ਆਧੁਨਿਕ ਖਾਈ

ਸੰਖੇਪ ਵਿਚ

21ਵੀਂ ਸਦੀ ਦੀ ਪਰਿਭਾਸ਼ਤ ਕਰਨ ਵਾਲੀ ਵਪਾਰਕ ਖਾਈ, ਖ਼ਾਲਿਸ ਸਾਫਟਵੇਅਰ, ਜਨਰੇਟਿਵ ਏਆਈ ਦੇ ਕੋਡ ਦੀ ਲਾਗਤ ਨੂੰ ਸ਼ੂਨ੍ਯ ਵੱਲ ਧਕੇਲਣ ਨਾਲ ਤੇਜ਼ੀ ਨਾਲ ਢਹਿ ਰਹੀ ਹੈ, ਜਿਸ ਤਰ੍ਹਾਂ ਚੀਨੀ ਉਦਯੋਗਿਕ ਇਕੱਤਰਤਾ ਨੇ ਪਹਿਲਾਂ ਹੀ ਖ਼ਾਲਿਸ ਹਾਰਡਵੇਅਰ ਦੀ ਖਾਈ ਨੂੰ ਨਸ਼ਟ ਕਰ ਦਿੱਤਾ ਸੀ। ਉਤਪਾਦਨ ਦੀ ਸਿਰਫ਼ ਮੁਸ਼ਕਲਤਾ ਹੁਣ ਕਿਸੇ ਵੀ ਦੋਵਾਂ ਖੇਤਰਾਂ ਵਿੱਚ ਕਾਰੋਬਾਰ ਦੀ ਰੱਖਿਆ ਨਹੀਂ ਕਰਦੀ, ਇਸ ਲਈ ਸਥਾਈ ਮੁਨਾਫ਼ਾ ਬਿੱਟਾਂ ਅਤੇ ਐਟਮਾਂ ਦੇ ਵਿਚਕਾਰਲੇ ਜੋੜਾਂ ਵਿੱਚ ਸਿਰਕ ਗਿਆ ਹੈ। ਅੱਜ ਇੱਕ ਰੱਖਿਆਯੋਗ ਕੰਪਨੀ ਬਣਾਉਣ ਲਈ, ਸੰਸਥਾਪਕਾਂ ਨੂੰ ਆਮ ਸਾਫਟਵੇਅਰ ਵਿਕਰੇਤਾ ਮਾਡਲ ਛੱਡ ਕੇ ਇੱਕ ਐਸੇ ਪ੍ਰਧਾਨ ਵਾਂਗ ਕੰਮ ਕਰਨਾ ਪਵੇਗਾ ਜੋ ਸ਼ੁਰੂ ਤੋਂ ਅੰਤ ਤੱਕ ਇੱਕ ਅਸਲੀ ਭੌਤਿਕ ਵਰਕਫ਼ਲੋ ਦਾ ਮਾਲਕ ਹੋਵੇ। ਚਾਰ ਵਿੱਚੋਂ ਘੱਟੋ-ਘੱਟ ਤਿੰਨ ਮੁੱਖ ਘਟਕਾਂ ਨੂੰ ਕਸ ਕੇ ਜੋੜ ਕੇ (ਕਸਟਮ ਹਾਰਡਵੇਅਰ, ਵਿਸ਼ੇਸ਼ਤ ਸਾਫਟਵੇਅਰ, ਕਮਾਈ ਹੋਈਆਂ ਸੰਬੰਧਾਂ, ਅਤੇ ਮਲਕੀਅਤ ਵਾਲਾ ਡਾਟਾ), ਇੱਕ ਆਧੁਨਿਕ ਕਾਰੋਬਾਰ ਗਾਰੰਟੀਸ਼ੁਦਾ ਨਤੀਜਾ ਦੇ ਸਕਦਾ ਹੈ ਜਦਕਿ ਬੰਦ-ਚੱਕਰ ਡਾਟਾ ਇਕੱਠਾ ਕਰਦਾ ਰਹੇ ਜੋ ਅਸਲ ਖਾਈ ਬਣ ਜਾਂਦਾ ਹੈ। ਅੱਜ ਸ਼ੁਰੂ ਕਰਨ ਵਾਲਾ ਮੁਕਾਬਲਾਚੀ ਇੱਕ ਨਿਸ਼ਚਿਤ ਲੀਡ ਦਾ ਪਿੱਛਾ ਨਹੀਂ ਕਰ ਰਿਹਾ। ਉਹ ਇੱਕ ਐਸੀ ਲੀਡ ਦਾ ਪਿੱਛਾ ਕਰ ਰਿਹਾ ਹੈ ਜੋ ਹਰ ਵਾਰ ਕੰਮ ਪੂਰਾ ਹੋਣ ਨਾਲ ਵਧਦੀ ਜਾਂਦੀ ਹੈ।

ਭੂਮਿਕਾ & ਉਦੇਸ਼

ਇਹ ਰਿਪੋਰਟ ਉਸ ਇੱਕ ਦਾਅਵੇ ਨੂੰ ਵਧਾਉਂਦੀ ਹੈ ਜਿਸ ਉੱਤੇ ਮੇਰੇ ਖਾਈ ਸਿਧਾਂਤ ਦੀ ਬਾਕੀ ਹਰ ਗੱਲ ਟਿਕੀ ਹੈ: ਖ਼ਾਲਿਸ ਸਾਫਟਵੇਅਰ ਹੁਣ ਰੱਖਿਆਯੋਗ ਖਾਈ ਨਹੀਂ ਰਹੀ, ਅਤੇ ਖ਼ਾਲਿਸ ਹਾਰਡਵੇਅਰ ਵੀ ਉਸ ਵੇਲੇ ਤੋਂ ਖ਼ਤਮ ਹੋ ਗਿਆ ਜਦੋਂ ਚੀਨ ਨੇ ਆਪਣੀ ਉਤਪਾਦਨ ਹੇਗਮਨੀ ਨੂੰ ਪੈਮਾਨਾ ਦਿੱਤਾ। ਦੋਵੇਂ ਨਾਅਰਿਆਂ ਵਾਂਗ ਸੁੱਟੇ ਜਾਂਦੇ ਹਨ। ਮੈਂ ਨਾਅਰੇ ਨੂੰ ਬਾਹਰ ਕੱਢ ਕੇ ਮਕੈਨਿਜ਼ਮ ਨੂੰ ਅੰਦਰ ਰੱਖਣਾ ਚਾਹੁੰਦਾ ਹਾਂ। ਹਰ ਇਕ ਢਹਿਰਾਵ ਕਿਉਂ ਵਾਪਰਿਆ, ਕਿਹੜੀਆਂ ਧਾਰਣਾਂ ਚੁੱਪਚਾਪ ਟੁੱਟੀਆਂ, ਇਹ ਦੋਵੇਂ ਇਕ ਦੂਜੇ ਨੂੰ ਕਿਵੇਂ ਖੁਰਾਕ ਦਿੰਦੇ ਹਨ, ਅਤੇ ਸਥਾਈ ਮੁਨਾਫ਼ਾ ਅਜੇ ਵੀ ਕਿੱਥੇ ਕੈਦ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਮੈਂ ਇਹ ਇਸ ਤਰ੍ਹਾਂ ਲਿਖਿਆ ਹੈ ਕਿ ਇਹ ਆਪਣੇ ਆਪ ਖੜ੍ਹਾ ਰਹੇ, ਤਾਂ ਜੋ ਭਵਿੱਖ ਦਾ ਪਾਠਕ, ਜਾਂ ਭਵਿੱਖ ਦਾ ਮਾਡਲ, ਉਸ ਗੱਲਬਾਤ ਦੇ ਬਿਨਾਂ ਜੋ ਇਸ ਨੂੰ ਪੈਦਾ ਕਰਦੀ ਸੀ, ਪੂਰਾ ਤਰਕ ਸਮਝ ਸਕੇ।

ਲਗਭਗ ਤੀਹ ਸਾਲਾਂ ਤੱਕ, ਤਕਨਾਲੋਜੀ ਰਣਨੀਤੀ ਨੇ ਇਹ ਧਾਰਣਾ ਬਣਾਈ ਰੱਖੀ ਕਿ ਡਿਜ਼ਿਟਲ ਦੁਨੀਆ ਸਥਾਈ, ਉੱਚ ਮਾਰਜਿਨ, ਰੱਖਿਆਯੋਗ ਮੁਨਾਫ਼ਾ ਪੈਦਾ ਕਰਦੀ ਹੈ, ਜਦਕਿ ਭੌਤਿਕ ਦੁਨੀਆ ਪਤਲਾ, ਬੇਅੰਤਰ, ਘੱਟ ਮਾਰਜਿਨ ਵਾਲਾ ਕਮੋਡਿਟੀ ਉਤਪਾਦਨ ਪੈਦਾ ਕਰਦੀ ਹੈ। ਦੋ ਝਟਕੇ ਇਕੱਠੇ ਨਹੀਂ ਆਏ। ਚੀਨ ਦੀ ਉਤਪਾਦਨ ਇਕੱਤਰਤਾ ਨੇ ਸਭ ਤੋਂ ਪਹਿਲਾਂ, ਜ਼ਿਆਦਾਤਰ 2000ਵਿਆਂ ਅਤੇ 2010ਵਿਆਂ ਦੌਰਾਨ, ਉਤਪਾਦਨ-ਆਧਾਰਿਤ ਹਾਰਡਵੇਅਰ ਦੀ ਰੱਖਿਆਯੋਗਤਾ ਨੂੰ ਤੋੜਿਆ। ਜਨਰੇਟਿਵ ਏਆਈ ਬਾਅਦ ਵਿੱਚ, 2020ਵਿਆਂ ਵਿੱਚ, ਉਤਪਾਦਨ-ਆਧਾਰਿਤ ਸਾਫਟਵੇਅਰ ਦੀ ਰੱਖਿਆਯੋਗਤਾ ਨੂੰ ਤੋੜ ਰਹੀ ਹੈ। ਜਨਰੇਟਿਵ ਏਆਈ ਨੇ ਸਾਫਟਵੇਅਰ ਤਿਆਰ ਕਰਨ ਦੀ ਸੀਮਾਂਤ ਲਾਗਤ ਨੂੰ ਸ਼ੂਨ੍ਯ ਵੱਲ ਧਕੇਲ ਦਿੱਤਾ, ਜਿਸ ਨਾਲ ਉਹ ਰੁਕਾਵਟਾਂ ਘੁਲ ਗਈਆਂ ਜੋ ਸਾਫਟਵੇਅਰ ਨੂੰ ਰੱਖਿਆਯੋਗ ਬਣਾਉਂਦੀਆਂ ਸਨ। ਚੀਨੀ ਉਦਯੋਗਿਕ ਇਕੱਤਰਤਾ ਨੇ ਭੌਤਿਕ ਦੁਹਰਾਵ ਦੀ ਲਾਗਤ ਅਤੇ ਦੇਰੀ ਨੂੰ ਸਾਫਟਵੇਅਰ ਦੀ ਲਾਗਤ ਅਤੇ ਦੇਰੀ ਦੇ ਬਰਾਬਰ ਕਰ ਦਿੱਤਾ, ਜਿਸ ਨਾਲ ਉਹ ਰੁਕਾਵਟਾਂ ਘੁਲ ਗਈਆਂ ਜੋ ਹਾਰਡਵੇਅਰ ਨੂੰ ਰੱਖਿਆਯੋਗ ਬਣਾਉਂਦੀਆਂ ਸਨ। ਇਸ ਲਈ ਨਾ ਕੇਵਲ ਬਿੱਟ ਹੀ, ਨਾ ਕੇਵਲ ਐਟਮ ਹੀ, ਹੁਣ ਕਿਸੇ ਕਾਰੋਬਾਰ ਨੂੰ ਆਸਰਾ ਦੇ ਸਕਦੇ ਹਨ। ਸਥਾਈ ਫ਼ਾਇਦਾ ਕਿਸੇ ਇੱਕ ਇਕੱਲੇ ਆਯਾਮ ਤੋਂ ਬਾਹਰ ਨਿਕਲ ਕੇ ਦੋਵਾਂ ਦੇ ਤੰਗ ਸੰਯੋਜਨ, ਨਾਲ ਹੀ ਸੰਬੰਧਾਂ ਅਤੇ ਮਲਕੀਅਤ ਵਾਲੇ ਡਾਟੇ ਵਿੱਚ ਚਲਾ ਗਿਆ।

ਦਸਤਾਵੇਜ਼ ਦੋ ਹਿੱਸਿਆਂ ਵਿੱਚ ਵੰਡਿਆ ਗਿਆ ਹੈ:

• ਵਿਸ਼ਲੇਸ਼ਣ। ਅਸਲ ਵਿੱਚ ਖਾਈ ਕੀ ਹੁੰਦੀ ਹੈ, ਹਰ ਖੇਤਰ ਪਹਿਲਾਂ ਕਿਉਂ ਰੱਖਿਆਯੋਗ ਸੀ, ਹਰ ਝਟਕੇ ਨੇ ਕਿਹੜੀਆਂ ਘਰਸ਼ਣਾਂ ਨੂੰ ਘੁਲਾਇਆ, ਅਤੇ ਕੀ ਕੁਝ ਬਚਿਆ ਹੈ। ਇਹ ਹਿੱਸਾ ਆਰਥਿਕ ਵਿਸ਼ਲੇਸ਼ਣ ਹੈ ਅਤੇ ਜਿੱਥੇ ਵਿਸ਼ਲੇਸ਼ਣ ਖਤਮ ਹੁੰਦੀ ਹੈ, ਉੱਥੇ ਇਹ ਵੀ ਰੁਕ ਜਾਂਦਾ ਹੈ।
• ਆਧੁਨਿਕ ਖਾਈ। ਹੁਣ ਰੱਖਿਆਯੋਗਤਾ ਅਸਲ ਵਿੱਚ ਕਿਸ ਚੀਜ਼ ਤੋਂ ਬਣਦੀ ਹੈ ਜਦੋਂ ਨਾ ਬਿੱਟ ਤੁਹਾਡੀ ਰੱਖਿਆ ਕਰਦੇ ਹਨ ਨਾ ਐਟਮ, ਅਤੇ ਉਸ ਉੱਤੇ ਬਣੀ ਕੰਪਨੀ ਅਮਲ ਵਿੱਚ ਕਿਹੋ ਜਿਹੀ ਲੱਗਦੀ ਹੈ।

ਵਿਸ਼ਲੇਸ਼ਣ: ਦੋਵੇਂ ਖਾਈਆਂ ਕਿਵੇਂ ਢਹਿ ਗਈਆਂ

ਭਾਗ ਇੱਕ: ਅਸਲ ਵਿੱਚ ਖਾਈ ਕੀ ਹੁੰਦੀ ਹੈ

ਇਸ ਤੋਂ ਪਹਿਲਾਂ ਕਿ ਮੈਂ ਦੱਸਾਂ ਕਿ ਖਾਈਆਂ ਕਿਵੇਂ ਢਹਿ ਗਈਆਂ, ਮੈਨੂੰ ਇਹ ਬਿਲਕੁਲ ਸਹੀ ਤੌਰ ਤੇ ਦੱਸਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਖਾਈ ਕੀ ਹੁੰਦੀ ਹੈ, ਕਿਉਂਕਿ ਇਸ ਸ਼ਬਦ ਦੀ ਢਿੱਲੀ ਵਰਤੋਂ ਉਸ ਜ਼ਿਆਦਾਤਰ ਖਰਾਬ ਰਣਨੀਤੀ ਸੋਚ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹੈ ਜੋ ਮੈਂ ਦੇਖੀ ਹੈ। ਖਾਈ ਨਾ ਤਾਂ ਚੰਗਾ ਉਤਪਾਦ ਹੈ, ਨਾ ਅਸਥਾਈ ਲੀਡ, ਅਤੇ ਨਾ ਹੀ ਪਹਿਲਾਂ ਹੋਣ ਦਾ ਕੰਮ। ਖਾਈ ਬਾਜ਼ਾਰ ਦੀ ਇੱਕ ਢਾਂਚਾਗਤ ਵਿਸ਼ੇਸ਼ਤਾ ਹੁੰਦੀ ਹੈ ਜੋ ਕਿਸੇ ਫਰਮ ਨੂੰ ਲੰਮੇ ਸਮੇਂ ਤੱਕ ਆਪਣੀ ਪੂੰਜੀ ਦੀ ਲਾਗਤ ਤੋਂ ਉੱਪਰ ਮੁਨਾਫ਼ੇ ਕਮਾਉਣ ਦਿੰਦੀ ਹੈ ਬਿਨਾਂ ਇਸਦੇ ਕਿ ਉਹ ਮੁਨਾਫ਼ੇ ਮੁਕਾਬਲੇ ਵਿੱਚ ਖਤਮ ਹੋ ਜਾਣ। ਉਦਯੋਗਿਕ ਅਰਥਸ਼ਾਸਤਰ ਦੀ ਭਾਸ਼ਾ ਵਿੱਚ, ਖਾਈ ਆਰਥਿਕ ਕਿਰਾਏ ਦਾ ਇੱਕ ਸਥਾਈ ਸਰੋਤ ਹੁੰਦੀ ਹੈ।

ਆਰਥਿਕ ਕਿਰਾਇਆ ਉਹ ਵਾਧੂ ਰਕਮ ਹੈ ਜੋ ਇੱਕ ਫਰਮ ਖੁੱਲ੍ਹੀ ਰਹਿਣ ਲਈ ਮਨਜ਼ੂਰ ਕਰਨ ਵਾਲੀ ਘੱਟੋ-ਘੱਟ ਰਕਮ ਤੋਂ ਉੱਪਰ ਕਮਾਂਦੀ ਹੈ, ਅਤੇ ਸੱਚਮੁੱਚ ਮੁਕਾਬਲਾਤਮਕ ਬਾਜ਼ਾਰ ਵਿੱਚ ਉਹ ਵਾਧੂ ਰਕਮ ਸ਼ੂਨ੍ਯ ਹੋ ਜਾਂਦੀ ਹੈ। ਪੂਰਨ ਮੁਕਾਬਲੇ ਹੇਠ, ਕੀਮਤ ਨੂੰ ਸੀਮਾਂਤ ਲਾਗਤ ਵੱਲ ਧੱਕਿਆ ਜਾਂਦਾ ਹੈ, ਫਰਮ ਸਿਰਫ਼ ਆਪਣੀ ਪੂੰਜੀ ਦੀ ਲਾਗਤ ਹੀ ਕਮਾਂਦੀਆਂ ਹਨ, ਅਤੇ ਕੋਈ ਵਾਧੂ ਮੁਨਾਫ਼ਾ ਨਹੀਂ ਬਚਦਾ। ਰੱਖਿਆਯੋਗਤਾ ਬਾਰੇ ਹਰ ਫਰੇਮਵਰਕ ਅਸਲ ਵਿੱਚ ਇਸ ਗੱਲ ਦਾ ਸਿਧਾਂਤ ਹੁੰਦਾ ਹੈ ਕਿ ਇੱਕ ਖਾਸ ਫਰਮ ਕਿਵੇਂ ਸੀਮਾਂਤ ਲਾਗਤ ਮੁੱਲਾਂਕਣ ਅਤੇ ਸ਼ੂਨ੍ਯ ਮੁਨਾਫ਼ੇ ਦੇ ਉਸ ਖਿੱਚ ਤੋਂ ਬਚ ਜਾਂਦੀ ਹੈ।

ਕਲਾਸਿਕ ਸੂਚੀ ਮਾਈਕਲ ਪੋਰਟਰ ਤੋਂ ਆਉਂਦੀ ਹੈ, ਜਿਸਦਾ ਪੰਜ-ਤਾਕਤਾਂ ਵਾਲਾ ਫਰੇਮਵਰਕ 1979 ਤੋਂ ਇਸ ਲਈ ਮਿਆਰੀ ਸਾਧਨ ਰਿਹਾ ਹੈ, ਅਤੇ ਬਾਅਦ ਵਿੱਚ ਮੁੱਲ ਨਿਵੇਸ਼ ਕਰਨ ਵਾਲੇ ਵਰਗ ਨੇ ਇਸਨੂੰ ਹੋਰ ਤੇਜ਼ ਕੀਤਾ। ਇਹ ਕੁਝ ਅਸਲ, ਸਥਾਈ ਕਿਰਾਇਆ ਸਰੋਤ ਦਿੰਦਾ ਹੈ:

• ਦਾਖਲੇ ਲਈ ਰੁਕਾਵਟਾਂ ਜੋ ਨਵੇਂ ਮੁਕਾਬਲਾਚੀਆਂ ਨੂੰ ਅੰਦਰ ਆਉਣ ਤੋਂ ਰੋਕਦੀਆਂ ਹਨ
• ਉੱਚ ਤਬਦੀਲੀ ਲਾਗਤਾਂ ਜੋ ਮੌਜੂਦਾ ਗਾਹਕਾਂ ਨੂੰ ਅੰਦਰ ਹੀ ਰੱਖਦੀਆਂ ਹਨ
• ਨੈੱਟਵਰਕ ਪ੍ਰਭਾਵ, ਜਿੱਥੇ ਜਿੰਨੇ ਜ਼ਿਆਦਾ ਲੋਕ ਉਤਪਾਦ ਵਰਤਦੇ ਹਨ ਉਤਨਾ ਹੀ ਉਹ ਉਤਪਾਦ ਕੀਮਤੀ ਹੋ ਜਾਂਦਾ ਹੈ
• ਪੈਮਾਨੇ ਦੀਆਂ ਅਰਥਵਿਵਸਥਾਵਾਂ ਜੋ ਮੌਜੂਦਾ ਖਿਡਾਰੀਆਂ ਨੂੰ ਨਵੇਂ ਆਉਣ ਵਾਲਿਆਂ ਨੂੰ ਘੱਟ ਕੀਮਤ ‘ਤੇ ਪੇਸ਼ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦੀਆਂ ਹਨ
• ਮਲਕੀਅਤ ਵਾਲੀ ਬੌਧਿਕ ਸੰਪੱਤੀ ਜਾਂ ਨਿਯਮਕ ਸੁਰੱਖਿਆ ਜੋ ਕਾਨੂੰਨੀ ਤੌਰ ਤੇ ਨਕਲਕਾਰਾਂ ਨੂੰ ਬਾਹਰ ਰੱਖਦੀ ਹੈ
• ਦੁਰਲੱਭ ਇਨਪੁੱਟ ਜਾਂ ਵੰਡ ਚੈਨਲ ਉੱਤੇ ਨਿਯੰਤਰਣ ਜਿਸ ਤੱਕ ਮੁਕਾਬਲਾਚੀ ਪਹੁੰਚ ਨਹੀਂ ਕਰ ਸਕਦੇ

ਹਰ ਕਿਰਾਇਆ ਸਰੋਤ ਇੱਕ ਘਰਸ਼ਣ ਹੈ

ਉਹਨਾਂ ਸਾਰੇ ਕਿਰਾਇਆ ਸਰੋਤਾਂ ਵਿਚੋਂ ਹਰ ਇੱਕ ਇੱਕ ਘਰਸ਼ਣ ਹੈ। ਖਾਈ ਅਸਲ ਵਿੱਚ ਘਰਸ਼ਣ ਦਾ ਹੀ ਇੱਕ ਰੂਪ ਹੈ ਜਿਸਨੂੰ ਮੁਕਾਬਲਾਚੀ ਸਸਤੇ ਵਿੱਚ ਪਾਰ ਨਹੀਂ ਕਰ ਸਕਦੇ:

• ਉੱਚ ਤਬਦੀਲੀ ਲਾਗਤਾਂ ਗਾਹਕ ਦੇ ਬਾਹਰ ਨਿਕਲਣ ਵਿੱਚ ਘਰਸ਼ਣ ਹਨ।
• ਦਾਖਲੇ ਲਈ ਰੁਕਾਵਟਾਂ ਮੁਕਾਬਲਾਚੀ ਦੇ ਆਉਣ ਵਿੱਚ ਘਰਸ਼ਣ ਹਨ।
• ਨੈੱਟਵਰਕ ਪ੍ਰਭਾਵ ਉਸ ਸਮਨ्वਯ ਵਿੱਚ ਘਰਸ਼ਣ ਹਨ ਜੋ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਇਕੱਠੇ ਹੋ ਕੇ ਕਿਸੇ ਹੋਰ ਥਾਂ ਜਾਣ ਲਈ ਚਾਹੀਦਾ ਹੈ।
• ਉਤਪਾਦਨ ਪੈਮਾਨਾ ਉਸ ਪੂੰਜੀ ਅਤੇ ਸਮੇਂ ਵਿੱਚ ਘਰਸ਼ਣ ਹੈ ਜੋ ਇੱਕ ਨਵੇਂ ਆਉਣ ਵਾਲੇ ਨੂੰ ਮੁਕਾਬਲਾਤਮਕ ਪ੍ਰਤੀ ਇਕਾਈ ਲਾਗਤ ਤੱਕ ਪਹੁੰਚਣ ਤੋਂ ਪਹਿਲਾਂ ਡੁਬੋਣਾ ਪੈਂਦਾ ਹੈ।

ਇਹ ਤੁਹਾਨੂੰ ਬਿਲਕੁਲ ਦੱਸਦਾ ਹੈ ਕਿ ਜਨਰੇਟਿਵ ਏਆਈ ਵਰਗੀ ਕੋਈ ਚੀਜ਼, ਜਾਂ ਚੀਨੀ ਉਦਯੋਗਿਕ ਘਣਤਾ ਵਰਗੀ ਕੋਈ ਚੀਜ਼, ਅਸਲ ਵਿੱਚ ਬਾਜ਼ਾਰ ਨਾਲ ਕੀ ਕਰਦੀ ਹੈ। ਇਹ ਤਾਕਤਾਂ ਉਤਪਾਦਾਂ ਉੱਤੇ ਹਮਲਾ ਨਹੀਂ ਕਰਦੀਆਂ। ਇਹ ਘਰਸ਼ਣਾਂ ਉੱਤੇ ਹਮਲਾ ਕਰਦੀਆਂ ਹਨ। ਇਹ ਘਰਸ਼ਣ ਘੁਲਾਉਣ ਵਾਲੀਆਂ ਤਕਨਾਲੋਜੀਆਂ ਹਨ। ਅਤੇ ਘਰਸ਼ਣ ਘੁਲਾਉਣ ਵਾਲੀ ਤਕਨਾਲੋਜੀ ਪਰਿਭਾਸ਼ਾ ਅਨੁਸਾਰ ਖਾਈ ਘੁਲਾਉਣ ਵਾਲੀ ਤਕਨਾਲੋਜੀ ਹੁੰਦੀ ਹੈ।

ਪੂਰਾ ਤਰਕ ਇੱਕ ਹੀ ਵਾਕ ਵਿੱਚ ਸਮੇਟਿਆ ਜਾ ਸਕਦਾ ਹੈ: ਸਾਫਟਵੇਅਰ ਅਤੇ ਹਾਰਡਵੇਅਰ ਦੀਆਂ ਖਾਈਆਂ ਇਸ ਲਈ ਢਹਿ ਗਈਆਂ ਕਿਉਂਕਿ ਜਿਹੜੀਆਂ ਖਾਸ ਘਰਸ਼ਣਾਂ ਨੇ ਉਹਨਾਂ ਦਾ ਕਿਰਾਇਆ ਪੈਦਾ ਕੀਤਾ ਸੀ, ਉਹੀ ਘਰਸ਼ਣਾਂ ਸਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਏਆਈ ਅਤੇ ਚੀਨੀ ਇਕੱਤਰਤਾ ਹਟਾਉਣ ਵਿੱਚ ਅਸਾਧਾਰਣ ਤੌਰ ਤੇ ਚੰਗੇ ਸਾਬਤ ਹੋਏ।

ਭਾਗ ਦੋ: ਸਾਫਟਵੇਅਰ ਖਾਈ ਦਾ ਇਤਿਹਾਸਕ ਰੂਪ & ਕਿਉਂ ਬਿੱਟਾਂ ਨੇ ਪੈਸਾ ਛਾਪਿਆ

ਢਹਿਰਾਵ ਨੂੰ ਸਮਝਣ ਲਈ, ਪਹਿਲਾਂ ਇਹ ਸਮਝਣਾ ਪੈਂਦਾ ਹੈ ਕਿ ਸਾਫਟਵੇਅਰ ਇਤਿਹਾਸਕ ਤੌਰ ਤੇ ਉਹ ਸਭ ਤੋਂ ਵਧੀਆ ਵਪਾਰਕ ਢਾਂਚਾ ਕਿਉਂ ਸੀ ਜੋ ਪੂੰਜੀਵਾਦ ਨੇ ਕਦੇ ਲੱਭਿਆ, ਕਿਉਂਕਿ ਢਹਿਰਾਵ ਸਿਰਫ਼ ਉਹਨਾਂ ਚੀਜ਼ਾਂ ਦਾ ਉਲਟ ਹੋਣਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੇ ਇਸਨੂੰ ਮਹਾਨ ਬਣਾਇਆ ਸੀ।

ਸਾਫਟਵੇਅਰ ਦੀ ਲਾਗਤ ਸੰਰਚਨਾ ਲਗਭਗ ਵਿਲੱਖਣ ਸੀ। ਇਸ ਨੇ ਪਹਿਲੀ ਨਕਲ ਬਣਾਉਣ ਲਈ ਉੱਚ ਨਿਸ਼ਚਿਤ ਲਾਗਤ ਨੂੰ ਉਸ ਤੋਂ ਬਾਅਦ ਹਰ ਨਕਲ ਨੂੰ ਦੁਹਰਾਉਣ ਅਤੇ ਭੇਜਣ ਦੀ ਲਗਭਗ ਸ਼ੂਨ੍ਯ ਸੀਮਾਂਤ ਲਾਗਤ ਨਾਲ ਜੋੜਿਆ। ਇੱਕ ਜਟਿਲ ਪ੍ਰੋਗਰਾਮ ਦਾ ਪਹਿਲਾ ਸੰਸਕਰਣ ਲਿਖਣ ਲਈ ਮਹਿੰਗੇ, ਲੱਭਣ ਔਖੇ, ਅਤੇ ਸਿਖਲਾਈ ਵਿੱਚ ਸਮਾਂ ਲੈਣ ਵਾਲੇ ਇੰਜੀਨੀਅਰਾਂ ਦੀ ਘਾਟ ਵਾਲੀ ਟੀਮ ਮਹੀਨਿਆਂ ਜਾਂ ਸਾਲਾਂ ਤੱਕ ਕੰਮ ਕਰਦੀ ਸੀ। ਪਰ ਜਦੋਂ ਇਹ ਲਿਖਿਆ ਗਿਆ, ਤਾਂ ਲੱਖਵੀਂ ਨਕਲ ਬਣਾਉਣ ਦੀ ਲਾਗਤ ਅਮਲੀ ਤੌਰ ਤੇ ਕੁਝ ਵੀ ਨਹੀਂ ਸੀ ਅਤੇ ਪਹੁੰਚਾਉਣ ਦੀ ਲਾਗਤ ਵੀ ਕੁਝ ਨਹੀਂ ਸੀ। ਇਹ ਅਸਮਾਨਤਾ ਭਾਰੀ ਕਾਰਜਕਾਰੀ ਲੈਵਰੇਜ ਪੈਦਾ ਕਰਦੀ ਸੀ। ਪੱਕਾ ਹੋਇਆ ਹੌਰਿਜ਼ਾਂਟਲ ਸਾਫਟਵੇਅਰ Atlassian ਨੇ Q2 FY2025 ਲਈ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ ਦਿੱਤੇ ਵਾਂਗ ਅੱਸੀ ਪ੍ਰਤੀਸ਼ਤ ਦੇ ਦਾਇਰੇ ਵਿੱਚ gross margin ਦਰਜ ਕਰ ਸਕਦਾ ਹੈ, ਕਿਉਂਕਿ ਆਮਦਨ ਉਪਭੋਗਤਾਵਾਂ ਦੇ ਨਾਲ ਸਕੇਲ ਕਰਦੀ ਹੈ ਜਦਕਿ ਵਿਕਰੀ ਦੀ ਲਾਗਤ ਹਿਲਦੀ ਹੀ ਨਹੀਂ। ਪਰ ਇਹ ਬਿਆਨ ਪਹਿਲਾਂ ਜਿੰਨਾ ਸਰਵਭੌਮ ਸੀ, ਹੁਣ ਉਨਾ ਨਹੀਂ ਰਹਿਆ, ਕਿਉਂਕਿ Snowflake ਨੇ FY2025 ਵਿੱਚ ਲਗਭਗ 67 ਪ੍ਰਤੀਸ਼ਤ gross margin ਦਰਜ ਕੀਤੀ, ਅੰਸ਼ਿਕ ਤੌਰ ਤੇ ਇਸ ਲਈ ਕਿ ਤੀਸਰੇ ਪੱਖ ਦੀ ਕਲਾਉਡ ਬੁਨਿਆਦੀਆਂ ਢਾਂਚੇ ਦੀ ਲਾਗਤ ਆਮਦਨ ਦੀ ਲਾਗਤ ਦੇ ਅੰਦਰ ਆ ਜਾਂਦੀ ਹੈ। ਆਰਥਿਕ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਸਾਫਟਵੇਅਰ ਇੱਕ ਖ਼ਾਲਿਸ ਜਾਣਕਾਰੀ ਵਸਤੂ ਵਾਂਗ ਵਰਤਦਾ ਸੀ, ਅਤੇ ਜਾਣਕਾਰੀ ਵਸਤੂਆਂ ਉਤਪਾਦਨ ਅਤੇ ਲਾਗਤ ਦੇ ਉਸ ਆਮ ਸੰਬੰਧ ਨੂੰ ਤੋੜ ਦਿੰਦੀਆਂ ਹਨ ਜੋ ਭੌਤਿਕ ਕਮੋਡਿਟੀਆਂ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦਾ ਹੈ।

ਪਰ ਸਿਰਫ਼ ਘੱਟ ਸੀਮਾਂਤ ਲਾਗਤ ਹੀ ਖਾਈ ਨਹੀਂ ਬਣਾਉਂਦੀ। ਜੇ ਹਰ ਕੋਈ ਉਹ ਵਸਤੂ ਸਸਤੀ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ, ਤਾਂ ਘੱਟ ਸੀਮਾਂਤ ਲਾਗਤ ਤੁਹਾਨੂੰ ਮੁਨਾਫ਼ੇ ਦੀ ਥਾਂ ਨਾਸ਼ਕਾਰਕ ਮੁਕਾਬਲਾ ਦਿੰਦੀ ਹੈ। ਸਾਫਟਵੇਅਰ ਨੇ ਮੁਨਾਫ਼ਾ ਇਸ ਲਈ ਕਮਾਇਆ ਕਿਉਂਕਿ ਪਹਿਲੀ ਨਕਲ ਦੀ ਉੱਚ ਨਿਸ਼ਚਿਤ ਲਾਗਤ ਨੇ ਦਾਖਲੇ ਲਈ ਰੁਕਾਵਟ ਦਾ ਕੰਮ ਕੀਤਾ, ਅਤੇ ਕਿਉਂਕਿ ਉਸ ਦੇ ਉੱਪਰ ਕਈ ਹੋਰ ਘਰਸ਼ਣਾਂ ਵੀ ਚੜ੍ਹੀਆਂ ਹੋਈਆਂ ਸਨ:

• ਇੰਜੀਨੀਅਰਿੰਗ ਪ੍ਰਤਿਭਾ ਦੀ ਘਾਟ। ਗੈਰ-ਤੁੱਛ ਸਾਫਟਵੇਅਰ ਬਣਾਉਣ ਲਈ ਅਜੇਹੇ ਲੋਕ ਚਾਹੀਦੇ ਸਨ ਜੋ ਮਹਿੰਗੇ, ਰੱਖਣ ਔਖੇ, ਅਤੇ ਸਮਨ्वਯ ਕਰਨਾ ਮੁਸ਼ਕਲ ਸਨ, ਇਸ ਲਈ ਜ਼ਿਆਦਾਤਰ ਸੰਭਾਵਿਤ ਮੁਕਾਬਲਾਚੀ ਇਕ ਭਰੋਸੇਯੋਗ ਨਕਲ ਬਣਾਉਣ ਲਈ ਟੀਮ ਇਕੱਠੀ ਹੀ ਨਹੀਂ ਕਰ ਸਕਦੇ ਸਨ।
• ਸਮਾਂ। ਚਾਹੇ ਕਿੰਨਾ ਵੀ ਚੰਗਾ ਫੰਡ ਮਿਲਿਆ ਹੋਇਆ ਮੁਕਾਬਲਾਚੀ ਹੋਵੇ, ਉਸ ਨੂੰ ਰਿਵਰਸ ਇੰਜੀਨੀਅਰ ਕਰਨ, ਵਿਸ਼ੇਸ਼ਤਾ ਲਿਖਣ, ਬਣਾਉਣ, ਟੈਸਟ ਕਰਨ, ਅਤੇ ਇੱਕ ਮੁਕਾਬਲੀ ਉਤਪਾਦ ਭੇਜਣ ਲਈ ਬਹੁਤ ਮਹੀਨੇ ਲੱਗਦੇ ਸਨ, ਅਤੇ ਉਹਨਾਂ ਮਹੀਨਿਆਂ ਦੌਰਾਨ ਮੌਜੂਦਾ ਖਿਡਾਰੀ ਕੋਲ ਉਪਭੋਗਤਾਵਾਂ, ਆਮਦਨ, ਅਤੇ ਹੋਰ ਉਤਪਾਦ ਗਹਿਰਾਈ ਇਕੱਠੀ ਕਰਨ ਲਈ ਅਸਥਾਈ ਏਕਾਧਿਕਾਰ ਹੁੰਦਾ ਸੀ।
• ਤਬਦੀਲੀ ਲਾਗਤ। ਇੱਕ ਵਾਰ ਜਦੋਂ ਗਾਹਕ ਨੇ ਆਪਣਾ ਡਾਟਾ ਕਿਸੇ ਸਿਸਟਮ ਵਿੱਚ ਪਾ ਲਿਆ, ਆਪਣੀ ਟੀਮ ਨੂੰ ਉਸ ਇੰਟਰਫੇਸ ਉੱਤੇ ਤਾਲੀਮ ਦੇ ਦਿੱਤੀ, ਅਤੇ ਕਸਟਮ ਇੰਟੀਗ੍ਰੇਸ਼ਨਾਂ ਰਾਹੀਂ ਸਿਸਟਮ ਨੂੰ ਬਾਕੀ ਸਭ ਨਾਲ ਜੋੜ ਦਿੱਤਾ, ਤਾਂ ਚੱਲੇ ਜਾਣਾ ਬਹੁਤ ਮਹਿੰਗਾ ਹੋ ਗਿਆ ਭਾਵੇਂ ਕੋਈ ਹੋਰ ਚੀਜ਼ ਬਿਹਤਰ ਅਤੇ ਸਸਤੀ ਹੀ ਕਿਉਂ ਨਾ ਆ ਜਾਵੇ।
• ਖਰੀਦਣ ਬਨਾਮ ਖੁਦ ਬਣਾਉਣ ਦੀ ਗਣਨਾ। ਕਿਉਂਕਿ ਕਸਟਮ ਅੰਦਰੂਨੀ ਸਾਫਟਵੇਅਰ ਬਣਾਉਣਾ ਖੁਦ ਮਹਿੰਗਾ ਅਤੇ ਖਤਰਨਾਕ ਸੀ, ਕੰਪਨੀਆਂ ਤਰਕਸੰਗਤ ਤੌਰ ਤੇ ਆਪਣੇ ਆਪ ਬਣਾਉਣ ਦੀ ਥਾਂ ਮਿਆਰੀ ਤਿਆਰ-ਮਾਲ ਉਤਪਾਦ ਖਰੀਦਦੀਆਂ ਸਨ, ਜਿਸ ਨਾਲ ਪੈਕੇਜਡ ਸਾਫਟਵੇਅਰ ਵਿਕਰੇਤਿਆਂ ਲਈ ਵੱਡਾ ਬਾਜ਼ਾਰ ਯਕੀਨੀ ਹੋ ਜਾਂਦਾ ਸੀ।
• ਨੈੱਟਵਰਕ ਪ੍ਰਭਾਵ ਅਤੇ ਇਕੱਠਾ ਹੁੰਦਾ ਮਲਕੀਅਤ ਡਾਟਾ, ਸਭ ਤੋਂ ਵਧੀਆ ਮਾਮਲਿਆਂ ਵਿੱਚ ਇਸ ਸਭ ਦੇ ਉੱਪਰ ਹੋਰ ਵੀ ਚੜ੍ਹੇ ਹੋਏ।

ਢਾਂਚਾਗਤ ਕਮਜ਼ੋਰੀ

ਦੇਖੋ ਕਿ ਉਹ ਸੂਚੀ ਕਿੰਨਾਂ ਤੋਂ ਬਣੀ ਹੈ। ਉਹਨਾਂ ਪੰਜ ਘਰਸ਼ਣਾਂ ਵਿੱਚੋਂ ਸਿਰਫ਼ ਇੱਕ, ਨੈੱਟਵਰਕ ਪ੍ਰਭਾਵ, ਉਤਪਾਦ ਦੇ ਮੰਗ ਪੱਖ ਵਿਚ ਅੰਦਰੂਨੀ ਹੈ। ਬਾਕੀ ਚਾਰ, ਪ੍ਰਤਿਭਾ ਦੀ ਘਾਟ, ਬਣਾਉਣ ਦਾ ਸਮਾਂ, ਤਬਦੀਲੀ ਲਾਗਤ, ਅਤੇ ਖਰੀਦਣ-ਬਨਾਉਣ ਜੁਰਮਾਨਾ, ਸਾਰੇ ਸਪਲਾਈ ਪੱਖ ਦੇ ਉਤਪਾਦਨ ਘਰਸ਼ਣ ਹਨ। ਇਹ ਇਸ ਗੱਲ ਦੇ ਨਤੀਜੇ ਹਨ ਕਿ ਸਾਫਟਵੇਅਰ ਬਣਾਉਣਾ ਅਤੇ ਬਦਲਣਾ ਕਿੰਨਾ ਔਖਾ, ਹੌਲਾ, ਅਤੇ ਮਹਿੰਗਾ ਸੀ।

ਇਹੀ ਕਮਜ਼ੋਰੀ ਹੈ। ਜਿਸ ਕਾਰੋਬਾਰ ਦੀ ਰੱਖਿਆਯੋਗਤਾ ਜ਼ਿਆਦਾਤਰ ਇਸ ਗੱਲ ‘ਤੇ ਟਿਕੀ ਹੋਵੇ ਕਿ ਵਸਤੂ ਬਣਾਉਣੀ ਕਿੰਨੀ ਔਖੀ ਹੈ, ਉਹ ਸਿਰਫ਼ ਉਸੇ ਹੱਦ ਤੱਕ ਰੱਖਿਆਯੋਗ ਹੈ ਜਦੋਂ ਤੱਕ ਉਤਪਾਦਨ ਔਖਾ ਰਹਿੰਦਾ ਹੈ। ਜਦੋਂ ਸਾਫਟਵੇਅਰ ਬਣਾਉਣ ਅਤੇ ਬਦਲਣ ਦੀ ਲਾਗਤ ਡਿੱਗਦੀ ਹੈ, ਪੰਜ ਵਿੱਚੋਂ ਚਾਰ ਥੰਮ ਵੀ ਉਸਦੇ ਨਾਲ ਹੀ ਢਹਿ ਜਾਂਦੇ ਹਨ, ਅਤੇ ਸਿਰਫ਼ ਮੰਗ ਪੱਖ ਵਾਲਾ ਨੈੱਟਵਰਕ ਪ੍ਰਭਾਵ ਬਚਦਾ ਹੈ।

