यकता ने बाज़ार को छाना। केवल वही उद्यम जो धन जुटा सकते थे और प्रतिभा भर्ती कर सकते थे, कभी उत्पाद जारी करते थे, और प्रतिस्पर्धियों की परिणामी कमी स्वयं ही स्थापित खिलाड़ियों की सुरक्षा का हिस्सा थी।

जब अच्छा एआई टूलिंग वाला एक डेवलपर पुराने समय और लागत के एक छोटे अंश में एक परिष्कृत, काम करने वाला अनुप्रयोग डिज़ाइन, निर्माण, और लॉन्च कर सकता है, तो वह छन्ना गायब हो जाता है। बाज़ार प्रवेशकर्ताओं से भर जाता है। प्रतिस्पर्धी दृष्टि से, सॉफ़्टवेयर सुविधाओं का आपूर्ति वक्र भारी मात्रा में बाहर की ओर खिसकता है, और मूल मूल्य-सिद्धांत आपको बिना किसी अस्पष्टता के बताता है कि आगे क्या होता है। जब किसी प्रतिस्थापनीय वस्तु की आपूर्ति लगभग स्थिर माँग के विरुद्ध ज़ोरदार ढंग से बढ़ती है, तो कीमत सीमांत लागत की ओर गिरती है, और क्योंकि सॉफ़्टवेयर की सीमांत लागत शून्य के करीब है, कीमत भी शून्य की ओर खिंचती है। सॉफ़्टवेयर आपूर्ति की अति-प्रचुरता, यांत्रिक रूप से, सॉफ़्टवेयर मूल्य निर्धारण शक्ति का विनाश है।

2. कालिक लाभ का पतन

यह शायद सभी में सबसे महत्वपूर्ण सॉफ़्टवेयर मोआट था। तेज़ी से शिपिंग और पुनरावृत्ति का पूरा तर्क इस पर निर्भर था कि लॉन्च की गई सुविधा अपने निर्माता को कई महीनों की विशिष्ट बढ़त खरीदे, इससे पहले कि कोई और उसे कॉपी कर सके। वही लीड टाइम वह खिड़की थी जिसमें नेटवर्क प्रभाव, ब्रांड, और ग्राहक स्थापित होते थे।

एआई नकल-चक्र को महीनों से घंटों तक संकुचित कर देता है। कोई प्रतियोगी किसी उत्पाद के इंटरफ़ेस को देख सकता है, उसके व्यवहार को एक कोडिंग एजेंट को बता सकता है, और लगभग तुरंत एक काम करने वाला क्लोन प्राप्त कर सकता है, बिना कभी मूल स्रोत कोड देखे, क्योंकि मूल्य कभी वास्तव में विशिष्ट कोड में था ही नहीं। वह विनिर्देश (specification) में था, और विनिर्देश अब लागू करने के लिए नगण्य रूप से सस्ते हैं।

जब नकल-देरी शून्य की ओर जाती है, तो वह अस्थायी एकाधिकार जो तेज़ नवाचार को उचित ठहराता था, वाष्पित हो जाता है। नवाचार फिर भी होता है, लेकिन वह टिकाऊ प्रीमियम कमाना बंद कर देता है, क्योंकि नवाचार का इनाम तुरंत नकल करने वालों को सौंप दिया जाता है। यह वही पाठ्यपुस्तकीय मामला है जिसे David Teece ने तकनीकी नवाचार से लाभ कमाने पर अपने 1986 के पेपर में appropriability समस्या कहा था। नवाचार तभी अपनी लागत निकालता है जब नवप्रवर्तक अपने द्वारा निर्मित मूल्य का इतना हिस्सा पकड़ सके, उससे पहले कि नकल उसे प्रतिस्पर्धा में खा जाए। एआई शुद्ध सॉफ़्टवेयर नवाचार की appropriability को शून्य की ओर धकेलता है।

3. स्विचिंग लागतों का विघटन

यह पारंपरिक सॉफ़्टवेयर मोआट्स में सबसे मज़बूत था, क्योंकि यह तब भी काम करता था जब प्रतिद्वंद्वी उत्पाद स्पष्ट रूप से बेहतर हो। लेकिन स्विचिंग लागतें स्वयं घर्षणों से बनी थीं, जैसे एक स्कीमा से दूसरे में डेटा स्थानांतरित करना, कस्टम इंटीग्रेशनों को फिर से बनाना, और अपरिचित इंटरफ़ेस पर स्टाफ को पुनः प्रशिक्षित करना। उन सब में से हर एक ठीक उसी प्रकार का थकाऊ, पैटर्न-आधारित अनुवाद कार्य है जिसमें एआई अच्छा है।

एआई-चालित डेटा मैपिंग किसी जटिल डेटाबेस को एक सिस्टम की संरचना से दूसरे में तेज़ी और सस्ते में ingests, normalizes, and migrates कर सकती है। प्राकृतिक भाषा इंटरफ़ेस पुनःप्रशिक्षण लागत को कम कर देते हैं, क्योंकि उपयोगकर्ता तेजी से एक स्वामित्वपूर्ण मेनू ट्री को याद करने के बजाय बातचीत के माध्यम से संवाद करते हैं, जिसका अर्थ है कि एक विक्रेता के इंटरफ़ेस में बंद कौशल अब स्विचिंग दंड के रूप में कार्य नहीं करता।

जैसे-जैसे छोड़ने की लागत गिरती है, पकड़े गए ग्राहक का जीवनकाल मूल्य भी उसके साथ गिरता है, ग्राहक अधिग्रहण लागत उस घटते जीवनकाल मूल्य की तुलना में बढ़ती है, और पूरी सदस्यता मॉडल की इकाई-अर्थशास्त्र बिगड़ती है। ग्राहक की छोड़ने में असमर्थता पर बना एक मोआट तब घुल जाता है जब छोड़ना सस्ता हो जाता है।

4. निर्माण बनाम खरीद का उलटाव

यह चुपचाप संबोधित योग्य बाज़ार (addressable market) को ही नष्ट कर देता है। कंपनियाँ पैकेज्ड सॉफ़्टवेयर इसलिए खरीदती थीं क्योंकि अनुकूलित आंतरिक उपकरण बनाना इतना महँगा, धीमा, और जोखिमपूर्ण था कि केवल उनकी सबसे विभेदित आवश्यकताओं के लिए ही उसका औचित्य बनता था। अंदरूनी तौर पर बनाने पर लगा वही दंड ठीक वह था जिसने विक्रेताओं के लिए एक बड़ा बाज़ार सुनिश्चित किया।

जब एआई एजेंट आंतरिक टीमों, यहाँ तक कि गैर-तकनीकी टीमों को भी, उनके अपने वर्कफ़्लोज़ के अनुरूप कस्टम अनुप्रयोग उत्पन्न करने देते हैं, तो निर्माण पर लगा दंड गायब हो जाता है, और तर्कसंगत विकल्प सामान्य सदस्यता खरीदने से बदलकर एक निजी उपकरण उत्पन्न करने की ओर हो जाता है जो बिल्कुल फिट बैठता है और जिसके साथ कोई आवर्ती लाइसेंस नहीं होता।

यह केवल विक्रेताओं के बीच प्रतिस्पर्धा को और तीव्र नहीं बनाता। यह विक्रेताओं द्वारा प्रतिस्पर्धा किए जा रहे कुल संबोधित योग्य बाज़ार को ही छोटा कर देता है, क्योंकि सॉफ़्टवेयर माँग का बढ़ता हुआ हिस्सा आंतरिक रूप से संतुष्ट हो जाता है और बाहरी बाज़ार तक पहुँचता ही नहीं। मूल्य बाहरी सॉफ़्टवेयर विक्रेताओं से आंतरिक परिचालन क्षमता में स्थानांतरित हो जाता है, अर्थात यह बाज़ार होना बंद कर देता है और एक इन-हाउस लागत-कुशलता बन जाता है।

इसे ही मैंने अपनी लेखनी में आंतरिक सॉफ़्टवेयर उत्तोलन कहा था, The Barbell of Software Value, जिसे खरीदार के बजाय विक्रेता के पक्ष से देखा गया है।

परिणाम और क्या ढहता नहीं

इन चार तंत्रों को एक साथ रखें और आपको शुद्ध सॉफ़्टवेयर का वस्तुकरण (commoditization) मिलता है। उद्योग सॉफ़्टवेयर अति-प्रचुरता में प्रवेश कर रहा है, जहाँ कार्यात्मक अनुप्रयोग सस्ते में बनाए जा सकते हैं, तुरंत क्लोन किए जा सकते हैं, और बढ़ती हुई मात्रा में माँग पर घर के अंदर ही उत्पन्न किए जा सकते हैं। उस स्थिति में कोड स्वयं किराये (rent) का स्रोत होना बंद कर देता है, ठीक उसी तरह जैसे कोई भी वस्तु, जब वह प्रचुर और प्रतिस्थापनीय हो जाती है, तो किराया कमाना बंद कर देती है। मूल्य कोड से अलग हो जाता है।

ईमानदार होने के लिए यह स्पष्ट रूप से कहना ज़रूरी है कि क्या नहीं ढहता, क्योंकि इसे बढ़ा-चढ़ाकर कहना इसे गलत बना देगा। जनरेटिव एआई आपूर्ति-पक्ष उत्पादन घर्षणों पर हमला करता है। अपने-आप में, यह माँग-पक्ष और प्रणाली-स्तरीय घर्षणों पर हमला नहीं करता।

• नेटवर्क प्रभाव बने रहते हैं, क्योंकि एआई दोपहर में एक सोशल नेटवर्क का सॉफ़्टवेयर क्लोन कर सकता है, लेकिन वह उपयोगकर्ताओं को क्लोन नहीं कर सकता, और उपयोगकर्ता ही संपत्ति हैं।
• स्वामित्वपूर्ण डेटा मोआट बने रहते हैं और वास्तव में मज़बूत होते हैं, क्योंकि एआई कोड बनाना सस्ता करता है जबकि उस दुर्लभ डेटा को अधिक मूल्यवान बनाता है जो उसे प्रशिक्षित करता है।
• वितरण और ब्रांड बने रहते हैं, क्योंकि ध्यान और भरोसा तब भी दुर्लभ रहते हैं जब सुविधाएँ मुफ़्त हों।
• नियामकीय और अनुपालन अवरोध बने रहते हैं, क्योंकि एक कोडिंग एजेंट बैंकिंग लाइसेंस, मेडिकल डिवाइस क्लीयरेंस, या विमानन प्रमाणन उत्पन्न नहीं कर सकता।
• भौतिक या विनियमित परिचालन वास्तविकता में गहरी एकीकरण बना रहता है, क्योंकि कोड सस्ता है, लेकिन सेंसर लगाना, भरोसा अर्जित करना, और नियामकीय अनुमोदन के तहत संचालन करना सस्ता नहीं है।

इसलिए सटीक दावा यह नहीं है कि सभी सॉफ़्टवेयर व्यवसाय मर जाते हैं। दावा यह है कि शुद्ध, स्वतंत्र, पैकेज्ड सॉफ़्टवेयर के उस विशिष्ट, कभी प्रमुख रहे मोआट को, जिसे कोड लिखने और बदलने की कठिनाई से बचाया जाता था, नष्ट कर दिया गया है। जो बचता है वह ऐसा सॉफ़्टवेयर है जो उस चीज़ से जुड़ा है जिसे एआई सस्ते में पुनरुत्पादित नहीं कर सकता: एक नेटवर्क, एक डेटासेट, एक नियामकीय स्थिति, एक वितरण चैनल, या एक भौतिक संचालन। जो सॉफ़्टवेयर इन सब से मुक्त तैरता है, वह अब एक वस्तु है।

भाग चार: ऐतिहासिक हार्डवेयर मोआट और क्यों परमाणु कठिन थे

हार्डवेयर तर्क उसी अनुशासन को लेता है। पहले यह स्थापित करें कि हार्डवेयर पहले क्यों रक्षात्मक था, फिर दिखाएँ कि चीन की विनिर्माण प्रणाली ने उन रक्षा-तंत्रों में से किन्हें घुला दिया।

हार्डवेयर लगभग उल्टे कारणों से रक्षात्मक था, जिन कारणों से सॉफ्टवेयर था, और पूंजी बाज़ार इन दोनों को विपरीत मानते थे। जहाँ सॉफ्टवेयर की सीमांत लागत लगभग शून्य थी, वहीं हार्डवेयर की सीमांत लागत उच्च और जिद्दी थी, क्योंकि हर भौतिक इकाई सामग्री, ऊर्जा, श्रम, और मशीन समय खा जाती थी। जहाँ सॉफ्टवेयर तुरंत और अनंत रूप से भेजा जा सकता था, वहीं हार्डवेयर विनिर्माण और लॉजिस्टिक्स के भौतिकी नियमों से बँधा था। इन गुणों ने हार्डवेयर को मार्जिन के हिसाब से एक खराब व्यवसाय बनाया, लेकिन उन्होंने, अजीब तरह से, उसे एक विशिष्ट तरीके से रक्षात्मक भी बनाया, क्योंकि भौतिक उत्पादन की कठिनाई एक अवरोध की तरह काम करती थी जो एक अच्छी तरह चलने वाली हार्डवेयर फर्म को साधारण नकल से बचाती थी।

हार्डवेयर की रक्षा करने वाले विशिष्ट घर्षण ये थे:

• टूलिंग पूंजी। एक भौतिक उत्पाद को बड़े पैमाने पर बनाना विशेष टूलिंग की माँग करता था, मुख्यतः इंजेक्शन मोल्ड और कास्टिंग डाई, जिनका उपयोग प्लास्टिक और धातु के हिस्सों को आकार देने के लिए किया जाता था, और उन औज़ारों की लागत दसियों या सैकड़ों हज़ार डॉलर होती थी और वे उच्च न्यूनतम ऑर्डर मात्राएँ लागू करते थे। यह एक कठोर पूंजी-दीवार थी जिसे अधिकांश नए प्रवेशक पार नहीं कर सकते थे, और इसने उन स्थापित खिलाड़ियों की रक्षा की जो पहले ही अपनी टूलिंग की लागत वसूल कर चुके थे।

• पुनरावृत्ति विलंब। एक भौतिक डिज़ाइन को परिष्कृत करने का मतलब था नई टूलिंग काटना, सहनशीलताएँ समायोजित करना, और भौतिक परीक्षण बैच चलाना, एक ऐसा चक्र जिसमें हर बार हफ़्ते या महीनों लगते थे और हर बार भारी लागत आती थी, इसलिए भौतिक उत्पाद धीरे-धीरे सुधरते थे और किसी प्रतिस्पर्धी को पकड़ने के लिए लंबा, महँगा अभियान चाहिए होता था।

