WAIC 2026 पर, सिंगापुर की AI इन्फ्रास्ट्रक्चर कंपनी Acrab ने Agent Box और GΞLIX 1 चिप लॉन्च किए, जो एंड-साइड Agentic AI के लिए कॉम्प्यूटिंग बेसिस प्रदान करने का उद्देश्य रखते हैं। पारंपरिक AI चिप्स से अलग, GΞLIX 1 CPU और NPU के हेटरोजीनस सह-कार्य, यूनिफाइड मेमोरी आर्किटेक्चर और Prefill अनुकूलन पर जोर देता है, जो 700 TOPS की कैलकुलेशन क्षमता और 273GB/s मेमोरी बैंडविड्थ प्रदान करता है। CEO Ken Phua का मानना है कि AI अब हेटरोजीनस कॉम्प्यूटिंग के युग में प्रवेश कर चुका है, और CPU फिर से केंद्रीय स्थान पर आ गया है; Acrab ने अब तक 3.5 बिलियन डॉलर से अधिक का फंडिंग जुटाया है। एंड-साइड AI 'एक मॉडल चलाने' से 'एक स्मार्ट सिस्टम को लंबे समय तक चलाने' की ओर बदल रहा है, और वास्तविक प्रतिस्पर्धा की कुंजी CPU, सॉफ़्टवेयर स्टैक और Agent इकोसिस्टम के पूर्ण समाकलन की क्षमता में है।लेखक, स्रोत: न्यूज़िज़यन
एजेंटिक एआई को किस कैलकुलेशन बेस पर चलाना चाहिए?
कुछ दिनों बाद, WAIC 2026 पर सबसे भीड़ वाली अवधारणाओं में से एक — एजेंट कंप्यूटर — एक्सपोज़ पर नए पनपने वाले आकर्षण से एक वास्तविक इंजीनियरिंग समस्या बन गया है।
स्थानीय रूप से एक डिवाइस पर बड़ा मॉडल चलाना पहले से ही सबसे कठिन हिस्सा नहीं है। अधिक कठिन बात यह है कि जब एजेंट को फाइलों को लगातार पढ़ना, स्मृति बनाए रखना, उपकरणों का उपयोग करना और बैकग्राउंड में लंबे समय तक चलना हो, तो क्या चिप स्थिरता बनाए रख सकती है, जबकि ऊर्जा खपत, देरी और लागत के प्रतिबंधों के अंतर्गत।
यह एंड-पॉइंट चिप के मूल्यांकन के तरीके को बदल देगा। TOPS, मॉडल पैरामीटर और प्रति सेकंड टोकन अभी भी महत्वपूर्ण हैं, लेकिन यदि मेमोरी बैंडविड्थ के साथ साथ नहीं बढ़ पा रहा है, CPU और NPU का समन्वय ठीक से नहीं हो रहा है, या सॉफ्टवेयर स्टैक कार्य की स्थिति को बनाए नहीं रख पा रहा है, तो सबसे अच्छा शीर्ष मान केवल एक डेमो पूरा करने के लिए पर्याप्त हो सकता है।
हमने ध्यान दिया कि इस सप्ताह, सिंगापुर कंपनी Acrab ने एक ऑनलाइन लॉन्च आयोजित किया और Agent Box जारी किया, जो संभवतः एक विघटन के लिए एक नमूना प्रदान करता है।
इस प्रेजेंटेशन में, यह AI इन्फ्रा कंपनी प्रीफिल, यूनिफाइड मेमोरी, CPU-NPU हाइब्रिड कोऑर्डिनेशन और एजेंट ऑर्केस्ट्रेशन को एक साथ पेश करती है।
ये कीवर्ड एक ही निष्कर्ष की ओर इशारा करते हैं: एज एआई एक 'मॉडल चलाने' से एक 'लंबे समय तक चलने वाली बुद्धिमान प्रणाली' की ओर बढ़ रहा है।
चिप को हल करना अब केवल यह नहीं है कि कैलकुलेशन क्षमता पर्याप्त है या नहीं, बल्कि यह है कि डेटा कैसे प्रवाहित होगा, कार्य कैसे नियोजित किए जाएंगे, और सॉफ्टवेयर और हार्डवेयर कैसे लगातार सहयोग करेंगे।
इसलिए, जब WAIC की उत्साह और नए उत्पाद लॉन्च, उद्योग के रुझान धीरे-धीरे शांत हो जाते हैं, तो वास्तव में पूछे जाने योग्य प्रश्न स्पष्ट हो जाते हैं: जब Agent एक बार की कॉल से लगातार काम करने वाला बन जाता है, तो एंड-साइड चिप को क्या फिर से करना होगा?
