現代の堀

Table of Contents

要約

21世紀を規定するビジネス上の堀であった純粋なソフトウェアは、生成AIがコードのコストをゼロへ押し下げるにつれて急速に崩壊している。これは、中国の産業集積がすでに純粋なハードウェアの堀を破壊したのと同じ構図である。もはや、ものを作ることの困難さは、どちらの領域でもビジネスを守らない。したがって、持続的な利益は、ビットと原子のあいだの隙間へ移った。今日、防御可能な会社を作るために、創業者は一般的なソフトウェアベンダーのモデルを捨て、現実の物理的ワークフローを端から端まで所有する当事者として振る舞わなければならない。4つの重要要素（カスタムハードウェア、特殊化されたソフトウェア、築いた関係、独自データ）のうち少なくとも3つを緊密に統合することで、現代のビジネスは保証された成果を提供しつつ、その真の堀となるクローズドループのデータを回収できる。今日から競争に入る競合は、固定された先行差を追っているのではない。彼らが追っているのは、仕事が1件片づくたびに伸び続ける先行差である。

序文と目的

このレポートは、私の堀理論の他のすべてが依拠しているたった1つの主張を拡張する。すなわち、純粋なソフトウェアはもはや防御可能な堀ではなく、純粋なハードウェアも、中国が製造上の覇権を拡大した時点でそうではなくなった、ということだ。両者はしばしばスローガンとして語られる。私はそのスローガンを取り除き、仕組みを入れたい。なぜそれぞれの崩壊が起きたのか、どの仮定が静かに壊れたのか、2つがどのように互いを強め合うのか、そして持続的な利益はどこでなお獲得できるのか。私は、将来の読者、あるいは将来のモデルが、この議論を生んだ会話抜きで全体の論旨を把握できるよう、これ自体で完結するように書いた。

約30年間、技術戦略は、デジタル世界が持続的で高利幅かつ防御可能な利益を生み、物理世界は薄利で、差別化されず、低利幅のコモディティ出力を生むと想定していた。2つのショックは同時には来なかった。中国の製造集積は、主として2000年代と2010年代を通じて、生産ベースのハードウェア防御性を先に壊した。生成AIは、2020年代に入ってから、生産ベースのソフトウェア防御性を後から壊している。生成AIはソフトウェアを生産する限界コストをゼロへと押し下げたため、ソフトウェアを防御可能にしていた障壁が溶けた。中国の産業集積は、物理的反復のコストと遅延をソフトウェアのコストと遅延に近い水準まで下げたため、ハードウェアを防御可能にしていた障壁が溶けた。したがって、ビットだけでも原子だけでも、もはやビジネスを守れない。持続的な優位は、どちらか一方の次元から抜け出し、両者の緊密な結合に、さらに関係性と独自データを加えたところへ移った。

この文書は2つの部分からなる。

  • 分析。 堀とは実際には何か、なぜ各領域はかつて防御可能だったのか、各ショックはどの摩擦を解消したのか、そして何が残ったのか。この半分は経済分析であり、分析が終わるところで終わる。
  • 現代の堀。 ビットも原子もそれ自体では守ってくれない今、持続可能な防御性が実際には何でできているのか、そしてそれに基づく会社が実務上どのように見えるのか。

分析：2つの堀はいかに崩壊したか

第1部：堀とは実際に何か

2つの堀がどう崩壊したかを説明する前に、まず堀とは何かを正確にしておく必要がある。私が見てきた悪い戦略思考の大半は、この言葉をあいまいに使うことに起因しているからだ。堀とは、良い製品でも、一時的な先行でも、先に出たことでもない。堀とは、企業が資本コストを上回るリターンを長期間にわたって獲得でき、そのリターンが競争によって食い尽くされないようにする、市場の構造的特徴である。産業経済学の言葉で言えば、堀とは持続的な経済地代の源泉である。

経済地代とは、企業が事業を継続するために受け入れる最低水準を超えて得る余剰であり、真に競争的な市場ではその余剰はゼロになる。完全競争の下では、価格は限界費用まで押し下げられ、企業は資本コストしか得られず、超過利益は残らない。防御可能性に関するあらゆる枠組みは、結局のところ、1つの特定企業が限界費用価格づけとゼロ利益への引力からどう逃れるか、という理論にほかならない。

古典的な一覧はマイケル・ポーターに由来し、彼の5フォース分析は1979年以来このテーマの標準的な道具であり、後にバリュー投資界隈によってさらに精緻化された。それは、いくつかの現実的で持続的な地代の源泉を示す。

  • 参入障壁：新規競合を締め出す
  • 高いスイッチングコスト：既存顧客を留める
  • ネットワーク効果：利用者が増えるほど製品価値が高まる
  • 規模の経済：既存企業が新規参入者を下回る価格で攻められる
  • 独占的IPまたは規制保護：模倣者を法的に排除する
  • 希少な投入資源または流通チャネルの支配：競合が到達できないものを押さえる

すべての地代源泉は摩擦である

それらの地代源泉はすべて摩擦である。堀とは、結局のところ、競合が安く通り抜けられない摩擦の一形態にすぎない。

  • 高いスイッチングコストは、顧客が離脱する際の摩擦である。
  • 参入障壁は、競合が現れる際の摩擦である。
  • ネットワーク効果は、利用者が一緒に別の場所へ移るために必要な調整における摩擦である。
  • 製造規模は、参入者が競争可能な単位コストに到達する前に沈めなければならない資本と時間における摩擦である。

これで、生成AIのようなものや、中国の産業密度のようなものが、実際に市場に対して何をするのかが正確にわかる。これらの力は製品を攻撃するのではない。摩擦を攻撃するのだ。これらは摩擦解消技術である。そして摩擦解消技術とは、定義上、堀を解消する技術である。

この議論全体は1文に圧縮できる。ソフトウェアとハードウェアの堀が崩壊したのは、それらの地代を生み出していた特定の摩擦が、たまたまAIと中国の集積が取り除くのに非常に長けていた摩擦そのものだったからだ。

第2部：歴史的なソフトウェアの堀と、なぜビットが金を生んだのか

崩壊を理解するには、まずソフトウェアが歴史的に資本主義が見つけた中で最良のビジネス構造だった理由を理解しなければならない。崩壊は、その素晴らしさを作った要因の逆転にすぎないからだ。

ソフトウェアには、ほとんど独特なコスト構造があった。最初の1つを作るための高い固定費と、その後のすべてのコピーを複製して出荷するための限界費用がほぼゼロという組み合わせである。複雑なプログラムの最初の版を書くには、希少で高価で訓練に時間のかかるエンジニアの集団が、何か月も何年も働く必要があった。しかし一度書かれてしまえば、100万個目のコピーを作るコストも届けるコストも、実質的にゼロだった。この非対称性が巨大な営業レバレッジを生んだ。成熟した水平型ソフトウェアは、Atlassianが2025会計年度第2四半期に示したように、売上総利益率80％台を出しうる。これは、収益が利用者に応じて伸びる一方で売上原価がほとんど動かないからだ。しかし、Snowflakeの2025会計年度は売上総利益率約67％に近かったように、消費量の多いソフトウェアでは、収益原価の中に第三者クラウド基盤が入るため、この話は以前ほど普遍的ではなくなっている。経済学的には、ソフトウェアは純粋な情報財のように振る舞っており、情報財は物理的コモディティを支配する生産とコストの通常の関係を壊す。

しかし、限界費用が低いこと自体は堀を生まない。誰でも安くその財を作れるなら、低い限界費用は地代ではなく、破滅的な競争をもたらす。ソフトウェアが地代を得られたのは、最初のコピーにかかる高い固定費が参入障壁として働いたからであり、さらにそれに上乗せされた他の摩擦がいくつかあったからだ。

  • エンジニア人材の希少性。 非自明なソフトウェアを作るには、高価で、採用が難しく、調整も難しい人材が必要だった。そのため、ほとんどの競合候補は、まともな複製品を作るチーム自体を組めなかった。
  • 時間。 十分に資金のある競合でさえ、リバースエンジニアリング、仕様化、開発、テスト、出荷に何か月も要した。その間、既存企業は一時的な独占状態を享受し、利用者、収益、そして製品の深さを積み上げられた。
  • スイッチングコスト。 顧客がデータをあるシステムに移し、そのインターフェースでスタッフを訓練し、カスタム統合を通じて他のすべてと接続し始めると、たとえもっと良くて安いものが現れても、離脱は法外に高くついた。
  • 作るか買うかの計算。 カスタムの内部ソフトウェアを作ること自体が高価でリスクも高かったため、企業は自作よりも既製品を合理的に購入した。これにより、パッケージソフトウェアベンダーのための巨大な市場が保証された。
  • ネットワーク効果と蓄積する独自データが、最良のケースではそれらの上に重なった。

構造的脆弱性

その一覧が何でできているかを見ればわかる。その5つの摩擦のうち、製品の需要側に本質的なのはネットワーク効果だけだ。残りの4つ、すなわち人材の希少性、開発時間、スイッチングコスト、そして作るか買うかのペナルティは、すべて供給側の生産摩擦である。それらは、ソフトウェアを作ることと置き換えることがどれだけ難しく、遅く、高くついたかの産物にすぎない。

ここに脆弱性がある。防御性が主として「そのものを作ることの難しさ」に依存するビジネスは、作ることが難しいあいだだけ防御可能である。ソフトウェアを作り替えるコストが崩壊した瞬間、5つの柱のうち4つが一緒に崩れ、需要側のネットワーク効果だけが残る。

まさにそれを生成AIがもたらした。

第3部：AIショックとソフトウェアの堀の溶解

生成的AIがソフトウェア経済学にもたらしたものをモデル化する正しい方法は、それをソフトウェアの生産関数に対するショックとして扱うことだ。基礎経済学では、何かを生産するコストはその投入要素のコストの関数である。ソフトウェアにおいて、支配的な投入要素は常に熟練した人間の認知労働、具体的にはビジネス要件を正しく、テストされ、展開可能なコードへと変換する労働だった。その労働こそが希少で高価な投入要素であり、参入障壁を生み出していた。

