Pembangunan Industri AI Memasuki 'Zon Pembezaan' Kerana Reka Bentuk Dominan Ketinggalan

Tulisan ini mengandungi sekitar 18,000 patah perkataan, dengan struktur utama seperti berikut:

• Penilaian intuitif atau abstrak terhadap perkembangan AI mungkin sukar untuk membimbing keputusan dengan berkesan

• Dua alat analisis evolusi industri klasik (Utterback + Klepper)

• Gunakan kerangka penggabungan untuk menganalisis: Tahap apakah industri AI semasa ini?

• Satu soalan baru yang perlu ditanya: Bagaimanakah ritme masa depan?

• Skala masa evolusi industri AI: Dari era pengilangan ke era digital

• Koordinat masa perubahan AI (analisis)

• Gunakan trend terkini untuk pengesahan songsang

Buka telefon bimbit, berita tentang AI hampir setiap hari melanda anda: model tertentu baru sahaja dilancarkan, prestasinya sekali lagi melampaui yang lain; syarikat tertentu memperoleh pendanaan baharu, penilaian mencapai rekod tertinggi; bilangan pengguna platform tertentu melepasi rekod baru; di dalam senarai peringkat tertentu, pemimpin semalam kini telah disalip. Kepadatan dan kelajuan maklumat jauh melebihi sebarang perubahan teknologi sebelum ini.

Rasa ini terus berterusan setelah perjumpaan WAIC yang baru berakhir pada bulan Julai. Di lokasi acara, terdapat data yang terus diperbaharui, prestasi yang terus melampaui, serta parameter teknikal dan bentuk produk yang terus dikemaskini; dari laboratorium terkini, syarikat besar, syarikat mulaan, hingga pemain industri tradisional, pengilang终端, dan institusi penyelidikan, semakin banyak jenis perniagaan yang memasuki medan ini dengan rapat, menyertai revolusi teknologi industri yang besar ini.

Maklumat yang begitu padat dan peserta yang begitu ramai akan secara semula jadi membawa kepada dua tindakan yang mudah muncul.

Satu ialah kecemasan—adakah saya tertinggal? Adakah syarikat saya sedang melepas sesuatu? Jika tidak bertindak minggu ini, adakah ia terlambat minggu depan?

Cara lain ialah menilai impuls—siapa yang sudah menang? Siapa yang sudah keluar? Apakah corak industri ini hampir tetap?

Dua tindakan balas sebenarnya menunjukkan masalah yang sama: Industri AI sekarang berada pada tahap apa? Dan bagaimana kita boleh membuat penilaian ini secara rasional?

Sekarang juga terdapat beberapa pernyataan popular—contohnya, "AI telah memasuki peringkat baru." Berdasarkan perspektif masing-masing, penilaian ini mempunyai kebenaran dan asas tersendiri. Namun, bagi pengambil keputusan perusahaan yang perlu membuat penilaian dan keputusan strategik yang ketat, terdapat soalan yang lebih asas yang perlu dijawab terlebih dahulu—apakah dasar kita untuk menentukan bahawa peringkat sebelumnya telah berakhir? Apakah bukti yang menunjukkan bahawa AI telah memasuki peringkat baru? Apakah ciri-ciri spesifiknya? Apakah hukum dalaman yang mengaturnya? Dan apakah peringkat-peringkat lengkap dalam satu kitaran penuh? Soalan-soalan ini memerlukan satu kerangka analisis yang lebih ketat dan saintifik untuk mencapai penilaian yang lebih boleh dipercayai—ini adalah isu yang mudah dilupakan tetapi boleh menimbulkan kos yang besar dalam transformasi AI semasa ini. Kesilapan dalam menilai peringkat industri akan secara langsung mempengaruhi arah, tempoh, dan keutamaan pelaburan sumber—jika peringkat salah dikenal pasti, semua tindakan mungkin akan menyimpang.

Dalam perbincangan AI semasa, ramai akademik telah memulakan analisis dan penilaian terhadap peringkat industri, di mana artikel panjang oleh Profesor Karim Lakhani dari Harvard Business School, berjudul “From Ferment to Dominant Design”, yang diterbitkan pada Mac 2026 di Substack peribadinya, merupakan satu usaha yang cukup representatif. Beliau menggunakan alat analisis yang dibina selama beberapa dekad oleh dua akademik yang sangat dihormati dalam bidang inovasi industri—James Utterback (Massachusetts Institute of Technology) dan Steven Klepper (Carnegie Mellon University)—berdasarkan data sejarah lengkap daripada pelbagai industri, untuk menilai peringkat persaingan model AI besar, serta mengemukakan beberapa pemerhatian orisinal (yang akan dibincangkan kemudian). Kesimpulan utamanya ialah: AI kini berada dalam fasa akhir kecairan, dan rekaan dominan belum ditetapkan; tatanan industri harus dipandang sebagai soalan yang masih terbuka, bukan sebagai kesimpulan yang sudah diberikan. Ini sejalan dengan arah artikel ini, dan merupakan salah satu sumber pandangan penting yang diambil semasa penyusunan kerangka ini.

Artikel ini akan mengembangkan sepenuhnya kerangka kerja klasik dua orang akademik, mengkaji kerangka analisis lanjutan untuk era digital/AI, serta menggabungkan data dan kemajuan industri terkini tahun 2026, untuk terlebih dahulu menilai secara ketat tahap perkembangan industri AI semasa, kemudian mempertanyakan satu soalan yang tidak dijawab oleh Profesor Lakhani tetapi sangat penting kepada pengambil keputusan korporat: mengikut pola evolusi industri yang biasa, bagaimanakah tempoh masa ke depan apabila reka bentuk utama ditetapkan dan pergantian mendalam muncul?

Ini adalah "skala masa evolusi industri AI" yang dibincangkan dalam artikel ini—di mana kita berada, dan bagaimana ritme masa depan.

Dua alat klasik ini merupakan aset akademik awam yang paling berpengaruh dalam bidang penyelidikan inovasi industri. Nilai mereka bukan terletak pada teori abstrak, tetapi pada pola-pola yang disimpulkan daripada data sejarah yang besar dan telah diuji secara empirik berulang kali.

Tiga peringkat evolusi industri Utterback: Dari sudut "dimensi produk"

James Utterback ialah profesor di Sloan School of Management, Massachusetts Institute of Technology, dan salah seorang pelopor dalam bidang inovasi industri dan evolusi teknologi. Bersama William Abernathy, kajian klasik mereka pada tahun 1975 mengkaji sejarah evolusi teknologi dalam puluhan industri pembuatan, dan dalam buku komprehensif mereka pada tahun 1994, "Mastering the Dynamics of Innovation", mereka meng sistemkan satu pola yang konsisten mengejutkan: evolusi teknologi hampir semua industri mengikuti urutan tiga tahap yang boleh dikenal pasti.

Fasa Cecair (Fluid Phase) —— Semua orang sedang mencuba. Belum ada jawapan mengenai bentuk produk yang sepatutnya, apa yang sebenarnya diingini pelanggan, atau apa itu "cukup baik". Pelbagai reka bentuk wujud bersaing, rintangan masuk rendah, dan inovasi berfokus pada peringkat produk. Masalah utama: Apakah bentuk produk yang sepatutnya?

Fasa peralihan (Transitional Phase) — beberapa pilihan rekaan mulai menetap, dan satu rekaan utama (Dominant Design) muncul. Fokus inovasi berpindah dari "produk seharusnya seperti apa" kepada "bagaimana membuat produk lebih murah, lebih boleh dipercayai, dan lebih berskala" — dari inovasi produk kepada inovasi proses. Masalah utama menjadi: Apa yang paling diutamakan oleh pelanggan?

Fasa Khusus (Specific Phase) —— Reka bentuk produk telah ditetapkan, persaingan berpindah kepada kecekapan — siapa yang boleh membuatnya lebih murah, lebih boleh dipercayai, dan lebih berskala. Inovasi menjadi beransur-ansur, industri menjadi sangat terkonsentrasi. Masalah utama kini menjadi: siapa yang boleh menghantar dengan lebih boleh dipercayai, lebih murah, dan lebih berskala?

Wawasan utama model ini ialah: dalam tiga peringkat, "siapa yang memimpin" benar-benar berbeza. Kemampuan pemenang dalam peringkat peralihan (percubaan, kelajuan, imajinasi, kesabaran terhadap kesilapan) berbeza sama sekali dengan kemampuan pemenang dalam peringkat khusus (skala, kos, disiplin, kebolehpercayaan). Sebuah syarikat yang memimpin dalam peringkat peralihan tidak bermakna ia mampu terus memimpin dalam peringkat khusus—ini juga merupakan sebab mendalam mengapa banyak pelaku terkemuka dalam perubahan industri akhirnya tersingkir.

Satu perkara lagi ialah: Utterback kemudian bersama Suárez (1993) menunjukkan bahawa evolusi industri tidak semestinya melalui ketiga-tiga peringkat—sebahagian industri akhirnya membentuk reka bentuk dominan (jejak A), manakala sebahagian lain mungkin berterusan berada dalam keadaan pelbagai jalur yang wujud serentak (jejak B).

2.1.1 Konsep utama: Apakah yang dimaksud dengan "reka bentuk utama", dan adakah ia masih wujud di era AI?

Dalam tiga peringkat, Reka Bentuk Utama (Dominant Design) ialah konsep paling penting, dan perlu dijelaskan lebih lanjut.

Reka bentuk utama bukanlah "produk sebuah syarikat tertentu yang menang", tetapi "sekumpulan kombinasi teknologi dan bentuk produk yang menjadi piawaian sebenar seluruh industri". Apabila ia ditetapkan, peserta baru yang ingin bersaing mesti beroperasi berdasarkan reka bentuk ini—produk yang menyimpang daripadanya hampir pasti akan dipinggirkan.