ਉਹੀ ਢਹਿਰਾਵ ਜਨਰੇਟਿਵ ਏਆਈ ਨੇ ਪਹੁੰਚਾਇਆ।

ਭਾਗ ਤਿੰਨ: ਏਆਈ ਝਟਕਾ & ਸਾਫਟਵੇਅਰ ਖਾਈ ਦਾ ਘੁਲਣਾ

ਸਾਫ਼ਟਵੇਅਰ ਅਰਥਸ਼ਾਸਤਰ ਨਾਲ ਜਨਰੇਟਿਵ AI ਨੇ ਜੋ ਕੀਤਾ, ਉਸਨੂੰ ਮਾਡਲ ਕਰਨ ਦਾ ਸਹੀ ਤਰੀਕਾ ਇਹ ਹੈ ਕਿ ਇਸਨੂੰ ਸਾਫ਼ਟਵੇਅਰ ਦੀ ਉਤਪਾਦਨ ਫੰਕਸ਼ਨ ਉੱਤੇ ਇੱਕ ਝਟਕੇ ਵਾਂਗ ਲਿਆ ਜਾਵੇ। ਬੁਨਿਆਦੀ ਅਰਥਸ਼ਾਸਤਰ ਵਿੱਚ, ਕਿਸੇ ਵੀ ਚੀਜ਼ ਨੂੰ ਉਤਪਾਦਿਤ ਕਰਨ ਦੀ ਲਾਗਤ ਉਸਦੇ ਇਨਪੁੱਟਾਂ ਦੀ ਲਾਗਤ ਦਾ ਇੱਕ ਫੰਕਸ਼ਨ ਹੁੰਦੀ ਹੈ। ਸਾਫ਼ਟਵੇਅਰ ਲਈ, ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਇਨਪੁੱਟ ਹਮੇਸ਼ਾਂ ਹੁਨਰਮੰਦ ਮਨੁੱਖੀ ਸੰਜਾਣਾਤਮਕ ਮਜ਼ਦੂਰੀ ਰਹੀ ਹੈ, ਖ਼ਾਸ ਤੌਰ ‘ਤੇ ਵਪਾਰਕ ਲੋੜ ਨੂੰ ਸਹੀ, ਟੈਸਟ ਕੀਤੇ ਹੋਏ, ਡਿਪਲੌਏ ਕਰਨ ਯੋਗ ਕੋਡ ਵਿੱਚ ਬਦਲਣ ਦੀ ਮਜ਼ਦੂਰੀ। ਉਹ ਮਜ਼ਦੂਰੀ ਹੀ ਉਹ ਦੁਲੱਭ, ਮਹਿੰਗਾ ਇਨਪੁੱਟ ਸੀ ਜਿਸਨੇ ਦਾਖ਼ਲੇ ਲਈ ਰੁਕਾਵਟ ਪੈਦਾ ਕੀਤੀ।

ਜਨਰੇਟਿਵ AI ਅਤੇ ਖੁਦਕਾਰ ਕੋਡਿੰਗ ਏਜੰਟ ਉਸ ਇਨਪੁੱਟ ‘ਤੇ ਸਿੱਧਾ ਹਮਲਾ ਕਰਦੇ ਹਨ। ਉਹ ਕਈ ਕੰਮਾਂ ਵਿੱਚ ਇਤਿਹਾਸਕ ਲਾਗਤ ਦੇ ਇਕ ਅੰਸ਼ ‘ਤੇ ਕੋਡ ਬਣਾਉਂਦੇ, ਰੀਫੈਕਟਰ ਕਰਦੇ, ਡੀਬੱਗ ਕਰਦੇ, ਦਸਤਾਵੇਜ਼ ਬਣਾਉਂਦੇ, ਅਤੇ ਡਿਪਲੌਇ ਕਰਦੇ ਹਨ। ਇੱਕ ਨਿਯੰਤਰਿਤ GitHub Copilot ਪ੍ਰਯੋਗ ਨੇ ਪਾਇਆ ਕਿ ਡਿਵੈਲਪਰਾਂ ਨੇ ਇੱਕ ਸੀਮਿਤ ਕੋਡਿੰਗ ਕੰਮ 55.8 ਫੀਸਦ ਤੇਜ਼ੀ ਨਾਲ ਪੂਰਾ ਕੀਤਾ, ਅਤੇ 4,867 ਡਿਵੈਲਪਰਾਂ ‘ਤੇ ਇੱਕ ਫੀਲਡ ਅਧਿਐਨ ਨੇ 26.08 ਫੀਸਦ ਵੱਧ ਕੰਮ ਪੂਰੇ ਹੋਣ ਦਾ ਪਤਾ ਲਗਾਇਆ। ਪ੍ਰਭਾਵ ਅਸਲੀ ਹੈ, ਪਰ ਅਸਮਾਨ ਹੈ, ਕਿਉਂਕਿ METR ਦੀ 2025 ਰੈਂਡਮਾਈਜ਼ਡ ਟਰਾਇਲ ਨੇ ਪਾਇਆ ਕਿ ਮਜ਼ਬੂਤ, ਜਾਣ ਪਛਾਣ ਵਾਲੀਆਂ ਪੱਕੀਆਂ ਕੋਡਬੇਸਾਂ ਵਿੱਚ ਕੰਮ ਕਰ ਰਹੇ ਅਨੁਭਵੀ ਓਪਨ ਸੋਰਸ ਡਿਵੈਲਪਰ ਸ਼ੁਰੂਆਤੀ-2025 AI ਟੂਲਜ਼ ਨਾਲ 19 ਫੀਸਦ ਹੌਲੇ ਸਨ, ਜਦਕਿ ਉਹ ਮੰਨਦੇ ਰਹੇ ਕਿ ਉਹ ਤੇਜ਼ ਸਨ। ਸੁਰੱਖਿਅਤ ਨਤੀਜਾ ਇਹ ਨਹੀਂ ਕਿ AI ਹਰ ਇੰਜੀਨੀਅਰ ਨੂੰ ਹਰ ਸੈਟਿੰਗ ਵਿੱਚ ਤੇਜ਼ ਕਰ ਦਿੰਦਾ ਹੈ। ਗੱਲ ਇਹ ਹੈ ਕਿ AI ਕੋਡ ਬਣਾਉਣ ਦੀ ਲਾਗਤ ਨੂੰ ਸੰਕੁਚਿਤ ਕਰਦਾ ਹੈ, ਖ਼ਾਸ ਤੌਰ ‘ਤੇ ਸੀਮਿਤ, ਨਵੀਂ ਸ਼ੁਰੂਆਤ ਵਾਲੇ, ਅਤੇ ਘੱਟ ਸੀਨੀਅਰ ਕੰਮਾਂ ਲਈ। ਦੁਲੱਭ ਇਨਪੁੱਟ ਹੋਰ ਵੱਧ ਉਪਲਬਧ ਬਣਾਇਆ ਜਾ ਰਿਹਾ ਹੈ। ਜਦੋਂ ਮੁੱਖ ਦੁਲੱਭ ਇਨਪੁੱਟ ਦੀ ਕੀਮਤ ਘਟਦੀ ਹੈ, ਤਾਂ ਉਸ ਦੁਲੱਭਤਾ ‘ਤੇ ਬਣੀ ਦਾਖ਼ਲੇ ਦੀ ਰੁਕਾਵਟ ਵੀ ਉਸਦੇ ਨਾਲ ਹੀ ਡਿੱਗ ਪੈਂਦੀ ਹੈ। ਉਹ ਇਕੋ ਮਕੈਨਿਜ਼ਮ ਸਪਲਾਈ-ਪਾਸੇ ਦੇ ਚਾਰਾਂ ਸਤੰਭਾਂ ਵਿਚੋਂ ਲੰਘਦਾ ਹੋਇਆ ਅਸਰ ਕਰਦਾ ਹੈ।

ਇਹ ਬਦਲਾਅ ਉਹਨਾਂ ਟੂਲਜ਼ ਵਿੱਚ ਸਾਫ਼ ਦਿਖਦਾ ਹੈ ਜੋ ਡਿਵੈਲਪਰ ਅਸਲ ਵਿੱਚ ਵਰਤਦੇ ਹਨ। ਪਹਿਲਾਂ IDE-ਮੂਲ ਕੋਪਾਇਲਟ ਆਏ, ਜਿਵੇਂ ਕਿ Cursor। ਫਿਰ ਟਰਮੀਨਲ-ਮੂਲ ਕੋਡਿੰਗ ਏਜੰਟ ਆਏ, ਜਿਵੇਂ ਕਿ Claude Code, Codex CLI, Kiro CLI, ਅਤੇ OpenCode, ਜਿੱਥੇ ਮਾਡਲ ਰਿਪੋ ਨੂੰ ਪੜ੍ਹਦਾ ਹੈ, ਫਾਇਲਾਂ ਸੋਧਦਾ ਹੈ, ਕਮਾਂਡਾਂ ਚਲਾਉਂਦਾ ਹੈ, ਅਤੇ ਇੰਜੀਨੀਅਰ ਵਾਲੇ ਹੀ ਵਾਤਾਵਰਣ ਦੇ ਖਿਲਾਫ਼ ਦੁਹਰਾਉਂਦਾ ਹੈ। ਹੁਣ ਇੱਕ ਤੀਜੀ ਪਰਤ ਮਲਟੀ-ਏਜੰਟ ਓਰਕੇਸਟ੍ਰੇਸ਼ਨ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਉਭਰ ਰਹੀ ਹੈ, ਜਿਸ ਵਿੱਚ Conductor, Superset, ਅਤੇ Hermes Agent ਵਰਗੇ ਟੂਲ ਕਈ ਏਜੰਟਾਂ ਨੂੰ ਪ੍ਰੋਜੈਕਟਾਂ ਅਤੇ ਵਾਤਾਵਰਣਾਂ ਦੇ ਆਰ ਪਾਰ ਸਹਿਮਤ ਕਰ ਰਹੇ ਹਨ। ਇਹ ਤਰੱਕੀ ਸਪਸ਼ਟ ਹੈ। ਇਹ ਆਟੋਕੰਪਲੀਟ ਤੋਂ ਖੁਦਕਾਰ ਏਜੰਟਾਂ ਵੱਲ, ਫਿਰ ਸਮਾਂਤਰ ਕਈ ਏਜੰਟਾਂ ਦੀ ਓਰਕੇਸਟ੍ਰੇਸ਼ਨ ਵੱਲ ਚਲੀ ਗਈ ਹੈ, ਅਤੇ ਇਹ ਸਿਰਫ਼ ਹੋਰ ਤੇਜ਼ੀ ਨਾਲ ਵਧੇਗੀ। ਡਿਜ਼ਿਟਲ ਕੰਮ ਨੂੰ ਹਰ ਸਾਲ ਆਟੋਮੇਟ ਕਰਨਾ ਹੋਰ ਆਸਾਨ ਹੋਵੇਗਾ, ਅਤੇ ਜੋ ਟੂਲ ਅੱਜ ਇੱਕ ਹੁਨਰਮੰਦ ਓਪਰੇਟਰ ਮੰਗਦੇ ਹਨ, ਕੱਲ੍ਹ ਉਹ ਘੱਟ ਤੋਂ ਘੱਟ ਮਨੁੱਖੀ ਦਖ਼ਲ ਮੰਗਣਗੇ।

1. ਦਾਖ਼ਲੇ ਲਈ ਰੁਕਾਵਟ ਦਾ ਢਹਿ ਜਾਣਾ

ਇੱਕ ਭਰੋਸੇਯੋਗ ਸਾਫ਼ਟਵੇਅਰ ਉਤਪਾਦ ਸ਼ੁਰੂ ਕਰਨ ਲਈ ਪਹਿਲਾਂ ਅਸਲ ਸੀਡ ਕੈਪੀਟਲ ਦੀ ਲੋੜ ਹੁੰਦੀ ਸੀ, ਜਿਸਦਾ ਜ਼ਿਆਦਾਤਰ ਹਿੱਸਾ MVP ਬਣਾਉਣ ਲਈ ਲੋੜੀਂਦੇ ਇੰਜੀਨੀਅਰਾਂ ਦੀ ਭਰਤੀ ‘ਤੇ ਜਾਂਦਾ ਸੀ। ਉਹ ਪੂੰਜੀ ਦੀ ਲੋੜ ਬਾਜ਼ਾਰ ਨੂੰ ਛਾਣਦੀ ਸੀ। ਸਿਰਫ਼ ਉਹੀ ਉਪਰਾਲੇ ਜੋ ਪੈਸਾ ਇਕੱਠਾ ਕਰ ਸਕਦੇ ਸਨ ਅਤੇ ਟੈਲੈਂਟ ਭਰਤੀ ਕਰ ਸਕਦੇ ਸਨ, ਅਸਲ ਵਿੱਚ ਕੁਝ ਸ਼ਿਪ ਕਰਦੇ ਸਨ, ਅਤੇ ਮੁਕਾਬਲੇਬਾਜ਼ਾਂ ਦੀ ਜੋ ਘਾਟ ਸੀ, ਉਹ ਖੁਦ ਹੀ ਮੌਜੂਦਾ ਖਿਡਾਰੀਆਂ ਦੀ ਸੁਰੱਖਿਆ ਦਾ ਹਿੱਸਾ ਸੀ।

ਜਦੋਂ ਇੱਕ ਡਿਵੈਲਪਰ ਚੰਗੇ AI ਟੂਲਿੰਗ ਨਾਲ ਪੁਰਾਣੇ ਸਮੇਂ ਅਤੇ ਲਾਗਤ ਦੇ ਇਕ ਛੋਟੇ ਜਿਹੇ ਹਿੱਸੇ ਵਿੱਚ ਇੱਕ ਚਮਕੀਲੀ, ਕੰਮ ਕਰਨ ਵਾਲੀ ਐਪਲੀਕੇਸ਼ਨ ਡਿਜ਼ਾਈਨ, ਬਣਾਉਣ, ਅਤੇ ਲਾਂਚ ਕਰ ਸਕਦਾ ਹੈ, ਤਾਂ ਉਹ ਛਾਣਣ ਵਾਲਾ ਫਿਲਟਰ ਗਾਇਬ ਹੋ ਜਾਂਦਾ ਹੈ। ਬਾਜ਼ਾਰ ਦਾਖ਼ਲ ਹੋਣ ਵਾਲਿਆਂ ਨਾਲ ਭਰ ਜਾਂਦਾ ਹੈ। ਮੁਕਾਬਲਾਤਮਕ ਅਰਥ ਵਿੱਚ, ਸਾਫ਼ਟਵੇਅਰ ਫੀਚਰਾਂ ਦੀ ਸਪਲਾਈ ਕਰਵ ਬਹੁਤ ਵੱਡੀ ਤਰ੍ਹਾਂ ਬਾਹਰ ਵੱਲ ਸਰਕਦੀ ਹੈ, ਅਤੇ ਮੂਲ ਕੀਮਤੀ ਸਿਧਾਂਤ ਤੁਹਾਨੂੰ ਬਿਨਾਂ ਕਿਸੇ ਅਸਪਸ਼ਟਤਾ ਦੇ ਦੱਸਦਾ ਹੈ ਕਿ ਅੱਗੇ ਕੀ ਹੁੰਦਾ ਹੈ। ਜਦੋਂ ਕਿਸੇ ਬਦਲੀ ਯੋਗ ਚੀਜ਼ ਦੀ ਸਪਲਾਈ ਲਗਭਗ ਨਿਸ਼ਚਿਤ ਮੰਗ ਦੇ ਮੁਕਾਬਲੇ ਤੇਜ਼ੀ ਨਾਲ ਵਧਦੀ ਹੈ, ਤਾਂ ਕੀਮਤ ਹਾਸ਼ੀਏ ਦੀ ਲਾਗਤ ਵੱਲ ਡਿੱਗਦੀ ਹੈ, ਅਤੇ ਕਿਉਂਕਿ ਸਾਫ਼ਟਵੇਅਰ ਦੀ ਹਾਸ਼ੀਏ ਦੀ ਲਾਗਤ ਸ਼ੂਨਯ ਦੇ ਨੇੜੇ ਹੁੰਦੀ ਹੈ, ਕੀਮਤ ਵੀ ਸ਼ੂਨਯ ਵੱਲ ਖਿੱਚੀ ਜਾਂਦੀ ਹੈ। ਸਾਫ਼ਟਵੇਅਰ ਸਪਲਾਈ ਦੀ ਅਤਿ-ਪ੍ਰਚੁਰਤਾ, ਮਕੈਨਿਕਲ ਤੌਰ ‘ਤੇ, ਸਾਫ਼ਟਵੇਅਰ ਦੀ ਕੀਮਤੀ ਤਾਕਤ ਦਾ ਨਾਸ ਹੈ।

2. ਸਮੇਂਕਾਲੀਕ ਫ਼ਾਇਦੇ ਦਾ ਢਹਿ ਜਾਣਾ

ਇਹ ਸ਼ਾਇਦ ਸਾਰੇ ਸਾਫ਼ਟਵੇਅਰ ਮੋਅਟਾਂ ਵਿਚੋਂ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਸੀ। ਤੇਜ਼ੀ ਨਾਲ ਸ਼ਿਪ ਕਰਨ ਅਤੇ ਦੁਹਰਾਉਣ ਦੀ ਪੂਰੀ ਲੌਜਿਕ ਇਸ ਗੱਲ ‘ਤੇ ਨਿਰਭਰ ਸੀ ਕਿ ਇਕ ਵਾਰ ਜਾਰੀ ਕੀਤੀ ਗਈ ਫੀਚਰ ਉਸਦੇ ਬਣਾਉਣ ਵਾਲੇ ਨੂੰ ਮਹੀਨਿਆਂ ਦਾ ਵਿਸ਼ੇਸ਼ ਅਗਾਂਹਪਨ ਦਿੰਦੀ ਸੀ, ਇਸ ਤੋਂ ਪਹਿਲਾਂ ਕਿ ਕੋਈ ਹੋਰ ਉਸਦੀ ਨਕਲ ਕਰ ਸਕੇ। ਉਹ ਲੀਡ ਟਾਈਮ ਉਹ ਖਿੜਕੀ ਸੀ ਜਿੱਥੇ ਨੈੱਟਵਰਕ ਪ੍ਰਭਾਵ, ਬ੍ਰਾਂਡ, ਅਤੇ ਗਾਹਕ ਸਥਾਪਿਤ ਹੁੰਦੇ ਸਨ।

AI ਨਕਲ ਕਰਨ ਦੇ ਚੱਕਰ ਨੂੰ ਮਹੀਨਿਆਂ ਤੋਂ ਘੰਟਿਆਂ ਤੱਕ ਸੰਕੁਚਿਤ ਕਰ ਦਿੰਦਾ ਹੈ। ਇੱਕ ਮੁਕਾਬਲੇਬਾਜ਼ ਉਤਪਾਦ ਦੇ ਇੰਟਰਫੇਸ ਨੂੰ ਦੇਖ ਸਕਦਾ ਹੈ, ਉਸਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਨੂੰ ਇੱਕ ਕੋਡਿੰਗ ਏਜੰਟ ਨੂੰ ਵਰਣਨ ਕਰ ਸਕਦਾ ਹੈ, ਅਤੇ ਲਗਭਗ ਤੁਰੰਤ ਇੱਕ ਕੰਮ ਕਰਨ ਵਾਲੀ ਨਕਲ ਲੈ ਸਕਦਾ ਹੈ, ਬਿਨਾਂ ਕਦੇ ਅਸਲ ਸੋਰਸ ਕੋਡ ਦੇਖੇ, ਕਿਉਂਕਿ ਮੁੱਲ ਕਦੇ ਵੀ ਅਸਲ ਵਿੱਚ ਵਿਸ਼ੇਸ਼ ਕੋਡ ਵਿੱਚ ਨਹੀਂ ਸੀ। ਇਹ ਵਿਸ਼ੇਸ਼ਤਾ ਵਿੱਚ ਸੀ, ਅਤੇ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਹੁਣ ਬਹੁਤ ਘੱਟ ਕੀਮਤੀ ਹੈ।

ਜਦੋਂ ਨਕਲ ਕਰਨ ਦੀ ਦੇਰੀ ਸ਼ੂਨਯ ਦੇ ਨੇੜੇ ਪਹੁੰਚ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਉਹ ਅਸਥਾਈ ਇਕਾਧਿਕਾਰ ਜੋ ਤੇਜ਼ ਨਵੀਨੀਕਰਨ ਨੂੰ ਜਾਇਜ਼ ਬਣਾਉਂਦਾ ਸੀ, ਗਾਇਬ ਹੋ ਜਾਂਦਾ ਹੈ। ਨਵੀਨੀਕਰਨ ਅਜੇ ਵੀ ਹੁੰਦਾ ਹੈ, ਪਰ ਇਹ ਟਿਕਾਊ ਪ੍ਰੀਮੀਅਮ ਕਮਾਣਾ ਬੰਦ ਕਰ ਦਿੰਦਾ ਹੈ, ਕਿਉਂਕਿ ਨਵੀਨੀਕਰਨ ਕਰਨ ਦਾ ਇਨਾਮ ਤੁਰੰਤ ਨਕਲ ਕਰਨ ਵਾਲਿਆਂ ਨੂੰ ਸੌਂਪ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ। ਇਹ ਉਹ ਚੀਜ਼ ਹੈ ਜਿਸਨੂੰ David Teece ਨੇ ਆਪਣੇ 1986 ਦੇ ਤਕਨੀਕੀ ਨਵੀਨੀਕਰਨ ਤੋਂ ਮੁਨਾਫ਼ਾ ਕਮਾਉਣ ਵਾਲੇ ਪੇਪਰ ਵਿੱਚ appropriability problem ਕਿਹਾ ਸੀ। ਨਵੀਨੀਕਰਨ ਤਦ ਹੀ ਆਪਣੀ ਲਾਗਤ ਵਸੂਲ ਕਰਦਾ ਹੈ ਜਦੋਂ ਨਵੀਨੀਕਰਤਾ ਉਸ ਦੁਆਰਾ ਬਣਾਈ ਗਈ ਕਦਰ ਦਾ ਕਾਫ਼ੀ ਹਿੱਸਾ ਨਕਲ ਮੁਕਾਬਲੇ ਤੋਂ ਪਹਿਲਾਂ ਕੈਪਚਰ ਕਰ ਸਕੇ। AI ਸ਼ੁੱਧ ਸਾਫ਼ਟਵੇਅਰ ਨਵੀਨੀਕਰਨ ਦੀ appropriability ਨੂੰ ਸ਼ੂਨਯ ਵੱਲ ਧੱਕ ਦਿੰਦਾ ਹੈ।

3. ਸਵਿੱਚਿੰਗ ਲਾਗਤਾਂ ਦਾ ਖਤਮ ਹੋਣਾ

ਇਹ ਪਰੰਪਰਾਗਤ ਸਾਫ਼ਟਵੇਅਰ ਮੋਅਟਾਂ ਵਿੱਚੋਂ ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ਸੀ, ਕਿਉਂਕਿ ਇਹ ਤਦ ਵੀ ਕੰਮ ਕਰਦਾ ਸੀ ਜਦੋਂ ਕਿਸੇ ਮੁਕਾਬਲੇਬਾਜ਼ ਦਾ ਉਤਪਾਦ ਸਪਸ਼ਟ ਤੌਰ ‘ਤੇ ਵਧੀਆ ਹੁੰਦਾ ਸੀ। ਪਰ ਸਵਿੱਚਿੰਗ ਲਾਗਤਾਂ ਖੁਦ ਘਰਸ਼ਣਾਂ ਤੋਂ ਬਣੀਆਂ ਸਨ, ਜਿਵੇਂ ਇੱਕ ਸਕੀਮਾ ਤੋਂ ਦੂਜੇ ਵਿੱਚ ਡੇਟਾ ਮਾਈਗ੍ਰੇਟ ਕਰਨਾ, ਕਸਟਮ ਇੰਟੀਗ੍ਰੇਸ਼ਨਾਂ ਨੂੰ ਦੁਬਾਰਾ ਬਣਾਉਣਾ, ਅਤੇ ਅਣਜਾਣ ਇੰਟਰਫੇਸ ‘ਤੇ ਸਟਾਫ਼ ਨੂੰ ਮੁੜ-ਤਾਲੀਮ ਦੇਣਾ। ਉਹਨਾਂ ਵਿੱਚੋਂ ਹਰ ਇਕ ਬਿਲਕੁਲ ਉਹੀ ਥਕਾਉਂਦਾ, ਪੈਟਰਨ-ਆਧਾਰਿਤ ਅਨੁਵਾਦ ਕੰਮ ਹੈ ਜਿਸ ਵਿੱਚ AI ਚੰਗਾ ਹੈ।

AI-ਚਲਿਤ ਡੇਟਾ ਮੈਪਿੰਗ ਇੱਕ ਜਟਿਲ ਡੇਟਾਬੇਸ ਨੂੰ ਇੱਕ ਸਿਸਟਮ ਦੀ ਬਣਤਰ ਤੋਂ ਦੂਜੇ ਵਿੱਚ ਤੇਜ਼ੀ ਅਤੇ ਸਸਤੇ ਵਿੱਚ ਇੰਗੈਸਟ, ਨਾਰਮਲਾਈਜ਼, ਅਤੇ ਮਾਈਗ੍ਰੇਟ ਕਰ ਸਕਦੀ ਹੈ। ਨੈਚਰਲ ਲੈਂਗਵੇਜ ਇੰਟਰਫੇਸ ਮੁੜ-ਤਾਲੀਮ ਦੀ ਲਾਗਤ ਘਟਾਉਂਦੇ ਹਨ, ਕਿਉਂਕਿ ਯੂਜ਼ਰ ਹੁਣ ਆਪਣੇ ਆਪ ਨੂੰ ਇੱਕ ਮਾਲਕੀ ਮੀਨੂ ਟਰੀ ਯਾਦ ਕਰਨ ਦੀ ਬਜਾਏ ਗੱਲਬਾਤ ਰਾਹੀਂ ਵੱਧ ਤੋਂ ਵੱਧ ਇੰਟਰੈਕਟ ਕਰਦੇ ਹਨ, ਜਿਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇੱਕ ਵੇਂਡਰ ਦੇ ਇੰਟਰਫੇਸ ਵਿੱਚ ਬੰਨ੍ਹੀ ਇਕੱਠੀ ਕੀਤੀ ਹੁਨਰਤਾ ਹੁਣ ਸਵਿੱਚ ਕਰਨ ‘ਤੇ ਜੁਰਮਾਨੇ ਵਜੋਂ ਕੰਮ ਨਹੀਂ ਕਰਦੀ।

ਜਿਵੇਂ ਛੱਡਣ ਦੀ ਲਾਗਤ ਘਟਦੀ ਹੈ, ਤਿਵੇਂ ਫੜੇ ਗਏ ਗਾਹਕ ਦਾ ਆਜੀਵਨ ਮੁੱਲ ਵੀ ਘਟਦਾ ਹੈ, ਗਾਹਕ ਪ੍ਰਾਪਤੀ ਲਾਗਤ ਉਸ ਘਟ ਰਹੇ ਆਜੀਵਨ ਮੁੱਲ ਦੇ ਮੁਕਾਬਲੇ ਵੱਧ ਜਾਂਦੀ ਹੈ, ਅਤੇ ਪੂਰੇ ਸਬਸਕ੍ਰਿਪਸ਼ਨ ਮਾਡਲ ਦੀ ਯੂਨਿਟ ਅਰਥਵਿਵਸਥਾ ਖ਼ਰਾਬ ਹੋ ਜਾਂਦੀ ਹੈ। ਜਦੋਂ ਛੱਡਣਾ ਸਸਤਾ ਹੋ ਜਾਵੇ, ਤਾਂ ਗਾਹਕ ਦੀ ਨਾ ਛੱਡ ਸਕਣ ਦੀ ਸਮਰੱਥਾ ‘ਤੇ ਬਣਿਆ ਮੋਅਟ ਖਤਮ ਹੋ ਜਾਂਦਾ ਹੈ।

4. ਬਣਾਉਣਾ ਬਨਾਮ ਖਰੀਦਣਾ ਦਾ ਉਲਟ ਜਾਣਾ

ਇਹ ਚੁੱਪਚਾਪ ਖ਼ੁਦ ਸੰਬੋਧਯ ਬਾਜ਼ਾਰ ਨੂੰ ਨਸ਼ਟ ਕਰ ਦਿੰਦਾ ਹੈ। ਕੰਪਨੀਆਂ ਪੈਕੇਜਡ ਸਾਫ਼ਟਵੇਅਰ ਖਰੀਦਦੀਆਂ ਸਨ ਕਿਉਂਕਿ ਵਿਸ਼ੇਸ਼ ਅੰਦਰੂਨੀ ਟੂਲ ਬਣਾਉਣਾ ਕਿਸੇ ਵੀ ਚੀਜ਼ ਲਈ ਜੋ ਉਹਨਾਂ ਦੀਆਂ ਸਭ ਤੋਂ ਵੱਖਰੀਆਂ ਲੋੜਾਂ ਤੋਂ ਇਲਾਵਾ ਹੋਵੇ, ਬਹੁਤ ਮਹਿੰਗਾ, ਬਹੁਤ ਹੌਲਾ, ਅਤੇ ਬਹੁਤ ਜੋਖਿਮ ਭਰਿਆ ਸੀ। ਅੰਦਰੂਨੀ ਤੌਰ ‘ਤੇ ਬਣਾਉਣ ‘ਤੇ ਉਹ ਸਜ਼ਾ ਹੀ ਸੀ ਜਿਸਨੇ ਵੇਂਡਰਾਂ ਨੂੰ ਵੱਡਾ ਬਾਜ਼ਾਰ ਦਿੱਤਾ ਸੀ।

ਜਦੋਂ AI ਏਜੰਟ ਅੰਦਰੂਨੀ ਟੀਮਾਂ, ਇੱਥੋਂ ਤੱਕ ਕਿ ਗੈਰ-ਤਕਨੀਕੀ ਟੀਮਾਂ ਨੂੰ ਵੀ, ਆਪਣੇ ਵਰਕਫ਼ਲੋ ਲਈ ਤਿਆਰ ਕੀਤੀਆਂ ਕਸਟਮ ਐਪਲੀਕੇਸ਼ਨ ਬਣਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ, ਤਾਂ ਬਣਾਉਣ ‘ਤੇ ਜੁਰਮਾਨਾ ਗਾਇਬ ਹੋ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਤਰਕਸੰਗਤ ਚੋਣ ਇੱਕ ਆਮ ਸਬਸਕ੍ਰਿਪਸ਼ਨ ਖਰੀਦਣ ਤੋਂ ਹਟ ਕੇ ਇੱਕ ਨਿੱਜੀ ਟੂਲ ਬਣਾਉਣ ਵੱਲ ਸਰਕ ਜਾਂਦੀ ਹੈ ਜੋ ਬਿਲਕੁਲ ਫਿੱਟ ਬੈਠਦਾ ਹੈ ਅਤੇ ਜਿਸਦਾ ਕੋਈ ਦੁਹਰਾਉਂਦਾ ਲਾਇਸੈਂਸ ਨਹੀਂ ਹੁੰਦਾ।

ਇਸ ਨਾਲ ਸਿਰਫ਼ ਵੇਂਡਰਾਂ ਵਿਚਕਾਰ ਮੁਕਾਬਲਾ ਹੋਰ ਤਿੱਖਾ ਨਹੀਂ ਹੁੰਦਾ। ਇਹ ਉਹ ਕੁੱਲ ਸੰਬੋਧਯ ਬਾਜ਼ਾਰ ਹੀ ਛੋਟਾ ਕਰ ਦਿੰਦਾ ਹੈ ਜਿਸ ਉੱਤੇ ਵੇਂਡਰ ਮੁਕਾਬਲਾ ਕਰ ਰਹੇ ਹਨ, ਕਿਉਂਕਿ ਸਾਫ਼ਟਵੇਅਰ ਮੰਗ ਦਾ ਵਧਦਾ ਹਿੱਸਾ ਅੰਦਰੂਨੀ ਤੌਰ ‘ਤੇ ਪੂਰਾ ਹੋ ਜਾਂਦਾ ਹੈ ਅਤੇ ਬਾਹਰੀ ਬਾਜ਼ਾਰ ਤੱਕ ਪਹੁੰਚਦਾ ਹੀ ਨਹੀਂ। ਕ਼ੀਮਤ ਬਾਹਰੀ ਸਾਫ਼ਟਵੇਅਰ ਵੇਂਡਰਾਂ ਤੋਂ ਅੰਦਰੂਨੀ ਆਪਰੇਸ਼ਨਲ ਸਮਰੱਥਾ ਵੱਲ ਸਰਨਾਂ ਕਰਦੀ ਹੈ, ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ ਇਹ ਬਾਜ਼ਾਰ ਰਹਿਣਾ ਬੰਦ ਕਰ ਕੇ ਘਰ ਅੰਦਰਲੀ ਲਾਗਤ-ਕੁਸ਼ਲਤਾ ਬਣ ਜਾਂਦੀ ਹੈ।

ਇਹੀ ਉਹ ਚੀਜ਼ ਹੈ ਜਿਸਨੂੰ ਮੈਂ ਆਪਣੀ ਲਿਖਤ, The Barbell of Software Value, ਵਿੱਚ ਅੰਦਰੂਨੀ ਸਾਫ਼ਟਵੇਅਰ ਲੀਵਰੇਜ ਕਿਹਾ ਸੀ, ਸਪਲਾਇਰ ਦੀ ਬਜਾਏ ਖਰੀਦਦਾਰ ਦੇ ਪੱਖ ਤੋਂ ਦੇਖਿਆ ਗਿਆ।

ਨਤੀਜਾ ਅਤੇ ਕੀ ਨਹੀਂ ਡਿੱਗਦਾ

ਇਹ ਚਾਰ ਮਕੈਨਿਜ਼ਮ ਇਕੱਠੇ ਕਰਕੇ ਦੇਖੋ, ਤਾਂ ਤੁਹਾਨੂੰ ਸ਼ੁੱਧ ਸਾਫ਼ਟਵੇਅਰ ਦੀ ਕਮੋਡੀਟੀਕਰਨ ਮਿਲਦੀ ਹੈ। ਉਦਯੋਗ ਸਾਫ਼ਟਵੇਅਰ ਦੀ ਅਤਿ-ਪ੍ਰਚੁਰਤਾ ਵਿੱਚ ਦਾਖ਼ਲ ਹੋ ਰਿਹਾ ਹੈ, ਜਿੱਥੇ ਕਾਰਗਰ ਐਪਲੀਕੇਸ਼ਨ ਬਣਾਉਣ ਵਿੱਚ ਸਸਤੀ ਹਨ, ਤੁਰੰਤ ਨਕਲਯੋਗ ਹਨ, ਅਤੇ ਵੱਧ ਤੋਂ ਵੱਧ ਮੰਗ ‘ਤੇ ਘਰ ਅੰਦਰ ਤਿਆਰ ਕੀਤੀਆਂ ਜਾ ਰਹੀਆਂ ਹਨ। ਉਸ ਹਾਲਤ ਵਿੱਚ ਕੋਡ ਖੁਦ rent ਦਾ ਸਰੋਤ ਬਣਨਾ ਬੰਦ ਕਰ ਦਿੰਦਾ ਹੈ, ਬਿਲਕੁਲ ਉਸੇ ਤਰ੍ਹਾਂ ਜਿਵੇਂ ਕੋਈ ਵੀ ਚੀਜ਼ ਤਦ rent ਨਹੀਂ ਕਮਾ ਸਕਦੀ ਜਦੋਂ ਉਹ ਪ੍ਰਚੁਰ ਅਤੇ ਬਦਲੀਯੋਗ ਬਣ ਜਾਵੇ। ਕ਼ੀਮਤ ਕੋਡ ਤੋਂ ਵੱਖ ਹੋ ਜਾਂਦੀ ਹੈ।

ਇਮਾਨਦਾਰ ਹੋਣ ਲਈ ਇਹ ਸਾਫ਼-ਸਾਫ਼ ਕਹਿਣਾ ਲਾਜ਼ਮੀ ਹੈ ਕਿ ਕੀ ਡਿੱਗਦਾ ਨਹੀਂ, ਕਿਉਂਕਿ ਇਸਨੂੰ ਵਧਾ-ਚੜ੍ਹਾ ਕੇ ਦੱਸਣਾ ਇਸਨੂੰ ਗਲਤ ਬਣਾ ਦੇਵੇਗਾ। ਜਨਰੇਟਿਵ AI ਸਪਲਾਈ-ਪਾਸੇ ਦੀ ਉਤਪਾਦਨ ਘਰਸ਼ਣਾਂ ‘ਤੇ ਹਮਲਾ ਕਰਦਾ ਹੈ। ਆਪਣੇ ਆਪ ਵਿੱਚ, ਇਹ ਡਿਮਾਂਡ-ਪਾਸੇ ਅਤੇ ਸਿਸਟਮ-ਪੱਧਰੀ ਘਰਸ਼ਣਾਂ ‘ਤੇ ਹਮਲਾ ਨਹੀਂ ਕਰਦਾ।

• ਨੈੱਟਵਰਕ ਪ੍ਰਭਾਵ ਬਚੇ ਰਹਿੰਦੇ ਹਨ, ਕਿਉਂਕਿ AI ਇੱਕ ਸੱਭਿਆਚਾਰਕ ਨੈੱਟਵਰਕ ਦਾ ਸਾਫ਼ਟਵੇਅਰ ਦੁਪਹਿਰ ਵਿੱਚ ਕਲੋਨ ਕਰ ਸਕਦਾ ਹੈ, ਪਰ ਇਹ ਯੂਜ਼ਰਾਂ ਨੂੰ ਕਲੋਨ ਨਹੀਂ ਕਰ ਸਕਦਾ, ਅਤੇ ਯੂਜ਼ਰ ਹੀ ਸੰਪਤੀ ਹਨ।
• ਮਾਲਕੀ ਡੇਟਾ ਮੋਅਟ ਬਚੇ ਰਹਿੰਦੇ ਹਨ ਅਤੇ ਅਸਲ ਵਿੱਚ ਹੋਰ ਮਜ਼ਬੂਤ ਹੁੰਦੇ ਹਨ, ਕਿਉਂਕਿ AI ਕੋਡ ਬਣਾਉਣ ਨੂੰ ਸਸਤਾ ਕਰਦਾ ਹੈ ਜਦਕਿ ਉਸ ਨੂੰ ਟ੍ਰੇਨ ਕਰਨ ਵਾਲੇ ਦੁਲੱਭ ਡੇਟਾ ਨੂੰ ਹੋਰ ਕੀਮਤੀ ਬਣਾਉਂਦਾ ਹੈ।
• ਵੰਡ ਅਤੇ ਬ੍ਰਾਂਡ ਬਚੇ ਰਹਿੰਦੇ ਹਨ, ਕਿਉਂਕਿ ਧਿਆਨ ਅਤੇ ਭਰੋਸਾ ਕਮੀਲੇ ਰਹਿੰਦੇ ਹਨ ਭਾਵੇਂ ਫੀਚਰ ਮੁਫ਼ਤ ਹੀ ਕਿਉਂ ਨਾ ਹੋਣ।
• ਨਿਯਮਕ ਅਤੇ ਪਾਲਣਾ ਰੁਕਾਵਟਾਂ ਬਚੇ ਰਹਿੰਦੇ ਹਨ, ਕਿਉਂਕਿ ਇੱਕ ਕੋਡਿੰਗ ਏਜੰਟ ਬੈਂਕਿੰਗ ਲਾਇਸੈਂਸ, ਮੈਡੀਕਲ ਡਿਵਾਈਸ ਕਲੀਅਰੈਂਸ, ਜਾਂ ਹਵਾਈ ਯੋਗਤਾ ਸਰਟੀਫਿਕੇਸ਼ਨ ਤਿਆਰ ਨਹੀਂ ਕਰ ਸਕਦਾ।
• ਭੌਤਿਕ ਜਾਂ ਨਿਯਮਿਤ ਆਪਰੇਸ਼ਨਲ ਹਕੀਕਤ ਵਿੱਚ ਡੂੰਘੀ ਏਕੀਕਰਨ ਬਚੀ ਰਹਿੰਦੀ ਹੈ, ਕਿਉਂਕਿ ਕੋਡ ਸਸਤਾ ਹੈ, ਪਰ ਸੈਂਸਰ ਲਗਾਉਣਾ, ਭਰੋਸਾ ਕਮਾਉਣਾ, ਅਤੇ ਨਿਯਮਕ ਮਨਜ਼ੂਰੀ ਹੇਠ ਕੰਮ ਕਰਨਾ ਸਸਤਾ ਨਹੀਂ ਹੈ।

ਇਸ ਲਈ ਸਹੀ ਦਾਅਵਾ ਇਹ ਨਹੀਂ ਕਿ ਸਾਰੇ ਸਾਫ਼ਟਵੇਅਰ ਕਾਰੋਬਾਰ ਮਰ ਜਾਂਦੇ ਹਨ। ਗੱਲ ਇਹ ਹੈ ਕਿ ਸ਼ੁੱਧ, ਅਕੇਲਾ, ਪੈਕੇਜਡ ਸਾਫ਼ਟਵੇਅਰ ਦਾ ਉਹ ਖਾਸ, ਕਦੇ ਪ੍ਰਮੁੱਖ ਮੋਅਟ, ਜੋ ਕੋਡ ਲਿਖਣ ਅਤੇ ਬਦਲਣ ਦੀ ਮੁਸ਼ਕਲ ਨਾਲ ਸੁਰੱਖਿਅਤ ਸੀ, ਨਸ਼ਟ ਹੋ ਚੁੱਕਾ ਹੈ। ਜੋ ਬਚਦਾ ਹੈ ਉਹ ਸਾਫ਼ਟਵੇਅਰ ਹੈ ਜੋ ਉਸ ਚੀਜ਼ ਨਾਲ ਜੁੜਿਆ ਹੋਇਆ ਹੈ ਜਿਸਨੂੰ AI ਸਸਤੇ ਵਿੱਚ ਦੁਹਰਾ ਨਹੀਂ ਸਕਦਾ: ਇੱਕ ਨੈੱਟਵਰਕ, ਇੱਕ ਡੇਟਾਸੈੱਟ, ਇੱਕ ਨਿਯਮਕ ਸਥਿਤੀ, ਇੱਕ ਵੰਡ ਚੈਨਲ, ਜਾਂ ਇੱਕ ਭੌਤਿਕ ਕਾਰਵਾਈ। ਇਨ੍ਹਾਂ ਸਾਰਿਆਂ ਤੋਂ ਮੁਕਤ ਤਰਦੇ ਸਾਫ਼ਟਵੇਅਰ ਹੁਣ ਇੱਕ ਕਮੋਡੀਟੀ ਹੈ।

ਭਾਗ ਚਾਰ: ਇਤਿਹਾਸਕ ਹਾਰਡਵੇਅਰ ਮੋਅਟ ਅਤੇ ਕਿਉਂ ਐਟਮਜ਼ ਮੁਸ਼ਕਲ ਸਨ

ਹਾਰਡਵੇਅਰ ਵਾਲੀ ਦਲੀਲ ਵੀ ਉਹੀ ਅਨੁਸ਼ਾਸਨ ਵਰਤਦੀ ਹੈ। ਪਹਿਲਾਂ ਇਹ ਸਥਾਪਿਤ ਕਰੋ ਕਿ ਹਾਰਡਵੇਅਰ ਪਹਿਲਾਂ ਕਿਉਂ ਰੱਖਿਆਯੋਗ ਸੀ, ਫਿਰ ਦਿਖਾਓ ਕਿ ਚੀਨ ਦੀ ਨਿਰਮਾਣ ਪ੍ਰਣਾਲੀ ਨੇ ਉਹਨਾਂ ਵਿੱਚੋਂ ਕਿਹੜੀਆਂ ਰੱਖਿਆਵਾਂ ਨੂੰ ਖਤਮ ਕਰ ਦਿੱਤਾ।

