Современный ров

TL;DR

Определяющий бизнес-ров XXI века, чистое программное обеспечение, стремительно рушится, поскольку генеративный ИИ обнуляет стоимость кода, повторяя то, как китайская промышленная агломерация уже уничтожила чистый аппаратный ров. Простая трудность производства больше не защищает бизнес ни в одной из этих областей, поэтому устойчивая прибыль переместилась в швы между битами и атомами. Чтобы сегодня построить компанию, которую можно защитить, основателям нужно отказаться от модели обычного поставщика ПО и действовать как принципал, который владеет реальным физическим рабочим процессом от начала до конца. Тесно интегрируя по крайней мере три из четырёх ключевых факторов — специализированное аппаратное обеспечение, специализированное программное обеспечение, заработанные отношения и проприетарные данные, — современный бизнес может обеспечивать гарантированный результат, одновременно извлекая данные замкнутого цикла, которые и становятся настоящим рвом. Конкурент, который начинает сегодня, не гонится за фиксированным отрывом. Он гонится за тем, который удлиняется каждый раз, когда работа выполняется.

Предисловие и цель

Этот отчёт разворачивает одно утверждение, на котором держится всё остальное в моей теории рва: чистое программное обеспечение больше не является защитимым рвом, а чистое аппаратное обеспечение перестало быть им, как только Китай масштабировал своё производственное господство. Оба термина часто используют как лозунги. Я хочу убрать лозунг и поставить на его место механизм. Почему произошло каждое из этих обрушений, какие предпосылки тихо сломались, как эти два процесса подпитывают друг друга и где ещё можно захватить устойчивую прибыль. Я написал это так, чтобы текст мог существовать сам по себе, чтобы будущий читатель или будущая модель могли получить весь аргумент без разговора, который его породил.

Примерно тридцать лет технологическая стратегия исходила из того, что цифровой мир порождает устойчивую, высокомаржинальную, защитимую прибыль, а физический мир — тонкий, неотличимый, низкомаржинальный товарный выпуск. Эти два удара не пришли одновременно. Китайская производственная агломерация сначала сломала защитимость аппаратного обеспечения, основанную на производстве, в основном в 2000-х и 2010-х годах. Генеративный ИИ позже ломает защитимость программного обеспечения, основанную на производстве, в 2020-х годах. Генеративный ИИ довёл предельную стоимость создания программного обеспечения почти до нуля, и это разрушило барьеры, делавшие ПО защитимым. Китайская промышленная агломерация довела стоимость и задержку физической итерации до уровня стоимости и задержки программного обеспечения, и это разрушило барьеры, делавшие аппаратное обеспечение защитимым. Так что ни одни только биты, ни одни только атомы больше не могут укрыть бизнес. Устойчивая преимущество ушло из любой отдельной размерности и перешло в тесное сцепление обоих, плюс отношения и проприетарные данные.

Документ состоит из двух частей:

• Анализ. Что такое ров на самом деле, почему каждая из областей раньше была защитимой, какие трения устранил каждый шок и что осталось стоять. Эта часть — экономический анализ, и она останавливается там, где заканчивается анализ.
• Современный ров. Из чего на самом деле состоит защищённость теперь, когда ни биты, ни атомы не защищают вас по отдельности, и как выглядит компания, построенная на этом, на практике.

Анализ: как оба рва рухнули

Часть первая: что такое ров на самом деле

Прежде чем я объясню, как рвы обрушились, мне нужно точно определить, что такое ров, потому что расплывчатое употребление этого слова отвечает за большую часть плохого стратегического мышления, которое я видел. Ров — это не хороший продукт, не временное преимущество и не сам факт быть первым. Ров — это структурная особенность рынка, которая позволяет фирме долгое время получать доходность выше своей стоимости капитала, не позволяя этой доходности быть съеденной конкурентами. На языке промышленной экономики ров — это устойчивый источник экономической ренты.

Экономическая рента — это излишек, который фирма получает сверх минимума, который она согласилась бы принимать, чтобы оставаться открытой, и на действительно конкурентном рынке этот излишек стремится к нулю. При совершенной конкуренции цена опускается до предельных издержек, фирмы получают только свою стоимость капитала, и никакая сверхприбыль не выживает. Любая рамка о защитимости на самом деле является теорией о том, как одна конкретная фирма уходит из-под этого тяготения к ценообразованию на уровне предельных издержек и нулевой прибыли.

Классический список идёт от Майкла Портера, чья рамка пяти сил была стандартным инструментом для этого с 1979 года, а позже была уточнена кругом инвесторов в value investing. Она выделяет небольшое число реальных, устойчивых источников ренты:

• Барьеры входа, которые не пускают новых конкурентов
• Высокие издержки переключения, которые удерживают существующих клиентов
• Сетевые эффекты, когда продукт становится ценнее по мере того, как им пользуется больше людей
• Экономия от масштаба, позволяющая действующим игрокам демпинговать против новичков
• Проприетарная интеллектуальная собственность или регуляторная защита, которые юридически исключают имитаторов
• Контроль над дефицитным входом или каналом дистрибуции, к которому конкуренты не могут получить доступ

Каждый источник ренты — это трение

Каждый из этих источников ренты — это трение. Ров — это, по сути, просто форма трения, через которую конкуренты не могут дёшево пройти:

• Высокие издержки переключения — это трение на выходе клиента.
• Барьеры входа — это трение на появлении конкурента.
• Сетевые эффекты — это трение в координации, необходимой пользователям, чтобы уйти куда-то ещё вместе.
• Производственный масштаб — это трение в капитале и времени, которые новичок должен утопить, прежде чем достигнет конкурентной себестоимости единицы продукции.

Это точно показывает вам, что на самом деле делает с рынком нечто вроде генеративного ИИ или нечто вроде китайской промышленной плотности. Эти силы не атакуют продукты. Они атакуют трения. Это технологии, растворяющие трение. А технология, растворяющая трение, по определению является технологией, растворяющей ров.

Вся аргументация сводится к одному предложению: рвы программного и аппаратного обеспечения рухнули, потому что конкретные трения, которые порождали их ренту, были именно теми трениями, которые ИИ и китайская агломерация случайно особенно хорошо устраняют.

Часть вторая: исторический ров ПО и почему биты печатали деньги

Чтобы понять обрушение, нужно сначала понять, почему программное обеспечение исторически было лучшей бизнес-структурой, которую когда-либо находил капитализм, потому что обрушение — это всего лишь обратный ход тех вещей, которые делали его великим.

Программное обеспечение имело почти уникальную структуру издержек. Оно сочетало высокие фиксированные затраты на создание первой копии с почти нулевыми предельными затратами на воспроизведение и доставку каждой последующей копии. Написание первой версии сложной программы требовало редкой, дорогой, долго обучаемой группы инженеров, работающих месяцами или годами. Но после того как программа была написана, миллионная копия стоила практически ничего в создании и ничего в доставке. Эта асимметрия порождала огромный операционный рычаг. Зрелое горизонтальное ПО может показывать валовую маржу в районе восьмидесяти процентов, как показала Atlassian в прогнозе на Q2 FY2025, потому что выручка растёт вместе с пользователями, а себестоимость продаж почти не двигается. Но это утверждение менее универсально, чем раньше, поскольку тяжёлые по потреблению продукты вроде Snowflake показали валовую маржу ближе к 67 процентам в FY2025, отчасти потому, что сторонняя облачная инфраструктура входит в себестоимость выручки. В экономическом смысле программное обеспечение вело себя как чистое информационное благо, а информационные блага разрывают обычную связь между производством и стоимостью, которая управляет физическими товарами.

Но низкие предельные издержки сами по себе не создают рва. Если любой может дешёво производить благо, низкие предельные издержки дают разрушительную конкуренцию, а не ренту. Программное обеспечение получало ренту потому, что высокие фиксированные издержки первой копии работали как барьер входа, а поверх этого накладывались и другие трения:

• Редкость инженерных кадров. Создание нетривиального ПО требовало людей, которые были дорогими, трудными для найма и трудными для координации, поэтому большинство возможных конкурентов просто не могло собрать команду, способную сделать убедительный клон.
• Время. Даже хорошо финансируемому конкуренту требовались многие месяцы, чтобы провести реверс-инжиниринг, сформулировать спецификацию, построить, протестировать и выпустить соперничающий продукт, и в течение этих месяцев у действующего игрока была временная монополия, чтобы накапливать пользователей, выручку и глубину продукта.
• Издержки переключения. Как только клиент переносил свои данные в систему, обучал персонал на этом интерфейсе и подключал систему ко всему остальному через кастомные интеграции, уход становился чрезмерно дорогим, даже если появлялось что-то лучшее и более дешёвое.
• Расчёт «строить или покупать». Поскольку создание собственного внутреннего ПО само по себе было дорогим и рискованным, компании рационально покупали стандартные готовые продукты вместо того, чтобы строить свои собственные, и это гарантировало крупный рынок для поставщиков упакованного ПО.
• Сетевые эффекты и накапливаемые проприетарные данные, которые в лучших случаях накладывались поверх всего этого.

Структурная уязвимость

Посмотрите, из чего состоит этот список. Только одно из этих пяти трений — сетевые эффекты — является intrinsic для стороны спроса продукта. Остальные четыре — нехватка талантов, время на создание, издержки переключения и штраф за выбор «строить вместо покупать» — это всё производственные трения со стороны предложения. Это артефакты того, насколько трудным, медленным и дорогим было создавать и заменять программное обеспечение.

В этом и есть уязвимость. Бизнес, чья защитимость в основном опирается на то, насколько трудно производить сам продукт, защитим лишь до тех пор, пока производство остаётся трудным. В тот момент, когда стоимость производства и замены программного обеспечения падает, вместе с ней падают четыре из пяти столпов, и только сетевой эффект на стороне спроса остаётся стоять.

Именно это и принёс генеративный ИИ.

Часть третья: удар ИИ и растворение рва ПО

Правильный способ смоделировать то, что генеративный ИИ сделал с экономикой программного обеспечения, — рассматривать это как шок для производственной функции программного обеспечения. В базовой экономике стоимость производства чего угодно является функцией стоимости его входов. Для программного обеспечения доминирующим входом всегда был квалифицированный человеческий когнитивный труд, а именно труд по превращению бизнес-требования в корректный, протестированный, готовый к развертыванию код. Этот труд был дефицитным, дорогим входом, который создавал барьер для входа.