Contoh paling klasik ialah model Ford T pada tahun 1908—ia bukan menetapkan bahawa "jenama Ford menang", tetapi lebih kepada kombinasi "enjin pembakaran dalam bertenaga bensin + enjin di hadapan + penggerak roda belakang + penghasilan jalur pengeluaran" menjadi jawapan lalai selama beberapa dekad seterusnya dalam industri automotif. Sejak itu, semua pengilang kereta bersaing dalam kerangka reka bentuk dominan ini untuk menentukan siapa yang membuatnya lebih baik, bukan lagi mencabar "bagaimana bentuk kereta seharusnya".

Setelah reka bentuk utama ditetapkan, peraturan permainan industri berubah secara halus: fokus inovasi berpindah dari "produk seharusnya seperti apa" kepada "bagaimana membuat produk lebih murah, lebih boleh dipercayai, dan lebih berskala"—dari inovasi produk kepada inovasi proses. Ini juga merupakan titik pemisah paling penting antara tempoh peralihan dan tempoh khusus.

Pertanyaan semula yang semulajadi: Adakah reka bentuk utama masih wujud di era AI?

Saya berpendapat: jawapannya adalah ya, tetapi bentuknya akan berbeza daripada era perindustrian pembuatan. Selagi industri memerlukan penghantaran berskala besar, kerjasama ekosistem, dan kestabilan jangkaan pengguna, pasti akan terbentuk suatu "piawaian fakta" — ini adalah keperluan ekonomi dalam operasi industri. Walaupun era internet mempunyai tempoh yang lebih pantas, ia masih menghasilkan reka bentuk utama bertingkat seperti TCP/IP, HTTP, HTML, dan kernel Chromium.

Namun, reka bentuk utama di era AI kemungkinan besar adalah "berlapis, banyak, dan boleh digabungkan"—bukan lagi "satu bentuk produk menguasai seluruh pasaran", tetapi sebaliknya, standar sebenar muncul di setiap lapisan teknikal dan disambungkan melalui antaramuka dan protokol.

Dengan kata lain, reka bentuk utama era AI mungkin bukan "kereta T seterusnya", tetapi lebih mirip set "TCP/IP + HTTP + HTML" bertingkat yang baru—setiap lapisan stabil sendiri dan bekerjasama antara lapisan melalui antaramuka piawai. MCP (Model Context Protocol), rangkaian A2A (Agent-to-Agent), dan spesifikasi panggilan API secara de facto yang telah mula muncul sekarang semuanya mungkin merupakan bentuk awal reka bentuk utama "generasi seterusnya". Reka bentuk utama tidak hilang; ia hanya berubah bentuk.

2.1.2 Data sejarah mengesahkan

Kebolehpercayaan model tiga peringkat Utterback, berdasarkan perwakilan tepatnya terhadap proses penentuan reka bentuk utama:

• Industri automobil: Selepas model Ford T pada tahun 1908 menetapkan reka bentuk utama, industri automobil dengan cepat berpindah dari peringkat aliran ke peringkat peralihan.

• Industri televisyen: Televisyen hitam-putih awal dan pelbagai skema warna wujud serentak; setelah standard televisyen warna NTSC ditetapkan pada tahun 1953, ia memasuki fasa peralihan.

• Komputer peribadi: Pada akhir 1970-an, berbagai arsitektur seperti Apple II, TRS-80, dan Commodore muncul, hingga pada 1981 arsitektur IBM PC bersama aliansi Wintel muncul, menetapkan reka bentuk utama.

• Telefon pintar: Sebelum pelancaran iPhone pada 2007, pasaran mempunyai pelbagai reka bentuk seperti BlackBerry, Nokia Symbian, dan Windows Mobile. Selepas kombinasi iPhone + iOS/Android menjadi reka bentuk utama, jalan lain dengan cepat keluar daripada pasaran utama.

Ciri bersama: kedua-duanya mengalami fasa aliran dengan banyak pilihan, kemudian satu kombinasi tertentu menjadi reka bentuk utama. Konsistensi pola ini merupakan asas empirikal model Utterback.

2.2 Dinamik penduduk industri Klepper: Dari perspektif "perusahaan"

Steven Klepper ialah profesor ekonomi di Universiti Carnegie Mellon dan seorang ahli terkemuka dalam penyelidikan organisasi industri dan evolusi perusahaan. Sejak tahun 1982, Klepper bekerjasama dengan Michael Gort untuk menghasilkan model matematik pertama secara rasmi mengenai siklus industri dari sudut ekonomi industri (dikenali secara akademik sebagai model G-K), dan seterusnya beliau menerbitkan serangkaian penyelidikan mendalam secara berasingan. Berdasarkan kajian sistematik terhadap data sejarah puluhan tahun bagi pelbagai industri, Klepper menemui satu pola konsisten dalam masuk dan keluar perusahaan semasa proses penciptaan dan perkembangan:

Masuk ke tren naik → Jumlah perusahaan mencapai puncak → Perubahan besar → Sedikit perusahaan terkemuka menguasai.

Dasar empirikal bagi pola ini ialah pelacakan lengkapnya terhadap asal, lokasi, dan tahun pengeluaran setiap syarikat yang memasuki industri automobil Amerika dari 1895 hingga 1966. Data adalah seperti berikut:

Di sini terdapat sebuah paradoks yang menakjubkan:

Mengambil masa sekitar 50-60 tahun untuk mencapai integrasi mendalam dari puncak hingga tahun 1960-an, tetapi dalam tempoh itu, pengeluaran kereta tahunan Amerika meningkat ratusan kali ganda pada skala logaritma. Dengan kata lain, industri menjadi sangat besar, tetapi bilangan syarikat menjadi sangat sedikit. Industri tidak berjuang—ia sedang berkembang pesat; yang mati ialah yang lemah, bukan permintaan.

Klepper juga mengesahkan pola yang sama dalam pelbagai industri, menjadikan bentuk "naik-mencapai puncak-turun" bukan lagi kes khas industri automobil—industri televisyen (lebih daripada 80 peserta pada awal 1950-an, diikuti oleh penyesuaian pantas), mesin ketik, tiub vakum, tayar, penisilin, dan lain-lain semuanya menunjukkan bentuk asas yang sama. Ini memberikan asas empirikal yang kukuh kepada teori Klepper.

2.2.1 Teori penting: Teori Pemaduan Perbezaan Kemampuan

Klepper menjelaskan fenomena di atas dengan teori—teori penggabungan perbezaan kemampuan:

Shuffling bukanlah keputusan tiba-tiba pasaran, tetapi hasil pasti yang berlaku seiring masa akibat perbezaan kemampuan perusahaan.

Perbezaan antara pelbagai perniagaan dalam inovasi, pertumbuhan, dan kemampuan mengurangkan kos akan diperbesarkan secara eksponen seiring masa, sehingga pihak lemah melepasi garis kelangsungan hidup. Teori ini mempunyai tiga titik kunci:

Pertama, perbezaan kemampuan sering bermula daripada kebetulan awal. Pada tahun-tahun awal masuk ke dalam industri, kemampuan setiap syarikat sebenarnya hampir sama, tetapi kerana satu atau dua pilihan berbeza dalam keputusan penting, bakat penting, atau peluang penting, perbezaan kemampuan antara syarikat-syarikat mula timbul. Perbezaan ini pada awalnya hampir tidak ketara.

Kedua, perbezaan kemampuan akan memperkuat diri sendiri dan membesar secara eksponen. Syarikat yang sedikit lebih cekap mendapat lebih banyak pangsa pasaran → lebih banyak sumber dan peluang pembelajaran → kemampuan menjadi lebih unggul lagi—ini adalah kitaran umpan balik positif. Syarikat yang sedikit kurang cekap pula terperangkap dalam umpan balik negatif yang bertentangan. Bertahun-tahun berlalu, perbezaan awal yang "sepele" telah dipadukan menjadi jurang yang "tidak mampu dikejar".

Ketiga, apabila perbezaan terkumpul hingga mencapai "perbezaan kritikal", pihak lemah akan dikeluarkan. Benih penyingkiran telah ditanam sejak awal fasa pergerakan—secara zahir, semua orang sedang berlari, tetapi sebenarnya kadar kompaun dasar mereka sangat berbeza.

Kajian di atas menghasilkan kesimpulan yang perlu diperhatikan oleh pengurus perusahaan: menunggu laporan kewangan menjadi buruk sebelum memulakan pembinaan kemampuan sudah terlambat; menunggu isyarat perubahan yang jelas muncul sebelum memulakan peningkatan kemampuan telah menutup jendela peluang. Yang benar-benar menentukan siapa yang mampu melalui perubahan adalah sama ada perusahaan telah menjadikan "kadar penggabungan kemampuan" sebagai pemboleh ubah strategik paling penting sejak awal.

2.2.2 Pemerhatian penting yang lain yang tidak intuitif: Tetingkap masuk ditutup lebih awal berbanding isyarat pengacakan

Selain teori kompleksiti perbezaan kemampuan, Klepper juga mempunyai pemerhatian yang bertentangan dengan intuisi tetapi sangat penting—“tingkap masuk” industri tertutup lebih awal berbanding “isyarat penggulingan”.

Kembali kepada data industri automobil: Selepas jumlah syarikat mencapai puncaknya pada 1907-1910, kadar masuk syarikat baru menurun tajam selepas 1910—pada masa ini belum ada isyarat jelas tentang pemulihan, industri masih tumbuh pesat, dan media belum mula melaporkan berita "syarikat tertentu menarik diri". Pemulihan yang jelas (jumlah syarikat menurun secara berterusan selama beberapa dekad) baru bermula selepas 1920. Dengan kata lain:

• Sekitar tahun 1910 — dari luar masih kelihatan "pemandangan kemakmuran, setiap rumah sedang membuat kereta", tetapi tingkap untuk masuk baru sebenarnya sudah mula tertutup (pemain baru yang benar-benar ingin masuk semakin sedikit)

• 1920–1960 — isyarat pengacakan mula muncul, media mula melaporkan penggabungan, baru pada masa ini pemerhati biasa sedar "oh, industri sedang digabungkan"

• Ketika para pengamat sedar, jendela masuk telah tertutup selama 10-15 tahun penuh.