ਹਾਰਡਵੇਅਰ ਲਗਭਗ ਉਨ੍ਹਾਂ ਹੀ ਉਲਟ ਕਾਰਨਾਂ ਕਰਕੇ ਰੱਖਿਆਯੋਗ ਸੀ ਜਿਨ੍ਹਾਂ ਕਰਕੇ ਸਾਫਟਵੇਅਰ ਸੀ, ਅਤੇ ਪੂੰਜੀ ਬਾਜ਼ਾਰਾਂ ਨੇ ਦੋਵਾਂ ਨੂੰ ਇਕ ਦੂਜੇ ਦੇ ਉਲਟ ਮੰਨਿਆ। ਜਿੱਥੇ ਸਾਫਟਵੇਅਰ ਦੀ ਹਾਸ਼ੀਏ ਦੀ ਲਾਗਤ ਲਗਭਗ ਸ਼ੂਨ੍ਯ ਸੀ, ਉੱਥੇ ਹਾਰਡਵੇਅਰ ਦੀ ਹਾਸ਼ੀਏ ਦੀ ਲਾਗਤ ਉੱਚੀ ਅਤੇ ਜਿੱਦੀ ਸੀ, ਕਿਉਂਕਿ ਹਰ ਭੌਤਿਕ ਇਕਾਈ ਸਮੱਗਰੀ, ਊਰਜਾ, ਮਜ਼ਦੂਰੀ, ਅਤੇ ਮਸ਼ੀਨੀ ਸਮਾਂ ਖਾਂਦੀ ਸੀ। ਜਿੱਥੇ ਸਾਫਟਵੇਅਰ ਤੁਰੰਤ ਅਤੇ ਅਨੰਤ ਤੌਰ ‘ਤੇ ਭੇਜਿਆ ਜਾ ਸਕਦਾ ਸੀ, ਉੱਥੇ ਹਾਰਡਵੇਅਰ ਉਤਪਾਦਨ ਅਤੇ ਲੋਜਿਸਟਿਕਸ ਦੇ ਭੌਤਿਕ ਨਿਯਮਾਂ ਨਾਲ ਬੱਝਿਆ ਹੋਇਆ ਸੀ। ਇਹ ਗੁਣ ਹਾਰਡਵੇਅਰ ਨੂੰ ਹਾਸ਼ੀਏ ‘ਤੇ ਇੱਕ ਮਾੜਾ ਕਾਰੋਬਾਰ ਬਣਾਉਂਦੇ ਸਨ, ਪਰ ਉਨ੍ਹਾਂ ਨੇ, ਅਜੀਬ ਤੌਰ ‘ਤੇ, ਇਸਨੂੰ ਇੱਕ ਖਾਸ ਢੰਗ ਨਾਲ ਰੱਖਿਆਯੋਗ ਵੀ ਬਣਾਇਆ, ਕਿਉਂਕਿ ਭੌਤਿਕ ਉਤਪਾਦਨ ਦੀ ਮੁਸ਼ਕਲਤਾ ਨੇ ਇੱਕ ਰੁਕਾਵਟ ਵਜੋਂ ਕੰਮ ਕੀਤਾ ਜੋ ਇੱਕ ਚੰਗੀ ਤਰ੍ਹਾਂ ਚਲਦੀ ਹਾਰਡਵੇਅਰ ਫ਼ਰਮ ਨੂੰ ਸਧਾਰਣ ਨਕਲ ਤੋਂ ਬਚਾਉਂਦੀ ਸੀ।

ਹਾਰਡਵੇਅਰ ਦੀ ਰੱਖਿਆ ਕਰਨ ਵਾਲੀਆਂ ਖਾਸ ਘਰੜਾਂ ਇਹ ਸਨ:

• ਟੂਲਿੰਗ ਪੂੰਜੀ। ਕਿਸੇ ਭੌਤਿਕ ਉਤਪਾਦ ਨੂੰ ਵੱਡੇ ਪੈਮਾਨੇ ‘ਤੇ ਬਣਾਉਣ ਲਈ ਵਿਸ਼ੇਸ਼ ਟੂਲਿੰਗ ਦੀ ਲੋੜ ਹੁੰਦੀ ਸੀ, ਮੁੱਖ ਤੌਰ ‘ਤੇ ਇੰਜੈਕਸ਼ਨ ਮੋਲਡ ਅਤੇ ਕਾਸਟਿੰਗ ਡਾਈਆਂ ਜੋ ਪਲਾਸਟਿਕ ਅਤੇ ਧਾਤੂ ਹਿੱਸੇ ਬਣਾਉਣ ਲਈ ਵਰਤੀਆਂ ਜਾਂਦੀਆਂ ਸਨ, ਅਤੇ ਇਹ ਟੂਲ ਦਸਾਂ ਜਾਂ ਸੈਂਕੜਿਆਂ ਹਜ਼ਾਰਾਂ ਡਾਲਰਾਂ ਦੇ ਹੁੰਦੇ ਸਨ ਅਤੇ ਉੱਚੀਆਂ ਘੱਟੋ-ਘੱਟ ਆਰਡਰ ਮਾਤਰਾਵਾਂ ਲਈ ਮਜ਼ਬੂਰ ਕਰਦੇ ਸਨ। ਇਹ ਇੱਕ ਸਖ਼ਤ ਪੂੰਜੀ ਦੀ ਕੰਧ ਸੀ ਜਿਸ ਨੂੰ ਬਹੁਤੇ ਨਵੇਂ ਦਾਖਲ ਹੋਣ ਵਾਲੇ ਪਾਰ ਨਹੀਂ ਕਰ ਸਕਦੇ ਸਨ, ਅਤੇ ਇਸ ਨੇ ਉਹਨਾਂ ਮੌਜੂਦਾ ਖਿਡਾਰੀਆਂ ਦੀ ਰੱਖਿਆ ਕੀਤੀ ਜਿਨ੍ਹਾਂ ਨੇ ਪਹਿਲਾਂ ਹੀ ਆਪਣੀ ਟੂਲਿੰਗ ਦੀ ਲਾਗਤ ਵਾਪਸ ਕਮਾ ਲਈ ਸੀ।

• ਦੁਹਰਾਈ ਦੀ ਦੇਰੀ। ਕਿਸੇ ਭੌਤਿਕ ਡਿਜ਼ਾਇਨ ਨੂੰ ਸੁਧਾਰਨ ਦਾ ਮਤਲਬ ਨਵੀਂ ਟੂਲਿੰਗ ਕੱਟਵਾਉਣਾ, ਸਹਿਨਸ਼ੀਲਤਾਵਾਂ ਨੂੰ ਠੀਕ ਕਰਨਾ, ਅਤੇ ਭੌਤਿਕ ਟੈਸਟ ਬੈਚ ਚਲਾਉਣਾ ਸੀ—ਇਹ ਇੱਕ ਚੱਕਰ ਸੀ ਜੋ ਹਰ ਮੋੜ ‘ਤੇ ਹਫ਼ਤੇ ਜਾਂ ਮਹੀਨੇ ਲੈਂਦਾ ਸੀ ਅਤੇ ਹਰ ਵਾਰ ਭਾਰੀ ਲਾਗਤ ਪਾਂਦਾ ਸੀ, ਇਸ ਲਈ ਭੌਤਿਕ ਉਤਪਾਦ ਹੌਲੀ ਸੁਧਰਦੇ ਸਨ ਅਤੇ ਕਿਸੇ ਮੁਕਾਬਲਾਕਾਰ ਨੂੰ ਪਕੜਨ ਲਈ ਲੰਮੀ ਅਤੇ ਮਹਿੰਗੀ ਮੁਹਿੰਮ ਦੀ ਲੋੜ ਹੁੰਦੀ ਸੀ।

• ਸਪਲਾਈ ਚੇਨ ਅਸੈਂਬਲੀ। ਇੱਕ ਭੌਤਿਕ ਉਤਪਾਦ ਕਈ ਵਿਸ਼ੇਸ਼ ਸਪਲਾਇਰਾਂ ਤੋਂ ਪ੍ਰਾਪਤ ਸਮੱਗਰੀਆਂ ਦੀ ਸੂਚੀ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਉਹ ਸਪਲਾਇਰ ਪਹਿਲਾਂ ਵੱਖ-ਵੱਖ ਫ਼ਰਮਾਂ, ਖੇਤਰਾਂ, ਅਤੇ ਦੇਸ਼ਾਂ ਵਿੱਚ ਫੈਲੇ ਹੋਏ ਹੁੰਦੇ ਸਨ, ਇਸ ਲਈ ਇੱਕ ਕੰਮ ਕਰਨ ਯੋਗ ਸਪਲਾਈ ਚੇਨ ਇਕੱਠੀ ਕਰਨਾ ਇਕੱਲੇ ਵਿਕਰੇਤਾਵਾਂ ਨਾਲ ਮੋਲ-ਤੋਲ ਕਰਨ, ਲੰਮੇ ਲੀਡ ਸਮੇਂ ਸਹਿਣ ਕਰਨ, ਅਤੇ ਜਟਿਲ ਲੋਜਿਸਟਿਕਸ ਸੰਭਾਲਣ ਦੇ ਬਰਾਬਰ ਸੀ।

• ਸਹੀਤਾ ਅਤੇ ਪ੍ਰਕਿਰਿਆ ਗਿਆਨ। ਉਹ ਇਕੱਠਾ ਹੋਇਆ, ਅਕਸਰ ਗੁਪਤ, ਗਿਆਨ ਜੋ ਕਿਸੇ ਡਿਜ਼ਾਇਨ ਨੂੰ ਵਾਜਬ ਯੀਲਡ ਨਾਲ ਅਸਲ ਵਿੱਚ ਤਿਆਰ ਕਰਨ ਲਈ ਚਾਹੀਦਾ ਹੈ। ਇਹ ਕਿਸੇ ਡਰਾਇੰਗ ਤੋਂ ਨਹੀਂ ਮਿਲਦਾ। ਇਹ ਕਰਕੇ ਸਿੱਖਣਾ ਪੈਂਦਾ ਹੈ।

• ਵੰਡ। ਰਿਟੇਲਰਾਂ, ਵਿਤਰਕਾਂ, ਅਤੇ ਸ਼ੈਲਫ ਸਪੇਸ ਰਾਹੀਂ ਭੌਤਿਕ ਉਤਪਾਦ ਨੂੰ ਖਰੀਦਦਾਰਾਂ ਦੇ ਸਾਹਮਣੇ ਲਿਆਉਣ ਦੀ ਲੋੜ, ਜੋ ਆਪ ਵੀ ਘੱਟ ਸਨ ਅਤੇ ਜਿਨ੍ਹਾਂ ‘ਤੇ ਪਹਿਰਾ ਸੀ।

ਰਚਨਾ ਨੂੰ ਫਿਰ ਦੇਖੋ, ਸਾਫਟਵੇਅਰ ਵਾਲੀ ਹੀ। ਹਾਰਡਵੇਅਰ ਦੀ ਖਾਈ ਮੁੱਖ ਤੌਰ ‘ਤੇ ਉਤਪਾਦਨ ਅਤੇ ਲੋਜਿਸਟਿਕਸ ਦੀਆਂ ਘਰੜਾਂ ਦਾ ਇੱਕ ਸਮੂਹ ਸੀ: ਟੂਲਿੰਗ ਪੂੰਜੀ, ਦੁਹਰਾਈ ਦੀ ਦੇਰੀ, ਸਪਲਾਈ ਚੇਨ ਅਸੈਂਬਲੀ, ਪ੍ਰਕਿਰਿਆ ਯੀਲਡ, ਅਤੇ ਭੌਤਿਕ ਵੰਡ। ਇਸ ਦੀ ਰੱਖਿਆ ਇਸ ਗੱਲ ਨੇ ਕੀਤੀ ਕਿ ਇੱਕ ਡਿਜ਼ਾਇਨ ਨੂੰ ਭੇਜੇ ਜਾਣ ਵਾਲੀ ਭੌਤਿਕ ਵਸਤੂ ਵਿੱਚ ਬਦਲਣਾ ਕਿੰਨਾ ਔਖਾ, ਧੀਮਾ, ਅਤੇ ਮਹਿੰਗਾ ਸੀ। ਅਤੇ ਬਿਲਕੁਲ ਸਾਫਟਵੇਅਰ ਵਾਂਗ, ਉਤਪਾਦਨ ਦੀ ਮੁਸ਼ਕਲਤਾ ‘ਤੇ ਆਧਾਰਿਤ ਰੱਖਿਆ ਤਦ ਤੱਕ ਹੀ ਟਿਕਾਊ ਹੁੰਦੀ ਹੈ ਜਦ ਤੱਕ ਉਤਪਾਦਨ ਮੁਸ਼ਕਲ ਰਹਿੰਦਾ ਹੈ।

ਪਰ ਚੀਨ ਦਾ ਆਰਥਿਕ ਇਤਿਹਾਸ ਵਿੱਚ ਯੋਗਦਾਨ ਇਹ ਸੀ ਕਿ ਇਸ ਨੇ ਭੌਤਿਕ ਉਤਪਾਦਨ ਨੂੰ, ਇੱਕ ਬਹੁਤ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ਦੇ ਸਮਾਨਾਂ ਲਈ, ਮੁਸ਼ਕਲ ਨਾ ਰਹਿਣ ਦਿੱਤਾ।

ਭਾਗ ਪੰਜ: ਚੀਨ ਸ਼ਾਕ, ਉਦਯੋਗਿਕ ਗੁੱਚ-ਬੰਦੀ, ਅਤੇ ਹਾਰਡਵੇਅਰ ਖਾਈ ਦਾ ਅੰਤ

ਚੀਨੀ ਉਤਪਾਦਨ ਦੀ ਪ੍ਰਧਾਨਤਾ ਬਾਰੇ ਸਭ ਤੋਂ ਆਮ ਗਲਤਫ਼ਹਮੀ ਇਹ ਹੈ ਕਿ ਇਹ ਸਸਤੀ ਮਜ਼ਦੂਰੀ ਦੀ ਕਹਾਣੀ ਹੈ। ਇਹ ਪਹਿਲੇ ਪੜਾਅ ਵਿੱਚ ਕੁਝ ਹੱਦ ਤੱਕ ਸਹੀ ਸੀ ਅਤੇ ਹੁਣ ਜ਼ਿਆਦਾਤਰ ਗਲਤ ਹੈ, ਅਤੇ ਇਸਨੂੰ ਗਲਤ ਸਮਝਣ ਨਾਲ ਸਿੱਧਾ ਉਸ ਅਸਫਲ ਨਤੀਜੇ ਤੱਕ ਪਹੁੰਚਦੇ ਹੋ ਕਿ ਰੀਸ਼ੋਰਿੰਗ, ਜਾਂ ਉਤਪਾਦਨ ਨੂੰ ਅਗਲੇ ਘੱਟ ਮਜ਼ਦੂਰੀ ਵਾਲੇ ਦੇਸ਼ ਵੱਲ ਲਿਜਾਣਾ, ਪੁਰਾਣੇ ਕ੍ਰਮ ਨੂੰ ਬਹਾਲ ਕਰ ਦੇਵੇਗਾ।

ਅਸਲ ਵਿਆਖਿਆ ਇਹ ਹੈ ਕਿ ਚੀਨ ਨੇ, ਉਸ ਘਣਤਾ ਅਤੇ ਪੈਮਾਨੇ ‘ਤੇ ਜੋ ਪਹਿਲਾਂ ਕਿਸੇ ਨੇ ਨਹੀਂ ਦੇਖਿਆ ਸੀ, ਉਹ ਘਟਨਾ ਬਣਾਈ ਜਿਸ ਨੂੰ ਅਲਫ਼ਰੈਡ ਮਾਰਸ਼ਲ ਨੇ ਇੱਕ ਸਦੀ ਤੋਂ ਵੱਧ ਪਹਿਲਾਂ ਉਦਯੋਗਿਕ ਗੁੱਚ-ਬੰਦੀ ਵਜੋਂ ਵਰਣਨ ਕੀਤਾ ਸੀ। ਇਹ ਗੁੱਚ-ਬੰਦੀ, ਨਾ ਕਿ ਮਜ਼ਦੂਰੀ ਅਰਬਿਟਰਾਜ਼, ਨੇ ਹਾਰਡਵੇਅਰ ਖਾਈ ਨੂੰ ਤੋੜਿਆ। ਇਹ ਦਲੀਲ ਮੈਂ ਸਭ ਤੋਂ ਪਹਿਲਾਂ ਕਰਨ ਵਾਲਾ ਨਹੀਂ ਹਾਂ। ਐਂਡਰੂ “ਬੰਨੀ” ਹੁਆਂਗ ਨੇ The Hardware Hacker ਵਿੱਚ ਸ਼ੇਨਝੇਨ ਦੇ ਇਸ ਰੂਪ ਨੂੰ ਦਹਾਕੇ ਤੋਂ ਵੱਧ ਸਮੇਂ ਤੱਕ ਪਹਿਲੇ ਹੱਥੋਂ ਦਰਜ ਕੀਤਾ ਹੈ।

ਮਾਰਸ਼ਲੀਆਈ ਬਾਹਰੀ ਅਰਥਤੰਤਰੀਆਂ

ਉਦਯੋਗਿਕ ਗੁੱਚ-ਬੰਦੀ ਪਰਸਪਰ ਜੁੜੀਆਂ ਉਦਯੋਗਾਂ, ਭਾਗ ਸਪਲਾਇਰਾਂ, ਉਪ-ਅਸੈਂਬਲੀ ਨਿਰਮਾਤਿਆਂ, ਕੱਚੇ ਮਾਲ ਪ੍ਰਸੰਸਕਾਰਾਂ, ਟੂਲਮੇਕਰਾਂ, ਕਾਂਟ੍ਰੈਕਟ ਨਿਰਮਾਤਿਆਂ, ਲੋਜਿਸਟਿਕਸ ਪ੍ਰਦਾਤਾਵਾਂ, ਅਤੇ ਵਿਸ਼ੇਸ਼ ਹੁਨਰਮੰਦ ਮਜ਼ਦੂਰਾਂ ਦੀ ਆਪ ਹੀ ਮਜ਼ਬੂਤ ਹੋਣ ਵਾਲੀ ਭੌਗੋਲਿਕ ਸੰਕੇਦ੍ਰਤਾ ਹੈ, ਜੋ ਸਾਰੇ ਇੱਕੋ ਖੇਤਰ ਵਿੱਚ ਘਣੇ ਤੌਰ ‘ਤੇ ਇਕੱਠੇ ਹੋਏ ਹੁੰਦੇ ਹਨ। ਮਾਰਸ਼ਲ ਨੇ ਪਛਾਣਿਆ ਕਿ ਇਹ ਗੁੱਚੇ ਅਜਿਹੇ ਲਾਭ ਕਿਉਂ ਪੈਦਾ ਕਰਦੇ ਹਨ ਜੋ ਕੋਈ ਇਕੱਲੀ ਫ਼ਰਮ ਨਹੀਂ ਮਿਲਾ ਸਕਦੀ:

• ਇਹ ਵਿਸ਼ੇਸ਼ਕ੍ਰਿਤ ਮਜ਼ਦੂਰਾਂ ਦਾ ਇੱਕ ਗਹਿਰਾ ਸਾਂਝਾ ਮਜ਼ਦੂਰੀ ਭੰਡਾਰ ਬਣਾਉਂਦੇ ਹਨ।
• ਇਹ ਵਿਸ਼ੇਸ਼ਕ੍ਰਿਤ ਸਥਾਨਕ ਸਪਲਾਇਰਾਂ ਨੂੰ ਸਹਾਰਾ ਦਿੰਦੇ ਹਨ ਜੋ ਕਿਸੇ ਇਕ ਦੂਰਲੇ ਗਾਹਕ ਦੀ ਸੇਵਾ ਕਰਕੇ ਕਦੇ ਜੀਉਂਦੇ ਨਾ ਰਹਿ ਸਕਦੇ, ਪਰ ਇੰਨੀ ਘਣੀ ਭੀੜ ਦੀ ਸੇਵਾ ਕਰਕੇ ਖਿੜਦੇ ਹਨ।
• ਇਹ ਜਾਣਕਾਰੀ ਦੇ ਪ੍ਰਸਰਨ ਪੈਦਾ ਕਰਦੇ ਹਨ, ਜਿੱਥੇ ਪ੍ਰਕਿਰਿਆ ਸੁਧਾਰ ਤੇਜ਼ੀ ਨਾਲ ਗੁੱਚੇ ਵਿੱਚ ਫੈਲ ਜਾਂਦੇ ਹਨ ਕਿਉਂਕਿ ਸੰਬੰਧਤ ਲੋਕ ਭੌਤਿਕ ਤੌਰ ‘ਤੇ ਨੇੜੇ ਹੁੰਦੇ ਹਨ ਅਤੇ ਆਵਾਜਾਈ ਕਰਦੇ ਰਹਿੰਦੇ ਹਨ।

ਇਹ ਤਿੰਨ ਤਾਕਤਾਂ ਮਾਰਸ਼ਲੀਆਈ ਬਾਹਰੀ ਅਰਥਤੰਤਰੀਆਂ ਹਨ, ਅਤੇ ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਗੁੱਚੇ ਦੇ ਅੰਦਰ ਇੱਕ ਫ਼ਰਮ ਨੂੰ ਘੱਟ ਲਾਗਤਾਂ, ਤੇਜ਼ੀ ਨਾਲ ਦੁਹਰਾਈ, ਅਤੇ ਬਾਹਰ ਵਾਲੀ ਫ਼ਰਮ ਨਾਲੋਂ ਵਧੀਆ ਜਾਣਕਾਰੀ ਮਿਲਦੀ ਹੈ, ਚਾਹੇ ਉਹ ਬਾਹਰੀ ਫ਼ਰਮ ਆਪਣੇ ਆਪ ਵਿੱਚ ਕਿੰਨੀ ਵੀ ਦੱਖਣੀ ਹੋਵੇ।

ਲੈਣ-ਦੇਣ ਦੀਆਂ ਲਾਗਤਾਂ ਦਾ ਡਿੱਗਣਾ

ਪਰਲ ਰਿਵਰ ਡੈਲਟਾ ਵਿੱਚ, ਅਤੇ ਖ਼ਾਸ ਕਰਕੇ ਸ਼ੇਨਝੇਨ ਵਿੱਚ, ਗੁੱਚ-ਬੰਦੀ ਐਸੀ ਘਣਤਾ ਤੱਕ ਪਹੁੰਚ ਗਈ ਜਿਸ ਦੀ ਕੋਈ ਇਤਿਹਾਸਕ ਮਿਸਾਲ ਨਹੀਂ ਸੀ। ਇਸ ਦਾ ਵਿਆਵਹਾਰਿਕ ਨਤੀਜਾ ਰੋਨਾਲਡ ਕੋਜ਼ ਦੇ ਲੈਣ-ਦੇਣ ਲਾਗਤ ਅਰਥਸ਼ਾਸਤਰ ਰਾਹੀਂ ਸਭ ਤੋਂ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸਮਝਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਕੋਜ਼ ਨੇ ਸਮਝਾਇਆ ਕਿ ਆਰਥਿਕ ਗਤੀਵਿਧੀ ਦੀ ਹੱਦ ਅਤੇ ਰਫ਼ਤਾਰ ਲੈਣ-ਦੇਣ ਲਾਗਤਾਂ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਹੁੰਦੀ ਹੈ—ਸਪਲਾਇਰ ਲੱਭਣ, ਸ਼ਰਤਾਂ ‘ਤੇ ਮੋਲ-ਤੋਲ ਕਰਨ, ਅਤੇ ਫ਼ਰਮਾਂ ਵਿਚਕਾਰ ਉਤਪਾਦਨ ਦਾ ਸਮਨਵੇ ਕਰਨ ਦੀ ਲਾਗਤ। ਫੈਲੀ ਹੋਈ ਸਪਲਾਈ ਚੇਨ ਵਿੱਚ ਇਹ ਲਾਗਤਾਂ ਬੇਹਦ ਵੱਡੀਆਂ ਹੁੰਦੀਆਂ ਹਨ, ਅਤੇ ਇਹੀ ਹਾਰਡਵੇਅਰ ਖਾਈ ਦੀ ਤੀਜੀ ਘਰੜ ਦਾ ਅਸਲ ਅਰਥ ਹਨ।

ਇੱਕ ਅਤਿ-ਘਣੇ ਗੁੱਚੇ ਵਿੱਚ, ਲੈਣ-ਦੇਣ ਲਾਗਤਾਂ ਲਗਭਗ ਸ਼ੂਨ੍ਯ ਹੋ ਜਾਂਦੀਆਂ ਹਨ। ਜ਼ਿਆਦਾਤਰ ਇਲੈਕਟ੍ਰਾਨਿਕ ਅਤੇ ਮਕੈਨਿਕਲ ਡਿਵਾਈਸਾਂ ਲਈ ਪੂਰੀ ਸਪਲਾਈ ਚੇਨ ਇੱਕ ਛੋਟੇ ਘੇਰੇ ਦੇ ਅੰਦਰ ਹੀ ਹੁੰਦੀ ਹੈ, ਇਸ ਲਈ ਉਹ ਖੋਜ, ਸਰੋਤ ਪ੍ਰਾਪਤ ਕਰਨਾ, ਮੋਲ-ਤੋਲ, ਅਤੇ ਸਮਨਵੇ, ਜੋ ਪਹਿਲਾਂ ਮਹਾਂਦੀਪਾਂ ਪਾਰ ਹਫ਼ਤੇ ਲੈਂਦੇ ਸਨ, ਹੁਣ ਇੱਕ ਜ਼ਿਲ੍ਹੇ ਦੇ ਅੰਦਰ ਘੰਟਿਆਂ ਵਿੱਚ ਹੋ ਜਾਂਦੇ ਹਨ। ਇੱਕ ਡਿਜ਼ਾਈਨਰ ਇੱਕ ਡਿਵਾਈਸ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਤੈਅ ਕਰ ਸਕਦਾ ਹੈ, ਉਹੀ ਦਿਨ ਸਾਰੇ ਹਿੱਸੇ ਸਥਾਨਕ ਤੌਰ ‘ਤੇ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦਾ ਹੈ, ਇੱਕ ਕਸਟਮ ਸਰਕਿਟ ਬੋਰਡ ਰਾਤੋਂ-ਰਾਤ ਬਣਵਾ ਅਤੇ ਉਸ ‘ਤੇ ਭਰਵਾ ਸਕਦਾ ਹੈ, ਅਤੇ ਅਗਲੀ ਸਵੇਰ ਇੱਕ ਕੰਮ ਕਰਨ ਵਾਲਾ ਪ੍ਰੋਟੋਟਾਈਪ ਹੱਥ ਵਿੱਚ ਲੈ ਸਕਦਾ ਹੈ।

ਇਹ ਸਸਤੀ ਮਜ਼ਦੂਰੀ ਨਹੀਂ ਹੈ। ਇਹ ਲੈਣ-ਦੇਣ ਲਾਗਤ ਅਤੇ ਦੁਹਰਾਈ ਦੀ ਦੇਰੀ ਦਾ ਲਗਭਗ ਖ਼ਤਮਾ ਹੈ, ਜੋ ਕਿ ਗੁਣਾਤਮਕ ਤੌਰ ‘ਤੇ ਬਿਲਕੁਲ ਵੱਖਰੀ ਅਤੇ ਕਾਫ਼ੀ ਵਧੇਰੇ ਸ਼ਕਤੀਸ਼ਾਲੀ ਗੱਲ ਹੈ।

ਇਸ ਘਣਤਾ ਤੋਂ, ਚਾਰ ਮਕੈਨਿਜ਼ਮਾਂ ਨੇ ਹਾਰਡਵੇਅਰ ਖਾਈ ਨੂੰ ਘੋਲ ਦਿੱਤਾ, ਸਾਫਟਵੇਅਰ ‘ਤੇ AI ਦੇ ਚਾਰ ਪ੍ਰਭਾਵਾਂ ਦੀ ਨਕਲ ਕਰਦੇ ਹੋਏ।

1. ਦੁਹਰਾਈ ਦੀ ਦੇਰੀ ਦਾ ਡਿੱਗਣਾ

ਇਹ ਸਾਫਟਵੇਅਰ ਵੱਲੋਂ ਆਪਣਾ ਸਮੇਂ ਵਾਲਾ ਫ਼ਾਇਦਾ ਗੁਆਉਣ ਦਾ ਹਾਰਡਵੇਅਰ ਸੰਸਕਰਣ ਹੈ। ਵੰਡੇ ਹੋਏ ਪੱਛਮੀ ਸਪਲਾਈ ਚੇਨ ਵਿੱਚ ਕਿਸੇ ਭੌਤਿਕ ਡਿਜ਼ਾਇਨ ਦਾ ਇੱਕ ਚੱਕਰ ਹਫ਼ਤੇ ਲੈਂਦਾ ਸੀ ਅਤੇ ਕਾਫ਼ੀ ਮਹਿੰਗਾ ਸੀ, ਇਸ ਲਈ ਹਾਰਡਵੇਅਰ ਹੌਲੀ ਸੁਧਰਦਾ ਸੀ ਅਤੇ ਮੌਜੂਦਾ ਖਿਡਾਰੀ ਦੀ ਸੁਧਾਰ ਲੀਡ ਕਾਇਮ ਰਹਿੰਦੀ ਸੀ। ਗੁੱਚੇ ਦੇ ਅੰਦਰ, ਭੌਤਿਕ ਦੁਹਰਾਈ ਸਾਫਟਵੇਅਰ ਦੁਹਰਾਈ ਦੀ ਗਤੀ ਦੇ ਨੇੜੇ ਪਹੁੰਚ ਜਾਂਦੀ ਹੈ। ਮੋਲਡਾਂ ਵਿੱਚ ਤਬਦੀਲੀਆਂ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ, ਬੋਰਡ ਲੇਆਉਟ ਸਮਾਇਤ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਅਤੇ ਟੈਸਟ ਬੈਚ ਦਿਨਾਂ ਵਿੱਚ ਚਲਾਏ ਜਾਂਦੇ ਹਨ।

ਰਣਨੀਤਿਕ ਨਤੀਜਾ ਨਿਰਦਈ ਹੈ। ਪੱਛਮ ਵਿੱਚ ਕਲਪਿਤ ਕੋਈ ਵੀ ਹਾਰਡਵੇਅਰ ਡਿਜ਼ਾਇਨ ਗੁੱਚੇ ਦੇ ਅੰਦਰ ਦੇਖਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਰਿਵਰਸ ਇੰਜਨੀਅਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਉਤਪਾਦਨਯੋਗਤਾ ਲਈ ਸੁਧਾਰਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਅਤੇ ਮੂਲ ਪੱਛਮੀ ਫ਼ਰਮ ਦੇ ਆਪਣੇ ਦੂਜੇ ਪ੍ਰੋਟੋਟਾਈਪ ਨੂੰ ਪੂਰਾ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਵੱਡੇ ਪੈਮਾਨੇ ‘ਤੇ ਬਣਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। ਮੂਲ ਨਿਰਮਾਤਾ ਦਾ ਲੀਡ ਸਮਾਂ, ਜੋ ਉਸ ਦੀ ਕਮਾਈ ਦਾ ਸਰੋਤ ਸੀ, ਨਕਾਰਾਤਮਕ ਹੈ। ਨਕਲ ਕਰਨ ਵਾਲਾ ਪਹਿਲਾਂ ਸੁਧਰੀ, ਸਸਤੀ ਵਰਜਨ ਭੇਜ ਦਿੰਦਾ ਹੈ।

2. ਟੂਲਿੰਗ ਪੂੰਜੀ ਦਾ ਡਿੱਗਣਾ

ਇਹ ਸਾਫਟਵੇਅਰ ਦੀ ਦਾਖ਼ਲਾ ਰੁਕਾਵਟ ਡਿੱਗਣ ਦਾ ਹਾਰਡਵੇਅਰ ਸੰਸਕਰਣ ਹੈ। ਦਸਾਂ ਹਜ਼ਾਰਾਂ ਡਾਲਰ ਅਤੇ ਉੱਚੀਆਂ ਘੱਟੋ-ਘੱਟ ਆਰਡਰ ਮਾਤਰਾਵਾਂ, ਜੋ ਪਹਿਲਾਂ ਭੌਤਿਕ ਉਤਪਾਦਨ ਨੂੰ ਘੇਰ ਦਿੰਦੀਆਂ ਸਨ, ਗੁੱਚੇ ਦੇ ਅੰਦਰ ਤੇਜ਼ ਕੰਪਿਊਟਰ-ਨਿਯੰਤਰਿਤ ਮਸ਼ੀਨਿੰਗ, ਮਿਆਰੀਕ੍ਰਿਤ ਮੋਡਿਊਲਰ ਮੋਲਡ ਬੇਸਾਂ, ਜੋ ਨਵੇਂ ਸਿਰੇ ਤੋਂ ਕੱਟਣ ਦੀ ਬਜਾਏ ਮੁੜ-ਸੰਰਚਿਤ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ, ਅਤੇ ਬਹੁਤ ਹੀ ਮੁਕਾਬਲਾਤਮਕ ਉੱਚ-ਥਰੂਪੁੱਟ ਟੂਲਿੰਗ ਦੁਕਾਨਾਂ ਰਾਹੀਂ ਅਨੁਕੂਲਿਤ ਹੋ ਕੇ ਹਟਾ ਦਿੱਤੀਆਂ ਗਈਆਂ ਹਨ। ਛੋਟੇ ਬੈਚ, ਬਹੁਤ ਵਿਅਕਤੀਗਤ ਹਾਰਡਵੇਅਰ ਹੁਣ ਉਹਨਾਂ ਲਾਗਤ ਢਾਂਚਿਆਂ ‘ਤੇ ਤਿਆਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਜੋ ਪਹਿਲਾਂ ਸਿਰਫ਼ ਵੱਡੀਆਂ ਬਹੁਰਾਸ਼ਟਰੀਆਂ ਲਈ ਉਪਲਬਧ ਸਨ। ਹਾਰਡਵੇਅਰ ਦਾਖਲਿਆਂ ਨੂੰ ਛਾਣਣ ਵਾਲੀ ਪੂੰਜੀ ਦੀ ਕੰਧ ਵੱਡੇ ਹਿੱਸੇ ਵਿੱਚ ਢਹਿ ਗਈ ਹੈ, ਸਾਫਟਵੇਅਰ ਦਾਖਲਿਆਂ ਨੂੰ ਛਾਣਣ ਵਾਲੀ ਕੰਧ ਵਾਂਗ, ਅਤੇ ਬਾਜ਼ਾਰ ਵਿੱਚ ਕੀਮਤਾਂ ‘ਤੇ ਉਹੀ ਅਟੱਲ ਹੇਠਾਂ ਵੱਲ ਦਬਾਅ ਆ ਜਾਂਦਾ ਹੈ।

3. ਅਨੁਭਵ ਵਕਰ, ਆਟੋਮੇਸ਼ਨ ਨਾਲ ਮਿਲ ਕੇ

ਇਹ ਉਹ ਮਕੈਨਿਜ਼ਮ ਹੈ ਜੋ ਲਾਗਤ ਵਿੱਚ ਲੀਡ ਨੂੰ ਸਦਾ ਲਈ ਤਾਲ ਦੇ ਦਿੰਦਾ ਹੈ, ਅਤੇ ਇਹੀ ਕਾਰਣ ਹੈ ਕਿ ਇਹ ਫ਼ਾਇਦਾ ਕਿਤੇ ਹੋਰ ਜਾ ਕੇ ਅਰਬਿਟਰਾਜ਼ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ। ਰਾਈਟ ਦਾ ਕਾਨੂੰਨ, ਜਿਸ ਨੂੰ ਸਭ ਤੋਂ ਪਹਿਲਾਂ ਥਿਓਡੋਰ ਰਾਈਟ ਨੇ 1936 ਵਿੱਚ ਜਹਾਜ਼ ਉਤਪਾਦਨ ਡਾਟਾ ਤੋਂ ਵਰਣਨ ਕੀਤਾ ਸੀ ਅਤੇ ਬਾਅਦ ਵਿੱਚ ਬੋਸਟਨ ਕਨਸਲਟਿੰਗ ਗਰੁੱਪ ਨੇ ਅਨੁਭਵ ਵਕਰ ਵਜੋਂ ਆਮ ਕੀਤਾ, ਉਦਯੋਗਿਕ ਅਰਥਸ਼ਾਸਤਰ ਵਿੱਚ ਸਭ ਤੋਂ ਭਰੋਸੇਯੋਗ ਤਜਰਬੇਕਾਰੀ ਨਿਯਮਤਾਵਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ। ਇਹ ਕਹਿੰਦਾ ਹੈ ਕਿ ਕਈ ਉਤਪਾਦਾਂ ਲਈ, ਇਕਾਈ ਲਾਗਤ ਇੱਕ ਨਿਸ਼ਚਿਤ ਪ੍ਰਤੀਸ਼ਤ ਨਾਲ ਘਟਦੀ ਹੈ ਜਦੋਂ ਵੀ ਕੁੱਲ ਉਤਪਾਦਨ ਮਾਤਰਾ ਦੋਗੁਣੀ ਹੋ ਜਾਂਦੀ ਹੈ, ਕਿਉਂਕਿ ਸੰਸਥਾ ਇਕੱਠੇ ਕਰਕੇ ਕਰਨ ਰਾਹੀਂ ਸਿੱਖਦੀ ਹੈ ਕਿ ਵਧੇਰੇ ਕੁਸ਼ਲਤਾ ਨਾਲ ਕਿਵੇਂ ਨਿਰਮਾਣ ਕਰਨਾ ਹੈ।

ਕਿਉਂਕਿ ਕਲੱਸਟਰ ਅਣਗਿਣਤ ਉਤਪਾਦ ਸ਼੍ਰੇਣੀਆਂ ਵਿੱਚ ਵਿਸ਼ਵ ਦੇ ਕੁੱਲ ਸੰਜੀਵਨ ਵਾਲੀ ਮਾਤਰਾ ਦਾ ਬੇਹੱਦ ਵੱਡਾ ਹਿੱਸਾ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਇਹ ਸਿੱਖਣ ਵਾਲੀ ਵਕਰ ਦੇ ਕਾਫ਼ੀ ਹੇਠਾਂ ਬੈਠਦਾ ਹੈ; ਜਦਕਿ ਕੋਈ ਵੀ ਨਵਾਂ ਪ੍ਰਵੇਸ਼ਕ, ਘੱਟ ਸੰਜੀਵਨ ਵਾਲੀ ਮਾਤਰਾ ਨਾਲ, ਉਸ ਦੇ ਸਭ ਤੋਂ ਉੱਪਰ ਬੈਠਦਾ ਹੈ। ਆਧੁਨਿਕ ਚੀਨੀ ਉਤਪਾਦਨ ਫਿਰ ਇਸ ਸਿੱਖਣੀ ਫ਼ਾਇਦੇ ਨੂੰ ਪੂੰਜੀ-ਗਾਹਕ ਆਟੋਮੇਸ਼ਨ, ਅਗੇਤੀ ਰੋਬੋਟਿਕਸ, ਉੱਚ-ਗਤੀ ਆਟੋਮੇਟਡ ਆਪਟੀਕਲ ਇੰਸਪੈਕਸ਼ਨ, ਅਤੇ ਕੱਚੇ ਮਾਲ ਤੱਕ ਪੂਰੀ ਤਰ੍ਹਾਂ ਪਿੱਛੇ ਜਾਣ ਵਾਲੀ ਲੰਬਵੀਂ ਏਕੀਕਰਨ ਨਾਲ ਹੋਰ ਵੀ ਵਧਾ ਦਿੰਦਾ ਹੈ।

ਇਹ ਠੀਕ ਉਹੀ ਬਿੰਦੂ ਹੈ ਜਿੱਥੇ ਮਜ਼ਦੂਰੀ ਲਾਗਤ ਵਾਲੀ ਵਿਆਖਿਆ ਮਰ ਜਾਂਦੀ ਹੈ। ਆਧੁਨਿਕ ਫ਼ਾਇਦਾ ਘੱਟ ਮਜ਼ਦੂਰੀ ਨਹੀਂ ਹੈ। ਇਹ ਹੈ ਸੰਚਿਤ ਸਿੱਖਿਆ ਦੇ ਨਾਲ ਆਟੋਮੇਟਡ ਪੈਮਾਨਾ ਅਤੇ ਸਪਲਾਇਰ ਘਣਤਾ, ਅਤੇ ਕੋਈ ਨਵਾਂ ਆਇਆ ਖਿਡਾਰੀ ਇਸ ਸੰਯੋਗ ਨੂੰ ਕਿਸੇ ਛੋਟੇ ਸਮੇਂ ਦੀ ਕਾਰਵਾਈ, ਉੱਚ ਮਜ਼ਦੂਰੀ ਜਾਂ ਘੱਟ ਮਜ਼ਦੂਰੀ ਨਾਲ ਦੁਹਰਾ ਨਹੀਂ ਸਕਦਾ, ਕਿਉਂਕਿ ਤੁਸੀਂ ਦਹਾਕਿਆਂ ਦੇ ਸੰਚਿਤ ਉਤਪਾਦਨ ਅਨੁਭਵ ਜਾਂ ਉਸਦੇ ਆਲੇ-ਦੁਆਲੇ ਦੇ ਸਪਲਾਇਰ ਇਕੋਸਿਸਟਮ ਨੂੰ ਇੱਕਦਮ ਨਹੀਂ ਖਰੀਦ ਸਕਦੇ।

4. ਵੰਡ ਸੰਬੰਧੀ ਘਰਸ਼ਣ ਦਾ ਪਤਨ

ਇਹ AI ਦਾ ਹਾਰਡਵੇਅਰ ਰੂਪ ਹੈ ਜੋ ਮੌਜੂਦਾ ਸੌਫ਼ਟਵੇਅਰ ਚੈਨਲਾਂ ਵਿੱਚੋਂ ਲੰਘਣ ਦੀ ਲੋੜ ਨੂੰ ਘਿਸਟਦਾ ਹੈ। ਗਲੋਬਲ ਡਿਜ਼ਿਟਲ ਮਾਰਕੀਟਪਲੇਸ ਅਤੇ ਬੇਹੱਦ ਕੁਸ਼ਲ ਪਾਰਸਲ ਲਾਜਿਸਟਿਕਸ ਕਲੱਸਟਰ ਦੇ ਅੰਦਰਲੇ ਨਿਰਮਾਤਾਵਾਂ ਨੂੰ ਪੱਛਮੀ ਡਿਸਟ੍ਰੀਬਿਊਟਰਾਂ, ਹੋਲਸੇਲਰਾਂ, ਅਤੇ ਰਿਟੇਲ ਸ਼ੈਲਫ਼ ਸਪੇਸ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਛੱਡ ਕੇ ਸਿੱਧੇ ਗਲੋਬਲ ਪਲੇਟਫ਼ਾਰਮਾਂ ਉੱਤੇ ਲਿਸਟ ਕਰਨ ਅਤੇ ਕੁਝ ਹੀ ਦਿਨਾਂ ਵਿੱਚ ਗਾਹਕ ਦੇ ਦਰਵਾਜੇ ਤੱਕ ਭੇਜਣ ਦੀ ਆਜ਼ਾਦੀ ਦਿੰਦੇ ਹਨ। ਇਕ ਮੌਜੂਦਾ ਹਾਰਡਵੇਅਰ ਬ੍ਰਾਂਡ ਦੀ ਰੱਖਿਆ ਕਰਨ ਵਾਲਾ ਆਖ਼ਰੀ ਘਰਸ਼ਣ, ਉਸਦਾ ਸ਼ੈਲਫ਼ਾਂ ਅਤੇ ਚੈਨਲਾਂ ਉੱਤੇ ਕਾਬੂ, ਟਾਲ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ। ਇੱਕ ਕਾਰਗਰ ਤੌਰ ਤੇ ਸਮਾਨ ਡਿਵਾਈਸ ਮੌਜੂਦਾ ਬ੍ਰਾਂਡ ਕੀਮਤ ਦੇ ਇਕ ਹਿੱਸੇ ਤੇ ਹੀ ਉਸੇ ਗਾਹਕ ਤੱਕ ਪਹੁੰਚ ਜਾਂਦਾ ਹੈ, ਬਿਨਾਂ ਕਦੇ ਵੀ ਮੌਜੂਦਾ ਕੰਪਨੀ ਦੇ ਵੰਡ ਸਿਸਟਮ ਨੂੰ ਛੂਹੇ।

ਉਦਯੋਗਿਕ ਕਾਮਨਜ਼ ਅਤੇ ਰੀਸ਼ੋਰਿੰਗ ਇੰਨੀ ਔਖੀ ਕਿਉਂ ਹੈ

ਇਸ ਸਭ ਦਾ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਨਤੀਜਾ, ਅਤੇ ਸਭ ਤੋਂ ਵੱਧ ਅਣਡਿੱਠਾ ਕੀਤਾ ਗਿਆ, ਰੀਸ਼ੋਰਿੰਗ ਨਾਲ ਸਬੰਧਿਤ ਹੈ, ਅਤੇ ਇੱਥੇ ਉਦਯੋਗਿਕ ਕਾਮਨਜ਼ ਦਾ ਵਿਚਾਰ ਮਹੱਤਵ ਰੱਖਦਾ ਹੈ। ਗੈਰੀ ਪੀਸਾਨੋ ਅਤੇ ਵਿਲੀ ਸ਼ਿਹ ਨੇ 2009 ਵਿੱਚ Restoring American Competitiveness (PDF) ਵਿੱਚ ਇਸਦਾ ਨਾਮ ਰੱਖਿਆ ਸੀ। ਉਨ੍ਹਾਂ ਦੀ ਨਿਗਾਹ ਇਹ ਸੀ ਕਿ ਨਿਰਮਾਣ ਸਮਰਥਾ ਕਿਸੇ ਇਕਲੀਆਂ ਫਰਮਾਂ ਦੀ ਗੁਣ ਨਹੀਂ ਹੁੰਦੀ। ਇਹ ਇਕ ਇਕੋਸਿਸਟਮ ਦੀ ਗੁਣ ਹੁੰਦੀ ਹੈ, ਸਪਲਾਇਰਾਂ, ਟੂਲਮੈਕਰਾਂ, ਪ੍ਰਕਿਰਿਆ ਇੰਜੀਨੀਅਰਾਂ, ਅਤੇ ਅੰਤਰਗਤ ਜਾਣਕਾਰੀ ਦਾ ਸਾਂਝਾ ਸਥਾਨਕ ਆਧਾਰ।