生成的AIと自律的コーディングエージェントは、その投入要素を直接攻撃する。これらは多くのタスクにおいて、コードの生成、リファクタリング、デバッグ、文書化、デプロイを歴史的コストのほんの一部で行う。制御されたGitHub Copilotの実験では、開発者が限定されたコーディング課題を55.8パーセント速く完了したことが示され、4,867人の開発者を対象にしたフィールド研究では、完了タスク数が26.08パーセント増加したことが示された。その効果は現実のものだが、均一ではない。2025年のMETRによるランダム化試験では、慣れ親しんだ成熟したコードベースで作業する経験豊富なオープンソース開発者は、初期2025年のAIツールを使うと19パーセント遅くなった一方で、自分たちは速くなっていると信じていたことが分かった。安全な結論は、AIがあらゆる環境であらゆるエンジニアを速くするということではない。AIはコード生産コストを圧縮し、とりわけ限定的な仕事、グリーンフィールドの仕事、よりジュニアな仕事でそれを強く行うということだ。希少な投入要素は、より豊富になりつつある。 重要な希少投入要素の価格が下がると、その希少性の上に築かれていた参入障壁も、それとともに崩壊する。その一つのメカニズムが、供給側の四つの柱すべてに波及していく。

その変化は、開発者が実際に使うツールに表れている。最初に登場したのは、CursorのようなIDEネイティブのコパイロットだった。次に現れたのは、Claude Code、Codex CLI、Kiro CLI、OpenCodeのようなターミナルネイティブのコーディングエージェントで、ここではモデルがリポジトリを読み、ファイルを編集し、コマンドを実行し、エンジニアと同じ環境の中で反復する。今や第3の層がマルチエージェント・オーケストレーションを中心に立ち上がりつつあり、Conductor、Superset、Hermes Agentのようなツールが、複数のエージェントをプロジェクトや環境をまたいで調整している。進化の流れは明確だ。オートコンプリートから自律エージェントへ、そして多数のエージェントを並列にオーケストレーションする段階へと移ってきたのであり、これは今後さらに加速するだけだ。デジタル業務は毎年自動化しやすくなり、今日では熟練したオペレーターを必要とするツールも、明日には人間の介入がますます少なくて済むようになる。

1. 参入障壁の崩壊

信用できるソフトウェア製品を立ち上げるには、かつては本物のシード資金が必要で、その大部分はMVPを構築するのに必要なエンジニアを雇うことに使われていた。その資本要件が市場をふるい分けていた。資金を調達し、才能を集められるベンチャーだけが出荷でき、その結果として競合の不足そのものが既存企業の保護の一部になっていた。

良いAIツールを使う1人の開発者が、以前の時間とコストのほんの一部で、洗練された実用的なアプリケーションを設計し、構築し、公開できるなら、そのふるいは消える。市場には参入者があふれる。競争の観点では、ソフトウェア機能の供給曲線は大きく外側へシフトし、基本的な価格理論はその後に何が起こるかを曖昧さなく教えてくれる。代替可能な財の供給が、ほぼ固定された需要に対して大きく拡大すると、価格は限界 लागतへと下がり、ソフトウェアの限界コストはゼロに近いのだから、価格もまたゼロへ引きずられる。ソフトウェア供給の超豊富化とは、機械的にいえば、ソフトウェアの価格決定力の破壊である。

2. 時間的優位の崩壊

これはおそらく、ソフトウェアにおける防壁の中で最も重要だったものだ。素早く出荷し、反復するという論理全体は、公開された機能が、他者がコピーできるようになるまでの数か月間、その創作者に独占的な先行を買ってくれることに依存していた。そのリードタイムが、ネットワーク効果、ブランド、顧客が確立される窓だった。

AIは模倣サイクルを数か月から数時間へ圧縮する。競合は製品のインターフェースを見て、その振る舞いをコーディングエージェントに説明し、元のソースコードを一度も見ることなく、ほぼ即座に動くクローンを得られる。価値は特定のコードに本当にあるわけではなかったからだ。価値は仕様にあり、そして仕様は今や実装するのが驚くほど安い。

模倣の遅れがゼロになると、迅速なイノベーションを正当化していた一時的独占は消える。イノベーションは依然として起こるが、持続的なプレミアムはもはや生まれない。なぜなら、革新の報酬は即座に模倣者に渡されるからだ。これは、David Teeceが1986年の技術革新から利益を得ることに関する論文で述べたappropriability problemの教科書的な例である。イノベーターが、模倣によって競争で奪われる前に、創出した価値の十分な部分を回収できるときにのみ、イノベーションは採算が合う。AIは純粋なソフトウェアイノベーションのappropriabilityをゼロへと押し下げる。

3. スイッチングコストの解体

これは従来のソフトウェアの堀の中で最も頑丈だった。なぜなら、競合製品が明らかに優れていても機能したからだ。しかしスイッチングコストはそれ自体が摩擦でできていた。あるスキーマから別のスキーマへデータを移行すること、カスタム統合を再構築すること、見慣れないインターフェースについてスタッフを再訓練することだ。そのどれもが、AIが得意とする、退屈でパターンベースの翻訳作業である。

AI駆動のデータマッピングは、複雑なデータベースをあるシステムの構造から別のシステムへ迅速かつ安価に取り込み、正規化し、移行できる。自然言語インターフェースは再訓練コストを下げる。というのも、ユーザーは独自のメニューツリーを記憶する代わりに会話を通じてやり取りするようになっており、その結果、あるベンダーのインターフェースに固定されていた蓄積技能が、もはやスイッチング罰として機能しなくなるからだ。

離脱コストが下がると、捕捉された顧客のライフタイムバリューもそれとともに下がる。顧客獲得コストは縮小するライフタイムバリューに対して相対的に上昇し、サブスクリプションモデル全体の単位経済性は悪化する。顧客が離れられないことの上に築かれた堀は、離れることが安くなると溶ける。

4. 自社構築と購入の逆転

これは静かに、対応可能市場そのものを破壊する。企業がパッケージソフトウェアを購入したのは、個別の内部ツールを自社で構築することは、最も差別化されたニーズを除けば、あまりにも高価で、遅く、リスクが高すぎて正当化できなかったからだ。内部で構築することへのこのペナルティこそが、ベンダーに大きな市場を保証していたものである。

AIエージェントが、たとえ非技術系の内部チームであっても、自分たちの業務フローに合わせたカスタムアプリケーションを生成できるようになると、構築のペナルティは消え、合理的な選択は、一般的なサブスクリプションを買うことから、完全に適合し、継続的なライセンス料のない私的ツールを生成することへと移る。

これは単にベンダー間の競争を激しくするだけではない。それは、ベンダーが競っている総対応可能市場そのものを縮小させる。なぜなら、ソフトウェア需要の増加する部分が内部で満たされ、外部市場に一切出てこなくなるからだ。価値は外部のソフトウェアベンダーから内部の運用能力へ移動する。つまり、それはもはや市場ではなく、社内のコスト効率になるということだ。

これは私が自分の文章『ソフトウェア価値のバーベル』で内部ソフトウェア・レバレッジと呼んだものを、買い手ではなく売り手側から見た同じ現象である。

結果と、何が_崩壊しない_か

この4つのメカニズムをまとめると、純粋なソフトウェアのコモディティ化が生じる。産業はソフトウェアの超豊富化の段階に入りつつあり、機能的なアプリケーションは安く構築でき、瞬時にクローン可能で、ますますオンデマンドで社内生成されるようになる。その状況では、コード自体はもはや地代の源ではなくなる。どんな財でも、それが豊富で代替可能になれば地代を要求しなくなるのとまったく同じだ。価値はコードから切り離される。

誠実であるためには、何が崩壊しないのかを明確に言う必要がある。これを誇張すれば誤りになるからだ。生成的AIは供給側の生産摩擦を攻撃する。それ自体では、需要側やシステムレベルの摩擦を攻撃しない。

  • ネットワーク効果は生き残る。 AIは午後のうちにソーシャルネットワークのソフトウェアを複製できるが、ユーザーを複製することはできず、価値があるのはユーザーである。
  • 独自データの堀は生き残り、むしろ強くなる。 AIはコードの生産を安くする一方で、それを訓練する希少なデータの価値を高めるからだ。
  • 流通とブランドは生き残る。 機能が無料になっても、注意と信頼は希少なままだ。
  • 規制とコンプライアンスの障壁は生き残る。 コーディングエージェントは銀行免許、医療機器承認、航空認証を生成できないからだ。
  • 物理的または規制された運用現実への深い統合は生き残る。 コードは安いが、センサーを設置し、信頼を得て、規制当局の承認の下で運用することは安くないからだ。

したがって、正確な主張は、すべてのソフトウェアビジネスが死ぬということではない。それは、コードを書くことと置き換えることの難しさによって守られてきた、純粋で、独立していて、パッケージ化されたソフトウェアという、かつて支配的だった特定の堀が破壊されたということだ。生き残るのは、AIが安価には再現できない何かに支えられたソフトウェアである。つまり、ネットワーク、データセット、規制上の地位、流通チャネル、あるいは物理的オペレーションだ。それらのどれにも浮かんでいないソフトウェアは、今やコモディティである。

第4部: 歴史的なハードウェアの堀と、なぜ原子は難しかったのか

ハードウェアの議論も同じ規律に従う。まず、なぜハードウェアがかつて防御可能だったのかを確立し、そのうえで中国の製造システムがそれらの防御をどのように解体したのかを示す。