• आपूर्ति-श्रृंखला संयोजन। एक भौतिक उत्पाद कई विशिष्ट आपूर्तिकर्ताओं से प्राप्त कच्चे माल की सूची होता है, और वे आपूर्तिकर्ता पहले अलग-अलग कंपनियों, क्षेत्रों, और देशों में बिखरे होते थे, इसलिए एक काम करने वाली आपूर्ति-श्रृंखला जोड़ने का मतलब था अलग-थलग विक्रेताओं से मोलभाव करना, लंबे लीड टाइम झेलना, और जटिल लॉजिस्टिक्स का प्रबंधन करना।

• सटीकता और प्रक्रिया ज्ञान। वह संचित, अक्सर अव्यक्त, जानकारियाँ जो किसी डिज़ाइन को वास्तव में स्वीकार्य यील्ड पर निर्मित करने के लिए चाहिए होती हैं। यह किसी चित्र से स्थानांतरित नहीं होती। इसे करके सीखना पड़ता है।

• वितरण। खुदरा विक्रेताओं, वितरकों, और शेल्फ स्पेस के माध्यम से भौतिक उत्पाद को खरीदारों तक पहुँचाने की आवश्यकता, जो स्वयं भी दुर्लभ थे और द्वारपालों के नियंत्रण में थे।

संरचना को फिर से देखिए, बिल्कुल सॉफ्टवेयर की तरह। हार्डवेयर का मोआट मुख्यतः उत्पादन और लॉजिस्टिक्स के घर्षणों का एक समूह था: टूलिंग पूंजी, पुनरावृत्ति विलंब, आपूर्ति-श्रृंखला संयोजन, प्रक्रिया यील्ड, और भौतिक वितरण। इसकी रक्षा इस बात से होती थी कि एक डिज़ाइन को एक भेजे जाने योग्य भौतिक वस्तु में बदलना कितना कठिन, धीमा, और महँगा था। और बिल्कुल सॉफ्टवेयर की तरह, उत्पादन की कठिनाई पर आधारित रक्षा तभी तक टिकाऊ है जब तक उत्पादन कठिन बना रहता है।

लेकिन चीन का आर्थिक इतिहास में योगदान यह था कि उसने असाधारण रूप से विशाल श्रेणी के माल के लिए भौतिक उत्पादन को अब कठिन नहीं रहने दिया।

भाग पाँच: चीन शॉक, औद्योगिक संकेंद्रण, और हार्डवेयर मोआट का अंत

चीनी विनिर्माण प्रभुत्व की सबसे आम गलतफहमी यह है कि यह सस्ते श्रम की कहानी है। शुरुआती चरण में यह आंशिक रूप से सही था और अब अधिकांशतः गलत है, और इसे गलत समझने से सीधे उस असफल निष्कर्ष तक पहुँचा जाता है कि उत्पादन को वापस लाना, या उत्पादन को अगले कम-मजदूरी वाले देश में ले जाना, पुरानी व्यवस्था को बहाल कर देगा।

असल व्याख्या यह है कि चीन ने, उस घनत्व और पैमाने पर जो पहले कभी नहीं देखा गया था, वह घटना बनाई जिसे अल्फ्रेड मार्शल ने एक सदी से भी पहले औद्योगिक संकेंद्रण के रूप में वर्णित किया था। वही संकेंद्रण, न कि वेतन-अंतर का लाभ, हार्डवेयर मोआट को तोड़ने वाला कारक था। यह तर्क रखने वाला मैं पहला व्यक्ति नहीं हूँ। एंड्रयू “बन्नी” हुआंग ने पिछले एक दशक से अधिक समय में The Hardware Hacker में शेनझेन संस्करण को प्रत्यक्ष रूप से दस्तावेज़ किया है।

मार्शलियन बाह्य अर्थव्यवस्थाएँ

औद्योगिक संकेंद्रण परस्पर जुड़ी हुई उद्योगों, घटक आपूर्तिकर्ताओं, उप-असेंबली निर्माताओं, कच्चे माल प्रसंस्करणकर्ताओं, टूलमेकर्स, अनुबंध निर्माताओं, लॉजिस्टिक्स प्रदाताओं, और विशेष कुशल श्रम का स्वयं-प्रबलित भौगोलिक समूह है, जो सभी एक ही क्षेत्र में ठूँसे हुए होते हैं। मार्शल ने पहचाना कि ये क्लस्टर ऐसे लाभ क्यों उत्पन्न करते हैं जिन्हें कोई अलग-थलग फर्म नहीं मिला सकती:

• वे विशेषज्ञ श्रमिकों का एक गहरा साझा श्रम-भंडार बनाते हैं।
• वे विशिष्ट स्थानीय आपूर्तिकर्ताओं का समर्थन करते हैं जो एक दूरस्थ ग्राहक की सेवा करते हुए कभी जीवित नहीं रह सकते थे, लेकिन घने क्लस्टर की सेवा करते हुए फलते-फूलते हैं।
• वे ज्ञान-प्रसार उत्पन्न करते हैं, जहाँ प्रक्रिया सुधार क्लस्टर में तेज़ी से फैलते हैं क्योंकि संबंधित लोग भौतिक रूप से पास होते हैं और इधर-उधर आते-जाते रहते हैं।

ये तीनों बल मार्शलियन बाह्य अर्थव्यवस्थाएँ हैं, और इनका मतलब है कि क्लस्टर के अंदर की किसी फर्म को कम लागत, तेज़ पुनरावृत्ति, और बेहतर जानकारी मिलती है, क्लस्टर के बाहर की समान फर्म की तुलना में, चाहे वह बाहरी फर्म अपने आप में कितनी ही दक्ष क्यों न हो।

लेन-देन लागत का पतन

पर्ल नदी डेल्टा में, और विशेषकर शेनझेन में, संकेंद्रण ऐसी घनता तक पहुँच गया जिसका कोई ऐतिहासिक उदाहरण नहीं था। व्यावहारिक परिणाम को रोनाल्ड कोज़ के लेन-देन लागत अर्थशास्त्र के माध्यम से सबसे आसानी से देखा जा सकता है। कोज़ ने समझाया कि आर्थिक गतिविधि की सीमा और गति लेन-देन लागतों द्वारा नियंत्रित होती है, यानी आपूर्तिकर्ताओं को खोजने, शर्तों पर बातचीत करने, और फर्मों के बीच उत्पादन का समन्वय करने की लागत। फैली हुई आपूर्ति-श्रृंखला में ये लागतें विशाल होती हैं, और यही हार्डवेयर मोआट के तीसरे घर्षण की वास्तविक सामग्री हैं।

अत्यधिक घने क्लस्टर में, लेन-देन लागत लगभग शून्य तक गिर जाती है। अधिकांश इलेक्ट्रॉनिक और यांत्रिक उपकरणों की पूरी आपूर्ति-श्रृंखला एक छोटे दायरे में ही बैठी होती है, इसलिए जो खोज, सोर्सिंग, बातचीत, और समन्वय महाद्वीपों के पार हफ्ते लेते थे, वे अब एक जिले के भीतर घंटों में हो जाते हैं। एक डिज़ाइनर एक उपकरण का विनिर्देश तय कर सकता है, उसी दिन हर घटक को स्थानीय रूप से सोर्स कर सकता है, एक कस्टम सर्किट बोर्ड को रातोंरात बनवा और उस पर पुर्जे लगवा सकता है, और अगले सुबह एक काम करता हुआ प्रोटोटाइप हाथ में ले सकता है।

यह सस्ता श्रम नहीं है। यह लेन-देन लागत और पुनरावृत्ति विलंब का लगभग उन्मूलन है, जो गुणात्मक रूप से अलग और कहीं अधिक शक्तिशाली चीज़ है।

उस घनत्व से चार तंत्रों ने हार्डवेयर मोआट को घोल दिया, ठीक वैसे ही जैसे चार एआई ने सॉफ्टवेयर को घोला था।

1. पुनरावृत्ति विलंब का पतन

यह सॉफ्टवेयर के समयगत लाभ खोने का हार्डवेयर संस्करण है। बिखरी हुई पश्चिमी आपूर्ति-श्रृंखला में एक भौतिक डिज़ाइन का एक चक्र हफ्ते लेता था और बहुत महँगा पड़ता था, इसलिए हार्डवेयर धीरे-धीरे सुधरता था और स्थापित खिलाड़ी की परिष्कार-प्रधान बढ़त बनी रहती थी। क्लस्टर के भीतर, भौतिक पुनरावृत्ति सॉफ्टवेयर पुनरावृत्ति की गति के करीब पहुँच जाती है। मोल्डों में बदलाव होता है, बोर्ड लेआउट समायोजित किए जाते हैं, और परीक्षण बैच दिनों में चलाए जाते हैं।

रणनीतिक परिणाम क्रूर है। पश्चिम में सोचा गया कोई भी हार्डवेयर डिज़ाइन क्लस्टर के भीतर देखा जा सकता है, रिवर्स इंजीनियर किया जा सकता है, विनिर्माण-योग्यता के लिए अनुकूलित किया जा सकता है, और मूल पश्चिमी फर्म के अपना दूसरा प्रोटोटाइप पूरा करने से पहले ही बड़े पैमाने पर निर्मित किया जा सकता है। मूल निर्माता का लीड टाइम, जो उसके किराए का स्रोत था, नकारात्मक है। नकल करने वाला पहले बेहतर, सस्ता संस्करण भेज देता है।

2. टूलिंग पूंजी का पतन

यह सॉफ्टवेयर की प्रवेश-अवरोध बाधा के गिरने का हार्डवेयर संस्करण है। वे दसियों हज़ार डॉलर और उच्च न्यूनतम ऑर्डर मात्राएँ, जो कभी भौतिक उत्पादन को घेरती थीं, क्लस्टर के भीतर तेज़ कंप्यूटर-नियंत्रित मशीनिंग, मानकीकृत मॉड्यूलर मोल्ड बेस, जिन्हें शुरू से काटने के बजाय पुनः विन्यस्त किया जाता है, और बेहद प्रतिस्पर्धी उच्च-थ्रूपुट टूलिंग दुकानों के माध्यम से लगभग समाप्त कर दी गई हैं। छोटे बैच, अत्यधिक अनुकूलित हार्डवेयर अब ऐसी लागत-संरचना पर बनाया जा सकता है जो पहले केवल बड़ी बहुराष्ट्रीय कंपनियों के लिए उपलब्ध थी। वह पूंजी-दीवार, जो हार्डवेयर प्रवेशकों को छाँटती थी, काफी हद तक गिर चुकी है, ठीक वैसे ही जैसे वह सॉफ्टवेयर प्रवेशकों को छाँटती थी, और बाज़ार उसी अनुमानित कीमत-गिरावट के दबाव से भर जाता है।

3. अनुभव वक्र, स्वचालन से गुणित

यह वह तंत्र है जो लागत-नेतृत्व को स्थायी रूप से लॉक कर देता है, और यही कारण है कि इस लाभ को कहीं और जाकर मध्यस्थता के जरिए समाप्त नहीं किया जा सकता। राइट का नियम, जिसे पहली बार थियोडोर राइट ने 1936 में विमान उत्पादन डेटा से वर्णित किया था और बाद में बोस्टन कंसल्टिंग ग्रुप ने अनुभव वक्र के रूप में सामान्यीकृत किया, औद्योगिक अर्थशास्त्र की सबसे विश्वसनीय अनुभवजन्य नियमितताओं में से एक है। यह कहता है कि कई उत्पादों के लिए, संचयी उत्पादन मात्रा हर बार दोगुनी होने पर इकाई लागत एक निश्चित प्रतिशत से गिरती है, क्योंकि संगठन संचित करके करने से सीखता है कि अधिक कुशलता से कैसे निर्माण किया जाए।

क्योंकि वह क्लस्टर अनगिनत उत्पाद श्रेणियों में वैश्विक संचयी मात्रा का एक अत्यधिक बड़ा हिस्सा उत्पन्न करता है, इसलिए वह अनुभव-वक्र पर बहुत नीचे बैठा होता है, जबकि कोई भी नया प्रवेशकर्ता, कम संचयी मात्रा के साथ, उसके शीर्ष पर बैठा होता है। आधुनिक चीनी विनिर्माण फिर उस सीखने के लाभ को पूँजी-गहन स्वचालन, उन्नत रोबोटिक्स, उच्च-गति स्वचालित ऑप्टिकल निरीक्षण, और कच्चे माल तक पूरी तरह वापस जाने वाले ऊर्ध्वाधर एकीकरण के साथ और बढ़ा देता है।

यही वह सटीक बिंदु है जहाँ श्रम-लागत की व्याख्या दम तोड़ देती है। आधुनिक लाभ कम मजदूरी नहीं है। यह संचित सीख + स्वचालित पैमाना + आपूर्तिकर्ता घनत्व है, और कोई नवागंतुक अल्पकालिक कार्रवाई से, चाहे उच्च मजदूरी हो या कम मजदूरी, उस संयोजन की नकल नहीं कर सकता, क्योंकि आप दशकों के संचयी उत्पादन अनुभव या उसके आसपास के आपूर्तिकर्ता पारिस्थितिकी तंत्र को तुरंत खरीद नहीं सकते।

4. वितरण-घर्षण का पतन

यह हार्डवेयर का वही संस्करण है जिसमें एआई मौजूदा सॉफ़्टवेयर चैनलों से होकर जाने की आवश्यकता को खत्म कर रहा है। वैश्विक डिजिटल बाज़ार और अत्यंत कुशल पार्सल लॉजिस्टिक्स क्लस्टर के भीतर के निर्माताओं को पश्चिमी वितरकों, थोक विक्रेताओं, और खुदरा शेल्फ़ स्पेस को पूरी तरह बायपास करने देते हैं, वे सीधे वैश्विक प्लेटफ़ॉर्मों पर लिस्टिंग करते हैं और कुछ ही दिनों में उपभोक्ता के दरवाज़े तक शिप कर देते हैं। किसी स्थापित हार्डवेयर ब्रांड की रक्षा करने वाला अंतिम घर्षण, यानी शेल्फ़ और चैनलों पर उसका नियंत्रण, दरकिनार कर दिया जाता है। कार्यात्मक रूप से समकक्ष उपकरण, स्थापित ब्रांड की वितरण प्रणाली को छुए बिना, ब्रांडेड कीमत के एक अंश पर उसी ग्राहक तक पहुँच जाता है।

औद्योगिक कॉमन्स और रीशोरिंग इतनी कठिन क्यों है

इन सबका सबसे महत्वपूर्ण परिणाम, और वह जो सबसे अधिक अनदेखा किया जाता है, रीशोरिंग से जुड़ा है, और यहीं औद्योगिक कॉमन्स का विचार महत्वपूर्ण हो जाता है। गैरी पिसानो और विली शीह ने 2009 में Restoring American Competitiveness (PDF) में इसका नामकरण किया था। उनका अवलोकन यह था कि निर्माण क्षमता किसी एकल फर्म की संपत्ति नहीं होती। यह एक पारिस्थितिकी तंत्र की संपत्ति होती है, आपूर्तिकर्ताओं, औज़ार-निर्माताओं, प्रक्रिया इंजीनियरों, और निहित ज्ञान का साझा स्थानीय आधार।