एक निष्कर्ष से निरंतर कार्य तक
एजेंट ने एज डिवाइस लोड बदल दिया है
चैटबॉट आमतौर पर एक प्रश्न-उत्तर चक्र पूरा करते हैं। एजेंट को एक कार्य मिलने के बाद, यह पहले सामग्री की खोज कर सकता है, फ़ाइलें पढ़ सकता है, फिर कोड, ब्राउज़र, कैलेंडर या ऑफिस सॉफ़्टवेयर को कॉल कर सकता है; एक भाग पूरा करने के बाद परिणाम की जांच कर सकता है, कार्य की स्थिति को बनाए रख सकता है, और अगले ट्रिगर का इंतजार कर सकता है। एक कार्य अक्सर कई चक्रों में मॉडल कॉल को शामिल करता है और विभिन्न मॉडल, उपकरण और अनुप्रयोगों के बीच बार-बार स्विच करता है।
Acrab ने प्रेस कॉन्फ्रेंस में एक तुलनात्मक रूप से पूर्ण कार्य प्रवाह दिखाया: उपयोगकर्ता अपने बच्चे के लिए एक अंतरिक्ष विषयक उपहार बनाना चाहता है, सिस्टम आइडिया प्रदान करता है, समाधान चुनने में मदद करता है, संबंधित उपकरणों को कॉल करता है और निर्माण प्रगति का अनुसरण करता है; जब परिवेश में नयी स्थिति उत्पन्न होती है, तो यह अन्य स्मार्ट उपकरणों से जुड़कर उनका समाधान कर सकता है।
इस डेमो का महत्व एक बार के उत्तर की बुद्धिमानी में नहीं है, बल्कि एक प्राकृतिक भाषा को लगातार कार्रवाइयों की श्रृंखला में बदला जा सकता है या नहीं, इसमें है। कॉम्प्यूटेशनल सिस्टम के लिए, एजेंट केवल 'मॉडल को एक बार कॉल करना' नहीं रहा, बल्कि मॉडल, डेटा, सॉफ्टवेयर और उपकरणों के बीच लगातार स्विच करना है।
यह कार्य प्रक्रिया पहले एंड-क्लाउड बीच की भूमिका को बढ़ाती है।
एकल निष्कर्षण की लागत शायद कम हो, लेकिन बार-बार और निरंतर कॉल करने पर, टोकन तकनीकी सूचक से वास्तविक बिल में बदल जाता है; एक नेटवर्क प्रतीक्षा का चैट पर प्रभाव सीमित होता है, लेकिन बहु-चरण कार्य में इसका स्तरबद्ध रूप से संचय होता है; एजेंट को अधिक पूर्ण व्यक्तिगत संदर्भ की आवश्यकता होती है, जिससे डेटा का बार-बार क्लाउड के साथ आवागमन होता है और उजागरता का क्षेत्र बढ़ जाता है।
इसलिए, एंड-साइड और क्लाउड एक दूसरे के विकल्प नहीं हैं। अधिक वास्तविक संरचना यह है: उच्च आवृत्ति, गोपनीयता संवेदनशील, त्वरित प्रतिक्रिया की आवश्यकता वाले और लंबे समय तक स्थिति बनाए रखने की आवश्यकता वाले कार्यों को संभवतः स्थानीय रूप से रखा जाए; उससे अधिक जटिल निष्कर्षण, जो उपकरण की क्षमता की सीमा से परे हो, के लिए क्लाउड संसाधनों का उपयोग किया जाए।
वास्तविक परिवर्तन यह है कि एंड-साइड केवल एक बार के मॉडल इन्फरेंस को ही नहीं, बल्कि एक ऐसी बुद्धिमान प्रणाली को भी संभालना होगा जिसे आसानी से बंद नहीं किया जा सकता।
इसे बड़े मॉडल चलाने के साथ-साथ लंबे संदर्भ, बहुकार्य और उपकरण आह्वान को संभालना होगा; प्रदर्शन पर्याप्त रूप से मजबूत होना चाहिए, लेकिन ऊर्जा खपत और लागत अनियंत्रित नहीं होनी चाहिए, Runtime, टूलचेन और एजेंट पारिस्थितिकी भी समान रूप से अपडेट होनी चाहिए।