ハードウェアは、ソフトウェアがそうであった理由とはほとんど正反対の理由で防御可能であり、資本市場もこの二つを正反対のものとして扱っていた。ソフトウェアの限界費用がほぼゼロであったのに対し、ハードウェアには高くて頑固な限界費用があった。なぜなら、あらゆる物理的な単位が材料、エネルギー、労働、機械時間を消費したからだ。ソフトウェアが瞬時かつ無限に出荷されたのに対し、ハードウェアは製造と物流の物理法則に縛られていた。こうした性質は、マージン面ではハードウェアをより悪いビジネスにしたが、奇妙なことに、別の特定の形でそれを防御可能にもした。物理生産の難しさが、うまく運営されたハードウェア企業を安易な模倣から守る障壁として機能したからだ。

ハードウェアを守っていた具体的な摩擦は、次のとおりだった。

  • 金型投資資本。 物理製品を大規模に製造するには、専用の治工具、とりわけプラスチックや金属部品を成形するための射出成形金型や鋳造用ダイスが必要であり、それらの工具には数万ドルから数十万ドルの費用がかかり、高い最小発注数量を強いた。これは多くの新規参入者には越えられない厳しい資本の壁であり、すでに金型費用を償却し終えた既存企業を守っていた。

  • 反復の遅延。 物理設計を洗練するには、新しい治工具を切り、許容差を調整し、実際の試作バッチを回す必要があり、その1回ごとのサイクルに数週間から数か月かかり、そのたびに重い費用が発生した。そのため物理製品の改善は遅く、競合が追いつくには長く高価な अभियानが必要だった。

  • サプライチェーンの組み立て。 物理製品は、多くの専門サプライヤーから調達した部品表で成り立っており、そのサプライヤーはかつて企業、地域、国に散在していた。そのため、機能するサプライチェーンを組み立てるには、孤立したベンダーと交渉し、長いリードタイムを受け入れ、複雑な物流を管理する必要があった。

  • 精度と工程知識。 設計を実際に適切な歩留まりで製造するために蓄積された、しばしば暗黙的なノウハウ。これは図面からは移転しない。実際にやって学ぶしかない。

  • 流通。 小売業者、流通業者、そして棚のスペースを通じて物理製品を買い手の前に届ける必要があり、その棚スペース自体が希少で門番機能を持っていたこと。


支持板、エジェクターピン、コア、ランナー、スプルー、キャビティを示す、射出成形金型部品の分解図
射出成形金型部品の分解図。成形部品の背後にある特殊な治工具の積層を示している（画像は Pleasant Precision, Inc. より、AIで強化）

構成をもう一度見てほしい。ソフトウェアの場合と同じだ。ハードウェアの堀は圧倒的に、生産と物流の摩擦の集合だった。すなわち、金型投資資本、反復の遅延、サプライチェーンの組み立て、工程歩留まり、そして物理的流通である。それは、設計を出荷可能な物理的オブジェクトへ変えることがどれだけ難しく、遅く、高価であったかによって守られていた。そしてソフトウェアとまったく同じく、生産の難しさに基づく防御は、生産が難しいままである限りにおいてしか持続しない。

しかし中国が経済史にもたらした貢献は、巨大な範囲の商品にわたる物理生産を、もはや難しくないものにしたことだった。

第五部：中国ショック、産業集積、そしてハードウェアの堀の終焉

中国の製造業支配について最も一般的な誤解は、それが安い労働力の物語だということだ。初期にはそれは部分的に真実だったが、今ではほとんど誤りであり、これを取り違えると、製造を自国へ戻すことや、次の低賃金国へ移すことが古い秩序を取り戻すだろうという失敗した結論にまっすぐつながる。

本当の説明は、中国が、誰も見たことのない密度と規模で、アルフレッド・マーシャルが1世紀以上前に産業集積として記述した現象を構築した、ということだ。この集積こそが、賃金裁定ではなく、ハードウェアの堀を崩したのである。この議論を私が最初にしたわけではない。Andrew “bunnie” Huang は、The Hardware Hacker において、深圳版のそれを10年以上にわたり現地で記録してきた。

マーシャル的外部経済

産業集積とは、相互につながった産業、部品サプライヤー、サブアセンブリ製造業者、原材料加工業者、治工具メーカー、受託製造業者、物流業者、そして専門技能労働者が、すべて同じ地域に密集している、自己強化的な地理的集中のことだ。マーシャルは、なぜそれらのクラスターが、孤立した企業には決してかなわない利点を生み出すのかを特定した。

  • 深い共有労働市場を生み出し、専門労働者を厚くする。
  • 専門的な地元サプライヤーを支える。彼らは、遠く離れた一社だけを相手にしていては決して生き残れないが、密度の高いクラスター相手なら繁栄できる。
  • 知識の波及を生み出す。工程改善がクラスター内を素早く広がるのは、関係者が物理的に近く、行き来しているからだ。

これら三つの力がマーシャル的外部経済であり、クラスター内の企業は、外部の企業がどれほど自体として効率的であっても、それより低コストで、より速い反復を行え、より良い情報を得られることを意味する。

取引費用の崩壊

珠江デルタ、特に深圳では、集積が歴史上前例のない密度に達した。その実際的な帰結は、ロナルド・コースの取引費用経済学を通じて見るのが最もわかりやすい。コースは、経済活動の境界と速度は取引費用、すなわちサプライヤーを探し、条件を交渉し、企業をまたいで生産を調整するコストによって左右されると説明した。分散したサプライチェーンではそれらの費用は非常に大きく、そしてそれこそがハードウェアの堀における第三の摩擦の実質的な中身である。

超高密度のクラスターでは、取引費用はほとんどゼロまで崩壊する。電子機器や機械装置の大半のサプライチェーン全体が小さな半径の中に収まり、かつて大陸をまたいで数週間かかっていた探索、調達、交渉、調整が、今では地区をまたいで数時間で済む。設計者は、装置仕様を決め、その日のうちに全コンポーネントを地元で調達し、カスタム回路基板を一晩で製造・実装し、翌朝には動作する試作機を手にできる。

これは安い労働力ではない。これは取引費用と反復遅延のほぼ消滅であり、それは本質的に異なり、はるかに強力なものだ。

この密度から、4つのメカニズムがハードウェアの堀を溶かし、ソフトウェアに対してAIが果たした4つの作用に対応する形になった。


深センの深南路交差点にある華強北。電子部品の小売タワーが密集している
深南路交差点の華強北。およそ20のモールと10万人の人々が、約1.5平方キロメートルの中で部品を取引している（Charlie fong撮影、Wikimedia Commons 経由、CC BY-SA）

1. 反復遅延の崩壊

これは、ソフトウェアが時間的優位を失うハードウェア版だ。分散した西側のサプライチェーンでは、物理設計の1ターンに数週間かかり、費用も大きかったため、ハードウェアの改善は遅く、既存企業の洗練リードが保たれた。クラスター内では、物理的な反復はソフトウェアの反復速度に近づく。金型は修正され、基板レイアウトは調整され、試作バッチは数日で回る。

戦略的な帰結は苛烈だ。西側で構想されたハードウェア設計は、観察され、リバースエンジニアリングされ、製造容易性向けに最適化され、量産されるまでが、元の西側企業が自らの2回目の試作機を完成させるよりも速く、クラスター内で完了しうる。発明者のリードタイムは、そこから収益を得る源泉だったはずなのに、マイナスになっている。模倣者が、改善されてより安い版を先に出荷する。

2. 金型投資資本の崩壊

これは、ソフトウェアにおける参入障壁の崩壊に相当するハードウェア版だ。かつて物理生産を囲い込んでいた数万ドルの費用と高い最小発注数量は、高速なコンピュータ制御加工、ゼロから切削するのではなく再構成される標準化されたモジュール式金型ベース、そして容赦なく競争的な高スループット金型工場によって、クラスター内で最適化によって消し去られた。少量で高度にカスタマイズされたハードウェアが、今ではかつて大手多国籍企業だけが利用できたコスト構造で生産できる。ハードウェア参入者をふるい落としていた資本の壁は、ソフトウェア参入者をふるい落としていた壁と同じく、ほぼ崩壊し、市場は価格へのお決まりの下方圧力であふれ返る。

3. 経験曲線、オートメーションによる増幅

このメカニズムは、コスト優位を永続的に固定するものであり、だからこそ、その優位は別の場所へ移すことで裁定されて消えるものではない。ワイトの法則は、1936年にテオドール・ワイトが航空機生産データから記述し、後にボストン コンサルティング グループが経験曲線として一般化したもので、産業経済学における最も信頼性の高い経験的規則性の一つである。それによれば、多くの製品では、累積生産量が倍増するたびに単位コストが一定割合で下がる。これは、組織が、積み重なった実践を通じて、より効率的に製造する方法を学ぶからだ。

対数軸上での太陽光発電モジュール価格と累積設置容量の関係
太陽光発電モジュール価格と累積設置容量。ワイトの法則を示す実証例（データは Our World in Data より、図はローカルで再作成、CC BY 4.0）

なぜなら、そのクラスターは無数の製品カテゴリーにわたる世界の累積生産量の圧倒的な大部分を生み出しているため、累積生産量が低い新規参入者が頂点に位置する経験曲線の、はるか下方に位置しているからである。現代中国の製造業は、資本集約的な自動化、先進的ロボティクス、高速自動光学検査、そして原材料にまでさかのぼる垂直統合によって、その学習優位をさらに増幅させる。

ここが、労働コストという説明が死ぬまさにその点である。現代の優位は低賃金ではない。それは 蓄積された学習＋自動化されたスケール＋供給者の密度 であり、新規参入者は短期的な行動によっても、高賃金であれ低賃金であれ、この組み合わせを再現できない。なぜなら、数十年にわたる累積生産経験や、それを取り巻く供給者エコシステムを瞬時に買うことはできないからである。

4. 流通摩擦の崩壊

これは、AI が既存ソフトウェアの流通経路を通る必要性を侵食しているのと同じ、ハードウェア版である。世界的なデジタル市場と超効率な小包物流により、クラスター内部の製造業者は西側のディストリビューター、卸売業者、小売棚スペースを完全に飛ばし、世界的なプラットフォームに直接掲載して、数日で消費者の玄関先まで発送できる。既存のハードウェアブランドを守っていた最後の摩擦、すなわち棚とチャネルの支配は迂回される。機能的に同等のデバイスが、既存企業の流通システムに一度も触れることなく、ブランド品価格のほんの一部で同じ顧客に届くのである。