जब कोई देश उत्पादन को ऑफ़शोर करता है, तो वह केवल कारखाने नहीं खोता। समय के साथ वह आसपास का कॉमन्स भी खो देता है, क्योंकि स्थानीय माँग उन्हें जीवित रखने के लिए न रहने पर आपूर्तिकर्ता, औज़ार-निर्माता, और कुशल प्रक्रिया इंजीनियर जर्जर हो जाते हैं या स्थानांतरित हो जाते हैं। एक बार जब कॉमन्स गायब हो जाता है, तो कोई एकल फर्म या सब्सिडी उसे जल्दी से फिर से नहीं बना सकती, क्योंकि अकेले रीशोर्ड किया गया कारखाना न स्थानीय आपूर्तिकर्ता रखता है, न स्थानीय औज़ार-निर्माता, न अनुभवी प्रक्रिया इंजीनियरों का स्थानीय पूल, और इसलिए वे मार्शलियन बाह्य अर्थशास्त्र भी नहीं होते जिन्होंने सबसे पहले उस क्लस्टर को कुशल बनाया था।

इसीलिए वस्तु-रूप धारण कर चुकी हार्डवेयर श्रेणी को रीशोर करना इतना कठिन और इतना महँगा है। रीशोरर जिस लाभ को फिर से बनाना चाहता है, वह कभी कारखाने के भीतर था ही नहीं। वह कारखाने के आसपास की पारिस्थितिकी में था, और वह पारिस्थितिकी अब घर पर नहीं है। खाई चीन तक इसलिए नहीं गई कि चीनी फर्में व्यक्तिगत रूप से बेहतर हैं। वह इसलिए गई क्योंकि कॉमन्स वहाँ चला गया, और कॉमन्स एक सामूहिक संपत्ति है जिसे व्यक्तिगत कार्रवाई फिर से नहीं बना सकती।

हार्डवेयर के लिए व्यापक आर्थिक निष्कर्ष बिल्कुल सॉफ़्टवेयर वाले निष्कर्ष के समानांतर है। जिस क्षण किसी भौतिक उत्पाद के विनिर्देश ज्ञात हो जाते हैं, अत्यंत घना विनिर्माण पारिस्थितिकी तंत्र उसे पुनरुत्पादित कर सकता है, विनिर्माण के लिए उसे अनुकूलित कर सकता है, और उसे सीधे ऐसी लागत संरचना पर वितरित कर सकता है जो मूल निर्माता़ के मार्जिन को नष्ट कर देती है। स्वतंत्र हार्डवेयर, जिसे केवल भौतिक उत्पादन की कठिनाई से बचाया जाता था, वस्तु-रूप हो चुका है, क्योंकि वह कठिनाई, बहुत विस्तृत श्रेणी के सामानों के लिए, अब मौजूद नहीं है।

भाग छह: क्रमिक पतन और उसके रणनीतिक परिणाम

लोग आमतौर पर दोनों पतनों का विश्लेषण अलग-अलग करते हैं, और कालक्रम के हिसाब से उन्हें ऐसा करना चाहिए भी। हार्डवेयर का पतन पहले आया। चीनी संकेंद्रण ने उपभोक्ता इलेक्ट्रॉनिक्स और कई मध्यम-जटिलता वाले सामानों में उत्पादन-आधारित हार्डवेयर की रक्षात्मकता को वर्षों पहले कमजोर कर दिया था, उससे पहले कि जनरेटिव एआई कोडिंग टूल्स महत्त्वपूर्ण बनते। सॉफ़्टवेयर का पतन बाद में आया। आज किसी संस्थापक के लिए वास्तविक घटना यह नहीं है कि वे एक साथ शुरू हुए। वास्तविक घटना यह है कि अब बाज़ार में दोनों स्थितियाँ मौजूद हैं।

पहले के युग अभी भी एक निकास-मार्ग देते थे। जब सॉफ़्टवेयर प्रतिस्पर्धी हो गया, पूँजी रक्षात्मक हार्डवेयर की ओर जा सकती थी। जब हार्डवेयर प्रतिस्पर्धी हो गया, पूँजी रक्षात्मक सॉफ़्टवेयर की ओर जा सकती थी। दोनों क्षेत्र बारी-बारी से आश्रय थे। वह घुमाव अब काम नहीं करता। शुद्ध परमाणु पहले ही अपना उत्पादन-मोआत खो चुके हैं, और शुद्ध बिट्स अब अपना खो रहे हैं। अब न शुद्ध बिट्स की शरण है और न शुद्ध परमाणुओं की शरण। यही पिछले साल मैंने जिस बार्बेल के बारे में लिखा था उसका गहरा अर्थ है। बीच का वह क्षेत्र, जहाँ एक फर्म इस बात पर निर्भर थी कि एक आयाम कठिन बना रहेगा, दोनों ओर से खोखला कर दिया गया है।

प्रथम-क्रम परिणाम: सामान्यीकृत अपस्फीतिक दबाव

जब सॉफ़्टवेयर की सीमांत लागत शून्य के निकट पहुँचती है और भौतिक प्रतिकृति की प्रभावी लागत क्लस्टर के अत्यंत कुशल तल के पास पहुँच जाती है, तो दोनों क्षेत्रों में प्रतिस्पर्धा कीमतों को उन तल स्तरों की ओर नीचे धकेलती है। यह उपभोक्ताओं के लिए अवस्फीतिक है और बिना खाई वाले उत्पादकों के लिए विनाशकारी है, और यह उस पहेली को समझाता है जिसे बहुत से लोग देखते हैं, कि विशाल तकनीकी प्रगति के ठीक बगल में वास्तविक उत्पादन करने वाली फर्मों के मार्जिन सिकुड़ते जा रहे हैं। प्रगति को नवप्रवर्तकों के बजाय उपभोक्ताओं और अनुकरणकर्ताओं द्वारा हथिया लिया जा रहा है, ठीक इसलिए क्योंकि दोनों क्षेत्रों में अधिग्रहणयोग्यता ढह गई।

द्वितीय-क्रम परिणाम: लाभ मुस्कान वक्र के साथ स्थानांतरित होता है

स्टैन शिह, एसर के संस्थापक, ने लगभग 1992 में मुस्कान वक्र प्रस्तावित किया था। किसी विनिर्माण मूल्य-श्रृंखला के उत्पादन चरणों के विरुद्ध मूल्य-वर्धन को प्लॉट करें और आपको मुस्कान जैसी आकृति मिलती है। बेन थॉम्पसन ने इसे प्रकाशन के लिए अनुकूलित किया है, जो दिखाता है कि यह वक्र वास्तव में विनिर्माण के बारे में नहीं है। यहाँ मूल रूप है:

शिह के चरण ये हैं:

• ऊपर की ओर उच्च मूल्य, अर्थात् डिज़ाइन, ब्रांडिंग, और बौद्धिक संपदा
• बीच में गहरी खाई, अर्थात् भौतिक संयोजन और विनिर्माण, वह चरण जो सबसे आसानी से वस्तु-रूप हो जाता है
• नीचे की ओर उच्च मूल्य, अर्थात् वितरण, सेवा, और ग्राहक संबंध

चीन के उदय ने हार्डवेयर के लिए उस वक्र के मध्य को समतल और वस्तु-रूप कर दिया। जनरेटिव एआई अब सॉफ़्टवेयर के लिए समकक्ष मध्य को वस्तु-रूप कर रहा है, जो कोड लिखने की मात्र क्रिया है। इसके बाद आने वाला निर्देश दोनों मामलों में समान है: वस्तु-रूप हो चुके मध्य को छोड़ो और मुस्कान के सिरों की ओर बढ़ो।

लेकिन वे सिरे ठीक वही माँग-पक्ष और प्रणाली-स्तरीय संपत्तियाँ हैं जिनकी नकल न एआई सस्ते में कर सकता है और न विनिर्माण घनत्व। ऊपर की ओर इसका अर्थ है स्वामित्व वाला डेटा, अनुसंधान, और डिज़ाइन अंतर्दृष्टि। नीचे की ओर इसका अर्थ है ब्रांड, भरोसा, वितरण, नियामकीय स्थिति, और ग्राहक संबंध तथा परिचालन परिणाम का स्वामित्व।

तृतीय-क्रम परिणाम: लाभ जोड़-सीवनों में स्थानांतरित होता है

यही वह परिणाम है जो विश्लेषण को रणनीति से जोड़ता है। टिकाऊ लाभ किसी एकल आयाम से बाहर निकलकर आयामों के बीच के संयोजन में, और उन संपत्तियों में स्थानांतरित हो गया है जो उत्पादन से पूरी तरह बाहर बैठती हैं। यदि शुद्ध कोड मुफ़्त है और शुद्ध परमाणु सस्ते हैं, तो जो घर्षण अब भी लाभ उत्पन्न करते हैं, वे वे हैं जो जोड़-सीवनों में रहते हैं:

• कस्टम हार्डवेयर और कस्टम सॉफ़्टवेयर का कड़ा सह-डिज़ाइन, ताकि अनुकरणकर्ता के लिए एक भी दूसरे के बिना उपयोगी न हो।
• वास्तविक भौतिक या विनियमित कार्यप्रवाह को संचालित करके उत्पन्न स्वामित्व वाला डेटा, जो ठीक इसलिए दुर्लभ है क्योंकि वह काम करने का उप-उत्पाद है, न कि कुछ ऐसा जिसे कॉपी किया जा सके।
• रूढ़िवादी उद्योगों में गहरे, धीरे-धीरे बनने वाले संबंध और नियामकीय मान्यताएँ, जहाँ सस्ता क्लोन किसी के मूल्यांकन से पहले ही अयोग्य हो जाता है।
• प्रिंसिपल की स्थिति, जहाँ कोई फर्म वस्तु-रूप हो सकने वाले उपकरण को नहीं बेचती, बल्कि ऑपरेशन का स्वामित्व रखती है, दायित्व स्वीकार करती है, परिणाम की गारंटी देती है, और पूर्ण लाभ-पूल तथा विशिष्ट डेटा अवशेष दोनों को पकड़ती है।

ये वे घर्षण हैं जिन्हें एआई और चीनी संकेंद्रण संरचनात्मक रूप से भंग नहीं कर सकते, क्योंकि वे उत्पादन-घर्षण हैं ही नहीं। वे भरोसे के, भौतिक पहुँच के, नियमन के, संचित वास्तविक-दुनिया अवलोकन के, और परिचालन स्वामित्व के घर्षण हैं।

भाग सात: सीमाएँ, प्रति-तर्क, और इनके बारे में ईमानदार होना

इतने व्यापक सिद्धांत को अपनी सबसे मजबूत आपत्तियों के विरुद्ध परखा जाना चाहिए, क्योंकि एक अतिरंजित आधार पर बनी रणनीति ठीक वहीं विफल होती है जहाँ आधार बहुत मजबूत था।

आपत्ति 1: एआई-जनित सॉफ़्टवेयर अभी अग्रणी-स्तर का नहीं है

पहली आपत्ति यह है कि एआई-जनित सॉफ़्टवेयर अभी सबसे जटिल, उच्चतम विश्वसनीयता वाले, या नए सिस्टमों के लिए विशेषज्ञ-इंजीनियर सॉफ़्टवेयर के बराबर नहीं है, और कि एक वास्तविक गुणवत्ता-सीमा अब भी वस्तु-रूप पीढ़न और अग्रणी इंजीनियरिंग के बीच अलगाव पैदा करती है।

यह सच है और महत्त्वपूर्ण है। वस्तुकरण का तर्क उस पारंपरिक अनुप्रयोग सॉफ़्टवेयर के बड़े भाग पर सबसे कठोरता से लागू होता है जिसका तर्क पहले ही बहुत इस्तेमाल किया जा चुका है। वास्तविक अग्रणी स्तर पर, नए एल्गोरिदम में, ऐसे सिस्टमों में जिन्हें अत्यधिक विश्वसनीयता या सुरक्षा की आवश्यकता होती है, और ऐसे प्रश्नों में जिनका प्रशिक्षण डेटा में कोई पूर्व उदाहरण नहीं है, विशेषज्ञ मानवीय निर्णय अब भी लाभ अर्जित करता है। इसलिए सटीक दावा यह है कि एआई सॉफ़्टवेयर के वस्तुकरण योग्य बहुसंख्यक हिस्से के लिए खाई को ध्वस्त करता है, यह नहीं कि वह सॉफ़्टवेयर के सभी मूल्य को समाप्त कर देता है।

यात्रा की दिशा रणनीतिक रूप से महत्वपूर्ण है, क्योंकि जो सीमा रक्षनीय बनी रहती है वह संकीर्ण होती है, वह लगातार बदलती रहती है, और वह एक टिकाऊ व्यवसाय के लिए एक खराब आधार है, जब तक कि वह ऊपर बताए गए गैर-उत्पादन खाइयों में से किसी एक से लंगरबद्ध न हो।

आपत्ति 2: चीनी प्रभुत्व असमान है और राजनीतिक रूप से विवादित है

दूसरी आपत्ति यह है कि चीनी विनिर्माण प्रभुत्व श्रेणियों के बीच असमान है और अब उसे गंभीर भू-राजनीतिक प्रतिरोधी शक्तियों का सामना करना पड़ रहा है, जिनमें शुल्क, निर्यात नियंत्रण, राष्ट्रीय सुरक्षा से प्रेरित पुनर्स्थापन, और महत्वपूर्ण आपूर्ति शृंखलाओं की जानबूझकर की गई मित्र-शोरिंग शामिल हैं।

यह भी सच है। वस्तुकरण का तर्क उपभोक्ता इलेक्ट्रॉनिक्स, यांत्रिक वस्तुओं, और मध्यम-जटिलता असेंबलियों के लिए सबसे मजबूत है, और प्रौद्योगिकी स्टैक के सबसे ऊपरी स्तर पर सबसे कमजोर है, सबसे स्पष्ट रूप से उन्नत सेमीकंडक्टर निर्माण में, जहाँ अत्यधिक पूंजी-गहनता और कुछ अपूरणीय आपूर्तिकर्ता अपनी स्वयं की खाइयाँ बनाते हैं। नीति शुल्कों के माध्यम से, जो नकल करने वाले की लैंडेड लागत बढ़ाते हैं, या निर्यात नियंत्रणों के माध्यम से, जो उसके इनपुट रोक देते हैं, उन घर्षणों को कृत्रिम रूप से वापस भी ला सकती है जिन्हें एकत्रीकरण ने हटा दिया था।

लेकिन वे प्रतिरोधी शक्तियाँ वास्तव में केंद्रीय निष्कर्ष को कमजोर करने के बजाय उसे मजबूत करती हैं, क्योंकि बची हुई सेमीकंडक्टर खाई और नीति-प्रेरित पुनर्स्थापन खाई दोनों, फिर से, शुद्ध हार्डवेयर की खाइयाँ नहीं हैं। वे अत्यधिक पूंजी पैमाने की खाइयाँ हैं, अपूरणीय आपूर्तिकर्ता स्थिति की खाइयाँ हैं, और नियामकीय तथा भू-राजनीतिक संबंधों की खाइयाँ हैं। वे ठीक वही गैर-उत्पादन, संबंध और स्थिति संबंधी घर्षण हैं जिनकी ओर यह रिपोर्ट कहती है कि किराया स्थानांतरित हुआ है।

आपत्ति 3: बड़े मौजूदा खिलाड़ी अभी भी इतने लाभदायक क्यों हैं?

