Pragmatik Labs za 2 mld dolarów: naukowcy przejmują stery chińskiego AI

Start Pragmatik Labs przez Lin Junyanga jest ważny nie tylko dlatego, że na rynku pojawił się kolejny startup AI. Ważniejsze jest to, komu powierzono określenie jego kierunku. Były lider techniczny modeli Qwen firmy Alibaba ogłosił 12 sierpnia 2026 roku powstanie spółki w Szanghaju. Jej celem jest rozwój agentów nowej generacji działających zarówno w środowisku cyfrowym, jak i fizycznym. Według doniesień wycena firmy po rundzie finansowania wyniosła około 2 mld dolarów, choć Pragmatik Labs nie miało jeszcze publicznego produktu ani demonstracji. 1413

Tę kwotę należy traktować jako informację rynkową podawaną przez media, a nie jako ujawnioną i niezależnie zbadaną wartość. Mimo tego zastrzeżenia start spółki dobrze pokazuje szerszą zmianę w chińskiej branży technologicznej: badacze pracujący nad przełomowymi systemami AI coraz częściej zyskują wpływ na zakładanie firm, pozyskiwanie finansowania, wybór strategii modeli, budowę zespołów inżynieryjnych i dostęp do deficytowej mocy obliczeniowej.

Od lidera badań Qwen do niezależnego założyciela

Lin dołączył do Alibaba DAMO Academy w 2019 roku, a później został jednym z liderów technicznych rodziny modeli Qwen. 4 marca 2026 roku poinformował o odejściu z zespołu Qwen, by kilka miesięcy później uruchomić Pragmatik Labs. 613

Deklarowany cel nowej spółki jest ambitny: stworzyć agentów, którzy będą działać na styku świata cyfrowego i fizycznego. Według doniesień rundę finansowania współprowadziły Gaorong Ventures i HSG, a udział w niej miał również Tencent. Niektóre relacje wymieniają także wspierany przez władze Szanghaju fundusz przemysłowy. 4613

Sama nazwa Pragmatik podkreśla ten kierunek. Lin łączy ją z pragmatyzmem oraz z ideą powrotu AI do miejsc, w których rzeczywiście coś się dzieje. W praktyce chodzi o systemy, które nie tylko generują tekst lub opisują sytuację, lecz także rozumują, korzystają z narzędzi, uczą się na podstawie informacji zwrotnej, koordynują działania i docelowo funkcjonują w realnym środowisku. 614

Dlaczego wiedza techniczna zaczyna oznaczać władzę organizacyjną

Budowa najbardziej zaawansowanych modeli wymaga decyzji dotyczących architektury, danych, metod treningu, testów, infrastruktury, projektowania agentów i realnej wykonalności produktów. To właśnie te wybory określają, jak firma wyda budżet na moc obliczeniową, ilu zatrudni inżynierów, które eksperymenty sfinansuje i na jakie badania przeznaczy czas.

W bardziej dojrzałych segmentach technologii przedsiębiorstwa mogą w dużej mierze opierać się na sprawdzonych schematach dystrybucji, operacji, pakowania produktów i skalowania. W przypadku przełomowego AI sytuacja wygląda inaczej. Ścieżka rozwoju pozostaje niepewna, a branża nie wypracowała jeszcze zgodnej odpowiedzi na pytanie, które zakłady badawcze przyniosą trwałą przewagę.

Ta niepewność zwiększa znaczenie osób potrafiących ocenić nierozstrzygnięte problemy techniczne. Naukowiec z wiarygodnym dorobkiem nie musi już pełnić wyłącznie roli doradcy dla działu produktu czy zarządu. Może współdecydować o tym, jakie produkty w ogóle powinny powstać, które eksperymenty zasługują na finansowanie, jaką infrastrukturę zbudować i jaki zespół ma realizować plan.

Przejście Lin Junyanga skupia te odpowiedzialności w jednym wydarzeniu: były lider badań w dużej platformie technologicznej staje się założycielem niezależnego laboratorium, które pozyskało finansowanie na nowy techniczny front.

Ten sam schemat widać w największych chińskich platformach

Pragmatik Labs nie jest odosobnionym przykładem przesuwania naukowców bliżej centrum władzy korporacyjnej.

• Baidu: doniesienia o reorganizacji działalności AI wskazują, że Wu Tian, odpowiedzialny za badania nad modelami bazowymi, działa w strukturze zapewniającej mu bezpośredni dostęp do dyrektora generalnego Robina Li. 20
• Tencent: były badacz OpenAI Shunyu Yao został mianowany głównym naukowcem AI w biurze dyrektora generalnego. Łączono go także z pracami nad dużymi modelami i infrastrukturą AI firmy. 192330
• ByteDance: Wu Yonghui, były wiceprezes Google DeepMind, dołączył do działu Seed, aby kierować badaniami podstawowymi i raportować bezpośrednio dyrektorowi generalnemu Liang Rubo, jak wynika z doniesień. 2627

Te nominacje pokazują dwie wersje tej samej odpowiedzi organizacyjnej. Duże firmy mogą umieszczać czołowych badaczy blisko dyrektora generalnego. Startupy mogą natomiast dać im udziały, władzę nad pozyskiwaniem kapitału i kontrolę nad całą mapą drogową rozwoju technologii.

Naukowiec jako założyciel w erze modeli granicznych

Ten wzorzec widać również w chińskim ekosystemie startupów AI, gdzie zaawansowane wykształcenie techniczne i doświadczenie badawcze coraz częściej stają się kwalifikacją założycielską. Yang Zhilin, założyciel Moonshot AI stojącej za modelem Kimi, ma doświadczenie obejmujące pracę w Meta AI i Google Brain oraz działalność na Uniwersytecie Tsinghua. 2228

Innym przykładem jest MiniMax, w którym techniczny założyciel zachował znaczącą kontrolę nad firmą. Jak podaje WireScreen, podmioty należące do Yana Junjiego posiadają mniej niż jedną czwartą udziałów, ale kontrolują spółkę dzięki akcjom uprzywilejowanym pod względem praw głosu. 18

Wiedza techniczna nie wypiera realizacji produktu, dystrybucji ani zarządzania. Staje się jednak obok nich źródłem siły negocjacyjnej. Badacze, którzy udowodnili, że potrafią rozpoznać i zbudować ważne możliwości modeli, mogą przyciągać inwestorów, rekrutować talenty i uzyskiwać dostęp do infrastruktury, zanim jeszcze stworzą firmę z tradycyjnie rozumianym produktem.

Co Pragmatik Labs mówi o chińskim rynku AI

Najbardziej oczywistym skutkiem jest przesunięcie władzy decyzyjnej. Gdy rywalizacja koncentruje się na niepewnych kierunkach badań i kosztownej infrastrukturze, większy wpływ na zasoby zyskują osoby najlepiej przygotowane do oceny tych kierunków.

Nie oznacza to oczywiście gwarancji sukcesu. Pragmatik Labs musi jeszcze przełożyć badawczą tezę na niezawodnych agentów, użyteczne produkty i trwały model biznesowy. Sama podawana wycena nie dowodzi, że zakład technologiczny lub komercyjny okaże się trafny.

Start spółki pokazuje jednak, co inwestorzy i firmy technologiczne są gotowi finansować: nie tylko gotowe produkty, lecz także osąd badaczy, którzy mogą wskazać kolejny realny kierunek rozwoju. W tym sensie ruch Lin Junyanga jest ważnym sygnałem dla chińskiej gospodarki AI. Naukowiec coraz częściej nie jest już wyłącznie osobą budującą system, ale także kimś, komu powierza się decyzję o tym, co firma powinna zbudować później.