Pragmatik Labs viser hvordan AI-forskerne flytter nærmere makten i Kina

Pragmatik Labs er mer enn enda en godt finansiert kinesisk AI-startup. Lanseringen peker mot en maktforskyvning i bransjen: Innflytelsen samles i økende grad hos dem som kan bygge ledende modeller, hente inn sjelden forskningstalent og avgjøre hvor store AI-budsjetter og datakraft skal brukes.

1. august 2026 kunngjorde Lin Junyang, tidligere teknisk leder for Alibabas Qwen-modeller, oppstarten av Shanghai-baserte Pragmatik Labs. Selskapet skal arbeide med neste generasjons AI-agenter på tvers av digitale og fysiske miljøer. Gaorong Ventures og HSG ledet finansieringen, med Tencent blant investorene. Selskapet ble rapportert verdsatt til omtrent 2 milliarder dollar etter kapitalinnhentingen, uten at et offentlig produkt var presentert. 410

En slik verdsettelse er ikke et bevis på at selskapet vil lykkes. Den er likevel et signal om hva markedet mener er mangelvare: ikke bare en AI-applikasjon eller en distribusjonskanal, men en forskningsleder med dokumentert erfaring fra et stort modellprogram.

Fra teknisk leder til kontroll over forskning og kapital

I Alibaba var Lin en sentral teknisk skikkelse i et etablert plattformselskap. Som grunnlegger får han en annen type myndighet: Han kan prioritere forskning, rekruttere laget, styre pengebruken, velge infrastruktur og avgjøre hvordan agentforskning skal bli til et produkt.

Pragmatik Labs’ uttalte ambisjon er krevende. Agenter som skal operere både digitalt og fysisk, trenger mer enn et godt brukergrensesnitt. De forutsetter modellkapasitet, testing og evaluering, pålitelighet, infrastruktur og ofte kobling til verktøy eller maskiner i den virkelige verden. 413

At investorene finansierer selskapet så tidlig, er dermed i praksis en investering i teknisk dømmekraft og evnen til å gjennomføre. Den rapporterte verdsettelsen blir særlig bemerkelsesverdig fordi Pragmatik Labs ikke hadde offentliggjort en spesifikk modell eller et konkret produkt ved lanseringen. 710

Hva menes med «forskernes æra»?

Uttrykket betyr ikke at alle viktige AI-ledere må være akademiske forskere, eller at forretningsdrift ikke lenger betyr noe. Det beskriver en organisatorisk endring: Forskning på avansert AI blir stadig viktigere for hva et produkt faktisk kan gjøre. Forskere og tekniske ledere får derfor mer direkte tilgang til ledelsen, budsjetter, infrastruktur og investorer.

For internettplattformer har konkurransefortrinn tradisjonelt ofte handlet om distribusjon, drift, inntektsmodeller og evnen til å lage gode forbrukerprodukter. Dette er fortsatt viktig. Men i kappløpet om grunnmodeller og agenter kan modellarkitektur, treningsmetoder, data, evaluering, infrastruktur for kjøring av modeller og rekruttering avgjøre hvilke produkter det i det hele tatt er mulig å bygge.

Derfor løftes ledere som kan påvirke disse innsatsfaktorene høyere opp i organisasjonene. Pragmatik Labs er den mest konsentrerte versjonen av utviklingen: En tidligere modelleder går fra intern teknisk autoritet til å styre forskning og kapital som gründer.

Samme mønster hos Kinas store AI-aktører

Tencent: Shunyu Yao inn i lederkjernen

Tencent utnevnte den tidligere OpenAI-forskeren Shunyu Yao til sjefsforsker for AI. Ifølge Bloomberg rapporterer Yao direkte til Tencents president Martin Lau og leder selskapets nyopprettede avdeling for AI-infrastruktur. 18

Rapporteringslinjen er viktig. AI-infrastruktur og modellutvikling behandles ikke bare som tekniske støttefunksjoner, men knyttes direkte til toppledelsen. Annen rapportering oppgir at Yao har bakgrunn fra Tsinghua-universitetets Yao Class og doktorgrad i informatikk fra Princeton, noe som illustrerer premien selskapene legger på avansert AI-forskningskompetanse. 19

ByteDance: Wu Yonghui får ansvar for grunnforskningen

ByteDance hentet inn tidligere forskningsdirektør i Google DeepMind, Wu Yonghui, for å lede grunnforskning i Seed-enheten. Han skal etter rapportene rapportere direkte til ByteDance-sjef Liang Rubo. 53

Wu arbeidet 17 år i Google og hadde vært Google Fellow før han begynte i ByteDance for å jobbe med grunnleggende AI-forskning. 5253 Overgangen viser at kinesiske plattformselskaper ikke bare konkurrerer om distribusjon av AI-tjenester til forbrukere, men også om ledere med erfaring fra forskning på avanserte modeller og tekniske systemer i stor skala.