Генеративный ИИ и автономные кодирующие агенты напрямую атакуют этот вход. Они генерируют, рефакторят, отлаживают, документируют и разворачивают код за долю исторической стоимости во многих задачах. Контролируемый эксперимент GitHub Copilot показал, что разработчики выполняли ограниченную задачу по кодированию на 55,8 процента быстрее, а полевое исследование среди 4 867 разработчиков показало на 26,08 процента больше выполненных задач. Эффект реален, но неоднороден: рандомизированное испытание 2025 года, проведённое METR, показало, что опытные разработчики open source, работающие в знакомых зрелых кодовых базах, с ранними инструментами ИИ 2025 года были на 19 процентов медленнее, хотя считали, что стали быстрее. Безопасный вывод не в том, что ИИ делает каждого инженера быстрее в любой среде. Вывод в том, что ИИ сжимает стоимость производства кода, особенно для ограниченных по масштабу, новых и менее старших задач. Дефицитный вход становится более изобильным. Когда цена критически дефицитного входа падает, вместе с ней рушится и барьер для входа, построенный на этом дефиците. Этот один механизм каскадно проходит через все четыре опорных столпа со стороны предложения.

Изменение видно в инструментах, которые разработчики действительно используют. Сначала появились встроенные в IDE копилоты, такие как Cursor. Затем появились терминально-ориентированные кодирующие агенты, такие как Claude Code, Codex CLI, Kiro CLI и OpenCode, где модель читает репозиторий, редактирует файлы, запускает команды и итеративно работает в той же среде, что и инженер. Теперь вокруг оркестрации нескольких агентов формируется третий слой, с такими инструментами, как Conductor, Superset и Hermes Agent, координирующими несколько агентов между проектами и средами. Прогресс очевиден. Он прошёл путь от автодополнения к автономным агентам, а затем к оркестрации многих агентов параллельно, и это будет только ускоряться. Цифровую работу будет всё легче автоматизировать с каждым годом, и инструменты, которые сегодня требуют квалифицированного оператора, завтра будут требовать всё меньше и меньше человеческого вмешательства.

1. Крушение барьера для входа

Запуск убедительного программного продукта раньше требовал реального стартового капитала, большая часть которого уходила на найм инженеров, необходимых для создания MVP. Это требование к капиталу фильтровало рынок. Только проекты, которые могли привлечь деньги и рекрутировать таланты, вообще доходили до релиза, и соответствующий дефицит конкурентов сам по себе был частью защиты действующего игрока.

Когда один разработчик с хорошими ИИ-инструментами может спроектировать, создать и запустить отполированное, работающее приложение за малую долю прежнего времени и стоимости, этот фильтр исчезает. Рынок наводняется участниками. В терминах конкуренции кривая предложения программных функций резко сдвигается наружу, и базовая теория цен подсказывает, что происходит дальше без какой-либо двусмысленности. Когда предложение взаимозаменяемого товара резко растёт при примерно фиксированном спросе, цена падает к предельным издержкам, а поскольку предельные издержки программного обеспечения близки к нулю, цена тоже тянется к нулю. Гиперизобилие предложения программного обеспечения — это, механически, уничтожение ценовой силы программного обеспечения.

2. Крушение временного преимущества

Это, вероятно, было самым важным защитным рвом в программном обеспечении. Вся логика быстрого выпуска и итераций зависела от того, что запущенная функция давала её создателю месяцы эксклюзивного преимущества до того, как кто-либо мог её скопировать. Это время опережения было окном, в котором закреплялись сетевые эффекты, бренд и клиенты.

ИИ сжимает цикл имитации с месяцев до часов. Конкурент может посмотреть на интерфейс продукта, описать его поведение кодирующему агенту и почти сразу получить рабочий клон, ни разу не увидев исходный код, потому что ценность никогда не заключалась по-настоящему в конкретном коде. Она заключалась в спецификации, а спецификации теперь чрезвычайно дёшево реализовать.

Когда лаг имитации стремится к нулю, временная монополия, оправдывавшая быструю инновацию, исчезает. Инновации по-прежнему происходят, но они перестают приносить устойчивую премию, потому что награда за инновацию мгновенно передаётся имитаторам. Это классический пример того, что Дэвид Тис в своей статье 1986 года о получении прибыли от технологических инноваций назвал проблемой присвоения результатов. Инновация окупается только тогда, когда инноватор может захватить достаточно созданной ею ценности до того, как её вытеснит имитация. ИИ стремится к нулю обесценивать присваиваемость чисто программной инновации.

3. Растворение издержек переключения

Это был самый прочный из традиционных защитных рвов в программном обеспечении, потому что он работал даже тогда, когда продукт конкурента был явно лучше. Но сами издержки переключения состояли из трений: переноса данных из одной схемы в другую, перестройки пользовательских интеграций и переобучения персонала на незнакомом интерфейсе. И каждое из этих действий — именно тот утомительный, основанный на шаблонах труд по переводу, в котором ИИ хорош.

ИИ-ориентированное сопоставление данных может быстро и дёшево загрузить, нормализовать и перенести сложную базу данных из структуры одной системы в другую. Интерфейсы на естественном языке снижают стоимость переобучения, потому что пользователи всё чаще взаимодействуют через разговор вместо запоминания проприетарного дерева меню, а значит накопленный навык, запертый в интерфейсе одного поставщика, больше не работает как штраф за переход.

По мере того как стоимость ухода снижается, вместе с ней падает и пожизненная ценность удержанного клиента, стоимость привлечения клиента растёт относительно этой уменьшающейся пожизненной ценности, а удельная экономика всей подписной модели ухудшается. Ров, построенный на неспособности клиента уйти, растворяется, когда уход становится дешёвым.

4. Инверсия между созданием и покупкой

Это тихо разрушает сам адресуемый рынок. Компании покупали готовое программное обеспечение, потому что создавать внутренние специализированные инструменты было слишком дорого, слишком медленно и слишком рискованно, чтобы оправдать это, кроме как для самых дифференцирующих потребностей. Эта санкция на внутреннюю разработку и была тем, что гарантировало вендорам большой рынок.

Когда ИИ-агенты позволяют внутренним командам, даже не техническим, генерировать кастомные приложения, адаптированные к их собственным рабочим процессам, штраф за создание исчезает, и рациональный выбор смещается от покупки стандартной подписки к генерации частного инструмента, который идеально подходит и не требует повторяющейся лицензии.

Это не просто усиливает конкуренцию между вендорами. Это сокращает общий адресуемый рынок, за который конкурируют вендоры, потому что растущая доля спроса на программное обеспечение удовлетворяется внутри компании и вообще не выходит на внешний рынок. Ценность мигрирует от внешних поставщиков программного обеспечения к внутренней операционной способности, а это означает, что рынок перестаёт быть рынком и превращается во внутреннюю экономию издержек.

Это то же самое, что я называл внутренним программным рычагом в своём тексте «Барбелл стоимости программного обеспечения», только увиденное со стороны вендора, а не покупателя.

Результат и что не рушится

Сложите эти четыре механизма вместе, и вы получите коммодитизацию чистого программного обеспечения. Отрасль входит в эпоху гиперизобилия программного обеспечения, где функциональные приложения дешёвы в создании, мгновенно клонируемы и всё чаще генерируются внутри компании по запросу. В таких условиях сам код перестаёт быть источником ренты, точно так же, как любой товар перестаёт приносить ренту, как только становится изобильным и взаимозаменяемым. Ценность отделяется от кода.

Честность требует ясно сказать, что именно не рушится, потому что преувеличение сделало бы это неверным. Генеративный ИИ атакует фрикции производства со стороны предложения. Сам по себе он не атакует фрикции со стороны спроса и на уровне системы.

• Сетевые эффекты сохраняются, потому что ИИ может скопировать программную часть социальной сети за одно послеобеденное время, но не может скопировать пользователей, а пользователи — это и есть актив.
• Защитные рвы на основе проприетарных данных сохраняются и даже становятся сильнее, потому что ИИ удешевляет создание кода, одновременно делая редкие данные, на которых он обучается, более ценными.
• Распределение и бренд сохраняются, потому что внимание и доверие остаются дефицитными даже тогда, когда функции бесплатны.
• Регуляторные и комплаенс-барьеры сохраняются, потому что кодирующий агент не может сгенерировать банковскую лицензию, разрешение на медицинское устройство или авиационную сертификацию.
• Глубокая интеграция в физическую или регулируемую операционную реальность сохраняется, потому что код дешёв, но установка датчиков, завоевание доверия и работа в рамках регуляторного одобрения — нет.

Итак, точное утверждение не в том, что все бизнесы в программном обеспечении умирают. Оно в том, что специфический, когда-то доминирующий ров чистого, автономного, упакованного программного обеспечения, защищённого сложностью написания и замены кода, разрушен. То, что сохраняется, — это программное обеспечение, привязанное к тому, что ИИ не может дёшево воспроизвести: к сети, набору данных, регуляторной позиции, каналу распределения или физической операции. Программное обеспечение, свободно плавающее вне всего этого, теперь стало товаром.

Часть четвёртая: Исторический защитный ров аппаратного обеспечения и почему атомы было трудно

Аргумент про аппаратное обеспечение требует той же дисциплины. Сначала нужно установить, почему аппаратное обеспечение раньше было защищаемым, а затем показать, какие из этих защит разрушила производственная система Китая.

Аппаратное обеспечение было защищаемым по почти противоположным причинам, чем программное обеспечение, а рынки капитала относились к этим двум как к противоположностям. Там, где у программного обеспечения предельные издержки были почти нулевыми, у аппаратного обеспечения предельные издержки были высокими и упрямыми, потому что каждая физическая единица поглощала материалы, энергию, труд и машинное время. Там, где программное обеспечение поставлялось мгновенно и бесконечно, аппаратное обеспечение было связано физикой производства и логистики. Эти свойства делали аппаратное обеспечение худшим бизнесом по марже, но, что странно, они также делали его защищаемым в определённом смысле, потому что сложность физического производства служила барьером, защищавшим хорошо управляемую аппаратную фирму от случайного копирования.

Конкретные трения, которые защищали аппаратное обеспечение, были следующими:

• Капитал на оснастку. Производство физического продукта в масштабе требовало специализированной оснастки, главным образом литьевых форм и штампов для литья, используемых для формирования пластиковых и металлических деталей, а эти инструменты стоили десятки или сотни тысяч долларов и вынуждали к высоким минимальным объёмам заказа. Это была жёсткая капитальная стена, которую большинство новых игроков не могло преодолеть, и она защищала действующих участников, уже амортизировавших свою оснастку.

• Задержка итераций. Уточнение физического дизайна означало изготовление новой оснастки, подгонку допусков и проведение физических тестовых партий — цикл, который занимал недели или месяцы на каждый проход и каждый раз дорого стоил, поэтому физические продукты улучшались медленно, а конкуренту требовалась долгая и дорогая кампания, чтобы догнать.

