Era „naukowców AI” w Chinach: dlaczego Pragmatik Labs zmienia układ sił

Pragmatik Labs to nie tylko kolejny dobrze finansowany chiński startup AI. Jego powstanie pokazuje, że wpływ w branży przesuwa się ku ludziom, którzy potrafią budować modele z czołówki, przyciągać rzadkie talenty badawcze i decydować, na co trafią wielkie budżety oraz zasoby obliczeniowe.

12 sierpnia 2026 r. Lin Junyang, były lider techniczny modeli Qwen firmy Alibaba, ogłosił uruchomienie Pragmatik Labs z siedzibą w Szanghaju. Spółka koncentruje się na agentach AI nowej generacji działających zarówno w środowisku cyfrowym, jak i fizycznym. Finansowanie współprowadzili Gaorong Ventures i HSG, a udział wzięło również Tencent; według doniesień wycena spółki po rundzie wyniosła około 2 mld dolarów, choć firma nie zaprezentowała jeszcze publicznie produktu. 410

Taką wycenę należy traktować jako raportowaną ocenę rynku, a nie dowód przyszłego sukcesu. Jest jednak ważnym sygnałem tego, co inwestorzy uznają za rzadki zasób: nie wyłącznie aplikację AI czy kanał dystrybucji, lecz lidera badań z udokumentowanym doświadczeniem w budowaniu dużego programu modelowego.

Dlaczego Pragmatik Labs jest ważnym sygnałem

W Alibabie Lin był wysokim rangą specjalistą technicznym w dużej firmie platformowej. Jako założyciel Pragmatik Labs zyskuje inny rodzaj sprawczości: może ustalać priorytety badawcze, budować zespół, kierować wydatkami, wybierać infrastrukturę i decydować, jak badania nad agentami przełożą się na produkt.

Deklarowany cel spółki — agenci działający na styku świata cyfrowego i fizycznego — lokuje ją w szczególnie wymagającym segmencie rynku. Takie systemy potrzebują czegoś więcej niż dopracowanego interfejsu. Zależą od możliwości modeli, metod oceny, niezawodności, infrastruktury, a często także od integracji z narzędziami lub maszynami działającymi w realnym świecie. 413

W tym kontekście wczesne finansowanie jest de facto inwestycją w techniczną ocenę sytuacji i zdolność do realizacji planu. Raportowana wycena zwraca szczególną uwagę właśnie dlatego, że w momencie startu Pragmatik Labs nie ujawnił konkretnego produktu. 710

Co oznacza „era naukowców”

Nie chodzi o to, że każdy ważny lider AI musi być akademickim naukowcem ani że wykonanie biznesowe przestaje mieć znaczenie. To raczej zmiana organizacyjna: badania nad zaawansowaną AI coraz silniej decydują o możliwościach produktów, dlatego badacze i liderzy techniczni otrzymują bardziej bezpośredni dostęp do władzy wykonawczej, budżetów, infrastruktury i inwestorów.

W firmach internetowych przewaga konkurencyjna przez lata wynikała przede wszystkim z dystrybucji, operacji, monetyzacji oraz sprawnego tworzenia produktów konsumenckich. Te kompetencje nadal są istotne. Jednak w przypadku modeli bazowych i agentów o tym, jakie produkty w ogóle mogą powstać, mogą przesądzać architektura, metody treningu, dane, ewaluacja, infrastruktura inferencyjna i zdolność rekrutowania badaczy.

Firmy wynoszą więc osoby wpływające na te elementy bliżej centrum decyzyjnego. Pragmatik Labs jest najbardziej skoncentrowanym przykładem tej tendencji: były lider programu modelowego przechodzi od wewnętrznego autorytetu technicznego do kontroli założycielskiej nad badaniami i kapitałem.

Ten sam wzorzec w największych organizacjach AI w Chinach

Tencent: Shunyu Yao w centrum decyzyjnym

Tencent mianował byłego badacza OpenAI, Shunyu Yao, głównym naukowcem AI. Według Bloomberga Yao podlega bezpośrednio prezesowi Tencentu Martinowi Lau i kieruje nowo utworzonym działem infrastruktury AI. 18

Istotna jest sama linia raportowania. Infrastruktura AI i prace nad modelami nie są traktowane wyłącznie jako funkcje zaplecza inżynieryjnego, lecz są bezpośrednio powiązane z najwyższym kierownictwem. Inne doniesienia wskazują, że Yao ukończył program Yao Class na Uniwersytecie Tsinghua i ma doktorat z informatyki na Princeton, co ilustruje premię, jaką firmy przypisują zaawansowanym kwalifikacjom badawczym w AI. 19

ByteDance: Wu Yonghui prowadzi badania podstawowe

ByteDance zatrudnił byłego wiceprezesa ds. badań Google DeepMind, Wu Yonghuia, aby kierował badaniami podstawowymi w jednostce Seed. Według doniesień ma on raportować bezpośrednio do dyrektora generalnego ByteDance, Lianga Rubo. 53

Wu spędził 17 lat w Google i był Google Fellow, zanim dołączył do ByteDance, by pracować nad fundamentalnymi badaniami AI. 5253 Ten ruch pokazuje, że chińskie platformy rywalizują nie tylko o dystrybucję produktów konsumenckich opartych na AI, ale też o liderów mających doświadczenie w badaniach nad modelami z czołówki i systemami technicznymi działającymi na wielką skalę.

