Pragmatik Labs: 2 mld dolarów wyceny za obietnicę agentów działających w świecie cyfrowym i fizycznym

Pragmatik Labs, znane również jako 语用科技 lub p7k, to założony w Szanghaju startup AI byłego lidera technicznego Alibaba Qwen, Lina Junyanga. Firma zadebiutowała publicznie nie dzięki gotowemu produktowi, lecz dzięki wyjątkowo dużej rundzie finansowania na bardzo wczesnym etapie. Według kilku doniesień runda anielska wyniosła około 220 mln dolarów, a wycena post-money sięgnęła około 2 mld dolarów. Współliderami inwestycji były Gaorong Ventures i HSG, wcześniej znane jako Sequoia China. W rundzie uczestniczyły także Tencent i Shanghai Future Industry Fund.1115

Najważniejszy kontekst jest taki, że Pragmatik Labs nie ujawniło dotąd konkretnego produktu, liczby użytkowników, przychodów ani wyników technicznych. Wycena wygląda więc raczej na cenę za doświadczenie Lina Junyanga, jego zdolność do przyciągania talentów, dostęp do kapitału i mocy obliczeniowej oraz wiarę inwestorów w długoterminowy potencjał agentów AI — a nie na wycenę opartą na publicznie potwierdzonych wskaźnikach biznesowych.357

Ile pieniędzy naprawdę pozyskało Pragmatik Labs?

Lin Junyang potwierdził udział inwestorów, ale nie podał publicznie ani kwoty finansowania, ani wyceny. Późniejsze publikacje, powołujące się na osoby zaznajomione ze sprawą, informowały, że Gaorong Ventures i HSG zainwestowały po około 100 mln dolarów, a Tencent około 20 mln dolarów. Łącznie dawałoby to około 220 mln dolarów przy wycenie post-money na poziomie około 2 mld dolarów.1211

Dane rejestrowe pokazują inną perspektywę. Zgodnie z relacjami medialnymi zewnętrzni inwestorzy posiadają łącznie około 12 proc. udziałów w chińskiej spółce operacyjnej. Podmioty powiązane z HSG mają łącznie 5 proc., podmiot związany z Gaorong Ventures — 4,25 proc., a podmioty powiązane z Tencentem i Shanghai Future Industry Fund po 1 proc. Pozostałe 0,75 proc. należy do innej zewnętrznej instytucji. Sam Lin Junyang oraz kontrolowane przez niego podmioty mają łącznie około 88 proc. udziałów.1215

Szczegóły transakcji pozostają jednak niepewne. Część publikacji, opierając się na strukturze udziałów, szacowała wartość rundy nawet na około 240 mln dolarów. Inne media i bazy danych podawały kwotę 220 mln dolarów.13 Najostrożniejszy wniosek brzmi zatem: Pragmatik Labs pozyskało finansowanie anielskie rzędu kilkuset milionów dolarów, a wycena post-money wyniosła około 2 mld dolarów. Firma nie potwierdziła jednak publicznie pełnej kwoty ani wszystkich warunków transakcji.

Nie kolejny model bazowy, lecz agenci działający w świecie cyfrowym i fizycznym

Oficjalnie deklarowany kierunek Pragmatik Labs to „nowa generacja agentów” działających zarówno w świecie cyfrowym, jak i fizycznym.1114 To istotne rozróżnienie. Firma nie przedstawia się jako kolejny twórca ogólnego modelu językowego, lecz jako zespół budujący systemy, które mają nie tylko generować odpowiedzi, ale także samodzielnie działać.

Taki agent musiałby przejść znacznie dłuższą drogę niż od pytania do odpowiedzi. Powinien potrafić:

• zrozumieć cel i podzielić go na zadania;
• zdecydować, kiedy dalej analizować problem, a kiedy zacząć działać;
• wybrać odpowiednie narzędzia i z nich skorzystać;
• wejść w interakcję z oprogramowaniem, urządzeniami lub środowiskiem fizycznym;
• odczytać rezultat działania i informacje zwrotne z otoczenia;
• zmienić plan po niepowodzeniu albo zmianie warunków;
• konsekwentnie realizować zadanie przez dłuższy czas.

Może to oznaczać zastosowania w pracy opartej na wiedzy, obsłudze oprogramowania czy wyszukiwaniu informacji, ale także w robotyce i innych środowiskach fizycznych. Publiczne informacje opisują jednak na razie cel badawczy Pragmatik Labs, a nie potwierdzone możliwości dostarczonego produktu.1115

Dlaczego inwestorzy postawili tak dużo na Lina Junyanga?

Lin Junyang odszedł z Alibaba w marcu 2026 roku. Reuters informował, że po jego rezygnacji Alibaba utworzyła grupę zadaniową kierowaną przez najwyższe kierownictwo, aby przyspieszyć rozwój modeli bazowych. Zainteresowanie jego odejściem wynikało przede wszystkim z tego, że był jednym z najbardziej rozpoznawalnych liderów technicznych ekosystemu Qwen.

Według informacji przywoływanych przez media, w styczniu 2026 roku Qwen miał ponad 200 tys. modeli pochodnych i ponad miliard łącznych pobrań. Należy traktować te liczby jako deklarowane wskaźniki ekosystemu projektu lub firmy, a nie niezależnie audytowane dane dotyczące przychodów czy aktywności użytkowników. Pokazują one zasięg Qwen wśród deweloperów, ale nie dowodzą automatycznie, że Pragmatik Labs zdoła przełożyć tę rozpoznawalność na przewagę produktową.