• Сборка цепочки поставок. Физический продукт — это ведомость материалов, поставляемых многими специализированными поставщиками, а эти поставщики раньше были рассредоточены по компаниям, регионам и странам, поэтому собрать работающую цепочку поставок означало вести переговоры с изолированными поставщиками, мириться с длинными сроками поставки и управлять сложной логистикой.

• Точность и знание процесса. Накопленное, часто неявное ноу-хау, необходимое для того, чтобы действительно производить дизайн с приемлемым выходом годной продукции. Оно не передаётся из чертежа. Ему нужно учиться, делая.

• Дистрибуция. Необходимость вывести физический продукт к покупателям через розничные сети, дистрибьюторов и полочное пространство, которые сами были дефицитными и контролируемыми.

Посмотрите на состав ещё раз, как и в случае с программным обеспечением. Ров для аппаратного обеспечения в подавляющей степени был набором трений производства и логистики: капитал на оснастку, задержка итераций, сборка цепочки поставок, выход годной продукции и физическая дистрибуция. Он был защищён тем, насколько трудно, медленно и дорого было превратить дизайн в отправленный физический объект. И точно так же, как в программном обеспечении, защита, основанная на сложности производства, долговечна лишь до тех пор, пока производство остаётся сложным.

Но вклад Китая в экономическую историю заключался в том, что он сделал физическое производство, в огромном диапазоне товаров, больше не сложным.

Часть пятая: Китайский шок, промышленная агломерация и конец рва аппаратного обеспечения

Самое распространённое заблуждение о доминировании китайского производства состоит в том, что это история про дешёвую рабочую силу. Отчасти это было верно на первом этапе и в основном неверно теперь, а неправильное понимание приводит прямо к ошибочному выводу, что возвращение производства обратно, или перенос его в следующую страну с низкой заработной платой, восстановит старый порядок.

Настоящее объяснение состоит в том, что Китай создал, при плотности и масштабе, невиданных ранее, явление, которое Альфред Маршалл больше века назад описал как промышленную агломерацию. Именно эта агломерация, а не арбитраж заработной платы, и разобрала ров аппаратного обеспечения. Я не первый, кто выдвигает этот аргумент. Эндрю «bunnie» Хуанг уже более десяти лет документирует шэньчжэньскую версию этого явления на практике в The Hardware Hacker.

Маршаллианские внешние экономии

Промышленная агломерация — это самоподдерживающееся географическое сгущение взаимосвязанных отраслей, поставщиков компонентов, производителей узлов, переработчиков сырья, изготовителей оснастки, контрактных производителей, логистических провайдеров и специализированной квалифицированной рабочей силы, всё это сосредоточено в одном регионе. Маршалл определил, почему эти кластеры создают преимущества, с которыми не может сравниться ни одна изолированная фирма:

• Они создают глубокий общий пул рабочей силы из специалистов.
• Они поддерживают специализированных местных поставщиков, которые никогда не смогли бы выжить, обслуживая одного далёкого клиента, но процветают, обслуживая плотный кластер таких клиентов.
• Они генерируют перетоки знаний, при которых улучшения процессов быстро распространяются по кластеру, потому что нужные люди физически близки и перемещаются между компаниями.

Эти три силы — маршаллианские внешние экономии, и они означают, что фирма внутри кластера получает более низкие издержки, более быструю итерацию и лучшую информацию, чем идентичная фирма вне его, независимо от того, насколько эффективна эта внешняя фирма сама по себе.

Падение транзакционных издержек

В дельте Жемчужной реки, и особенно в Шэньчжэне, агломерация достигла плотности, не имевшей исторического прецедента. Практическое следствие проще всего увидеть через экономику транзакционных издержек Рональда Коуза. Коуз объяснил, что границы и скорость экономической активности определяются транзакционными издержками — стоимостью поиска поставщиков, согласования условий и координации производства между фирмами. В рассредоточенной цепочке поставок эти издержки огромны, и именно они составляют реальное содержание третьего трения рва аппаратного обеспечения.

В гиперплотном кластере транзакционные издержки падают почти до нуля. Вся цепочка поставок для большинства электронных и механических устройств находится в пределах небольшого радиуса, поэтому поиск, закупка, переговоры и координация, которые раньше занимали недели через континенты, теперь занимают часы в пределах одного района. Проектировщик может задать спецификацию устройства, в тот же день локально получить все компоненты, за ночь изготовить и собрать плату на заказ и держать рабочий прототип на следующее утро.

Это не дешёвая рабочая сила. Это почти полное устранение транзакционных издержек и задержки итераций, а это нечто качественно иное и гораздо более мощное.

Из этой плотности вышли четыре механизма, разрушившие ров аппаратного обеспечения, повторяя четыре воздействия ИИ на программное обеспечение.

1. Обрушение задержки итераций

Это аппаратная версия потери программным обеспечением своего временного преимущества. В рассредоточенной западной цепочке поставок цикл физической разработки занимал недели и стоил дорого, поэтому аппаратное обеспечение улучшалось медленно, а преимущество действующего игрока в доработке сохранялось. Внутри кластера физическая итерация приближается к скорости программной итерации. Формы модифицируются, разводки плат корректируются, а тестовые партии запускаются за дни.

Стратегическое следствие жестоко. Любой аппаратный дизайн, придуманный на Западе, может быть рассмотрен, подвергнут обратному инжинирингу, оптимизирован для производства и массово изготовлен внутри кластера быстрее, чем исходная западная фирма успеет завершить свой собственный второй прототип. Время опережения у автора, которое было источником его ренты, становится отрицательным. Имитатор первым выпускает улучшенную, более дешёвую версию.

2. Обрушение капитала на оснастку

Это аппаратная версия падения барьера входа у программного обеспечения. Десятки тысяч долларов и высокие минимальные объёмы заказа, которые раньше отгораживали физическое производство, внутри кластера были оптимизированы прочь благодаря быстрой компьютерно-управляемой обработке, стандартизированным модульным основаниям форм, которые перенастраиваются вместо того, чтобы вырезаться с нуля, и беспощадно конкурентным оснасточным мастерским с высокой пропускной способностью. Мелкосерийное, сильно кастомизированное аппаратное обеспечение теперь можно производить при структуре издержек, которая раньше была доступна только крупным многонациональным корпорациям. Капитальная стена, отфильтровывавшая новых игроков в аппаратном обеспечении, в значительной степени рухнула, как и та, что фильтровала новых игроков в программном обеспечении, а рынок наполняется тем же предсказуемым нисходящим давлением на цены.

3. Кривая опыта, усиленная автоматизацией

Этот механизм навсегда фиксирует преимущество по издержкам, и именно поэтому это преимущество нельзя устранить арбитражем, просто переместив производство куда-то ещё. Закон Райта, впервые описанный Теодором Райтом в 1936 году на основе данных по производству самолётов и позднее обобщённый Boston Consulting Group как кривая опыта, является одним из самых надёжных эмпирических регулярностей в промышленной экономике. Он утверждает, что для многих продуктов удельная стоимость падает на постоянный процент каждый раз, когда накопленный объём производства удваивается, потому что организация учится — через накопленное делание — производить более эффективно.

Поскольку кластер производит подавляющую долю совокупного глобального объёма по бесчисленным категориям продуктов, он находится далеко вниз по кривой опыта, тогда как любой новый участник с низким совокупным объёмом находится в её верхней части. Современное китайское производство затем усиливает это преимущество в обучении капиталоёмкой автоматизацией, передовой робототехникой, высокоскоростным автоматизированным оптическим контролем и вертикальной интеграцией, доходящей вплоть до сырья.

Именно здесь объяснение через стоимость труда умирает. Современное преимущество — не низкие зарплаты. Это накопленное обучение плюс автоматизированный масштаб плюс плотность поставщиков, и новичок не может воспроизвести это сочетание никакими краткосрочными действиями, при высоких зарплатах или низких зарплатах, потому что невозможно мгновенно купить десятилетия совокупного производственного опыта или экосистему поставщиков вокруг него.

4. Крах фрикции распределения

Это аппаратная версия того, как ИИ разъедает необходимость проходить через унаследованные программные каналы. Глобальные цифровые маркетплейсы и гиперэффективная курьерская логистика позволяют производителям внутри кластера полностью обходить западных дистрибьюторов, оптовиков и розничные полочные пространства, размещаясь напрямую на глобальных платформах и доставляя товар потребителю за считанные дни. Последняя фрикция, защищавшая унаследованный аппаратный бренд, — его контроль над полками и каналами — оказывается обойдённой. Функционально эквивалентное устройство попадает к тому же клиенту по доле от цены бренда, ни разу не касаясь системы распределения унаследованного игрока.

Промышленный общественный фонд и почему реинсорсинг так труден

Самое важное следствие всего этого, и то, которое чаще всего игнорируют, касается реинсорсинга, и именно здесь важна идея промышленного общественного фонда. Гэри Пизано и Уилли Ших назвали это в Restoring American Competitiveness (PDF) в 2009 году. Их наблюдение состояло в том, что производственная способность — это не свойство отдельных фирм. Это свойство экосистемы, общего локального базиса поставщиков, изготовителей инструментов, инженеров технологических процессов и неявного ноу-хау.

Когда страна переносит производство за рубеж, она теряет не просто фабрики. Со временем она теряет окружающий общественный фонд, потому что поставщики, изготовители инструментов и квалифицированные инженеры технологических процессов вырождаются или перемещаются, как только исчезает локальный спрос, поддерживающий их существование. Когда общественный фонд исчезает, ни одна отдельная фирма и ни одна субсидия не могут быстро восстановить его, потому что у единственной реинсорсированной фабрики нет местных поставщиков, нет местных изготовителей инструментов, нет местного пула опытных инженеров технологических процессов, а значит, нет и тех маршаллианских внешних экономий, которые изначально делали кластер эффективным.

Вот почему реинсорсинг коммодитизированной аппаратной категории так труден и так дорог. Преимущество, которое пытается воссоздать возвращающий производство игрок, никогда не находилось внутри фабрики. Оно было в экосистеме вокруг фабрики, а этой экосистемы дома больше нет. Ров не переместился в Китай потому, что китайские фирмы по отдельности лучше. Он переместился потому, что переместился общественный фонд, а общественный фонд — это коллективный актив, который нельзя восстановить индивидуальным действием.

Макроэкономический вывод для аппаратного обеспечения в точности параллелен выводу для программного обеспечения. В тот момент, когда физический продукт стал известен по спецификациям, гиперплотная производственная экосистема может воспроизвести его, оптимизировать для производства и распространять напрямую при такой структуре затрат, которая уничтожает маржу создателя. Самостоятельное аппаратное обеспечение, защищённое лишь сложностью физического производства, было коммодитизировано, потому что эта сложность для огромного диапазона товаров больше не существует.