ਜਦੋਂ ਕੋਈ ਦੇਸ਼ ਉਤਪਾਦਨ ਨੂੰ ਵਿਦੇਸ਼ਾਂ ਵਿੱਚ ਕਰਦਾ ਹੈ, ਉਹ ਸਿਰਫ਼ ਫੈਕਟਰੀਆਂ ਹੀ ਨਹੀਂ ਗੁਆਉਂਦਾ। ਸਮੇਂ ਦੇ ਨਾਲ ਉਹ ਆਲੇ-ਦੁਆਲੇ ਦੇ ਕਾਮਨਜ਼ ਨੂੰ ਵੀ ਗੁਆ ਦਿੰਦਾ ਹੈ, ਕਿਉਂਕਿ ਸਪਲਾਇਰ, ਟੂਲਮੈਕਰ, ਅਤੇ ਨਿਪੁੰਨ ਪ੍ਰਕਿਰਿਆ ਇੰਜੀਨੀਅਰ, ਜਦੋਂ ਉਨ੍ਹਾਂ ਨੂੰ ਜੀਵੰਤ ਰੱਖਣ ਵਾਲੀ ਕੋਈ ਸਥਾਨਕ ਮੰਗ ਨਹੀਂ ਰਹਿੰਦੀ, ਤਾਂ ਘਿਸ ਜਾਂਦੇ ਹਨ ਜਾਂ ਹਿੱਲ ਜਾਂਦੇ ਹਨ। ਜਦੋਂ ਕਾਮਨਜ਼ ਗਾਇਬ ਹੋ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਕੋਈ ਇਕਲੀ ਫਰਮ ਜਾਂ ਸਬਸਿਡੀ ਇਸਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਮੁੜ ਨਹੀਂ ਬਣਾ ਸਕਦੀ, ਕਿਉਂਕਿ ਇਕੱਲੀ ਰੀਸ਼ੋਰ ਕੀਤੀ ਫੈਕਟਰੀ ਦੇ ਕੋਲ ਕੋਈ ਸਥਾਨਕ ਸਪਲਾਇਰ ਨਹੀਂ ਹੁੰਦਾ, ਕੋਈ ਸਥਾਨਕ ਟੂਲਮੈਕਰ ਨਹੀਂ ਹੁੰਦਾ, ਕੋਈ ਅਨੁਭਵੀ ਪ੍ਰਕਿਰਿਆ ਇੰਜੀਨੀਅਰਾਂ ਦਾ ਸਥਾਨਕ ਭੰਡਾਰ ਨਹੀਂ ਹੁੰਦਾ, ਅਤੇ ਇਸ ਲਈ ਉਹ ਮਾਰਸ਼ੇਲੀਆਨ ਬਾਹਰੀ ਅਰਥਵਿਵਸਥਾਵਾਂ ਵਿੱਚੋਂ ਕੋਈ ਵੀ ਨਹੀਂ ਹੁੰਦੀਆਂ ਜਿਨ੍ਹਾਂ ਨੇ ਕਲੱਸਟਰ ਨੂੰ ਪਹਿਲਾਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਬਣਾਇਆ ਸੀ।

ਇਸੇ ਲਈ ਇੱਕ ਮਿਆਰੀਕ੍ਰਿਤ ਹਾਰਡਵੇਅਰ ਸ਼੍ਰੇਣੀ ਨੂੰ ਰੀਸ਼ੋਰ ਕਰਨਾ ਇੰਨਾ ਔਖਾ ਅਤੇ ਇੰਨਾ ਮਹਿੰਗਾ ਹੈ। ਰੀਸ਼ੋਰ ਕਰਨ ਵਾਲਾ ਜਿਹੜਾ ਫ਼ਾਇਦਾ ਮੁੜ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਿਹਾ ਹੈ, ਉਹ ਕਦੇ ਵੀ ਫੈਕਟਰੀ ਦੇ ਅੰਦਰ ਨਹੀਂ ਸੀ। ਉਹ ਫੈਕਟਰੀ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਦੇ ਇਕੋਸਿਸਟਮ ਵਿੱਚ ਸੀ, ਅਤੇ ਉਹ ਇਕੋਸਿਸਟਮ ਹੁਣ ਘਰ ਵਿੱਚ ਮੌਜੂਦ ਨਹੀਂ ਹੈ। ਖਾਈ ਇਸ ਲਈ ਚੀਨ ਨਹੀਂ ਗਈ ਕਿਉਂਕਿ ਚੀਨੀ ਫਰਮਾਂ ਅਲੱਗ-ਅਲੱਗ ਤੌਰ ਤੇ ਬਿਹਤਰ ਹਨ। ਇਹ ਇਸ ਲਈ ਗਈ ਕਿਉਂਕਿ ਕਾਮਨਜ਼ ਚਲਾ ਗਿਆ, ਅਤੇ ਕਾਮਨਜ਼ ਇਕ ਸਾਂਝੀ ਸੰਪਤੀ ਹੈ ਜਿਸਨੂੰ ਇਕੱਲੀ ਕਾਰਵਾਈ ਮੁੜ ਨਹੀਂ ਬਣਾ ਸਕਦੀ।

ਹਾਰਡਵੇਅਰ ਲਈ ਮੈਕਰੋ ਨਤੀਜਾ ਸੌਫ਼ਟਵੇਅਰ ਲਈ ਨਤੀਜੇ ਨਾਲ ਬਿਲਕੁਲ ਸਮਾਨ ਹੈ। ਜਿਸ ਪਲ ਕਿਸੇ ਭੌਤਿਕ ਉਤਪਾਦ ਦੇ ਵਿਸ਼ੇਸ਼ਣ ਜਾਣੇ ਜਾਂਦੇ ਹਨ, ਬੇਹੱਦ ਘਣਾ ਨਿਰਮਾਣ ਇਕੋਸਿਸਟਮ ਉਸਦੀ ਨਕਲ ਕਰ ਸਕਦਾ ਹੈ, ਉਸਨੂੰ ਉਤਪਾਦਨ ਲਈ ਅਨੁਕੂਲ ਕਰ ਸਕਦਾ ਹੈ, ਅਤੇ ਉਸਨੂੰ ਸਿੱਧੇ ਉਸ ਲਾਗਤ ਸੰਰਚਨਾ ਤੇ ਵੰਡ ਸਕਦਾ ਹੈ ਜੋ ਮੂਲ ਬਣਾਉਣ ਵਾਲੇ ਦੇ ਮਾਰਜਿਨ ਨੂੰ ਨਸ਼ਟ ਕਰ ਦਿੰਦੀ ਹੈ। ਇਕੱਲਾ ਹਾਰਡਵੇਅਰ, ਜੋ ਸਿਰਫ਼ ਭੌਤਿਕ ਉਤਪਾਦਨ ਦੀ ਮੁਸ਼ਕਲ ਨਾਲ ਰੱਖਿਆ ਗਿਆ ਸੀ, ਮਿਆਰੀਕ੍ਰਿਤ ਹੋ ਚੁੱਕਾ ਹੈ, ਕਿਉਂਕਿ ਇਹ ਮੁਸ਼ਕਲ, ਵਸਤਾਂ ਦੀ ਵਿਸ਼ਾਲ ਰੇਂਜ ਲਈ, ਹੁਣ ਮੌਜੂਦ ਨਹੀਂ ਰਹੀ।

ਭਾਗ ਛੇ: ਲਗਾਤਾਰ ਪਤਨ ਅਤੇ ਇਸਦੇ ਰਣਨੀਤਕ ਨਤੀਜੇ

ਲੋਕ ਆਮ ਤੌਰ ਤੇ ਦੋਵੇਂ ਪਤਨਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਵੱਖ-ਵੱਖ ਕਰਦੇ ਹਨ, ਅਤੇ ਕ੍ਰਮਵਾਰ ਤੌਰ ਤੇ ਕਰਨਾ ਵੀ ਚਾਹੀਦਾ ਹੈ। ਹਾਰਡਵੇਅਰ ਦਾ ਪਤਨ ਪਹਿਲਾਂ ਆਇਆ। ਚੀਨੀ ਇਕੱਠੇਕਰਨ ਨੇ ਉਪਭੋਗਤਾ ਇਲੈਕਟ੍ਰਾਨਿਕਸ ਅਤੇ ਕਈ ਦਰਮਿਆਨੇ ਜਟਿਲਤਾ ਵਾਲੀਆਂ ਵਸਤਾਂ ਵਿੱਚ ਉਤਪਾਦਨ-ਅਧਾਰਿਤ ਹਾਰਡਵੇਅਰ ਦੀ ਰੱਖਿਆਯੋਗਤਾ, ਜੈਨਰੇਟਿਵ AI ਕੋਡਿੰਗ ਟੂਲਜ਼ ਦੇ ਮਹੱਤਵਪੂਰਨ ਹੋਣ ਤੋਂ ਕਈ ਸਾਲ ਪਹਿਲਾਂ, ਕਮਜ਼ੋਰ ਕਰ ਦਿੱਤੀ ਸੀ। ਸੌਫ਼ਟਵੇਅਰ ਦਾ ਪਤਨ ਬਾਅਦ ਵਿੱਚ ਆਇਆ। ਅੱਜ ਇਕ ਸੰਸਥਾਪਕ ਲਈ ਅਸਲ ਘਟਨਾ ਇਹ ਨਹੀਂ ਕਿ ਦੋਵੇਂ ਇਕੱਠੇ ਸ਼ੁਰੂ ਹੋਏ। ਇਹ ਹੈ ਕਿ ਹੁਣ ਬਾਜ਼ਾਰ ਵਿੱਚ ਦੋਵੇਂ ਹਾਲਾਤ ਮੌਜੂਦ ਹਨ।

ਪੁਰਾਣੇ ਯੁੱਗ ਅਜੇ ਵੀ ਇੱਕ ਨਿਕਾਸੀ ਰਾਹ ਦਿੰਦੇ ਸਨ। ਜਦੋਂ ਸੌਫ਼ਟਵੇਅਰ ਮੁਕਾਬਲੇ ਵਾਲਾ ਹੋ ਗਿਆ, ਪੂੰਜੀ ਰੱਖਿਆਯੋਗ ਹਾਰਡਵੇਅਰ ਵੱਲ ਮੁੜ ਸਕਦੀ ਸੀ। ਜਦੋਂ ਹਾਰਡਵੇਅਰ ਮੁਕਾਬਲੇ ਵਾਲਾ ਹੋ ਗਿਆ, ਪੂੰਜੀ ਰੱਖਿਆਯੋਗ ਸੌਫ਼ਟਵੇਅਰ ਵੱਲ ਜਾ ਸਕਦੀ ਸੀ। ਦੋਵੇਂ ਖੇਤਰ ਬਦਲ-ਬਦਲ ਕੇ ਸ਼ਰਨ-ਸਥਾਨ ਸਨ। ਉਹ ਘੁੰਮਾਅ ਹੁਣ ਕੰਮ ਨਹੀਂ ਕਰਦਾ। ਖ਼ਾਲਿਸ ਐਟਮ ਪਹਿਲਾਂ ਹੀ ਆਪਣੀ ਉਤਪਾਦਨ ਖਾਈ ਗੁਆ ਚੁੱਕੇ ਹਨ, ਅਤੇ ਖ਼ਾਲਿਸ ਬਿਟ ਹੁਣ ਆਪਣੀ ਗੁਆ ਰਹੇ ਹਨ। ਹੁਣ ਨਾ ਖ਼ਾਲਿਸ ਬਿਟਾਂ ਦੀ ਕੋਈ ਸ਼ਰਨਗਾਹ ਰਹੀ ਹੈ ਅਤੇ ਨਾ ਖ਼ਾਲਿਸ ਐਟਮਾਂ ਦੀ। ਇਹੀ ਉਸ ਬਾਰਬੈੱਲ ਦਾ ਡੂੰਘਾ ਅਰਥ ਹੈ ਜਿਸ ਬਾਰੇ ਮੈਂ ਪਿਛਲੇ ਸਾਲ ਲਿਖਿਆ ਸੀ। ਵਿਚਕਾਰਲਾ ਹਿੱਸਾ, ਜਿੱਥੇ ਇੱਕ ਫ਼ਰਮ ਇੱਕ ਮਾਪਦੰਡ ਦੇ ਔਖੇ ਹੋਣ ਤੇ ਨਿਰਭਰ ਸੀ, ਦੋਵੇਂ ਪਾਸਿਆਂ ਤੋਂ ਖੋਖਲਾ ਕਰ ਦਿੱਤਾ ਗਿਆ ਹੈ।

ਪਹਿਲੀ-ਕਰਮ ਦੀ ਨਤੀਜਾ: ਸਾਰਵਭੌਮ ਡਿਫ਼ਲੇਸ਼ਨਰੀ ਦਬਾਅ

ਜਦੋਂ ਸੌਫ਼ਟਵੇਅਰ ਦੀ ਹਾਸ਼ੀਏ ਲਾਗਤ ਸ਼ੂਨਿਆ ਦੇ ਨੇੜੇ ਪਹੁੰਚਦੀ ਹੈ ਅਤੇ ਭੌਤਿਕ ਨਕਲ ਦੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਲਾਗਤ ਕਲੱਸਟਰ ਦੀ ਬੇਹੱਦ ਕੁਸ਼ਲ ਨਿਊਨਤਮ ਹੱਦ ਦੇ ਨੇੜੇ ਆ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਮੁਕਾਬਲਾ ਦੋਵੇਂ ਖੇਤਰਾਂ ਵਿੱਚ ਕੀਮਤਾਂ ਨੂੰ ਉਨ੍ਹਾਂ ਹੱਦਾਂ ਵੱਲ ਧੱਕਦਾ ਹੈ। ਇਹ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਡਿਸਇਨਫਲੇਸ਼ਨ ਹੈ ਅਤੇ ਬਿਨਾਂ ਖਾਈ ਵਾਲੇ ਉਤਪਾਦਕਾਂ ਲਈ ਨਾਸ਼ਕਾਰੀ ਹੈ, ਅਤੇ ਇਹ ਇੱਕ ਪਹੇਲੀ ਨੂੰ ਸਮਝਾਉਂਦਾ ਹੈ ਜੋ ਬਹੁਤ ਸਾਰੇ ਲੋਕ ਨੋਟ ਕਰਦੇ ਹਨ, ਕਿ ਅਦਭੁਤ ਤਕਨੀਕੀ ਤਰੱਕੀ ਠੀਕ ਉਹਨਾਂ ਫਰਮਾਂ ਦੇ ਮਾਰਜਿਨਾਂ ਦੇ ਸਿੱਕੁੜਣ ਦੇ ਨਾਲ-ਨਾਲ ਖੜੀ ਹੈ ਜੋ ਅਸਲ ਵਿੱਚ ਉਤਪਾਦਨ ਕਰ ਰਹੀਆਂ ਹਨ। ਤਰੱਕੀ ਉਪਭੋਗਤਾਵਾਂ ਅਤੇ ਨਕਲਚੀਆਂ ਦੁਆਰਾ ਆਪਣੇ ਕਬਜ਼ੇ ਵਿੱਚ ਲੈ ਲਈ ਜਾ ਰਹੀ ਹੈ, ਨ ਕਿ ਨਵਾਚਾਰਕਾਂ ਦੁਆਰਾ, ਠੀਕ ਇਸ ਲਈ ਕਿ ਦੋਵੇਂ ਖੇਤਰਾਂ ਵਿੱਚ appropriability ਡਿੱਗ ਗਈ ਹੈ।

ਦੂਜੀ-ਕਰਮ ਦੀ ਨਤੀਜਾ: ਕਿਰਾਇਆ ਮੁਸਕਰਾਉਂਦੀ ਵਕਰ ਦੇ ਨਾਲ-ਨਾਲ ਹਿਜਰਤ ਕਰਦਾ ਹੈ

ਸਟੈਨ ਸ਼ਿਹ, ਏਸਰ ਦੇ ਸੰਸਥਾਪਕ, ਨੇ ਲਗਭਗ 1992 ਦੇ ਆਸ-ਪਾਸ ਮੁਸਕਰਾਉਂਦੀ ਵਕਰ ਦਾ ਸੁਝਾਅ ਦਿੱਤਾ ਸੀ। ਨਿਰਮਾਣ ਮੁੱਲ ਸ਼੍ਰਿੰਖਲਾ ਦੇ ਉਤਪਾਦਨ ਦੇ ਪੜਾਅਵਾਂ ਦੇ ਖ਼ਿਲਾਫ਼ ਵੈਲਯੂ ਐਡੀਡ ਪਲਾਟ ਕਰੋ ਅਤੇ ਤੁਹਾਨੂੰ ਮੁਸਕਾਨ ਵਰਗਾ ਆਕਾਰ ਮਿਲਦਾ ਹੈ। ਬੈਨ ਥੌਮਪਸਨ ਨੇ ਇਸਨੂੰ ਪਬਲਿਸ਼ਿੰਗ ਲਈ ਅਨੁਕੂਲਿਤ ਕੀਤਾ ਹੈ, ਜੋ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਵਕਰ ਅਸਲ ਵਿੱਚ ਨਿਰਮਾਣ ਬਾਰੇ ਨਹੀਂ ਹੈ। ਇਹ ਰਹੀ ਮੂਲ ਰੂਪ ਰੇਖਾ:

ਸ਼ਿਹ ਦੇ ਪੜਾਅ ਇਹ ਹਨ:

• ਉੱਚ ਮੁੱਲ ਉੱਪਰੀ ਧਾਰਾ ਵਿੱਚ, ਜਿਸ ਦਾ ਅਰਥ ਹੈ ਡਿਜ਼ਾਈਨ, ਬ੍ਰਾਂਡਿੰਗ, ਅਤੇ ਬੌਧਿਕ ਸੰਪਤੀ
• ਵਿਚਕਾਰ ਡੂੰਘਾ ਖੱਡਾ, ਜਿਸ ਦਾ ਅਰਥ ਹੈ ਭੌਤਿਕ ਅਸੈਂਬਲੀ ਅਤੇ ਉਤਪਾਦਨ, ਉਹ ਪੜਾਅ ਜੋ ਸਭ ਤੋਂ ਆਸਾਨੀ ਨਾਲ ਮਿਆਰੀਕ੍ਰਿਤ ਹੋ ਜਾਂਦਾ ਹੈ
• ਉੱਚ ਮੁੱਲ ਨੀਚਲੀ ਧਾਰਾ ਵਿੱਚ, ਜਿਸ ਦਾ ਅਰਥ ਹੈ ਵੰਡ, ਸੇਵਾ, ਅਤੇ ਗਾਹਕ ਸੰਬੰਧ

ਚੀਨ ਦੇ ਉਭਾਰ ਨੇ ਹਾਰਡਵੇਅਰ ਲਈ ਉਸ ਵਕਰ ਦੇ ਵਿਚਕਾਰਲੇ ਹਿੱਸੇ ਨੂੰ ਸਮਤਲ ਅਤੇ ਮਿਆਰੀਕ੍ਰਿਤ ਕਰ ਦਿੱਤਾ। ਜੈਨਰੇਟਿਵ AI ਹੁਣ ਸੌਫ਼ਟਵੇਅਰ ਲਈ ਸਮਾਨ ਵਿਚਕਾਰਲੇ ਹਿੱਸੇ ਨੂੰ ਮਿਆਰੀਕ੍ਰਿਤ ਕਰ ਰਿਹਾ ਹੈ, ਜੋ ਸਿਰਫ਼ ਕੋਡ ਲਿਖਣ ਦੀ ਕਿਰਿਆ ਹੈ। ਇਸ ਤੋਂ ਨਿਕਲਣ ਵਾਲੀ ਹਦਾਇਤ ਦੋਵੇਂ ਹਾਲਾਤਾਂ ਵਿੱਚ ਇਕੋ ਜਿਹੀ ਹੈ: ਮਿਆਰੀਕ੍ਰਿਤ ਵਿਚਕਾਰਲੇ ਹਿੱਸੇ ਨੂੰ ਛੱਡੋ ਅਤੇ ਮੁਸਕਾਨ ਦੇ ਅੰਤਾਂ ਵੱਲ ਜਾਓ।

ਪਰ ਅੰਤ ਠੀਕ ਉਹੀ ਮੰਗ-ਪੱਖ ਅਤੇ ਪ੍ਰਣਾਲੀ-ਪੱਧਰੀ ਸੰਪਤੀਆਂ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਨਾ AI ਅਤੇ ਨਾ ਹੀ ਨਿਰਮਾਣ ਘਣਤਾ ਸਸਤੇ ਵਿੱਚ ਦੁਹਰਾ ਸਕਦੀ ਹੈ। ਉੱਪਰੀ ਧਾਰਾ ਵਿੱਚ ਇਸ ਦਾ ਅਰਥ ਹੈ ਮਲਕੀਅਤ ਵਾਲਾ ਡੇਟਾ, ਖੋਜ, ਅਤੇ ਡਿਜ਼ਾਈਨ ਸੂਝ। ਨੀਚਲੀ ਧਾਰਾ ਵਿੱਚ ਇਸ ਦਾ ਅਰਥ ਹੈ ਬ੍ਰਾਂਡ, ਭਰੋਸਾ, ਵੰਡ, ਨਿਯਮਕ ਸਥਿਤੀ, ਅਤੇ ਗਾਹਕ ਸੰਬੰਧ ਅਤੇ ਕਾਰਜਾਤਮਕ ਨਤੀਜੇ ਦੀ ਮਲਕੀਅਤ।

ਤੀਜੀ-ਕਰਮ ਦੀ ਨਤੀਜਾ: ਕਿਰਾਇਆ ਦਰਾਰਾਂ ਵਿੱਚ ਚਲਾ ਜਾਂਦਾ ਹੈ

ਇਹ ਉਹ ਨਤੀਜਾ ਹੈ ਜੋ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਰਣਨੀਤੀ ਨਾਲ ਜੋੜਦਾ ਹੈ। ਟਿਕਾਊ ਕਿਰਾਇਆ ਕਿਸੇ ਵੀ ਇਕਲ ਮਾਪਦੰਡ ਤੋਂ ਬਾਹਰ ਨਿਕਲ ਕੇ ਮਾਪਦੰਡਾਂ ਦੇ ਦਰਮਿਆਨਲੇ ਸੰਯੋਗ ਵਿੱਚ, ਅਤੇ ਉਹਨਾਂ ਸੰਪਤੀਆਂ ਵਿੱਚ ਚਲਾ ਗਿਆ ਹੈ ਜੋ ਉਤਪਾਦਨ ਤੋਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਬਾਹਰ ਬੈਠਦੀਆਂ ਹਨ। ਜੇ ਖ਼ਾਲਿਸ ਕੋਡ ਮੁਫ਼ਤ ਹੈ ਅਤੇ ਖ਼ਾਲਿਸ ਐਟਮ ਸਸਤੇ ਹਨ, ਤਾਂ ਫਿਰ ਉਹ ਘਰਸ਼ਣ ਜੋ ਅਜੇ ਵੀ ਕਿਰਾਇਆ ਪੈਦਾ ਕਰਦੇ ਹਨ, ਉਹ ਹਨ ਜੋ ਦਰਾਰਾਂ ਵਿੱਚ ਵੱਸਦੇ ਹਨ:

• ਕਸਟਮ ਹਾਰਡਵੇਅਰ ਅਤੇ ਕਸਟਮ ਸੌਫ਼ਟਵੇਅਰ ਦਾ ਕੱਸ ਕੇ ਸਾਂਝਾ ਡਿਜ਼ਾਈਨ, ਤਾਂ ਜੋ ਇਕ ਦੂਜੇ ਬਿਨਾਂ ਨਕਲਚੀ ਲਈ ਕੋਈ ਵੀ ਲਾਭਦਾਇਕ ਨਾ ਰਹੇ।
• ਅਸਲੀ ਭੌਤਿਕ ਜਾਂ ਨਿਯਮਤ ਵਰਕਫ਼ਲੋ ਨੂੰ ਚਲਾਉਣ ਨਾਲ ਪੈਦਾ ਹੋਇਆ ਮਲਕੀਅਤ ਵਾਲਾ ਡੇਟਾ, ਜੋ ਠੀਕ ਇਸ ਲਈ ਦੁਲਭ ਹੈ ਕਿਉਂਕਿ ਇਹ ਕੰਮ ਕਰਨ ਦਾ ਉਪ-ਉਤਪਾਦ ਹੈ, ਨਾ ਕਿ ਕੁਝ ਐਸਾ ਜੋ ਨਕਲ ਕੀਤਾ ਜਾ ਸਕੇ।
• ਡੂੰਘੇ, ਹੌਲੀ ਤਿਆਰ ਹੋਣ ਵਾਲੇ ਸੰਬੰਧ ਅਤੇ ਨਿਯਮਕ ਪ੍ਰਮਾਣਿਕਤਾਵਾਂ ਸੰਰੱਖਣਸ਼ੀਲ ਉਦਯੋਗਾਂ ਵਿੱਚ, ਜਿੱਥੇ ਸਸਤਾ ਨਕਲ-ਰੂਪ ਕਿਸੇ ਦੇ ਮੁਲਾਂਕਣ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਅਯੋਗ ਕਰ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ।
• ਮੁੱਖ ਭੂਮਿਕਾ ਦੀ ਸਥਿਤੀ, ਜਿੱਥੇ ਇੱਕ ਫ਼ਰਮ ਕੋਈ ਮਿਆਰੀਕ੍ਰਿਤ ਹੋ ਸਕਣ ਵਾਲਾ ਸੰਦ ਨਹੀਂ ਵੇਚਦੀ, ਸਗੋਂ ਕਾਰਜਕਾਰੀ ਦੀ ਮਾਲਕ ਹੁੰਦੀ ਹੈ, ਜ਼ਿੰਮੇਵਾਰੀ ਆਪਣੇ ਸਿਰ ਲੈਂਦੀ ਹੈ, ਨਤੀਜੇ ਦੀ ਗਾਰੰਟੀ ਦਿੰਦੀ ਹੈ, ਅਤੇ ਪੂਰੇ ਮੁਨਾਫ਼ੇ ਦੇ ਭੰਡਾਰ ਨਾਲ ਨਾਲ ਵਿਸ਼ੇਸ਼ ਡੇਟਾ ਨਿਕਾਸ ਨੂੰ ਵੀ ਕਬਜ਼ੇ ਵਿੱਚ ਲੈਂਦੀ ਹੈ।

ਇਹ ਉਹ ਘਰਸ਼ਣ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ AI ਅਤੇ ਚੀਨੀ ਇਕੱਠੇਕਰਨ ਸੰਰਚਨਾਤਮਕ ਤੌਰ ਤੇ ਖਤਮ ਕਰਨ ਦੇ ਯੋਗ ਨਹੀਂ ਹਨ, ਕਿਉਂਕਿ ਇਹ ਉਤਪਾਦਨ ਵਾਲੇ ਘਰਸ਼ਣ ਹਨ ਹੀ ਨਹੀਂ। ਇਹ ਭਰੋਸੇ ਦੇ, ਭੌਤਿਕ ਪਹੁੰਚ ਦੇ, ਨਿਯਮਾਂ ਦੇ, ਇਕੱਠੀ ਹੋਈ ਹਕੀਕੀ ਦੁਨੀਆ ਦੀ ਪਰਵੇਖਣ ਦੇ, ਅਤੇ ਕਾਰਜਾਤਮਕ ਮਲਕੀਅਤ ਦੇ ਘਰਸ਼ਣ ਹਨ।

ਭਾਗ ਸੱਤ: ਸੀਮਾਵਾਂ, ਵਿਰੋਧੀ ਦਲੀਲਾਂ, ਅਤੇ ਉਨ੍ਹਾਂ ਬਾਰੇ ਇਮਾਨਦਾਰ ਰਹਿਣਾ

ਇਨੀ ਵੱਡੀ ਥੀਸਿਸ ਨੂੰ ਆਪਣੀਆਂ ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ਆਪੱਤੀਆਂ ਦੇ ਸਾਹਮਣੇ ਜ਼ਰੂਰ ਪਰਖਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਕਿਉਂਕਿ ਇੱਕ ਵਧੇਰੇ ਕਹੀ ਗਈ ਧਾਰਨਾ ਤੇ ਬਣੀ ਰਣਨੀਤੀ ਉੱਥੇ ਹੀ ਫੇਲ੍ਹ ਹੁੰਦੀ ਹੈ ਜਿੱਥੇ ਧਾਰਨਾ ਬਹੁਤ ਮਜ਼ਬੂਤ ਸੀ।

ਆਪੱਤੀ 1: AI ਦੁਆਰਾ ਬਣਾਇਆ ਗਿਆ ਸੌਫ਼ਟਵੇਅਰ ਹਾਲੇ ਤੱਕ ਫਰੰਟੀਅਰ-ਗ੍ਰੇਡ ਨਹੀਂ ਹੈ

ਪਹਿਲੀ ਆਪੱਤੀ ਇਹ ਹੈ ਕਿ AI ਦੁਆਰਾ ਬਣਾਇਆ ਗਿਆ ਸੌਫ਼ਟਵੇਅਰ ਸਭ ਤੋਂ ਜਟਿਲ, ਸਭ ਤੋਂ ਉੱਚ ਭਰੋਸੇਯੋਗਤਾ ਵਾਲੇ, ਜਾਂ ਨਵੇਂ ਸਿਸਟਮਾਂ ਲਈ ਹਾਲੇ ਮਾਹਿਰਾਂ ਦੁਆਰਾ ਇੰਜੀਨੀਅਰ ਕੀਤੇ ਸੌਫ਼ਟਵੇਅਰ ਦੇ ਬਰਾਬਰ ਨਹੀਂ ਹੈ, ਅਤੇ ਇਕ ਅਸਲ ਗੁਣਵੱਤਾ ਦੀ ਸਰਹੱਦ ਹਾਲੇ ਵੀ ਮਿਆਰੀ ਜਨਰੇਸ਼ਨ ਅਤੇ ਫਰੰਟੀਅਰ ਇੰਜੀਨੀਅਰਿੰਗ ਦੇ ਵਿਚਕਾਰ ਮੌਜੂਦ ਹੈ।

ਇਹ ਸਹੀ ਹੈ ਅਤੇ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਮਿਆਰੀਕ੍ਰਿਤ ਹੋ ਸਕਣ ਵਾਲੇ ਜ਼ਿਆਦਾਤਰ ਪਰੰਪਰਾਗਤ ਐਪਲੀਕੇਸ਼ਨ ਸੌਫ਼ਟਵੇਅਰ ਲਈ, ਜਿਸਦੀ ਤਰਕ ਪਹਿਲਾਂ ਹੀ ਬਹੁਤ ਵਰਤੀ ਹੋਈ ਹੈ, ਮਿਆਰੀਕ੍ਰਿਤ ਹੋਣ ਵਾਲੀ ਦਲੀਲ ਸਭ ਤੋਂ ਜ਼ਿਆਦਾ ਲਾਗੂ ਹੁੰਦੀ ਹੈ। ਅਸਲ ਫਰੰਟੀਅਰ ‘ਤੇ, ਨਵੇਂ ਐਲਗੋਰਿਦਮਾਂ ਵਿੱਚ, ਅਤਿ-ਉੱਚ ਭਰੋਸੇਯੋਗਤਾ ਜਾਂ ਸੁਰੱਖਿਆ ਦੀ ਮੰਗ ਕਰਨ ਵਾਲੇ ਸਿਸਟਮਾਂ ਵਿੱਚ, ਅਤੇ ਉਹਨਾਂ ਸਮੱਸਿਆਵਾਂ ਵਿੱਚ ਜਿਨ੍ਹਾਂ ਲਈ ਟ੍ਰੇਨਿੰਗ ਡੇਟਾ ਵਿੱਚ ਕੋਈ ਨਜ਼ੀਰ ਨਹੀਂ, ਮਾਹਿਰ ਮਨੁੱਖੀ ਫ਼ੈਸਲਾ ਹਾਲੇ ਵੀ ਕਿਰਾਇਆ ਕਮਾਂਦਾ ਹੈ। ਇਸ ਲਈ ਸਹੀ ਦਾਅਵਾ ਇਹ ਹੈ ਕਿ AI ਮਿਆਰੀਕ੍ਰਿਤ ਹੋ ਸਕਣ ਵਾਲੇ ਸੌਫ਼ਟਵੇਅਰ ਦੀ ਬਹੁਮਤ ਲਈ ਖਾਈ ਨੂੰ ਢਾਹ ਦਿੰਦਾ ਹੈ, ਨਾ ਕਿ ਇਹ ਕਿ ਇਹ ਸੌਫ਼ਟਵੇਅਰ ਦੀ ਸਾਰੀ ਕ਼ੀਮਤ ਨੂੰ ਸਮਾਪਤ ਕਰ ਦਿੰਦਾ ਹੈ।

ਪਰ ਯਾਤਰਾ ਦੀ ਦਿਸ਼ਾ ਰਣਨੀਤਿਕ ਤੌਰ ‘ਤੇ ਮਹੱਤਵ ਰੱਖਦੀ ਹੈ, ਕਿਉਂਕਿ ਜੋ ਸਰਹੱਦ ਰੱਖਿਆਯੋਗ ਰਹਿੰਦੀ ਹੈ ਉਹ ਤੰਗ ਹੁੰਦੀ ਹੈ, ਉਹ ਲਗਾਤਾਰ ਹਿਲਦੀ ਰਹਿੰਦੀ ਹੈ, ਅਤੇ ਉਹ ਇਕ ਟਿਕਾਊ ਕਾਰੋਬਾਰ ਲਈ ਖਰਾਬ ਬੁਨਿਆਦ ਹੈ ਜਦ ਤੱਕ ਕਿ ਉਹ ਉੱਪਰ ਦਿੱਤੀਆਂ ਗੈਰ-ਉਤਪਾਦਨ ਖਾਈਆਂ ਵਿੱਚੋਂ ਕਿਸੇ ਇੱਕ ਨਾਲ ਜੁੜੀ ਨਾ ਹੋਵੇ।

ਐਤਰਾਜ਼ 2: ਚੀਨੀ ਪ੍ਰਮੁੱਖਤਾ ਅਸਮਾਨ ਹੈ ਅਤੇ ਰਾਜਨੀਤਿਕ ਤੌਰ ‘ਤੇ ਵਿਵਾਦਤ ਹੈ

ਦੂਜਾ ਐਤਰਾਜ਼ ਇਹ ਹੈ ਕਿ ਚੀਨੀ ਉਤਪਾਦਨ ਪ੍ਰਮੁੱਖਤਾ ਸ਼੍ਰੇਣੀਆਂ ਵਿੱਚ ਅਸਮਾਨ ਹੈ ਅਤੇ ਹੁਣ ਗੰਭੀਰ ਭੂ-ਰਾਜਨੀਤਿਕ ਪ੍ਰਤੀ-ਬਲਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਹੀ ਹੈ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਟੈਰਿਫ਼, ਨਿਰਯਾਤ ਨਿਯੰਤਰਣ, ਰਾਸ਼ਟਰੀ ਸੁਰੱਖਿਆ ਦੁਆਰਾ ਚਲਾਇਆ ਗਿਆ ਰੀਸ਼ੋਰਿੰਗ, ਅਤੇ ਮਹੱਤਵਪੂਰਨ ਸਪਲਾਈ ਚੇਨਾਂ ਦੀ ਜਾਨਬੂਝ ਕੇ ਫ੍ਰੈਂਡ ਸ਼ੋਰਿੰਗ ਸ਼ਾਮਲ ਹਨ।

ਇਹ ਵੀ ਸਹੀ ਹੈ। ਕਮੋਡੀਟਾਈਜ਼ੇਸ਼ਨ ਵਾਲੀ ਦਲੀਲ ਉਪਭੋਗਤਾ ਇਲੈਕਟ੍ਰਾਨਿਕਸ, ਮਕੈਨਿਕਲ ਸਮਾਨ, ਅਤੇ ਦਰਮਿਆਨੀ ਜਟਿਲਤਾ ਵਾਲੀਆਂ ਅਸੈਂਬਲੀਆਂ ਲਈ ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ਹੈ, ਅਤੇ ਤਕਨਾਲੋਜੀ ਸਟੈਕ ਦੇ ਬਹੁਤ ਸਿਖਰ ‘ਤੇ ਸਭ ਤੋਂ ਕਮਜ਼ੋਰ ਹੈ, ਸਭ ਤੋਂ ਸਪਸ਼ਟ ਤੌਰ ‘ਤੇ ਉੱਨਤ ਸੈਮੀਕੰਡਕਟਰ ਫੈਬਰਿਕੇਸ਼ਨ ਵਿੱਚ, ਜਿੱਥੇ ਅਤਿ-ਉੱਚ ਪੂੰਜੀ ਤੀਬਰਤਾ ਅਤੇ ਕੁਝ ਅਦਲੀ-ਬਦਲੀ ਨਾ ਹੋ ਸਕਣ ਵਾਲੇ ਸਪਲਾਇਰ ਆਪਣੀਆਂ ਖਾਈਆਂ ਖੁਦ ਬਣਾਉਂਦੇ ਹਨ। ਨੀਤੀ ਵੀ ਕ੍ਰਿਤ੍ਰਿਮ ਤੌਰ ‘ਤੇ ਉਹ ਘਿਸਾਈਆਂ ਵਾਪਸ ਜੋੜ ਸਕਦੀ ਹੈ ਜਿਹੜੀਆਂ ਅਗਲੋਮੇਰੇਸ਼ਨ ਨੇ ਹਟਾ ਦਿੱਤੀਆਂ ਸਨ, ਟੈਰਿਫ਼ਾਂ ਰਾਹੀਂ ਜੋ ਨਕਲਕਾਰ ਦੀ ਲੈਂਡਡ ਲਾਗਤ ਵਧਾਉਂਦੀਆਂ ਹਨ ਜਾਂ ਨਿਰਯਾਤ ਨਿਯੰਤਰਣਾਂ ਰਾਹੀਂ ਜੋ ਉਸਦੇ ਇਨਪੁੱਟ ਰੋਕ ਦਿੰਦੀਆਂ ਹਨ।

ਪਰ ਉਹ ਪ੍ਰਤੀ-ਬਲ ਦਰਅਸਲ ਕੇਂਦਰੀ ਨਤੀਜੇ ਨੂੰ ਕਮਜ਼ੋਰ ਕਰਨ ਦੀ ਬਜਾਏ ਮਜ਼ਬੂਤ ਕਰਦੇ ਹਨ, ਕਿਉਂਕਿ ਬਚੀ ਹੋਈ ਸੈਮੀਕੰਡਕਟਰ ਖਾਈ ਅਤੇ ਨੀਤੀ-ਚਲਿਤ ਰੀਸ਼ੋਰਿੰਗ ਖਾਈ ਦੋਵੇਂ, ਫਿਰ ਇੱਕ ਵਾਰ, ਸਿਰਫ਼ ਹਾਰਡਵੇਅਰ ਦੀਆਂ ਖਾਈਆਂ ਨਹੀਂ ਹਨ। ਇਹ ਅਤਿ-ਪੱਧਰੀ ਪੂੰਜੀ ਪੈਮਾਨੇ, ਅਦਲੀ-ਬਦਲੀ ਨਾ ਹੋ ਸਕਣ ਵਾਲੇ ਸਪਲਾਇਰ ਸਥਾਨ, ਅਤੇ ਨਿਯਮਕ ਅਤੇ ਭੂ-ਰਾਜਨੀਤਿਕ ਸੰਬੰਧਾਂ ਦੀਆਂ ਖਾਈਆਂ ਹਨ। ਇਹ ਠੀਕ ਉਹੋ ਜਿਹੀਆਂ ਗੈਰ-ਉਤਪਾਦਨ, ਸੰਬੰਧ ਅਤੇ ਸਥਿਤੀ ਸੰਬੰਧੀ ਘਿਸਾਈਆਂ ਹਨ ਜਿਨ੍ਹਾਂ ਵੱਲ ਇਸ ਰਿਪੋਰਟ ਦੇ ਅਨੁਸਾਰ ਰੈਂਟ ਸਰਕ ਗਿਆ ਹੈ।

ਐਤਰਾਜ਼ 3: ਵੱਡੇ ਮੌਜੂਦਾ ਖਿਡਾਰੀ ਅਜੇ ਵੀ ਇੰਨੇ ਲਾਭਦਾਇਕ ਕਿਉਂ ਹਨ?

ਤੀਜਾ ਐਤਰਾਜ਼ ਸੁਖਮ ਹੈ। ਜੇ ਸਾਫਟਵੇਅਰ ਅਤੇ ਹਾਰਡਵੇਅਰ ਦੋਵੇਂ ਹੀ ਕਮੋਡੀਟਾਈਜ਼ ਹੋ ਚੁੱਕੇ ਹਨ, ਤਾਂ ਸਭ ਤੋਂ ਵੱਡੇ ਟੈਕਨੋਲੋਜੀ ਮੌਜੂਦਾ ਖਿਡਾਰੀ ਅਜੇ ਵੀ ਅਸਾਧਾਰਣ ਤੌਰ ‘ਤੇ ਲਾਭਦਾਇਕ ਕਿਉਂ ਹਨ?