Pemerhatian ini mempunyai implikasi praktikal yang kuat: syarikat tidak boleh menunggu sehingga "isyarat pembersihan yang jelas" muncul sebelum memutuskan sama ada akan memasuki industri atau lapisan tertentu—kerana apabila isyarat itu muncul, tingkap masuk sudah tertutup. Penilaian masuk yang bijak sebenarnya mesti telah selesai sebelum "permukaan masih makmur dan semua orang sedang memasuki" pasar, dengan melakukan penilaian bebas terhadap "apakah tingkap sedang tertutup".

Pemerhatian ini akan dirujuk semula semasa perbincangan mengenai koordinat masa AI—tingkap masuk model AI besar mungkin tertutup lebih awal daripada yang dijangka oleh kebanyakan pemerhati.

2.3 Kedua-dua alat mempunyai kelemahan masing-masing; penggunaan bersama lebih membantu dalam membentuk penilaian peringkat industri yang saintifik.

Dua alat ini, apabila digunakan secara berasingan, masing-masing mempunyai kelemahan yang jelas—Utterback memberitahu anda "bagaimana reka bentuk produk berkembang", tetapi tidak memberitahu anda perusahaan mana yang akan bertahan; Klepper memberitahu anda "bagaimana perusahaan ditolak", tetapi tidak memberitahu anda bagaimana proses produk akan berubah. Hanya menggunakan satu alat, anda hanya melihat separuh gambaran evolusi industri.

Pembentukan penuh satu industri, yang merangkumi dua proses: "konvergensi reka bentuk teknikal" dan "penyusunan semula populasi perusahaan"—proses pertama boleh dijawab oleh alat Utterback, manakala proses kedua boleh dijawab oleh alat Klepper. Kedua-dua proses ini berkaitan tetapi tidak sepenuhnya serentak—penetapan reka bentuk utama biasanya berlaku selepas jumlah perusahaan mencapai puncaknya, tetapi sebelum penyusunan semula dipercepat.

Industri automobil berjalan seperti ini: jumlah syarikat mencapai puncak 275 pada tahun 1907-1910, model Ford T menetapkan reka bentuk dominan pada tahun 1908, kadar masuk menurun tajam selepas 1910, dan jumlah keseluruhan syarikat bermula berkurang drastik selepas 1920. Dua proses ini saling mempengaruhi dan bersama-sama mentakrifkan irama penuh evolusi industri.

Menggabungkan dua alat ini, iaitu melihat industri dari segi "dimensi produk" dan "dimensi perusahaan" secara serentak—sebarang penilaian tahap evolusi industri hanya akan lebih boleh dipercayai dan lebih saintifik apabila pemerhatian pada kedua-dua dimensi saling menyokong.

3.0 Penjelasan Lingkup Analisis

"Revolusi AI" adalah konsep yang sangat luas. Lingkup analisis artikel ini berfokus pada keseluruhan yang saling terkait dan berkembang bersama, iaitu "Model AI berskala besar serta aplikasi dan produk berkaitan"—termasuk model asas itu sendiri, aplikasi dan bentuk produk yang mengelilingi model besar (seperti model yang digerakkan oleh AI untuk perbualan/pengaturcaraan/Agent/pembantu pemandu/multimodal/kecerdasan berwujud), serta aset pelengkap yang berkait rapat (awan, kuasa pengiraan, cip, rantai alat, sistem penilaian). Ketiga-tiga bahagian ini bukan tiga industri yang berasingan, tetapi tiga paras yang saling terkait dalam proses evolusi yang sama.

Tidak termasuk dalam analisis artikel ini: bahagian yang melibatkan bentuk fizikal bebas atau logik industri bebas—seperti badan mekanikal/gerabak robot bentuk manusia, AI + kesihatan/undang-undang/pendidikan, dan industri tegak lain—yang masing-masing mempunyai pola industri tersendiri dan tidak boleh terus diaplikasikan dengan koordinat masa artikel ini.

3.1 Dari sudut pandang Utterback: Setiap lapisan masih dalam fasa pengaliran

Dengan melihat model tiga tahap Utterback terhadap model AI besar dan aplikasinya saat ini, kita akan mendapati bahawa hampir setiap aspek penting masih dalam perdebatan.

Lapisan arsitektur: Akankah Transformer menjadi akhir dari segalanya? Ataukah salah satu cabang dari Mixed Experts (MoE), State Space Models (keluarga Mamba), world models, inference-time computation, atau arsitektur native Agent yang akhirnya akan menang? Sambil pengeluar terkemuka pada 2026 secara besar-besaran berinvestasi di jalur MoE, arah alternatif seperti world models dan arsitektur native Agent juga terus mendapat kemajuan penting dari akademik dan industri; perbincangan terbuka mengenai penurunan keuntungan marjinal dari Scaling Law juga mendorong industri untuk meninjau semula "adakah kemungkinan dasar lain". Rute arsitektur jauh dari kesepakatan.

Tahap bentuk produk (AI akhirnya sampai kepada pengguna dan perusahaan dalam bentuk produk apa) —— kini terdapat sekurang-kurangnya enam bentuk yang bersaing secara serentak:

Enam bentuk saling tindih dan bersaing, dan tiada satu pun boleh mengatakan bahawa ia telah menang—ini adalah ciri khas tempoh aliran di mana pelbagai bentuk produk wujud serentak.

Tingkat dimensi persaingan: kekuatan penalaran, pengkodean, kos, latensi, panjang konteks, multimodal, kemampuan agen/ masa tugas autonomi, kebolehpercayaan/ kadar halusinasi, keselamatan/ kawalan—dimensi manakah yang akhirnya akan ditentukan oleh pasaran sebagai "paling penting"? Setiap pembuat mengaku unggul dalam dimensi yang menjadi kekuatan mereka, tetapi pasaran belum membentuk konsensus mengenai "dimensi apa yang paling penting". Terutama dimensi baru "berapa lama boleh bekerja secara bebas"—dari topik pinggiran pada 2025 menjadi indikator utama di forum utama WAIC 2026 hanya dalam satu tahun—ia sendiri merupakan isyarat bahawa dimensi persaingan masih belum terbentuk.

Dari sudut pandang Utterback, model AI besar dan aplikasinya jelas masih berada dalam fasa peralihan—banyak jalur berjalan serentak, konsep produk belum pasti, dan dimensi persaingan belum ditentukan.

3.2 Dari sudut pandang lensa Klepper: Fasa masuk tinggi, tetapi perbezaan kemampuan telah terbentuk secara halus

Dari dinamik penduduk industri Klepper, pemantauan terhadap industri model besar AI menunjukkan fenomena "kontradiksi yang berdampingan".

Di satu sisi, syarikat-syarikat model AI global masih berada dalam fasa pengenalan tinggi—OpenAI, Anthropic, Google, Meta, xAI, Mistral, ditambah dengan Baidu, Alibaba, dan Tencent dari China, DeepSeek , Bulan Sisi Gelap, Zhipu, ByteDance, dan banyak lagi perusahaan rintisan yang fokus pada skenario tertentu. Pelaku baru terus bermunculan dengan ciri eksperimen yang sangat padat.

Di sisi lain, ketidaksamaan kemampuan di kalangan syarikat terkemuka telah secara perlahan membesar—kekuatan pengiraan (siapa yang mampu menanggung kos latihan berskala besar), pengagihan (siapa yang menguasai akses masuk), pelanggan perniagaan (siapa yang telah mengumpulkan kepercayaan industri), dan kelajuan pembelajaran organisasi (siapa yang lebih pantas menukar setiap kemajuan teknologi menjadi produk dan kemampuan perniagaan). Inilah medan di mana "penggandaan perbezaan kemampuan" sedang berlaku secara perlahan—kesenjangan yang kita lihat hari ini antara pemimpin dan bukan pemimpin banyak merupakan hasil "penggandaan" selama 3-4 tahun lalu.

Dari sudut pandang Klepper, industri model AI besar berada dalam keadaan "fase masuk tinggi, tetapi perbezaan kemampuan telah bermula"—setara dengan industri automobil pada tahun 1900-1910, di mana bilangan syarikat masih meningkat menuju puncaknya, tetapi beberapa pemain telah mulai secara diam-diam menjauhkan diri.

3.3 Ujian Ketat Reka Bentuk Utama: Lima Faktor Pendorong

Sebelum ini, berdasarkan Utterback + Klepper, telah menunjukkan satu kesimpulan: model AI berskala besar dan aplikasinya berada dalam fasa peralihan akhir. Kesimpulan ini patut diperiksa semula dengan ujian yang boleh diverifikasi—penulis menggabungkan kajian dan perbincangan daripada ahli-ahli seperti Utterback, Suárez, Christensen, dan lain-lain, serta menghimpunkan lima faktor yang mempercepatkan reka bentuk utama. Secara sejarah, penubuhan reka bentuk utama biasanya memerlukan sekurang-kurangnya 3-4 daripada faktor-faktor ini berlaku serentak:

• Faktor satu: Kebolehjadian teknikal — suatu reka bentuk menunjukkan kecenderungan jelas dalam prestasi komprehensif dan kebolehjadian kejuruteraan, dengan industri secara praktikal berpusat ke arah ini, menjadi "penyelesaian yang diakui" dalam lintasan teknikal

• Faktor dua: Kematangan aset pelengkap – rantai pasokan, standard, alat, sistem latihan, dan ekosistem pembangun yang menyokong telah dibina mengelilingi rekaan ini, membentuk penguncian ekosistem

• Faktor ketiga: Pencapaian ekonomi skala — penghantaran berskala besar untuk rekaan ini membentuk roda positif "penurunan kos + ekonomi unit positif + model perniagaan berjalan", memulakan kitaran perbelanjaan–hasil–perbelanjaan semula

• Faktor 4: Dorongan daripada pengeluar utama – beberapa syarikat berpengaruh di pasaran memilih dan mempromosikan reka bentuk ini, menetapkan piawaian sebenar melalui pangsa pasaran dan kekuatan ekosistem.