Часть шестая: Последовательный крах и его стратегические последствия

Обычно люди анализируют два краха отдельно, и хронологически так и должно быть. Крах аппаратного обеспечения произошёл первым. Китайская агломерация сделала защиту аппаратного обеспечения на основе производства слабой в потребительской электронике и многих товарах средней сложности задолго до того, как инструменты генеративного ИИ для кодирования стали значимыми. Крах программного обеспечения произошёл позже. Реальность для основателя сегодня не в том, что они начались одновременно. Она в том, что теперь на рынке присутствуют оба условия.

Ранние эпохи всё ещё предлагали путь к отступлению. Когда программное обеспечение становилось конкурентным, капитал мог перетекать в защищённое аппаратное обеспечение. Когда аппаратное обеспечение становилось конкурентным, капитал мог перетекать в защищённое программное обеспечение. Две области были чередующимися убежищами. Это вращение больше не работает. Чистые атомы уже потеряли свой производственный ров, а чистые биты теперь теряют свой. Больше нет убежища чистых битов и больше нет убежища чистых атомов. В этом и состоит более глубокий смысл барбелла, о котором я писал в прошлом году. Середина, где фирма полагалась на то, что одна из размерностей будет трудной, была выхолощена с обеих сторон.

Следствие первого порядка: Обобщённое дефляционное давление

Когда предельная стоимость программного обеспечения приближается к нулю, а эффективная стоимость физического воспроизведения приближается к гиперэффективному дну кластера, конкуренция толкает цены в обеих областях вниз к этим днам. Для потребителей это дезинфляционно, а для производителей без рва — разрушительно, и это объясняет одну загадку, которую замечают многие: колоссальный технологический прогресс находится прямо рядом со сжимающимися маржами у фирм, реально занимающихся производством. Прогресс захватывается потребителями и имитаторами, а не новаторами, именно потому, что присвоение выгод рухнуло в обеих областях.

Следствие второго порядка: Рента мигрирует вдоль улыбающейся кривой

Стан Ших, основатель Acer, предложил улыбающуюся кривую примерно в 1992 году. Постройте добавленную стоимость по стадиям производства в цепочке создания стоимости и вы получите форму, похожую на улыбку. Бен Томпсон адаптировал её к издательскому делу, что показывает: кривая на самом деле вовсе не о производстве. Вот оригинал:

Стадии у Шиха такие:

• Высокая добавленная стоимость вверх по цепочке, то есть дизайн, бренд и интеллектуальная собственность
• Глубокая впадина в середине, то есть физическая сборка и производство, стадия, которая легче всего коммодитизируется
• Высокая добавленная стоимость вниз по цепочке, то есть распределение, обслуживание и отношения с клиентом

Подъём Китая выровнял и коммодитизировал середину этой кривой для аппаратного обеспечения. Генеративный ИИ теперь коммодитизирует эквивалентную середину для программного обеспечения, то есть сам по себе акт написания кода. Следующая инструкция в обоих случаях одна и та же: оставьте коммодитизированную середину и переместитесь к концам улыбки.

Но концы — это как раз сторона спроса и системные активы, которые ни ИИ, ни плотность производства не могут дёшево воспроизвести. Вверх по цепочке это означает собственные данные, исследования и проектное понимание. Вниз по цепочке это означает бренд, доверие, распределение, регуляторную позицию и владение отношениями с клиентом и операционным результатом.

Следствие третьего порядка: Рента смещается в швы

Это следствие связывает анализ со стратегией. Устойчивая рента ушла из любой одной размерности и переместилась в сцепление между размерностями, а также в активы, которые вообще находятся вне производства. Если чистый код бесплатен, а чистые атомы дешевы, тогда фрикции, которые всё ещё генерируют ренту, — это те, что живут в швах:

• Тесное совместное проектирование заказного аппаратного обеспечения с заказным программным обеспечением, так что ни одно из них не полезно имитатору без другого.
• Собственные данные, генерируемые при эксплуатации реального физического или регулируемого рабочего процесса, которые дефицитны именно потому, что являются побочным продуктом выполнения работы, а не чем-то, что можно скопировать.
• Глубокие, медленно выстраиваемые отношения и регуляторные аккредитации в консервативных отраслях, где более дешёвую копию отбраковывают ещё до того, как кто-либо её оценивает.
• Позиция принципала, когда фирма не продаёт коммодитизируемый инструмент, а владеет операцией, принимает на себя ответственность, гарантирует результат и захватывает как весь пул прибыли, так и эксклюзивный выхлоп данных.

Это те фрикции, которые ИИ и китайская агломерация структурно не способны растворить, потому что они вообще не являются производственными фрикциями. Это фрикции доверия, физического доступа, регулирования, накопленного наблюдения за реальным миром и операционного владения.

Часть седьмая: Ограничения, контраргументы и честность по их поводу

Такой всеобъемлющий тезис нужно подвергать проверке его сильнейшими возражениями, потому что стратегия, построенная на завышенной предпосылке, рушится ровно там, где предпосылка была слишком сильной.

Возражение 1: Сгенерированное ИИ программное обеспечение пока не достигло уровня фронтира

Первое возражение состоит в том, что сгенерированное ИИ программное обеспечение пока не равно экспертно спроектированному программному обеспечению для самых сложных, самых надёжных или новых систем, и что реальная граница качества по-прежнему отделяет коммодитизированную генерацию от инженерии фронтира.

Это правда, и это важно. Аргумент о коммодитизации сильнее всего применим к большой массе обычного прикладного программного обеспечения, логика которого давно протоптана. На самом фронтире, в новых алгоритмах, в системах, требующих экстремальной надёжности или безопасности, и в задачах без прецедента в тренировочных данных, экспертное человеческое суждение по-прежнему приносит ренту. Так что точное утверждение таково: ИИ разрушает ров у коммодитизируемого большинства программного обеспечения, а не упраздняет всю ценность программного обеспечения.

Но направление движения имеет стратегическое значение, потому что граница, которая остаётся обороноспособной, узка, постоянно смещается и является плохим фундаментом для устойчивого бизнеса, если она не привязана к одному из не производственных рвов, описанных выше.

Возражение 2: Китайское доминирование неоднородно и политически оспаривается

Второе возражение состоит в том, что китайское производственное доминирование неоднородно по категориям и теперь сталкивается с серьёзными геополитическими противодействующими силами, включая тарифы, экспортный контроль, возвращение производства по соображениям национальной безопасности и сознательный friend shoring критически важных цепочек поставок.

Это тоже верно. Аргумент о коммодификации сильнее всего применим к потребительской электронике, механическим товарам и сборкам средней сложности, и слабее всего — на самом верху технологического стека, прежде всего в передовом производстве полупроводников, где экстремальная капиталоёмкость и горстка незаменимых поставщиков создают собственные рвы. Политика также может искусственно вернуть обратно трения, которые агломерация устранила, через тарифы, повышающие приземлённую стоимость для имитатора, или экспортный контроль, лишающий его входных ресурсов.

Но эти противодействующие силы на самом деле усиливают центральный вывод, а не подрывают его, потому что и сохраняющийся ров полупроводников, и ров возвращения производства, обусловленный политикой, — это, опять же, не рвы чистого оборудования. Это рвы крайнего капитального масштаба, незаменимого положения поставщика, а также нормативных и геополитических отношений. Это в точности те не производственные, реляционные и позиционные трения, к которым, как говорит этот отчёт, сместилась рента.

Возражение 3: Почему же тогда крупные incumbents всё ещё так прибыльны?

Третье возражение — тонкое. Если и программное обеспечение, и аппаратное обеспечение коммодифицированы, почему тогда крупнейшие технологические incumbents по-прежнему чрезвычайно прибыльны?

Ответ в том, что эти incumbents никогда не были реально защищены чистым программным обеспечением или чистым оборудованием. Их настоящие рвы — это сетевые эффекты, контроль над дистрибуцией и вниманием, проприетарные данные цивилизационного масштаба, экосистемная привязка и, в некоторых случаях, регуляторное закрепление. Описываемый здесь обвал не угрожает ничему из этого, а во многих отношениях даже усиливает это, потому что по мере того как чистое производство коммодифицируется, относительная ценность непроизводственных активов, которыми incumbents уже владеют, растёт.

Это полностью согласуется с тезисом. Коммодификация производства не сглаживает всю прибыль. Она перераспределяет прибыль от фирм, чьим единственным преимуществом было то, что производство было трудным, к фирмам, которые владеют трениями, до которых производство не может дотянуться. Incumbents выживают, потому что они никогда не были бизнесами одной размерности. Вот в чём урок, а не исключение.

Часть восьмая: синтез и мост к современному рву

Два обвала в этом отчёте, по сути, являются одним и тем же механизмом, повторяющимся в двух доменах, а не одной общей временной линией. В обоих случаях класс бизнеса получал устойчивую ренту, потому что производство было трудным, медленным и дорогим. В обоих случаях сила, растворяющая трения, генеративный ИИ в цифровой сфере и сверхплотная промышленная агломерация в физической, сделала производство лёгким, быстрым и дешёвым. В обоих случаях рента, защищавшаяся трудностью производства, испарилась в тот момент, когда производство перестало быть трудным.

Симметрия здесь точная, и заметить её стоит больше, чем любую половину по отдельности, потому что она выявляет общий закон, лежащий под обеими:

Любой ров, который состоит только из трудности изготовления вещи, является временным, и он длится ровно до тех пор, пока кто-то не поймёт, как делать эту вещь легко.

Стратегический вывод следует напрямую. Поскольку ни биты сами по себе, ни атомы сами по себе не могут укрыть бизнес, защищённость должна собираться из трений, переживших оба обвала:

• Тесная, замкнутая интеграция заказного оборудования и заказного программного обеспечения, чтобы систему нельзя было разобрать и скопировать по частям.
• Проприетарные, непрерывно обновляемые данные, производимые как побочный продукт работы реального процесса, которые нельзя скопировать, потому что их нужно заслужить в ходе эксплуатации.
• Глубокие отношения, доверие и регуляторный статус консервативных отраслей, которые не может создать ни кодовый агент, ни контрактная фабрика.
• Решение действовать как принципал, а не как вендор, владея рабочим процессом и его результатом так, чтобы весь пул прибыли и весь цифровой выхлоп оставались захваченными, а не распроданными.

Современная компания венчурного масштаба защищена ровно в той мере, в какой она собирает несколько из этих сохраняющихся трений в одну связанную операционную систему, которая становится лучше по мере работы. Всё, что раньше было рвом потому, что это было трудно построить, теперь стало коммодити, потому что это легко построить. Обороноспособным остаётся то, к чему трудно получить доступ, во что трудно заслужить доверие, куда трудно войти через регуляторный путь и что трудно наблюдать, не выполняя реальной работы.