Baidu: badania nad modelami bazowymi z bezpośrednim dostępem do góry

Według doniesień o przetasowaniach w chińskim kierownictwie AI Baidu umieściło Wu Tiana, szefa prac badawczo-rozwojowych nad modelami bazowymi, na bezpośredniej linii raportowania do założyciela i CEO Robina Li. 19

Nie przesądza to samo w sobie o sposobie podejmowania każdej decyzji w Baidu. Pokazuje jednak, że badania nad modelami bazowymi zyskują wyższą pozycję w formalnej strukturze firmy — a to kluczowy element szerszej zmiany.

Moonshot AI: Yang Zhilin łączy rolę badacza i założyciela

Moonshot AI, firma stojąca za Kimi, stanowi startupową wersję tego samego modelu. Yang Zhilin jest współzałożycielem i CEO Moonshot AI. Studiował na Uniwersytecie Tsinghua, a doktorat uzyskał na Carnegie Mellon University; doniesienia wskazują także na jego doświadczenie w Meta i Google. 45

W tym przypadku zaplecze techniczne łączy się bezpośrednio z kontrolą założycielską. Osoba kojarzona z badaniami nad modelami może jednocześnie kształtować rekrutację, priorytety produktowe, pozyskiwanie kapitału i długoterminową strategię techniczną firmy.

MiniMax: Yan Junjie jako techniczny założyciel-CEO

Współzałożyciel i CEO MiniMax, Yan Junjie, jest kolejnym przykładem lidera AI z technicznym wykształceniem, który pełni najwyższą rolę operacyjną. Dostępne dane biograficzne wskazują na studia licencjackie na Southeast University oraz doktorat w Institute of Automation Chińskiej Akademii Nauk. 23

Szerszy wniosek nie jest taki, że sam dyplom przesądza o pozycji. Chodzi raczej o to, że startupy AI coraz częściej czynią wiarygodność techniczną częścią przywództwa założycielskiego, zamiast oddzielać badania od osób kierujących firmą.

Co zmienia rosnący wpływ badaczy

Najważniejsza zmiana dotyczy kontroli nad niewielką grupą rzadkich zasobów:

• Kierunek badań: liderzy wybierają, czy priorytetem będą modele bazowe, rozumowanie, multimodalność, agenci, systemy ucieleśnione czy wdrożenia.
• Moc obliczeniowa i infrastruktura: trening oraz inferencja wymagają dużych nakładów na sprzęt i systemy, więc decyzje o alokacji stają się strategiczne, a nie czysto operacyjne.
• Talenty: wybitnych badaczy i inżynierów trudno pozyskać, a uznani liderzy techniczni mogą przyciągać zespoły wokół ambitnych programów.
• Kapitał: założyciel taki jak Lin może wykorzystać finansowanie venture capital do prowadzenia niezależnej agendy badawczej, zamiast rywalizować o wewnętrzne zasoby dużej korporacji.
• Definicja produktu: w zaawansowanej AI ograniczenia i możliwości techniczne często kształtują sam produkt — zwłaszcza w przypadku agentów, które mają wykonywać działania, a nie tylko generować tekst.

Pragmatik Labs łączy te elementy. Inwestorzy mają, według doniesień, finansować firmę przed premierą produktu, prowadzoną przez weterana Qwen, aby rozwijała agentów w środowiskach cyfrowych i fizycznych. 410 To zakład, że przywództwo badawcze może samo w sobie stać się głównym źródłem powstania firmy i jej wartości rynkowej.

Zastrzeżenie: autorytet techniczny nie gwarantuje sukcesu komercyjnego

Wysoka wczesna wycena nie rozwiązuje najtrudniejszych problemów. Firmy budujące agentów nadal muszą wykazać niezawodność, bezpieczeństwo, dopasowanie produktu do rynku, dyscyplinę kosztową oraz zdolność przejścia od demonstracji technicznych do powtarzalnych wdrożeń. Wielkie platformy wciąż mają istotne przewagi w dystrybucji, infrastrukturze chmurowej, danych i relacjach z klientami.

Dlatego rodzącej się „ery naukowców” nie należy odczytywać jako końca przywództwa biznesowego. Trafniej jest mówić o przesunięciu siły negocjacyjnej. W chińskiej branży AI osoby zdolne ulepszać modele, budować infrastrukturę, rekrutować zespoły z najwyższej półki albo przekładać badania na sprawne agenty coraz częściej trafiają bezpośrednio pod skrzydła CEO — lub same zostają CEO.

Pragmatik Labs Lina Junyanga jest szczególnie wyrazistym przykładem, bo przejście jest tu bardzo bezpośrednie: lider techniczny dużego programu modelowego został założycielem mocno finansowanego laboratorium agentowego, zanim jego pierwszy produkt trafił do publicznej wiadomości. 410