• Faktor lima: Campur tangan kerajaan/pengawas — memaksa atau membimbing keseragaman melalui undang-undang standardisasi, sistem sijil, dan kerangka pengawasan

Ford Model T menjadi reka bentuk kereta yang dominan pada tahun 1908 kerana lima faktor ini memenuhi hampir serentak: kelayakan teknikal (enjin pembakaran dalam + kombinasi enjin depan yang paling optimum), aset pelengkap (stesen minyak, rangkaian servis) yang segera mengikuti, ekonomi skala (jalur pengeluaran mengurangkan kos), pengeluar dominan (Ford pernah memiliki lebih separuh pasaran), dan peraturan kerajaan (piawai jalan raya, sistem lesen memandu).

Gunakan lima faktor ini untuk menguji status semasa model AI besar dan aplikasinya; hanya satu bahagian yang memenuhi syarat, manakala empat lagi masih jauh daripada tercapai—ini adalah dasar spesifik yang digunakan dalam artikel ini untuk menyimpulkan bahawa "model AI besar dan aplikasinya masih berada dalam fasa peralihan akhir"—bukan berdasarkan perasaan, tetapi berdasarkan pemeriksaan satu per satu.

Dengan kata lain, tahap yang ditetapkan oleh reka bentuk utama, iaitu "sekurang-kurangnya 3-4 faktor perlu ada secara serentak", masih jauh daripada dicapai oleh AI.

3.4 Penilaian Fasa Komprehensif: "Zon Diferensiasi" yang bergerak dari Fasa Pergerakan Akhir ke Fasa Permulaan

Berdasarkan analisis menyeluruh dan ujian lima faktor, kesimpulan menyeluruh boleh diberikan: Model AI besar dan aplikasinya kini berada dalam fasa akhir likuiditi dan telah bermula bergerak ke fasa awal peralihan—istilah yang digunakan oleh penulis: "zona pemisahan".

Makna inti "zona diferensiasi" boleh diringkaskan sebagai: pengelompokan produk masih terbuka, diferensiasi kemampuan telah bermula

"Bahagian pemisahan" bukan satu peringkat baru yang berdiri sendiri, ia menggambarkan kawasan peralihan di antara fasa aliran dan fasa peralihan dalam teori tiga peringkat Utterback, dan ia juga tidak meramalkan bahawa AI pasti akan melalui seluruh fasa peralihan hingga mencapai fasa khusus. Sebagai konsep deskriptif, ia menangkap struktur dua sisi yang secara objektif wujud semasa ini:

Satu sisi: Dari segi produk, arsitektur, bentuk, dan dimensi persaingan masih terbuka—berbagai jalur berjalan serentak, reka bentuk utama belum muncul, masih berada dalam fasa peralihan yang belum berakhir.

Di sisi lain: Dari sudut perusahaan, perbezaan kemampuan antara pemimpin dan bukan pemimpin telah bermula—jurang dalam kekuatan pengiraan, pengagihan, pelanggan perusahaan, dan kelajuan pembelajaran organisasi sedang secara perlahan membesar, yang merupakan sebahagian daripada fasa peralihan awal yang telah bermula.

Dua sisi yang bertindih pada masa yang sama membentuk "zona divergensi". Ini bukan kekacauan, kerana corak yang kelihatan dan ketidaksimetrian yang terkumpul sudah wujud; bukan juga sudah pasti, kerana kriteria yang menentukan siapa yang akan akhirnya menang belum mengeras. Dengan satu kalimat: di luar kelihatan seperti kemakmuran, perbezaan kemampuan yang terkumpul sudah bermula.

Yang patut dimasukkan secara lanjut ialah tiga pemerhatian orisinal yang dikemukakan oleh Profesor Karim Lakhani dalam artikel panjangnya pada Mac 2026, berdasarkan kerangka analisis yang sama—ia boleh dianggap sebagai penyempurnaan lebih lanjut terhadap mekanisme di dalam "zona perbezaan".

Pemerhatian Lakhani: Keterbukaan arsitektur × persaingan asimetris boleh wujud serentak—keterbukaan pada aras arsitektur dan diferensiasi pada aras perusahaan boleh hidup berdampingan. Lakhani memberikan nama yang tepat kepada keadaan ini: "Pemfermentan Terstruktur (Structured Ferment)", yang merujuk kepada fenomena yang sama dengan "zona diferensiasi" dalam artikel ini—hanya sahaja artikel ini lebih menekankan dinamik "diferensiasi kemampuan", manakala Lakhani lebih menekankan perasaan kepelbagaian laluan dalam "pemfermentan".

Pemerhatian Lakhani 2: Hipotesis Pengelasan Pusat—Struktur industri AI masa depan mungkin tidak akan bercantum kepada "satu pemenang menguasai seluruhnya", tetapi sebaliknya, setiap lapisan dalam tatanan teknologi akan menghasilkan beberapa pemimpin utama: lapisan model terkini, lapisan integrasi perusahaan, lapisan ekosistem terbuka, dan lapisan pelengkap khusus (awan, cip, rantai alat, keselamatan) masing-masing membentuk pemimpin utama.

Pemerhatian Lakhani ketiga: Penyusunan model berbilang adalah model industri baharu—tugasan sebenar sedang dipecahkan menjadi satu rantai: perancangan, pencarian, draf, pengkodean, pemeriksaan, pemformatan, penghantaran—model yang berbeza mempunyai kekuatan masing-masing di setiap peringkat rantai ini. Yang benar-benar menentukan kemenangan, mungkin bukan "model mana yang paling kuat", tetapi "siapa yang dapat memanggil kecerdasan yang tepat pada masa yang tepat untuk tugas yang tepat".

3.5 Ciri-ciri khusus pada peringkat semasa

Berdasarkan analisis di atas, ciri-ciri khusus fasa "zona perbezaan" semasa boleh diringkaskan seperti berikut:

Jadi, jika model AI besar dan aplikasinya berada di "zona diferensiasi" (beralih dari fasa akhir likuiditi ke fasa awal), mengikut pola evolusi industri yang biasa, bagaimanakah ritme masa depan apabila reka bentuk utama ditetapkan dan penyesuaian mendalam mula nampak?

Ini adalah soal yang sangat penting bagi pemimpin perusahaan. Kerana rasa masa secara langsung menentukan tempoh tindakan—jika tingkap masa selama 20 tahun, boleh dirancang dengan tenang; jika tingkap masa hanya 3-5 tahun, banyak tindakan mesti segera dimulakan.

Satu kesimpulan yang sangat alami ialah merujuk kepada data sejarah Utterback dan Klepper: industri automobil mengambil kira 15-20 tahun untuk berpindah dari fasa aliran ke pengesahan reka bentuk utama, dan 50-60 tahun dari puncak kepada penggabungan mendalam—jika AI mengikuti skala masa yang sama, kelihatan kita masih mempunyai masa yang panjang lagi.

Tetapi ada satu soalan yang sangat penting di sini—dua alat Utterback dan Klepper berdasarkan data pembuatan. Skala masa evolusi industri pembuatan, adakah ia boleh terus digunakan dalam era digital/AI? Jika tidak, apakah skala masa yang sebenar? Ini adalah soalan yang akan dijawab seterusnya.

Perbezaan struktural antara era pembuatan dan era digital—serta mengapa ia mempercepat

Pertumbuhan industri pembuatan secara alami perlahan kerana ia mempunyai beberapa ciri sepunya:

• Produk fizikal memerlukan pabrik, rantai bekalan, dan saluran—terdapat batasan fizikal dalam pengembangan

Pembinaan ekonomi skala memerlukan modal dan masa yang besar—pembinaan pabrik dan penubuhan rantaian bekalan adalah tindakan jangka panjang

• Penerimaan pengguna terhadap batasan kecepatan penghantaran fizikal—sebuah kereta memerlukan beberapa minggu hingga beberapa bulan dari penghasilan hingga sampai ke tangan pengguna

• Evolusi teknik terhadap ritme pengulangan proses, bahan, dan peralatan penghasilan—setiap peningkatan generasi memerlukan pembinaan semula lini pengeluaran

Oleh kerana ciri-ciri ini, tempoh kepadatan dalam industri automotif adalah sekitar 20 tahun, dan dari reka bentuk utama hingga pengintegrasian mendalam pula berlaku selama beberapa dekad. Skala masa ini bukanlah "hukum universal" dalam evolusi industri, tetapi hasil daripada sekatan fizikal dan modal yang khas kepada pembuatan.

Apabila sekatan-sekatan ini dipecahkan secara digital, keempat-empat ciri sedang mengalami perubahan mendasar, dan skala masa evolusi industri secara langsung dipendekkan:

• Distribusi hampir tanpa kos marginal—sebuah aplikasi boleh menjangkau seluruh dunia dalam beberapa bulan, ChatGPT mencapai 100 juta pengguna hanya dalam tempoh kira-kira 2 bulan, menjadikannya salah satu produk peringkat pengguna paling pantas diadopsi dalam sejarah.

• Ekonomi skala telah digantikan oleh efek rangkaian dan roda data—ekonomi skala dalam pengeluaran bergantung pada pabrik yang terakumulasi selama bertahun-tahun, manakala efek skala dalam industri digital boleh membina putaran automatik pertumbuhan eksponen dalam masa 1-2 tahun.