ਜਵਾਬ ਇਹ ਹੈ ਕਿ ਉਹ ਮੌਜੂਦਾ ਖਿਡਾਰੀ ਅਸਲ ਵਿੱਚ ਕਦੇ ਵੀ ਸ਼ੁੱਧ ਸਾਫਟਵੇਅਰ ਜਾਂ ਸ਼ੁੱਧ ਹਾਰਡਵੇਅਰ ਦੁਆਰਾ ਸੁਰੱਖਿਅਤ ਨਹੀਂ ਸਨ। ਉਨ੍ਹਾਂ ਦੀਆਂ ਅਸਲ ਖਾਈਆਂ ਨੈੱਟਵਰਕ ਪ੍ਰਭਾਵ, ਵੰਡ ਅਤੇ ਧਿਆਨ ‘ਤੇ ਨਿਯੰਤਰਣ, ਮਲਕੀਅਤ ਵਾਲਾ ਡਾਟਾ ਜੋ ਸਭਿਆਚਾਰਕ ਪੱਧਰ ‘ਤੇ ਹੈ, ਇਕੋਸਿਸਟਮ ਲੌਕ-ਇਨ, ਅਤੇ ਕੁਝ ਮਾਮਲਿਆਂ ਵਿੱਚ ਨਿਯਮਕ ਪੱਕਾਪਣ ਹਨ। ਇੱਥੇ ਵਰਣਿਤ ਢਹਿਰਾਵਾ ਇਸ ਵਿੱਚੋਂ ਕਿਸੇ ਨੂੰ ਵੀ ਖਤਰਾ ਨਹੀਂ ਪਹੁੰਚਾਉਂਦਾ, ਅਤੇ ਕਈ ਤਰੀਕਿਆਂ ਨਾਲ ਇਸ ਨੂੰ ਹੋਰ ਮਜ਼ਬੂਤ ਕਰਦਾ ਹੈ, ਕਿਉਂਕਿ ਜਿਵੇਂ ਸ਼ੁੱਧ ਉਤਪਾਦਨ ਕਮੋਡੀਟਾਈਜ਼ ਹੁੰਦਾ ਹੈ, ਉਹ ਗੈਰ-ਉਤਪਾਦਨ ਸੰਪਤੀਆਂ ਦੀ ਸਬੰਧਕ ਕੀਮਤ ਜੋ ਮੌਜੂਦਾ ਖਿਡਾਰੀ ਪਹਿਲਾਂ ਹੀ ਰੱਖਦੇ ਹਨ, ਵੱਧ ਜਾਂਦੀ ਹੈ।

ਇਹ ਥੀਸਿਸ ਨਾਲ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸੁਮੇਲ ਰੱਖਦਾ ਹੈ। ਉਤਪਾਦਨ ਦੀ ਕਮੋਡੀਟਾਈਜ਼ੇਸ਼ਨ ਸਾਰਾ ਨਫ਼ਾ ਸਮਤਲ ਨਹੀਂ ਕਰਦੀ। ਇਹ ਨਫ਼ੇ ਨੂੰ ਉਹਨਾਂ ਫਰਮਾਂ ਤੋਂ ਦੂਰ ਕਰ ਦਿੰਦੀ ਹੈ ਜਿਨ੍ਹਾਂ ਦੀ ਇਕੱਲੀ ਬੜਤਰੀ ਇਹ ਸੀ ਕਿ ਉਤਪਾਦਨ ਮੁਸ਼ਕਲ ਸੀ, ਅਤੇ ਉਹਨਾਂ ਫਰਮਾਂ ਵੱਲ ਲੈ ਜਾਂਦੀ ਹੈ ਜੋ ਉਹ ਘਿਸਾਈਆਂ ਰੱਖਦੀਆਂ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਉਤਪਾਦਨ ਛੂਹ ਨਹੀਂ ਸਕਦਾ। ਮੌਜੂਦਾ ਖਿਡਾਰੀ ਇਸ ਲਈ ਬਚਦੇ ਹਨ ਕਿਉਂਕਿ ਉਹ ਕਦੇ ਵੀ ਇਕ-ਆਯਾਮੀ ਕਾਰੋਬਾਰ ਨਹੀਂ ਸਨ। ਇਹੀ ਸਿੱਖ ਹੈ, ਅਪਵਾਦ ਨਹੀਂ।

ਭਾਗ ਅੱਠ: ਸੰਸ਼ਲੇਸ਼ਣ ਅਤੇ ਆਧੁਨਿਕ ਖਾਈ ਵੱਲ ਪੁਲ

ਇਸ ਰਿਪੋਰਟ ਵਿੱਚ ਦੋ ਢਹਿਰਾਵੇ, ਮੂਲ ਰੂਪ ਵਿੱਚ, ਇੱਕੋ ਹੀ ਮਕੈਨਿਜ਼ਮ ਦੇ ਦੋ ਖੇਤਰਾਂ ਵਿੱਚ ਦੁਹਰਾਏ ਜਾਣ ਹਨ, ਨਾ ਕਿ ਇੱਕ ਸਾਂਝੀ ਸਮਾਂ-ਰੇਖਾ। ਦੋਵੇਂ ਮਾਮਲਿਆਂ ਵਿੱਚ ਕਾਰੋਬਾਰਾਂ ਦੀ ਇਕ ਸ਼੍ਰੇਣੀ ਨੇ ਟਿਕਾਊ ਰੈਂਟ ਇਸ ਲਈ ਕਮਾਈ ਕਿਉਂਕਿ ਉਤਪਾਦਨ ਮੁਸ਼ਕਲ, ਹੌਲਾ, ਅਤੇ ਮਹਿੰਗਾ ਸੀ। ਦੋਵੇਂ ਮਾਮਲਿਆਂ ਵਿੱਚ ਇਕ ਘਿਸਾਈ-ਘੋਲਣ ਵਾਲੀ ਤਾਕਤ, ਡਿਜ਼ਿਟਲ ਖੇਤਰ ਵਿੱਚ ਜਨਰੇਟਿਵ AI ਅਤੇ ਭੌਤਿਕ ਖੇਤਰ ਵਿੱਚ ਹਾਈਪਰ-ਘਣੇ ਉਦਯੋਗਿਕ ਅਗਲੋਮੇਰੇਸ਼ਨ ਨੇ, ਉਤਪਾਦਨ ਨੂੰ ਆਸਾਨ, ਤੇਜ਼, ਅਤੇ ਸਸਤਾ ਬਣਾ ਦਿੱਤਾ। ਦੋਵੇਂ ਮਾਮਲਿਆਂ ਵਿੱਚ ਉਹ ਰੈਂਟ ਜੋ ਉਤਪਾਦਨ ਦੀ ਮੁਸ਼ਕਲ ਦੁਆਰਾ ਰੱਖਿਆ ਗਿਆ ਸੀ, ਉਸੇ ਪਲ ਭਾਫ਼ ਬਣ ਕੇ ਉੱਡ ਗਿਆ ਜਦੋਂ ਉਤਪਾਦਨ ਮੁਸ਼ਕਲ ਨਹੀਂ ਰਿਹਾ।

ਸਮਮਿਤੀ ਬਿਲਕੁਲ ਸਹੀ ਹੈ, ਅਤੇ ਇਸ ਨੂੰ ਦੇਖਣਾ ਦੋਹਾਂ ਹਿੱਸਿਆਂ ਵਿੱਚੋਂ ਕਿਸੇ ਇੱਕ ਨਾਲੋਂ ਵੱਧ ਕ਼ੀਮਤੀ ਹੈ, ਕਿਉਂਕਿ ਇਹ ਦੋਵੇਂ ਦੇ ਹੇਠਾਂ ਲੁਕਿਆ ਆਮ ਨਿਯਮ ਪ੍ਰਗਟ ਕਰਦਾ ਹੈ:

ਕੋਈ ਵੀ ਖਾਈ ਜੋ ਸਿਰਫ਼ ਕਿਸੇ ਚੀਜ਼ ਨੂੰ ਬਣਾਉਣ ਦੀ ਮੁਸ਼ਕਲ ਤੋਂ ਬਣੀ ਹੋਵੇ, ਅਸਥਾਈ ਹੁੰਦੀ ਹੈ, ਅਤੇ ਉਹ ਠੀਕ ਉਸ ਪਲ ਤੱਕ ਰਹਿੰਦੀ ਹੈ ਜਦੋਂ ਕੋਈ ਉਸ ਚੀਜ਼ ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਬਣਾਉਣ ਦਾ ਤਰੀਕਾ ਲੱਭ ਲੈਂਦਾ ਹੈ।

ਰਣਨੀਤਿਕ ਨਤੀਜਾ ਸਿੱਧੇ ਤੌਰ ‘ਤੇ ਨਿਕਲਦਾ ਹੈ। ਕਿਉਂਕਿ ਨਾ ਸਿਰਫ਼ ਬਿੱਟਸ ਅਤੇ ਨਾ ਹੀ ਐਟਮ ਇਕੱਲੇ ਕਾਰੋਬਾਰ ਦੀ ਰੱਖਿਆ ਕਰ ਸਕਦੇ ਹਨ, ਇਸ ਲਈ ਰੱਖਿਆਯੋਗਤਾ ਉਨ੍ਹਾਂ ਘਿਸਾਈਆਂ ਤੋਂ ਬਣਾਉਣੀ ਪਵੇਗੀ ਜੋ ਦੋਵੇਂ ਢਹਿਰਾਵਿਆਂ ਤੋਂ ਬਚ ਗਈਆਂ:

• ਕਸਟਮ ਹਾਰਡਵੇਅਰ ਅਤੇ ਕਸਟਮ ਸਾਫਟਵੇਅਰ ਦਾ ਤੰਗ, ਬੰਦ-ਚੱਕਰ ਇੰਟੀਗ੍ਰੇਸ਼ਨ, ਤਾਂ ਜੋ ਸਿਸਟਮ ਨੂੰ ਟੁਕੜੇ-ਟੁਕੜੇ ਕਰਕੇ ਨਕਲ ਨਾ ਕੀਤਾ ਜਾ ਸਕੇ।
• ਮਲਕੀਅਤ ਵਾਲਾ, ਲਗਾਤਾਰ ਤਾਜ਼ਾ ਕੀਤਾ ਗਿਆ ਡਾਟਾ ਜੋ ਅਸਲ ਵਰਕਫ਼ਲੋ ਚਲਾਉਣ ਦੇ ਸਾਈਡ-ਇਫੈਕਟ ਵਜੋਂ ਬਣਦਾ ਹੈ, ਜੋ ਨਕਲ ਨਹੀਂ ਹੋ ਸਕਦਾ ਕਿਉਂਕਿ ਉਸਨੂੰ ਕਾਰਜ ਰਾਹੀਂ ਕਮਾਉਣਾ ਪੈਂਦਾ ਹੈ।
• ਰੁੜ੍ਹੀਵਾਦੀ ਉਦਯੋਗਾਂ ਦੇ ਗਹਿਰੇ ਸੰਬੰਧ, ਭਰੋਸਾ, ਅਤੇ ਨਿਯਮਕ ਦਰਜਾ, ਜੋ ਨਾ ਕੋਈ ਕੋਡਿੰਗ ਏਜੰਟ ਅਤੇ ਨਾ ਹੀ ਕੋਈ ਕਰਾਰ ਫੈਕਟਰੀ ਪੈਦਾ ਕਰ ਸਕਦੀ ਹੈ।
• ਵੇਂਡਰ ਦੀ ਬਜਾਏ ਪ੍ਰਿੰਸੀਪਲ ਵਜੋਂ ਕੰਮ ਕਰਨ ਦਾ ਫੈਸਲਾ, ਵਰਕਫ਼ਲੋ ਅਤੇ ਉਸਦੇ ਨਤੀਜੇ ਦੀ ਮਲਕੀਅਤ ਰੱਖਣਾ ਤਾਂ ਜੋ ਪੂਰਾ ਨਫ਼ਾ ਪੂਲ ਅਤੇ ਸਾਰਾ ਡਾਟਾ ਨਿਕਾਸ ਕੈਪਚਰ ਰਹੇ, ਨਾ ਕਿ ਵੇਚ ਦਿੱਤਾ ਜਾਵੇ।

ਇੱਕ ਆਧੁਨਿਕ ਵੈਂਚਰ-ਪੈਮਾਨੇ ਦੀ ਕੰਪਨੀ ਉਨ੍ਹਾਂ surviving ਘਿਸਾਈਆਂ ਵਿੱਚੋਂ ਕਿੰਨੀਆਂ ਨੂੰ ਇਕੱਠਾ ਕਰਦੀ ਹੈ, ਉਸਦੀ ਰੱਖਿਆਯੋਗਤਾ ਬਿਲਕੁਲ ਉਸੇ ਹੱਦ ਤੱਕ ਹੈ। ਜੋ ਕੁਝ ਪਹਿਲਾਂ ਇਸ ਲਈ ਖਾਈ ਸੀ ਕਿਉਂਕਿ ਉਸਨੂੰ ਬਣਾਉਣਾ ਮੁਸ਼ਕਲ ਸੀ, ਹੁਣ ਉਹ ਕਮੋਡੀਟੀ ਹੈ ਕਿਉਂਕਿ ਉਸਨੂੰ ਬਣਾਉਣਾ ਆਸਾਨ ਹੈ। ਜੋ ਬਚਦਾ ਹੈ ਉਹ ਉਹ ਹੈ ਜਿਸ ਤੱਕ ਪਹੁੰਚਣਾ ਮੁਸ਼ਕਲ ਹੈ, ਜਿਸ ਵਿੱਚ ਭਰੋਸਾ ਕਮਾਉਣਾ ਮੁਸ਼ਕਲ ਹੈ, ਜਿਸ ਵਿੱਚ ਨਿਯਮਕ ਤਰੀਕੇ ਨਾਲ ਦਾਖਲ ਹੋਣਾ ਮੁਸ਼ਕਲ ਹੈ, ਅਤੇ ਜਿਸ ਨੂੰ ਅਸਲ ਕੰਮ ਕੀਤੇ ਬਿਨਾਂ ਦੇਖਣਾ ਮੁਸ਼ਕਲ ਹੈ।

ਭਵਿੱਖ ਦੀ ਖਾਈ ਬਿੱਟਸ ਤੋਂ ਨਹੀਂ ਬਣੀ, ਅਤੇ ਨਾ ਹੀ ਐਟਮਾਂ ਤੋਂ। ਇਹ ਉਨ੍ਹਾਂ ਦੇ ਦਰਮਿਆਨ ਦੀਆਂ ਸੀਮਾਂ ਤੋਂ ਬਣੀ ਹੈ, ਅਤੇ ਉਹਨਾਂ ਸੰਬੰਧਾਂ ਅਤੇ ਕਮਾਏ ਹੋਏ ਡਾਟੇ ਤੋਂ ਜੋ ਕੋਈ ਵੀ ਤੁਹਾਡੀ ਜਗ੍ਹਾ ਖੜ੍ਹੇ ਹੋਏ ਬਿਨਾਂ ਦੁਬਾਰਾ ਨਹੀਂ ਬਣਾ ਸਕਦਾ।

ਵਿਸ਼ਲੇਸ਼ਣ ਦਾ ਨਿਸ਼ਕਰਸ਼

ਤੀਹ ਸਾਲਾਂ ਵਾਲਾ ਪਰਿਪਾਠ ਜਿਸ ਨੇ ਸਾਫਟਵੇਅਰ ਨੂੰ ਰੱਖਿਆਯੋਗ ਨਫ਼ੇ ਦਾ ਭਰੋਸੇਯੋਗ ਇੰਜਣ ਅਤੇ ਹਾਰਡਵੇਅਰ ਨੂੰ ਘੱਟ-ਮਾਰਜਿਨ ਕਮੋਡੀਟੀ ਮੰਨਿਆ, ਸਿਰਫ਼ ਹਿਲਿਆ ਨਹੀਂ। ਉਸ ਦੀਆਂ ਦੋ ਬੁਨਿਆਦੀ ਧਾਰਨਾਵਾਂ ਕ੍ਰਮਵਾਰ ਝੂਠੀਆਂ ਸਾਬਤ ਹੋਈਆਂ। ਚੀਨੀ ਉਦਯੋਗਿਕ ਅਗਲੋਮੇਰੇਸ਼ਨ ਨੇ ਪਹਿਲਾਂ ਇਹ ਧਾਰਨਾ ਝੂਠੀ ਸਾਬਤ ਕੀਤੀ ਕਿ ਹਾਰਡਵੇਅਰ ਨੂੰ ਪਹਿਲੀ ਵਾਰ ਦੁਹਰਾਉਣਾ ਅਤੇ ਨਿਰਮਾਣ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੈ। ਜਨਰੇਟਿਵ AI ਹੁਣ ਇਹ ਧਾਰਨਾ ਝੂਠੀ ਸਾਬਤ ਕਰ ਰਹੀ ਹੈ ਕਿ ਸਾਫਟਵੇਅਰ ਬਣਾਉਣਾ ਅਤੇ ਬਦਲਣਾ ਮੁਸ਼ਕਲ ਹੈ।

ਕਿਉਂਕਿ ਦੋਵੇਂ ਖਾਈਆਂ ਮੁੱਖ ਤੌਰ ‘ਤੇ ਉਤਪਾਦਨ ਦੀ ਮੁਸ਼ਕਲ ‘ਤੇ ਆਧਾਰਿਤ ਸਨ, ਅਤੇ ਕਿਉਂਕਿ ਇਹੀ ਮੁਸ਼ਕਲ ਦੋਵੇਂ ਘਿਸਾਈ-ਘੋਲਣ ਵਾਲੀਆਂ ਤਾਕਤਾਂ ਦਾ ਖਾਸ ਨਿਸ਼ਾਨਾ ਸੀ, ਇਸ ਲਈ ਦੋਵੇਂ ਖਾਈਆਂ ਢਹਿ ਗਈਆਂ। ਜੋ ਰੈਂਟ ਪਹਿਲਾਂ ਉਸਨੂੰ ਜਾਂਦੀ ਸੀ ਜੋ ਬਿੱਟਸ ਤਿਆਰ ਕਰ ਸਕਦਾ ਸੀ ਜਾਂ ਐਟਮਾਂ ਨੂੰ ਗੜ੍ਹ ਸਕਦਾ ਸੀ, ਹੁਣ ਉਹ ਉਪਭੋਗਤਾਵਾਂ ਅਤੇ ਨਕਲਕਾਰਾਂ ਵੱਲ ਵਗਦੀ ਹੈ, ਜਦ ਤੱਕ ਕਿਸੇ ਫਰਮ ਨੇ ਆਪਣੇ ਆਪ ਨੂੰ ਉਸ ਘਿਸਾਈ ਨਾਲ ਨਾ ਜੋੜ ਲਿਆ ਹੋਵੇ ਜਿਸ ਤੱਕ ਉਤਪਾਦਨ-ਢਹਿਰਾਵਾ ਨਹੀਂ ਪਹੁੰਚ ਸਕਦਾ।

ਉਹ ਬਚੀਆਂ ਘਿਸਾਈਆਂ, ਇੰਟੀਗ੍ਰੇਸ਼ਨ, ਮਲਕੀਅਤ ਵਾਲਾ ਕਾਰਜਾਤਮਕ ਡਾਟਾ, ਭਰੋਸੇਯੋਗ ਸੰਬੰਧ, ਨਿਯਮਕ ਸਥਿਤੀ, ਅਤੇ ਅਸਲ ਵਰਕਫ਼ਲੋ ਦੀ ਪ੍ਰਿੰਸੀਪਲ ਮਲਕੀਅਤ, ਉਹ ਜਗ੍ਹਾ ਹਨ ਜਿੱਥੇ ਟਿਕਾਊ ਮੁੱਲ ਚਲਾ ਗਿਆ। ਇਸ ਯੁੱਗ ਵਿੱਚ ਇੱਕ ਰੱਖਿਆਯੋਗ ਕੰਪਨੀ ਬਣਾਉਣ ਦਾ ਅਰਥ ਹੈ ਕਿਸੇ ਇਕਲੌਤੇ ਆਯਾਮ ਦੀ ਮੁਸ਼ਕਲ ‘ਤੇ ਨਿਰਭਰ ਕਰਨ ਤੋਂ ਇਨਕਾਰ ਕਰਨਾ, ਕਿਉਂਕਿ ਜੋ ਕੁਝ ਸਿਰਫ਼ ਬਣਾਉਣ ਵਿੱਚ ਮੁਸ਼ਕਲ ਹੈ, ਉਹ ਇੱਕ ਵਾਰ ਬਣਾਉਣਾ ਆਸਾਨ ਹੋ ਜਾਵੇ ਤਾਂ ਰੱਖਿਆਯੋਗ ਨਹੀਂ ਰਹਿੰਦਾ।

ਆਧੁਨਿਕ ਖਾਈ

ਉੱਪਰ ਦਿੱਤੀ ਹਰ ਚੀਜ਼ ਨਿਰਣੇ ਹੈ। ਇਹ ਸਥਾਪਿਤ ਕਰਦੀ ਹੈ ਕਿ ਰੈਂਟ ਕਿੱਥੇ ਗਿਆ ਅਤੇ ਕਿਉਂ, ਪਰ ਇਹ ਸਿਧਾਂਤ ਦੇ ਪੱਧਰ ‘ਤੇ ਹੀ ਰੁਕ ਜਾਂਦੀ ਹੈ, ਅਤੇ ਸਿਧਾਂਤ ਤੁਹਾਨੂੰ ਇਹ ਨਹੀਂ ਦੱਸਦਾ ਕਿ ਉਸ ‘ਤੇ ਬਣੀ ਹੋਈ ਕੰਪਨੀ ਅਸਲ ਵਿੱਚ ਕਿਹੋ ਜਿਹੀ ਲੱਗਦੀ ਹੈ। ਇਹ ਅੱਧਾ ਉੱਤਰ ਹੈ। ਇਹ ਕਵਰ ਕਰਦਾ ਹੈ ਕਿ ਰੱਖਿਆਯੋਗਤਾ ਹੁਣ ਕਿਸ ਚੀਜ਼ ਤੋਂ ਬਣਦੀ ਹੈ, ਅਤੇ ਜਦੋਂ ਉਹ ਇਕ ਅਸਲ ਕਾਰੋਬਾਰ ਵਿੱਚ ਜੁੜਦੀ ਹੈ ਤਾਂ ਉਹ ਕਿਵੇਂ ਦਿਖਦੀ ਹੈ।

ਬਾਰਬੈੱਲ

ਨਿਰਮਾਣ ਦੇ ਨਿਯਮਾਂ ਤੋਂ ਪਹਿਲਾਂ, ਬਾਰਬੈੱਲ ਨੂੰ ਸਪਸ਼ਟ ਕਰਨਾ ਮਦਦਗਾਰ ਹੈ, ਕਿਉਂਕਿ ਵਿਸ਼ਲੇਸ਼ਣ ਇਸ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਰਿਹਾ ਪਰ ਇਸ ਦੇ ਦੋ ਸਿਰੇ ਗਿਣਾਉਂਦਾ ਨਹੀਂ ਸੀ। ਮੈਂ ਇਸਨੂੰ 2025 ਵਿੱਚ The Barbell of Software Value ਵਿੱਚ ਵਿਆਖਿਆ ਕੀਤਾ ਸੀ, ਜਿੱਥੇ ਮੈਂ ਆਪਣੇ Internal Software Leverage Theory ਨੂੰ abundance thesis ਦੇ ਖਿਲਾਫ਼ ਮਿਲਾਇਆ ਸੀ। ਜਿਸ ਵਿੱਚ ਨਤੀਜਾ ਇਹ ਸੀ ਕਿ ਸਾਫਟਵੇਅਰ ਮੁੱਲ ਦੋ ਗੁੱਚਿਆਂ ਵਿੱਚ ਧ੍ਰੁਵੀਕ੍ਰਿਤ ਹੋ ਰਿਹਾ ਹੈ, ਵਿਚਕਾਰਲਾ ਹਿੱਸਾ ਢਹਿਰ ਰਿਹਾ ਹੈ।

ਇਕ ਸਿਰੇ ‘ਤੇ ਵੱਡੇ ਬੁਨਿਆਦੀ ਪ੍ਰਿਮਿਟਿਵ ਹਨ, ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲ, ਕਮਪਿਊਟ ਇੰਫਰਾਸਟਰਕਚਰ, ਕਲਾਉਡ ਪਲੇਟਫਾਰਮ, ਚਿਪਸ, ਅਤੇ ਕੋਰ AI ਇੰਫਰਾਸਟਰਕਚਰ। ਇਹ ਪੂੰਜੀ ਤੀਬਰਤਾ, ਪੈਮਾਨੇ ਦੀ ਅਰਥਵਿਵਸਥਾ, ਅਤੇ ਖੋਜ ਕੇਂਦਰੀਕਰਨ ਦੁਆਰਾ ਸੁਰੱਖਿਅਤ ਹਨ, ਉਸ ਪੱਧਰ ‘ਤੇ ਜਿਸ ਤੱਕ ਇੱਕ ਨਵਾਂ ਵੈਂਚਰ ਲਗਭਗ ਪਹੁੰਚ ਨਹੀਂ ਸਕਦਾ। ਇਹ ਉਹ ਮੌਕਾ ਨਹੀਂ ਜਿਸਦਾ ਮੈਂ ਵਰਣਨ ਕਰ ਰਿਹਾ ਹਾਂ। ਇਹ ਉਹ ਵਾਤਾਵਰਣ ਹਨ ਜਿਸਦੇ ਅੰਦਰ ਉਹ ਕੰਮ ਕਰਦਾ ਹੈ।

Google ਛੱਤ ਵਾਲਾ ਕੇਸ ਹੈ। ਇਹ LLM ਮਾਡਲਾਂ, TPUs, ਕਲਾਉਡ ਇੰਫਰਾਸਟਰਕਚਰ, Search, Android, YouTube, Maps, Chrome, ਡਿਫਾਲਟ ਵੰਡ, ਅਤੇ ਮਲਕੀਅਤ ਵਾਲੇ ਡਾਟੇ ਨੂੰ ਉਸ ਪੈਮਾਨੇ ‘ਤੇ ਜੋੜਦਾ ਹੈ ਜਿਸ ਨੂੰ ਲਗਭਗ ਕੋਈ ਛੂਹ ਨਹੀਂ ਸਕਦਾ। ਇਸ ਨਾਲ ਇਹ ਸਟਾਰਟਅਪ ਪੈਟਰਨ ਨਹੀਂ ਬਣ ਜਾਂਦਾ। ਇਹ ਇਸਨੂੰ ਬਾਰਬੈੱਲ ਦੇ ਉੱਪਰੀ ਧੁਰੇ ਦੀ ਪੂਰੀ ਤਰ੍ਹਾਂ ਪ੍ਰਗਟਾਵਾ ਬਣਾਉਂਦਾ ਹੈ। ਤੁਸੀਂ ਇੱਥੋਂ ਸ਼ੁਰੂ ਨਹੀਂ ਕਰ ਸਕਦੇ। Google ਜੋ ਸਾਬਤ ਕਰਦਾ ਹੈ ਉਹ ਮਕੈਨਿਜ਼ਮ ਹੈ, ਕਿ ਜਦੋਂ ਉਤਪਾਦਨ ਸਸਤਾ ਹੋ ਜਾਂਦਾ ਹੈ, ਟਿਕਾਊ ਮੁੱਲ ਕਮਪਿਊਟ, ਵੰਡ, ਇੰਫਰਾਸਟਰਕਚਰ, ਡਾਟਾ, ਅਤੇ ਇਕੋਸਿਸਟਮ ਸਥਿਤੀ ਵੱਲ ਸਰਕ ਜਾਂਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਇੱਕ ਨਵਾਂ ਪ੍ਰਵੇਸ਼ਕਾਰੀ ਆਰਾਮ ਨਾਲ ਕਿਰਾਏ ਦੇ ਰਸਤੇ ਦਾਖਲ ਨਹੀਂ ਹੋ ਸਕਦਾ। ਸੀਮਾ ਨੂੰ ਵੀ ਨੋਟ ਕਰੋ। Google ਹਾਊਂਸੀ ਚਲਾਉਂਦਾ ਹੈ। ਇਹ ਆਮ ਤੌਰ ‘ਤੇ ਵਿਗਿਆਪਨਦਾਤਾ ਦਾ ਨਤੀਜਾ ਨਹੀਂ ਰੱਖਦਾ। ਇਹੀ ਕਾਰਨ ਹੈ ਕਿ Waymo, Search ਨਹੀਂ, ਬਾਅਦ ਵਿੱਚ principal-position ਦਾ ਸਾਫ਼ ਉਦਾਹਰਨ ਹੈ।

ਦੂਜੇ ਸਿਰੇ ‘ਤੇ ਬਹੁਤ ਵਿਸ਼ੇਸ਼ ਨਿੱਜੀ ਲੀਵਰੇਜ ਹੈ। ਡੂੰਘੀ ਵਰਕਫ਼ਲੋ ਮਲਕੀਅਤ, ਭੌਤਿਕ ਸੰਸਾਰ ਆਟੋਮੇਸ਼ਨ, ਨਿਯਮਕ ਪ੍ਰਕਿਰਿਆਵਾਂ, ਮਾਹਿਰ ਮਜ਼ਦੂਰੀ ਬਦਲੀ, ਮਲਕੀਅਤ ਵਾਲਾ ਕਾਰਜਾਤਮਕ ਡਾਟਾ, ਅਤੇ ਨਤੀਜੇ ਦੀ ਮਲਕੀਅਤ। ਇਹ ਸਿਰਾ ਪਹੁੰਚਯੋਗ ਹੈ, ਅਤੇ ਇਹ ਠੀਕ ਉਨ੍ਹਾਂ ਗੈਰ-ਉਤਪਾਦਨ ਘਿਸਾਈਆਂ ਦੁਆਰਾ ਸੁਰੱਖਿਅਤ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਵਿਸ਼ਲੇਸ਼ਣ ਨੇ ਬਚੇ ਹੋਏ ਵਜੋਂ ਪਛਾਣਿਆ ਸੀ।

ਖ਼ਤਰਨਾਕ ਵਿਚਕਾਰਲਾ ਹਿੱਸਾ ਜਨਰਲ ਸਾਫਟਵੇਅਰ ਹੈ। ਇਹ ਵੈੱਬ ਐਪ, ਡੈਸ਼ਬੋਰਡ, CRUD ਟੂਲ, ਵਰਕਫ਼ਲੋ ਮੈਨੇਜਰ, ਅਤੇ ਮਾਡਲ API ਉੱਤੇ ਪਤਲਾ ਰੈਪਰ ਹੈ। ਇਹ ਉੱਪਰ ਤੋਂ ਪ੍ਰਿਮਿਟਿਵਾਂ ਦੁਆਰਾ ਦਬਾਇਆ ਜਾਂਦਾ ਹੈ, ਜੋ ਜਨਰਲ ਸਮਰੱਥਾ ਨੂੰ ਆਪਣੇ ਅੰਦਰ ਹੋਰ ਸੋਖਦੇ ਰਹਿੰਦੇ ਹਨ, ਅਤੇ ਹੇਠਾਂ ਤੋਂ ਕੁਝ ਵੀ ਜਨਰਲ ਬਣਾਉਣ ਦੀ ਲਾਗਤ ਦੇ ਢਹਿਰ ਜਾਣ ਦੁਆਰਾ। ਵਿਚਕਾਰਲਾ ਉਤਪਾਦ ਬਣਾਉਣਾ ਆਸਾਨ ਹੈ, ਨਕਲ ਕਰਨਾ ਆਸਾਨ ਹੈ, ਮੌਜੂਦਾ ਖਿਡਾਰੀ ਲਈ ਇਸਨੂੰ ਫੀਚਰ ਵਜੋਂ ਸੋਖਣਾ ਆਸਾਨ ਹੈ, ਅਤੇ ਇਹ ਆਮ ਤੌਰ ‘ਤੇ ਗਾਹਕ ਦੀ ਵੈਲਯੂ ਚੇਨ ਦਾ ਇੰਨਾ ਘੱਟ ਹਿੱਸਾ ਰੱਖਦਾ ਹੈ ਕਿ ਕੀਮਤ ਦੀ ਰੱਖਿਆ ਨਹੀਂ ਕਰ ਸਕਦਾ।

ਚਾਰ-ਕਾਰਕ ਖਾਈ

ਅੱਜ ਰੱਖਿਆਯੋਗਤਾ ਇੱਕ ਉੱਚੀ ਕੰਧ ਤੋਂ ਨਹੀਂ ਆਉਂਦੀ। ਇਹ ਕਈ ਫਾਇਦਿਆਂ ਨੂੰ ਆਪਸ ਵਿੱਚ ਜੋੜ ਕੇ ਬਣਦੀ ਹੈ। ਚਾਰ ਵੱਖਰੇ ਸਤੰਭ ਹਾਰਡਵੇਅਰ ਅਤੇ ਸਾਫਟਵੇਅਰ ਉਤਪਾਦਨ ਦੇ ਦੋਹਰੇ ਢਹਿਰਾਵੇ ਤੋਂ ਬਚਦੇ ਹਨ। ਇੱਕ ਟਿਕਾਊ ਆਧੁਨਿਕ ਕੰਪਨੀ ਨੂੰ ਇਨ੍ਹਾਂ ਵਿੱਚੋਂ ਘੱਟੋ-ਘੱਟ ਤਿੰਨ ਲਈ ਭਰੋਸੇਯੋਗ ਰਸਤਾ ਚਾਹੀਦਾ ਹੈ। ਇੱਕ ਨਹੀਂ। ਤਿੰਨ। ਇਕੱਲੇ ਆਯਾਮ ਹੁਣ ਕਿਸੇ ਦੀ ਰੱਖਿਆ ਨਹੀਂ ਕਰਦੇ, ਅਤੇ ਅੱਗੇ ਵੀ ਕਦੇ ਨਹੀਂ ਕਰਨਗੇ।

ਵਧੀਆ ਹਾਰਡਵੇਅਰ

ਸ਼ਾਨਦਾਰ ਹਾਰਡਵੇਅਰ ਦਾ ਅਰਥ ਅਜੀਬੋ-ਗਰੀਬ ਉਪਕਰਣਾਂ ਦੀ ਖੋਜ ਕਰਨਾ ਨਹੀਂ ਹੁੰਦਾ। ਇਸਦਾ ਬਿਲਕੁਲ ਇਹ ਅਰਥ ਨਹੀਂ ਕਿ ਕਿਸੇ ਚਲਾਕ ਗੈਜਿਟ ਨੂੰ ਮਾਰਜਿਨ ‘ਤੇ ਵੇਚਿਆ ਜਾਵੇ। ਇੱਕ ਦਿੱਖਣਯੋਗ, ਨਕਲਯੋਗ, ਵੱਖਰੇ ਤੌਰ ‘ਤੇ ਵੇਚਿਆ ਜਾਣ ਵਾਲਾ ਉਪਕਰਣ ਠੀਕ ਉਹੀ ਚੀਜ਼ ਹੈ ਜਿਸਨੂੰ ਨਿਰਮਾਣ ਕਲੱਸਟਰ ਸਭ ਤੋਂ ਤੇਜ਼ ਨਸ਼ਟ ਕਰਦੇ ਹਨ। ਹਾਰਡਵੇਅਰ ਤਦ ਆਪਣੀ ਜਗ੍ਹਾ ਬਣਾਉਂਦਾ ਹੈ ਜਦੋਂ ਉਹ ਉਤਪਾਦ ਨਹੀਂ ਹੁੰਦਾ, ਸਗੋਂ ਸੰਦ ਹੁੰਦਾ ਹੈ। ਇਹ ਕੰਪਨੀ ਨੂੰ ਕਿਸੇ ਅਜਿਹੀ ਪ੍ਰਕਿਰਿਆ ਤੱਕ ਵਿਸ਼ੇਸ਼ ਭੌਤਿਕ ਪਹੁੰਚ ਦਿੰਦਾ ਹੈ ਜਿਸਨੂੰ ਕੋਈ ਮੁਕਾਬਲਾਕਾਰ ਬਾਹਰੋਂ ਦੇਖ ਨਹੀਂ ਸਕਦਾ। ਇਹ ਭੌਤਿਕ ਸੰਸਾਰ ਨੂੰ ਮਹਿਸੂਸ ਕਰਦਾ ਹੈ, ਮਲਕੀਅਤ ਵਾਲਾ ਡਾਟਾ ਕੈਪਚਰ ਕਰਦਾ ਹੈ, ਭੌਤਿਕ ਕ੍ਰਿਆਵਾਂ ਚਲਾਉਂਦਾ ਹੈ, ਅਤੇ ਵਰਕਫ਼ਲੋ ਨੂੰ ਮਿਆਰੀ ਬਣਾਉਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਇਸਦੇ ਉੱਪਰਲਾ ਸਾਫ਼ਟਵੇਅਰ ਨਕਲ ਕਰਨਾ ਕਾਫ਼ੀ ਔਖਾ ਹੋ ਜਾਂਦਾ ਹੈ। ਪਰਖ ਸਧਾਰਣ ਹੈ। ਕੀ ਹਾਰਡਵੇਅਰ ਨੂੰ ਅਲੱਗ ਕਰਕੇ ਆਪਣੇ ਆਪ ਵੇਚਿਆ ਜਾ ਸਕਦਾ ਹੈ? ਜੇ ਹاں, ਤਾਂ ਉਹ ਗੈਜਿਟ ਹੈ ਅਤੇ ਉਹ ਕਮੋਡੀਟਾਈਜ਼ ਹੋ ਜਾਵੇਗਾ। ਜੇ ਉਸਦਾ ਸਾਫ਼ਟਵੇਅਰ, ਡਾਟਾ, ਅਤੇ ਉਸਦੇ ਆਲੇ-ਦੁਆਲੇ ਦੀ ਕਾਰਵਾਈ ਤੋਂ ਬਿਨਾਂ ਕੋਈ ਮਤਲਬ ਨਹੀਂ, ਤਾਂ ਉਹ ਮੋਅਟ ਦਾ ਕੰਮ ਕਰ ਰਿਹਾ ਹੈ।

ਸ਼ਾਨਦਾਰ ਕਸਟਮ ਸਾਫ਼ਟਵੇਅਰ

ਸ਼ਾਨਦਾਰ ਕਸਟਮ ਸਾਫ਼ਟਵੇਅਰ ਆਮ SaaS ਨਹੀਂ ਹੁੰਦਾ ਅਤੇ ਨਾ ਹੀ ਇਹ ਕੋਈ ਵਧੀਆ ਇੰਟਰਫੇਸ ਹੁੰਦਾ ਹੈ। ਇਹ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਭੌਤਿਕ ਜਾਂ ਨਿਯਮਕ ਪ੍ਰਕਿਰਿਆ ਦੇ ਅੰਦਰ ਕੰਮ ਕਰਦਾ ਹੈ, ਅਜਿਹੇ ਫੈਸਲੇ ਆਟੋਮੇਟ ਕਰਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਦੀ ਅਸਲ ਆਰਥਿਕ ਮਹੱਤਤਾ ਹੁੰਦੀ ਹੈ, ਮਜ਼ਦੂਰੀ ਜਾਂ ਮਸ਼ੀਨਾਂ ਦਾ ਸਹਿ-ਸੰਯੋਜਨ ਕਰਦਾ ਹੈ, ਅਤੇ ਜਿਵੇਂ ਹੀ ਉਹ ਵਾਪਰਦੇ ਹਨ ਸੁਧਾਰਾਂ ਅਤੇ ਕੋਨੇ ਦੇ ਕੇਸਾਂ ਨੂੰ ਕੈਪਚਰ ਕਰਦਾ ਹੈ। ਧਿਆਨ ਕਰੋ ਕਿ ਇਸਨੂੰ ਰੱਖਿਆਯੋਗ ਕੀ ਬਣਾਉਂਦਾ ਹੈ। ਕੋਡ ਨਹੀਂ, ਜਿਸਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਨੇ ਦਿਖਾਇਆ ਕਿ ਹੁਣ ਉਹ ਸਸਤਾ ਹੈ, ਸਗੋਂ ਇਹ ਕਿ ਇਹ ਓਪਰੇਸ਼ਨਲ ਪਹੁੰਚ, ਮਲਕੀਅਤ ਵਾਲੇ ਡਾਟਾ, ਅਤੇ ਡੂੰਘੇ ਵਰਕਫ਼ਲੋ ਗਿਆਨ ‘ਤੇ ਨਿਰਭਰ ਹੈ, ਜਿਸਨੂੰ ਕੋਈ ਮੁਕਾਬਲਾਕਾਰ ਇੰਟਰਫੇਸ ਦੀ ਨਕਲ ਕਰਕੇ ਨਹੀਂ ਲੈ ਸਕਦਾ। ਸਾਫ਼ਟਵੇਅਰ ਦੀ ਨਕਲ ਕਰਨਾ ਔਖਾ ਇਸ ਲਈ ਹੈ ਕਿਉਂਕਿ ਜਿਸ ਚੀਜ਼ਾਂ ਨਾਲ ਇਹ ਜੁੜਿਆ ਹੋਇਆ ਹੈ ਉਹ ਪਹੁੰਚਣ ਵਿੱਚ ਔਖੀਆਂ ਹਨ, ਨਾ ਕਿ ਇਸ ਲਈ ਕਿ ਸਾਫ਼ਟਵੇਅਰ ਲਿਖਣਾ ਔਖਾ ਹੈ।

ਸ਼ਾਨਦਾਰ ਸੰਬੰਧ

ਸ਼ਾਨਦਾਰ ਸੰਬੰਧ ਕਠਿਨ ਉਦਯੋਗਾਂ ਵਿੱਚ ਸਭ ਤੋਂ ਟਿਕਾਊ ਮੋਅਟਾਂ ਵਿੱਚੋਂ ਹਨ। ਇਹ ਹਾਰਡਵੇਅਰ ਅਤੇ ਸਾਫ਼ਟਵੇਅਰ ਦੋਵਾਂ ਦੀ ਕਮੋਡੀਟਾਈਜ਼ੇਸ਼ਨ ਤੋਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਅਸਰਹੀਣ ਹੁੰਦੇ ਹਨ। ਇਨ੍ਹਾਂ ਵਿੱਚ ਨਿਯਮਕ ਮਾਨਤਾ, ਗਾਹਕ ਦਾ ਭਰੋਸਾ, ਰੂੜ੍ਹੀਵਾਦੀ ਖਰੀਦਦਾਰਾਂ ਤੱਕ ਵੰਡ ਪਹੁੰਚ, ਅਤੇ ਲੰਬੇ ਸਮੇਂ ਦੀਆਂ ਓਪਰੇਸ਼ਨਲ ਭਾਈਵਾਲੀਆਂ ਸ਼ਾਮਲ ਹਨ। ਤੁਸੀਂ ਇਹ ਰੱਖਿਆ, ਸਿਹਤ ਸੇਵਾ, ਨਿਰਮਾਣ, ਅਤੇ ਢਾਂਚਾਗਤ ਖੇਤਰਾਂ ਵਿੱਚ ਵੇਖਦੇ ਹੋ। ਉਨ੍ਹਾਂ ਬਾਜ਼ਾਰਾਂ ਵਿੱਚ ਖਰੀਦਦਾਰ ਕਦੇ ਵੀ ਸਿਰਫ਼ ਇਸ ਲਈ ਵੇਂਡਰ ਨਹੀਂ ਚੁਣਦੇ ਕਿ ਸਾਫ਼ਟਵੇਅਰ ਥੋੜ੍ਹਾ ਵਧੀਆ ਹੈ, ਅਤੇ ਬਹੁਤ ਸਾਰੇ ਮਾਮਲਿਆਂ ਵਿੱਚ, ਇੱਥੋਂ ਤੱਕ ਕਿ ਜੇ ਉਹ 10 ਗੁਣਾ ਵਧੀਆ ਵੀ ਹੋਵੇ। ਉਹ ਭਰੋਸੇ ਅਤੇ ਟਰੈਕ ਰਿਕਾਰਡ, ਭਰੋਸੇਯੋਗਤਾ, ਜ਼ਿੰਮੇਵਾਰੀ, ਅਨੁਕੂਲਤਾ, ਅਤੇ ਸਬੂਤ ਦੇ ਆਧਾਰ ‘ਤੇ ਖਰੀਦਦੇ ਹਨ। ਇੱਕ ਸਸਤਾ ਨਕਲੀਆ ਆਮ ਤੌਰ ‘ਤੇ ਕਿਸੇ ਦੇ ਮੁਲਾਂਕਣ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਅਣਅਹਲ ਕਰ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ। ਸੰਬੰਧ ਸਮਾਂ, ਸ਼ੋਹਰਤ, ਅਤੇ ਹਕੀਕੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦੇ ਰਿਕਾਰਡ ਮੰਗਦੇ ਹਨ। ਨਾ ਤਾਂ AI ਏਜੰਟ ਅਤੇ ਨਾ ਹੀ ਸ਼ੇਨਜ਼ੇਨ ਦੀ ਅਸੈਂਬਲੀ ਲਾਈਨ ਇੱਕ ਰਾਤ ਵਿੱਚ ਭਰੋਸਾ ਪੈਦਾ ਕਰ ਸਕਦੀ ਹੈ।

ਵਿਲੱਖਣ ਡਾਟਾ

ਵਿਲੱਖਣ ਡਾਟਾ ਚਾਰਾਂ ਵਿੱਚੋਂ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਹੈ ਅਤੇ ਉਹ ਹੈ ਜਿਸਨੂੰ ਲੋਕ ਸਭ ਤੋਂ ਵੱਧ ਗਲਤ ਸਮਝਦੇ ਹਨ। ਸਾਰਾ ਡਾਟਾ ਕੀਮਤੀ ਨਹੀਂ ਹੁੰਦਾ, ਅਤੇ ਆਮ ਸਕ੍ਰੈਪ ਕੀਤਾ ਡਾਟਾ ਹੁਣ ਮੋਅਟ ਵਜੋਂ ਲਗਭਗ ਨਿਕੰਮਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਡਾਟਾ ਨਿੱਜੀ, ਅਲਿਖਿਤ, ਅਤੇ ਵਿਸ਼ੇਸ਼ਗਿਆਨ ਪੱਧਰੀ ਹੁੰਦਾ ਹੈ, ਭੌਤਿਕ ਅਤੇ ਵਰਕਫ਼ਲੋ-ਨਿਰਧਾਰਤ ਹੁੰਦਾ ਹੈ, ਹਕੀਕੀ ਓਪਰੇਸ਼ਨਾਂ ਤੋਂ ਤਿਆਰ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਉਹਨਾਂ ਕੋਨੇ ਦੇ ਕੇਸਾਂ, ਸੁਧਾਰਾਂ, ਅਤੇ ਨਾਕਾਮੀਆਂ ਨਾਲ ਭਰਪੂਰ ਹੁੰਦਾ ਹੈ ਜੋ ਕਿਸੇ ਵੀ ਜਨਤਕ ਕੋਰਪਸ ਵਿੱਚ ਕਦੇ ਨਹੀਂ ਦਿਖਾਈ ਦਿੰਦੀਆਂ। ਤੁਸੀਂ ਇਸ ਕਿਸਮ ਦਾ ਡਾਟਾ ਖਰੀਦ ਨਹੀਂ ਸਕਦੇ, ਅਤੇ ਤੁਸੀਂ ਇਸਨੂੰ ਸਕ੍ਰੈਪ ਨਹੀਂ ਕਰ ਸਕਦੇ। ਇਹ ਵਿਸ਼ੇਸ਼ ਤੌਰ ‘ਤੇ ਇੱਕ ਚੱਲ ਰਹੀ ਓਪਰੇਸ਼ਨ ਦੇ ਚਾਰ ਪੜਾਅਾਂ ਵਾਲੇ ਬੰਦ ਚੱਕਰ ਦੇ ਉਪ-ਉਤਪਾਦ ਵਜੋਂ ਬਣਦਾ ਹੈ:

1. ਅਵਲੋਕਨ
2. ਫੈਸਲਾ
3. ਕਾਰਵਾਈ
4. ਨਤੀਜਾ

ਇਹ ਚੱਕਰ ਵੀ ਉਹ ਜਗ੍ਹਾ ਹੈ ਜਿੱਥੇ ਚਾਰਾਂ ਕਾਰਕ ਇਕ ਦੂਜੇ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰਦੇ ਹਨ। ਹਾਰਡਵੇਅਰ ਅਵਲੋਕਨ ਕਰਦਾ ਹੈ ਅਤੇ ਕਾਰਵਾਈ ਕਰਦਾ ਹੈ, ਸਾਫ਼ਟਵੇਅਰ ਫੈਸਲਾ ਕਰਦਾ ਹੈ ਅਤੇ ਸਹਿ-ਸੰਯੋਜਨ ਕਰਦਾ ਹੈ, ਸੰਬੰਧ ਵਰਕਫ਼ਲੋ ਤੱਕ ਪਹੁੰਚ ਦਿੰਦੇ ਹਨ, ਅਤੇ ਵਿਲੱਖਣ ਡਾਟਾ ਨਤੀਜਿਆਂ ਤੋਂ ਵਧਦਾ ਜਾਂਦਾ ਹੈ।

ਅਕਸਰ ਕੰਪਨੀਆਂ ਇਸ ਡਾਟਾ ਪ੍ਰਵਾਹ ਦੇ ਸਿਰਫ਼ ਪਹਿਲੇ ਪੜਾਅ ਨੂੰ ਕੈਪਚਰ ਕਰਦੀਆਂ ਹਨ। ਮੋਅਟ ਨੂੰ ਚਾਰੇ ਚਾਹੀਦੇ ਹਨ, ਅਰਥਾਤ ਤੁਹਾਨੂੰ ਨਾ ਸਿਰਫ਼ ਇਹ ਪਤਾ ਹੋਵੇ ਕਿ ਕੀ ਹੋਇਆ, ਸਗੋਂ ਇਹ ਵੀ ਕਿ ਉਸਦੇ ਜਵਾਬ ਵਿੱਚ ਕਿਹੜਾ ਫੈਸਲਾ ਲਿਆ ਗਿਆ, ਅਸਲ ਵਿੱਚ ਕਿਹੜੀ ਕਾਰਵਾਈ ਕੀਤੀ ਗਈ, ਅਤੇ ਕੀ ਨਤੀਜਾ ਕਾਰਗਰ ਰਿਹਾ। ਉਹ ਚੌਥਾ ਪੜਾਅ, ਪੁਸ਼ਟੀ ਕੀਤਾ ਨਤੀਜਾ, ਹੀ ਡਾਟੇ ਨੂੰ ਟ੍ਰੇਨਯੋਗ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ ਫ਼ਾਇਦੇ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ। ਹਰ ਪੂਰਾ ਕੀਤਾ ਕੰਮ ਉਸ ਸਿਸਟਮ ਨੂੰ ਸੁਧਾਰਦਾ ਹੈ ਜੋ ਅਗਲਾ ਕੰਮ ਕਰਦਾ ਹੈ, ਜੋ ਇਸ ਪੂਰੇ ਦਸਤਾਵੇਜ਼ ਵਿੱਚ ਫ਼ਾਇਦੇ ਦਾ ਇਕੱਲਾ ਰੂਪ ਹੈ ਜੋ ਘਟਣ ਦੀ ਬਜਾਇ ਵਧਦਾ ਹੈ।

ਜਦੋਂ ਚੱਕਰ ਵਧਦੇ ਹਨ ਅਤੇ ਜਦੋਂ ਰੁਕ ਜਾਂਦੇ ਹਨ

ਬੰਦ ਚੱਕਰ ਅਬਸਟ੍ਰੈਕਟ ਰੂਪ ਵਿੱਚ ਅਟੱਲ ਲੱਗਦਾ ਹੈ। ਅਮਲ ਵਿੱਚ, ਇਸਨੂੰ ਬਣਾਉਣ ਦੀਆਂ ਜ਼ਿਆਦਾਤਰ ਕੋਸ਼ਿਸ਼ਾਂ ਅਸਫਲ ਰਹਿੰਦੀਆਂ ਹਨ। ਚੱਕਰ ਇੱਕ ਦਾਅਵਾ ਹੈ, ਕੋਈ ਕਾਨੂੰਨ ਨਹੀਂ, ਅਤੇ ਇਸਦੇ ਖਾਸ ਨਾਕਾਮੀ ਮੋਡ ਹਨ ਜੋ ਸਫਲਤਾ ਵਾਲੇ ਕੇਸ ਨਾਲੋਂ ਸਮਝਣ ਲਈ ਜ਼ਿਆਦਾ ਲਾਭਦਾਇਕ ਹਨ।

• ਡਾਟਾ ਸੰਤ੍ਰਿਪਤ ਹੋ ਜਾਂਦਾ ਹੈ: ਇਕੱਠੇ ਕੀਤੇ ਡਾਟੇ ਦੀ ਕੀਮਤ ਘਟਦੀ ਵਾਪਸੀ ਦੇ ਵਕਰ ਦੀ ਪਾਲਣਾ ਕਰਦੀ ਹੈ। ਡੀਪ ਲਰਨਿੰਗ ਵਿੱਚ, Sun ਆਦਿ. ਨੇ ਪਾਇਆ ਕਿ ਦ੍ਰਿਸ਼ਟੀ ਕੰਮਾਂ ‘ਤੇ ਕਾਰਗੁਜ਼ਾਰੀ ਟ੍ਰੇਨਿੰਗ ਡਾਟੇ ਦੀ ਮਾਤਰਾ ਨਾਲ ਲੌਗਾਰੀਥਮਿਕ ਰੂਪ ਵਿੱਚ ਵਧੀ, ਜਿਸਦਾ ਅਰਥ ਹੈ ਕਿ ਡਾਟਾਸੈੱਟ ਦਾ ਹਰ ਦੁੱਗਣਾ ਹੋਣਾ ਇੱਕ ਹੋਰ ਵਾਧਾ ਖਰੀਦਦਾ ਹੈ, ਕੋਈ ਹੋਰ ਚਮਤਕਾਰ ਨਹੀਂ। ਪਹਿਲੀਆਂ ਹਜ਼ਾਰ ਐਗਜ਼ੀਕਿਊਸ਼ਨਾਂ ਤੁਹਾਨੂੰ ਸਭ ਤੋਂ ਵੱਧ ਸਿਖਾਉਂਦੀਆਂ ਹਨ। ਅਗਲੀਆਂ ਦਸ ਹਜ਼ਾਰ ਘੱਟ ਸਿਖਾਉਂਦੀਆਂ ਹਨ। ਅਗਲੀਆਂ ਇੱਕ ਲੱਖ ਲਗਭਗ ਕੁਝ ਨਵਾਂ ਨਹੀਂ ਸਿਖਾਉਂਦੀਆਂ। ਬਾਅਦ ਵਿੱਚ ਸ਼ੁਰੂ ਕਰਨ ਵਾਲਾ ਮੁਕਾਬਲਾਕਾਰ ਅਕਸਰ ਤੁਹਾਡੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦੇ 90 ਪ੍ਰਤੀਸ਼ਤ ਤੱਕ ਇਤਿਹਾਸਕ ਡਾਟੇ ਦੇ ਇੱਕ ਹਿੱਸੇ ਨਾਲ ਪਹੁੰਚ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਅੰਤਰ ਅਸਲ ਅੰਕੜਿਆਂ ਨਾਲੋਂ ਤੇਜ਼ ਭਰ ਜਾਂਦਾ ਹੈ।

• ਡਾਟਾ ਤੁਹਾਡਾ ਵਰਤਣ ਲਈ ਹੋ ਸਕਦਾ ਹੀ ਨਹੀਂ: ਤੁਸੀਂ ਵਰਕਫ਼ਲੋ ਰਾਹੀਂ ਮਲਕੀਅਤ ਵਾਲਾ ਡਾਟਾ ਪੈਦਾ ਕਰਦੇ ਹੋ, ਪਰ ਜੇ ਤੁਹਾਡੇ ਕਾਨਟ੍ਰੈਕਟ ਵਿੱਚ ਗਾਹਕ ਇਸਦਾ ਮਾਲਕ ਹੈ ਅਤੇ ਤੁਸੀਂ ਇਸਨੂੰ ਡਿਪਲੋਇਮੈਂਟਾਂ ਵਿੱਚ ਇਕੱਠਾ ਨਹੀਂ ਕਰ ਸਕਦੇ, ਤਾਂ ਤੁਹਾਡੇ ਕੋਲ ਇੱਕ ਫਲਾਈਵ੍ਹੀਲ ਨਹੀਂ, ਪੰਜਾਹ ਵੱਖ-ਵੱਖ ਡਾਟਾ ਸਾਇਲੋ ਹਨ। ਪਲੇਟਫਾਰਮ ਪੱਧਰ ‘ਤੇ, OpenAI, Anthropic, Microsoft Azure OpenAI, AWS Bedrock, ਅਤੇ Google Vertex AI ਸਭ ਵਪਾਰਕ ਗਾਹਕਾਂ ਨੂੰ ਦੱਸਦੇ ਹਨ ਕਿ ਉਨ੍ਹਾਂ ਦੇ ਇਨਪੁੱਟ ਅਤੇ ਆਉਟਪੁੱਟ ਮੂਲ ਰੂਪ ਵਿੱਚ ਫਾਉਂਡੇਸ਼ਨ ਮਾਡਲਾਂ ਨੂੰ ਟ੍ਰੇਨ ਕਰਨ ਲਈ ਵਰਤੇ ਨਹੀਂ ਜਾਂਦੇ। ਇਹ ਗਾਹਕਾਂ ਲਈ ਚੰਗੀ ਗੱਲ ਹੈ ਅਤੇ ਵੇਂਡਰਾਂ ਲਈ ਚੇਤਾਵਨੀ। ਕਰਾਸ-ਗਾਹਕ ਸਿਖਲਾਈ ਤਦ ਹੀ ਵਧਦੀ ਹੈ ਜੇ ਕਾਂਟ੍ਰੈਕਟ ਇਸਦੀ ਆਗਿਆ ਦੇਵੇ। ਪਰਦੇਦਾਰੀ ਕਾਨੂੰਨ ਇੱਕ ਹੋਰ ਪਾਬੰਦੀ ਜੋੜਦਾ ਹੈ, ਕਿਉਂਕਿ GDPR ਦੇ ਮਕਸਦ ਸੀਮਾ ਨਿਰਧਾਰਨ, ਮਿਟਾਉ ਅਧਿਕਾਰ, HIPAA ਡੀ-ਆਈਡੈਂਟੀਫਿਕੇਸ਼ਨ ਨਿਯਮ, ਅਤੇ CCPA/CPRA ਦੇ ਕਰਾਸ-ਕੰਟੈਕਸਟ ਵਿਹਾਰਿਕ ਵਿਗਿਆਪਨ ਲਈ ਸਾਂਝਾ ਕਰਨ ਸੰਬੰਧੀ ਨਿਯਮ ਸੈਕੰਡਰੀ ਡਾਟਾ ਵਰਤੋਂ ਨੂੰ ਹੋਰ ਔਖਾ ਬਣਾਉਂਦੇ ਹਨ। ਇਹ ਅਸਲੀ ਦੁਨੀਆ ਦੇ AI ਮੋਅਟਾਂ ਨੂੰ ਮੁਕਾਬਲੇ ਨਾਲੋਂ ਵੱਧ ਮਾਰਦਾ ਹੈ।

• ਵਰਕਫ਼ਲੋ ਮਾਡਲ ਦੇ ਸੁਧਾਰ ਨਾਲੋਂ ਤੇਜ਼ ਬਦਲਦਾ ਹੈ: ਤੇਜ਼ੀ ਨਾਲ ਬਦਲਦੇ ਓਪਰੇਸ਼ਨਲ ਖੇਤਰਾਂ ਵਿੱਚ, ਡਾਟੇ ਦੀ ਮਾਪਯੋਗ ਹਾਫ਼-ਲਾਈਫ਼ ਹੁੰਦੀ ਹੈ। ਜਿਵੇਂ Valavi ਆਦਿ. ਨੇ ਹਾਰਵਰਡ ਬਿਜ਼ਨਸ ਸਕੂਲ ਦੀ ਖੋਜ ਵਿੱਚ ਦਿਖਾਇਆ, ਡਾਟੇ ਦਾ ਵੱਡਾ ਇਤਿਹਾਸਕ ਭੰਡਾਰ ਪ੍ਰਵੇਸ਼ ਲਈ ਇੱਕ ਕਮਜ਼ੋਰ ਰੋਕ ਬਣਾਉਂਦਾ ਹੈ। ਤਾਜ਼ਾ, ਹਾਲੀਆ ਡਾਟੇ ਦੇ ਛੋਟੇ ਪ੍ਰਵਾਹ ਨਾਲ ਲੈਸ ਇੱਕ ਨਵਾਂ ਪ੍ਰਵੇਸ਼ਕ ਅਕਸਰ ਇੱਕ ਇਨਕੰਬੈਂਟ ਨਾਲੋਂ ਵਧੇਰੇ ਸਹੀ ਮਾਡਲ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਸਾਲਾਂ ਦੇ ਲੈਗਸੀ ਡਾਟੇ ‘ਤੇ ਬੈਠਾ ਹੋਵੇ, ਖ਼ਾਸ ਕਰਕੇ ਜਦੋਂ ਬੁੱਢਾ ਡਾਟਾ ਸਰਗਰਮੀ ਨਾਲ ਸ਼ੁੱਧਤਾ ਘਟਾਉਂਦਾ ਹੋਵੇ। ਇੱਕ ਕਲੀਨਿਕਲ ਇਨਫ਼ਾਰਮੈਟਿਕਸ ਅਧਿਐਨ ਨੇ ਇਹ ਸਿੱਧੇ ਤੌਰ ‘ਤੇ ਪਾਇਆ, ਜਿੱਥੇ ਇਨਪੇਸ਼ੈਂਟ ਆਰਡਰ ਅਨੁਮਾਨ ਡਾਟੇ ਦੀ ਹਾਫ਼-ਲਾਈਫ਼ ਲਗਭਗ ਚਾਰ ਮਹੀਨੇ ਸੀ, ਅਤੇ ਇੱਕ ਮਹੀਨੇ ਦੇ ਹਾਲੀਆ ਡਾਟੇ ਨੇ ਬਾਰਾਂ ਮਹੀਨੇ ਦੇ ਪੁਰਾਣੇ ਡਾਟੇ ਨੂੰ ਪਿੱਛੇ ਛੱਡ ਦਿੱਤਾ। ਨਿਰਮਾਣ ਵਿੱਚ, ਸੈਂਸਰ ਡ੍ਰਿਫ਼ਟ, ਟੂਲ ਘਿਸਾਈ, ਪ੍ਰਕਿਰਿਆ ਰੀਡਿਜ਼ਾਈਨ, ਅਤੇ ਸਕੀਮਾ ਬਦਲਾਅ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇਤਿਹਾਸਕ ਪਲਾਂਟ ਡਾਟੇ ‘ਤੇ ਟ੍ਰੇਨ ਕੀਤੇ ਮਾਡਲ ਉਸ ਪਲਾਂਟ ਬਾਰੇ ਤਰਕ ਕਰ ਰਹੇ ਹਨ ਜੋ ਹੁਣ ਮੌਜੂਦ ਨਹੀਂ। ਇਹ ਸਰਵਵਿਆਪੀ ਨਹੀਂ ਹੈ। ਭੌਤਿਕ ਵਿਗਿਆਨ-ਨਿਯੰਤਰਿਤ ਪ੍ਰਕਿਰਿਆਵਾਂ, ਐਕਚੁਅਰੀਅਲ ਟੇਬਲਾਂ, ਭੂਗੋਲਿਕ ਡਾਟਾ, ਅਤੇ ਹੋਰ ਹੌਲੀ-ਚੱਲਦੇ ਖੇਤਰ ਪੁਰਾਣੇ ਡਾਟੇ ਨੂੰ ਲੰਬੇ ਸਮੇਂ ਤੱਕ ਕੀਮਤੀ ਰੱਖ ਸਕਦੇ ਹਨ। ਜੇ ਵਰਕਫ਼ਲੋ ਮਾਡਲ ਦੇ ਸੁਧਾਰ ਨਾਲੋਂ ਤੇਜ਼ ਬਦਲਦਾ ਹੈ, ਤਾਂ ਤੁਹਾਡਾ ਇਤਿਹਾਸਕ ਡਾਟਾ ਫ਼ਾਇਦੇ ਦੀ ਬਜਾਇ ਪੁਰਾਣਾ ਭਾਰ ਬਣ ਜਾਂਦਾ ਹੈ।

• ਲਾਗਤ ਹੀ ਰੋਕ ਹੈ, ਅਤੇ ਰੋਕ ਹੀ ਲਾਗਤ ਹੈ: ਹਕੀਕੀ ਦੁਨੀਆ ਦੇ ਵਰਕਫ਼ਲੋਜ਼ ਦਾ ਮਾਲਕ ਹੋਣਾ ਪੂੰਜੀ-ਭਾਰੀ, ਮਜ਼ਦੂਰੀ-ਭਾਰੀ, ਅਤੇ ਖਾਲੀ ਸਾਫ਼ਟਵੇਅਰ ਨਾਲੋਂ ਘੱਟ ਮਾਰਜਿਨ ਵਾਲਾ ਹੁੰਦਾ ਹੈ। Tesla ਨੇ 2025 ਵਿੱਚ ਤਕਰੀਬਨ 18 ਪ੍ਰਤੀਸ਼ਤ ਕੁੱਲ GAAP ਗ੍ਰਾਸ ਮਾਰਜਿਨ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ ਭਾਵੇਂ ਵਰਟਿਕਲ ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਸੀ। Intuitive Surgical ਨੇ 2025 ਵਿੱਚ 11,106 ਸਿਸਟਮਾਂ ਦੀ da Vinci ਇੰਸਟਾਲਡ ਬੇਸ ਅਤੇ 67.6 ਪ੍ਰਤੀਸ਼ਤ ਦਾ non-GAAP ਗ੍ਰਾਸ ਮਾਰਜਿਨ ਰਿਪੋਰਟ ਕੀਤਾ, ਪੂੰਜੀ, ਸਰਜਨ ਟ੍ਰੇਨਿੰਗ, ਅਤੇ ਪ੍ਰਕਿਰਿਆ ਵਾਲੀਅਮ ਦੇ ਦਹਾਕਿਆਂ ਬਾਅਦ। ਜੋ ਖ਼ਰਚਾ ਮੁਕਾਬਲਾਕਾਰਾਂ ਨੂੰ ਬਾਹਰ ਰੱਖਦਾ ਹੈ, ਉਹੀ ਜ਼ਿਆਦਾਤਰ ਨਵੇਂ ਪ੍ਰਵੇਸ਼ਕਾਂ ਨੂੰ ਅਜਿਹਾ ਕੁਝ ਬਣਾਉਣ ਤੋਂ ਵੀ ਰੋਕਦਾ ਹੈ ਜੋ ਰੱਖਿਆ ਯੋਗ ਹੋਵੇ। ਬਹੁਤ ਸਾਰੀਆਂ ਕੋਸ਼ਿਸ਼ਾਂ ਲੂਪ ਵਧਣ ਤੋਂ ਕਾਫ਼ੀ ਪਹਿਲਾਂ ਹੀ ਯੂਨਿਟ ਅਰਥਸ਼ਾਸਤਰ ‘ਤੇ ਫੇਲ੍ਹ ਹੋ ਜਾਂਦੀਆਂ ਹਨ।

ਕਿਹੜੀਆਂ ਚੀਜ਼ਾਂ ਉਹ ਲੂਪ ਜੋ ਅਸਲ ਵਿੱਚ ਵਧਦੇ ਹਨ, ਉਨ੍ਹਾਂ ਨੂੰ ਉਹਨਾਂ ਤੋਂ ਵੱਖ ਕਰਦੀਆਂ ਹਨ ਜੋ ਨਕਲੀ ਮੋਅਟ ਹੁੰਦੇ ਹਨ:

• ਡਾਟਾ ਨਤੀਜੇ ਨਾਲ ਜੁੜਿਆ ਹੁੰਦਾ ਹੈ, ਅਰਥਾਤ ਤੁਹਾਨੂੰ ਪਤਾ ਹੁੰਦਾ ਹੈ ਕਿ ਨਤੀਜਾ ਠੀਕ ਸੀ ਜਾਂ ਗਲਤ, ਨਾ ਕਿ ਸਿਰਫ਼ ਸੰਕੇਤ ਇਕੱਠੇ ਕੀਤੇ ਗਏ।
• ਡਾਟਾ ਕਰਾਰਕ ਤੌਰ ‘ਤੇ ਤੁਹਾਡਾ ਹੁੰਦਾ ਹੈ ਕਿ ਤੁਸੀਂ ਇਸਨੂੰ ਡਿਪਲੋਇਮੈਂਟਾਂ ਵਿੱਚ ਵਰਤ ਸਕੋ।
• ਵਰਕਫ਼ਲੋ ਕਾਫ਼ੀ ਸਥਿਰ ਹੁੰਦਾ ਹੈ ਤਾਂ ਜੋ ਇਤਿਹਾਸਕ ਡਾਟਾ ਪ੍ਰਸੰਗਿਕ ਰਹੇ।
• ਹਰ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਨਵੇਂ ਕੋਨੇ ਦੇ ਕੇਸ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਨਾ ਕਿ ਉਸੇ ਚੀਜ਼ ਦੀ ਹੋਰ ਭਰਮਾਰ।
• ਆਵ੍ਰਿਤੀ ਇੰਨੀ ਉੱਚੀ ਹੁੰਦੀ ਹੈ ਕਿ ਸਿਖਲਾਈ ਵਰਕਫ਼ਲੋ ਦੇ ਬਦਲਣ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਵਧਦੀ ਰਹੇ।

ਇਹ ਥੀਸਿਸ ਜੇ ਹੇਠ ਲਿਖੀਆਂ ਵਿੱਚੋਂ ਕੋਈ ਵੀ ਗੱਲ ਸੱਚ ਹੋਵੇ ਤਾਂ ਗਲਤ ਹੈ:

• ਕੋਈ ਮੁਕਾਬਲਾਕਾਰ ਸਕ੍ਰੈਪਿੰਗ, ਸਿੰਥੈਟਿਕ ਜਨਰੇਸ਼ਨ, ਟ੍ਰਾਂਸਫ਼ਰ ਲਰਨਿੰਗ, ਜਾਂ ਇੱਕ ਵਾਰੀ ਦੀ ਖਰੀਦ ਰਾਹੀਂ ਸਮਾਨ ਡਾਟਾ ਹਾਸਲ ਕਰ ਸਕਦਾ ਹੈ।
• ਗਾਹਕ ਕਰਾਰਕ ਤੌਰ ‘ਤੇ ਡਾਟੇ ਦਾ ਮਾਲਕ ਹੈ ਅਤੇ ਤੁਸੀਂ ਇਸਨੂੰ ਡਿਪਲੋਇਮੈਂਟਾਂ ਵਿੱਚ ਇਕੱਠਾ ਨਹੀਂ ਕਰ ਸਕਦੇ।
• ਵਰਕਫ਼ਲੋ ਮਾਡਲ ਦੇ ਸੁਧਾਰ ਨਾਲੋਂ ਤੇਜ਼ ਬਦਲਦਾ ਹੈ, ਇਸ ਲਈ ਇਕੱਠਾ ਕੀਤਾ ਡਾਟਾ ਇੱਕ ਅਜੇਹੇ ਸਿਸਟਮ ਨੂੰ ਵਰਣਨ ਕਰਦਾ ਹੈ ਜੋ ਹੁਣ ਮੌਜੂਦ ਨਹੀਂ।
• ਡਾਟੇ ਦੀ ਕੀਮਤ ਪਹਿਲੀਆਂ N ਐਗਜ਼ੀਕਿਊਸ਼ਨਾਂ ਦੇ ਅੰਦਰ ਸੰਤ੍ਰਿਪਤ ਹੋ ਜਾਂਦੀ ਹੈ, ਅਰਥਾਤ ਫ਼ਾਇਦਾ ਨਿਰਧਾਰਤ ਹੈ, ਵਧਦਾ ਨਹੀਂ।
• ਵਰਕਫ਼ਲੋ ਦਾ ਮਾਲਕ ਹੋਣ ਦੀ ਲਾਗਤ ਇਸਦੇ ਤਿਆਰ ਕੀਤੇ ਡਾਟੇ ਦੀ ਕੀਮਤ ਤੋਂ ਵੱਧ ਹੈ।

ਜੇ ਇਹ ਸ਼ਰਤਾਂ ਪੂਰੀਆਂ ਹੁੰਦੀਆਂ ਹਨ, ਤਾਂ ਚੱਕਰ ਮੋਅਟ ਨਹੀਂ ਹੈ। ਇਹ ਇੱਕ ਮਹਿੰਗਾ ਇੰਜੀਨੀਅਰਿੰਗ ਪ੍ਰੋਜੈਕਟ ਹੈ ਜਿਸਦਾ ਲੀਡ ਅਸਥਾਈ ਹੈ। ਜਿਵੇਂ a16z ਨੇ 2019 ਵਿੱਚ ਦਲੀਲ ਕੀਤੀ, ਜ਼ਿਆਦਾਤਰ ਡਾਟਾ ਫ਼ਾਇਦੇ ਘਟਦੀ ਵਾਪਸੀ ਵਾਲੇ ਸਕੇਲ ਪ੍ਰਭਾਵ ਹੁੰਦੇ ਹਨ, ਨਾ ਕਿ ਜਾਦੂਈ ਨੈੱਟਵਰਕ ਪ੍ਰਭਾਵ। ਇਹ ਮੁਜੂਦਾ AI ਲਹਿਰ ਤੋਂ ਪਹਿਲਾਂ ਵੀ ਸੱਚ ਸੀ। ਇਹ ਹੁਣ ਵੀ ਸੱਚ ਹੈ।

ਆਧੁਨਿਕ ਖਾਈ ‘ਤੇ ਬਣੇ ਕਾਰੋਬਾਰੀ ਮਾਡਲ

ਚਾਰ ਕਾਰਕ ਦੱਸਦੇ ਹਨ ਕਿ ਖਾਈ ਕਿਸ ਚੀਜ਼ ਦੀ ਬਣੀ ਹੈ। ਅਗਲਾ ਸਵਾਲ ਇਹ ਹੈ ਕਿ ਕਿਹੜਾ ਕਿਸਮ ਦਾ ਕਾਰੋਬਾਰੀ ਮਾਡਲ ਅਸਲ ਵਿੱਚ ਇਸਨੂੰ ਕੈਪਚਰ ਕਰ ਸਕਦਾ ਹੈ। ਪ੍ਰਯੋਗ ਵਿੱਚ, ਇਸ ਦਾ ਜਵਾਬ ਟੂਲ ਵੇਚਣ ਤੋਂ ਦੂਰ ਅਤੇ ਖੁਦ ਵਰਕਫ਼ਲੋ ਦੇ ਮਾਲਕ ਬਣਨ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ।

ਮੁੱਖ ਪੱਖ, ਵੇਂਡਰ ਨਹੀਂ

ਪੂਰੇ ਫ੍ਰੇਮਵਰਕ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਲੀਵਰੇਜ ਵਾਲਾ ਇਕਲੌਤਾ ਫ਼ੈਸਲਾ ਵੇਂਡਰ ਦੀ ਸਥਿਤੀ ਨੂੰ ਠੁਕਰਾਉਣਾ ਹੈ।

ਵੇਂਡਰ ਖੇਡ ਦਾ ਮਤਲਬ ਹੈ ਉਸ ਸੰਸਥਾ ਨੂੰ ਟੂਲ ਵੇਚਣਾ ਜੋ ਪਹਿਲਾਂ ਹੀ ਵਰਕਫ਼ਲੋ ਦੀ ਮਾਲਕ ਹੈ। ਇਹ ਆਕਰਸ਼ਕ ਲੱਗਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਪੂੰਜੀ-ਹਲਕਾ ਹੈ ਅਤੇ ਸਿਧਾਂਤਕ ਤੌਰ ‘ਤੇ ਸਕੇਲਯੋਗ ਹੈ, ਪਰ ਇਹ ਲੀਵਰੇਜ ਦੇ ਹਰ ਸਰੋਤ ਨੂੰ ਗਾਹਕ ਦੇ ਹਵਾਲੇ ਕਰ ਦਿੰਦਾ ਹੈ। ਆਪਰੇਟਰ ਗਾਹਕ ਸੰਬੰਧ, ਭੌਤਿਕ ਪ੍ਰਕਿਰਿਆ, ਕਾਰਜਕਾਰੀ ਡਾਟਾ, ਬਜਟ, ਜ਼ਿੰਮੇਵਾਰੀ, ਅਤੇ ਅੰਤਿਮ ਨਤੀਜੇ ਨੂੰ ਆਪਣੇ ਕੋਲ ਰੱਖਦਾ ਹੈ। ਵੇਂਡਰ ਸਾਫਟਵੇਅਰ ਦੀ ਇਕ ਪਰਤ ਰੱਖਦਾ ਹੈ ਜੋ ਇਸ ਸਭ ਦੇ ਉੱਪਰ ਬੈਠੀ ਹੁੰਦੀ ਹੈ। ਸਟਾਰਟਅੱਪ ਆਪਣੇ ਬਣਾਏ ਮੁੱਲ ਦਾ ਇੱਕ ਛੋਟਾ ਹਿੱਸਾ ਹੀ ਕੈਪਚਰ ਕਰਦਾ ਹੈ, ਗਾਹਕ ਕਸਟਮ ਇੰਟੀਗ੍ਰੇਸ਼ਨਾਂ ਦੀ ਮੰਗ ਕਰਦਾ ਹੈ ਜਦ ਤੱਕ ਉਤਪਾਦ ਸਰਵਿਸਾਂ ਵੱਲ ਨਾ ਸਰਕ ਜਾਵੇ, ਆਪਰੇਟਰ ਟੂਲ ਨੂੰ ਕੰਮ ਕਰਦਿਆਂ ਦੇਖ ਸਕਦਾ ਹੈ ਅਤੇ ਫਿਰ ਇਸਨੂੰ ਅੰਦਰੂਨੀ ਤੌਰ ‘ਤੇ ਬਣਾਈ ਗਈ ਪ੍ਰਣਾਲੀ ਨਾਲ ਬਦਲ ਸਕਦਾ ਹੈ ਜੋ ਹੁਣ ਬਣਾਉਣ ਲਈ ਕਾਫ਼ੀ ਸਸਤੀ ਹੈ, ਅਤੇ ਕਿਉਂਕਿ ਆਪਰੇਟਰ ਕੋਲ ਸਭ ਤੋਂ ਵਧੀਆ ਡਾਟਾ ਹੁੰਦਾ ਹੈ, ਵੇਂਡਰ ਦਾ ਮਾਡਲ ਕਦੇ ਵੀ ਸੰਯੁਕਤ ਰੂਪ ਵਿੱਚ ਨਹੀਂ ਵਧਦਾ। ਮਾਰਜਿਨ ਹਮੇਸ਼ਾਂ ਸੀਮਿਤ ਰਹਿੰਦੇ ਹਨ। ਇਹ ਖਾਸ ਕਰਕੇ ਭੌਤਿਕ ਉਦਯੋਗਾਂ ਵਿੱਚ ਖ਼ਤਰਨਾਕ ਹੈ, ਜਿੱਥੇ ਸਾਫਟਵੇਅਰ ਵੇਂਡਰ ਭਰੋਸੇਯੋਗ ਤੌਰ ‘ਤੇ ਗਲਾਮੀ ਕੀਤੇ ਕਨਸਲਟੈਂਟਾਂ ਵਿੱਚ ਡਿਗ ਜਾਂਦੇ ਹਨ।

ਮਜ਼ਬੂਤ ਸਥਿਤੀ ਮੁੱਖ ਪੱਖ ਬਣਨਾ ਹੈ, ਅਰਥਾਤ ਆਪਰੇਸ਼ਨ, ਜ਼ਿੰਮੇਵਾਰੀ, ਪ੍ਰਮਾਣਨ, ਵਰਕਫ਼ਲੋ, ਜਾਂ ਖੁਦ ਜ਼ਿੰਮੇਵਾਰੀ ਨੂੰ ਆਪਣੇ ਹੱਥ ਵਿੱਚ ਲੈਣਾ। ਜਿਸ ਵੀ ਵਿਅਕਤੀ ਕੰਮ ਕਰਦਾ ਹੈ ਉਸਨੂੰ ਸਾਫਟਵੇਅਰ ਵੇਚਣ ਦੀ ਬਜਾਏ, ਕੰਪਨੀ ਖੁਦ ਕੰਮ ਕਰਦੀ ਹੈ ਜਾਂ ਉਸਦੇ ਨਤੀਜੇ ਦੀ ਗਾਰੰਟੀ ਦਿੰਦੀ ਹੈ। ਇਹ ਉੱਪਰ ਦੱਸੇ ਹਰ ਨੁਕਸਾਨ ਨੂੰ ਉਲਟ ਦਿੰਦਾ ਹੈ। ਕੰਪਨੀ ਲਾਇਸੈਂਸ ਫੀਸ ਦੇ ਇਕ ਹਿੱਸੇ ਦੀ ਬਜਾਏ ਪੂਰਾ ਮਾਰਜਿਨ ਕੈਪਚਰ ਕਰਦੀ ਹੈ, ਗਾਹਕ ਦੇ ਨਤੀਜੇ ਨੂੰ ਅਤੇ ਇਸ ਲਈ ਸੰਬੰਧ ਨੂੰ ਆਪਣੇ ਕੋਲ ਰੱਖਦੀ ਹੈ, ਅਤੇ ਡਾਟਾ ਵੀ ਆਪਣੇ ਕੋਲ ਰੱਖਦੀ ਹੈ ਕਿਉਂਕਿ ਉਸਦੇ ਆਪਣੇ ਆਪਰੇਸ਼ਨ ਹੀ ਇਹ ਪੈਦਾ ਕਰਦੇ ਹਨ। ਆਪਰੇਟਰ ਇਸਨੂੰ ਵਿਚੋਂ ਕੱਢ ਨਹੀਂ ਸਕਦਾ ਕਿਉਂਕਿ ਇਹ ਖੁਦ ਆਪਰੇਟਰ ਹੈ, ਅਤੇ ਇਹ ਦੂਸਰੇ ਹੱਥ ਦੀ ਸਮਝ ਦੀ ਬਜਾਏ ਅਸਲੀ ਕਾਰਜਕਾਰੀ ਮਹਾਰਤ ਬਣਾਉਂਦੀ ਹੈ।

ਇਹ ਸਿਧਾਂਤ ਇਕ ਹਦਾਇਤ ਵਿੱਚ ਸੰਕੁਚਿਤ ਹੋ ਜਾਂਦਾ ਹੈ:

ਟੂਲ ਨਾ ਵੇਚੋ। ਪੂਰਾ ਹੋਇਆ ਨਤੀਜਾ ਵੇਚੋ।

ਪ੍ਰਯੋਗ ਵਿੱਚ ਇਹ ਕਿਸੇ ਵੀ ਵੇਂਡਰ ਵਿਚਾਰ ਨੂੰ ਉਸਦੇ ਮੁੱਖ ਪੱਖ ਵਾਲੇ ਰੂਪ ਵਿੱਚ ਲਗਾਤਾਰ ਦੁਬਾਰਾ ਘੜਨ ਵਜੋਂ ਸਾਹਮਣੇ ਆਉਂਦਾ ਹੈ:

ਇਹ ਫ਼ੈਸਲਾ ਫ੍ਰੇਮਵਰਕ ਦੇ ਕਿਸੇ ਵੀ ਹੋਰ ਫ਼ੈਸਲੇ ਨਾਲੋਂ ਵੱਧ ਮਹੱਤਵਪੂਰਨ ਹੈ, ਕਿਉਂਕਿ ਇਹ ਤੈਅ ਕਰਦਾ ਹੈ ਕਿ ਡਾਟਾ ਕਿਸ ਦੇ ਕੋਲ ਹੈ, ਅਤੇ ਡਾਟੇ ਦੀ ਮਲਕੀਅਤ ਹੀ ਇਹ ਨਿਰਧਾਰਤ ਕਰਦੀ ਹੈ ਕਿ ਫ਼ਾਇਦਾ ਸੰਯੁਕਤ ਰੂਪ ਵਿੱਚ ਵਧੇਗਾ ਜਾਂ ਘਟੇਗਾ।

ਸਰਵਿਸ ਵਜੋਂ ਸਰਵਿਸ

ਮੁੱਖ ਪੱਖ ਵਾਲੀ ਸਥਿਤੀ ਇੱਕ ਐਸੇ ਡਿਲਿਵਰੀ ਮਾਡਲ ਦੀ ਇਸ਼ਾਰਾ ਕਰਦੀ ਹੈ ਜੋ ਰਵਾਇਤੀ ਸਾਫਟਵੇਅਰ ਤੋਂ ਵੱਖਰਾ ਦਿਸਦਾ ਹੈ, ਅਤੇ ਇਸਨੂੰ ਨਾਮ ਦੇਣਾ ਠੀਕ ਹੈ, ਕਿਉਂਕਿ ਸ਼ੁਰੂ ਵਿੱਚ ਇਹ SaaS ਮਾਰਜਿਨਾਂ ਦੀ ਟ੍ਰੇਨਿੰਗ ਵਾਲੇ ਕਿਸੇ ਵੀ ਵਿਅਕਤੀ ਲਈ ਇਕ ਖਰਾਬ ਕਾਰੋਬਾਰ ਲੱਗਦਾ ਹੈ।

ਇਸ ਮਾਡਲ ਦੇ ਚਲਨ ਵਿੱਚ ਕੁਝ ਨਾਮ ਹਨ। YC, a16z, ਅਤੇ ਹੋਰਾਂ ਨੇ ਇਸਨੂੰ service-as-software ਕਿਹਾ ਹੈ, ਅਤੇ AI-ਸਮਰਥਿਤ rollup thesis ਇਸਦੀ ਨੇੜਲੀ ਭੈਣ ਹੈ। ਮੈਂ service as a service ਨੂੰ ਤਰਜੀਹ ਦਿੰਦਾ ਹਾਂ ਕਿਉਂਕਿ ਇਹ ਇਸ ਗੱਲ ‘ਤੇ ਜ਼ੋਰ ਰੱਖਦਾ ਹੈ ਕਿ ਗਾਹਕ ਅਸਲ ਵਿੱਚ ਕੀ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ।

ਗਾਹਕ ਨੂੰ ਕੰਮ ਮੁਕੰਮਲ ਕਰਨ ਲਈ ਸਾਫਟਵੇਅਰ ਵਰਤਣ ਦੀ ਲੋੜ ਨਹੀਂ ਹੋਣੀ ਚਾਹੀਦੀ। ਕੰਪਨੀ ਨੂੰ ਸਾਫਟਵੇਅਰ, AI, ਮਨੁੱਖੀ ਮਿਹਨਤ, ਹਾਰਡਵੇਅਰ, ਅਤੇ ਆਪਰੇਸ਼ਨ ਇਕੱਠੇ ਵਰਤ ਕੇ ਤਿਆਰ ਕੀਤਾ ਹੋਇਆ ਕੰਮ ਪਹੁੰਚਾਉਣਾ ਚਾਹੀਦਾ ਹੈ। ਸਾਫਟਵੇਅਰ ਅੰਦਰੂਨੀ ਲੀਵਰੇਜ ਹੈ, ਉਤਪਾਦ ਨਹੀਂ।

ਕ੍ਰਮ ਜਾਣ-ਬੂਝ ਕੇ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ। ਪਹਿਲਾਂ ਕੰਮ ਹੱਥੋਂ ਕਰੋ, ਜਾਂ ਮਨੁੱਖਾਂ ਨੂੰ ਲੂਪ ਵਿੱਚ ਰੱਖ ਕੇ। ਸਾਫਟਵੇਅਰ ਦੀ ਵਰਤੋਂ ਕਰੋ ਤਾਂ ਜੋ ਉਹ ਮਨੁੱਖੀ ਕੰਮ ਹੋਰ ਤੇਜ਼, ਹੋਰ ਇਕਸਾਰ, ਅਤੇ ਹੋਰ ਮਾਪਯੋਗ ਹੋ ਜਾਵੇ। ਹਰ ਇਨਪੁੱਟ, ਫ਼ੈਸਲਾ, ਸਧਾਰ, ਕੋਨਾ-ਮਾਮਲਾ, ਅਤੇ ਨਤੀਜਾ ਕੈਪਚਰ ਕਰੋ। ਫਿਰ ਇਕੱਠੇ ਹੋਏ ਡਾਟੇ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਵਰਕਫ਼ਲੋ ਦੇ ਵੱਧ ਤੋਂ ਵੱਧ ਹਿੱਸੇ ਨੂੰ ਆਟੋਮੇਟ ਕਰੋ, ਅਤੇ ਇਕ ਆਟੋਮੇਟਿਕ ਸਰਵਿਸ ਪ੍ਰਦਾਤਾ ਵੱਲ ਵਧੋ, ਜਿਸ ਦੇ ਮਾਰਜਿਨ ਅਤੇ ਰੱਖਿਆ-ਯੋਗਤਾ ਰਵਾਇਤੀ ਸਾਫਟਵੇਅਰ ਨਾਲ ਮੇਲ ਨਹੀਂ ਖਾ ਸਕਦੇ।

ਇਹ ਕਨਸਲਟਿੰਗ ਤੋਂ ਇਕ ਨਿਰਣਾਇਕ ਤਰੀਕੇ ਨਾਲ ਵੱਖਰਾ ਹੈ। ਕਨਸਲਟਿੰਗ ਹਰ ਗਾਹਕ ਨੂੰ ਸਦਾ ਲਈ ਕਸਟਮ ਮਿਹਨਤ ਵੇਚਦੀ ਹੈ, ਅਤੇ ਹਰ ਐਂਗੇਜਮੈਂਟ ਪਿੱਛੇ ਕੋਈ ਦੁਬਾਰਾ ਵਰਤਣਯੋਗ ਚੀਜ਼ ਨਹੀਂ ਛੱਡਦੀ। ਸਰਵਿਸ ਵਜੋਂ ਸਰਵਿਸ ਸ਼ੁਰੂਆਤੀ ਮਨੁੱਖੀ ਮਿਹਨਤ ਨੂੰ ਜਾਣ-ਬੂਝ ਕੇ ਆਟੋਮੇਸ਼ਨ ਸਿਸਟਮ ਬਣਾਉਣ ਦੇ ਸੰਦ ਵਜੋਂ ਵਰਤਦੀ ਹੈ, ਅਤੇ ਹਰ ਐਂਗੇਜਮੈਂਟ ਪਿੱਛੇ ਅਜਿਹਾ ਡਾਟਾ ਛੱਡਦੀ ਹੈ ਜੋ ਅਗਲੀ ਨੂੰ ਸਸਤਾ ਬਣਾਉਂਦਾ ਹੈ।