तीसरी आपत्ति सूक्ष्म है। अगर सॉफ्टवेयर और हार्डवेयर दोनों वस्तुीकृत हो चुके हैं, तो सबसे बड़े प्रौद्योगिकी मौजूदा खिलाड़ी अभी भी असाधारण रूप से लाभदायक क्यों हैं?

उत्तर यह है कि उन मौजूदा खिलाड़ियों की रक्षा कभी भी शुद्ध सॉफ्टवेयर या शुद्ध हार्डवेयर से नहीं हुई थी। उनकी वास्तविक खाइयाँ नेटवर्क प्रभाव, वितरण और ध्यान पर नियंत्रण, स्वामित्व वाले डेटा का सभ्यतागत पैमाने पर होना, पारिस्थितिकी तंत्र का लॉक-इन, और कुछ मामलों में नियामकीय जड़त्व हैं। यहाँ वर्णित पतन इनमें से किसी को भी खतरा नहीं पहुँचाता, और कई तरीकों से इसे मजबूत करता है, क्योंकि जैसे-जैसे शुद्ध उत्पादन वस्तुीकृत होता है, वैसे-वैसे उन गैर-उत्पादन संपत्तियों का सापेक्ष मूल्य बढ़ जाता है जो मौजूदा खिलाड़ी पहले से रखते हैं।

यह थीसिस के साथ पूरी तरह संगत है। उत्पादन का वस्तुकरण सारे लाभ को समतल नहीं करता। यह लाभ को उन फर्मों से दूर पुनर्वितरित करता है जिनकी एकमात्र बढ़त यह थी कि उत्पादन कठिन था, और उन फर्मों की ओर जो उन घर्षणों की मालिक हैं जिन्हें उत्पादन छू नहीं सकता। मौजूदा खिलाड़ी इसलिए बने रहते हैं क्योंकि वे कभी एक-आयामी व्यवसाय थे ही नहीं। यही सबक है, अपवाद नहीं।

भाग आठ: संश्लेषण और आधुनिक खाई की ओर पुल

इस रिपोर्ट में दो पतन मूलतः एक ही तंत्र के दो क्षेत्रों में दोहराए जाने हैं, न कि एक साझा समयरेखा। दोनों मामलों में एक व्यवसाय वर्ग ने टिकाऊ किराया कमाया क्योंकि उत्पादन कठिन, धीमा और महँगा था। दोनों मामलों में एक घर्षण-घोलने वाली शक्ति, डिजिटल क्षेत्र में जनरेटिव AI और भौतिक क्षेत्र में अति-सघन औद्योगिक एकत्रीकरण, ने उत्पादन को आसान, तेज़ और सस्ता बना दिया। दोनों मामलों में वह किराया जो उत्पादन की कठिनाई द्वारा सुरक्षित था, उसी क्षण लुप्त हो गया जब उत्पादन कठिन नहीं रहा।

यह समरूपता सटीक है, और इसे देखना दोनों आधों में से किसी एक से अधिक मूल्यवान है, क्योंकि यह दोनों के नीचे का सामान्य नियम उजागर करती है:

कोई भी खाई जो केवल किसी चीज़ को बनाने की कठिनाई से बनी हो, अस्थायी होती है, और वह बिल्कुल तब तक रहती है जब तक कोई यह न समझ ले कि उस चीज़ को आसानी से कैसे बनाया जाए।

रणनीतिक परिणाम सीधे निकलता है। चूँकि न तो अकेले बिट्स और न ही अकेले परमाणु किसी व्यवसाय को आश्रय दे सकते हैं, रक्षात्मकता उन घर्षणों से गढ़नी होगी जो दोनों पतनों से बच गए हैं:

• कस्टम हार्डवेयर और कस्टम सॉफ्टवेयर का कसा हुआ, बंद-लूप एकीकरण, ताकि प्रणाली को अलग-अलग भागों में तोड़कर टुकड़े-टुकड़े न किया जा सके।
• वास्तविक कार्यप्रवाह संचालित करने के उपोत्पाद के रूप में उत्पन्न स्वामित्व वाला, लगातार ताज़ा किया गया डेटा, जिसे कॉपी नहीं किया जा सकता क्योंकि उसे संचालन के माध्यम से अर्जित करना पड़ता है।
• रूढ़िवादी उद्योगों के गहरे संबंध, विश्वास, और नियामकीय प्रतिष्ठा, जिन्हें न कोई कोडिंग एजेंट बना सकता है और न कोई अनुबंध फैक्टरी।
• विक्रेता के बजाय प्रधान के रूप में संचालित करने का निर्णय, कार्यप्रवाह और उसके परिणाम का स्वामित्व लेना ताकि पूरा लाभ-पूल और संपूर्ण डेटा-उच्छ्वास कैप्चर रहे, बेच डाला गया न हो।

एक आधुनिक वेंचर-स्तरीय कंपनी उतनी ही रक्षनीय है जितनी कि वह उन बची हुई कई घर्षणों को एक जुड़े हुए ऑपरेटिंग सिस्टम में संयोजित करती है जो चलते-चलते बेहतर होता जाता है। जो कुछ भी पहले इसलिए खाई था क्योंकि उसे बनाना कठिन था, वह अब इसलिए वस्तु है क्योंकि उसे बनाना आसान है। जो बचता है वह वही है जिस तक पहुँचना कठिन है, जिसमें विश्वास अर्जित करना कठिन है, जिसमें नियामकीय रूप से प्रवेश करना कठिन है, और जिसे वास्तविक काम किए बिना देख पाना कठिन है।

भविष्य की खाई बिट्स से नहीं बनती, और वह परमाणुओं से भी नहीं बनती। वह उनके बीच की सीमाओं से, और उन संबंधों तथा अर्जित डेटा से बनती है जिन्हें कोई भी उस जगह खड़े हुए बिना पुनरुत्पादित नहीं कर सकता जहाँ आप खड़े हैं।

विश्लेषण का निष्कर्ष

तीस-वर्षीय प्रतिमान, जिसने सॉफ्टवेयर को रक्षनीय लाभ का विश्वसनीय इंजन और हार्डवेयर को कम-मार्जिन वस्तु माना था, केवल स्थानांतरित नहीं हुआ। उसकी दो आधारभूत मान्यताएँ क्रमशः मिथ्या सिद्ध हो गईं। चीनी औद्योगिक एकत्रीकरण ने पहले इस मान्यता को मिथ्या सिद्ध किया कि हार्डवेयर को पहले पुनरावृत्त और निर्मित करना कठिन है। जनरेटिव AI अब इस मान्यता को मिथ्या सिद्ध कर रहा है कि सॉफ्टवेयर को बनाना और बदलना कठिन है।

क्योंकि दोनों खाइयाँ मुख्यतः उत्पादन की कठिनाई पर बनी थीं, और क्योंकि वह कठिनाई दोनों घर्षण-घोलने वाली शक्तियों का विशिष्ट लक्ष्य थी, दोनों खाइयाँ ढह गईं। जो किराया पहले उन लोगों को जाता था जो बिट्स बना सकते थे या परमाणु गढ़ सकते थे, वह अब उपभोक्ताओं और नकल करने वालों की ओर बहता है, जब तक कि कोई फर्म स्वयं को ऐसे घर्षण से न बाँध ले जिसे उत्पादन-पतन छू नहीं सकता।

वे बची हुई घर्षणें, एकीकरण, स्वामित्व वाला परिचालन डेटा, विश्वसनीय संबंध, नियामकीय स्थिति, और वास्तविक कार्यप्रवाह का प्रधान स्वामित्व, वही जगह हैं जहाँ टिकाऊ मूल्य चला गया। इस युग में एक रक्षनीय कंपनी बनाना इस बात से इनकार करना है कि किसी एक आयाम का कठिन होना पर्याप्त है, क्योंकि जो कुछ केवल बनाने में कठिन है, वह तब रक्षनीय नहीं रहता जब उसे बनाना आसान हो जाता है।

आधुनिक खाई

ऊपर की सारी बातें निदान हैं। वे स्थापित करती हैं कि किराया कहाँ गया और क्यों, लेकिन वे सिद्धांत के स्तर पर रुक जाती हैं, और एक सिद्धांत आपको यह नहीं बताता कि उस पर बनी कोई कंपनी वास्तव में कैसी दिखती है। यह आधा हिस्सा उत्तर है। यह बताता है कि अब रक्षात्मकता किससे बनती है, और जब वह एक वास्तविक व्यवसाय में संयोजित होती है तो कैसी दिखती है।

बारबेल

निर्माण नियमों से पहले, बारबेल को स्पष्ट करना उपयोगी है, क्योंकि विश्लेषण बिना उसके सिरों की सूची दिए लगातार उसकी ओर इशारा कर रहा था। मैंने इसे 2025 में सॉफ्टवेयर मूल्य का बारबेल में रखा था, जहाँ मैंने अपनी आंतरिक सॉफ्टवेयर लीवरेज थ्योरी को प्रचुरता थीसिस के विरुद्ध सुलझाया। निष्कर्ष यह था कि सॉफ्टवेयर का मूल्य दो समूहों में ध्रुवीकृत हो रहा है, और बीच का हिस्सा सिकुड़ रहा है।

एक सिरे पर विशाल आधारभूत आदिम घटक बैठते हैं, फाउंडेशन मॉडल, कंप्यूट अवसंरचना, क्लाउड प्लेटफ़ॉर्म, चिप्स, और मूल AI अवसंरचना। इनकी रक्षा पूंजी-गहनता, पैमाने की अर्थव्यवस्थाओं, और शोध-संकेंद्रण द्वारा होती है, ऐसे स्तर पर जिसे एक नया वेंचर मूलतः छू नहीं सकता। यह वह अवसर नहीं है जिसका मैं वर्णन कर रहा हूँ। यह वह परिवेश है जिसमें वह काम करता है।

गूगल छत वाला मामला है। यह LLM मॉडल, TPUs, क्लाउड अवसंरचना, Search, Android, YouTube, Maps, Chrome, डिफ़ॉल्ट वितरण, और स्वामित्व वाला डेटा ऐसे पैमाने पर जोड़ता है जिसे लगभग कोई नहीं छू सकता। इससे वह स्टार्टअप पैटर्न नहीं बन जाता। इससे वह बारबेल का ऊपरी ध्रुव, पूरी तरह साकार, बन जाता है। आप वहाँ से शुरू नहीं कर सकते। गूगल जो सिद्ध करता है वह तंत्र है, कि जब उत्पादन सस्ता हो जाता है, तो टिकाऊ मूल्य कंप्यूट, वितरण, अवसंरचना, डेटा, और पारिस्थितिकी तंत्र की स्थिति में स्थानांतरित हो जाता है, जिसमें कोई नया प्रवेशकर्ता सहजता से किराये के बल पर प्रवेश नहीं कर सकता। सीमा भी देखिए। गूगल नीलामी चलाता है। वह आम तौर पर विज्ञापनदाता के परिणाम का स्वामित्व नहीं रखता। यही कारण है कि Waymo, Search नहीं, बाद में प्रधान-स्थिति का अधिक स्पष्ट उदाहरण है।

दूसरे सिरे पर अत्यधिक विशिष्ट निजी लीवरेज बैठता है। गहरे कार्यप्रवाह का स्वामित्व, भौतिक विश्व का स्वचालन, नियामकीय प्रक्रियाएँ, विशेषज्ञ श्रम का प्रतिस्थापन, स्वामित्व वाला परिचालन डेटा, और परिणाम का स्वामित्व। यह सिरा पहुँच में है, और इसकी रक्षा ठीक उन्हीं गैर-उत्पादन घर्षणों से होती है जिन्हें विश्लेषण ने बचे हुए बताया था।

बीच का खतरनाक हिस्सा सामान्य सॉफ्टवेयर है। यह वेब ऐप है, डैशबोर्ड है, CRUD टूल है, कार्यप्रवाह प्रबंधक है, और मॉडल API पर पतला आवरण है। ऊपर से इसे आदिम घटक दबाते हैं, जो सामान्य क्षमता को अपने भीतर समेटते जाते हैं, और नीचे से इसे कुछ भी सामान्य बनाने की लागत में गिरावट दबाती है। बीच का उत्पाद बनाना आसान है, क्लोन करना आसान है, किसी मौजूदा खिलाड़ी के लिए इसे एक फीचर के रूप में समाहित करना आसान है, और यह आम तौर पर ग्राहक की मूल्य-श्रृंखला का इतना कम हिस्सा रखता है कि एक कीमत की रक्षा कर सके।

चार-कारक खाई

आज रक्षात्मकता एक ऊँची दीवार से नहीं आती। यह कई लाभों के परस्पर जुड़ने से आती है। हार्डवेयर और सॉफ्टवेयर उत्पादन के दोहरे पतन से चार अलग-अलग स्तंभ बच जाते हैं। एक टिकाऊ आधुनिक कंपनी को कम से कम उनमें से तीन तक एक विश्वसनीय रास्ता चाहिए। एक नहीं। तीन। अब और आगे केवल एकल आयाम किसी की भी रक्षा नहीं करते, और आगे कभी नहीं करेंगे।

महान हार्डवेयर

महान हार्डवेयर का अर्थ विलक्षण उपकरणों का आविष्कार करना नहीं है। इसका निश्चित रूप से अर्थ किसी चतुर गैजेट को मार्जिन पर बेचना नहीं है। एक दृश्य, कॉपी किया जा सकने वाला, अलग से बेचा जाने वाला उपकरण ठीक वही है जिसे विनिर्माण क्लस्टर सबसे तेज़ी से नष्ट करते हैं। हार्डवेयर अपना स्थान तब अर्जित करता है जब वह उत्पाद नहीं होता, बल्कि उपकरण होता है। वह कंपनी को ऐसी प्रक्रिया तक विशेष भौतिक पहुँच देता है जिसे कोई प्रतिस्पर्धी बाहर से देख नहीं सकता। वह भौतिक दुनिया को संवेदित करता है, स्वामित्वपूर्ण डेटा कैप्चर करता है, भौतिक क्रियाएँ निष्पादित करता है, और कार्यप्रवाह को मानकीकृत करता है, जिससे उसके ऊपर का सॉफ़्टवेयर कॉपी करना बहुत कठिन हो जाता है। परीक्षण सरल है। क्या हार्डवेयर को उठाकर अलग से बेचा जा सकता है? यदि हाँ, तो वह एक गैजेट है और वह वस्तुकरण का शिकार हो जाएगा। यदि उसके आसपास के सॉफ़्टवेयर, डेटा और संचालन के बिना उसका कोई अर्थ नहीं है, तो वह रक्षा-खाई का काम कर रहा है।