Baidu: Direkte vei fra grunnmodellforskning til toppsjefen

Rapportering om et skifte i kinesiske AI-lederroller oppgir at Baidu har lagt Wu Tian, leder for forskning og utvikling av grunnmodeller, under en direkte rapporteringslinje til grunnlegger og konsernsjef Robin Li. 19

Dette sier ikke alene alt om hvordan Baidu fatter beslutninger. Det viser likevel at grunnmodellforskning har fått en mer sentral plass i selskapets formelle struktur – et viktig trekk ved den bredere utviklingen.

Moonshot AI: Yang Zhilin kombinerer forsker- og gründerrollen

Moonshot AI, selskapet bak Kimi, representerer startup-varianten av samme modell. Yang Zhilin er medgründer og administrerende direktør. Han studerte ved Tsinghua-universitetet og tok doktorgrad ved Carnegie Mellon University; rapportering omtaler også erfaring fra Meta og Google. 45

Her er teknisk bakgrunn koblet direkte til grunnleggerkontroll. Personen som forbindes med modellforskningen, kan også styre ansettelser, produktprioriteringer, kapitalinnhenting og den langsiktige tekniske strategien.

MiniMax: Yan Junjie som teknisk gründer og toppsjef

MiniMax-medgründer og konsernsjef Yan Junjie er et annet eksempel på en teknisk utdannet AI-leder i den øverste operative rollen. Tilgjengelige biografiske opplysninger viser bachelorgrad fra Southeast University og doktorgrad fra Institute of Automation ved Chinese Academy of Sciences. 23

Poenget er ikke at en grad i seg selv gir innflytelse. Det sentrale er at AI-startuper i stadig større grad gjør teknisk troverdighet til en del av selve grunnleggerledelsen, fremfor å skille forskningen fra dem som styrer selskapet.

Ressursene som nå blir strategiske maktmidler

Når forskere får denne typen innflytelse, handler det særlig om kontroll over noen få knappe ressurser:

• Forskningsretning: Valget mellom grunnmodeller, resonnering, multimodalitet, agenter, fysisk forankrede systemer eller kommersiell utrulling.
• Datakraft og infrastruktur: Trening og bruk av modeller krever store investeringer i maskinvare og systemer. Fordelingen av disse ressursene er strategisk, ikke bare operativ.
• Talent: Ledende forskere og ingeniører er vanskelige å rekruttere, og respekterte tekniske ledere kan samle sterke team rundt ambisiøse programmer.
• Kapital: En gründer som Lin kan bruke risikokapital til å følge en selvstendig forskningsagenda, i stedet for å konkurrere om interne ressurser i et stort selskap.
• Produktdefinisjon: I avansert AI former tekniske begrensninger og muligheter ofte selve produktet, særlig for agenter som skal utføre handlinger og ikke bare generere tekst.

Pragmatik Labs samler disse forholdene i ett tilfelle. Investorene satser ifølge rapportene på et selskap før produktlansering, ledet av en Qwen-veteran, for å utvikle agenter i digitale og fysiske omgivelser. 410 Det er et veddemål på at forskningsledelse kan være en primær kilde til både selskapsdannelse og markedsverdi.

Teknisk autoritet er ikke det samme som kommersiell suksess

En høy verdsettelse tidlig i løpet løser ikke de vanskelige spørsmålene. Agentselskaper må fortsatt dokumentere pålitelighet, sikkerhet, produkt-marked-tilpasning, kostnadskontroll og evne til å gå fra tekniske demonstrasjoner til gjentakbar bruk i praksis. Store plattformselskaper beholder dessuten viktige fordeler innen distribusjon, skyinfrastruktur, data og kunderelasjoner.

«Forskernes æra» bør derfor ikke leses som slutten på forretningsledelse. Den beskriver heller en omfordeling av forhandlingsmakt. I Kinas AI-industri kommer de som kan forbedre modeller, bygge infrastrukturen, rekruttere frontlinjeteam eller omsette forskning til kapable agenter, stadig nærmere konsernsjefen – eller blir konsernsjefen selv.

Lin Junyangs Pragmatik Labs er et særlig synlig eksempel fordi overgangen er så direkte: En teknisk leder fra et stort modellprogram er blitt grunnlegger av et tungt finansiert agentlaboratorium før det første produktet er offentlig. 410