• Penerapan pengguna dibatasi oleh bandwidth dan peranti akhir, bukan pengagihan fizikal—dari "berminggu-minggu hingga berbulan-bulan" berkurang kepada "muat turun dalam beberapa minit dan guna segera".

• Evolusi teknologi dibatasi oleh bakat dan kekuatan komputasi, bukan proses dan peralatan — perusahaan terkemuka mengumpulkan modal, kekuatan komputasi, dan bakat dalam jumlah besar dalam masa yang sangat singkat (pada tahun 2026, lima perusahaan teknologi terbesar di Amerika Serikat berkomitmen untuk menginvestasikan total sebesar US$700 miliar dalam infrastruktur AI), kecepatan akumulasi modal ini tidak terbayangkan pada era manufaktur.

Di luar empat perubahan mendasar ini, era digital juga menambah dua faktor pempercepat:

• Pemercepatan gelung umpan balik—produk digital boleh menjalani ujian A/B secara masa nyata, umpan balik berkurang dari "tahun" kepada "hari atau bahkan jam", "kelajuan pembelajaran" meningkat, dan masa pelbagai kemampuan dipendekkan secara besar-besaran

• Persaingan serentak global — industri digital telah menjadi pasaran global sejak awal, dengan lebih banyak pemain, persaingan yang lebih pantas, dan perubahan yang lebih tajam.

Masalah utama: Perbezaan-perbezaan ini mengompreskan skala masa di era digital berbanding era pengeluaran sebanyak berapa kali ganda?

Perbandingan laju evolusi enam industri era nombor

Kita lihat beberapa industri digital yang telah selesai berubah dari fasa peralihan ke fasa transisi:

Telefon pintar (2007–2012) —— iPhone dilancarkan pada 2007, Android menyusul pada 2008, pola dominasi ganda iOS + Android jelas pada sekitar 2010, dan Nokia, BlackBerry, Windows Phone hampir keluar daripada pasaran utama pada sekitar 2013. Dari fasa peralihan ke fasa transisi yang stabil: kira-kira 5 tahun.

Sosial media (2004-2012) —— Facebook dilancarkan pada 2004, antara 2004-2008 terdapat persaingan daripada pelbagai platform (MySpace, Facebook), pada sekitar 2010 kedudukan dominan global Facebook ditetapkan. Dari peringkat peralihan ke peringkat penentuan: kira-kira 6-8 tahun.

Peranti pelayar web (1994-2000) —— Netscape dilancarkan pada 1994, perang pelayar berlaku antara 1995-1998 (Netscape vs IE), dan IE menguasai pasaran pada 1999-2000. Dari fasa peralihan ke fasa penentuan: kira-kira 5-6 tahun.

Komputan awan IaaS (2006-2015) —— AWS dilancarkan pada 2006, pelbagai pemain bersaing pada 2010-2013, dan struktur tiga pengeluar terkemuka jelas pada 2016-2018 (AWS, Azure, GCP). Dari peringkat peralihan ke peringkat penentuan: kira-kira 8-10 tahun.

Kereta elektrik (2010–?) — Dipimpin oleh Tesla pada sekitar tahun 2010, munculnya banyak pemain baru antara 2015–2020, dan struktur pemimpin utama mulai terbentuk sekitar 2025 tetapi masih dalam fasa peralihan. Dijangka akan stabil: kira-kira 12–15 tahun (melibatkan pembuatan fizikal, sedikit lebih perlahan daripada industri digital tulen—ini juga mengingatkan kita bahawa bahagian AI yang melibatkan bentuk fizikal, seperti badan mekanikal/gerabak untuk kecerdasan badani, akan jauh lebih perlahan daripada bahagian tulen digital).

Penilaian kuantitatif dengan pemampatan skala masa

Bagaimana mendapatkan gandaan pemampatan yang boleh digunakan daripada data tempoh lima industri tersebut? Penulis telah mereka satu kaedah penarikan logik.

Langkah pertama · Pilih industri rujukan

Industri asas perlu memenuhi tiga syarat:

Struktur lengkap: Melalui keseluruhan proses fasa aliran → fasa peralihan → fasa khusus

Data verifiable: Enterprise entry and exit, dominant design established, deep integration with verifiable historical data

Masa yang mencukupi panjang: menyediakan skala masa asli yang tidak dipadatkan.

Data industri automobil Amerika 1895-1966 yang dilacak oleh sistem Klepper memenuhi ketiga-tiga perkara ini.

Namun, perlu ditanya lagi: siklus masa industri di dalam sektor pembuatan sendiri tidak seragam (TV T1 kira-kira 6-8 tahun, kereta T1 kira-kira 15-20 tahun, kedua-duanya hampir mempunyai perbezaan 2 kali ganda), mengapa kereta dijadikan sebagai piawai perwakilan bagi "zaman pembuatan"?

Ini boleh dikaji melalui kerangka analisis 5.1 — enam faktor struktural (peredaran fizikal, ekonomi skala, pengambilan pengguna, evolusi teknologi, kitaran umpan balik, persaingan global) yang tidak hanya menerangkan perbezaan antara "manufaktur vs digital", tetapi juga perbezaan di dalam "manufaktur itu sendiri". Televisyen (permulaan 1946) bergerak 2-3 kali lebih pantas berbanding kereta (permulaan 1895) kerana televisyen mewarisi aset yang telah dikumpulkan oleh industri sebelumnya (penyiaran) dalam keenam-enam faktor ini — rangkaian peredaran, proses pembuatan tiub elektronik, kesedaran pengguna, dan asas teknologi tidak perlu dibina dari awal.

Wawasan ini mengungkapkan pola yang lebih mendalam: pemampatan skala waktu bukanlah hasil lompatan sekali sahaja dari "industri pembuatan ke era digital", tetapi proses akselerasi berterusan yang dipengaruhi oleh banyak faktor dan berlaku selama beberapa generasi. Alasan utama memilih kereta sebagai tolok ukur bukan hanya tiga syarat permukaan—“struktur utuh + data boleh diperiksa + jangka masa panjang”—tetapi kereta merupakan kes paling utuh yang dibina dari sifar: keenam-enam faktor tersebut mesti dibina dari sifar, tanpa industri pendahulu yang boleh meneruskan, mewakili skala waktu asli yang belum dipercepat oleh akumulasi pendahulu. Dengan menggunakan kereta sebagai tolok ukur, gandaan pemampatan yang diperoleh boleh memberikan anggaran terbaik bagi "nilai maksimum akselerasi yang terkumpul dalam era digital".

Langkah Kedua · Bandingkan lima industri digital

Berdasarkan kereta T1 (15-20 tahun):

Langkah Ketiga · Klasifikasikan AI menggunakan kerangka enam faktor

Kembali kepada kerangka enam faktor—sejauh mana satu industri mengalami akselerasi akumulasi awal pada keenam faktor tersebut, secara langsung menentukan gandaan pemampatannya. Berdasarkan logik ini, lihat data dalam jadual:

Kereta elektrik: Kompresi minimum (1.3-1.5 kali), kerana ia masih memerlukan pembinaan berasingan tiga laluan: pembuatan fizikal, rangkaian bekalan, dan pengulangan peranti keras;

Industri tulen digital seperti pelayar web dan komputasi awan: dikurangkan 2-3 kali ganda, kerana mereka meneruskan akumulasi dari era PC dan awal internet;

Ekosistem aplikasi telefon pintar: Penyusutan paling besar (3-4 kali ganda), kerana ia muncul selepas infrastruktur digital yang sangat matang—hampir semua kekangan pendahulu dalam enam faktor telah diselesaikan.

Jadi, model AI berskala besar dan aplikasinya termasuk dalam kategori apa? Analisis penulis berpendapat:

Ia muncul di posisi paling akhir dalam era digital—komputasi awan, internet, peranti mudah alih, ekosistem pembangun, dan infrastruktur data semuanya telah sangat matang; sementara itu, AI sendiri membawa dua litar akselerasi diri yang belum pernah terjadi sebelumnya—efek rangkaian dan roda data (semakin banyak digunakan → semakin banyak data → model semakin kuat → lebih ramai yang menggunakannya).

Mengikut kerangka enam faktor, gandaan pemampatan AI sepatutnya berada antara 3 hingga 5 kali: had bawah 3 kali merujuk kepada industri "akselerasi akhir" yang telah disahkan dalam jadual (seperti peramban dan ekosistem aplikasi telefon pintar); had atas 5 kali adalah anggaran ekstrapolasi yang mempertimbangkan dua litar auto-akselerasi unik AI—ini tidak pernah berlaku sebelum ini dan merupakan anggaran yang munasabah tetapi masih perlu diuji.

Ringkasan Silang Generasi dan Anggaran Komprehensif

Menggabungkan analisis di atas, kita boleh menyimpulkan satu gambaran keseluruhan perbandingan antar generasi:

Perkiraan komprehensif: Dari era pengeluaran ke era digital, skala masa evolusi industri telah dikurangkan sebanyak 3-5 kali; perkiraan ganda pengurangan sebenar bagi model AI besar dan aplikasinya berada di bahagian tengah hingga atas julat ini.

[Pernyataan kejujuran yang diperlukan]: Sampel perbandingan di atas hanya merangkumi industri digital yang telah menyelesaikan penentuan reka bentuk utama, dan tidak merangkumi industri yang masih belum stabil seperti VR/AR, metaverse, serta aplikasi Web3/blockchain—semuanya jauh melebihi anggaran pemampatan 3-5 kali ganda dan masih berada dalam fasa peralihan. Dengan kata lain, "pemampatan 3-5 kali ganda" mengandaikan bahawa AI akan mengikuti "jalan yang telah stabil dalam industri digital". Jika prasyarat jalan ini berubah, maka anggaran pemampatan 3-5 kali ganda perlu disesuaikan secara berkaitan.