Будущий ров сделан не из битов и не из атомов. Он сделан из швов между ними, а также из отношений и заслуженных данных, которые никто не может воспроизвести, не стоя там, где стоите вы.

Заключение к анализу

Тридцатилетняя парадигма, которая рассматривала программное обеспечение как надёжный двигатель защищаемой прибыли, а аппаратное обеспечение — как низкомаржинальное коммодиити, не просто сдвинулась. Её два фундаментальных предположения были последовательно опровергнуты. Китайская промышленная агломерация опровергла предположение о том, что аппаратное обеспечение трудно быстро итеративно улучшать и производить, первым. Генеративный ИИ сейчас опровергает предположение о том, что программное обеспечение трудно производить и заменять.

Поскольку оба рва строились в основном на трудности производства, а эта трудность была конкретной целью обеих сил, растворяющих трения, оба рва рухнули. Рента, которая раньше доставалась тому, кто мог собрать биты или выковать атомы, теперь течёт к потребителям и имитаторам, если только фирма не закрепила себя за трением, до которого обрушение производства не может дотянуться.

Эти сохраняющиеся трения — интеграция, проприетарные операционные данные, доверительные отношения, регуляторное положение и владение реальным рабочим процессом как принципал — это то место, куда ушла долговременная ценность. Построение защищаемой компании в эту эпоху означает отказ от зависимости от того, что какая-то одна размерность останется трудной, потому что ничто из того, что лишь трудно сделать, не остаётся защищаемым, когда делать это становится легко.

Современный ров

Всё сказанное выше — это диагностика. Она устанавливает, куда и почему ушла рента, но останавливается на уровне принципа, а принцип не говорит вам, как на самом деле выглядит компания, построенная на нём. Эта часть — ответ. Она описывает, из чего защищённость состоит сейчас и как она выглядит, будучи собранной в реальный бизнес.

Барбелл

Прежде чем переходить к правилам сборки, полезно явно обозначить барбелл, поскольку анализ постоянно указывал на него, не перечисляя его концов. Я изложил это в 2025 году в The Barbell of Software Value, где я примирил свою Internal Software Leverage Theory с тезисом об изобилии. Вывод там был в том, что ценность программного обеспечения поляризуется в две группы с исчезающей серединой.

На одном конце находятся массивные фундаментальные примитивы: базовые модели, вычислительная инфраструктура, облачные платформы, чипы и базовая AI-инфраструктура. Они защищены капиталоёмкостью, экономикой масштаба и концентрацией исследований на уровне, который новый стартап практически не может достичь. Это не та возможность, о которой я говорю. Это среда, внутри которой она работает.

Google — это предельный случай. Он сочетает LLM-модели, TPU, облачную инфраструктуру, Search, Android, YouTube, Maps, Chrome, дистрибуцию по умолчанию и проприетарные данные в масштабе, которого почти никто не может коснуться. Это не делает его шаблоном для стартапа. Это делает его полностью реализованным верхним полюсом барбелла. Начать отсюда нельзя. Что доказывает Google, так это механизм: когда производство дешевеет, долговременная ценность мигрирует в вычисления, дистрибуцию, инфраструктуру, данные и позицию в экосистеме, в которые новому участнику нельзя просто так арендно войти. Заметьте и ограничение. Google проводит аукцион. Он обычно не владеет результатом для рекламодателя. Вот почему Waymo, а не Search, — более чистый пример позиции принципала, к которому мы ещё вернёмся.

На другом конце находится высокоспецифичный частный рычаг. Глубокое владение рабочими процессами, автоматизация физического мира, регуляторные процессы, замещение экспертного труда, проприетарные операционные данные и владение результатом. Этот конец достижим, и он защищён именно теми не производственными трениями, которые анализ определил как сохранившиеся.

Опасная середина — это общее программное обеспечение. Это веб-приложение, панель управления, CRUD-инструмент, менеджер рабочих процессов и тонкая оболочка над API модели. Его сжимают сверху примитивы, которые продолжают поглощать в себя общую функциональность, и снизу — обвал стоимости создания вообще чего угодно общего. Продукт в середине легко построить, легко скопировать, легко поглотить в качестве функции incumbent-компании, и обычно он владеет слишком малой частью цепочки стоимости клиента, чтобы защищать цену.

Четырёхфакторный ров

Защищённость сегодня не возникает из одной высокой стены. Она возникает из взаимосвязи нескольких преимуществ. Четыре отдельных столпа переживают двойной обвал производства оборудования и программного обеспечения. Устойчивая современная компания должна иметь убедительный путь как минимум к трём из них. Не к одному. К трём. Одна размерность больше никого не защищает и не будет защищать в будущем.

Великолепное оборудование

Великолепное оборудование не означает изобретение экзотических устройств. Это определенно не означает продажу хитроумного гаджета с наценкой. Видимое, копируемое, отдельно продаваемое устройство — это именно то, что производственные кластеры разрушают быстрее всего. Оборудование зарабатывает себе место тогда, когда оно не является продуктом, а является инструментом. Оно дает компании привилегированный физический доступ к процессу, который ни один конкурент не может наблюдать извне. Оно ощущает физический мир, собирает проприетарные данные, выполняет физические действия и стандартизирует рабочий процесс, делая программное обеспечение над ним гораздо труднее копируемым. Проверка проста. Можно ли извлечь оборудование и продать его само по себе? Если можно, это гаджет, и он станет товаром массового спроса. Если оно бессмысленно без программного обеспечения, данных и операций вокруг него, тогда оно выполняет работу по созданию рва.

Великолепное заказное программное обеспечение

Великолепное заказное программное обеспечение — это не обычный SaaS и не более приятный интерфейс. Оно работает внутри конкретного физического или регуляторного процесса, автоматизирует решения, несущие реальный экономический вес, координирует труд или машины и фиксирует исправления и крайние случаи по мере их возникновения. Заметьте, что делает его защищаемым. Не код, который, как показал анализ, теперь дешев, а его зависимость от операционного доступа, проприетарных данных и глубокого знания рабочего процесса, которое конкурент не может получить, просто скопировав интерфейс. Такое ПО трудно копировать не потому, что его трудно писать, а потому, что к тем вещам, в которые оно встроено, трудно получить доступ.

Великолепные отношения

Великолепные отношения — один из самых устойчивых рвов в тяжелых отраслях. Они полностью невосприимчивы как к обесцениванию оборудования, так и к обесцениванию программного обеспечения. Сюда входят регуляторная аккредитация, доверие клиентов, доступ к дистрибуции для консервативных покупателей и долгосрочные операционные партнерства. Это видно в таких секторах, как оборона, здравоохранение, строительство и инфраструктура. Покупатели на этих рынках никогда не выбирают поставщика просто потому, что его ПО немного лучше, и во многих случаях — даже если оно лучше в 10 раз. Они покупают, исходя из доверия и репутации, надежности, ответственности, соответствия требованиям и подтвержденных результатов. Более дешевый клон обычно отбраковывается еще до того, как кто-либо его оценивает. Отношения требуют времени, репутации и истории реального исполнения. Ни ИИ-агенты, ни сборочная линия в Шэньчжэне не могут за одну ночь произвести доверие.

Уникальные данные

Уникальные данные — самое важное из четырех и то, в чем люди чаще всего ошибаются. Не все данные ценны, и сегодня обычные собранные парсингом данные почти бесполезны как рв. Данные, которые имеют значение, являются частными, неявными и экспертного уровня, специфичными для физического мира и рабочего процесса, полученными из реальных операций и полными крайних случаев, исправлений и сбоев, которые никогда не попадают ни в один публичный корпус. Вы не можете купить такие данные, и вы не можете их наскрести. Они возникают исключительно как побочный продукт ведения живой операции через замкнутый цикл из четырех этапов:

1. Наблюдение
2. Решение
3. Действие
4. Результат

Именно здесь четыре фактора начинают усиливать друг друга. Оборудование наблюдает и действует, программное обеспечение решает и координирует, отношения дают доступ к рабочему процессу, а уникальные данные накапливаются из результатов.

Большинство компаний захватывают только первый этап этого потока данных. Рву нужны все четыре, то есть вы знаете не только то, что произошло, но и какое решение было принято в ответ, какое действие фактически было выполнено и сработал ли результат. Именно этот четвертый этап, подтвержденный результат, делает данные пригодными для обучения и именно он делает преимущество накапливающимся. Каждая завершенная работа улучшает систему, которая выполняет следующую работу, а это единственная форма преимущества во всем этом документе, которая растет, а не эродирует.

Когда петли накапливают эффект и когда они замирают

Замкнутый цикл в абстракции звучит неизбежно. На практике большинство попыток построить его проваливаются. Цикл — это утверждение, а не закон, и у него есть конкретные режимы отказа, которые полезнее понимать, чем успешный случай.

• Данные насыщаются: Ценность накопленных данных следует кривой убывающей отдачи. В глубоком обучении Sun et al. обнаружили, что производительность на задачах компьютерного зрения росла логарифмически с объемом обучающих данных, что означает: каждое удвоение набора данных приносит еще один прирост, а не еще одно чудо. Первые тысяча выполнений учат больше всего. Следующие десять тысяч учат меньше. Следующие сто тысяч почти не дают ничего нового. Конкурент, начавший позже, часто может достичь 90 процентов вашей производительности с долей исторических данных, закрывая разрыв быстрее, чем подсказывают сырые цифры.

• Данные могут не принадлежать вам для использования: Вы генерируете проприетарные данные через рабочий процесс, но если в вашем контракте сказано, что ими владеет клиент и вы не можете объединять их между внедрениями, у вас есть пятьдесят отдельных хранилищ данных, а не один маховик. На уровне платформ OpenAI, Anthropic, Microsoft Azure OpenAI, AWS Bedrock и Google Vertex AI все говорят бизнес-клиентам, что их входные и выходные данные по умолчанию не используются для обучения базовых моделей. Это хорошо для клиентов и является предупреждением для поставщиков. Межклиентское обучение накапливает эффект только если контракт это позволяет. Законодательство о конфиденциальности добавляет еще одно ограничение, поскольку ограничение цели GDPR, права на удаление, правила HIPAA по деидентификации и правила CCPA/CPRA о передаче данных для поведенческой рекламы в межконтекстной среде — все это делает вторичное использование данных труднее. Это губит больше реальных ИИ-ровов, чем конкуренция.