महान कस्टम सॉफ़्टवेयर

महान कस्टम सॉफ़्टवेयर सामान्य SaaS नहीं होता और यह बेहतर इंटरफ़ेस भी नहीं होता। यह किसी विशिष्ट भौतिक या नियामक प्रक्रिया के भीतर काम करता है, ऐसे निर्णयों को स्वचालित करता है जिनका वास्तविक आर्थिक महत्व होता है, श्रम या मशीनों का समन्वय करता है, और जैसे-जैसे वे घटित होते हैं, सुधारों तथा किनारी मामलों को कैप्चर करता है। ध्यान दीजिए कि इसे बचाव योग्य क्या बनाता है। कोड नहीं, जैसा कि विश्लेषण ने दिखाया है, क्योंकि अब वह सस्ता है, बल्कि संचालनात्मक पहुँच, स्वामित्वपूर्ण डेटा, और गहरे कार्यप्रवाह ज्ञान पर इसकी निर्भरता, जिसे कोई प्रतिस्पर्धी इंटरफ़ेस की नकल करके प्राप्त नहीं कर सकता। सॉफ़्टवेयर कॉपी करना कठिन है क्योंकि जिन चीज़ों से वह जुड़ा है, वहाँ पहुँचना कठिन है, न कि इसलिए कि सॉफ़्टवेयर लिखना कठिन है।

महान संबंध

कठोर उद्योगों में महान संबंध सबसे टिकाऊ रक्षा-खाइयों में से हैं। वे हार्डवेयर और सॉफ़्टवेयर दोनों के वस्तुकरण के प्रति पूरी तरह प्रतिरक्षित हैं। इनमें नियामक मान्यता, ग्राहक-विश्वास, रूढ़िवादी खरीदारों तक वितरण-प्रवेश, और दीर्घकालिक संचालनात्मक साझेदारियाँ शामिल हैं। आप इसे रक्षा, स्वास्थ्य सेवा, निर्माण, और अवसंरचना जैसे क्षेत्रों में देखते हैं। उन बाज़ारों में खरीदार कभी सिर्फ़ इसलिए किसी विक्रेता को नहीं चुनते कि सॉफ़्टवेयर थोड़ा बेहतर है, और कई मामलों में तब भी नहीं, यदि वह 10 गुना बेहतर हो। वे विश्वास और ट्रैक रिकॉर्ड, विश्वसनीयता, उत्तरदायित्व, अनुपालन, और प्रमाण के आधार पर खरीदते हैं। एक सस्ता क्लोन आम तौर पर किसी के मूल्यांकन करने से पहले ही अयोग्य ठहरा दिया जाता है। संबंधों में समय, प्रतिष्ठा, और वास्तविक निष्पादन का रिकॉर्ड लगता है। न तो AI एजेंट और न ही शेनझेन की असेंबली लाइन रातोंरात विश्वास बना सकती है।

विशिष्ट डेटा

विशिष्ट डेटा इन चारों में सबसे महत्वपूर्ण है और वही है जिसे लोग सबसे अधिक गलत समझते हैं। सारा डेटा मूल्यवान नहीं होता, और सामान्य स्क्रैप किया गया डेटा अब लगभग रक्षा-खाई के रूप में बेकार है। जो डेटा मायने रखता है वह निजी, निहित, और विशेषज्ञ-स्तर का होता है, भौतिक तथा कार्यप्रवाह-विशिष्ट होता है, वास्तविक संचालन से उत्पन्न होता है, और किनारी मामलों, सुधारों, तथा विफलताओं से भरा होता है जो किसी सार्वजनिक कॉर्पस में कभी दिखाई नहीं देते। आप इस प्रकार का डेटा खरीद नहीं सकते, और आप इसे स्क्रैप भी नहीं कर सकते। यह केवल एक जीवित संचालन को चार चरणों के बंद लूप से चलाने के उप-उत्पाद के रूप में उत्पन्न होता है:

1. अवलोकन
2. निर्णय
3. क्रिया
4. परिणाम

यही वह स्थान भी है जहाँ चारों कारक एक-दूसरे को मज़बूत करना शुरू करते हैं। हार्डवेयर अवलोकन करता है और क्रिया करता है, सॉफ़्टवेयर निर्णय लेता है और समन्वय करता है, संबंध कार्यप्रवाह तक पहुँच देते हैं, और विशिष्ट डेटा परिणामों से बढ़ता है।

अधिकांश कंपनियाँ इस डेटा प्रवाह का केवल पहला चरण ही कैप्चर करती हैं। रक्षा-खाई के लिए चारों की आवश्यकता होती है, अर्थात आप सिर्फ़ यह नहीं जानते कि क्या हुआ, बल्कि यह भी कि उसके प्रत्युत्तर में कौन-सा निर्णय लिया गया, वास्तव में कौन-सी क्रिया की गई, और क्या परिणाम सफल रहा। वह चौथा चरण, सत्यापित परिणाम, ही डेटा को प्रशिक्षित करने योग्य बनाता है और लाभ को चक्रवृद्धि बनाता है। हर पूर्ण कार्य अगला कार्य करने वाली प्रणाली को बेहतर बनाता है, जो इस पूरे दस्तावेज़ में लाभ का एकमात्र रूप है जो क्षीण होने के बजाय बढ़ता है।

जब लूप चक्रवृद्धि बनते हैं और जब वे रुक जाते हैं

सैद्धांतिक रूप से बंद लूप अपरिहार्य लगता है। व्यवहार में, इसे बनाने के अधिकांश प्रयास विफल होते हैं। लूप एक दावा है, नियम नहीं, और इसके विशिष्ट विफलता-रूप हैं जिन्हें सफलता के मामले से अधिक समझना उपयोगी है।

• डेटा संतृप्त हो जाता है: संचित डेटा का मूल्य घटती प्रतिफल वक्र का पालन करता है। डीप लर्निंग में, Sun et al. ने पाया कि विज़न कार्यों पर प्रदर्शन प्रशिक्षण डेटा की मात्रा के साथ लघुगणकीय रूप से बढ़ा, जिसका अर्थ है कि डेटासेट को हर बार दोगुना करने पर एक और वृद्धि मिलती है, कोई और चमत्कार नहीं। पहली हज़ार निष्पादन आपको सबसे ज़्यादा सिखाते हैं। अगली दस हज़ार कम सिखाती हैं। अगली एक लाख लगभग कुछ नया नहीं सिखातीं। बाद में शुरू करने वाला प्रतिस्पर्धी अक्सर आपके ऐतिहासिक डेटा के एक अंश के साथ आपके प्रदर्शन का 90 प्रतिशत हासिल कर सकता है, और कच्चे आँकड़ों से जितना प्रतीत होता है उससे तेज़ी से अंतर कम कर सकता है।

• डेटा शायद उपयोग करने के लिए आपका न हो: आप कार्यप्रवाह के माध्यम से स्वामित्वपूर्ण डेटा उत्पन्न करते हैं, लेकिन यदि आपके अनुबंध में लिखा है कि ग्राहक उसका मालिक है और आप उसे तैनातियों के बीच पूल नहीं कर सकते, तो आपके पास पचास अलग-अलग डेटा साइलो हैं, कोई एक फ़्लाईव्हील नहीं। प्लेटफ़ॉर्म स्तर पर, OpenAI, Anthropic, Microsoft Azure OpenAI, AWS Bedrock, और Google Vertex AI सभी व्यावसायिक ग्राहकों को बताते हैं कि उनके इनपुट और आउटपुट डिफ़ॉल्ट रूप से आधार मॉडलों को प्रशिक्षित करने के लिए उपयोग नहीं किए जाते। यह ग्राहकों के लिए अच्छा है और विक्रेताओं के लिए चेतावनी। ग्राहक-से-ग्राहक सीखना केवल तब चक्रवृद्धि होता है जब अनुबंध इसकी अनुमति देता है। गोपनीयता कानून एक और बाधा जोड़ता है, क्योंकि GDPR उद्देश्य-सीमा, मिटाने के अधिकार, HIPAA की डी-आईडेंटिफ़िकेशन नियमावली, और CCPA/CPRA के संदर्भों के बीच व्यवहारिक विज्ञापन के लिए साझा करने संबंधी नियम द्वितीयक डेटा उपयोग को कठिन बनाते हैं। यह प्रतियोगिता से कहीं अधिक वास्तविक दुनिया की AI रक्षा-खाइयों को नष्ट करता है।

• कार्यप्रवाह मॉडल की तुलना में तेज़ी से बदल जाता है: तेज़ी से परिवर्तित होते संचालनात्मक डोमेन में, डेटा का एक मापनीय अर्ध-जीवन होता है। जैसा कि हार्वर्ड बिज़नेस स्कूल के अनुसंधान में Valavi et al. ने दिखाया, डेटा का बड़ा ऐतिहासिक भंडार प्रवेश के लिए एक कमज़ोर बाधा बनाता है। ताज़ा, हालिया डेटा की छोटी धारा से सुसज्जित एक नया प्रवेशकर्ता अक्सर एक ऐसे स्थापित खिलाड़ी की तुलना में अधिक सटीक मॉडल बना सकता है जो वर्षों के विरासत डेटा पर बैठा है, खासकर जब पुराना डेटा सक्रिय रूप से सटीकता को घटाता हो। एक क्लिनिकल इन्फ़ॉर्मेटिक्स अध्ययन ने इसे सीधे पाया, जहाँ अस्पताल-भीतरी आदेश पूर्वानुमान डेटा का अर्ध-जीवन लगभग चार महीने था, और एक महीने का हालिया डेटा बारह महीनों के पुराने डेटा से बेहतर निकला। विनिर्माण में, सेंसर ड्रिफ्ट, उपकरण घिसाव, प्रक्रिया-डिज़ाइन में बदलाव, और स्कीमा परिवर्तन का अर्थ है कि ऐतिहासिक प्लांट डेटा पर प्रशिक्षित मॉडल एक ऐसे प्लांट के बारे में तर्क कर रहे हैं जो अब मौजूद ही नहीं है। यह सार्वभौमिक नहीं है। भौतिकी-नियंत्रित प्रक्रियाएँ, एक्चुरियल तालिकाएँ, भूवैज्ञानिक डेटा, और अन्य धीमी-गति वाले डोमेन पुराने डेटा को लंबे समय तक मूल्यवान रख सकते हैं। यदि कार्यप्रवाह मॉडल की तुलना में तेज़ी से बदलता है, तो आपका ऐतिहासिक डेटा लाभ के बजाय पुराना भार बन जाता है।

• लागत ही बाधा है, और बाधा ही लागत है: वास्तविक दुनिया के कार्यप्रवाहों का स्वामित्व पूँजी-गहन, श्रम-गहन, और शुद्ध सॉफ़्टवेयर की तुलना में कम मार्जिन वाला होता है। Tesla ने ऊर्ध्वाधर एकीकरण के बावजूद 2025 में लगभग 18 प्रतिशत का कुल GAAP ग्रॉस मार्जिन रिपोर्ट किया। Intuitive Surgical ने दशकों की पूँजी, सर्जन प्रशिक्षण, और प्रक्रिया मात्रा के बाद 2025 में 11,106 सिस्टम के da Vinci स्थापित आधार और 67.6 प्रतिशत के गैर-GAAP ग्रॉस मार्जिन की रिपोर्ट की। जो खर्च प्रतिस्पर्धियों को बाहर रखता है, वही अधिकांश नए प्रवेशकों को ऐसी चीज़ बनाने से भी रोकता है जो बचाव के योग्य हो। कई प्रयास लूप के चक्रवृद्धि बनने से बहुत पहले ही इकाई-अर्थशास्त्र में विफल हो जाते हैं।

वास्तव में चक्रवृद्धि बनाने वाले लूप और नकली रक्षा-खाइयों वाले लूप के बीच क्या अंतर करता है:

• डेटा परिणाम-लिंक्ड है, अर्थात आप जानते हैं कि परिणाम सही था या गलत, केवल संकेतक इकट्ठे नहीं कर रहे।
• अनुबंध के अनुसार डेटा आपका है और आप उसे तैनातियों के बीच पूल कर सकते हैं।
• कार्यप्रवाह पर्याप्त स्थिर है, ताकि ऐतिहासिक डेटा प्रासंगिक बना रहे।
• हर निष्पादन नए किनारी मामलों को उत्पन्न करता है, न कि उसी की अधिक मात्रा।
• आवृत्ति इतनी अधिक है कि कार्यप्रवाह के बदलने से पहले सीखना चक्रवृद्धि बन सके।

यदि निम्न में से कोई भी सत्य है, तो यह सिद्धांत गलत है:

• कोई प्रतिस्पर्धी स्क्रैपिंग, कृत्रिम निर्माण, ट्रांसफ़र लर्निंग, या एकमुश्त खरीद के माध्यम से समकक्ष डेटा प्राप्त कर सकता है।
• ग्राहक अनुबंधतः डेटा का मालिक है और आप उसे तैनातियों के बीच पूल नहीं कर सकते।
• कार्यप्रवाह मॉडल की तुलना में तेज़ी से बदलता है, इसलिए संचित डेटा एक ऐसी प्रणाली का वर्णन करता है जो अब मौजूद नहीं है।
• डेटा का मूल्य पहले N निष्पादनों के भीतर संतृप्त हो जाता है, जिसका अर्थ है कि लाभ स्थिर है, चक्रवृद्धि नहीं।
• कार्यप्रवाह का स्वामित्व रखने की लागत उसके उत्पन्न डेटा के मूल्य से अधिक है।

यदि वे स्थितियाँ मौजूद हैं, तो लूप कोई रक्षा-खाई नहीं है। यह अस्थायी बढ़त वाला एक महँगा अभियांत्रिकी प्रोजेक्ट है। जैसा कि a16z ने 2019 में तर्क दिया था, अधिकांश डेटा लाभ घटते प्रतिफल वाले पैमाने-प्रभाव होते हैं, जादुई नेटवर्क प्रभाव नहीं। यह वर्तमान AI लहर से पहले भी सत्य था। यह अब भी सत्य है।

आधुनिक खाई पर आधारित व्यावसायिक मॉडल

चार कारक बताते हैं कि खाई किस चीज़ से बनी है। अगला सवाल यह है कि किस तरह का व्यवसाय मॉडल वास्तव में इसे पकड़ सकता है। व्यवहार में, इसका उत्तर औज़ार बेचने से हटकर स्वयं वर्कफ़्लो का स्वामी बनने की ओर इशारा करता है।