Selepas mengira bahawa skala masa telah dikompresikan sebanyak 3-5 kali, kita boleh menganalisis koordinat masa spesifik untuk model AI besar dan aplikasinya. Ini bukan ramalan tepat, tetapi anggaran masuk akal berdasarkan perbandingan sejarah. Selain itu, pra-syarat untuk membuat anggaran ini ialah: model AI besar akan mengikuti trajektori A (membentuk reka bentuk dominan), bukan trajektori B (pembelahan kepelbagaian abadi).

Penilaian komprehensif penulis adalah: kemungkinan model AI besar mengikuti trajektori A jauh lebih tinggi daripada mengikuti trajektori B—tetapi bentuknya bukan "satu kereta T tunggal", melainkan "reka bentuk berlapis berdasarkan stak protokol bertingkat".

Selain bahagian 2.1.1 sebelum ini yang membuktikan perkara ini dari sudut "keperluan ekonomi operasi industri + stak protokol berlapis internet", tiga isyarat semasa yang boleh diperhatikan berikut juga menyokong penilaian ini dengan kuat:

• Kit alat teknikal telah mencapai konsensus permukaan—arsitektur Transformer, pra-pelatihan + pasca-pelatihan (SFT + RLHF/DPO), integrasi multimodal, dan pemanggilan alat/agentisasi, hampir semuanya diadopsi oleh semua model terkemuka. Ini adalah keadaan biasa sebelum era dominan dalam sejarah perancangan.

• Reka bentuk dominan sub-lapisan telah muncul secara berasingan—lapisan agen pemrograman telah berkonvergen kepada model Claude Code / Cursor / Copilot / Windsurf; produk asli multimodal berkonvergen kepada pendekatan "model penyebaran + kelestarian jangka panjang"; dalam lapisan Copilot perusahaan, Microsoft 365 Copilot telah menjadi piawaian de facto. Tidak perlu keseluruhan "AI" berkonvergen serentak, sub-lapisan sedang membentuk reka bentuk dominan kecil secara berasingan.

• Reka bentuk utama lapisan protokol telah muncul—MCP (diperkenalkan oleh Anthropic pada akhir 2024, dan secara berperingkat diintegrasikan oleh OpenAI / Google / Microsoft pada 2026), rangkaian A2A—reka bentuk utama lapisan protokol biasanya lebih tahan lama berbanding lapisan produk (seperti TCP/IP yang lebih tahan lama berbanding mana-mana pelayar)

[Pernyataan jujur yang diperlukan]: Apabila dua isyarat songsang berlaku, koordinat masa dalam artikel ini perlu disemula semula:

Isyarat songsang satu: Formula "semakin besar, semakin kuat" mungkin menjadi tidak berkesan. Dalam lima tahun terakhir, kemampuan AI telah didorong terutama oleh formula kasar ini: "model yang lebih besar + data yang lebih banyak + kuasa pengiraan yang lebih kuat" (Hukum Penskalaan). Jika formula ini mencapai penghujungnya pada 2027-2028 dan tiada alternatif jangka pendek yang kuat—industri akan terpaksa menguji jalan yang sama sekali berbeza seperti model dunia, Mamba, dan arsitektur asli Agen, dan "konvergensi teknologi" yang dilihat semasa ini mungkin runtuh.

Isyarat songsang dua: Berubah daripada "banyak faksi berjalan serentak" kepada "reka bentuk utama masing-masing faksi". Keadaan semasa dengan banyak faksi berjalan serentak sendiri merupakan tanda normal "perbezaan kemampuan"—risiko sebenar ialah apabila perbezaan ini mendalam sehingga "tidak lagi saling berhubung". Terdapat dua kekuatan yang menunjuk ke arah ini: pertama, "otak" kecerdasan berbadan (secara akademik dipanggil model VLA)—kerana perlu mengesan dan memproses maklum balas fizikal secara masa nyata, arsitektur asas mungkin berkembang mengikut lintasan yang sama sekali berbeza daripada model chat besar; kedua, dua faksi China dan AS terus memperlebar jarak dalam hal arsitektur, protokol, ekosistem, dan pengawasan. Jika berubah daripada "reka bentuk utama yang seragam" kepada "beberapa reka bentuk utama masing-masing faksi", koordinat masa mungkin berubah.

Tiga garis masa utama (skenario)

Sambungkan analisis sebelumnya, jika titik permulaan industrialisasi model besar AI diletakkan pada pelancaran GPT-3 pada tahun 2020 (ini adalah titik masa yang diiktiraf secara meluas oleh industri: arsitektur Transformer telah matang, pertama kali menunjukkan kemampuan muncul, dan pertama kali membentuk API komersial perusahaan), dengan titik asal ini sebagai permulaan, penulis telah menghasilkan peta masa keseluruhan dari tahun 2020 hingga 2035, yang dibahagikan kepada empat peringkat:

Kembangkan secara terperinci mengikut gambaran keseluruhan; bagi pengambil keputusan perniagaan, terdapat tiga garis masa utama yang perlu dianalisis dan diperhatikan lebih lanjut (lingkungan analisis: model AI berskala besar dan aplikasinya; bahagian yang melibatkan bentuk fizikal berasingan atau logik industri berasingan perlu dinilai mengikut kelajuan evolusi masing-masing).

Garis masa satu: Reka bentuk utama muncul — muncul bertingkat, dijangka 2026-2032 dibuka mengikut peringkat

Tahap konvergensi antara sub-lapisan yang berbeza tidak selari dan sangat berbeza. Berdasarkan isyarat yang boleh diperhatikan semasa ini, satu anggaran berperingkat (bukan jadual tepat) boleh dibuat:

• Muncul lebih awal (sekitar 2026-2028) —— lapisan protokol (MCP / A2A / spesifikasi panggilan API) dan lapisan agen pemrograman. Kos pengulangan lapisan protokol relatif rendah, konsensus antara pembuat berbeza terbentuk dengan cepat, dan telah menunjukkan bentuk awal piawaian sebenar; lapisan agen pemrograman telah menunjukkan konvergensi bentuk produk yang jelas (Claude Code / Cursor / Copilot / Windsurf / Tongyi Lingma dsb.

• Muncul jangka menengah (sekitar 2027-2029) —— garis utama bentuk produk terdiri dari tiga lapisan: asisten perbualan universal, produk asli multimodal (model penyebaran + jalan pemulihan jangka panjang), dan pembantu tersendiri yang tertanam (bentuk yang ditujukan untuk alur kerja perusahaan). Tiga lapisan ini telah menunjukkan sinyal konsentrasi yang jelas, dengan penetrasi produk terkemuka di kalangan pelanggan yang meningkat pesat; namun, bentuk lengkapnya masih memerlukan 2-3 tahun lagi.

• Muncul lebih lewat (sekitar 2028-2030) —— lapisan workstation Agent pejabat/meja (diwakili oleh WorkBuddy, Coze, Bailian, dsb.). Didorong terutama oleh ikatan ekosistem, mengejar pantas melalui titik masuk, rantai kerja kolaboratif, dan posisi ekosistem; namun pelaksanaan produksi perusahaan masih berada di awal peralihan dari "peningkatan efisiensi peribadi" ke "peningkatan efisiensi organisasi", dengan perkiraan pematangan penuh pada sekitar 2028-2030.

• Paling lewat muncul (2030–2032 dan seterusnya) —— lapisan Agen autonomi aman (jenis Manus, Operator), paradigma kerjasama pelbagai Agen, inovasi mendasar pada lapisan arkaitektur, lapisan "otak" kecerdasan berbadan (model VLA). Agen autonomi aman dan kerjasama pelbagai Agen menghadapi masalah mendalam seperti kebolehpercayaan, struktur kos, sempadan tanggungjawab, dan protokol lintas domain; kecepatan pengumpulan jelas lebih perlahan berbanding lapisan digital semata-mata. Lapisan arkaitektur semasa menunjukkan "pengumpulan permukaan alat" (Transformer + MoE + latihan selepas + arkaitektur ingatan); inovasi mendasar sebenar dijangka baru muncul selepas 2030.

[Pernyataan jujur yang diperlukan]: Klasifikasi di atas hanyalah anggaran yang masuk akal berdasarkan isyarat semasa—memberikan rasa masa, bukan jadual. Sebelum tahun 2030, arsitektur, bentuk, dan dimensi persaingan masih sedang berkembang; selepas tahun 2030, peraturan permainan mungkin bermula "berlapis" semula.

Jalur masa dua: Tetingkap ditutup — Dijangka 2026–2030 (lapisan model terdepan ditutup terlebih dahulu)

Pemerhatian utama Klepper ialah "tingkap masuk tertutup lebih awal daripada isyarat penyesuaian" — kadar masuk industri automotif menurun pada tahun 1910 berbanding penyesuaian yang muncul pada tahun 1920-1960, tertinggal 10-15 tahun. Dengan kompresi 3-5 kali ganda dalam era digital, jurang ini sepadan dikompres kepada 2-5 tahun — jadi tingkap masuk tertutup kira-kira 2-5 tahun sebelum penyesuaian mendalam, iaitu 2026-2030.

Namun, perlu dilihat secara bertingkat mengenai peringkat-peringkat penutupan yang berbeza:

• Lapisan model terkini: Paling awal ditutup, sebagai pemain baru murni yang memasuki lapisan model terkini, akan menjadi sangat sukar selepas 2027–2028—kekuatan pengiraan, bakat, dan kepercayaan perusahaan telah mendekati penghujungnya; pada 2026 dapat diperhatikan bahawa modal ventura global untuk lapisan model terkini sedang beralih kepada beberapa pihak sahaja.

• Lapisan protokol dan lapisan alat: Ditutup lebih awal; apabila spesifikasi protokol seperti MCP/A2A menjadi dominan, peserta yang masuk kemudian perlu menyambung ke ekosistem, bukan memulakan dari awal.