• Рабочий процесс меняется быстрее, чем улучшается модель: В быстро дрейфующих операционных доменах у данных есть измеряемый период полураспада. Как показали Valavi et al. в исследовании Гарвардской школы бизнеса, большой исторический запас данных создает слабый барьер для входа. Новый участник, вооруженный меньшим потоком свежих, недавних данных, часто может построить более точную модель, чем действующий игрок, сидящий на годах устаревших данных, особенно когда старые данные активно ухудшают точность. Одно исследование по клинической информатике показало это напрямую: период полураспада данных для прогнозирования госпитальных назначений составлял около четырех месяцев, а один месяц свежих данных превосходил двенадцать месяцев старых. В производстве дрейф датчиков, износ инструмента, изменение процесса и изменения схем означают, что модели, обученные на исторических данных завода, рассуждают о заводе, который больше не существует. Это не универсально. Процессы, управляемые физикой, актуарные таблицы, геологические данные и другие медленно меняющиеся домены могут долго сохранять ценность старых данных. Если рабочий процесс меняется быстрее, чем улучшается модель, ваши исторические данные становятся устаревшим балластом, а не преимуществом.

• Затраты — это барьер, а барьер — это затраты: Владение реальными рабочими процессами капиталоемко, трудоемко и менее маржинально, чем чистое программное обеспечение. Tesla сообщила о совокупной валовой марже по GAAP около 18 процентов в 2025 году, несмотря на вертикальную интеграцию. Intuitive Surgical сообщила об установленной базе da Vinci в 11 106 систем и валовой марже по non-GAAP 67,6 процента в 2025 году, после десятилетий капитала, обучения хирургов и объема процедур. Расходы, которые не пускают конкурентов, одновременно мешают большинству новых игроков построить нечто, что стоило бы защищать. Многие попытки проваливаются на уровне юнит-экономики задолго до того, как цикл начинает накапливать эффект.

Что отличает циклы, которые действительно накапливают эффект, от тех, что являются фальшивыми рвами:

• Данные связаны с результатом, то есть вы знаете, был ли итог правильным или неправильным, а не просто собираете сигналы.
• По контракту вы имеете право использовать данные между внедрениями.
• Рабочий процесс достаточно стабилен, чтобы исторические данные оставались релевантными.
• Каждое выполнение генерирует новые крайние случаи, а не больше того же самого.
• Частота достаточно высока, чтобы обучение успевало накапливать эффект до того, как рабочий процесс изменится.

Этот тезис неверен, если верно что-либо из следующего:

• Конкурент может получить эквивалентные данные через парсинг, синтетическую генерацию, transfer learning или разовую покупку.
• По контракту клиент владеет данными, и вы не можете объединять их между внедрениями.
• Рабочий процесс меняется быстрее, чем улучшается модель, так что накопленные данные описывают систему, которой больше не существует.
• Ценность данных насыщается в течение первых N выполнений, то есть преимущество фиксировано, а не накапливается.
• Стоимость владения рабочим процессом превышает ценность данных, которые он генерирует.

Если эти условия выполняются, цикл — это не ров. Это дорогой инженерный проект с временным преимуществом. Как утверждала a16z в 2019 году, большинство преимуществ данных — это эффекты масштаба с убывающей отдачей, а не волшебные сетевые эффекты. Это было верно до нынешней волны ИИ. Это верно и сейчас.

Бизнес-модели, построенные на современном рву

Четыре фактора описывают, из чего сделан ров. Следующий вопрос — какой вид бизнес-модели вообще способен его захватить. На практике ответ уводит от продажи инструментов и ведет к владению самим рабочим процессом.

Главный, а не поставщик

Единственное решение с самым высоким рычагом во всей системе — отказаться от позиции поставщика.

Подход поставщика означает продажу инструмента организации, которая уже владеет рабочим процессом. Он выглядит привлекательным, потому что теоретически требует мало капитала и масштабируется, но при этом отдает все источники рычага клиенту. Оператор сохраняет отношения с клиентом, физический процесс, операционные данные, бюджет, ответственность и конечный результат. Поставщик сохраняет лишь слой программного обеспечения, лежащий поверх всего этого. Стартап получает лишь небольшую долю создаваемой им ценности, клиент требует индивидуальных интеграций, пока продукт не сползает в услуги, оператор может наблюдать, как инструмент работает, а затем заменить его внутренней разработкой, которая теперь обходится в разы дешевле, а поскольку у оператора лучшие данные, модель поставщика никогда не накапливает эффект. Маржа остается ограниченной. Это особенно опасно в физических отраслях, где поставщики программного обеспечения надежно деградируют до уровня прославленных консультантов.

Более сильная позиция — стать главным, владеть самой операцией, ответственностью, аккредитацией, рабочим процессом или самой ответственностью за результат. Вместо того чтобы продавать программное обеспечение тому, кто выполняет работу, компания сама выполняет работу или гарантирует ее результат. Это переворачивает каждый из недостатков выше. Компания получает всю маржу вместо лицензионного кусочка, владеет результатом для клиента и, следовательно, отношениями, и владеет данными, потому что именно ее собственные операции их порождают. Ее нельзя обойти посредника, потому что она и есть посредник, и она накапливает подлинную операционную экспертизу вместо понимания «со слов».

Принцип сводится к одной инструкции:

Не продавайте инструмент. Продавайте завершенный результат.

На практике это проявляется как последовательное переосмысление любой идеи поставщика в ее главную версию:

Это решение важнее любого другого в рамках системы, потому что оно определяет, кто владеет данными, а владение данными определяет, будет ли преимущество накапливаться или распадаться.

Услуга как услуга

Позиция главного подразумевает модель доставки, которая выглядит иначе, чем обычное программное обеспечение, и ее стоит назвать, потому что поначалу она кажется хуже бизнесом для любого, кто воспитан на марже SaaS.

У этой модели есть несколько названий в ходу. YC, a16z и другие называли ее service-as-software, а thesis о rollup, усиленном ИИ, — ее близкий родственник. Я предпочитаю «услуга как услуга», потому что так сохраняется акцент на том, что клиент на самом деле получает.

Клиент не должен пользоваться программным обеспечением, чтобы получить результат. Компания должна использовать программное обеспечение, ИИ, человеческий труд, оборудование и операции вместе, чтобы доставлять готовую работу. Программное обеспечение — это внутренний рычаг, а не продукт.

Последовательность преднамеренна. Сначала выполняйте работу вручную или с участием людей. Используйте программное обеспечение, чтобы сделать этот человеческий труд быстрее, стабильнее и измеримее. Фиксируйте каждый ввод, каждое решение, каждую правку, каждый крайний случай и каждый результат. Затем используйте накопленные данные, чтобы автоматизировать все больше и больше рабочего процесса, сходясь к автоматизированному поставщику услуг с маржой и обороняемостью, с которыми обычное программное обеспечение не может сравниться.

Это отличается от консалтинга в одном решающем аспекте. Консалтинг продает каждому клиенту индивидуальный труд навсегда, и после каждого проекта не остается ничего пригодного для повторного использования. Услуга как услуга сознательно использует ранний человеческий труд как инструмент для построения системы автоматизации, и каждый проект оставляет после себя данные, которые удешевляют следующий.

Но нужно быть осторожным и смотреть в сторону ловушки в таком типе модели. Если каждому новому клиенту требуются индивидуальные интеграции, индивидуальная очистка данных, индивидуальное картирование рабочего процесса и индивидуальная настройка модели, то компания — это консалтинговая фирма, которая еще не призналась в этом. Фаза с участием людей допустима и часто необходима, но только при условии, что она производит проприетарные данные и сходится к масштабируемой автоматизации. Если люди по-прежнему делают ту же работу по той же цене за единицу после пятидесяти заказов, модель провалилась.

Звездные врата для данных

ИИ движется от узкого места вычислений к узкому месту данных. Самыми ценными компаниями ИИ в ближайший период будут не те, у кого больше всего общих данных, потому что они доступны в избытке и, следовательно, не приносят ренты, по той же логике, что и в первой половине. Ими будут те, кто владеет редкими, частными, высококачественными операционными данными, которые невозможно получить никаким другим способом, кроме как выполняя работу.

Фраза Звездные врата для данных заимствована из Stargate OpenAI, анонсированного многосотмиллиардного развертывания вычислительной инфраструктуры, и сам заимствованный характер — в этом и состоит смысл. Если дефицитный ресурс прошлого цикла оправдывал плановое инфраструктурное строительство такого масштаба, то следующий заслуживает такого же отношения. Цель — не накопить набор данных. Цель — построить машину, которая непрерывно производит проприетарные данные как побочный продукт оказания услуги.

Различие, которое здесь действительно важно, состоит в том, что цель — не собирать данные ради них самих, что приводит к дорогим озерам бесполезного материала. Цель — владеть операционным циклом, который производит ровно те данные, которые нужны для автоматизации этого же цикла.

Компьютер атомов

Четыре фактора описывают структуру. Компьютер атомов описывает, для чего эта структура нужна, и это долгосрочное видение, которое делает всю затею стоящей.

Я не придумал эту идею, и хочу сразу это ясно обозначить. Формулировка принадлежит Трэвису Каланику. После того как его вытеснили из Uber в 2017 году, он восемь лет в режиме скрытности строил City Storage Systems, а в марте 2026 года переименовал ее в Atoms и опубликовал письмо с видением, где изложил все целиком. Его формулировка состоит в том, что к проблемам физического мира нужно подходить так же, как к задачам программного обеспечения, и что базовые вычислительные ресурсы имеют физические аналоги, где CPU — это производство, storage — это недвижимость, а network — это транспорт. На мероприятии запуска a16z Каланик определил компанию вокруг индустриального ИИ, используя программное обеспечение, датчики, робототехнику и ИИ для автоматизации операций во всех промышленных секторах, начиная с еды, добычи полезных ископаемых и транспорта. Прочитайте его письмо. Оно лучше, чем мое пересказанное изложение, и некоторые из его выводов приходят к тому же месту, куда приводит этот документ, но с другой стороны.

По мере того как ИИ становится более способным, его ограничивающий фактор смещается. Ограничение больше не только в качестве рассуждения. Это взаимодействие с физической реальностью. Модель может создавать текст, код, изображения и планы высокого качества и при этом все равно не быть способной надежно делать что-либо в запутанной, неструктурированной, значимой реальной среде. Традиционные компьютеры дали интеллекту основу для манипулирования битами. Сейчас возможность состоит в том, чтобы построить эквивалентную основу для атомов, создавая системы, которые воспринимают физический мир, интерпретируют хаотичные реальные условия, принимают решения, действуют, проверяют результаты и учатся на обратной связи — все это в рамках реальных физических, регуляторных и экономических ограничений. Именно последнее условие — самое трудное, и именно поэтому это бизнес-возможность, а не исследовательский проект. Работа в условиях регуляторных и экономических ограничений — это именно то, что нельзя клонировать, и именно это создает замкнутый контур данных, который нужен четвертому фактору.