産業コモンズと、リショアリングが非常に難しい理由

これらすべての最も重要な帰結であり、最も見落とされがちなのが、リショアリングに関することであり、ここで 産業コモンズ の概念が重要になる。Gary Pisano と Willy Shih は、2009年の Restoring American Competitiveness（PDF）でこれを名付けた。彼らの観察は、製造能力は個々の企業の属性ではないというものだった。それはエコシステムの属性であり、供給業者、工具製作者、工程技術者、そして暗黙知を共有する地域基盤なのだ。

ある国が生産をオフショア化すると、失うのは工場だけではない。時間が経つにつれて、周囲のコモンズを失う。なぜなら、地元需要がそれらを生かし続けなくなった瞬間に、供給業者、工具製作者、熟練した工程技術者が衰退するか、あるいは移転してしまうからである。コモンズが失われてしまえば、単独の企業や補助金だけでそれを迅速に再建することはできない。なぜなら、たった一つのリショアされた工場には、地元の供給業者も、地元の工具製作者も、経験豊富な工程技術者の地元のプールもなく、したがって、そもそもクラスターを効率的にしていたマーシャル的外部経済が何もないからである。

だからこそ、コモディティ化したハードウェア分野をリショアリングするのは非常に難しく、非常に高くつくのである。リショアリングする側が再現しようとしている優位は、そもそも工場の内部にはなかった。それは工場の周囲のエコシステムにあり、そのエコシステムはもはや自国には存在しない。堀が中国に移ったのは、中国企業が個々に優れていたからではない。コモンズが移ったからであり、コモンズとは個人の行動では再構築できない集合資産だからである。

ハードウェアに関するマクロの結論は、ソフトウェアに関するものとまったく平行している。物理製品の仕様が知られた瞬間、極めて密な製造エコシステムがそれを複製し、製造向けに最適化し、そして創業者の利益率を消し飛ばすコスト構造で直接流通させることができる。物理生産の難しさだけによって守られていた独立したハードウェアは、その難しさが広範な製品群において、もはや存在しなくなったために、コモディティ化したのである。

第六部：連鎖的崩壊とその戦略的帰結

人々は通常、この二つの崩壊を別々に分析するし、時系列的にもそうあるべきだ。ハードウェアの崩壊が先に来た。中国の集積は、生成AIのコーディングツールが重要になる何年も前に、消費者向け電子機器や多くの中複雑度製品にわたって、生産ベースのハードウェア防御可能性を弱めた。ソフトウェアの崩壊はその後に来た。今日の創業者にとっての実際の出来事は、それらが同時に始まったことではない。重要なのは、今や市場にその両方の条件が存在しているということである。

以前の時代には、まだ逃げ道があった。ソフトウェアが競争的になると、資本は防御可能なハードウェアへ向かうことができた。ハードウェアが競争的になると、資本は防御可能なソフトウェアへ向かうことができた。この二つの領域は交互の避難所だった。その回転はもう機能しない。純粋な原子はすでに生産の堀を失い、純粋なビットは今まさにそれを失いつつある。 純粋なビットの避難所はもうなく、純粋な原子の避難所ももうない。これが、昨年私が書いたバーベル のより深い意味である。企業が一つの次元が難しいことに依拠していた中間地帯は、両側から空洞化したのである。

第一の帰結：一般化されたデフレ圧力

ソフトウェアの限界費用がゼロに近づき、物理的複製の実効コストがクラスターの超効率的な下限に近づくと、競争は両領域の価格をその下限へと押し下げる。これは消費者にとってはディスインフレ的であり、堀を持たない生産者にとっては破壊的である。また、巨大な技術進歩が、実際に生産している企業の利益率圧縮のすぐ隣に存在するという、多くの人が気づくパズルを説明している。進歩は、革新者ではなく消費者と模倣者によって取り込まれている。まさに、両領域で取得可能性が崩壊したからである。

第二の帰結：レントはスマイリング・カーブに沿って移動する

Acer の創業者である Stan Shih は、1992年頃に スマイリング・カーブ を提唱した。製造バリューチェーンの生産段階に対して付加価値をプロットすると、笑顔のような形になる。Ben Thompson はこれを 出版業に適用した、そこからわかるのは、この曲線が実は製造業そのものについてではないということだ。これが元の図である。

Stan Shih のスマイリング・カーブ。バリューチェーンの各段階に対する付加価値をプロットしたもの
Shih のスマイリング・カーブ（[Wikimedia Commons](https://commons.wikimedia.org/wiki/File:Smiling_Curve.svg) 経由、CC BY-SA）

Shih の段階は次の通りである。

  • 上流で高い価値、つまり設計、ブランド、知的財産
  • 中間の深い谷、つまり物理的な組立と製造であり、最も容易にコモディティ化する段階
  • 下流で高い価値、つまり流通、サービス、顧客関係

中国の台頭は、ハードウェアにおけるそのカーブの中間を平坦化し、コモディティ化した。生成AIはいま、ソフトウェアにおける対応する中間、すなわちコードを書くという行為そのものをコモディティ化している。そこから導かれる指示は両ケースで同じである。コモディティ化した中間を捨て、笑顔の両端へ移れ。

しかし、その両端は、AI も製造密度も安価には複製できない、まさに需要側およびシステムレベルの資産である。上流では、それは独自データ、研究、設計洞察を意味する。下流では、それはブランド、信頼、流通、規制上の地位、そして顧客関係と運用上の成果の所有を意味する。

第三の帰結：レントは継ぎ目へ移る

これが、分析を戦略につなぐ帰結である。持続的なレントは、単一の次元から離れて、次元どうしの結合部へ、そして生産そのものの外側にある資産へと移っている。純粋なコードが無料で、純粋な原子が安いなら、なおレントを生み出す摩擦は、継ぎ目に存在するものになる。

  • カスタムハードウェアとカスタムソフトウェアの緊密な共同設計。これにより、どちらか一方だけでは模倣者にとって役に立たない。
  • 現実の物理的または規制されたワークフローを運用することで生まれる独自データ。それは、コピーできるものではなく仕事をした副産物だからこそ、希少である。
  • 保守的な産業における、構築に時間のかかる深い関係と規制認証。そこでは、より安いクローンは誰も評価する前に不適格になる。
  • プリンシパルの地位。つまり企業がコモディティ化可能なツールを売るのではなく、運用そのものを所有し、責任を引き受け、成果を保証し、全利益プールと排他的なデータ排出の両方を獲得する立場。

これらは、AI と中国の集積が構造的に溶かすことのできない摩擦である。なぜなら、それらは生産上の摩擦ではまったくないからだ。それらは、信頼、物理的アクセス、規制、蓄積された現実世界の観察、そして運用上の所有に関わる摩擦なのである。

第七部：限界、反論、そしてそれらについて正直であること

ここまで広範な仮説は、最も強い異論に対して圧力テストされなければならない。なぜなら、過大な前提の上に築かれた戦略は、その前提が強すぎたまさにその場所で失敗するからである。

反論1：AI 生成ソフトウェアはまだ最前線級ではない

最初の反論は、AI 生成ソフトウェアは、最も複雑で、最も信頼性が高く、あるいは新規性のあるシステムにおいて、まだ専門家が設計したソフトウェアと同等ではなく、真の品質フロンティアが、コモディティな生成と最前線のエンジニアリングの間に依然として存在する、というものである。

これは事実であり、重要である。 コモディティ化の議論が最も強く当てはまるのは、論理がすでに踏みならされている従来型アプリケーションソフトウェアの大きな領域である。真の最前線では、新規アルゴリズム、極端な信頼性やセキュリティを必要とするシステム、そして学習データに前例のない問題において、専門家の人間判断はいまだレントを命じる。したがって、正確な主張は、AI がソフトウェア価値のすべてを消滅させるということではなく、コモディティ化可能なソフトウェアの大部分に対する堀を崩壊させる、ということである。

しかし、移動の方向は戦略的に重要です。なぜなら、防御可能なフロンティアは狭く、絶えず動き続け、そして上記の非生産的な堀のいずれかに固定されていない限り、持続的な事業の基盤としては悪いからです。

異議2：中国の優位は不均一で、政治的にも争点化している

第二の異議は、中国の製造業優位はカテゴリーによって不均一であり、しかも現在では、関税、輸出規制、国家安全保障を理由とした国内回帰、そして重要なサプライチェーンの意図的なフレンドショアリングを含む、深刻な地政学的な対抗力に直面している、というものです。

これもまた事実です。 コモディティ化の議論は、民生用電子機器、機械製品、中程度の複雑性の組み立てに対して最も強く、技術スタックの最上位、最も明白には先端半導体製造に対しては最も弱いのです。そこでは極端な資本集約度と、代替不能な少数の供給者が、それ自体の堀を生み出しています。政策はまた、関税によって模倣者の着地コストを引き上げたり、輸出規制によって投入材を断ち切ったりすることで、集積が取り除いた摩擦を人工的に再び持ち込むことができます。

しかし、そうした対抗力は実際には中心的結論を損なうのではなく、補強しています。というのも、生き残る半導体の堀も、政策主導の国内回帰の堀も、やはり純粋なハードウェアの堀ではないからです。それらは、極端な資本規模の堀であり、代替不能な供給者ポジションの堀であり、規制上・地政学的関係の堀です。それらはまさに、このレポートがレントの移動先だと述べている、非生産的、関係的、そしてポジション的な摩擦なのです。