प्रिंसिपल, विक्रेता नहीं

पूरे फ्रेमवर्क में सबसे अधिक प्रभाव वाला एकल निर्णय विक्रेता की स्थिति को स्वीकार करने से इनकार करना है।

विक्रेता वाला दांव उस संगठन को एक औज़ार बेचना है जो पहले से ही वर्कफ़्लो का स्वामी है। यह आकर्षक लगता है क्योंकि सैद्धांतिक रूप से यह कम पूँजी वाला और स्केलेबल है, लेकिन यह हर प्रकार का लाभ ग्राहक के हाथ में सौंप देता है। ऑपरेटर ग्राहक संबंध, भौतिक प्रक्रिया, परिचालन डेटा, बजट, दायित्व, और अंतिम परिणाम अपने पास रखता है। विक्रेता इन सबके ऊपर बैठी सॉफ़्टवेयर की एक परत रखता है। स्टार्टअप अपने द्वारा रचे गए मूल्य का एक छोटा हिस्सा पकड़ता है, ग्राहक कस्टम इंटीग्रेशन की माँग करता है जब तक उत्पाद सेवाओं की ओर नहीं खिसक जाता, ऑपरेटर औज़ार को काम करते देख सकता है और फिर उसे एक आंतरिक निर्माण से बदल सकता है जो अब बनाना नाटकीय रूप से सस्ता हो गया है, और क्योंकि बेहतर डेटा ऑपरेटर के पास होता है, विक्रेता का मॉडल कभी चक्रवृद्धि नहीं हो पाता। मार्जिन सीमित ही रहते हैं। यह विशेष रूप से भौतिक उद्योगों में खतरनाक है, जहाँ सॉफ़्टवेयर विक्रेता भरोसेमंद रूप से महिमामंडित सलाहकारों में बदल जाते हैं।

मज़बूत स्थिति प्रिंसिपल बनने की है, यानी स्वयं संचालन, ज़िम्मेदारी, मान्यता, वर्कफ़्लो, या दायित्व का स्वामी बनना। जो काम करता है उसे सॉफ़्टवेयर बेचने के बजाय, कंपनी या तो स्वयं काम करती है या उसके परिणाम की गारंटी देती है। इससे ऊपर बताई गई हर हानि उलट जाती है। कंपनी लाइसेंसिंग के छोटे हिस्से के बजाय पूरा मार्जिन पकड़ती है, ग्राहक के परिणाम और इसलिए संबंध का स्वामित्व रखती है, और डेटा का स्वामित्व भी रखती है क्योंकि उसका अपना संचालन ही उसे पैदा करता है। ऑपरेटर उसे बीच से हटाकर नहीं निकाल सकता क्योंकि वही ऑपरेटर है, और वह दूसरे हाथ का ज्ञान नहीं बल्कि वास्तविक परिचालन विशेषज्ञता बनाती है।

यह सिद्धांत एक निर्देश में सिमट जाता है:

औज़ार मत बेचो। पूर्ण परिणाम बेचो।

व्यवहार में, यह किसी भी विक्रेता वाले विचार को उसके प्रिंसिपल संस्करण में लगातार पुनर्परिभाषित करने के रूप में सामने आता है:

यह निर्णय फ्रेमवर्क के किसी भी अन्य निर्णय से अधिक महत्वपूर्ण है, क्योंकि यही तय करता है कि डेटा का स्वामी कौन होगा, और डेटा का स्वामित्व तय करता है कि लाभ चक्रवृद्धि होगा या क्षयग्रस्त।

सेवा के रूप में सेवा

प्रिंसिपल स्थिति एक ऐसे डिलीवरी मॉडल का संकेत देती है जो पारंपरिक सॉफ़्टवेयर से अलग दिखता है, और इसे नाम देना उचित है, क्योंकि शुरुआत में यह SaaS मार्जिन से प्रशिक्षित किसी भी व्यक्ति को एक कमज़ोर व्यवसाय जैसा लगता है।

इस मॉडल के कुछ नाम प्रचलन में हैं। YC, a16z, और अन्य इसे service-as-software कह चुके हैं, और AI-सक्षम रोलअप थीसिस इसका एक करीबी चचेरा है। मैं service as a service को प्राथमिकता देता हूँ क्योंकि यह उस चीज़ पर ज़ोर बनाए रखता है जो ग्राहक वास्तव में प्राप्त करता है।

ग्राहक को काम पूरा करने के लिए सॉफ़्टवेयर का उपयोग नहीं करना चाहिए। कंपनी को सॉफ़्टवेयर, AI, मानव श्रम, हार्डवेयर, और संचालन को एक साथ उपयोग करके तैयार काम देना चाहिए। सॉफ़्टवेयर आंतरिक लाभ है, उत्पाद नहीं।

क्रम जानबूझकर चुना गया है। पहले काम को मैनुअल रूप से करें, या मनुष्यों को लूप में रखते हुए। उस मानवीय काम को तेज़, अधिक सुसंगत, और अधिक मापनीय बनाने के लिए सॉफ़्टवेयर का उपयोग करें। हर इनपुट, निर्णय, सुधार, अपवाद, और परिणाम को कैप्चर करें। फिर संचित डेटा का उपयोग करके वर्कफ़्लो के अधिक से अधिक हिस्से को स्वचालित करें, और अंततः एक स्वचालित सेवा प्रदाता तक पहुँचे, जिसके मार्जिन और रक्षा-क्षमता से पारंपरिक सॉफ़्टवेयर मुकाबला नहीं कर सकता।

यह एक निर्णायक तरीके से परामर्श से अलग है। परामर्श हर ग्राहक को हमेशा के लिए कस्टम श्रम बेचता है, और हर संलग्नता के बाद कुछ भी पुन: उपयोग योग्य नहीं बचता। सेवा के रूप में सेवा प्रारंभिक मानवीय श्रम का जानबूझकर उपयोग ऑटोमेशन सिस्टम बनाने के उपकरण के रूप में करती है, और हर संलग्नता ऐसा डेटा छोड़ती है जो अगली को सस्ती बनाता है।

लेकिन आपको सावधान रहना होगा और इस प्रकार के मॉडल में छिपे जाल पर नज़र रखनी होगी। यदि हर नया ग्राहक कस्टम इंटीग्रेशन, कस्टम डेटा सफाई, कस्टम वर्कफ़्लो मैपिंग, और कस्टम मॉडल ट्यूनिंग की माँग करता है, तो कंपनी एक परामर्श संस्था है जिसने अभी तक यह स्वीकार नहीं किया है। ह्यूमन-इन-द-लूप चरण ठीक है, और अक्सर आवश्यक भी, लेकिन केवल इस शर्त पर कि वह स्वामित्व वाला डेटा उत्पन्न करे और स्केलेबल ऑटोमेशन की ओर अभिसरित हो। यदि पचास कामों के बाद भी मनुष्य उसी लागत प्रति इकाई पर वही काम कर रहे हैं, तो मॉडल विफल हो चुका है।

डेटा के लिए स्टारगेट

AI कंप्यूट बॉटलनेक से डेटा बॉटलनेक की ओर बढ़ रहा है। आने वाली अवधि की सबसे मूल्यवान AI कंपनियाँ वे नहीं होंगी जिनके पास सबसे सामान्य डेटा है, क्योंकि वह प्रचुर है और इसलिए, पहले आधे के बिल्कुल तर्क के अनुसार, कोई किराया नहीं कमाता। वे वे होंगी जो दुर्लभ, निजी, उच्च-गुणवत्ता वाला परिचालन डेटा अपने पास रखती हैं, जिसे काम किए बिना किसी और तरीके से प्राप्त नहीं किया जा सकता।

डेटा के लिए स्टारगेट वाक्यांश OpenAI के स्टारगेट से लिया गया है, जो घोषित बहु-सौ-अरब डॉलर के कंप्यूट निर्माण का नाम है, और यही उधार लेना इसका उद्देश्य है। यदि पिछली चक्र की दुर्लभ संसाधन ने उस पैमाने पर नियोजित अवसंरचना को उचित ठहराया, तो अगला चक्र भी उसी व्यवहार का हकदार है। लक्ष्य एक डेटासेट जमा करना नहीं है। लक्ष्य है एक ऐसी मशीन बनाना जो सेवा देने के उपोत्पाद के रूप में लगातार स्वामित्व वाला डेटा तैयार करे।

इस मामले में जो अंतर मायने रखता है वह यह है कि उद्देश्य डेटा को उसके अपने लिए इकट्ठा करना नहीं है, क्योंकि इससे उपयोग न होने योग्य सामग्री की महँगी झीलें बनती हैं। उद्देश्य उस परिचालन चक्र का स्वामी बनना है जो उसी चक्र को स्वचालित करने के लिए ठीक वही डेटा उत्पन्न करता है जिसकी ज़रूरत है।

परमाणुओं का कंप्यूटर

चार कारक एक संरचना का वर्णन करते हैं। परमाणुओं का कंप्यूटर बताता है कि वह संरचना किसलिए है, और यही दीर्घकालिक दृष्टि है जो पूरे प्रयास को करने योग्य बनाती है।

मैंने यह विचार नहीं बनाया, और मैं शुरुआत में ही इस बारे में स्पष्ट रहना चाहता हूँ। यह ढाँचा ट्रैविस कालानिक का है। Uber से 2017 में बाहर किए जाने के बाद उन्होंने आठ साल City Storage Systems को स्टेल्थ में बनाते हुए बिताए, और मार्च 2026 में उन्होंने इसका नाम बदलकर Atoms रख दिया और एक विज़न पत्र प्रकाशित किया जिसमें पूरी बात रखी गई थी। उनका सूत्रीकरण यह है कि आप भौतिक दुनिया की समस्याओं को उसी तरह देखते हैं जैसे आप सॉफ़्टवेयर समस्याओं को देखते हैं, और कि कोर कंप्यूटिंग संसाधनों के भौतिक समकक्ष होते हैं जहाँ CPU निर्माण है, स्टोरेज रियल एस्टेट है, और नेटवर्क परिवहन है। एक a16z लॉन्च इवेंट में, कालानिक ने कंपनी को औद्योगिक AI के इर्द-गिर्द परिभाषित किया, जिसमें सॉफ़्टवेयर, सेंसर, रोबोटिक्स, और AI का उपयोग करके पूरे औद्योगिक क्षेत्रों में संचालन को स्वचालित किया जाता है, जिसकी शुरुआत भोजन, खनन, और परिवहन से होती है। उनका पत्र पढ़िए। यह मेरे सारांश से बेहतर है, और उनके कुछ निष्कर्ष इस दस्तावेज़ की तरह ही, लेकिन अलग दिशा से, उसी जगह पहुँचते हैं।

जैसे-जैसे AI अधिक सक्षम होता जाता है, उसकी बाध्यकारी सीमा बदल रही है। सीमा अब सिर्फ तर्क की गुणवत्ता नहीं है। यह भौतिक वास्तविकता के साथ अंतःक्रिया है। एक मॉडल उच्च गुणवत्ता वाला पाठ, कोड, चित्र, और योजनाएँ बना सकता है, और फिर भी किसी गंदे, असंरचित, परिणाम-संबंधी वास्तविक दुनिया के वातावरण में विश्वसनीय रूप से कुछ भी करने में असमर्थ रह सकता है। पारंपरिक कंप्यूटरों ने बुद्धिमत्ता को बिट्स को हेरफेर करने के लिए एक आधार दिया। अब अवसर परमाणुओं के लिए उसका समकक्ष आधार बनाने का है, ऐसे सिस्टम बनाते हुए जो भौतिक दुनिया को महसूस करें, गंदी वास्तविक दुनिया की परिस्थितियों की व्याख्या करें, निर्णय लें, कार्य करें, परिणाम सत्यापित करें, और प्रतिक्रिया से सीखें, वह भी वास्तविक भौतिक, नियामक, और आर्थिक बाधाओं के अंतर्गत। वह आख़िरी शर्त कठिन है, और इसी कारण यह एक शोध परियोजना के बजाय एक व्यावसायिक अवसर है। नियामक और आर्थिक बाधा के तहत संचालन करना ठीक वही है जिसे क्लोन नहीं किया जा सकता, और ठीक वही बंद-चक्र डेटा उत्पन्न करता है जिसकी चौथे कारक को आवश्यकता है।

एक बात पर कालानिक और मैं पूरी तरह सहमत हैं, और वह इसे मुझसे बेहतर कहते हैं। उनका शब्द है लाभप्रद रूप से नियोजित रोबोट, यानी विशेषीकृत मशीनें जिनका एक विशिष्ट उत्पादक काम हो, न कि मनुष्यों की नकल करने के लिए बनाए गए ह्यूमैनॉइड। उनका उदाहरण यह है कि यदि आपको एक घंटे में हज़ार पैनकेक बनाने हैं, तो उन्हें अनाड़ी ढंग से पलटता हुआ ह्यूमैनॉइड सबसे खराब संभव डिज़ाइन है और उद्देश्य-निर्मित मशीन स्पष्ट विकल्प है। इसलिए सही दृष्टिकोण सामान्य प्रयोजन का रोबोट बनाना नहीं है। सही दृष्टिकोण एक संकीर्ण वेज खोजना है जहाँ sense, decide, act लूप को एक वास्तविक वर्कफ़्लो के भीतर स्पष्ट तत्काल आर्थिक मूल्य के साथ तैनात किया जा सके, और उस लूप को विस्तार करने से पहले शुरू से अंत तक काम करने लायक बनाया जाए।

निकट-अवधि की कंपनी इतनी संकीर्ण होनी चाहिए कि वह महत्वाकांक्षा-हीन लगे। दीर्घकालिक छत ही वह कारण है जिसके चलते उस संकीर्णता को स्वीकार किया जाना चाहिए।

एक व्यावहारिक उदाहरण

फ्रेमवर्क अमूर्त है, इसलिए किसी विचार को इसके माध्यम से चलाकर देखना मदद करता है। यह केवल उपयोग में लिए जा रहे मानदंडों का एक उदाहरण है, वह एकमात्र निष्कर्ष नहीं जो फ्रेमवर्क मजबूर करता है।

Take construction special inspection and materials testing. The vendor version sells software to the agencies and labs that already own the workflow. The principal version becomes the agency and the lab. It holds the accreditation, conducts the inspections, and carries the regulatory responsibility. Internally, it uses software, hardware, and AI to deliver certified results faster, cheaper, and more reliably than incumbents.

That shape reaches all four factors. It is physical, because it deals in sites, samples, instruments, and real world measurements. It has relationship and regulatory moats, because buyers need results accepted by the authorities having jurisdiction, not a prettier dashboard. It owns the outcome, because it sells certified results instead of tools. And it generates proprietary operational data as a byproduct of the work, including test results, failure modes, material properties, expert corrections, and the links between physical conditions and final outcomes.