Fakt, że Lin Junyang zachował około 88 proc. udziałów w chińskiej spółce operacyjnej, potwierdza założycielski i kontrolowany przez niego charakter firmy.12 Dla inwestorów oznacza to silną kontrolę strategiczną założyciela. Dla samego startupu może to ułatwiać szybkie budowanie zespołu, pozyskiwanie mocy obliczeniowej i prowadzenie prac badawczo-rozwojowych, zanim produkt przyjmie ostateczny kształt. Jednocześnie większość odpowiedzialności za wykonanie planu spoczywa na jednej osobie.

Od „myślenia” do działania — główna teza techniczna Lina

26 marca Lin Junyang opublikował esej zatytułowany From “Reasoning” Thinking to “Agentic” Thinking. Przekonywał w nim, że kolejny etap rozwoju AI nie będzie polegał wyłącznie na tym, by modele „myślały dłużej”. Powinny raczej „myśleć po to, by działać”: wchodzić w interakcję ze środowiskiem i stale aktualizować plany na podstawie informacji zwrotnych ze świata.

Nie oznacza to, że modele rozumujące tracą znaczenie. Teza Lina jest bardziej precyzyjna: samo wewnętrzne rozumowanie w statycznym tekście nie wystarczy do niezawodnej realizacji długich i złożonych zadań. System musi również radzić sobie z wyborem narzędzi, momentem podjęcia działania, niepewnymi informacjami zwrotnymi, odzyskiwaniem sprawności po błędach i zachowaniem spójności w wieloetapowej interakcji.

Jeśli ten kierunek okaże się trafny, rywalizacja przesunie się z pojedynczego modelu na cały układ: model — narzędzia — środowisko — informacja zwrotna. O powodzeniu agenta zdecydują między innymi jakość i stabilność środowiska, bogactwo sygnałów zwrotnych oraz to, czy trening można ściśle połączyć z wdrożeniem. To techniczne tło decyzji Pragmatik Labs o jednoczesnym zainteresowaniu światem cyfrowym i fizycznym.

Na co naprawdę zakłada wycena 2 mld dolarów?

Przy braku publicznego produktu i przychodów wycena obejmuje co najmniej cztery zakłady:

1. Na zdolność założyciela do zbudowania firmy od podstaw. Inwestorzy wierzą, że Lin Junyang przełoży doświadczenie zdobyte przy tworzeniu modeli w dużej organizacji na samodzielne kompetencje badawcze, inżynieryjne i organizacyjne.
2. Na efekt przyciągania najlepszych talentów AI. Duży kapitał na wczesnym etapie może pomóc szybko zbudować przewagę w obszarze rekrutacji, mocy obliczeniowej i infrastruktury.
3. Na kolejną zmianę paradygmatu w AI. Jeśli konkurencja przesunie się od „mocniejszych modeli” do „systemów lepiej wykonujących zadania”, firmy rozwijające agentów mogą zyskać nową szansę platformową.
4. Na połączenie inteligencji cyfrowej i fizycznej. Objęcie obu obszarów zwiększa potencjalny rynek, ale jednocześnie podnosi koszty badań, trudność ewaluacji i ryzyko komercjalizacji.

Kluczowe pytanie wciąż pozostaje bez odpowiedzi: czy Pragmatik Labs potrafi przełożyć ideę „rozumowania poprzez działanie” na produkt stabilny, mierzalny, opłacalny kosztowo i na tyle użyteczny, by klienci chcieli za niego płacić? Zanim firma pokaże produkt, wycena 2 mld dolarów mówi przede wszystkim, że inwestorzy są gotowi z góry zaakceptować dużą niepewność. Nie zastępuje ona jednak walidacji przez użytkowników ani wyników biznesowych.

Trzy rzeczy, które warto obserwować

Po pierwsze, konkretny rynek docelowy. „Świat cyfrowy i fizyczny” to szeroko zakreślony kierunek badawczy. Firma będzie musiała wyjaśnić, czy koncentruje się na pracy opartej na wiedzy, obsłudze programów, robotyce, czy innym rodzaju środowisk ucieleśnionych.

Po drugie, sposób pomiaru możliwości agentów. Pojedyncza demonstracja nie dowodzi, że system potrafi wykonywać długie zadania. Istotne będą wskaźniki skuteczności, niezawodność wywoływania narzędzi, zdolność odzyskiwania sprawności po błędach, koszty działania i stabilność w rzeczywistych warunkach.

Po trzecie, przełożenie reputacji założyciela na przewagę firmy. Doświadczenie Lina Junyanga przy Qwen wyjaśnia, dlaczego kapitał zdecydował się na tak wysoki zakład. Pragmatik Labs musi jednak udowodnić, że potrafi nie tylko przyciągnąć pieniądze i talenty, lecz także zbudować produkt oraz model biznesowy wyraźnie odróżniające ją od Qwen i innych twórców modeli bazowych.

Debiut Pragmatik Labs symbolizuje przejście od budowania coraz większych modeli do tworzenia systemów, które mają stale działać w określonym środowisku. Wycena 2 mld dolarów natychmiast uczyniła startup jednym z najgłośniejszych projektów w branży. O jego rzeczywistej wartości zdecyduje jednak dopiero to, czy Lin Junyang zdoła zamienić ambitną tezę o agentach w powtarzalne wykonywanie realnych zadań.