異議3：なぜ大企業の既存勢は依然として এতく利益を上げているのか？

第三の異議は、微妙なものです。ソフトウェアもハードウェアもコモディティ化しているのなら、なぜ最大のテクノロジー既存勢は依然として途方もなく高収益なのでしょうか？

答えは、それらの既存勢は、実際には純粋なソフトウェアや純粋なハードウェアによって守られていたのでは一度もなかった、ということです。彼らの本当の堀は、ネットワーク効果、流通と注意の支配、独自データの文明規模での保有、エコシステム・ロックイン、そして場合によっては規制上の既得権化です。ここで述べている崩壊は、それらのどれも脅かしませんし、いくつかの点ではむしろ強めます。なぜなら、純粋な生産がコモディティ化するほど、既存勢がすでに持っている非生産資産の相対価値は高まるからです。

これは本論と完全に整合しています。生産のコモディティ化は、すべての利益を平板化するわけではありません。生産が難しかったことだけが唯一の優位だった企業から利益を奪い、生産が触れられない摩擦を所有する企業へ利益を移すのです。既存勢が生き残るのは、彼らが決して単一次元の事業ではなかったからです。それが例外ではなく、教訓なのです。

第八部：総合とモダン・モートへの橋渡し

本レポートにおける二つの崩壊は、根本的には同じメカニズムが二つの領域で繰り返されたものであり、共有された一つのタイムラインではありません。両方の場合において、ある種の事業は、製造が難しく、遅く、高価であったがゆえに持続的なレントを得ていました。両方の場合において、摩擦を溶かす力、デジタル領域では生成AI、物理領域では高密度の工業集積が、生産を容易で、速く、安くしました。両方の場合において、生産の困難さによって守られていたレントは、生産が困難でなくなった瞬間に蒸発しました。

この対称性は正確であり、それに気づく価値は片方だけを見るより大きいのです。なぜなら、それによって両者の下にある一般法則が露わになるからです。

ただ物を作ることの難しさだけで構成される堀はすべて一時的であり、それは誰かがその物を容易に作れる方法を見つけるまで、ちょうどその時までしか続かない。

戦略上の帰結は直ちに導かれます。ビットだけでもアトムだけでも事業を守れない以上、防御可能性は、二つの崩壊の両方を生き残った摩擦から組み立てなければなりません。

  • 独自ハードウェアと独自ソフトウェアの緊密で閉じたループ統合。これにより、システムは分解されて部品ごとに複製されることができません。
  • 実際のワークフローを運用する副産物として生まれる、独自かつ継続的に更新されるデータ。これは、運用を通じて獲得しなければならないため、コピーできません。
  • 保守的な産業における深い関係、信頼、規制上の地位。これは、どんなコーディングエージェントでも、どんな契約工場でも生み出せません。
  • ベンダーではなく当事者として運営する決断。ワークフローとその成果を所有することで、利益プール全体とデータの排出物全体が売り払われずに保持されます。

現代のベンチャースケール企業が防御可能であるのは、そうした生き残った摩擦のいくつかを、一つの結合されたオペレーティングシステムとして束ね、それが稼働するほど良くなる場合に限られます。かつて堀だったもののうち、作るのが難しいという理由だけで堀になっていたものは、今や作るのが容易だからという理由でコモディティです。防御可能なのは、アクセスするのが難しく、信頼を獲得するのが難しく、規制の中へ入り込むのが難しく、そして実際の仕事をせずに観察するのが難しいものです。

未来の堀は、ビットでできているのでも、アトムでできているのでもない。その両者の継ぎ目と、誰にも再現できない、人間関係と獲得済みデータでできている。ただし、自分が立っている場所に立たない限りは再現できない。

分析の結論

ソフトウェアを防御可能な利益の信頼できるエンジンとみなし、ハードウェアを低マージンのコモディティとみなした30年のパラダイムは、単に移り変わったのではありません。その二つの基礎仮説は順番に反証されたのです。中国の工業集積は、ハードウェアはまず反復と製造が難しい、という仮定を反証しました。生成AIは今、ソフトウェアは作るのも置き換えるのも難しい、という仮定を反証しています。

両方の堀が主として生産の難しさの上に築かれ、その難しさこそが両方の摩擦溶解力の標的だったため、両方の堀は崩壊しました。ビットを構築できる者、あるいはアトムを鍛造できる者に向かっていたレントは、いまでは消費者と模倣者に流れています。ただし、企業が生産崩壊では届かない摩擦に自らを固定していない限りは、そうなります。

そうした生き残る摩擦、統合、独自の運用データ、信頼された関係、規制上のポジション、そして実際のワークフローの当事者としての所有権こそが、持続的価値の行き先でした。この時代に防御可能な企業を築くということは、単一の次元が難しいことに依存しないことを意味します。ただ作るのが難しいだけのものは、作ることが容易になった瞬間に、防御可能ではなくなるからです。

モダン・モート

ここまでのすべては診断です。どこにレントが移ったのか、そしてなぜそうなったのかを示しましたが、原理のレベルで止まっています。原理だけでは、その上に築かれた会社が実際にどのような姿をしているのかは分かりません。この後半が答えです。今の防御可能性が何でできているのか、そしてそれが実際の事業として組み上がるとどう見えるのかを扱います。

バーベル

構築ルールに入る前に、バーベルを明示しておくと役に立ちます。分析の中でその両端を列挙せずとも指し示し続けていたからです。私は2025年にThe Barbell of Software Valueでこれを整理し、そこではInternal Software Leverage Theoryを豊かさ仮説と調停しました。その結論は、ソフトウェアの価値が、縮小する中間層を伴って二つのクラスターへと分極化している、というものでした。

一方の端には、巨大な基盤プリミティブがあります。 基盤モデル、計算インフラ、クラウドプラットフォーム、チップ、そしてコアAIインフラです。これらは、資本集約度、規模の経済、研究の集中によって守られており、新しいベンチャーが実質的に到達できるレベルではありません。それらは私が述べている機会ではありません。それらは、その機会が存在する環境です。

Google は天井ケースです。LLMモデル、TPU、クラウドインフラ、Search、Android、YouTube、Maps、Chrome、デフォルト流通、そして独自データを、ほとんど誰も触れない規模で組み合わせています。それはスタートアップの型を意味しません。それは、バーベルの上側の極が完全に実現されたものです。そこから始めることはできません。Googleが示しているのはメカニズムであり、すなわち、生産が安くなると、持続的価値は計算、流通、インフラ、データ、そして新規参入者が気軽に賃借して入り込めないエコシステム上のポジションへ移っていく、ということです。限界も見ておくべきです。Googleはオークションを運営します。通常、広告主の成果そのものを所有しているわけではありません。だからこそ、後で見るよりクリーンな当事者ポジションの例はSearchではなくWaymoなのです。

もう一方の端には、高度に特定化されたプライベートレバレッジがあります。 深いワークフローの所有、物理世界の自動化、規制プロセス、専門労働の代替、独自の運用データ、そして成果の所有です。この端には到達可能性があり、分析が生き残りとして特定した、まさに非生産的摩擦によって守られています。

危険な中間層は、ジェネリックなソフトウェアです。 これはWebアプリ、ダッシュボード、CRUDツール、ワークフローマネージャー、そしてモデルAPIの薄いラッパーです。上からは、一般的能力を吸収し続けるプリミティブによって圧迫され、下からは、何であれジェネリックなものを構築するコストの崩壊によって圧迫されます。中間にある製品は、作るのが容易で、複製しやすく、既存勢が機能として吸収しやすく、通常は顧客の価値連鎖の所有が少なすぎて価格を防御できません。


バーベル：両端に重いプレートがあり、細いバーでつながれ、そのバーが上下から圧迫されている。AI生成、著者編集。
両端は重い。今日始めるなら、到達可能なのはそのうち一方だけです。

四要素モート

今日の防御可能性は、一枚の高い壁からは生まれません。複数の優位性が相互に噛み合うことから生まれます。ハードウェアとソフトウェア生産の二重崩壊を生き残る4つの異なる柱があります。持続的な現代企業には、それらのうち少なくとも3つへの信頼できる道筋が必要です。 1つではありません。3つです。単一次元では、もう誰も守れませんし、今後もそうでしょう。

優れたハードウェア

優れたハードウェアとは、奇抜な装置を発明することを意味しない。それは、もちろん、巧妙なガジェットを利幅をつけて売ることでもない。目に見え、複製可能で、個別に販売できる装置こそ、製造クラスターが最も速く破壊するものだ。ハードウェアが自らの居場所を得るのは、それが製品ではなく、道具であるときだ。それは、競合他社が外から観察できないプロセスへの特権的な物理的アクセスを会社に与える。物理世界を感知し、独自データを取得し、物理的な行動を実行し、その上にあるソフトウェアを標準化することで、そのソフトウェアをはるかに模倣しにくくする。試験は単純だ。 そのハードウェアを取り外して、それ単体で売れるだろうか？ もし売れるなら、それはガジェットであり、コモディティ化する。ソフトウェア、データ、そしてそれを取り巻く運用がなければ無意味なら、それは堀を築く仕事をしているのだ。

優れたカスタムソフトウェア

優れたカスタムソフトウェアは、汎用SaaSではなく、より見栄えのよいインターフェースでもない。それは特定の物理的または規制上のプロセスの中で動き、実際の経済的重みを持つ判断を自動化し、労働や機械を調整し、修正や例外事例をその発生時に取り込む。何がそれを防御可能にするのかに注目してほしい。コードそのものではない。 分析が示したように、コードは今や安価だ。そうではなく、運用へのアクセス、独自データ、そして競合がインターフェースを真似するだけでは得られない深いワークフロー知識への依存だ。ソフトウェアがコピーしにくいのは、書くのが難しいからではなく、その接続先に到達するのが難しいからである。

優れた関係性

優れた関係性は、ハードな産業における最も持続的な堀のひとつだ。それらは、ハードウェアとソフトウェアのコモディティ化の両方に完全に免疫がある。そこには、規制認証、顧客の信頼、保守的な買い手への流通アクセス、長期的な運用パートナーシップが含まれる。こうしたものは、防衛、医療、建設、インフラといった分野で見られる。そうした市場の買い手は、ソフトウェアが少し優れているというだけでベンダーを選ぶことは決してないし、多くの場合、10倍優れていても選ばない。彼らは信頼と実績、信頼性、責任、コンプライアンス、証明に基づいて購入する。より安価な複製品は、通常、誰かが評価する前に失格になる。 関係性には時間、評判、そして実際の実行実績が必要だ。AIエージェントも深センの組立ラインも、一夜にして信頼を製造することはできない。