В одном пункте Каланик и я полностью согласны, и он формулирует это лучше, чем я. Его термин — robots gainfully employed, то есть специализированные машины с конкретной производительной задачей, в отличие от гуманоидов, созданных, чтобы имитировать нас. Его пример: если вам нужно делать тысячу блинов в час, гуманоид, неловко их переворачивающий, — худшее возможное решение, а специально созданная машина — очевидное. Поэтому правильный подход — не строить робота общего назначения. Нужно найти узкий клин, где цикл sense, decide, act можно развернуть внутри одного реального рабочего процесса с ясной немедленной экономической ценностью, и заставить этот цикл работать от начала до конца, прежде чем расширять его.

Компания на ближайшем горизонте должна быть настолько узкой, что будет выглядеть неамбициозной. Долгосрочный потолок — причина принять эту узость.

Разобранный пример

Фреймворк абстрактен, поэтому полезно провести одну идею через него. Это лишь иллюстрация того, как используются критерии, а не единственный вывод, к которому фреймворк вынуждает.

Возьмите специальный строительный надзор и испытания материалов. Вендорская версия продаёт программное обеспечение агентствам и лабораториям, которые уже владеют рабочим процессом. Версия принципала становится и агентством, и лабораторией. Она держит аккредитацию, проводит инспекции и несёт регуляторную ответственность. Внутри она использует программное обеспечение, аппаратное обеспечение и ИИ, чтобы выдавать сертифицированные результаты быстрее, дешевле и надёжнее, чем действующие игроки.

Такая форма соответствует всем четырём факторам. Она физическая, потому что имеет дело с объектами, образцами, приборами и измерениями из реального мира. У неё есть реляционные и регуляторные рвы, потому что покупателям нужны результаты, принимаемые органами, обладающими юрисдикцией, а не более красивый дашборд. Она владеет результатом, потому что продаёт сертифицированные результаты, а не инструменты. И она генерирует проприетарные операционные данные как побочный продукт работы, включая результаты испытаний, режимы отказов, свойства материалов, экспертные корректировки и связи между физическими условиями и конечными результатами.

Она также начинается узко, что соответствует классической логике стартапов, о которой Пол Грэм и YC говорят уже много лет. Начните с острого клина, но убедитесь, что этот клин принадлежит большой и болезненной проблеме. Нет необходимости в первый же день автоматизировать строительный надзор как отрасль. Точкой входа может быть один тип инспекции, одно испытание материала, одна география или один рабочий процесс соответствия требованиям. Оттуда программное обеспечение стандартизирует работу, люди создают первые данные, и автоматизация расширяется только там, где петля действительно накапливает эффект.

Риски — именно те, которые предсказывает эта схема. Сроки аккредитации ограничивают выручку, операционная нагрузка велика до созревания автоматизации, а ловушка сервиса реальна, если каждый проект оказывается уникальным. В этом и состоит смысл схемы. Она не делает бизнес простым. Она говорит вам, где должны быть трудные части.

Компании, которые уже выглядят так

Этой схеме легче доверять, если она описывает вещи, которые уже существуют, а не только вещи, которые мне хотелось бы видеть существующими.

Anduril — это четыре из четырёх. Кастомное оборудование для дронов, сенсорных башен, перехватчиков и подводных аппаратов. Кастомное программное обеспечение в Lattice, на котором работает каждая часть этого оборудования. Отношения и регуляторный статус, которые не может создать никакой код-агент, поскольку клиент — правительство США и его союзники. Операционные данные от развёрнутых систем, возвращающиеся обратно в программное обеспечение. Две детали важнее, чем перечень продукта. Компания финансирует собственные НИОКР и создаёт продукт до продажи в уже существующую бюджетную строку, переворачивая модель cost-plus, на которой работают традиционные prime contractors. Anduril — частная компания и не публикует аудированные маржи, но оценки на вторичном рынке показывают, что её валовая маржа составляет около 40–45 процентов. Это необычно высокий показатель для оборонного оборудования, где компании аэрокосмической и оборонной отрасли в среднем имеют валовую маржу примерно 17,5 процента в отраслевых данных NYU Stern. Точная цифра менее важна, чем структура. Вертикально интегрированная, работающая по фиксированной цене, определяемая программным обеспечением модель, похоже, даёт лучшую экономику, чем традиционная интеграция платформ по модели cost-plus.

Intuitive Surgical — это более старая, тихая версия той же структуры. Система da Vinci сочетает оборудование, которое бесполезно без своего программного обеспечения, разрешения FDA, которые не может обойти ни один конкурент, два десятилетия отношений с больницами и данные о процедурах от миллионов операций. Она достигает четырёх из четырёх, постоянно накапливает эффект и следует этой стратегии с первичного разрешения в 2000 году, задолго до того, как кто-либо назвал это физическим ИИ.

Kraken Robotics — это тот пример, который я нахожу наиболее поучительным, отчасти потому, что мало кто за пределами морских технологий о нём знает. Компания создаёт синтетическую апертурную сонару, буксируемую платформу KATFISH, подводные батареи и подводный LiDAR. Всё это оборудование бесполезно без проприетарного программного обеспечения для визуализации, которое его окружает. Среди её клиентов — военно-морские силы, ориентированные на НАТО. Это доверие и регулирование на высшем уровне, потому что флот не станет менять поставщика сонара на более дешёвый клон. И, что особенно важно, Kraken не просто продаёт оборудование. Она выполняет обследования как услугу, а значит, каждая работа создаёт разведданные о морском дне, которых нет ни у кого другого. Это последнее решение — весь каркас в миниатюре. Компания по оборудованию заметила, что данные стоят дороже коробки, и перешла в позицию принципала, чтобы сохранить их.

SpaceX и Waymo — это чистые проекты принципала. SpaceX не продаёт ракеты. Она продаёт доставленные полезные нагрузки. Waymo не лицензирует программное обеспечение автономного вождения автопроизводителям. Она продаёт завершённые поездки. В обоих случаях компания отказалась от позиции вендора, взяла на себя операционную ответственность и сохранила данные. У Waymo также есть регуляторный ров, который появляется по одной юрисдикции за раз. Такое расширение идёт медленно, и именно поэтому его трудно вытеснить.

Carbon Robotics — это полезный частичный случай. Её LaserWeeder уничтожает сорняки с помощью компьютерного зрения и мощных лазеров. В феврале 2026 года компания заявила, что её Large Plant Model был обучен на более чем 150 миллионах размеченных растений, собранных примерно на сотне ферм в пятнадцати странах. Это и есть работа двигателя данных в описанном виде, создаваемых как операционный побочный продукт, а не как отдельная инициатива. Но я бы также отметил уязвимость этой схемы. Carbon продаёт оборудование фермерам, оставаясь вендором, а не принципалом. Она успешна, потому что данные всё равно возвращаются в её центральную модель, делая позицию вендора жизнеспособной. Если бы фермеры когда-либо владели данными этого парка, ров исчез бы.

Nokia — это и историческое предупреждение, и возникающий тестовый случай. В 2007 году компания контролировала почти 50 процентов мирового рынка смартфонов, обладая лучшим оборудованием, масштабом производства и цепочкой поставок в мобильных телефонах. Она лучше всех живых на тот момент исполняла одну измеримую грань и рухнула, потому что у неё не было программной платформы. Сегодняшняя Nokia пытается реализовать именно тот многофакторный сценарий, который описан здесь. Как Майкл Сиканд показывает в этом видеоразборе, компания потратила более десяти лет на отход от потребительских гаджетов к связке вертикально интегрированного оптического кремния, укоренившихся отношений с операторами и обороной, а также периферийных вычислений с поддержкой ИИ. Старая Nokia доказала, что изолированное оборудование — это временное преимущество. Что ж, новая Nokia пытается доказать, что оборудование, соединённое с институциональным доверием и программной инфраструктурой, создаёт устойчивый ров.

На поверхности эти компании не похожи друг на друга, но все они указывают на один и тот же урок. Самые устойчивые бизнесы заработали что-то медленное, например аккредитацию, развернутый парк датчиков, доверие хирургов, уверенность флота, регуляторное одобрение или десятилетие эксплуатационных данных. Ни один из них не добился этого просто написанием лучшего кода, и ни один из них не может быть догнан тем, кто это делает.

Узость — это требование к входу

Они также все начинали с малого. Компании, которые побеждают, не начинают с попытки владеть всей петлёй, и попытка сделать это — самая распространённая ошибка. Петля начинает накапливать эффект только если вы настолько глубоко встроены в один рабочий процесс, что можете генерировать данные, связанные с результатом, которые конкуренты не могут получить никаким другим способом. Поверхностное присутствие во многих рабочих процессах даёт поверхностные данные, которые быстро насыщаются.

Паттерн сохраняется среди операторов выше и за их пределами. Anduril начал с защиты сил и противодронных систем, прежде чем масштабировать производство и смежные возможности. Intuitive Surgical начал с конкретных лапароскопических процедур и десятилетиями выстраивал обучение хирургов и объем процедур, прежде чем расшириться по специальностям. SpaceX начал с одной многоразовой ракеты-носителя, прежде чем расшириться в Starlink. Tesla начал с узкого премиального клина в EV (спортивного автомобиля Roadster) и использовал парк для данных и обучения производству, прежде чем перейти к массовым моделям, энергии и автономности. Palantir начал с конкретных разведывательных рабочих процессов для конкретных агентств, прежде чем расшириться в коммерческий сегмент. В каждом случае узкий вход не был компромиссом. Это был механизм, который делал петлю компаундирующейся.

Точка входа узка намеренно. Один рабочий процесс, один тип клиента, один поток данных, который трудно воспроизвести. Вы строите петлю вокруг этого рабочего процесса, пока данные не начинают компаундироваться, а отношения — углубляться, затем расширяетесь в смежные рабочие процессы, где те же данные, те же отношения и та же операционная дисциплина дают вам преимущество, с которым не может сравниться новый участник. Начать широко — значит в итоге получить кучу данных, которые не компаундируются. Конкурент, начинающий сегодня, не преследует фиксированное преимущество. Он преследует то, что растет каждый раз, когда работа выполнена, но только если работа достаточно узкая, достаточно глубокая и достаточно повторяемая, чтобы данные действительно имели значение.

Заключение

Первая половина этого документа установила общий закон. Любой ров, состоящий только в сложности изготовления вещи, временен, и он длится ровно до тех пор, пока кто-то не сделает изготовление этой вещи простым. Китайская промышленная агломерация сделала это с аппаратным обеспечением, обрушив транзакционные издержки и задержку итераций внутри гиперплотного кластера. Генеративный ИИ делает это с программным обеспечением, обрушивая стоимость его дефицитного входа. Аппаратное обеспечение обрушилось первым, а программное последовало позже, но для основателя, строящего сегодня, ни одно укрытие не является надежным.