ਪਰ ਤੁਹਾਨੂੰ ਸਾਵਧਾਨ ਰਹਿਣਾ ਪਵੇਗਾ ਅਤੇ ਇਸ ਕਿਸਮ ਦੇ ਮਾਡਲ ਵਿੱਚ ਇਕ ਜਾਲ ਤੋਂ ਬਚਣਾ ਪਵੇਗਾ। ਜੇ ਹਰ ਨਵੇਂ ਗਾਹਕ ਨੂੰ ਕਸਟਮ ਇੰਟੀਗ੍ਰੇਸ਼ਨ, ਕਸਟਮ ਡਾਟਾ ਸਫਾਈ, ਕਸਟਮ ਵਰਕਫ਼ਲੋ ਮੈਪਿੰਗ, ਅਤੇ ਕਸਟਮ ਮਾਡਲ ਟਿਊਨਿੰਗ ਦੀ ਲੋੜ ਹੈ, ਤਾਂ ਕੰਪਨੀ ਅਜੇਹੀ ਕਨਸਲਟੈਂਸੀ ਹੈ ਜਿਸਨੇ ਹਜੇ ਤੱਕ ਇਹ ਮੰਨਿਆ ਨਹੀਂ। ਮਨੁੱਖ-ਲੂਪ-ਵਿੱਚ ਦਾ ਚਰਨ ਠੀਕ ਹੈ, ਅਤੇ ਅਕਸਰ ਜ਼ਰੂਰੀ ਵੀ, ਪਰ ਕੇਵਲ ਇਸ ਸ਼ਰਤ ‘ਤੇ ਕਿ ਇਹ ਪ੍ਰੋਪਰਾਇਟਰੀ ਡਾਟਾ ਪੈਦਾ ਕਰੇ ਅਤੇ ਸਕੇਲਯੋਗ ਆਟੋਮੇਸ਼ਨ ਵੱਲ ਵਧੇ। ਜੇ ਪੰਜਾਹ ਨੌਕਰੀਆਂ ਬਾਅਦ ਵੀ ਮਨੁੱਖ ਇੱਕੋ ਕੰਮ ਇੱਕੋ ਇਕਾਈ-ਲਾਗਤ ‘ਤੇ ਕਰ ਰਹੇ ਹਨ, ਤਾਂ ਮਾਡਲ ਅਸਫਲ ਹੋ ਗਿਆ ਹੈ।

ਡਾਟੇ ਲਈ ਸਟਾਰਗੇਟ

AI ਕੰਪਿਊਟ ਦੀ ਰੁਕਾਵਟ ਤੋਂ ਡਾਟੇ ਦੀ ਰੁਕਾਵਟ ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ। ਆਉਂਦੇ ਦੌਰ ਦੀਆਂ ਸਭ ਤੋਂ ਕੀਮਤੀ AI ਕੰਪਨੀਆਂ ਉਹ ਨਹੀਂ ਹੋਣਗੀਆਂ ਜਿਨ੍ਹਾਂ ਕੋਲ ਸਭ ਤੋਂ ਆਮ ਡਾਟਾ ਹੈ, ਜੋ ਭਰਪੂਰ ਹੈ ਅਤੇ ਇਸ ਲਈ ਕੋਈ ਕਿਰਾਇਆ ਨਹੀਂ ਕਮਾਂਦਾ, ਪਹਿਲੇ ਅੱਧੇ ਹਿੱਸੇ ਦੀ ਬਿਲਕੁਲ ਉਸੇ ਤਰਕ ਅਨੁਸਾਰ। ਉਹ ਉਹ ਹੋਣਗੀਆਂ ਜੋ ਦੁਰਲਭ, ਨਿੱਜੀ, ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲਾ ਆਪਰੇਸ਼ਨਲ ਡਾਟਾ ਆਪਣੇ ਕੋਲ ਰੱਖਦੀਆਂ ਹਨ, ਜੋ ਕੰਮ ਕੀਤੇ ਬਿਨਾਂ ਕਿਸੇ ਹੋਰ ਤਰੀਕੇ ਨਾਲ ਪ੍ਰਾਪਤ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ।

ਫਰੇਜ਼ ਸਟਾਰਗੇਟ ਫੋਰ ਡਾਟਾ OpenAI ਦੇ Stargate ਤੋਂ ਉਧਾਰ ਲਿਆ ਗਿਆ ਹੈ, ਜੋ ਦੱਸੀਆਂ ਗਈਆਂ ਕਈ ਸੌ ਅਰਬ ਡਾਲਰਾਂ ਦੀ ਕੰਪਿਊਟ ਬਿਲਡਆਉਟ ਹੈ, ਅਤੇ ਇਹ ਉਧਾਰ ਲੈਣਾ ਹੀ ਮਕਸਦ ਹੈ। ਜੇ ਪਿਛਲੇ ਚੱਕਰ ਦੇ ਘਾਟੀ ਸਰੋਤ ਨੇ ਉਸ ਪੱਧਰ ਦੀ ਯੋਜਿਤ ਢਾਂਚਾਗਤ ਨਿਵੇਸ਼ ਨੂੰ ਜਾਇਜ਼ ਠਹਿਰਾਇਆ ਸੀ, ਤਾਂ ਅਗਲਾ ਚੱਕਰ ਵੀ ਉਸੇ ਸਲੂਕ ਦਾ ਹੱਕਦਾਰ ਹੈ। ਮਕਸਦ ਡਾਟਾਸੈੱਟ ਇਕੱਠਾ ਕਰਨਾ ਨਹੀਂ ਹੈ। ਮਕਸਦ ਇੱਕ ਐਸੀ ਮਸ਼ੀਨ ਬਣਾਉਣਾ ਹੈ ਜੋ ਸਰਵਿਸ ਪ੍ਰਦਾਨ ਕਰਨ ਦੇ ਸਾਈਡ ਇਫੈਕਟ ਵਜੋਂ ਲਗਾਤਾਰ ਪ੍ਰੋਪਰਾਇਟਰੀ ਡਾਟਾ ਤਿਆਰ ਕਰੇ।

ਇਸ ਮਾਮਲੇ ਵਿੱਚ ਅੰਤਰ ਜੋ ਮਹੱਤਵ ਰੱਖਦਾ ਹੈ ਇਹ ਹੈ ਕਿ ਉਦੇਸ਼ ਡਾਟਾ ਆਪਣੇ ਆਪ ਲਈ ਇਕੱਠਾ ਕਰਨਾ ਨਹੀਂ, ਜੋ ਮਹਿੰਗੀਆਂ ਪਰ ਵਰਤਣਯੋਗ ਨਾ ਹੋਣ ਵਾਲੀਆਂ ਝੀਲਾਂ ਬਣਾਉਂਦਾ ਹੈ। ਉਦੇਸ਼ ਉਸ ਆਪਰੇਸ਼ਨਲ ਲੂਪ ਦੇ ਮਾਲਕ ਬਣਨਾ ਹੈ ਜੋ ਬਿਲਕੁਲ ਉਹੀ ਡਾਟਾ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜਿਸ ਦੀ ਉਸੇ ਲੂਪ ਨੂੰ ਆਟੋਮੇਟ ਕਰਨ ਲਈ ਲੋੜ ਹੈ।

ਐਟਮਸ ਕੰਪਿਊਟਰ

ਚਾਰ ਕਾਰਕ ਇਕ ਢਾਂਚਾ ਦੱਸਦੇ ਹਨ। ਐਟਮਸ ਕੰਪਿਊਟਰ ਦੱਸਦਾ ਹੈ ਕਿ ਉਹ ਢਾਂਚਾ ਕਿਸ ਲਈ ਹੈ, ਅਤੇ ਇਹ ਲੰਬੇ ਸਮੇਂ ਦੀ ਉਹ ਦ੍ਰਿਸ਼ਟੀ ਹੈ ਜੋ ਸਾਰੇ ਉੱਦਮ ਨੂੰ ਕਰਨ ਯੋਗ ਬਣਾਉਂਦੀ ਹੈ।

ਮੈਂ ਇਹ ਵਿਚਾਰ ਖੁਦ ਨਹੀਂ ਬਣਾਇਆ, ਅਤੇ ਮੈਂ ਇਸ ਬਾਰੇ ਪਹਿਲਾਂ ਹੀ ਸਾਫ਼ ਰਹਿਣਾ ਚਾਹੁੰਦਾ ਹਾਂ। ਇਹ ਫ੍ਰੇਮਿੰਗ Travis Kalanick ਦੀ ਹੈ। Uber ਤੋਂ 2017 ਵਿੱਚ ਬਾਹਰ ਧੱਕੇ ਜਾਣ ਤੋਂ ਬਾਅਦ ਉਸਨੇ City Storage Systems ਨੂੰ ਅੱਠ ਸਾਲਾਂ ਤੱਕ ਗੁਪਤ ਰੂਪ ਵਿੱਚ ਬਣਾਇਆ, ਅਤੇ ਮਾਰਚ 2026 ਵਿੱਚ ਉਸਨੇ ਇਸਦਾ ਨਾਮ Atoms ਰੱਖਿਆ ਅਤੇ ਇੱਕ ਵਿਜ਼ਨ ਪੱਤਰ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਜਿਸ ਵਿੱਚ ਪੂਰੀ ਗੱਲ ਰੱਖੀ। ਉਸਦੀ ਰੂਪਰੇਖਾ ਇਹ ਹੈ ਕਿ ਤੁਸੀਂ ਭੌਤਿਕ ਸੰਸਾਰ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨਾਲ ਉਸੇ ਤਰੀਕੇ ਨਾਲ ਨਜਿੱਠਦੇ ਹੋ ਜਿਵੇਂ ਤੁਸੀਂ ਸਾਫਟਵੇਅਰ ਸਮੱਸਿਆਵਾਂ ਨਾਲ ਨਜਿੱਠਦੇ ਹੋ, ਅਤੇ ਕੋਰ ਕੰਪਿਊਟਿੰਗ ਸਰੋਤਾਂ ਦੇ ਭੌਤਿਕ ਸਮਾਨ ਹੁੰਦੇ ਹਨ ਜਿੱਥੇ CPU ਨਿਰਮਾਣ ਹੈ, storage ਰਿਅਲ ਐਸਟੇਟ ਹੈ, ਅਤੇ network ਆਵਾਜਾਈ ਹੈ। ਇੱਕ a16z ਲਾਂਚ ਇਵੈਂਟ ਵਿੱਚ, ਕਾਲਾਨਿਕ ਨੇ ਕੰਪਨੀ ਨੂੰ ਉਦਯੋਗਿਕ AI ਦੇ ਆਲੇ-ਦੁਆਲੇ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ, ਸਾਫਟਵੇਅਰ, ਸੈਂਸਰ, ਰੋਬੋਟਿਕਸ, ਅਤੇ AI ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪੂਰੇ ਉਦਯੋਗਿਕ ਖੇਤਰਾਂ ਵਿਚ ਆਪਰੇਸ਼ਨਾਂ ਨੂੰ ਆਟੋਮੇਟ ਕਰਨ ਲਈ, ਸ਼ੁਰੂਆਤ ਭੋਜਨ, ਖਣਨ, ਅਤੇ ਆਵਾਜਾਈ ਨਾਲ। ਉਸਦਾ ਪੱਤਰ ਪੜ੍ਹੋ। ਇਹ ਮੇਰੇ ਇਸਦੇ ਸਾਰਾਂਸ਼ ਨਾਲੋਂ ਬਿਹਤਰ ਹੈ, ਅਤੇ ਉਸਦੇ ਕੁਝ ਨਤੀਜੇ ਇਸ ਦਸਤਾਵੇਜ਼ ਦੇ ਨਤੀਜਿਆਂ ਵਰਗੀ ਹੀ ਥਾਂ ‘ਤੇ ਕਿਸੇ ਹੋਰ ਦਿਸ਼ਾ ਤੋਂ ਪਹੁੰਚਦੇ ਹਨ।

ਜਿਵੇਂ AI ਹੋਰ ਸਮਰੱਥ ਹੁੰਦਾ ਜਾ ਰਿਹਾ ਹੈ, ਉਸਦੀ ਬੰਨ੍ਹਣ ਵਾਲੀ ਰੁਕਾਵਟ ਬਦਲ ਰਹੀ ਹੈ। ਸੀਮਾ ਹੁਣ ਸਿਰਫ਼ ਤਰਕ ਦੀ ਗੁਣਵੱਤਾ ਨਹੀਂ ਰਹੀ। ਇਹ ਭੌਤਿਕ ਹਕੀਕਤ ਨਾਲ ਸੰਪਰਕ ਹੈ। ਇਕ ਮਾਡਲ ਉੱਚ ਗੁਣਵੱਤਾ ਦਾ ਪਾਠ, ਕੋਡ, ਚਿੱਤਰ, ਅਤੇ ਯੋਜਨਾਵਾਂ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਫਿਰ ਵੀ ਇਕ ਗੰਦੇ, ਅਸੰਰਚਿਤ, ਨਤੀਜਾਦਾਇਕ ਅਸਲ ਸੰਸਾਰ ਵਾਲੇ ਮਾਹੌਲ ਵਿੱਚ ਭਰੋਸੇਯੋਗ ਤੌਰ ‘ਤੇ ਕੁਝ ਵੀ ਕਰਨ ਦੇ ਯੋਗ ਨਹੀਂ ਹੋ ਸਕਦਾ। ਰਵਾਇਤੀ ਕੰਪਿਊਟਰਾਂ ਨੇ ਬੁੱਧੀ ਨੂੰ ਬਿਟਾਂ ਨੂੰ ਹਿਲਾਉਣ-ਮੋੜਣ ਲਈ ਇਕ ਅਧਾਰ ਦਿੱਤਾ। ਹੁਣ ਮੌਕਾ ਇਹ ਹੈ ਕਿ ਐਟਮਾਂ ਲਈ ਉਸਦੇ ਸਮਾਨ ਅਧਾਰ ਨੂੰ ਬਣਾਇਆ ਜਾਵੇ, ਅਜਿਹੇ ਸਿਸਟਮ ਬਣਾਉਂਦਿਆਂ ਜੋ ਭੌਤਿਕ ਸੰਸਾਰ ਨੂੰ ਮਹਿਸੂਸ ਕਰਦੇ ਹਨ, ਗੰਦੀ ਅਸਲ ਸੰਸਾਰ ਵਾਲੀਆਂ ਸਥਿਤੀਆਂ ਦੀ ਵਿਆਖਿਆ ਕਰਦੇ ਹਨ, ਫ਼ੈਸਲਾ ਕਰਦੇ ਹਨ, ਕਾਰਵਾਈ ਕਰਦੇ ਹਨ, ਨਤੀਜਿਆਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦੇ ਹਨ, ਅਤੇ ਫੀਡਬੈਕ ਤੋਂ ਸਿੱਖਦੇ ਹਨ, ਇਹ ਸਭ ਅਸਲ ਭੌਤਿਕ, ਨਿਯਮਕ, ਅਤੇ ਆਰਥਿਕ ਪਾਬੰਦੀਆਂ ਹੇਠ। ਉਹ ਆਖਰੀ ਸ਼ਰਤ ਹੀ ਮੁਸ਼ਕਲ ਹੈ, ਅਤੇ ਇਹੀ ਕਾਰਨ ਹੈ ਕਿ ਇਹ ਇਕ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਦੀ ਬਜਾਏ ਇਕ ਕਾਰੋਬਾਰੀ ਮੌਕਾ ਹੈ। ਨਿਯਮਕ ਅਤੇ ਆਰਥਿਕ ਪਾਬੰਦੀ ਹੇਠ ਕੰਮ ਕਰਨਾ ਬਿਲਕੁਲ ਉਹੀ ਚੀਜ਼ ਹੈ ਜੋ ਨਕਲ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕਦੀ, ਅਤੇ ਇਹੀ ਚੀਜ਼ ਚੌਥੇ ਕਾਰਕ ਲਈ ਲੋੜੀਂਦਾ ਬੰਦ-ਚੱਕਰ ਡਾਟਾ ਪੈਦਾ ਕਰਦੀ ਹੈ।

ਇੱਕ ਮਾਮਲੇ ‘ਤੇ ਕਾਲਾਨਿਕ ਅਤੇ ਮੈਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਹਿਮਤ ਹਾਂ, ਅਤੇ ਉਹ ਇਸਨੂੰ ਮੇਰੇ ਨਾਲੋਂ ਵਧੀਆ ਕਹਿੰਦਾ ਹੈ। ਉਸਦਾ ਸ਼ਬਦ ਹੈ ਲਾਭਦਾਇਕ ਤੌਰ ‘ਤੇ ਨਿਯੁਕਤ ਰੋਬੋਟ, ਜਿਸਦਾ ਮਤਲਬ ਖਾਸ ਮਸ਼ੀਨਾਂ ਹਨ ਜਿਨ੍ਹਾਂ ਦਾ ਇਕ ਖਾਸ ਉਤਪਾਦਕ ਕੰਮ ਹੁੰਦਾ ਹੈ, ਨਾ ਕਿ ਮਨੁੱਖ-ਸਰੂਪ ਰੋਬੋਟ ਜੋ ਸਾਡੇ ਵਰਗਾ ਬਣਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਨ। ਉਸਦੀ ਉਦਾਹਰਨ ਇਹ ਹੈ ਕਿ ਜੇ ਤੁਹਾਨੂੰ ਇਕ ਘੰਟੇ ਵਿੱਚ ਹਜ਼ਾਰ ਪੈਨਕੇਕ ਬਣਾਉਣੇ ਹਨ, ਤਾਂ ਮਨੁੱਖ-ਸਰੂਪ ਦਾ ਉਨ੍ਹਾਂ ਨੂੰ ਅਸੁਖਾਵਟ ਨਾਲ ਉਲਟਣਾ ਸਭ ਤੋਂ ਖ਼ਰਾਬ ਸੰਭਵ ਡਿਜ਼ਾਈਨ ਹੈ, ਅਤੇ ਮਕਸਦ-ਅਨੁਕੂਲ ਮਸ਼ੀਨ ਸਪੱਸ਼ਟ ਚੋਣ ਹੈ। ਇਸ ਲਈ ਸਹੀ ਪਹੁੰਚ ਇੱਕ ਆਮ-ਉਦੇਸ਼ ਰੋਬੋਟ ਬਣਾਉਣਾ ਨਹੀਂ ਹੈ। ਇਸ ਦੀ ਬਜਾਏ, ਇਕ ਤੰਗ wedge ਲੱਭਣਾ ਹੈ ਜਿੱਥੇ sense, decide, act ਦਾ ਲੂਪ ਇਕ ਅਸਲੀ ਵਰਕਫ਼ਲੋ ਵਿੱਚ ਸਪੱਸ਼ਟ ਤਤਕਾਲ ਆਰਥਿਕ ਮੁੱਲ ਦੇ ਨਾਲ ਤਾਇਨਾਤ ਕੀਤਾ ਜਾ ਸਕੇ, ਅਤੇ ਉਸ ਲੂਪ ਨੂੰ ਫੈਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਉਸਨੂੰ ਅੰਤ ਤੋਂ ਅੰਤ ਤੱਕ ਕੰਮ ਕਰਵਾਉਣਾ ਹੈ।

ਨੇੜੇ ਭਵਿੱਖ ਦੀ ਕੰਪਨੀ ਇੰਨੀ ਤੰਗ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ ਕਿ ਉਹ ਅਣ-ਮਹੱਤਵਾਕਾਂਕਸ਼ੀ ਲੱਗੇ। ਲੰਬੇ ਸਮੇਂ ਦੀ ਛੱਤ ਹੀ ਉਹ ਕਾਰਨ ਹੈ ਜੋ ਉਸ ਤੰਗਤਾ ਨੂੰ ਸਵੀਕਾਰ ਕਰਨ ਯੋਗ ਬਣਾਉਂਦੀ ਹੈ।

ਇਕ ਕੰਮ ਕੀਤਾ ਹੋਇਆ ਉਦਾਹਰਨ

ਫ੍ਰੇਮਵਰਕ ਅਬਸਟ੍ਰੈਕਟ ਹੈ, ਇਸ ਲਈ ਇਕ ਵਿਚਾਰ ਨੂੰ ਇਸ ਵਿਚੋਂ ਗੁਜਾਰ ਕੇ ਦੇਖਣਾ ਮਦਦਗਾਰ ਹੁੰਦਾ ਹੈ। ਇਹ ਸਿਰਫ਼ ਵਰਤੋਂ ਵਿੱਚ ਆ ਰਹੇ ਮਾਪਦੰਡਾਂ ਦੀ ਇਕ ਉਦਾਹਰਨ ਹੈ, ਨਾ ਕਿ ਉਹ ਇਕੋ ਨਤੀਜਾ ਜੋ ਫ੍ਰੇਮਵਰਕ ਮਜਬੂਰ ਕਰਦਾ ਹੈ।

ਨਿਰਮਾਣ ਵਿਸ਼ੇਸ਼ ਨਿਰੀਖਣ ਅਤੇ ਸਮੱਗਰੀ ਜਾਂਚ ਨੂੰ ਲਓ। ਵਿਕਰੇਤਾ ਸੰਸਕਰਣ ਸਾਫਟਵੇਅਰ ਏਜੰਸੀਆਂ ਅਤੇ ਲੈਬਾਂ ਨੂੰ ਵੇਚਦਾ ਹੈ ਜੋ ਪਹਿਲਾਂ ਹੀ ਵਰਕਫ਼ਲੋ ਦੀ ਮਲਕੀਅਤ ਰੱਖਦੀਆਂ ਹਨ। ਪ੍ਰਿੰਸੀਪਲ ਸੰਸਕਰਣ ਏਜੰਸੀ ਅਤੇ ਲੈਬ ਬਣ ਜਾਂਦਾ ਹੈ। ਇਹ ਪ੍ਰਮਾਣਨ ਧਾਰਣ ਕਰਦਾ ਹੈ, ਨਿਰੀਖਣ ਕਰਦਾ ਹੈ, ਅਤੇ ਨਿਯਮਕ ਜ਼ਿੰਮੇਵਾਰੀ ਝੱਲਦਾ ਹੈ। ਅੰਦਰੂਨੀ ਤੌਰ ‘ਤੇ, ਇਹ ਪ੍ਰਮਾਣਿਤ ਨਤੀਜੇ ਵਧੇਰੇ ਤੇਜ਼ੀ, ਘੱਟ ਲਾਗਤ, ਅਤੇ ਮੌਜੂਦਾ ਖਿਡਾਰੀਆਂ ਨਾਲੋਂ ਵਧੇਰੇ ਭਰੋਸੇਯੋਗ ਢੰਗ ਨਾਲ ਦੇਣ ਲਈ ਸਾਫਟਵੇਅਰ, ਹਾਰਡਵੇਅਰ, ਅਤੇ AI ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ।

ਇਹ ਬਣਤਰ ਚਾਰੇ ਹੀ ਕਾਰਕਾਂ ਤੱਕ ਪਹੁੰਚਦੀ ਹੈ। ਇਹ ਭੌਤਿਕ ਹੈ, ਕਿਉਂਕਿ ਇਹ ਸਾਈਟਾਂ, ਨਮੂਨਿਆਂ, ਯੰਤਰਾਂ, ਅਤੇ ਅਸਲੀ ਦੁਨੀਆ ਦੇ ਮਾਪਾਂ ਨਾਲ ਸਬੰਧਿਤ ਹੈ। ਇਸਦੇ ਰਿਸ਼ਤੇ ਅਤੇ ਨਿਯਮਕ ਖਾਈਆਂ ਹਨ, ਕਿਉਂਕਿ ਖਰੀਦਦਾਰਾਂ ਨੂੰ ਅਜਿਹੇ ਨਤੀਜੇ ਚਾਹੀਦੇ ਹਨ ਜੋ ਜੁਰਿਸਡਿਕਸ਼ਨ ਵਾਲੀਆਂ ਅਥਾਰਿਟੀਆਂ ਦੁਆਰਾ ਸਵੀਕਾਰ ਕੀਤੇ ਜਾਣ, ਨਾ ਕਿ ਸਿਰਫ਼ ਇਕ ਹੋਰ ਸੁੰਦਰ ਡੈਸ਼ਬੋਰਡ। ਇਹ ਨਤੀਜੇ ਦੀ ਮਲਕੀਅਤ ਰੱਖਦਾ ਹੈ, ਕਿਉਂਕਿ ਇਹ ਸਾਧਨਾਂ ਦੀ ਬਜਾਇ ਪ੍ਰਮਾਣਿਤ ਨਤੀਜੇ ਵੇਚਦਾ ਹੈ। ਅਤੇ ਇਹ ਕੰਮ ਦੇ ਉਪਉਤਪਾਦ ਵਜੋਂ ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰੀ ਸੰਚਾਲਕੀ ਡਾਟਾ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਟੈਸਟ ਨਤੀਜੇ, ਨਾਕਾਮੀ ਮੋਡ, ਸਮੱਗਰੀ ਗੁਣ, ਮਾਹਰ ਸੋਧਾਂ, ਅਤੇ ਭੌਤਿਕ ਹਾਲਤਾਂ ਅਤੇ ਅੰਤਿਮ ਨਤੀਜਿਆਂ ਦਰਮਿਆਨ ਲਿੰਕ ਸ਼ਾਮਲ ਹਨ।

ਇਹ ਵੀ ਸੰਕੁਚਿਤ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ, ਜੋ Paul Graham ਅਤੇ YC ਸਾਲਾਂ ਤੋਂ ਦੱਸ ਰਹੀ ਕਲਾਸਿਕ ਸਟਾਰਟਅਪ ਤਰਕ ਦਾ ਪਾਲਣ ਕਰਦਾ ਹੈ। ਇੱਕ ਤਿੱਖੀ ਵੇਜ ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ, ਪਰ ਯਕੀਨੀ ਬਣਾਓ ਕਿ ਉਹ ਵੇਜ ਇੱਕ ਵੱਡੀ ਅਤੇ ਦਰਦਨਾਕ ਸਮੱਸਿਆ ਨਾਲ ਸੰਬੰਧਤ ਹੋਵੇ। ਪਹਿਲੇ ਦਿਨ ਹੀ ਨਿਰਮਾਣ ਨਿਰੀਖਣ ਨੂੰ ਇਕ ਉਦਯੋਗ ਵਜੋਂ ਆਟੋਮੇਟ ਕਰਨ ਦੀ ਲੋੜ ਨਹੀਂ। ਦਾਖਲਾ ਬਿੰਦੂ ਇੱਕ ਨਿਰੀਖਣ ਕਿਸਮ, ਇੱਕ ਸਮੱਗਰੀ ਟੈਸਟ, ਇੱਕ ਭੂਗੋਲ, ਜਾਂ ਇੱਕ ਅਨੁਕੂਲਤਾ ਵਰਕਫ਼ਲੋ ਹੋ ਸਕਦਾ ਹੈ। ਉਥੋਂ, ਸਾਫਟਵੇਅਰ ਕੰਮ ਨੂੰ ਮਿਆਰੀ ਬਣਾਉਂਦਾ ਹੈ, ਮਨੁੱਖ ਪਹਿਲਾ ਡਾਟਾ ਪੈਦਾ ਕਰਦੇ ਹਨ, ਅਤੇ ਆਟੋਮੇਸ਼ਨ ਸਿਰਫ਼ ਉਥੇ ਫੈਲਦੀ ਹੈ ਜਿੱਥੇ ਲੂਪ ਅਸਲ ਵਿੱਚ ਗੁਣਾ ਕਰਦਾ ਹੈ।

ਖਤਰੇ ਬਿਲਕੁਲ ਉਹੀ ਹਨ ਜਿਨ੍ਹਾਂ ਦੀ ਇਹ ਢਾਂਚਾ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹੈ। ਪ੍ਰਮਾਣਨ ਦੇ ਸਮੇਂ-ਸੰਬੰਧੀ ਪੱਧਰ ਆਮਦਨ ਨੂੰ ਰੋਕਦੇ ਹਨ, ਆਟੋਮੇਸ਼ਨ ਪੱਕੀ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਸੰਚਾਲਨ ਭਾਰੀ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਜੇਕਰ ਹਰ ਪ੍ਰੋਜੈਕਟ ਕਸਟਮ ਨਿਕਲੇ ਤਾਂ ਸਰਵਿਸਜ਼ ਟ੍ਰੈਪ ਅਸਲੀ ਹੈ। ਇਹੀ ਇਸ ਢਾਂਚੇ ਦਾ ਮੁੱਦਾ ਹੈ। ਇਹ ਕਾਰੋਬਾਰ ਨੂੰ ਆਸਾਨ ਨਹੀਂ ਬਣਾਉਂਦਾ। ਇਹ ਤੁਹਾਨੂੰ ਦੱਸਦਾ ਹੈ ਕਿ ਮੁਸ਼ਕਲ ਹਿੱਸੇ ਕਿੱਥੇ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ।

ਉਹ ਕੰਪਨੀਆਂ ਜੋ ਪਹਿਲਾਂ ਹੀ ਇਸ ਤਰ੍ਹਾਂ ਦਿਸਦੀਆਂ ਹਨ

ਇਸ ਢਾਂਚੇ ‘ਤੇ ਭਰੋਸਾ ਕਰਨਾ ਆਸਾਨ ਹੁੰਦਾ ਹੈ ਜੇ ਇਹ ਉਹਨਾਂ ਚੀਜ਼ਾਂ ਦਾ ਵਰਣਨ ਕਰਦਾ ਹੈ ਜੋ ਪਹਿਲਾਂ ਹੀ ਮੌਜੂਦ ਹਨ, ਨਾ ਕਿ ਸਿਰਫ਼ ਉਹਨਾਂ ਚੀਜ਼ਾਂ ਦਾ ਜੋ ਮੈਂ ਚਾਹੁੰਦਾ ਹਾਂ ਕਿ ਮੌਜੂਦ ਹੋਣ।

Anduril ਚਾਰ ਵਿੱਚੋਂ ਚਾਰ ਹੈ। ਡਰੋਨਾਂ, ਸੈਂਸਰ ਟਾਵਰਾਂ, ਇੰਟਰਸੈਪਟਰਾਂ, ਅਤੇ ਅੰਡਰਸੀ ਵਾਹਨਾਂ ਵਿੱਚ ਕਸਟਮ ਹਾਰਡਵੇਅਰ। Lattice ਵਿੱਚ ਕਸਟਮ ਸਾਫਟਵੇਅਰ, ਜਿਸ ‘ਤੇ ਉਸ ਹਾਰਡਵੇਅਰ ਦਾ ਹਰ ਹਿੱਸਾ ਚਲਦਾ ਹੈ। ਅਜਿਹੇ ਰਿਸ਼ਤੇ ਅਤੇ ਨਿਯਮਕ ਦਰਜੇ ਜੋ ਕੋਈ ਕੋਡਿੰਗ ਏਜੰਟ ਤਿਆਰ ਨਹੀਂ ਕਰ ਸਕਦਾ, ਕਿਉਂਕਿ ਗਾਹਕ ਅਮਰੀਕੀ ਸਰਕਾਰ ਅਤੇ ਉਸਦੇ ਸਹਿਯੋਗੀ ਹਨ। ਤਾਇਨਾਤ ਪ੍ਰਣਾਲੀਆਂ ਤੋਂ ਆਉਣ ਵਾਲਾ ਸੰਚਾਲਕੀ ਡਾਟਾ ਜੋ ਵਾਪਸ ਸਾਫਟਵੇਅਰ ਵਿੱਚ ਫੀਡ ਹੁੰਦਾ ਹੈ। ਦੋ ਵੇਰਵੇ ਉਤਪਾਦ ਸੂਚੀ ਨਾਲੋਂ ਵੱਧ ਮਹੱਤਵਪੂਰਨ ਹਨ। ਇਹ ਆਪਣਾ ਹੀ R&D ਫੰਡ ਕਰਦਾ ਹੈ ਅਤੇ ਮੌਜੂਦਾ ਬਜਟ ਲਾਈਨ ਵਿੱਚ ਵੇਚਣ ਤੋਂ ਪਹਿਲਾਂ ਉਤਪਾਦ ਬਣਾਉਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਪਰੰਪਰਾਗਤ ਪ੍ਰਾਈਮਜ਼ ਦੁਆਰਾ ਚਲਾਏ ਜਾਣ ਵਾਲੇ ਕੋਸਟ-ਪਲੱਸ ਮਾਡਲ ਨੂੰ ਉਲਟਿਆ ਜਾਂਦਾ ਹੈ। Anduril ਨਿੱਜੀ ਹੈ ਅਤੇ ਆਡਿਟ ਕੀਤੇ ਮਾਰਜਿਨ ਪ੍ਰਕਾਸ਼ਿਤ ਨਹੀਂ ਕਰਦਾ, ਪਰ ਦੂਸਰੇ ਅੰਦਾਜ਼ੇ ਇਸਦਾ ਗ੍ਰਾਸ ਮਾਰਜਿਨ ਲਗਭਗ 40 ਤੋਂ 45 ਪ੍ਰਤੀਸ਼ਤ ਦੱਸਦੇ ਹਨ. ਇਹ ਰੱਖਿਆ ਹਾਰਡਵੇਅਰ ਲਈ ਅਸਾਧਾਰਣ ਤੌਰ ‘ਤੇ ਉੱਚਾ ਹੈ, ਜਿੱਥੇ NYU Stern ਦੇ ਸੈਕਟਰ ਡਾਟਾ ਵਿੱਚ ਏਰੋਸਪੇਸ ਅਤੇ ਡਿਫੈਂਸ ਕੰਪਨੀਆਂ ਦਾ ਔਸਤ ਗ੍ਰਾਸ ਮਾਰਜਿਨ ਕਰੀਬ 17.5 ਪ੍ਰਤੀਸ਼ਤ ਹੈ. ਸਹੀ ਅੰਕ ਨਾਲੋਂ ਬਣਤਰ ਵਧੇਰੇ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਇੱਕ ਲੰਬਵਰਤੀ ਤੌਰ ‘ਤੇ ਇਕੀਕ੍ਰਿਤ, ਨਿਸ਼ਚਿਤ-ਕੀਮਤ, ਸਾਫਟਵੇਅਰ-ਪਰਿਭਾਸ਼ਿਤ ਮਾਡਲ ਪਰੰਪਰਾਗਤ ਕੋਸਟ-ਪਲੱਸ ਪਲੇਟਫਾਰਮ ਇਕੀਕਰਨ ਨਾਲੋਂ ਬਿਹਤਰ ਅਰਥਸ਼ਾਸਤਰ ਕਮਾਉਂਦਾ ਦਿਸਦਾ ਹੈ।

Intuitive Surgical ਇਸੇ ਬਣਤਰ ਦਾ ਪੁਰਾਣਾ, ਸ਼ਾਂਤ ਸੰਸਕਰਣ ਹੈ। da Vinci system ਅਜਿਹੇ ਹਾਰਡਵੇਅਰ ਨੂੰ ਜੋੜਦਾ ਹੈ ਜੋ ਆਪਣੇ ਸਾਫਟਵੇਅਰ ਤੋਂ ਬਿਨਾਂ ਬੇਕਾਰ ਹੈ, FDA ਮਨਜ਼ੂਰੀਆਂ ਜਿਨ੍ਹਾਂ ਨੂੰ ਕੋਈ ਮੁਕਾਬਲੇਬਾਜ਼ ਛੋਟਾ ਰਸਤਾ ਲੈ ਕੇ ਨਹੀਂ ਲੰਘ ਸਕਦਾ, ਦੋ ਦਹਾਕਿਆਂ ਦੇ ਹਸਪਤਾਲ ਰਿਸ਼ਤੇ, ਅਤੇ ਲੱਖਾਂ ਓਪਰੇਸ਼ਨਾਂ ਤੋਂ ਪ੍ਰਕਿਰਿਆ ਡਾਟਾ. ਇਹ ਚਾਰ ਵਿੱਚੋਂ ਚਾਰ ਤੱਕ ਪਹੁੰਚਦਾ ਹੈ, ਲਗਾਤਾਰ ਗੁਣਾ ਕਰਦਾ ਹੈ, ਅਤੇ 2000 ਵਿੱਚ ਆਪਣੀ ਸ਼ੁਰੂਆਤੀ ਮਨਜ਼ੂਰੀ ਤੋਂ ਹੀ ਇਹੀ ਖੇਡ-ਯੋਜਨਾ ਚਲਾ ਰਿਹਾ ਹੈ, ਉਸ ਤੋਂ ਬਹੁਤ ਪਹਿਲਾਂ ਜਦੋਂ ਕਿਸੇ ਨੇ ਇਸਨੂੰ physical AI ਕਿਹਾ ਵੀ ਨਹੀਂ ਸੀ।

Kraken Robotics ਉਹ ਹੈ ਜਿਸਨੂੰ ਮੈਂ ਸਭ ਤੋਂ ਸਿੱਖਣਯੋਗ ਸਮਝਦਾ ਹਾਂ, ਹਿੱਸੇਵਾਰ ਕਿਉਂਕਿ ਸਮੁੰਦਰੀ ਤਕਨਾਲੋਜੀ ਤੋਂ ਬਾਹਰ ਬਹੁਤ ਘੱਟ ਲੋਕ ਇਸਨੂੰ ਜਾਣਦੇ ਹਨ। ਇਹ synthetic aperture sonar, KATFISH towed platform, subsea batteries, ਅਤੇ underwater LiDAR ਬਣਾਉਂਦਾ ਹੈ। ਉਸ ਹਾਰਡਵੇਅਰ ਦਾ ਕੋਈ ਵੀ ਹਿੱਸਾ ਉਸਦੇ ਆਲੇ-ਦੁਆਲੇ ਲਪੇਟੇ ਗਏ proprietary imaging software ਤੋਂ ਬਿਨਾਂ ਲਾਭਦਾਇਕ ਨਹੀਂ। ਇਸਦੇ ਗਾਹਕਾਂ ਵਿੱਚ NATO-aligned ਨੌਸੈਨਾਵਾਂ ਸ਼ਾਮਲ ਹਨ। ਇਹ ਸਭ ਤੋਂ ਉੱਚੇ ਪੱਧਰ ‘ਤੇ ਭਰੋਸਾ ਅਤੇ ਨਿਯਮਨ ਹੈ, ਕਿਉਂਕਿ ਕੋਈ ਨੌਸੈਨਾ ਸਸਤੇ ਕਲੋਨ ਲਈ sonar vendors ਨਹੀਂ ਬਦਲੇਗੀ। ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਗੱਲ ਇਹ ਹੈ ਕਿ Kraken ਸਿਰਫ਼ ਉਪਕਰਣ ਨਹੀਂ ਵੇਚਦਾ। ਇਹ ਸੇਵਾ ਵਜੋਂ surveys ਚਲਾਉਂਦਾ ਹੈ, ਜਿਸਦਾ ਮਤਲਬ ਹੈ ਹਰ ਕੰਮ seabed intelligence ਪੈਦਾ ਕਰਦਾ ਹੈ ਜੋ ਕਿਸੇ ਹੋਰ ਕੋਲ ਨਹੀਂ। ਇਹ ਆਖਰੀ ਫ਼ੈਸਲਾ ਸਾਰੀ ਢਾਂਚਾ-ਰਚਨਾ ਦਾ ਇਕ ਛੋਟਾ ਰੂਪ ਹੈ। ਇੱਕ ਹਾਰਡਵੇਅਰ ਕੰਪਨੀ ਨੇ ਦੇਖਿਆ ਕਿ ਡਾਟਾ ਡੱਬੇ ਨਾਲੋਂ ਵਧੇਰੇ ਕੀਮਤੀ ਸੀ, ਅਤੇ ਇਸਨੂੰ ਰੱਖਣ ਲਈ principal position ਵਿੱਚ ਚਲੀ ਗਈ।

SpaceX & Waymo ਸ਼ੁੱਧ principal ਖੇਡਾਂ ਹਨ। SpaceX ਰਾਕੇਟ ਨਹੀਂ ਵੇਚਦਾ। ਇਹ delivered payloads ਵੇਚਦਾ ਹੈ। Waymo autonomy software ਨੂੰ car companies ਨੂੰ ਲਾਇਸੈਂਸ ਨਹੀਂ ਕਰਦਾ। ਇਹ ਪੂਰੀਆਂ rides ਵੇਚਦਾ ਹੈ। ਦੋਹਾਂ ਹੀ ਮਾਮਲਿਆਂ ਵਿੱਚ, ਕੰਪਨੀ ਨੇ vendor position ਨੂੰ ਰੱਦ ਕੀਤਾ, ਸੰਚਾਲਕੀ ਜ਼ਿੰਮੇਵਾਰੀ ਆਪਣੇ ਸਿਰ ਲਈ, ਅਤੇ ਡਾਟਾ ਰੱਖਿਆ। Waymo ਇੱਕ ਨਿਯਮਕ ਖਾਈ ਵੀ ਰੱਖਦਾ ਹੈ ਜੋ ਇੱਕ ਸਮੇਂ ਇੱਕ jurisdiction ਵਿੱਚ ਆਉਂਦੀ ਹੈ. ਇਹ ਵਿਸਥਾਰ ਹੌਲੀ ਹੈ, ਜੋ ਬਿਲਕੁਲ ਇਸ ਲਈ ਰੱਖਿਆਯੋਗ ਹੈ।

Carbon Robotics ਲਾਭਦਾਇਕ ਅੰਸ਼ਕ ਮਾਮਲਾ ਹੈ। ਇਸਦਾ LaserWeeder computer vision ਅਤੇ high-powered lasers ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਜੰਗਲੀ ਘਾਹ ਮਾਰਦਾ ਹੈ। ਫਰਵਰੀ 2026 ਵਿੱਚ, ਕੰਪਨੀ ਨੇ ਕਿਹਾ ਕਿ ਇਸਦਾ Large Plant Model 150 ਮਿਲੀਅਨ ਤੋਂ ਵੱਧ ਲੇਬਲ ਕੀਤੀਆਂ ਪੌਦਿਆਂ ‘ਤੇ ਟ੍ਰੇਨ ਕੀਤਾ ਗਿਆ ਸੀ, ਜੋ ਲਗਭਗ ਸੌ ਖੇਤਾਂ ਵਿੱਚ ਪੰਦਰਾਂ ਦੇਸ਼ਾਂ ਤੋਂ ਇਕੱਠਾ ਕੀਤਾ ਗਿਆ ਸੀ। ਇਹ ਡਾਟਾ ਇੰਜਨ ਜਿਵੇਂ ਵਰਣਨ ਕੀਤਾ ਗਿਆ ਹੈ, ਉਸੇ ਤਰ੍ਹਾਂ ਕੰਮ ਕਰ ਰਿਹਾ ਹੈ, ਜੋ ਇਕ ਵੱਖਰੀ ਪਹਿਲ ਨਹੀਂ ਬਲਕਿ ਸੰਚਾਲਕੀ ਉਪਉਤਪਾਦ ਵਜੋਂ ਪੈਦਾ ਹੁੰਦਾ ਹੈ। ਪਰ ਮੈਂ ਇਸ ਸੈੱਟਅੱਪ ਨਾਲ ਜੁੜੀ ਕਮਜ਼ੋਰੀ ਨੂੰ ਵੀ ਨੋਟ ਕਰਾਂਗਾ। Carbon ਕਿਸਾਨਾਂ ਨੂੰ ਉਪਕਰਣ ਵੇਚਦਾ ਹੈ, principal ਦੀ ਬਜਾਏ vendor ਬਣਿਆ ਰਹਿੰਦਾ ਹੈ। ਇਹ ਇਸ ਲਈ ਕਾਮਯਾਬ ਹੈ ਕਿਉਂਕਿ ਡਾਟਾ ਫਿਰ ਵੀ ਇਸਦੇ ਕੇਂਦਰੀ ਮਾਡਲ ਵੱਲ ਵਾਪਸ ਵਗਦਾ ਰਹਿੰਦਾ ਹੈ, ਜਿਸ ਨਾਲ vendor position ਜੀਵਤ ਰਹਿੰਦੀ ਹੈ। ਜੇ ਕਿਸਾਨ ਕਦੇ ਉਸ fleet data ਦੇ ਮਾਲਕ ਬਣ ਗਏ, ਤਾਂ ਖਾਈ ਗਾਇਬ ਹੋ ਜਾਵੇਗੀ।