独自データ

独自データは4つの要素の中で最も重要であり、人々が最もよく誤解するものでもある。すべてのデータが価値を持つわけではなく、ありきたりなスクレイピングデータは今や堀としてほぼ無価値だ。重要なデータとは、非公開で、暗黙知的で、専門家レベルの、物理とワークフローに特化したものであり、実際の運用から生成され、公開コーパスには決して現れない例外事例、修正、失敗に満ちたものだ。こうした種類のデータを買うことはできず、スクレイピングすることもできない。それは、ライブ運用を4段階の閉ループで回すことの副産物としてのみ生成される。

  1. 観察
  2. 判断
  3. 行動
  4. 結果

観察、判断、行動、そして検証された結果から成る4段階の循環で、結果が次の観察へフィードバックされる
4段階すべてを捉えれば、ループは閉じる。最初の段階だけを捉えても、それはログファイルであって堀ではない。

このループは、4つの要素が互いを強化し始める場所でもある。ハードウェアは観察し、行動し、ソフトウェアは判断し調整し、関係性はワークフローへのアクセスを与え、独自データは結果から複利的に増える。

ほとんどの企業は、このデータフローの最初の段階しか捉えない。堀を築くには4つすべてが必要であり、それは何が起きたかだけでなく、どの判断が下され、実際にどの行動が取られ、結果がうまくいったかどうかを知っていることを意味する。その4番目の段階、つまり検証された結果こそが、データを学習可能にし、優位性を複利化させるものだ。完了した仕事のたびに次の仕事をこなすシステムが改善される。これこそが、この文書全体において強まっていく、侵食されない唯一の優位性である。

ループが複利化するときと停止するとき

閉ループは、抽象的には必然のように聞こえる。だが実際には、それを作ろうとする試みの大半は失敗する。ループは法則ではなく主張であり、成功例よりも理解すべき具体的な失敗モードがある。

  • データは飽和する： 蓄積データの価値は逓減曲線に従う。深層学習では、Sunらは、視覚タスクにおける性能が学習データ量に対して対数的に向上することを示した。これは、データセットを2倍にしても奇跡が2倍になるのではなく、もうひとつ増分が得られるにすぎないことを意味する。最初の1000件の実行が最も多くを教える。次の1万件はそれより少ないことを教える。次の10万件はほとんど新しいことを教えない。後から参入した競合は、しばしば歴史的データのごく一部であなたの性能の90％に達することができ、生の数字が示すよりも早く差を埋める。

  • データがあなたの利用物ではない可能性がある： あなたはワークフローを通じて独自データを生成するが、契約で顧客がそれを所有するとされ、かつ展開全体でプールできないなら、そこにあるのは50個の別々のデータサイロであって、ひとつのフライホイールではない。プラットフォーム層では、OpenAI、Anthropic、Microsoft Azure OpenAI、AWS Bedrock、Google Vertex AI のいずれも、事業顧客に対して、入力と出力はデフォルトでは基盤モデルの学習に使われないと伝えている。それは顧客にとっては良いことだが、ベンダーにとっては警告である。顧客横断の学習が複利的に効くのは、契約がそれを許す場合だけだ。プライバシー法も追加の制約を加える。なぜなら、GDPRの目的制限、消去権、HIPAAの匿名化規則、そしてCCPA/CPRAの文脈横断的行動広告向け共有に関する規則が、二次利用をすべて難しくするからだ。これは、競争よりも多くの現実世界のAIの堀を壊している。

  • ワークフローはモデルの改善より速く変化する： 変化の速い運用領域では、データには測定可能な半減期がある。Valaviらがハーバード・ビジネス・スクールの研究で示したように、大量の過去データは参入障壁としては弱い。少量の新鮮で最近のデータを持つ新規参入者は、しばしば何年分ものレガシーデータを抱える既存企業よりも、より正確なモデルを構築できる。特に古いデータが実際に精度を低下させる場合はそうだ。ある臨床情報学研究はこれを直接示しており、入院患者のオーダー予測データの半減期は約4か月で、1か月分の最近データは12か月分の古いデータを上回った。製造業では、センサードリフト、工具摩耗、プロセス再設計、スキーマ変更により、過去の工場データで訓練されたモデルは、もはや存在しない工場について推論していることになる。これは普遍的な話ではない。物理法則に支配されるプロセス、保険数理表、地質データ、その他ゆっくり変化する領域では、古いデータが長く価値を保つことがある。ワークフローがモデルの改善より速く変化するなら、歴史データは優位性ではなく、古びた重荷になる。

  • コストが障壁であり、障壁がコストである： 現実世界のワークフローを所有することは、資本集約的で、労働集約的で、純ソフトウェアよりも低利益率だ。垂直統合にもかかわらず、Teslaは2025年の総GAAP粗利益率がおよそ18％だったと報告した。Intuitive Surgicalは、何十年もの資本、外科医訓練、手技件数を経て、2025年にda Vinciの導入台数が11,106台、非GAAP粗利益率が67.6％だったと報告した。競合を遠ざける費用は、同時に大半の新規参入者が防御に値するものを作るのも妨げる。多くの試みは、ループが複利化する前に、単位経済性の段階で失敗する。

実際に複利化するループと、偽の堀との違いは次のとおりだ。

  • データが結果に結びついている。つまり、単なるシグナルの収集ではなく、結果が正しかったか誤っていたかを把握できる。
  • 契約上、そのデータを展開全体で利用する権利があなたにある。
  • ワークフローが安定しており、過去データが有用性を保つ。
  • 実行のたびに、同じものの繰り返しではなく、新しい例外事例が生まれる。
  • 頻度が十分高く、ワークフローが変化する前に学習が複利化する。

次のいずれかが真なら、この仮説は誤っている。

  • 競合が、スクレイピング、合成生成、転移学習、または一回限りの購入によって同等のデータを入手できる。
  • 顧客が契約上データを所有し、あなたがそれを展開全体でプールできない。
  • ワークフローがモデルの改善より速く変化するため、蓄積データがもはや存在しないシステムを記述している。
  • データの価値が最初のN回の実行のうちに飽和し、優位性が複利的ではなく固定的である。
  • ワークフローを所有するコストが、それが生み出すデータの価値を上回る。

これらの条件が成り立つなら、そのループは堀ではない。それは一時的な先行を伴う高価なエンジニアリング・プロジェクトにすぎない。a16zが2019年に論じたように、データ優位の大半は、魔法のようなネットワーク効果ではなく、逓減する規模の効果だ。それは現在のAIの波の前から真実だった。そして今も真実である。

現代の堀の上に築かれたビジネスモデル

4つの要素は、その堀が何でできているかを説明している。次の問いは、どのようなビジネスモデルが実際にそれを取り込めるのか、である。実務上、その答えはツールを売る方向ではなく、ワークフローそのものを所有する方向を指す。

プリンシパルであって、ベンダーではない

このフレームワーク全体で最もレバレッジの高い判断は、ベンダーの立場を拒否することだ。

ベンダー型の戦略とは、すでにワークフローを所有している組織にツールを売ることを意味する。理論上は資本効率が高くスケーラブルなので魅力的に見えるが、あらゆるレバレッジの源泉を顧客に渡してしまう。オペレーターは、顧客関係、物理的プロセス、運用データ、予算、責任、そして最終成果を保持する。 ベンダーは、その上に乗るソフトウェアの一層を保持するだけだ。スタートアップは、自らが生み出した価値のごく一部しか取り込めず、顧客は製品がサービスへと逸脱するまでカスタム統合を要求し、オペレーターはそのツールが動くのを見たうえで、今やはるかに安く作れる社内構築版に置き換えることができる。しかもオペレーターが最良のデータを所有しているため、ベンダーのモデルは決して複利的に成長しない。利益率は上限に縛られたままだ。これは特に物理産業で危険であり、ソフトウェアベンダーは確実に格下げされ、ただの相談役のような存在に成り下がる。

より強い立場は、プリンシパルになること、つまり運用、責任、認証、ワークフロー、あるいは責任そのものを所有することだ。作業を行う相手にソフトウェアを売るのではなく、会社自体が作業を行うか、その成果を保証する。そうすることで、上記のあらゆる不利が反転する。会社はライセンス料の取り分ではなく完全な利益率を取り込み、顧客成果を所有するため関係性も所有し、自社の運用がデータを生み出すのでデータも所有する。自分自身がオペレーターであるため、オペレーターによって中抜きされることはなく、他人から聞いた理解ではなく、真の運用専門性を築くことができる。

この原則は、1つの指示に圧縮できる。

ツールを売るな。完成した成果を売れ。

実務では、これはあらゆるベンダー案をそのプリンシパル版へと一貫して言い換える形で現れる。

ベンダーとしての表現 プリンシパルとしての表現
検査ソフトウェアを売る 検査機関になる
ラボのワークフローソフトウェアを売る 試験ワークフローを所有する
コンプライアンス・ダッシュボードを売る 認証済みコンプライアンスを提供する
見積もりツールを売る 見積もりそのものを提供する
予知保全分析を売る ダウンタイムを防ぐ、あるいは保全の成果を所有する

この判断はフレームワークの中で他のどれよりも重要だ。なぜなら、誰がデータを所有するかを決めるからであり、データ所有が優位性を複利的に高めるか、あるいは劣化させるかを決めるからだ。

サービスとしてのサービス

プリンシパルの立場は、従来のソフトウェアとは異なる提供モデルを意味する。そして、初めはSaaSの利益率に慣れた人には悪いビジネスに見えるので、名前を与える価値がある。