It also starts narrow, which follows the classic startup logic Paul Graham and YC have been making for years. Start with a sharp wedge, but make sure the wedge belongs to a large and painful problem. There is no need to automate construction inspection as an industry on day one. The entry point can be one inspection type, one material test, one geography, or one compliance workflow. From there, software standardizes the work, humans produce the first data, and automation expands only where the loop actually compounds.

The risks are exactly the ones the framework predicts. Accreditation timelines gate revenue, operations are heavy before automation matures, and the services trap is real if each project turns out to be bespoke. That is the point of the framework. It does not make the business easy. It tells you where the hard parts should be.

वे कंपनियाँ जो पहले से ऐसी दिखती हैं

इस ढाँचे पर भरोसा करना आसान है अगर यह ऐसी चीज़ों का वर्णन करता है जो पहले से मौजूद हैं, न कि केवल उन चीज़ों का जिन्हें मैं देखना चाहूँगा।

एंडुरिल चार में से चार है। ड्रोन, सेंसर टावर, इंटरसेप्टर, और अंडरसी वाहनों में कस्टम हार्डवेयर। Lattice में कस्टम सॉफ़्टवेयर, जिस पर उस हार्डवेयर का हर हिस्सा चलता है। वे रिश्ते और नियामकीय स्थिति जिन्हें कोई कोडिंग एजेंट उत्पन्न नहीं कर सकता, क्योंकि ग्राहक अमेरिकी सरकार और उसके सहयोगी हैं। तैनात प्रणालियों से प्राप्त संचालनात्मक डेटा वापस सॉफ़्टवेयर में प्रवाहित होता है। दो बातें उत्पाद सूची से अधिक महत्वपूर्ण हैं। यह अपना R&D स्वयं वित्तपोषित करता है और मौजूदा बजट पंक्ति में बेचने से पहले उत्पाद बनाता है, जिससे पारंपरिक प्राइम्स के लागत-प्लस मॉडल का उलट हो जाता है। एंडुरिल निजी है और ऑडिटेड मार्जिन प्रकाशित नहीं करता, लेकिन द्वितीयक अनुमानों के अनुसार इसका सकल मार्जिन लगभग 40 से 45 प्रतिशत है. यह रक्षा हार्डवेयर के लिए असामान्य रूप से ऊँचा है, जहाँ न्यूयॉर्क विश्वविद्यालय स्टर्न के क्षेत्रीय डेटा में एयरोस्पेस और रक्षा कंपनियों का औसत सकल मार्जिन लगभग 17.5 प्रतिशत है. सटीक संख्या से अधिक संरचना मायने रखती है। एक ऊर्ध्वाधर रूप से एकीकृत, स्थिर-कीमत, सॉफ़्टवेयर-परिभाषित मॉडल पारंपरिक लागत-प्लस प्लेटफ़ॉर्म एकीकरण की तुलना में बेहतर अर्थशास्त्र अर्जित करता हुआ प्रतीत होता है।

इंट्यूटिव सर्जिकल उसी संरचना का पुराना, शांत संस्करण है। da Vinci प्रणाली ऐसे हार्डवेयर को जोड़ती है जो अपने सॉफ़्टवेयर के बिना बेकार है, ऐसे FDA अनुमोदन जिन्हें कोई प्रतियोगी शॉर्टकट नहीं कर सकता, अस्पतालों के साथ दो दशकों के संबंध, और लाखों ऑपरेशनों से प्राप्त प्रक्रिया डेटा. यह चार में से चार तक पहुँचता है, लगातार संयोजित होता है, और इस प्लेबुक को अपने 2000 के प्रारंभिक अनुमोदन से चला रहा है, बहुत पहले जब किसी ने इसे भौतिक एआई कहा था।

क्रैकेन रोबोटिक्स वह है जिसे मैं सबसे शिक्षाप्रद पाता हूँ, आंशिक रूप से क्योंकि समुद्री प्रौद्योगिकी के बाहर बहुत कम लोग इसे जानते हैं। यह सिंथेटिक अपर्चर सोनार, KATFISH टो किए जाने वाला प्लेटफ़ॉर्म, उपसमुद्री बैटरियाँ, और पानी के नीचे का LiDAR बनाता है। उस हार्डवेयर में से कोई भी उसके चारों ओर लिपटे स्वामित्व वाले इमेजिंग सॉफ़्टवेयर के बिना उपयोगी नहीं है। इसके ग्राहकों में NATO-संरेखित नौसेनाएँ शामिल हैं। यह उच्चतम स्तर पर विश्वास और विनियमन है, क्योंकि कोई नौसेना सस्ते क्लोन के लिए सोनार विक्रेता नहीं बदलेगी। महत्वपूर्ण रूप से, क्रैकेन केवल उपकरण नहीं बेचता। यह सेवा के रूप में सर्वेक्षण चलाता है, जिसका अर्थ है कि हर काम समुद्र तल की ऐसी बुद्धिमत्ता उत्पन्न करता है जो किसी और के पास नहीं होती। वह अंतिम निर्णय पूरे ढाँचे का सूक्ष्म रूप है। एक हार्डवेयर कंपनी ने देखा कि डेटा बॉक्स से अधिक मूल्यवान है, और उसे रखने के लिए प्रिंसिपल स्थिति में चली गई।

स्पेसएक्स & वेमो शुद्ध प्रिंसिपल प्ले हैं। स्पेसएक्स रॉकेट नहीं बेचता। यह डिलीवर किए गए पेलोड बेचता है। वेमो कार कंपनियों को ऑटोनॉमी सॉफ़्टवेयर लाइसेंस नहीं देता। यह पूर्ण यात्राएँ बेचता है। दोनों मामलों में, कंपनी ने विक्रेता स्थिति को अस्वीकार किया, संचालनात्मक दायित्व अपने ऊपर लिया, और डेटा अपने पास रखा। वेमो एक नियामकीय खाई भी रखता है जो एक-एक क्षेत्राधिकार में पहुँचती है. यह विस्तार धीमा है, जो ठीक वही कारण है कि यह रक्षात्मक है।

कार्बन रोबोटिक्स उपयोगी आंशिक मामला है। इसका LaserWeeder कंप्यूटर विज़न और उच्च-शक्ति वाले लेज़रों का उपयोग करके खरपतवारों को मारता है। फरवरी 2026 में, कंपनी ने कहा कि उसका Large Plant Model 150 मिलियन से अधिक लेबल किए गए पौधों पर प्रशिक्षित था, जो पंद्रह देशों के लगभग सौ खेतों में एकत्र किए गए थे। यह वर्णित अनुसार डेटा इंजन है, जो एक अलग पहल के बजाय संचालनात्मक उपोत्पाद के रूप में उत्पन्न हुआ है। लेकिन मैं इस सेटअप के साथ भेद्यता भी नोट करूँगा। कार्बन किसानों को उपकरण बेचता है, और प्रिंसिपल के बजाय विक्रेता बना रहता है। यह सफल होता है क्योंकि डेटा फिर भी अपने केंद्रीय मॉडल में वापस प्रवाहित होता है, जिससे विक्रेता स्थिति जीवित रहती है। यदि उत्पादक कभी उस फ़्लीट डेटा के मालिक बन गए, तो खाई गायब हो जाएगी।

नोकिया ऐतिहासिक चेतावनी भी है और एक उभरता हुआ परीक्षण मामला भी। 2007 में, इसने मोबाइल फ़ोन में सबसे अच्छे हार्डवेयर, विनिर्माण पैमाने, और आपूर्ति श्रृंखला के साथ वैश्विक स्मार्टफ़ोन बाज़ार के लगभग 50 प्रतिशत पर नियंत्रण किया था। इसने एक ही आयाम पर जीवित किसी भी व्यक्ति से बेहतर प्रदर्शन किया, और यह इसलिए ध्वस्त हो गया क्योंकि इसके पास सॉफ़्टवेयर प्लेटफ़ॉर्म नहीं था। आज की नोकिया यहाँ वर्णित सटीक बहु-कारक प्लेबुक आज़मा रही है। जैसा कि माइकल सिकंड इस वीडियो विश्लेषण में बताते हैं, कंपनी ने उपभोक्ता गैजेट्स से दूर हटते हुए ऊर्ध्वाधर रूप से एकीकृत ऑप्टिकल सिलिकॉन, जमी हुई कैरियर और रक्षा संबंध, और AI-सक्षम एज कंप्यूट को समेटने के लिए एक दशक से अधिक समय बिताया। पुरानी नोकिया ने साबित किया कि अलग-थलग हार्डवेयर एक अस्थायी बढ़त है। खैर, नई नोकिया यह साबित करने की कोशिश कर रही है कि हार्डवेयर, संस्थागत विश्वास और सॉफ़्टवेयर अवसंरचना के साथ मिलकर एक स्थायी खाई बनाता है।

ये कंपनियाँ सतह पर एक जैसी नहीं दिखतीं, लेकिन वे सभी एक ही सबक की ओर इशारा करती हैं। सबसे टिकाऊ व्यवसायों ने कुछ धीमा अर्जित किया, जैसे एक मान्यता, तैनात सेंसर फ़्लीट, सर्जन का विश्वास, नौसैनिक भरोसा, नियामकीय अनुमोदन, या एक दशक का संचालन डेटा। इनमें से किसी ने भी सिर्फ़ बेहतर कोड लिखकर वह नहीं पाया, और जो ऐसा करता है, वह उनमें से किसी को पकड़ नहीं सकता।

संकीर्णता प्रवेश आवश्यकता है

उन्होंने सभी ने छोटे से शुरुआत भी की। जो कंपनियाँ जीतती हैं वे पूरे लूप का स्वामित्व लेने की कोशिश से शुरुआत नहीं करतीं, और ऐसा करने की कोशिश सबसे आम गलती है। लूप तभी संयोजित होता है जब आप एक कार्यप्रवाह में इतना गहराई तक हों कि परिणाम-संबद्ध डेटा उत्पन्न हो सके जिसे प्रतिस्पर्धी किसी और तरीके से प्राप्त न कर सकें। अनेक कार्यप्रवाहों के प्रति सतही संपर्क से सतही डेटा पैदा होता है जो जल्दी संतृप्त हो जाता है।

यह पैटर्न ऊपर और उससे आगे के ऑपरेटरों के बीच कायम रहता है। Anduril ने उत्पादन और आसन्न क्षमताओं को बढ़ाने से पहले फोर्स प्रोटेक्शन और काउंटर-ड्रोन प्रणालियों से शुरुआत की। Intuitive Surgical ने विशिष्ट लैप्रोस्कोपिक प्रक्रियाओं से शुरुआत की और विशेषताओं में विस्तार करने से पहले दशकों तक सर्जन प्रशिक्षण और प्रक्रिया मात्रा का निर्माण किया। SpaceX ने एक पुन: प्रयोज्य प्रक्षेपण वाहन से शुरुआत की और फिर Starlink में विस्तार किया। Tesla ने एक संकीर्ण प्रीमियम EV वेज (Roadster स्पोर्ट्स कार) से शुरुआत की और मात्रा मॉडलों, ऊर्जा, और स्वायत्तता की ओर बढ़ने से पहले बेड़े का उपयोग डेटा और निर्माण सीखने के लिए किया। Palantir ने विशिष्ट एजेंसियों के लिए विशिष्ट खुफिया वर्कफ़्लो से शुरुआत की और फिर वाणिज्यिक क्षेत्र में विस्तार किया। हर मामले में, संकीर्ण प्रवेश एक समझौता नहीं था। वही तंत्र था जिसने लूप को चक्रवृद्धि बनाया।

प्रवेश बिंदु जानबूझकर संकीर्ण होता है। एक वर्कफ़्लो, एक ग्राहक प्रकार, एक डेटा स्ट्रीम जिसे दोहराना कठिन हो। आप उस वर्कफ़्लो के चारों ओर लूप बनाते हैं जब तक कि डेटा चक्रवृद्धि न होने लगे और संबंध गहरे न हो जाएँ, फिर आप आसन्न वर्कफ़्लो में विस्तार करते हैं जहाँ वही डेटा, वही संबंध, और वही परिचालन अनुशासन आपको ऐसा लाभ देते हैं जिसे कोई नया प्रवेशकर्ता मेल नहीं कर सकता। व्यापक रूप से शुरुआत करना इसी तरह है कि आप ऐसे डेटा के ढेर के साथ समाप्त होते हैं जो चक्रवृद्धि नहीं होता। आज शुरू करने वाला कोई प्रतिद्वंद्वी एक स्थिर बढ़त का पीछा नहीं कर रहा है। वे ऐसी बढ़त का पीछा कर रहे हैं जो हर बार काम पूरा होने पर बढ़ती है, लेकिन केवल तभी जब काम इतना संकीर्ण, इतना गहरा, और इतनी बार दोहराया गया हो कि डेटा वास्तव में मायने रखे।

निष्कर्ष

इस दस्तावेज़ के पहले हिस्से ने एक सामान्य नियम स्थापित किया। केवल किसी चीज़ को बनाने की कठिनाई से बना कोई भी moat अस्थायी होता है, और वह ठीक उतने ही समय तक टिकता है जितना समय किसी और को उस चीज़ को बनाना आसान बनाने में लगता है। चीनी औद्योगिक संकेंद्रण ने यह हार्डवेयर के साथ किया, एक अति-सघन क्लस्टर के अंदर लेन-देन लागत और पुनरावृत्ति विलंबता को संकुचित करके। जनरेटिव AI सॉफ़्टवेयर के साथ यही कर रहा है, इसके दुर्लभ इनपुट की लागत को संकुचित करके। हार्डवेयर पहले संकुचित हुआ और सॉफ़्टवेयर बाद में आया, लेकिन आज निर्माण कर रहे किसी संस्थापक के लिए, दोनों आश्रय विश्वसनीय नहीं हैं।

दूसरे हिस्से ने उस नियम को एक उत्तर में बदल दिया। यदि उत्पादन की कठिनाई अब किसी चीज़ की रक्षा नहीं करती, तो रक्षात्मकता को उन घर्षणों से जोड़ा जाना होगा जिन तक उत्पादन का पतन नहीं पहुँच सकता। इनमें भौतिक पहुँच, बंद-लूप परिचालन डेटा, नियामकीय स्थिति, अर्जित विश्वास, और स्वयं परिणाम का स्वामित्व शामिल हैं। यही कारण है कि चार कारक एक के बजाय चार में से तीन माँगते हैं, यही कारण है कि प्रधान स्थिति किसी अन्य एकल निर्णय से अधिक महत्वपूर्ण है, और यही कारण है कि डेटा को एकत्रित परिसंपत्ति के बजाय एक परिचालन उप-उत्पाद होना चाहिए।

यह एक मूल वाक्य में संकुचित हो जाता है।

AI युग में, सर्वश्रेष्ठ कंपनियाँ सामान्य सॉफ़्टवेयर उपकरण या नकल किए जा सकने वाले हार्डवेयर उत्पाद नहीं होंगी। वे संकीर्ण, परिणाम-चालित प्रधान व्यवसाय होंगी जो उच्च-मूल्य वाले वास्तविक दुनिया के काम को स्वचालित करने के लिए सॉफ़्टवेयर, भौतिक वर्कफ़्लो, विश्वसनीय संबंध, और स्वामित्वयुक्त परिचालन डेटा को जोड़ती हैं।

एक संस्थापक के लिए, प्रश्न अब “मैं कौन सा सॉफ़्टवेयर बना सकता हूँ?” नहीं है, बल्कि मैं किस मूल्यवान वास्तविक दुनिया के परिणाम का स्वामी बन सकता हूँ, उसे कर सकता हूँ, माप सकता हूँ, और स्वचालित कर सकता हूँ?