एजेंट-आधारित AI यह सुनिश्चित करता है कि मॉडल, स्मृति, उपकरण और अनुप्रयोग डिवाइस में दीर्घकालिक रूप से सह-अस्तित्व में रह सकें।
केवल NPU जमा करने से काफी नहीं है
CPU, मेमोरी और सॉफ्टवेयर स्टैक को एक साथ पुनः बनाया जाना चाहिए
पहले, CPU या SoC में एक NPU जोड़ने से टर्मिनल को वॉइस रिकग्निशन, इमेज प्रोसेसिंग आदि AI क्षमताएं प्राप्त होती थीं। लेकिन जब Agent एक अतिरिक्त क्षमता से डिवाइस की केंद्रीय भूमिका में बदल गया, तो केवल शीर्ष गणना क्षमता बढ़ाना पर्याप्त नहीं है।
कारण यह है कि एजेंट एक निश्चित न्यूरल नेटवर्क इन्फरेंस पाथ नहीं है। बड़े पैमाने पर समानांतर गणना को NPU को सौंपा जा सकता है, जबकि कार्य विभाजन, शर्त निर्धारण, सिस्टम स्केड्यूलिंग, टूल कॉल, अपवाद प्रबंधन और बहु-सिस्टम सहयोग पर CPU पर अधिक निर्भर किया जाता है। जितना अधिक कार्य पथ गतिशील होता है, CPU और NPU के बीच समन्वय उतना ही महत्वपूर्ण होता है।
Acrab के सीईओ केन फुआ ने इस परिवर्तन को इस प्रकार सारांशित किया: "CPU फिर से AI युग के केंद्र में वापस आ गया है।"
उसके अनुसार, AI विषम परिगणन परिवेश में प्रवेश कर रहा है, और निष्पादन प्रभाव केवल NPU के प्रदर्शन पर ही निर्भर नहीं करता, बल्कि CPU और NPU के बीच बिना किसी बाधा के सहयोग पर भी निर्भर करता है।
यह एक्रेब की कुछ ही ऐसी टीम लाइन है जिसे विस्तार से देखने लायक है।
केन फुआ ने आर्म यूके में एशिया-प्रशांत एप्लिकेशन इंजीनियरिंग टीम का नेतृत्व किया और वैश्विक आईपी रणनीति में भाग लिया, इसके बाद आर्म चाइना के सह-सीईओ बने।
इस अनुभव का महत्व केवल उद्योग की जानकारी तक सीमित नहीं है, बल्कि यह समझाता है कि इस कंपनी ने CPU आर्किटेक्चर, हेटरोजेनियस कंप्यूटिंग और वास्तविक अनुप्रयोग की आवश्यकताओं के प्रतिच्छेदन से Agent वर्कलोड को कैसे पुनः परिभाषित किया।
Acrab ने GΞLIX 1 को एक पारंपरिक AI प्रोसेसर के रूप में नहीं, बल्कि एंड-साइड AI युग के लिए एक कॉम्प्यूटिंग प्लेटफॉर्म के रूप में परिभाषित किया है।
हार्डवेयर साइड पर GΞLIX 1 को केंद्र माना गया है; सॉफ्टवेयर साइड पर बड़े मॉडल, अनुकूलित Runtime, पूर्ण टूलचेन, और मॉडल, टूल, डिवाइस और सेवाओं को जोड़ने वाली Agent ऑर्केस्ट्रेशन लेयर शामिल है; इसके आधार पर, कंपनी विभिन्न प्रमुख परिदृश्यों के लिए Agent के संदर्भ डिज़ाइन प्रदान करती है, जिससे डेवलपर्स और पार्टनर्स ऐप्स को तेजी से बना सकें।
एजेंट बॉक्स इस सॉफ्टवेयर और हार्डवेयर प्लेटफॉर्म का पहला पूर्ण उत्पाद रूप है। इसे पर्सनल एआई सेंटर के रूप में परिभाषित किया गया है, जो स्थानीय रूप से कई अरब पैरामीटर मॉडल चला सकता है, भले ही नेटवर्क कनेक्शन न हो, तब भी इसकी मुख्य क्षमताएं बनी रहती हैं।