Вторая половина превратила этот закон в ответ. Если сложность производства больше ничего не защищает, тогда обороноспособность должна собираться из трений, до которых не дотягивается обрушение производства. К ним относятся физический доступ, замкнутые операционные данные, регуляторный статус, заработанное доверие и владение самим результатом. Именно поэтому четыре фактора требуют трех из четырех вместо одного, почему главная позиция важнее любого другого отдельного решения и почему данные должны быть операционным побочным продуктом, а не собранным активом.

Это сжимается в одно основное предложение.

В эпоху ИИ лучшие компании не будут ни универсальными программными инструментами, ни копируемыми аппаратными продуктами. Они будут узкими, ориентированными на результат главными бизнесами, которые объединяют программное обеспечение, физические рабочие процессы, доверительные отношения и проприетарные операционные данные, чтобы автоматизировать высокоценную работу в реальном мире.

Для основателя вопрос уже не в том, «какое программное обеспечение я могу построить?», а в том, какой ценный результат в реальном мире я могу владеть, выполнять, измерять и автоматизировать?

Самые сильные возможности находятся там, где программное обеспечение встречается с атомами, доверием, регулированием и проприетарными данными. Они начинаются с одного узкого, болезненного рабочего процесса, используя людей там, где это необходимо. Они захватывают операционные данные как побочный продукт работы, автоматизируются шаг за шагом и компаундируются в системы, которые трудно вытеснить. Преимущество долговечно именно потому, что оно было заработано через физическую операцию, а не записано в коде.

Конечная цель — не построить продукт. Это построить операционную компанию с масштабируемостью, как у программного обеспечения, обороноспособностью физического мира и проприетарными данными, которые становятся лучше с каждой завершенной работой.

Все, что раньше было рвом потому, что это было трудно построить, становится товаром. Построение чего-либо проще, чем когда-либо, и по мере развития ИИ и глобальных цепочек поставок это будет становиться только проще. Обороноспособным остается то, до чего трудно добраться, в которое трудно заслужить доверие, в которое трудно встроиться через регулирование и которое трудно наблюдать, не выполняя реальную работу.

Цитаты и источники

Я хочу прямо указать, откуда взяты заимствованные части, потому что большая часть этого документа — это мое соединение чужой работы, а не изобретение чего-то. Те вещи, которые я действительно назвал бы своими, — это правило четырех факторов, стандарт трех из четырех и конкретный аргумент о том, что два обрушения разделяют один и тот же базовый механизм, хотя произошли последовательно. Цифры меняются, так что проверяйте их перед тем, как цитировать меня.

Мое, из более ранних текстов

• Барбелл ценности программного обеспечения (2025), где я впервые изложил исчезающий средний слой и Теорию внутреннего рычага программного обеспечения. Вторая половина здесь — это операционная версия того поста.

Компьютер из атомов

• Travis Kalanick, Видение, Незавершенное дело и Как ИИ трансформирует физический мир, Atoms и a16z, 2026. Рамка компьютера на основе атомов, сопоставление CPU/хранения/сети с производством/недвижимостью/транспортом, цикл понимать-прогнозировать-контролировать, промышленный ИИ и роботы, получающие оплачиваемую занятость, — все это его. Этот раздел — мое изложение его идеи, а не моя идея.
• Ben Horowitz и Alex Danco, Трэвис вернулся, a16z, 2026.

Экономика

• Atlassian, результаты Q2 FY2025, для зрелых горизонтальных SaaS с валовой маржой в низком диапазоне восьмидесятых процентов.
• Snowflake, результаты FY2025, как контрпример того, что программное обеспечение с высокой долей потребления может работать существенно ниже классических SaaS-валовых марж.
• Michael Porter, пять сил, 1979, для таксономии источников ренты в Части первой.
• David Teece, Прибыль от технологических инноваций, 1986, для проблемы присвоения в Части третьей.
• Alfred Marshall, Принципы экономики, 1890, для внешних экономий и агломерации в Части пятой.
• Ronald Coase, Природа фирмы, 1937, для транзакционных издержек в Части пятой.
• Theodore Wright, 1936, и Boston Consulting Group, для кривой опыта в Части пятой.
• Stan Shih, улыбающаяся кривая, примерно 1992. Его оригинальная диаграмма есть на Wikimedia Commons, а статья Ben Thompson Издатели и улыбающаяся кривая — лучшее продолжение этой идеи, которое я читал.
• Gary Pisano и Willy Shih, Восстановление американской конкурентоспособности, Harvard Business Review, 2009, для промышленного коммонса и того, почему репатриация производства сложна.
• Andrew “bunnie” Huang, Аппаратный хакер, для личного описания того, как на самом деле ощущается работа внутри шэньчжэньской плотности.
• ВТО, Присоединения: Китай, для контекста интеграции Китая в глобальную торговую систему.
• Всемирный банк, добавленная стоимость в производстве, для контекста масштаба китайского производства по отношению к Соединенным Штатам.

Механика стартапов

• Paul Graham, Делайте то, что не масштабируется и Как находить идеи для стартапов, для узкого клина.
• Tesla, Секретный генеральный план Tesla Motors, 2006, для логики клина от Roadster к доступному автомобилю.
• Palantir, регистрационное заявление S-1, 2020, для паттерна расширения от государственных клиентов к коммерческим.
• История компании SpaceX и раскрытия информации о Starlink, через SpaceX и Starlink, для запуска как первоначального клина перед более широкой космической инфраструктурой.

Кодирование ИИ и производство программного обеспечения

• GitHub, Представление GitHub Copilot, 2021, и Общедоступная доступность GitHub Copilot, 2022, как практическое начало коммерческой помощи ИИ в программировании.
• OpenAI, Технический отчет GPT-4, 2023, и Anthropic, Claude 3.5 Sonnet, 2024, для контекста ускорения возможностей моделей.
• Peng et al., Влияние ИИ на продуктивность разработчиков, 2023, для контролируемого результата по GitHub Copilot, где разработчики завершили ограниченную кодинговую задачу на 55.8 процента быстрее.
• Cui et al., Эффекты генеративного ИИ на высококвалифицированный труд, 2025, для полевого исследования среди 4,867 разработчиков, показавшего на 26.08 процента больше завершенных задач.
• METR, Измерение влияния ИИ начала 2025 года на продуктивность опытных разработчиков открытого исходного кода, 2025, как контрпример, где опытные разработчики были на 19 процентов медленнее с инструментами ИИ в зрелых репозиториях.
• Cursor, Claude Code, OpenAI Codex CLI, Kiro CLI, и OpenCode, как сдвиг от автодополнения к агентному доступу к репозиторию и терминалу.
• Conductor, Superset, и Hermes Agent, как уровень оркестрации поверх однoагентных инструментов для кодирования.

Режимы отказа для экономического рва данных

• Sun et al., Переосмысление необоснованной эффективности данных в эпоху глубокого обучения, ICCV 2017, для эмпирического вывода о том, что производительность задач компьютерного зрения улучшается логарифмически с объемом обучающих данных.
• Martin Casado и Peter Lauten, Пустое обещание экономических рвов данных, a16z, 2019, для аргумента, что эффекты масштаба данных обычно размываются, а не накапливаются.
• Valavi et al., Время и ценность данных, Рабочий документ Harvard Business School 21-016, 2021, для различия между запасом данных и потоком данных, а также вывода о том, что устаревшие данные могут вредить точности модели.
• Chen et al., Снижающаяся релевантность клинических данных для будущих решений в наборах клинических назначений для стационарных пациентов, основанных на данных, International Journal of Medical Informatics, 2017, для примерно четырехмесячного периода полураспада данных клинического прогнозирования.
• OpenAI Корпоративная конфиденциальность, Anthropic Коммерческие условия, Microsoft Azure OpenAI конфиденциальность данных, AWS Bedrock FAQ, и Google Vertex AI управление данными, для обязательств по умолчанию не использовать для обучения вводимые и выводимые данные бизнес-клиентов.
• European Data Protection Board, Заключение 28/2024 по моделям ИИ, статья 5 и статья 17 GDPR, правила деидентификации HIPAA, и правила CCPA/CPRA, для ограничений права на конфиденциальность при вторичном использовании данных, удалении, деидентификации и передаче.
• Lathrop GPM, Навигация по вопросам владения ИИ в коммерческих соглашениях и лицензионных соглашениях на ИС, 2026, для договорного напряжения между обязательствами не использовать для обучения и сохраняемыми правами на использование агрегированных или деидентифицированных данных.

Изображения

• Улыбающаяся кривая Стана Ши, Wikimedia Commons, CC BY-SA.
• Huaqiangbei на перекрестке Shennan, фото Charlie fong, Wikimedia Commons, CC BY-SA.
• Литейная форма для литья под давлением, фото Wizard191, Wikimedia Commons, CC BY-SA 3.0.
• Цены на солнечные PV-модули по сравнению с совокупной установленной мощностью, Our World in Data, CC BY 4.0. Диаграмма воссоздана локально по опубликованному набору данных.

Примеры компаний

• Оценка валовой маржи Anduril через Sacra. Anduril — частная компания и не публикует аудированные показатели маржи, поэтому это рассматривается как оценка, а не как сообщенный показатель. Отраслевой бенчмарк для валовой маржи в аэрокосмической и оборонной сфере (примерно 17.5 процента) взят из набора данных по марже Aswath Damodaran из NYU Stern.
• Справка об Alphabet и Google через Форму 10-K Alphabet за FY2025, в паре с United States v. Google LLC для соглашений о дистрибуции поисковых настроек по умолчанию, преимуществ масштаба поиска и антимонопольного контекста.
• Large Plant Model компании Carbon Robotics и 150 миллионов размеченных растений через объявление Business Wire за февраль 2026 года, с TechCrunch в качестве подтверждения.
• История Intuitive Surgical и одобрение FDA в 2000 году через Историю компании Intuitive. Объем процедур через Отчет Intuitive о корпоративном воздействии за 2025 год, а показатели установленной базы / маржи — через ее отчет о доходах за 4 квартал 2025 года.
• Показатели маржи Tesla через ее обновление за 4 квартал и FY2025.
• Паттерн регуляторного расширения Waymo через Карту регулирования роботакси Tesorb за 2026 год и освещение Electrek одобрения расширения CPUC.
• Пик Nokia в 2007 году и хронология спада через BBC News и Wikipedia, а также исследование Vuori и Huy в Administrative Science Quarterly / INSEAD для организационной динамики, стоявшей за коллапсом, и видеоразбор Michael Sikand (видео) для его современного инфраструктурного поворота.
• Детали OpenAI Stargate через исходное объявление OpenAI и объявление о расширении площадок. Это объявленные обязательства и планы, а не полностью развернутая мощность.
• Kraken Robotics, взятые из собственных раскрытий продуктов и контрактов.