सबसे मजबूत अवसर वहाँ बैठते हैं जहाँ सॉफ़्टवेयर परमाणुओं, विश्वास, विनियमन, और स्वामित्वयुक्त डेटा से मिलता है। वे एक संकीर्ण, पीड़ादायक वर्कफ़्लो से शुरू होते हैं, जहाँ आवश्यक हो वहाँ मनुष्यों का उपयोग करते हुए। वे काम के उप-उत्पाद के रूप में परिचालन डेटा पकड़ते हैं, चरण-दर-चरण स्वचालन करते हैं, और ऐसे सिस्टमों में चक्रवृद्धि होते हैं जिन्हें विस्थापित करना कठिन होता है। लाभ ठीक इसलिए टिकाऊ है क्योंकि वह कोड में लिखे जाने के बजाय भौतिक संचालन के माध्यम से अर्जित किया गया था।

अंतिम लक्ष्य एक उत्पाद बनाना नहीं है। यह एक संचालन कंपनी बनाना है जिसमें सॉफ़्टवेयर जैसी पैमाने-क्षमता, भौतिक दुनिया की रक्षात्मकता, और स्वामित्वयुक्त डेटा हो जो हर पूर्ण किए गए काम के साथ बेहतर होता जाए।

जो कुछ भी पहले moat था क्योंकि उसे बनाना कठिन था, वह अब एक कमोडिटी बन रहा है। कुछ बनाना पहले से कहीं आसान है, और जैसे-जैसे AI और वैश्विक आपूर्ति शृंखलाएँ आगे बढ़ेंगी, यह और भी आसान होता जाएगा। जो रक्षात्मक रहता है वह है जिसे पहुँच पाना कठिन है, जिस पर विश्वास अर्जित करना कठिन है, जिसके भीतर नियमन के रास्ते से प्रवेश करना कठिन है, और वास्तविक काम किए बिना जिसे देख पाना कठिन है।

उद्धरण एवं स्रोत

मैं इस बारे में स्पष्ट होना चाहता हूँ कि उधार लिए गए हिस्से कहाँ से आते हैं, क्योंकि इस दस्तावेज़ का बहुत-सा हिस्सा वास्तव में किसी नई चीज़ का आविष्कार करने के बजाय अन्य लोगों के काम को जोड़ना है। जो चीज़ें मैं वास्तव में अपनी कहूँगा, वे हैं चार-कारक नियम, तीन-में-चार मानक, और यह विशिष्ट तर्क कि दोनों पतन एक ही अंतर्निहित तंत्र साझा करते हैं, भले ही वे क्रम में हुए हों। आँकड़े बदलते रहते हैं, इसलिए उद्धृत करने से पहले उन्हें जाँच लें।

मेरी, पहले की लेखनी से

• सॉफ़्टवेयर मूल्य का बैरबेल (2025), जहाँ मैंने पहली बार सिकुड़ते मध्य और आंतरिक सॉफ़्टवेयर उत्तोलन सिद्धांत को प्रस्तुत किया था। यहाँ का दूसरा हिस्सा उस पोस्ट का परिचालन संस्करण है।

परमाणु कंप्यूटर

• Travis Kalanick, Vision, Unfinished Business, और How AI Will Transform the Physical World, Atoms और a16z, 2026. परमाणु-आधारित कंप्यूटर की रूपरेखा, CPU/संग्रहण/नेटवर्क का निर्माण/रियल एस्टेट/परिवहन पर मानचित्रण, समझना-पूर्वानुमान-नियंत्रण लूप, औद्योगिक AI, और लाभकारी रूप से नियोजित रोबोट—ये सब उनके हैं। वह खंड उनके विचार का मेरा सारांश है, मेरा विचार नहीं।
• Ben Horowitz और Alex Danco, Travis is Back, a16z, 2026।

अर्थशास्त्र

• Atlassian, Q2 FY2025 परिणाम, परिपक्व क्षैतिज SaaS के लिए अस्सी प्रतिशत के निचले दायरे में सकल मार्जिन के लिए।
• Snowflake, FY2025 परिणाम, इस प्रति-उदाहरण के लिए कि खपत-भारी सॉफ़्टवेयर शास्त्रीय SaaS सकल मार्जिन से काफी नीचे चल सकता है।
• Michael Porter, पाँच बल, 1979, भाग एक में किराये के स्रोतों के वर्गीकरण के लिए।
• David Teece, तकनीकी नवाचार से लाभ कमाना, 1986, भाग तीन में उपयुक्तता समस्या के लिए।
• Alfred Marshall, अर्थशास्त्र के सिद्धांत, 1890, भाग पाँच में बाह्य अर्थव्यवस्थाओं और संकेंद्रण के लिए।
• Ronald Coase, फर्म की प्रकृति, 1937, भाग पाँच में लेन-देन लागत के लिए।
• Theodore Wright, 1936, और Boston Consulting Group, भाग पाँच में अनुभव वक्र के लिए।
• Stan Shih, मुस्कुराता वक्र, लगभग 1992। उनका मूल आरेख Wikimedia Commons पर है, और Ben Thompson की प्रकाशक और मुस्कुराता वक्र इसका सबसे अच्छा विस्तार है जिसे मैंने पढ़ा है।
• Gary Pisano और Willy Shih, अमेरिकी प्रतिस्पर्धात्मकता को बहाल करना, Harvard Business Review, 2009, औद्योगिक कॉमन्स और पुनः-शोरिंग क्यों कठिन है, इसके लिए।
• Andrew “bunnie” Huang, द हार्डवेयर हैकर, उस प्रत्यक्ष विवरण के लिए कि शेनझेन की घनता के भीतर काम करना वास्तव में कैसा महसूस होता है।
• WTO, Accessions: China, वैश्विक व्यापार प्रणाली में चीन के एकीकरण की पृष्ठभूमि के लिए।
• World Bank, निर्माण मूल्य वर्धित, संयुक्त राज्य अमेरिका की तुलना में चीनी निर्माण पैमाने की पृष्ठभूमि के लिए।

स्टार्टअप यांत्रिकी

• Paul Graham, ऐसे काम करें जो स्केल नहीं करते और स्टार्टअप विचार कैसे प्राप्त करें, संकीर्ण वेज के लिए।
• Tesla, टेस्ला मोटर्स की गुप्त मास्टर योजना, 2006, Roadster से किफायती कार वेज तर्क के लिए।
• Palantir, S-1 पंजीकरण विवरण, 2020, सरकारी से वाणिज्यिक विस्तार पैटर्न के लिए।
• SpaceX कंपनी इतिहास और Starlink प्रकटीकरण, SpaceX और Starlink के माध्यम से, व्यापक अंतरिक्ष अवसंरचना से पहले प्रारंभिक वेज के रूप में प्रक्षेपण के लिए।

AI कोडिंग और सॉफ़्टवेयर उत्पादन

• GitHub, GitHub Copilot का परिचय, 2021, और GitHub Copilot की सामान्य उपलब्धता, 2022, वाणिज्यिक AI कोडिंग सहायता की व्यावहारिक शुरुआत के लिए।
• OpenAI, GPT-4 तकनीकी रिपोर्ट, 2023, और Anthropic, Claude 3.5 Sonnet, 2024, मॉडल क्षमता के त्वरण की पृष्ठभूमि के लिए।
• Peng et al., एआई का डेवलपर उत्पादकता पर प्रभाव, 2023, नियंत्रित GitHub Copilot परिणाम के लिए, जहाँ डेवलपर्स ने एक सीमित कोडिंग कार्य 55.8 प्रतिशत तेज़ी से पूरा किया।
• Cui et al., उच्च-कुशल कार्य पर जनरेटिव एआई के प्रभाव, 2025, 4,867 डेवलपर्स पर किए गए क्षेत्र-अध्ययन परिणाम के लिए, जिसमें 26.08 प्रतिशत अधिक पूर्ण किए गए कार्य दिखाए गए।
• METR, अनुभवी ओपन-सोर्स डेवलपर उत्पादकता पर प्रारंभिक-2025 एआई के प्रभाव को मापना, 2025, उस प्रतिदृष्टांत के लिए जहाँ अनुभवी डेवलपर्स परिपक्व रिपोज़ में एआई उपकरणों के साथ 19 प्रतिशत धीमे थे।
• Cursor, Claude Code, OpenAI Codex CLI, Kiro CLI, और OpenCode, ऑटोकम्प्लीट से एजेंटिक रिपो और टर्मिनल पहुँच की ओर बदलाव के लिए।
• Conductor, Superset, और Hermes Agent, एकल-एजेंट कोडिंग उपकरणों के ऊपर ऑर्केस्ट्रेशन स्तर के लिए।

डेटा मोअट विफलता मोड

• Sun et al., डीप लर्निंग युग में डेटा की अनुचित प्रभावशीलता का पुनरीक्षण, ICCV 2017, उस प्रायोगिक निष्कर्ष के लिए कि दृश्य-कार्य प्रदर्शन प्रशिक्षण डेटा मात्रा के साथ लघुगणकीय रूप से सुधरता है।
• Martin Casado और Peter Lauten, डेटा मोअट्स का खोखला वादा, a16z, 2019, उस तर्क के लिए कि डेटा-स्तर प्रभाव आमतौर पर सुदृढ़ होने के बजाय क्षीण होते हैं।
• Valavi et al., समय और डेटा का मूल्य, हार्वर्ड बिज़नेस स्कूल वर्किंग पेपर 21-016, 2021, डेटा स्टॉक और डेटा फ्लो के बीच भेद, और इस निष्कर्ष के लिए कि पुराना डेटा मॉडल सटीकता को नुकसान पहुँचा सकता है।
• Chen et al., डेटा-चालित इनपेशेंट क्लिनिकल ऑर्डर सेट्स में भविष्य के निर्णयों के प्रति नैदानिक डेटा की घटती प्रासंगिकता, International Journal of Medical Informatics, 2017, नैदानिक पूर्वानुमान डेटा के लगभग चार-महीने के अर्ध-जीवन के लिए।
• OpenAI एंटरप्राइज़ प्राइवेसी, Anthropic वाणिज्यिक शर्तें, Microsoft Azure OpenAI डेटा गोपनीयता, AWS Bedrock FAQ, और Google Vertex AI डेटा गवर्नेंस, व्यावसायिक ग्राहक इनपुट और आउटपुट पर डिफ़ॉल्ट नो-ट्रेनिंग प्रतिबद्धताओं के लिए।
• European Data Protection Board, AI मॉडलों पर राय 28/2024, GDPR अनुच्छेद 5 और अनुच्छेद 17, HIPAA डि-आइडेंटिफ़िकेशन नियम, और CCPA/CPRA नियम, द्वितीयक डेटा उपयोग, विलोपन, डि-आइडेंटिफ़िकेशन, और साझाकरण पर गोपनीयता-कानून सीमाओं के लिए।
• Lathrop GPM, वाणिज्यिक और IP लाइसेंस समझौतों में AI स्वामित्व का नेविगेशन, 2026, नो-ट्रेनिंग प्रतिबद्धताओं और रखे गए समेकित या डि-आइडेंटिफ़ाइड उपयोग अधिकारों के बीच अनुबंधीय तनाव के लिए।

चित्र

• स्टैन शिह का मुस्कुराता वक्र, Wikimedia Commons, CC BY-SA.
• शेनन क्रॉसिंग पर हुआकियांगबेई, चार्ली फोंग द्वारा फोटो, Wikimedia Commons, CC BY-SA.
• इंजेक्शन मोल्डिंग डाई, Wizard191 द्वारा फोटो, Wikimedia Commons, CC BY-SA 3.0.
• संचयी स्थापित क्षमता के मुकाबले सौर PV मॉड्यूल कीमतें, Our World in Data, CC BY 4.0. चार्ट प्रकाशित डेटासेट से स्थानीय रूप से पुनः निर्मित किया गया।

कंपनी उदाहरण

• Anduril का सकल मार्जिन अनुमान Sacra के माध्यम से। Anduril निजी है और ऑडिट किए गए मार्जिन प्रकाशित नहीं करता, इसलिए इसे रिपोर्ट किए गए आँकड़े के बजाय एक अनुमान माना गया है। एयरोस्पेस और रक्षा सकल मार्जिन के लिए क्षेत्रीय मानक (लगभग 17.5 प्रतिशत) Aswath Damodaran के NYU Stern margin dataset से लिया गया।
• Alphabet और Google की पृष्ठभूमि Alphabet के FY2025 Form 10-K के माध्यम से, United States v. Google LLC के साथ जोड़ा गया, खोज डिफ़ॉल्ट वितरण समझौतों, खोज पैमाने के लाभ, और एंटीट्रस्ट संदर्भ के लिए।
• Carbon Robotics Large Plant Model और 150 मिलियन लेबल किए गए पौधे कंपनी की फरवरी 2026 Business Wire घोषणा के माध्यम से, TechCrunch के साथ पुष्टिकरण के रूप में।
• Intuitive Surgical का इतिहास और 2000 FDA मंज़ूरी Intuitive Company History के माध्यम से। प्रक्रिया मात्रा Intuitive की 2025 Corporate Impact Report के माध्यम से, और स्थापित आधार / मार्जिन आँकड़े इसके Q4 2025 earnings release के माध्यम से।
• Tesla मार्जिन आँकड़े इसके Q4 and FY2025 update के माध्यम से।
• Waymo के नियामक विस्तार पैटर्न Tesorb’s 2026 Robotaxi Regulatory Map और Electrek’s coverage of CPUC expansion approval के माध्यम से।
• Nokia 2007 शिखर और पतन समयरेखा BBC News और Wikipedia के माध्यम से, पतन के पीछे संगठनात्मक गतिशीलता के लिए Vuori और Huy के Administrative Science Quarterly / INSEAD अध्ययन के साथ, और उसके आधुनिक अवसंरचना मोड़ के लिए Michael Sikand’s वीडियो विश्लेषण।
• OpenAI Stargate विवरण OpenAI’s original announcement और site expansion announcement के माध्यम से। ये घोषित प्रतिबद्धताएँ और योजनाएँ हैं, पूर्णतः तैनात क्षमता नहीं।
• Kraken Robotics कंपनी के अपने product and contract disclosures से लिया गया।