Acrab का अर्थ Agentic Compute, Reasoning, Action और Brain के प्रथम अक्षरों से है, और यह खगोलशास्त्र में एक बहु-तारा प्रणाली का नाम भी है—जैसा कि इसका डिजाइन दर्शन है: विभिन्न कॉम्प्यूटिंग इकाइयों को तारा प्रणाली की तरह सहयोग से काम करने के लिए डिज़ाइन किया गया है।
कंपनी इस लक्ष्य के साथ, एजेंट के लिए एक ऐसा दिमाग बनाने का लक्ष्य रखती है जो सोच सके और कार्य कर सके, और अगली पीढ़ी का कंप्यूटिंग प्लेटफॉर्म बनाती है।
सिंगापुर स्थित Acrab ने अब तक 3.5 अरब डॉलर से अधिक की फंडिंग एकत्र की है, जिसमें Temasek के ग्लोबल वेंचर कैपिटल प्लेटफॉर्म Vertex (祥峰投資), सिंगापुर के प्रमुख टेक निवेश संस्थान K3 Ventures शामिल हैं।
उसका पहली पीढ़ी का कॉम्प्यूटिंग प्लेटफॉर्म GΞLIX ने कठोर वास्तविक डिप्लॉयमेंट वातावरण में सत्यापन पूरा कर लिया है और अब पहले उद्योग-स्तरीय अपनाने और बड़े पैमाने पर उत्पादन की ओर बढ़ रहा है।
फाइनेंसिंग से बड़े प्रोजेक्ट के लिए समय खरीदा जा सकता है, लेकिन यह निर्धारित करने के लिए कि रास्ता सफल होगा या नहीं, यह अभी भी यह है कि सिस्टम क्या प्रदान करता है।
इस दृष्टिकोण से, "CPU फिर से केंद्र में वापस आ गया" का अर्थ यह नहीं है कि NPU महत्वहीन हो गया है।
विपरीत रूप से, इसका अर्थ है कि AI की गणना इतनी जटिल हो चुकी है कि सभी समस्याओं को हल करने के लिए अब एक अकेले त्वरक पर निर्भर नहीं रहा जा सकता।
700 TOPS के बाहर
Prefill और डेटा पाथ वास्तविक अनुभव निर्धारित करते हैं
अक्सर, बड़े मॉडल निष्पादन की सीमा केवल गणना इकाई के तेज़ न होने के कारण नहीं होती, बल्कि डेटा को गणना इकाई तक पहुंचाने में देरी होती है।
चिप की उच्चतम गणना क्षमता के बावजूद, यदि मेमोरी बैंडविड्थ के साथ सामंजस्य नहीं बैठता, तो NPU को प्रतीक्षा करनी पड़ती है।
एजेंट डेटा स्थानांतरण की समस्या को और बढ़ाएगा। इसे बार-बार इतिहास पढ़ना पड़ता है, विभिन्न मॉडल और सॉफ्टवेयर के बीच डेटा स्थानांतरित करना पड़ता है, और लगातार कार्य की स्थिति को सहेजना पड़ता है। प्रत्येक प्रतिलिपि देरी और बिजली के उपयोग को बढ़ाती है, और जितना लंबा कार्य चलता है, उतना ही सिस्टम डिज़ाइन का महत्व बढ़ जाता है।
GΞLIX 1 के डिजाइन का मुख्य ध्यान मॉडल को आवश्यक डेटा को कैलकुलेशन यूनिट के निकट ही रखना और CPU, NPU, मेमोरी और विभिन्न ऑपरेटिंग सिस्टम के बीच डेटा के आवागमन को कम करना है।
Acrab द्वारा प्रकाशित आर्किटेक्चर के अनुसार, GΞLIX 1 700 TOPS से अधिक AI कैलकुलेशन क्षमता और 273 GB/s की यूनिफाइड मेमोरी बैंडविड्थ प्रदान करता है, जिसमें चिप के अंदर 8MB L1 कैश, 768 GB/s बैंडविड्थ वाला शेयर्ड L2 कैश, चार समानांतर NPU कोर और Attention कैलकुलेशन के लिए डिज़ाइन किया गया एक विशेष त्वरक मॉड्यूल शामिल है।