このモデルにはいくつかの呼び名がある。YCやa16z、その他はこれをサービス・アズ・ソフトウェアと呼び、AI対応ロールアップ仮説はその近縁だ。私は、顧客が実際に受け取るものに焦点を保てるという理由で、サービスとしてのサービスという呼び方を好む。

顧客は、仕事を終えるためにソフトウェアを使う必要があってはならない。 会社がソフトウェア、AI、人間の労働、ハードウェア、そしてオペレーションを組み合わせて、完成した仕事を提供すべきだ。ソフトウェアは内部レバレッジであり、製品ではない。

順序は意図的である。まず、手作業で、あるいは人間をループに入れて作業を行う。ソフトウェアを使って、その人間の作業をより速く、より一貫して、より測定可能にする。あらゆる入力、判断、修正、例外ケース、そして成果を記録する。その後、その蓄積されたデータを使ってワークフローの自動化をますます進め、従来のソフトウェアでは太刀打ちできない利益率と防御力を持つ自動化サービス提供者へと収束させる。

これはコンサルティングとは1点で決定的に異なる。 コンサルティングは、各顧客に対して永遠にカスタム労働を売り続け、すべての案件は再利用可能なものを何も残さない。サービスとしてのサービスは、初期の人間労働を意図的に自動化システムを構築するための手段として用い、各案件は次の案件を安くするデータを残す。

ただし、この種のモデルでは罠に注意しなければならない。新規顧客ごとにカスタム統合、カスタムデータクレンジング、カスタム・ワークフロー・マッピング、カスタム・モデル・チューニングが必要なら、その会社はまだ自覚していないだけのコンサルティング会社だ。人間をループに入れる段階は問題なく、むしろ必要なことが多いが、それはそれが専有データを生み出し、そのワークフローがスケーラブルな自動化へ収束する場合に限られる。50件仕事をこなした後でも、人間が同じ単位あたりコストで同じ作業を続けているなら、そのモデルは失敗している。

データのためのスターゲート

AIは計算資源のボトルネックからデータのボトルネックへ移行している。 次の時代で最も価値のあるAI企業は、最も一般的なデータを持つ企業ではない。一般的なデータは豊富であり、したがって最初の半分の論理とまったく同様に、地代を生まないからだ。価値ある企業は、希少で、私有で、高品質な運用データを所有し、それはその仕事を実際に行う以外の方法では得られない。

データのためのスターゲート という言葉は、OpenAIのStargate――数千億ドル規模の計算基盤構築計画として発表されたもの――から借用しているが、その借用こそが要点だ。前のサイクルにおける希少資源がその規模の計画的インフラ投資を正当化したのなら、次のサイクルも同じ扱いに値する。目標はデータセットを蓄積することではない。サービス提供の副産物として、専有データを継続的に生み出す機械を構築することである。

この場合に重要な区別は、目的がそれ自体のためにデータを収集することではない、という点だ。それは高コストで使い道のない素材の湖を生むだけである。目的は、そのループを自動化するのに必要なデータを בדיוקに生み出す運用ループを所有することだ。

原子のコンピュータ

4つの要素は構造を説明している。原子のコンピュータは、その構造が何のためにあるのかを説明しており、全体の取り組みを行う価値のあるものにする長期ビジョンである。

この考えは私が思いついたものではないし、その点は最初に明確にしておきたい。この枠組みはTravis Kalanickのものだ。彼は2017年にUberを追い出された後、8年間にわたりCity Storage Systemsを秘密裏に構築し続け、2026年3月にそれをAtomsと改名し、全体像を示すビジョンレターを公開した。彼の定式化では、物理世界の問題をソフトウェアの問題と同じように扱い、コアの計算資源には物理的な対応物がある。CPUは製造、ストレージは不動産、ネットワークは輸送だ。a16zのローンチイベントで、Kalanickは会社を産業AIを中心に定義し、ソフトウェア、センサー、ロボティクス、AIを使って産業全体にわたる運用を自動化し、食料、鉱業、輸送から始めると述べた。彼のレターを読んでほしい。私の要約よりも優れているし、彼の結論のいくつかは、この文書が別の方向から到達しているのと同じ場所に辿り着いている。

AIがより高性能になるにつれて、その制約条件は移動している。限界はもはや推論品質だけではない。物理的現実との相互作用である。モデルは高品質なテキスト、コード、画像、計画を生成できても、なお、混沌として非構造的で、重大な影響を持つ現実世界の環境で、確実に何かを行うことができない。従来のコンピュータは、知能にビットを操作するための基盤を与えた。今の機会は、原子に対する同等の基盤を構築し、物理世界を感知し、混沌とした現実世界の条件を解釈し、判断し、行動し、成果を検証し、フィードバックから学習するシステムを、現実の物理的・規制的・経済的制約の下で作ることにある。最後の句こそが難しい部分であり、それゆえにこれは研究プロジェクトではなくビジネス機会なのだ。規制上および経済上の制約の下で運営することは、まさに複製できないものであり、まさに第4の要素が必要とするクローズドループ・データを生み出すものだ。

1点について、Kalanickと私は完全に一致しており、彼は私よりうまく表現している。彼の用語は生産的に雇用されたロボットであり、我々を模倣するために作られたヒューマノイドではなく、特定の生産的な仕事を持つ特殊機械を意味する。彼の例では、1時間に1000枚のパンケーキを作る必要があるなら、ヒューマノイドが不器用にそれをひっくり返すのは最悪の設計であり、目的特化機械が明らかに正しい。したがって、正しいアプローチは汎用ロボットを作ることではない。 1つの実際のワークフローの中で、感知・判断・行動ループを明確で即時の経済的価値とともに展開できる狭い切り口を見つけ、そのループを広げる前に、端から端まで機能させることだ。

短期の会社は、野心がないように見えるほど狭くあるべきだ。長期の上限こそが、その狭さを受け入れる理由である。

具体例

このフレームワークは抽象的なので、1つのアイデアを実際に当てはめてみると役に立つ。これは、フレームワークが強制する唯一の結論ではなく、基準の適用例にすぎない。

建設特別検査および材料試験を考えてみよう。ベンダー版は、すでにそのワークフローを所有している機関や試験所にソフトウェアを販売する。プリンシパル版は、その機関と試験所そのものになる。そこが認定を保持し、検査を実施し、規制上の責任を負う。内部では、ソフトウェア、ハードウェア、AIを使って、既存企業よりも速く、安く、そしてより確実に認定済みの結果を提供する。

その形は、4つの要素すべてに当てはまる。物理的である。なぜなら、現場、サンプル、機器、そして現実世界の測定を扱うからだ。関係性と規制上の堀がある。というのも、買い手が必要としているのは、より見栄えの良いダッシュボードではなく、管轄権限を持つ当局に受け入れられる結果だからだ。成果そのものを所有している。なぜなら、道具ではなく認定済みの結果を販売するからだ。そして副産物として、試験結果、破損モード、材料特性、専門家による修正、さらに物理的条件と最終成果の間のつながりを含む独自の運用データを生み出す。

また、これは最初は狭く始まる。これは、Paul Graham と YC が何年も言い続けてきた、古典的なスタートアップの論理に沿っている。鋭いくさびから始めるが、そのくさびが大きくて痛切な問題に属することを必ず確認する。初日に建設検査業界全体を自動化する必要はない。入口は、1種類の検査、1種類の材料試験、1つの地理的範囲、あるいは1つのコンプライアンス・ワークフローでよい。そこから、ソフトウェアが作業を標準化し、人間が最初のデータを生み出し、自動化は、実際にループが複利的に効くところにだけ広がっていく。

リスクは、まさにその枠組みが予測するものだ。認定のタイムラインが収益を足止めし、オートメーションが成熟する前の運用は重く、各プロジェクトが個別仕様になるならサービスの罠は現実のものとなる。それがこの枠組みの要点だ。ビジネスを簡単にするものではない。どこが難所になるべきかを教えてくれるのだ。

すでにこう見える企業たち

この枠組みは、私が存在してほしいと思うものだけでなく、すでに存在するものを説明しているなら、より信頼しやすい。

Anduril
Anduril
Intuitive Surgical
Intuitive Surgical
Kraken Robotics
Kraken Robotics
SpaceX
SpaceX
Waymo
Waymo
Carbon Robotics
Carbon Robotics
Nokia
Nokia

Anduril は4要素中4つを満たしている。ドローン、センサータワー、迎撃機、そして水中車両にわたるカスタムハードウェア。Lattice というカスタムソフトウェアがあり、そのハードウェアのすべてがそこで動作する。顧客は米国政府とその同盟国であるため、コーディングエージェントでは生成できない関係性と規制上の地位を持つ。配備済みシステムからの運用データがソフトウェアにフィードバックされる。製品一覧以上に重要な細部が2つある。同社は自らR&Dに資金を供給し、既存の予算項目に売り込む前に製品を作ることで、従来の大手防衛企業が採用するコストプラス型モデルを逆転させている。Andurilは非公開企業であり監査済みの粗利を公開していないが、二次情報の推計では粗利率は約40～45％ とされる。これは防衛ハードウェアとしては異例に高い。NYU Stern の業種データでは、航空宇宙・防衛企業の平均粗利率は約17.5％ である。正確な数値よりも構造のほうが重要だ。垂直統合された固定価格のソフトウェア定義モデルは、従来のコストプラス型プラットフォーム統合よりも良い経済性を生み出しているように見える。

Intuitive Surgical は、同じ構造のより古く、より静かな版だ。da Vinci system は、ソフトウェアなしでは無価値なハードウェア、競合が近道できない FDA 承認、20年にわたる病院との関係、そして数百万件の手術から得られた手技データ を組み合わせている。これは4要素中4つを満たし、継続的に複利効果を生み、誰もそれを物理AIと呼ぶずっと前の2000年の最初の承認 以来、この戦略を実行してきた。