• Tahap aplikasi dan bentuk produk: Relatif longgar; jendela untuk tahap agen pemrograman sedang mempercepat penutupan akibat integrasi komersial pantas produk terkemuka; namun, masih terdapat ruang masuk yang cukup luas untuk produk asli multimodal, agen pejabat/桌面, dan sebagainya di tahap aplikasi, dengan peluang masih ada pada 2028-2032.

• Lapisan integrasi industri vertikal: Terbuka secara jangka panjang, jendela integrasi AI dengan industri vertikal seperti kesihatan / undang-undang / pendidikan, mungkin berterusan hingga selepas 2035

Makna utama: Kedudukan strategik yang berbeza membawa tahap kegentingan yang berbeza untuk masuk ke jendela peluang — jendela untuk menumpukan pada lapisan model terkini paling singkat, manakala jendela untuk lapisan aplikasi dan integrasi tegak relatif lebih panjang.

Garis masa tiga: Pencampuran mendalam bermula • Dijangka 2030–2035 (berlaku terutama pada lapisan model terkini)

Mekanisme komposit kemampuan Klepper beroperasi lebih pantas di era digital—8-10 tahun mungkin mencapai kesan komposit selama 30 tahun di era perindustrian. Kesenjangan kemampuan antara perusahaan akan diperbesar secara eksponen hingga tahap tak boleh balik dalam jendela masa ini.

Namun, kekuatan pengacakan mendalam juga dibezakan mengikut lapisan:

• Lapisan model terkini mengalami pengacakan paling mendalam: kemampuan kompleks, halangan modal komputasi, dan kepercayaan perusahaan yang terkonsentrasi—mungkin akan menyusut menjadi beberapa pemain utama saja

• Penyusunan semula pada peringkat aplikasi dan peringkat bentuk produk lebih ringan: setiap peringkat mungkin mengekalkan beberapa pemain utama, dengan long tail yang lebih banyak

• Pengacakan pada lapisan protokol hampir tidak berlaku: sekali stabil, piawaian tetaplah piawaian

• Penyusunan semula lapisan integrasi industri vertikal yang dikaitkan dengan logik industri tradisional: AI hanyalah salah satu pemboleh ubah; tempo penyusunan semula industri itu sendiri akan menjadi penentu utama

Kesegeraan jendela masuk perusahaan

Lihat ketiga-tiga garis masa ini bersama-sama, satu kesimpulan utama:

Kebanyakan syarikat yang menetapkan model AI berskala besar dan aplikasinya sebagai fokus strategik mungkin hanya mempunyai masa 2-4 tahun untuk menyesuaikan strategi mereka—untuk membina kedudukan sendiri sebelum pemerintahan reka bentuk (terutamanya pada tahap bentuk produk) muncul pada tahun 2030, keputusan arah dan pilihan masuk perlu diselesaikan sebelum tahun 2028; sebaliknya, tahun 2026-2027 adalah dua tahun yang paling kritikal.

Namun, garis masa ini berasaskan satu prasyarat: ekonomi skala dan model perniagaan akan melalui lompatan penting sebelum 2027-2030. Namun, pengesahan songsang pada Bahagian Ketujuh akan menunjukkan bahawa "ekonomi skala dan model perniagaan masih belum terbentuk" adalah salah satu pemerhatian paling tepat pada tahun 2026. Jika masalah model perniagaan berterusan dan tidak terpecah selepas 2028, tingkap munculnya reka bentuk utama mungkin tertunda selama 2-3 tahun—dengan kata lain, koordinat masa di atas bergantung kepada dua prasyarat: "AI mengikuti trajektori A + ekonomi skala melalui lompatan dalam 3-4 tahun", dan jika mana-mana satu berubah, koordinat masa perlu disemak semula.

Untuk bahagian yang melibatkan bentuk fizikal bebas atau logik industri bebas (peranti keras kecerdasan berbadan, AI + industri tegak, dsb.), jadual mestilah disesuaikan mengikut tempoh masing-masing—tetapi hukum asas bahawa "perbezaan kadar penggabungan kemampuan diperbesarkan secara eksponen" berlaku untuk semua lapisan.

Ini adalah "skala masa evolusi industri AI"—memberikan rasa masa yang terstruktur, bersyarat, dan tepat berdasarkan kerangka analisis.

Analisis yang teliti harus mampu melewati ujian data terkini. Gunakan tren yang dapat diamati dalam industri AI tahun 2026 untuk melakukan verifikasi balik terhadap penilaian sebelumnya mengenai "zona diferensiasi"—pilih enam sinyal yang paling mewakili.

Pengesahan 1: Arsitektur masih terbuka pada peringkat struktur

Pembangunan arsitektur pada tahun 2026 masih berjalan secara serentak: di bawah dominasi Transformer, Mixed Experts (MoE) dalam Gemini 3.1 Pro, DeepSeek Digunakan secara menyeluruh dalam model seperti V4; pengiraan inferens menjadi dimensi persaingan utama dalam versi baru seperti GPT dan Claude; model ruang keadaan (keluarga Mamba) dan arsitektur asli Agent terus mengalami eksplorasi baru pada 2025–2026; arah model dunia terus didorong oleh akademik terkemuka seperti Fei-Fei Li dan Yann LeCun. Jendela konteks terus bergerak cepat dari puluhan ribu hingga jutaan token; pengurangan keuntungan marjinal Hukum Scaling mulai dibincangkan secara terbuka pada 2026—semua ini menunjukkan bahawa laluan teknologi masih sedang ditinjau semula.

Kesimpulan: Secara arsitektur, ia masih berada dalam fasa peralihan. Faktor kelayakan teknikal dalam reka bentuk utama belum dipenuhi—ini merupakan bukti langsung bahawa "dimensi produk masih terbuka" dalam "zona perbezaan".

Pengesahan 2: Di peringkat perusahaan, pemisahan memang telah berlaku—tetapi coraknya adalah beberapa kubu berjalan serentak

Struktur sebenar lapisan model terkini pada tahun 2026 adalah struktur berbilang kubu yang berjalan serentak, tanpa pemimpin mutlak:

• Kumpulan terkemuka Amerika Syarikat: OpenAI, Anthropic, Google sebagai utama, diikuti oleh Meta (siri Llama), xAI, dsb.

• Blok jalan terbuka China: DeepSeek 、Qwen、 Kimi , Zhipu, Doubao , Hunkun, dan lain-lain, membentuk daya saing tersendiri dalam dimensi seperti kos, sumber terbuka, pelbagai bahasa, dan skenario tegak

• Eropah/ blok lain: Mistral mempunyai tempat dalam ekosistem sumber terbuka

Sementara itu, isyarat diferensiasi yang dapat diperhatikan sangat jelas—bahagian trafik pengguna ChatGPT telah menurun secara ketara daripada kedudukan dominan sebelumnya, penggunaan Gemini meningkat beberapa kali ganda dalam tempoh tahunan, dan Anthropic mencapai pertumbuhan pesat dalam skenario perniagaan dan pembangun, dengan ARR telah memasuki tahap ratusan bilion dolar, serta pendapatan kuartalan mencapai skala puluhan bilion dolar.

Kesimpulan: Ini sepenuhnya sejalan dengan penilaian "zona diferensiasi"—dalam dimensi produk, masih terdapat lanskap terbuka dengan beberapa kubu yang berjalan serentak (arsitektur belum ditentukan, rute belum ditentukan), tetapi dalam dimensi perusahaan, perbezaan kemampuan antara pemimpin dan bukan pemimpin telah jelas membesar. Perlu diperhatikan bahawa "diferensiasi kemampuan" tidak bermaksud "hanya beberapa pihak yang menang"—ia mungkin bererti "beberapa kubu masing-masing menarik jarak."

Pengesahan 3: Struktur industri sedang berubah ke arah "pengumpulan bertingkat + pengaturan pelbagai model"

Lakhani meramalkan "pengumpulan bertingkat" dan "pengaturan model pelbagai", yang mendapat pengesahan nyata yang kuat pada tahun 2026:

• Lapisan model terkini: Beberapa pengeluar terkemuka dan beberapa kumpulan menempati posisi secara serentak (lihat 7.2)

• Lapisan integrasi perusahaan: Microsoft (+OpenAI), Google Workspace AI, Salesforce Einstein masing-masing menempatkan strategi

• Lapisan ekosistem terbuka: DeepSeek (penalaran berkos rendah), Llama, Mistral masing-masing diikat

• Lapisan khusus pengisian: NVIDIA (GPU), AMD/Intel, Cerebras/Groq (cip arsitektur baru) masing-masing menempati posisi—ambang masuk lapisan ini sedang didorong hingga batasnya oleh akumulasi modal yang dijelaskan dalam Bahagian 5.1

Sementara itu, penyusunan model pelbagai telah berubah dari "modus emergen" kepada penggunaan utama—pengguna tidak lagi bertanya "model mana yang paling kuat", tetapi "model mana yang paling kuat dalam konteks tertentu": menggunakan Claude untuk penulisan dan pengaturcaraan, menggunakan Gemini untuk carian dan analisis, serta menggunakan ChatGPT untuk penghasilan imej dan perbualan umum, kini telah menjadi norma.

Kesimpulan: Hipotesis pengelompokan bertingkat dan pengaturan model ganda kedua-duanya berlaku—dan evolusi pengelompokan bertingkat berlaku lebih cepat daripada yang dijangka.

Pengesahan 4: Skala masa memang sedang dikompres secara ketara

Bukti utama kompresi skala masa datang dari empat lengkung: "kelajuan pengambilan, aliran modal, penurunan kos, iterasi kemampuan":

• Kadar pengambilan: ChatGPT mencapai 100 juta pengguna dalam tempoh kira-kira 2 bulan, menjadikannya salah satu produk pengguna penggunaan paling pantas dalam sejarah.