Acrab के अनुसार, बाद वाला संबंधित गणना की दक्षता को तीन गुना तक बढ़ा सकता है।
बड़ा ऑन-चिप कैश, महत्वपूर्ण डेटा को कैलकुलेशन यूनिट के निकट रखता है; शेयर्ड L2 कैश कैलकुलेशन यूनिट के बीच पैरामीटर और मध्यवर्ती विशेषताओं को कुशलता से शेयर करता है; और यूनिफाइड मेमोरी आर्किटेक्चर मॉडल, ऑपरेटिंग सिस्टम और एप्लिकेशन के बीच अनावश्यक डेटा प्रतिलिपि को कम करता है।
Acrab एक बहु-सिस्टम यूनिफाइड मेमोरी आर्किटेक्चर का उपयोग करता है, जिससे विभिन्न ऑपरेटिंग सिस्टम मेमोरी को अधिक कुशलता से साझा कर सकते हैं। एकल मॉडल चलाने वाले उपकरणों के लिए, यह केवल कुशलता में सुधार हो सकता है; लेकिन ऐसे एजेंट के लिए जो लगातार एप्लिकेशन और टूल्स के बीच काम करते हैं, यह सीधे प्रभावित करता है कि कार्य सुचारू रूप से आगे बढ़ पाएगा या नहीं।
यह भी समझाता है कि एक्रैब ने प्रीफिल को प्रेजेंटेशन का केंद्र बनाया। एजेंट नए फाइल्स शामिल करने, टास्क स्टेटस रीस्टोर करने या कॉन्टेक्स्ट अपडेट करने के दौरान अक्सर नए जोड़े गए डेटा को फिर से प्रोसेस करने की आवश्यकता होती है। जितना लंबा टास्क चेन होगा, प्रीफिल की दक्षता उतनी ही अधिक प्रभावित करेगी।
Acrab द्वारा प्रकाशित एक सेट ऑफ सेल्फ-टेस्ट में, GΞLIX 1 ने 40K KV Cache और 10,000 Token इनपुट के साथ 260 बिलियन पैरामीटर Gemma मॉडल चलाया, जिससे Prefill गति 1416 Token प्रति सेकंड से अधिक हुई; समान लोड पर, यह किसी प्रमुख जनरल-पर्पस डेस्कटॉप प्लेटफॉर्म की तुलना में 7 गुना से अधिक प्रदर्शन करता है।
Acrab ने GΞLIX 1 की तुलना एक समान डेस्कटॉप-लेवल AI कॉम्प्यूटिंग प्लेटफॉर्म के साथ एक ही टेस्टिंग फ्रेमवर्क में की।
डेटा दर्शाता है कि GΞLIX 1, Prefill और Decode दोनों मुख्य सूचकांकों पर समान प्रदर्शन अंतराल में प्रवेश करता है, जबकि इसकी उपभोग शक्ति और पूर्ण मशीन लागत कम है।
Acrab ने Prefill और डेटा पाथ पर जोर देने का चयन किया, जो एक उत्पाद दृष्टिकोण को दर्शाता है: एंड-साइड एजेंट चिप्स केवल मॉडल के आउटपुट की गति की तलाश में नहीं होने चाहिए, बल्कि यह सुनिश्चित करना चाहिए कि मॉडल लंबे संदर्भ को तेजी से समझ सके, कार्य की स्थिति को पुनर्स्थापित कर सके और कार्य करना शुरू कर सके।
उपयोगकर्ता किसी निष्कर्ष श्रृंखला के भीतर कितनी परतें कैश की गई हैं, इस पर ध्यान नहीं देंगे, और प्रत्येक बार इंटरैक्शन से पहले TOPS जांचेंगे नहीं। उपयोगकर्ता केवल तीन चीजों को महसूस करते हैं: क्या यह त्वरित रूप से समझ सकता है, क्या यह लगातार काम कर सकता है, और क्या इसे हासिल करना पर्याप्त रूप से सौदेबाज़ी है।
चिप से प्लेटफॉर्म तक
वास्तविक प्रतिस्पर्धा पैरामीटर के बाहर है