Nokia ਇਤਿਹਾਸਕ ਚੇਤਾਵਨੀ ਵੀ ਹੈ ਅਤੇ ਇੱਕ ਉਭਰਦਾ test case ਵੀ। 2007 ਵਿੱਚ, ਇਸ ਨੇ ਗਲੋਬਲ smartphone market ਦੇ ਲਗਭਗ 50 ਪ੍ਰਤੀਸ਼ਤ ‘ਤੇ mobile phones ਵਿੱਚ ਸਭ ਤੋਂ ਵਧੀਆ hardware, manufacturing scale, ਅਤੇ supply chain ਨਾਲ ਕਬਜ਼ਾ ਕੀਤਾ ਹੋਇਆ ਸੀ। ਇਸ ਨੇ ਇਕੋ dimension ‘ਤੇ ਹਰ ਕਿਸੇ ਨਾਲੋਂ ਬਿਹਤਰ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ, ਅਤੇ ਇਹ ਇਸਲਈ ਡਿੱਗ ਗਿਆ ਕਿਉਂਕਿ ਇਸ ਕੋਲ software platform ਨਹੀਂ ਸੀ। ਅੱਜ ਦਾ Nokia ਇੱਥੇ ਵਰਣਿਤ ਇਕੋ multi-factor playbook ਨੂੰ ਅਜ਼ਮਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਿਹਾ ਹੈ। ਜਿਵੇਂ Michael Sikand ਇਸ video breakdown ਵਿੱਚ ਦਰਸਾਉਂਦਾ ਹੈ, ਕੰਪਨੀ ਨੇ ਉਪਭੋਗਤਾ gadgets ਤੋਂ ਦੂਰ ਹੋ ਕੇ vertically integrated optical silicon, ਪੱਕੇ carrier ਅਤੇ defense ਰਿਸ਼ਤੇ, ਅਤੇ AI-enabled edge compute ਨੂੰ ਜੋੜਨ ਲਈ ਦਹਾਕੇ ਤੋਂ ਵੱਧ ਸਮਾਂ pivot ਕੀਤਾ। ਪੁਰਾਣੇ Nokia ਨੇ ਸਾਬਤ ਕੀਤਾ ਕਿ ਇਕਾਂਤ hardware ਅਸਥਾਈ ਅਗਵਾਈ ਹੁੰਦੀ ਹੈ। ਖੈਰ, ਨਵਾਂ Nokia ਇਹ ਸਾਬਤ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਿਹਾ ਹੈ ਕਿ hardware, institutional trust, ਅਤੇ software infrastructure ਨਾਲ ਮਿਲ ਕੇ ਇੱਕ ਟਿਕਾਉ ਖਾਈ ਬਣਾਉਂਦਾ ਹੈ।

ਇਹਨਾਂ ਵਿੱਚੋਂ ਕੋਈ ਵੀ ਕੰਪਨੀ ਸਤਹ ‘ਤੇ ਇਕੋ ਜਿਹੀ ਨਹੀਂ ਲੱਗਦੀ, ਪਰ ਉਹ ਸਭ ਇਕੋ ਸਿੱਖਿਆ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦੀਆਂ ਹਨ। ਸਭ ਤੋਂ ਟਿਕਾਊ ਕਾਰੋਬਾਰਾਂ ਨੇ ਕੁਝ ਹੌਲੀ-ਚੱਲਣ ਵਾਲੀ ਚੀਜ਼ ਹਾਸਲ ਕੀਤੀ, ਜਿਵੇਂ ਕਿ accreditation, ਤਾਇਨਾਤ sensor fleet, surgeon trust, naval confidence, regulatory approval, ਜਾਂ ਦਹਾਕੇ ਭਰ ਦਾ operating data। ਉਹਨਾਂ ਵਿੱਚੋਂ ਕਿਸੇ ਨੇ ਵੀ ਸਿਰਫ਼ ਵਧੀਆ ਕੋਡ ਲਿਖ ਕੇ ਇਹ ਨਹੀਂ ਪ੍ਰਾਪਤ ਕੀਤਾ, ਅਤੇ ਕੋਈ ਵੀ ਅਜਿਹਾ ਕਰਨ ਵਾਲੇ ਦੁਆਰਾ ਪਕੜਿਆ ਨਹੀਂ ਜਾ ਸਕਦਾ।

ਸੰਕੁਚਿਤਤਾ ਦਾਖਲਾ-ਸ਼ਰਤ ਹੈ

ਉਹ ਸਭ ਛੋਟੇ ਪੱਧਰ ‘ਤੇ ਹੀ ਸ਼ੁਰੂ ਹੋਏ। ਜਿਹੜੀਆਂ ਕੰਪਨੀਆਂ ਜਿੱਤਦੀਆਂ ਹਨ ਉਹ ਪੂਰੇ loop ਦੀ ਮਾਲਕੀ ਹਾਸਲ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਕੇ ਸ਼ੁਰੂ ਨਹੀਂ ਕਰਦੀਆਂ, ਅਤੇ ਇਹ ਕੋਸ਼ਿਸ਼ ਕਰਨਾ ਸਭ ਤੋਂ ਆਮ ਗਲਤੀ ਹੈ। Loop ਸਿਰਫ਼ ਤਦ ਹੀ ਗੁਣਾ ਕਰਦਾ ਹੈ ਜਦੋਂ ਤੁਸੀਂ ਇੱਕ workflow ਵਿੱਚ ਇੰਨੇ ਡੂੰਘੇ ਹੋ ਕਿ outcome-linked data ਪੈਦਾ ਕਰ ਸਕੋ ਜੋ ਮੁਕਾਬਲੇਬਾਜ਼ ਕਿਸੇ ਹੋਰ ਤਰੀਕੇ ਨਾਲ ਪ੍ਰਾਪਤ ਨਹੀਂ ਕਰ ਸਕਦੇ। ਕਈ workflows ਨਾਲ ਉੱਪਰੀ ਸੰਪਰਕ ਛੇਤੀ ਹੀ ਸੰਤ੍ਰਿਪਤ ਹੋ ਜਾਣ ਵਾਲਾ ਛੇਤੀ ਡਾਟਾ ਪੈਦਾ ਕਰਦਾ ਹੈ।

ਇਹ ਪੈਟਰਨ ਉਪਰੋਕਤ ਆਪਰੇਟਰਾਂ ਵਿਚ ਅਤੇ ਉਹਨਾਂ ਤੋਂ ਪਰੇ ਵੀ ਲਾਗੂ ਹੁੰਦਾ ਹੈ। Anduril ਨੇ ਉਤਪਾਦਨ ਅਤੇ ਨਾਲ-ਨਾਲ ਜੁੜੀਆਂ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਵਧਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਫੋਰਸ ਪ੍ਰੋਟੈਕਸ਼ਨ ਅਤੇ ਕਾਊਂਟਰ-ਡ੍ਰੋਨ ਸਿਸਟਮਾਂ ਨਾਲ ਸ਼ੁਰੂਆਤ ਕੀਤੀ। Intuitive Surgical ਨੇ ਖਾਸ ਲੈਪਰੋਸਕੋਪਿਕ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨਾਲ ਸ਼ੁਰੂਆਤ ਕੀਤੀ ਅਤੇ ਦਹਾਕਿਆਂ ਤੱਕ ਸਰਜਨ ਟ੍ਰੇਨਿੰਗ ਅਤੇ ਪ੍ਰਕਿਰਿਆ ਵਾਲਿਊਮ ਬਣਾਇਆ, ਇਸ ਤੋਂ ਬਾਅਦ ਖੇਤਰਾਂ ਅੰਦਰ ਫੈਲੀ। SpaceX ਨੇ ਇੱਕ ਮੁੜ-ਵਰਤਣਯੋਗ ਲਾਂਚ ਵਾਹਨ ਨਾਲ ਸ਼ੁਰੂਆਤ ਕੀਤੀ, ਫਿਰ Starlink ਵਿੱਚ ਫੈਲੀ। Tesla ਨੇ ਇੱਕ ਸੰਕੁਚਿਤ ਪ੍ਰੀਮੀਅਮ EV ਵੇਜ (Roadster ਸਪੋਰਟਸ ਕਾਰ) ਨਾਲ ਸ਼ੁਰੂਆਤ ਕੀਤੀ ਅਤੇ ਵਾਲਿਊਮ ਮਾਡਲਾਂ, ਊਰਜਾ, ਅਤੇ ਆਟੋਨੋਮੀ ਵੱਲ ਜਾਣ ਤੋਂ ਪਹਿਲਾਂ ਫਲੀਟ ਨੂੰ ਡਾਟਾ ਅਤੇ ਨਿਰਮਾਣ ਸਿੱਖਣ ਲਈ ਵਰਤਿਆ। Palantir ਨੇ ਖਾਸ ਏਜੰਸੀਆਂ ਲਈ ਖਾਸ ਇੰਟੈਲੀਜੈਂਸ ਵਰਕਫਲੋਜ਼ ਨਾਲ ਸ਼ੁਰੂਆਤ ਕੀਤੀ ਅਤੇ ਫਿਰ ਵਪਾਰਿਕ ਪਾਸੇ ਫੈਲੀ। ਹਰ ਕੇਸ ਵਿੱਚ, ਸੰਕੁਚਿਤ ਪ੍ਰਵੇਸ਼ ਕੋਈ ਸਮਝੌਤਾ ਨਹੀਂ ਸੀ। ਇਹ ਉਹ ਮਕੈਨਿਜ਼ਮ ਸੀ ਜਿਸ ਨੇ ਲੂਪ ਨੂੰ ਸੰਯੁਕਤ ਬਣਾਇਆ।

ਪ੍ਰਵੇਸ਼ ਬਿੰਦੂ ਜਾਣ-ਬੁੱਝ ਕੇ ਸੰਕੁਚਿਤ ਹੈ। ਇੱਕ ਵਰਕਫਲੋ, ਇੱਕ ਗਾਹਕ ਕਿਸਮ, ਇੱਕ ਡਾਟਾ ਸਟਰੀਮ ਜੋ ਨਕਲ ਕਰਨਾ ਔਖਾ ਹੈ। ਤੁਸੀਂ ਉਸ ਵਰਕਫਲੋ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਲੂਪ ਉਸ ਵੇਲੇ ਤੱਕ ਬਣਾਉਂਦੇ ਹੋ ਜਦ ਤੱਕ ਡਾਟਾ ਸੰਯੁਕਤ ਨਾ ਹੋ ਜਾਵੇ ਅਤੇ ਰਿਸ਼ਤਾ ਹੋਰ ਗਹਿਰਾ ਨਾ ਹੋ ਜਾਵੇ, ਫਿਰ ਤੁਸੀਂ ਨਾਲ-ਨਾਲ ਵਾਲੇ ਵਰਕਫਲੋਜ਼ ਵਿੱਚ ਫੈਲਦੇ ਹੋ ਜਿੱਥੇ ਉਹੀ ਡਾਟਾ, ਉਹੀ ਰਿਸ਼ਤੇ, ਅਤੇ ਉਹੀ ਓਪਰੇਸ਼ਨਲ ਅਨੁਸ਼ਾਸਨ ਤੁਹਾਨੂੰ ਅਜਿਹਾ ਫਾਇਦਾ ਦਿੰਦੇ ਹਨ ਜੋ ਨਵਾਂ ਪ੍ਰਵੇਸ਼ਕ ਨਹੀਂ ਮਿਲਾ ਸਕਦਾ। ਵਿਆਪਕ ਸ਼ੁਰੂ ਕਰਨਾ ਇਸ ਤਰ੍ਹਾਂ ਹੈ ਕਿ ਤੁਸੀਂ ਉਸ ਡਾਟੇ ਦੇ ਢੇਰ ਨਾਲ ਖਤਮ ਹੋ ਜਾਂਦੇ ਹੋ ਜੋ ਸੰਯੁਕਤ ਨਹੀਂ ਹੁੰਦਾ। ਅੱਜ ਸ਼ੁਰੂ ਕਰਨ ਵਾਲਾ ਮੁਕਾਬਲਾਖੋਰ ਇੱਕ ਨਿਰਧਾਰਤ ਅਗਵਾਈ ਦਾ ਪਿੱਛਾ ਨਹੀਂ ਕਰ ਰਿਹਾ। ਉਹ ਅਜਿਹੀ ਅਗਵਾਈ ਦਾ ਪਿੱਛਾ ਕਰ ਰਿਹਾ ਹੈ ਜੋ ਹਰ ਵਾਰੀ ਕੰਮ ਮੁਕੰਮਲ ਹੋਣ ਨਾਲ ਵਧਦੀ ਹੈ, ਪਰ ਕੇਵਲ ਤਦ ਹੀ ਜਦੋਂ ਕੰਮ ਇੰਨਾ ਸੰਕੁਚਿਤ, ਇੰਨਾ ਗਹਿਰਾ, ਅਤੇ ਇੰਨੀ ਵਾਰ ਦੁਹਰਾਇਆ ਗਿਆ ਹੋਵੇ ਕਿ ਡਾਟਾ ਹਕੀਕਤ ਵਿੱਚ ਮਹੱਤਵ ਰੱਖੇ।

ਨਿਸ਼ਕਰਸ਼

ਇਸ ਦਸਤਾਵੇਜ਼ ਦੇ ਪਹਿਲੇ ਅੱਧੇ ਭਾਗ ਨੇ ਇੱਕ ਸਧਾਰਣ ਕਾਨੂੰਨ ਸਥਾਪਿਤ ਕੀਤਾ। ਕਿਸੇ ਚੀਜ਼ ਨੂੰ ਬਣਾਉਣ ਦੀ ਮੁਸ਼ਕਲਤਾ ਤੋਂ ਹੀ ਬਣਿਆ ਹੋਇਆ ਕੋਈ ਵੀ ਘੇਰਾ ਅਸਥਾਈ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਇਹ ਠੀਕ ਉਸ ਵੇਲੇ ਤੱਕ ਟਿਕਦਾ ਹੈ ਜਦ ਤੱਕ ਕੋਈ ਉਸ ਚੀਜ਼ ਨੂੰ ਬਣਾਉਣਾ ਆਸਾਨ ਨਹੀਂ ਕਰ ਦਿੰਦਾ। ਚੀਨੀ ਉਦਯੋਗਿਕ ਏਗਲੋਮੇਰੇਸ਼ਨ ਨੇ ਲੈਣ-ਦੇਣ ਦੇ ਖਰਚਿਆਂ ਅਤੇ ਦੁਹਰਾਈ ਦੀ ਦੇਰੀ ਨੂੰ ਇੱਕ ਹਾਈਪਰ-ਘਣੇ ਕਲੱਸਟਰ ਦੇ ਅੰਦਰ ਸਮੇਟ ਕੇ ਹਾਰਡਵੇਅਰ ਨਾਲ ਇਹੀ ਕੀਤਾ। ਜੈਨੇਰੇਟਿਵ AI ਸਕਾਰਫੇ ਦੀ ਕੀਮਤ ਨੂੰ ਸਮੇਟ ਕੇ ਸਾਫਟਵੇਅਰ ਨਾਲ ਇਹੀ ਕਰ ਰਹੀ ਹੈ। ਹਾਰਡਵੇਅਰ ਪਹਿਲਾਂ ਸਮੇਟਿਆ ਗਿਆ ਅਤੇ ਸਾਫਟਵੇਅਰ ਬਾਅਦ ਵਿੱਚ ਆਇਆ, ਪਰ ਅੱਜ ਕੰਪਨੀ ਬਣਾਉਣ ਵਾਲੇ ਲਈ, ਦੋਵੇਂ ਹੀ ਸ਼ਰਣਸਥਾਨ ਭਰੋਸੇਯੋਗ ਨਹੀਂ ਹਨ।

ਦੂਜੇ ਅੱਧੇ ਭਾਗ ਨੇ ਉਸ ਕਾਨੂੰਨ ਨੂੰ ਇੱਕ ਜਵਾਬ ਵਿੱਚ ਬਦਲਿਆ। ਜੇ ਉਤਪਾਦਨ ਦੀ ਮੁਸ਼ਕਲਤਾ ਹੁਣ ਕੁਝ ਵੀ ਰੱਖਿਆ ਨਹੀਂ ਕਰਦੀ, ਤਾਂ ਰੱਖਿਆਯੋਗਤਾ ਨੂੰ ਉਹਨਾਂ ਘਰਸ਼ਣਾਂ ਤੋਂ ਜੋੜਨਾ ਪਵੇਗਾ ਜਿਨ੍ਹਾਂ ਤੱਕ ਉਤਪਾਦਨ ਦਾ ਪਤਨ ਨਹੀਂ ਪਹੁੰਚ ਸਕਦਾ। ਇਨ੍ਹਾਂ ਵਿੱਚ ਭੌਤਿਕ ਪਹੁੰਚ, ਬੰਦ-ਚੱਕਰ ਓਪਰੇਸ਼ਨਲ ਡਾਟਾ, ਨਿਯਮਕ ਦਰਜਾ, ਕਮਾਈ ਹੋਈ ਭਰੋਸੇਯੋਗਤਾ, ਅਤੇ ਨਤੀਜੇ ਦੀ ਆਪਣੀ ਮਲਕੀਅਤ ਸ਼ਾਮਲ ਹਨ। ਇਸੀ ਲਈ ਚਾਰ ਕਾਰਕ ਇੱਕ ਦੀ ਬਜਾਇ ਚਾਰ ਵਿੱਚੋਂ ਤਿੰਨ ਮੰਗਦੇ ਹਨ, ਇਸੀ ਲਈ ਪ੍ਰਿੰਸੀਪਲ ਪੋਜ਼ੀਸ਼ਨ ਕਿਸੇ ਵੀ ਹੋਰ ਇਕੱਲੇ ਫ਼ੈਸਲੇ ਨਾਲੋਂ ਵੱਧ ਮਹੱਤਵ ਰੱਖਦੀ ਹੈ, ਅਤੇ ਇਸੀ ਲਈ ਡਾਟਾ ਇਕੱਠੀ ਕੀਤੀ ਗਈ ਸੰਪਤੀ ਦੀ ਬਜਾਇ ਓਪਰੇਸ਼ਨਲ ਉਤਪਾਦ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।

ਇਹ ਇੱਕ ਮੂਲ ਵਾਕ ਵਿੱਚ ਸਿਮਟਦਾ ਹੈ।

AI ਯੁੱਗ ਵਿੱਚ, ਸਭ ਤੋਂ ਵਧੀਆ ਕੰਪਨੀਆਂ ਸਧਾਰਣ ਸਾਫਟਵੇਅਰ ਟੂਲ ਜਾਂ ਨਕਲ ਕੀਤੇ ਜਾ ਸਕਣ ਵਾਲੇ ਹਾਰਡਵੇਅਰ ਉਤਪਾਦ ਨਹੀਂ ਹੋਣਗੀਆਂ। ਉਹ ਸੰਕੁਚਿਤ, ਨਤੀਜਾ-ਚਲਿਤ ਪ੍ਰਿੰਸੀਪਲ ਕਾਰੋਬਾਰ ਹੋਣਗੀਆਂ ਜੋ ਸਾਫਟਵੇਅਰ, ਭੌਤਿਕ ਵਰਕਫਲੋਜ਼, ਭਰੋਸੇਯੋਗ ਰਿਸ਼ਤੇ, ਅਤੇ ਮਲਕੀਅਤ ਵਾਲਾ ਓਪਰੇਸ਼ਨਲ ਡਾਟਾ ਮਿਲਾ ਕੇ ਉੱਚ-ਮੁੱਲ ਵਾਲੇ ਹਕੀਕਤੀ ਕੰਮ ਨੂੰ ਆਟੋਮੈਟ ਕਰਦੀਆਂ ਹਨ।

ਇੱਕ ਸੰਸਥਾਪਕ ਲਈ, ਸਵਾਲ ਹੁਣ ਇਹ ਨਹੀਂ ਰਹਿ ਗਿਆ “ਮੈਂ ਕਿਹੜਾ ਸਾਫਟਵੇਅਰ ਬਣਾ ਸਕਦਾ ਹਾਂ?” ਬਲਕਿ ਮੈਂ ਕਿਹੜਾ ਕੀਮਤੀ ਹਕੀਕਤੀ ਨਤੀਜਾ own, perform, measure, ਅਤੇ automate ਕਰ ਸਕਦਾ ਹਾਂ?

ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ਮੌਕੇ ਉੱਥੇ ਹਨ ਜਿੱਥੇ ਸਾਫਟਵੇਅਰ ਐਟਮਾਂ, ਭਰੋਸੇ, ਨਿਯਮਾਂ, ਅਤੇ ਮਲਕੀਅਤ ਵਾਲੇ ਡਾਟਾ ਨਾਲ ਮਿਲਦਾ ਹੈ। ਉਹ ਇੱਕ ਸੰਕੁਚਿਤ, ਦਰਦਨਾਕ ਵਰਕਫਲੋ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦੇ ਹਨ, ਜਿੱਥੇ ਲੋੜ ਹੋਵੇ ਮਨੁੱਖਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ। ਉਹ ਕੰਮ ਦੇ ਸਾਈਡ-ਇਫੈਕਟ ਵਜੋਂ ਓਪਰੇਸ਼ਨਲ ਡਾਟਾ ਕੈਪਚਰ ਕਰਦੇ ਹਨ, ਕਦਮ-ਦਰ-ਕਦਮ ਆਟੋਮੈਟ ਕਰਦੇ ਹਨ, ਅਤੇ ਅਜਿਹੇ ਸਿਸਟਮਾਂ ਵਿੱਚ ਸੰਯੁਕਤ ਹੋ ਜਾਂਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਹਟਾਉਣਾ ਔਖਾ ਹੁੰਦਾ ਹੈ। ਫਾਇਦਾ ਟਿਕਾਊ ਹੈ ਬਿਲਕੁਲ ਇਸ ਲਈ ਕਿਉਂਕਿ ਇਹ ਕੋਡ ਵਿੱਚ ਲਿਖਣ ਦੀ ਬਜਾਇ ਭੌਤਿਕ ਓਪਰੇਸ਼ਨ ਰਾਹੀਂ ਕਮਾਇਆ ਗਿਆ ਸੀ।

ਅੰਤਿਮ ਲਕਸ਼ ਇੱਕ ਉਤਪਾਦ ਬਣਾਉਣਾ ਨਹੀਂ ਹੈ। ਇਹ ਇੱਕ ਓਪਰੇਟਿੰਗ ਕੰਪਨੀ ਬਣਾਉਣਾ ਹੈ ਜਿਸ ਵਿੱਚ ਸਾਫਟਵੇਅਰ-ਵਾਂਗ ਸਕੇਲਬਿਲਿਟੀ, ਭੌਤਿਕ ਦੁਨੀਆ ਦੀ ਰੱਖਿਆਯੋਗਤਾ, ਅਤੇ ਮਲਕੀਅਤ ਵਾਲਾ ਡਾਟਾ ਹੋਵੇ ਜੋ ਹਰ ਮੁਕੰਮਲ ਕੀਤੇ ਕੰਮ ਨਾਲ ਹੋਰ ਚੰਗਾ ਹੁੰਦਾ ਜਾਂਦਾ ਹੈ।

ਜੋ ਕੁਝ ਪਹਿਲਾਂ ਇਸ ਲਈ ਘੇਰਾ ਸੀ ਕਿਉਂਕਿ ਉਹ ਬਣਾਉਣਾ ਔਖਾ ਸੀ, ਉਹ ਹੁਣ ਕਮੋਡੀਟੀ ਬਣ ਰਿਹਾ ਹੈ। ਕੁਝ ਬਣਾਉਣਾ ਪਹਿਲਾਂ ਨਾਲੋਂ ਕਿਤੇ ਆਸਾਨ ਹੈ, ਅਤੇ ਜਿਵੇਂ-ਜਿਵੇਂ AI ਅਤੇ ਗਲੋਬਲ ਸਪਲਾਈ ਚੇਨ ਅੱਗੇ ਵਧਦੀਆਂ ਹਨ, ਇਹ ਹੋਰ ਵੀ ਆਸਾਨ ਹੋਵੇਗਾ। ਜੋ ਚੀਜ਼ ਰੱਖਿਆਯੋਗ ਰਹਿੰਦੀ ਹੈ, ਉਹ ਹੈ ਜੋ ਪਹੁੰਚਣ ਵਿੱਚ ਔਖਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਭਰੋਸਾ ਕਮਾਉਣਾ ਔਖਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਆਪਣੇ ਆਪ ਨੂੰ ਨਿਯਮਬੱਧ ਕਰਕੇ ਦਾਖ਼ਲ ਹੋਣਾ ਔਖਾ ਹੈ, ਅਤੇ ਅਸਲ ਕੰਮ ਕੀਤੇ ਬਿਨਾਂ ਵੇਖਣਾ ਔਖਾ ਹੈ।

ਹਵਾਲੇ ਅਤੇ ਸਰੋਤ

ਮੈਂ ਇਸ ਬਾਰੇ ਸਪਸ਼ਟ ਹੋਣਾ ਚਾਹੁੰਦਾ ਹਾਂ ਕਿ ਕਿਹੜੇ ਹਿੱਸੇ ਕਿੱਥੋਂ ਲਏ ਗਏ ਹਨ, ਕਿਉਂਕਿ ਇਸ ਦਸਤਾਵੇਜ਼ ਦਾ ਵੱਡਾ ਹਿੱਸਾ ਮੇਰਾ ਹੋਰ ਲੋਕਾਂ ਦੇ ਕੰਮ ਨੂੰ ਜੋੜਨਾ ਹੈ, ਨਾ ਕਿ ਕੁਝ ਨਵਾਂ ਘੜਨਾ। ਜਿਹੜੀਆਂ ਚੀਜ਼ਾਂ ਦਾ ਮੈਂ ਅਸਲ ਵਿੱਚ ਆਪਣਾ ਦਾਅਵਾ ਕਰਾਂਗਾ, ਉਹ ਹਨ ਚਾਰ-ਕਾਰਕ ਨਿਯਮ, ਤਿੰਨ-ਵਿੱਚੋਂ-ਚਾਰ ਮਾਪਦੰਡ, ਅਤੇ ਇਹ ਵਿਸ਼ੇਸ਼ ਦਲੀਲ ਕਿ ਦੋਵੇਂ ਪਤਨ ਇੱਕੋ ਮੂਲ ਮਕੈਨਿਜ਼ਮ ਨੂੰ ਸਾਂਝਾ ਕਰਦੇ ਹਨ ਭਾਵੇਂ ਉਹ ਕ੍ਰਮਵਾਰ ਹੋਏ। ਅੰਕ ਹਿਲਦੇ ਰਹਿੰਦੇ ਹਨ, ਇਸ ਲਈ ਮੈਨੂੰ quote ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਉਹਨਾਂ ਦੀ ਜਾਂਚ ਕਰ ਲੈਣਾ।

ਮੇਰਾ, ਪਿਛਲੀ ਲਿਖਤ ਤੋਂ

• The Barbell of Software Value (2025), ਜਿੱਥੇ ਮੈਂ ਪਹਿਲਾਂ ਘਟਦੇ ਮੱਧ ਅਤੇ Internal Software Leverage Theory ਨੂੰ ਰੱਖਿਆ ਸੀ। ਇੱਥੇ ਦੂਜਾ ਅੱਧਾ ਉਸ ਪੋਸਟ ਦਾ ਓਪਰੇਟਿੰਗ ਵਰਜਨ ਹੈ।

ਐਟਮਜ਼ ਕੰਪਿਊਟਰ

• Travis Kalanick, Vision, Unfinished Business, ਅਤੇ How AI Will Transform the Physical World, Atoms ਅਤੇ a16z, 2026। ਐਟਮਜ਼-ਆਧਾਰਿਤ ਕੰਪਿਊਟਰ ਫ੍ਰੇਮਿੰਗ, CPU/ਸਟੋਰੇਜ/ਨੈੱਟਵਰਕ ਦਾ ਨਿਰਮਾਣ/ਰੀਅਲ ਐਸਟੇਟ/ਟ੍ਰਾਂਸਪੋਰਟ ਨਾਲ ਨਕਸ਼ਾ, understand-predict-control ਲੂਪ, industrial AI, ਅਤੇ gainfully employed robots ਸਭ ਉਸਦੇ ਹਨ। ਉਹ ਭਾਗ ਉਸ ਦੇ ਵਿਚਾਰ ਦਾ ਮੇਰਾ ਸਾਰ ਹੈ, ਮੇਰਾ ਵਿਚਾਰ ਨਹੀਂ।
• Ben Horowitz ਅਤੇ Alex Danco, Travis is Back, a16z, 2026।

ਅਰਥਸ਼ਾਸਤਰ

• Atlassian, Q2 FY2025 results, ਪੱਕੇ horizontal SaaS gross margins ਦੇ ਲਈ ਜੋ ਅੱਸੀ ਪ੍ਰਤੀਸ਼ਤ ਦੀ ਹੇਠਲੀ ਸੀਮਾ ਵਿੱਚ ਹਨ।
• Snowflake, FY2025 results, ਇਸ counterexample ਲਈ ਕਿ consumption-heavy software ਕਲਾਸਿਕ SaaS gross margins ਨਾਲੋਂ ਕਾਫੀ ਹੇਠਾਂ ਚੱਲ ਸਕਦਾ ਹੈ।
• Michael Porter, five forces, 1979, Part One ਵਿੱਚ rent sources ਦੀ taxonomy ਲਈ।
• David Teece, Profiting from Technological Innovation, 1986, Part Three ਵਿੱਚ appropriability problem ਲਈ।
• Alfred Marshall, Principles of Economics, 1890, Part Five ਵਿੱਚ external economies and agglomeration ਲਈ।
• Ronald Coase, The Nature of the Firm, 1937, Part Five ਵਿੱਚ transaction costs ਲਈ।
• Theodore Wright, 1936, ਅਤੇ Boston Consulting Group, experience curve ਲਈ Part Five ਵਿੱਚ।
• Stan Shih, smiling curve, ਕਰੀਬ 1992। ਉਸਦਾ original diagram Wikimedia Commons ‘ਤੇ ਹੈ, ਅਤੇ Ben Thompson ਦਾ Publishers and the Smiling Curve ਇਸ ਦੀ ਸਭ ਤੋਂ ਵਧੀਆ ਵਿਆਪਕਤਾ ਹੈ ਜੋ ਮੈਂ ਪੜ੍ਹੀ ਹੈ।
• Gary Pisano ਅਤੇ Willy Shih, Restoring American Competitiveness, Harvard Business Review, 2009, industrial commons ਅਤੇ reshoring ਦੇ ਮੁਸ਼ਕਲ ਹੋਣ ਦੇ ਕਾਰਨ ਲਈ।
• Andrew “bunnie” Huang, The Hardware Hacker, ਇਸ ਪਹਿਲੇ-ਹੱਥ ਦੇ ਵੇਰਵੇ ਲਈ ਕਿ Shenzhen ਦੀ ਘਣਤਾ ਅਸਲ ਵਿੱਚ ਅੰਦਰ ਕੰਮ ਕਰਦਿਆਂ ਕਿਵੇਂ ਮਹਿਸੂਸ ਹੁੰਦੀ ਹੈ।
• WTO, Accessions: China, ਚੀਨ ਦੇ ਗਲੋਬਲ ਵਪਾਰ ਪ੍ਰਣਾਲੀ ਵਿੱਚ ਏਕੀਕਰਨ ਦੀ ਪਿੱਠਭੂਮੀ ਲਈ।
• World Bank, manufacturing value added, ਸੰਯੁਕਤ ਰਾਜਾਂ ਦੇ ਮੁਕਾਬਲੇ ਚੀਨੀ ਨਿਰਮਾਣ ਪੈਮਾਨੇ ਦੀ ਪਿੱਠਭੂਮੀ ਲਈ।

ਸਟਾਰਟਅੱਪ ਮਕੈਨਿਕਸ

• Paul Graham, Do Things That Don’t Scale ਅਤੇ How to Get Startup Ideas, ਸੰਕੁਚਿਤ ਵੇਜ ਲਈ।
• Tesla, The Secret Tesla Motors Master Plan, 2006, Roadster ਤੋਂ ਸਸਤੀ ਕਾਰ ਵਾਲੇ ਵੇਜ ਲਾਜਿਕ ਲਈ।
• Palantir, S-1 registration statement, 2020, government ਤੋਂ commercial ਵੱਲ ਫੈਲਾਅ ਦੇ ਪੈਟਰਨ ਲਈ।
• SpaceX ਦੀ ਕੰਪਨੀ ਇਤਿਹਾਸ ਅਤੇ Starlink ਖੁਲਾਸੇ, SpaceX ਅਤੇ Starlink ਰਾਹੀਂ, launch ਨੂੰ broader space infrastructure ਤੋਂ ਪਹਿਲਾਂ ਸ਼ੁਰੂਆਤੀ ਵੇਜ ਵਜੋਂ ਲੈਣ ਲਈ।

AI ਕੋਡਿੰਗ ਅਤੇ ਸਾਫਟਵੇਅਰ ਉਤਪਾਦਨ

• GitHub, GitHub Copilot ਦੀ ਪਹਿਚਾਣ, 2021, ਅਤੇ GitHub Copilot ਦੀ ਆਮ ਉਪਲਬਧਤਾ, 2022, ਵਪਾਰਕ AI ਕੋਡਿੰਗ ਸਹਾਇਤਾ ਦੀ ਵਿਹਾਰਕ ਸ਼ੁਰੂਆਤ ਲਈ।
• OpenAI, GPT-4 ਤਕਨੀਕੀ ਰਿਪੋਰਟ, 2023, ਅਤੇ Anthropic, Claude 3.5 Sonnet, 2024, ਮਾਡਲ ਸਮਰਥਾ ਦੀ ਤੇਜ਼ੀ ਬਾਰੇ ਪਿਛੋਕੜ ਲਈ।
• Peng ਆਦਿ, AI ਦਾ ਵਿਕਾਸਕਾਰ ਉਤਪਾਦਕਤਾ ‘ਤੇ ਪ੍ਰਭਾਵ, 2023, ਨਿਯੰਤਰਿਤ GitHub Copilot ਨਤੀਜੇ ਲਈ ਜਿੱਥੇ ਵਿਕਾਸਕਾਰਾਂ ਨੇ ਇੱਕ ਸੀਮਿਤ ਕੋਡਿੰਗ ਕੰਮ 55.8 ਫੀਸਦੀ ਤੇਜ਼ ਪੂਰਾ ਕੀਤਾ।
• Cui ਆਦਿ, ਉੱਚ-ਕੁਸ਼ਲ ਕੰਮ ‘ਤੇ ਜਨਰੇਟਿਵ AI ਦੇ ਪ੍ਰਭਾਵ, 2025, 4,867 ਵਿਕਾਸਕਾਰਾਂ ‘ਤੇ ਖੇਤਰੀ ਅਧਿਐਨ ਦੇ ਨਤੀਜੇ ਲਈ, ਜਿਸ ਨੇ 26.08 ਫੀਸਦੀ ਵੱਧ ਪੂਰੇ ਕੀਤੇ ਕੰਮ ਦਿਖਾਏ।
• METR, ਅਨੁਭਵੀ ਖੁੱਲ੍ਹੇ-ਸਰੋਤ ਵਿਕਾਸਕਾਰ ਉਤਪਾਦਕਤਾ ‘ਤੇ ਸ਼ੁਰੂਆਤੀ-2025 AI ਦੇ ਪ੍ਰਭਾਵ ਦੀ ਮਾਪ, 2025, ਉਸ ਵਿਰੋਧੀ ਉਦਾਹਰਨ ਲਈ ਜਿੱਥੇ ਅਨੁਭਵੀ ਵਿਕਾਸਕਾਰ ਪੱਕੇ ਰਿਪੋਜ਼ ਵਿੱਚ AI ਟੂਲਾਂ ਨਾਲ 19 ਫੀਸਦੀ ਹੌਲੇ ਸਨ।
• Cursor, Claude Code, OpenAI Codex CLI, Kiro CLI, ਅਤੇ OpenCode, autocomplete ਤੋਂ agentic ਰਿਪੋ ਅਤੇ ਟਰਮੀਨਲ ਪਹੁੰਚ ਵੱਲ ਬਦਲਾਅ ਲਈ।
• Conductor, Superset, ਅਤੇ Hermes Agent, ਇੱਕਲੇ-ਏਜੰਟ ਕੋਡਿੰਗ ਟੂਲਾਂ ਦੇ ਉੱਪਰ ਵਾਲੀ orchestration ਪਰਤ ਲਈ।

ਡਾਟਾ moat ਦੀਆਂ ਅਸਫਲਤਾ ਮੋਡਾਂ

• Sun ਆਦਿ, ਦੀਪ ਲਰਨਿੰਗ ਯੁੱਗ ਵਿੱਚ ਡਾਟਾ ਦੀ ਅਨੁਚਿਤ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਦੀ ਮੁੜ ਸਮੀਖਿਆ, ICCV 2017, ਇਸ ਤਜਰਬਾਤੀ ਖੋਜ ਲਈ ਕਿ ਵਿਜ਼ਨ-ਟਾਸਕ ਕਾਰਗੁਜ਼ਾਰੀ ਟ੍ਰੇਨਿੰਗ ਡਾਟਾ ਦੀ ਮਾਤਰਾ ਨਾਲ ਲਾਗਰਿਦਮਿਕ ਢੰਗ ਨਾਲ ਸੁਧਰਦੀ ਹੈ।
• Martin Casado ਅਤੇ Peter Lauten, ਡਾਟਾ moats ਦਾ ਖਾਲੀ ਵਾਅਦਾ, a16z, 2019, ਇਸ ਦਲੀਲ ਲਈ ਕਿ ਡਾਟਾ ਪੈਮਾਨੇ ਦੇ ਪ੍ਰਭਾਵ ਆਮ ਤੌਰ ‘ਤੇ compound ਹੋਣ ਦੀ ਬਜਾਇ ਘਿਸ ਜਾਂਦੇ ਹਨ।
• Valavi ਆਦਿ, ਡਾਟਾ ਦਾ ਸਮਾਂ ਅਤੇ ਮੁੱਲ, Harvard Business School Working Paper 21-016, 2021, ਡਾਟਾ stock ਅਤੇ ਡਾਟਾ flow ਵਿਚਕਾਰ ਅੰਤਰ ਲਈ, ਅਤੇ ਇਸ ਖੋਜ ਲਈ ਕਿ ਪੁਰਾਣਾ ਡਾਟਾ ਮਾਡਲ ਸਹੀਪਨ ਨੂੰ ਨੁਕਸਾਨ ਪਹੁੰਚਾ ਸਕਦਾ ਹੈ।
• Chen ਆਦਿ, ਡਾਟਾ-ਚਾਲਿਤ inpatient clinical order sets ਵਿੱਚ ਭਵਿੱਖ ਦੇ ਫੈਸਲਿਆਂ ਵੱਲ ਕਲੀਨੀਕਲ ਡਾਟਾ ਦੀ ਘਟਦੀ ਹੋਈ ਸਬੰਧਤਾ, International Journal of Medical Informatics, 2017, ਕਲੀਨੀਕਲ ਭਵਿੱਖਬਾਣੀ ਡਾਟਾ ਦੀ ਲਗਭਗ ਚਾਰ-ਮਹੀਨੇ ਦੀ ਅੱਧ-ਆਯੁ ਲਈ।
• OpenAI Enterprise Privacy, Anthropic Commercial Terms, Microsoft Azure OpenAI data privacy, AWS Bedrock FAQ, ਅਤੇ Google Vertex AI data governance, ਕਾਰੋਬਾਰੀ ਗਾਹਕਾਂ ਦੇ input ਅਤੇ output ਉੱਤੇ ਮੂਲ no-training ਵਚਨਬੱਧਤਾਵਾਂ ਲਈ।
• European Data Protection Board, AI ਮਾਡਲਾਂ ਬਾਰੇ ਰਾਏ 28/2024, GDPR Article 5 ਅਤੇ Article 17, HIPAA de-identification rules, ਅਤੇ CCPA/CPRA rules, secondary data use, erasure, de-identification, ਅਤੇ sharing ਉੱਤੇ privacy-law ਪਾਬੰਦੀਆਂ ਲਈ।
• Lathrop GPM, ਵਪਾਰਕ ਅਤੇ IP ਲਾਇਸੈਂਸ ਸਮਝੌਤਿਆਂ ਵਿੱਚ AI ਮਾਲਕੀ ਦੀ ਪੜਤਾਲ, 2026, no-training ਵਚਨਬੱਧਤਾਵਾਂ ਅਤੇ retained aggregate ਜਾਂ de-identified ਵਰਤੋਂ ਅਧਿਕਾਰਾਂ ਵਿਚਕਾਰ contract ਤਣਾਅ ਲਈ।

ਚਿੱਤਰ

• Stan Shih ਦੀ ਮੁਸਕਰਾਉਂਦੀ ਵਕਰ, Wikimedia Commons, CC BY-SA.
• Shennan crossing ‘ਤੇ Huaqiangbei, Charlie fong ਵੱਲੋਂ ਫੋਟੋ, Wikimedia Commons, CC BY-SA.
• Injection molding die, Wizard191 ਵੱਲੋਂ ਫੋਟੋ, Wikimedia Commons, CC BY-SA 3.0.
• Solar PV module ਕੀਮਤਾਂ ਬਨਾਮ ਕੁੱਲ ਸਥਾਪਿਤ ਸਮਰਥਾ, Our World in Data, CC BY 4.0. ਚਾਰਟ ਪ੍ਰਕਾਸ਼ਿਤ ਡਾਟਾਸੈੱਟ ਤੋਂ ਸਥਾਨਕ ਤੌਰ ‘ਤੇ ਮੁੜ ਤਿਆਰ ਕੀਤਾ ਗਿਆ।

ਕੰਪਨੀ ਦੇ ਉਦਾਹਰਣ

• Anduril gross margin ਦਾ ਅਨੁਮਾਨ Sacra ਰਾਹੀਂ। Anduril ਨਿੱਜੀ ਹੈ ਅਤੇ ਆਡਿਟ ਕੀਤੀਆਂ margins ਪ੍ਰਕਾਸ਼ਿਤ ਨਹੀਂ ਕਰਦਾ, ਇਸ ਲਈ ਇਸਨੂੰ ਰਿਪੋਰਟ ਕੀਤੇ ਅੰਕੜੇ ਦੀ ਬਜਾਇ ਅਨੁਮਾਨ ਵਜੋਂ ਲਿਆ ਗਿਆ ਹੈ। aerospace ਅਤੇ defense gross margins ਲਈ sector benchmark (ਲਗਭਗ 17.5 ਫੀਸਦੀ) Aswath Damodaran ਦੇ NYU Stern margin dataset ਤੋਂ ਲਿਆ ਗਿਆ।
• Alphabet ਅਤੇ Google ਦੀ ਪਿਛੋਕੜ Alphabet ਦੇ FY2025 Form 10-K ਰਾਹੀਂ, search default distribution agreements, search scale advantages, ਅਤੇ antitrust ਸੰਦਰਭ ਲਈ United States v. Google LLC ਨਾਲ ਜੋੜੀ ਹੋਈ।
• Carbon Robotics Large Plant Model ਅਤੇ 150 ਮਿਲੀਅਨ labeled plants ਕੰਪਨੀ ਦੇ ਫਰਵਰੀ 2026 Business Wire ਐਲਾਨ ਰਾਹੀਂ, TechCrunch ਨੂੰ ਪੁਸ਼ਟੀਕਰਨ ਵਜੋਂ ਲਿਆ ਗਿਆ।
• Intuitive Surgical ਇਤਿਹਾਸ ਅਤੇ 2000 FDA clearance Intuitive Company History ਰਾਹੀਂ। Procedure volume Intuitive ਦੇ 2025 Corporate Impact Report ਰਾਹੀਂ, ਅਤੇ installed base / margin ਅੰਕ ਇਸਦੇ Q4 2025 earnings release ਰਾਹੀਂ।
• Tesla margin ਅੰਕ ਇਸਦੇ Q4 ਅਤੇ FY2025 update ਰਾਹੀਂ।
• Waymo regulatory expansion pattern Tesorb ਦੇ 2026 Robotaxi Regulatory Map ਅਤੇ Electrek ਦੀ CPUC expansion approval ਦੀ ਕਵਰੇਜ ਰਾਹੀਂ।
• Nokia ਦੇ 2007 peak ਅਤੇ decline ਦੀ time line BBC News ਅਤੇ Wikipedia ਰਾਹੀਂ, collapse ਦੇ ਪਿੱਛੇ organizational dynamics ਲਈ Vuori ਅਤੇ Huy ਦੀ Administrative Science Quarterly / INSEAD study ਨਾਲ, ਅਤੇ ਇਸ ਦੇ modern infrastructure pivot ਲਈ Michael Sikand ਦੀ ਵੀਡੀਓ ਵਿਸਥਾਰ ਨਾਲ।
• OpenAI Stargate ਵੇਰਵੇ OpenAI ਦੇ ਮੂਲ ਐਲਾਨ ਅਤੇ site expansion ਐਲਾਨ ਰਾਹੀਂ। ਇਹ ਐਲਾਨ ਕੀਤੀਆਂ ਵਚਨਬੱਧਤਾਵਾਂ ਅਤੇ ਯੋਜਨਾਵਾਂ ਹਨ, ਪੂਰੀ ਤਰ੍ਹਾਂ ਤਾਇਨਾਤ ਸਮਰਥਾ ਨਹੀਂ।
• Kraken Robotics ਕੰਪਨੀ ਦੇ ਆਪਣੇ ਉਤਪਾਦ ਅਤੇ contract disclosures ਤੋਂ ਲਿਆ ਗਿਆ।