• Kelajuan aliran modal: Anthropic hanya memerlukan sekitar 4 tahun sejak penubuhan hingga ARR memasuki tahap puluhan miliar dolar—masa perindustrian memerlukan puluhan tahun

• Kadar penurunan kos: Harga Token model besar utama telah turun sebanyak dua peringkat dalam tempoh tiga tahun terakhir, dan harga inferens untuk model sumber terbuka terkemuka dan model berkos rendah kini berada dalam julat "sen per juta Token"

• Kelajuan iterasi kemampuan: Dari GPT-3 hingga siri GPT-5 dalam masa kurang daripada 6 tahun—dalam era pengilangan, iterasi satu generasi produk biasanya memerlukan 5-10 tahun

Kesimpulan: Kompresi skala masa tidak hanya berlaku, tetapi pada beberapa lengkung spesifik (pengambilan, kos, iterasi kemampuan), tahap kompresi sebenarnya boleh mencapai 5-10 kali. Namun, perlu diingat—kelajuan kompresi pada lengkung spesifik lebih pantas daripada kelajuan kompresi evolusi industri secara keseluruhan, kerana evolusi industri secara keseluruhan masih dipengaruhi oleh pemboleh ubah perlahan seperti pemodelan perniagaan yang berjaya, pengenalan peraturan, dan kematangan ekosistem, dan tetap berada di median 3-5 kali seperti yang dinilai di Bahagian 5.3. Dengan kata lain, "sisi isyarat" evolusi industri AI (lengkung) telah jelas dipercepat, manakala "sisi struktur" (penetapan reka bentuk utama) memerlukan tempoh pengendapan yang lebih panjang.

Pengesahan Lima: Ekonomi skala dan model perniagaan yang stabil masih belum terbentuk

Di antara lima faktor pendorong yang dirancang secara dominan, "pemunculan ekonomi skala" adalah salah satu syarat mutlak—hanya apabila kos penghantaran berskala suatu reka bentuk cukup rendah, model keuntungan stabil jelas, dan mampu membentuk roda positif "input-output-investasi semula", reka bentuk dominan baru boleh benar-benar menjadi tetap. Dengan mengukur standard ini terhadap model AI besar dan aplikasinya pada tahun 2026, akan ditemui bahawa ekonomi skala dan model perniagaan masih jauh daripada terbentuk:

• Kosong latihan dan inferens masih berubah secara drastik—harga Token telah turun sekitar dua peringkat dalam tiga tahun terakhir, dan harga inferens untuk model sumber terbuka terkemuka serta model berkos rendah telah memasuki kawasan "sen per juta Token"; lengkung kos masih bergerak pantas, jauh daripada dianggap "stabil"

• Syarikat terkemuka masih terus berinvestasi dalam skala besar—syarikat model terkini seperti OpenAI dan Anthropic secara umum berada dalam fasa investasi tinggi dan pembiayaan tinggi; ARR Anthropic walaupun telah memasuki tahap seratus bilion dolar, masih belum keluar dari fasa "investasi jauh melebihi hasil" berbanding penggunaan latihan dan kekuatan pengiraan

• Pulangan atas pelaburan AI untuk perusahaan lebih perlahan daripada jangkaan—banyak projek AI perusahaan masih berada dalam tahap POC atau uji coba, dan pengalihan AI kepada peningkatan produktiviti keseluruhan faktor serta pertumbuhan positif ROI/ROE masih dalam proses eksplorasi; menurut tinjauan industri 2025-2026 oleh McKinsey 'State of AI' dan MIT NANDA 'GenAI Divide', kebanyakan pelaburan AI perusahaan belum melihat pulangan kewangan positif yang jelas

• Model perniagaan yang stabil masih dalam pengujian—bayaran langganan, penagihan berdasarkan Token, bayaran berdasarkan hasil Agent, penyesuaian korporat, pembahagian API, sumber terbuka + perkhidmatan… Setiap model perniagaan mempunyai pemain perwakilan, tetapi belum ada yang berjaya mencapai "keuntungan berskala besar + pertumbuhan berkuasa ganda".

Kesimpulan: Roda positif "input-output-reinput" untuk model AI besar dan aplikasinya belum terbentuk—ini merupakan manifestasi langsung daripada faktor ekonomi skala yang tidak terpenuhi. Jika ekonomi skala dan model perniagaan masih belum stabil, maka ia pasti masih berada dalam zon pemisahan, kerana ia merupakan syarat awal sebelum beralih ke fasa pengkhususan.

Pengesahan 6: WAIC 2026 — "Semakin cemerlang seseorang, semakin besar perbezaan pendapat"

WAIC 2026 yang baru berakhir pada Julai 2026 memberikan bukti langsung dari sudut "manusia".

Empat isu terkini dalam pertemuan (kecerdasan fizikal, kecerdasan sains, asas kuasa pengiraan, dan pentadbiran agen) juga dipandang sebagai arah "perjalanan seterusnya"—keadaan tipikal pada fasa peralihan ialah kepelbagaian cabang yang wujud serentak tanpa satu garis panduan tunggal yang menang. Satu peristiwa yang sangat bermakna ialah penerima Anugerah Turing 2024, Richard Sutton, dan Ketua Eksekutif Jiepoin星辰, Yin Qi, hampir serentak memberikan dua penilaian yang bertentangan:

• Sutton: "AI masih lemah dan tidak boleh dipercaya", "jalan pemindahan pengetahuan manusia" telah "mencapai hadnya", masa depan mesti memasuki "era pengalaman"

• Yin Qi: "Kemampuan model pada tahun 2026 sedang melintasi titik kritikal," "Industri sedang berdiri di kaki gunung puncak AGI," agen akan menjadi "unit terkecil produktivitas"

Di tempat yang sama, pada masa yang sama, dua individu yang sangat mewakili memberikan jawapan yang hampir bertentangan terhadap "Kita sebenarnya berada di mana?" Sambil itu, Yoshua Bengio memperingatkan bahawa "masyarakat belum bersedia untuk sistem yang lebih cekap dan lebih merdeka," dengan Xue Lan dari Tsinghua dan Mark Nitzberg dari Berkeley masing-masing menetapkan sempadan mengenai "penilaian nilai" dan "keputusan hidup atau mati"—regulasi dan tata kelola masih sedang membincangkan prinsip, bukan standard pelaksanaan.

Kesimpulan: Jika AI benar-benar telah memasuki "setengah kedua" atau "fasa pelaksanaan selepas reka bentuk utama ditetapkan", penyelidik terkemuka dan pengusaha terkemuka tidak akan menunjukkan perbezaan yang begitu jelas mengenai soal paling asas: "Di mana sebenarnya kita berada?" Ini sendiri merupakan bukti lapangan yang kuat bahawa kita masih berada di "zona perbezaan".

Pengesahan menyeluruh: Ini adalah "zona perbezaan"

Lihat keenam pasangan pengesahan sebelum ini bersama-sama—ia bukan enam perkara yang terpisah, tetapi enam perspektif bebas yang saling menguatkan satu kesimpulan yang sama. Ringkasnya:

Model AI besar dan aplikasinya sedang berada di "zona diferensiasi" — pengelompokan produk masih terbuka, diferensiasi kemampuan telah bermula, tetapi model perniagaan belum berjaya. Ini juga merupakan hasil pengesahan tiga kali daripada Bahagian Ketiga (penilaian peringkat), Bahagian Keenam (koordinat masa), dan bahagian ini (tren 2026), bukan kesimpulan daripada satu sudut pandangan semata-mata.

Kembali kepada dua soalan pertama—di mana kita berada, dan bagaimana ritme ke depan.

Menggunakan kerangka gabungan dua alat analisis klasik, ditambah ujian ketat lima faktor utama, serta pengesahan songsang terhadap tren terkini 2026, dapat memberikan jawapan yang jelas terhadap model AI besar dan aplikasinya pada masa kini.

Di mana kita berada—Model AI besar dan aplikasinya kini berada di "zona diferensiasi" yang bergerak dari fasa akhir arus ke fasa awal peralihan. Faktor-faktor yang membentuk reka bentuk utama kini hanya memenuhi 1 (sebahagian), dan struktur industri mungkin berkembang menjadi "pengumpulan bertingkat" bukan "pemenang tunggal".

Bagaimana ritme masa depan — mengikut koordinat masa berlapis, desain utama mungkin muncul di pelbagai sub-lapisan sekitar tahun 2027-2030, perubahan mendalam akan terlihat pada tahun 2030-2035, dengan masa penyesuaian strategik yang diberikan kepada perusahaan kira-kira dalam lingkungan 2-4 tahun.

Pengelasan bermaksud: tingkat kegentingan pada kedudukan strategi yang berbeza (lapisan model terdepan / lapisan aplikasi / lapisan pengintegrasian menegak) tidak sama, tetapi hukum dasar "perbezaan kemampuan yang berkompleks" berlaku untuk semua lapisan. Ini memberikan persepsi masa yang terkelas dan bersyarat, bukan jadual masa yang tepat—tempo evolusi spesifik akan disesuaikan mengikut perubahan dalam Hukum Scaling, tren pemisahan faksi, dan prasyarat lainnya.

Bagi para pengambil keputusan perusahaan, dua penilaian ini bersama-sama membentuk satu koordinat masa. Di atas koordinat ini, terdapat satu soalan yang lebih asas yang perlu dijawab: Pada peringkat dan jendela masa seperti ini, bagaimanakah perusahaan seharusnya berfikir, bertindak, dan menyesuaikan diri?

Masalah ini akan dibincangkan oleh penulis dalam artikel seterusnya…

Artikel ini berasal daripada akaun微信公众号 “腾讯研究院” (ID: cyberlawrc), penulis: Li Hongsheng