Kraken Robotics は、私が最も示唆に富むと考えるケースだ。海洋技術の外では知る人がほとんどいないからだ。同社は、合成開口ソナー、KATFISH towed platform、海中バッテリー、そして水中LiDAR を製造している。それらのハードウェアは、周囲に組み込まれた独自の画像処理ソフトウェアなしでは役に立たない。顧客には NATO と連携する海軍が含まれる。これは最高レベルの信頼と規制である。なぜなら、海軍はより安い模倣品のためにソナーのベンダーを乗り換えたりしないからだ。決定的に重要なのは、Kraken が単に機器を売っているだけではないことだ。サービスとして調査を実施しており、そのたびに他社は誰も持っていない海底情報が生まれる。この最後の判断こそ、この枠組みの縮図そのものだ。ハードウェア企業が、そのデータは箱より価値があると気づき、それを保持するためにプリンシパルの立場へ移ったのである。

SpaceX と Waymo は、純粋なプリンシパル型の事例だ。SpaceX はロケットを売らない。届けたペイロードを売る。Waymo は自律走行ソフトウェアを自動車メーカーにライセンス供与しない。完成した移動サービスを売る。両社ともベンダーの立場を拒み、運用上の責任を引き受け、データを保持した。Waymo はまた、1つの管轄区域ごとに到来する 規制上の堀を持つ。この拡大は遅い。だからこそ、まさに防御可能なのだ。

Carbon Robotics は、有用な部分的事例だ。LaserWeeder は、コンピュータビジョンと高出力レーザーを使って雑草を枯らす。2026年2月、同社は Large Plant Model が15か国・約100の農場で収集された1億5,000万枚超のラベル付き植物で学習された と発表した。これは、前述の通り運用上の副産物として生成されるデータエンジンが機能しているということだ。別個の取り組みではない。しかし、この構成の脆弱性も指摘しておきたい。Carbon は農家に機器を売っており、プリンシパルではなくベンダーのままである。それでも成功しているのは、データが中央モデルへ流れ続けるため、ベンダーの立場でも生き残れるからだ。もし栽培者がそのフリートデータを所有するようになれば、その堀は消えるだろう。

Nokia は、歴史的な警告であると同時に、新たな試金石でもある。2007年、同社は携帯電話市場で世界市場のほぼ50％ を支配し、最高のハードウェア、製造規模、サプライチェーンを持っていた。生きている誰よりも1つの次元では優れていたが、ソフトウェアプラットフォームを欠いていたため崩壊した。今日の Nokia は、ここで述べたまさにその複数要素の戦略を実行しようとしている。Michael Sikand が この動画解説で 概説しているように、同社は10年以上かけて消費者向けガジェットから方向転換し、垂直統合された光学シリコン、既存の通信事業者および防衛との関係、そしてAI対応のエッジコンピュートを束ねてきた。昔の Nokia は、孤立したハードウェアが一時的な優位にすぎないことを証明した。では、新しい Nokia は、ハードウェアに制度的信頼とソフトウェア基盤が結びつくことで、持続的な堀が生まれることを証明しようとしているのだ。

これらの企業は表面的には似ていないが、どれも同じ教訓を指している。最も持続的なビジネスは、認定、配備されたセンサーフリート、外科医の信頼、海軍の信認、規制承認、あるいは10年分の運用データといった、進みの遅いものを手に入れた。どれも、ただより良いコードを書くことだけでは到達しておらず、そうする人間によって追いつかれることもない。

狭さは参入条件である

彼らはまた、皆、小さく始めた。勝つ企業は、ループ全体を支配しようとして始めないし、それを試みることが最も一般的な間違いだ。ループが複利的に効くのは、競合が他のどの方法でも取得できない成果連動データを生み出せるよう、1つのワークフローに十分深く入り込んでいる場合だけである。多くのワークフローに浅く触れると、すぐに飽和する浅いデータしか生まれない。

そのパターンは、上の事業者たちに共通し、その先にも当てはまる。Andurilは、生産を拡大し隣接能力へ広げる前に、まずフォース・プロテクションと対ドローン・システムから始めた。Intuitive Surgicalは、特定の腹腔鏡手術から始め、数十年にわたって外科医の訓練と手技件数を積み上げたのち、複数の専門分野へ拡大した。SpaceXは、1つの再使用可能な打ち上げ機から始め、その後Starlinkへ拡大した。Teslaは、狭いプレミアムEVの突破口（Roadster スポーツカー）から始め、量産モデル、エネルギー、自動運転へ進む前に、フリートをデータと製造学習に活用した。Palantirは、特定の機関向けの特定の情報ワークフローから始め、その後商用へ拡大した。どのケースでも、狭い入口は妥協ではなかった。それこそがループを複利化させる仕組みだった。

入口は意図的に狭い。1つのワークフロー、1種類の顧客、再現が難しい1つのデータストリーム。あなたはそのワークフローを中心にループを構築し、データが複利的に増え、関係が深まるまで続け、その後、同じデータ、同じ関係性、同じ運用規律が新規参入者にはかなわない優位を与える隣接ワークフローへ拡大する。広く始めると、複利化しないデータの山を抱えることになる。今日参入する競合は、固定された先行優位を追っているのではない。彼らが追っているのは、仕事が終わるたびに延びていく優位だ。ただし、その仕事が十分に狭く、十分に深く、十分に繰り返されていて、データが実際に意味を持つ場合に限る。

結論

この文書の前半は、一般法則を確立した。何かを作る難しさだけで成り立つ堀は一時的なものであり、それは誰かがその何かを作ることを簡単にした瞬間までしか続かない。 中国の産業集積は、超高密度クラスター内で取引コストと反復の遅延を圧縮することで、ハードウェアに対してこれを起こした。生成AIは、希少な入力のコストを圧縮することで、ソフトウェアに対してこれを起こしている。まずハードウェアが崩れ、のちにソフトウェアが続いた。しかし、今日事業を作る創業者にとって、どちらの避難所も信頼できない。

後半では、その法則を答えに変えた。もし生産の難しさがもはや何も守らないのであれば、防御可能性は、生産崩壊が届かない摩擦から組み立てるしかない。そこには物理的アクセス、閉ループの運用データ、規制上の地位、獲得した信頼、そして成果そのものの所有が含まれる。だからこそ、4要素は1つではなく4つ中3つを求めるし、主たる立場が他のどの単独の意思決定よりも重要になり、データは収集された資産ではなく運用上の副産物でなければならない。

それは1つの核心的な文に圧縮できる。

AI時代において、最良の企業は一般的なソフトウェアツールでも、複製可能なハードウェア製品でもない。彼らは、ソフトウェア、物理的ワークフロー、信頼された関係、そして専有の運用データを組み合わせ、高価値な現実世界の仕事を自動化する、狭く成果志向の主事業になる。

創業者にとって、問いはもはや「どんなソフトウェアを作れるか？」ではなく、どんな価値ある現実世界の成果を、自分が所有し、実行し、測定し、自動化できるか？ である。

最も強い機会は、ソフトウェアが原子、信頼、規制、そして専有データと交わる場所にある。それらは、たった1つの狭くて苦しいワークフローから始まり、必要に応じて人間を使う。仕事の副産物として運用データを取り込み、段階的に自動化し、置き換えられにくいシステムへ複利的に育つ。優位が持続するのは、コードに書かれたからではなく、物理的な運用を通じて獲得されたからこそである。

最終目標は製品を作ることではない。ソフトウェアのようなスケーラビリティ、物理世界での防御可能性、そして完了するたびに良くなる専有データを備えた、オペレーティング・カンパニーを作ることである。

かつて、作るのが難しいという理由だけで堀になっていたものは、すべてコモディティ化しつつある。何かを作ることはこれまでになく簡単であり、AIとグローバルなサプライチェーンが進化するにつれて、その容易さは増す一方だ。防御可能なまま残るのは、アクセスが難しく、信頼を獲得するのが難しく、規制の中に入り込むのが難しく、そして実際の仕事をしない限り観測できないものだけである。




引用と出典

どの部分が借用なのかを明確にしておきたい。というのも、この文書の大半は、他者の仕事をつなぎ合わせたものであって、私が何かを一から発明したわけではないからだ。私自身のものとして主張できるのは、4要素ルール、4つ中3つの基準、そして2つの崩壊が時系列では別々に起きたにもかかわらず、同じ基礎メカニズムを共有しているという具体的な議論である。数字は動くので、引用する前に確認してほしい。

私のもの、以前の執筆から

  • ソフトウェア価値のバーベル（2025）。そこで私は、崩壊する中間層と内部ソフトウェア・レバレッジ理論を初めて提示した。ここでの後半は、その投稿の運用版である。

原子のコンピュータ

  • Travis Kalanick、Vision、Unfinished Business、およびHow AI Will Transform the Physical World、Atoms と a16z、2026年。原子ベースのコンピュータという枠組み、CPU/ストレージ/ネットワークの製造業/不動産/輸送への対応づけ、理解-予測-制御ループ、産業用AI、そして有給で雇用されるロボットは、すべて彼のものだ。その節は彼のアイデアの要約であって、私のアイデアではない。
  • Ben Horowitz と Alex Danco、Travis is Back、a16z、2026年。

経済学

スタートアップのメカニクス

AIコーディングとソフトウェア生産

データの堀の失敗モード

画像

  • スタン・シーのスマイリングカーブ、Wikimedia Commons、CC BY-SA。
  • 深南路交差点の華強北、Charlie fong 撮影、Wikimedia Commons、CC BY-SA。
  • 射出成形金型、Wizard191 撮影、Wikimedia Commons、CC BY-SA 3.0。
  • 太陽光PVモジュール価格と累積設置容量の比較、Our World in Data、CC BY 4.0。図表は公開データセットからローカルで再作成したものです。

企業事例








開示: このエッセイは私が構想し、私が執筆しました。私は背景調査、文章の整え、構成のために ChatGPT、Claude、Grok、Manus AI、および OpenCode を使用しました。プレビュー画像とバーベル図は当初 AI により生成され、その後手作業で編集されました。その他の画像はすべて私が自分で入手し、私はすべての出典と事実を独自に確認しました。最終テキストについては私が全面的な責任を負います。