继承原则：保留跨公司、可证伪的研究变量；公司结论、财务数据和竞争位置必须重新核验，不自动视为当前事实。
纳入审计的旧研究
Google 两组研究、Apple 两组研究、Palantir 本体论、Anthropic 公司本体、GCP 云研究，以及《AI 时代的商业模式预测》。纯投资交易、非 AI 公司与重复稿没有进入 jairl。
沉淀一：入口从“信息”上移到“意图与行动”
搜索框、操作系统和应用商店掌握的是旧入口；Agent 争夺的是用户问题、上下文、判断标准、授权和任务执行。判断入口是否迁移，要看用户默认动作，而不是只看下载量或模型榜单。
沉淀二：护城河从单点产品变成关系系统
设备、身份、数据、支付、分发、开发者、企业采购和工作流彼此连接后，迁移不再是更换一个工具。反证是关键默认路径被外部 Agent 接管，或者监管拆解默认与排他分发。
沉淀三：可靠 AI 的最小组织栈
组织中的人、资产、订单、风险和状态必须有可操作语义。
规则与权限明确谁能看什么、基于什么条件做什么。
Action把建议变成可记录、可版本化、可回写的动作。
审计与责任保留证据、决策和行动链，使错误可定位、结果可追责。
部署与反馈跨环境运行、更新、监控、回滚，并让行动结果改写下一轮状态。
沉淀四：深度嵌入可能是护城河，也可能是陷阱
客户现场经验若能转成对象模板、Action 模板、行业规则、部署系统和客户自助能力，会形成经验复利；若只能依赖驻场和少数专家救火，就会形成高交付成本。
沉淀五：模型公司不天然是好生意
Frontier AI 同时具有真实需求、高上限、极高资本强度、快速技术替代和平台依赖。关键不是 ARR 看起来多大，而是毛利、推理成本、训练资本、云分成、续费扩张、工作流深度与客户关系最终归谁。
对四道母题的贡献
- 护城河：补充入口权、关系网络、组织行动层和单位经济。
- Transformer 边界：只提供经济性压力测试，不能证明架构已到技术极限。
- 下一代底座：提示系统底座不等于模型架构，但没有提供替代 Transformer 的直接证据。
- 可靠生产系统：形成“对象—规则—权限—行动—审计—部署—反馈”检查栈。
长期跟踪变量
高价值任务默认入口、企业生产部署比例、客户核心流程覆盖、人工接管率、Action 回写率、错误恢复率、模板复用率、部署周期、净收入留存、推理毛利、云渠道依赖与自由现金流。
边界与反证
jvalue 是历史研究资产，不是实时数据库。若客户可以轻易多模型切换、企业只试用不生产、现场经验无法产品化、平台捕获客户关系、资本开支吞噬利润，旧站关于系统性护城河的判断应下调。