इस साल WAIC में दिखाए गए एजेंट कंप्यूटर, व्यक्तिगत AI केंद्र और उद्यम स्तरीय डिवाइस अभी तक एक समान उत्पाद रूप नहीं बनाए हैं।
घरेलू परिदृश्य में व्यक्तिगत स्मृतियों, सामग्री और उपकरणों के समन्वय पर अधिक जोर दिया जाता है, जबकि व्यावसायिक परिदृश्य में ज्ञान भंडार, फ़ाइल प्रसंस्करण और आंतरिक डेटा सुरक्षा पर अधिक ध्यान दिया जाता है। विभिन्न ग्राहकों के लिए मॉडल के आकार, मेमोरी क्षमता, बिजली की खपत और इंटरफ़ेस की आवश्यकताएँ बहुत अलग-अलग होती हैं।
जितना अधिक एंडपॉइंट टुकड़े-टुकड़े होते हैं, उतना ही कॉम्प्यूटिंग प्लेटफॉर्म बनाना कठिन होता है। एक ही चिप केवल पैरामीटर्स के आधार पर सभी स्थितियों को कवर नहीं कर सकती; इसके अलावा, Runtime, मॉडल अनुकूलन, डेवलपमेंट टूल्स और एजेंट फ्रेमवर्क प्रदान करना आवश्यक है ताकि ग्राहक नीचे की गणना क्षमता को उपलब्ध कराने योग्य उत्पाद में बदल सकें।
यह भी एजेंटिक AI चिप के लिए सामान्य निष्कर्षण चिप की तुलना में एक अतिरिक्त प्रश्न है: चिप प्रदर्शन यह निर्धारित करता है कि मॉडल चल सकता है या नहीं, सॉफ्टवेयर स्टैक यह निर्धारित करता है कि डेवलपर इसे उपयोग कर सकता है या नहीं, और एजेंट पारिस्थितिकी यह निर्धारित करती है कि उपकरण अंततः कौन से कार्य पूरा कर सकता है। कोई भी स्तर अनुपस्थित होने पर, एक पैरामीटर के संदर्भ में सुंदर चिप केवल डेमो चरण पर ही रुक सकती है।
एक्रेब इन सभी चरणों को एक साथ पकड़ने की कोशिश कर रहा है। फायदा यह है कि उत्पाद परिभाषा अधिक पूर्ण है, लेकिन जोखिम भी सीधा है: लड़ाई का मैदान बहुत लंबा है।
चिप को प्रदर्शन, स्थिरता और बड़े पैमाने पर आपूर्ति क्षमता साबित करनी होगी, सॉफ्टवेयर स्टैक को मॉडल के तेज़ अपडेट के साथ चलना होगा, और एजेंट ऑर्केस्ट्रेशन लेयर को लगातार बदलते टूल और एप्लिकेशन्स के साथ संगत होना होगा। व्यक्तिगत फाइलें और दीर्घकालिक स्मृति स्थानीय रूप से रखी जाने के बाद, परमिशन आइसोलेशन, प्लगइन सुरक्षा और ऑपरेशन ऑडिट को भी समानांतर रूप से हल किया जाना चाहिए।
इसलिए, Acrab क्या Agentic AI के युग का कॉम्प्यूटिंग प्लेटफॉर्म बन सकता है, यह उस पर निर्भर करता है कि प्रेजेंटेशन में कितने Token चलाए गए या Agent Box कितने कार्यों को दिखा सकता है।
अधिक महत्वपूर्ण जांच यह है: क्या डेवलपर इस प्लेटफॉर्म पर तेजी से उत्पाद बना सकते हैं; एजेंट कई घंटे तक लगातार काम करने के बाद, क्या प्रदर्शन, ऊर्जा खपत और स्थिरता एक साथ बनी रह सकती हैं; जब मॉडल और एजेंट फ्रेमवर्क बदलते रहें, तो निचले स्तर के सॉफ्टवेयर और हार्डवेयर क्या उनके साथ चल पाएंगे।
आर्किटेक्चर इनोवेशन एक चिप कंपनी की क्षमता की सीमा निर्धारित करता है, जबकि इंजीनियरिंग और इकोसिस्टम यह तय करते हैं कि यह सीमा ऑर्डर में बदल पाएगी या नहीं।
WAIC पर घने रूप से दिखाई देने वाले नए टर्मिनल, यह दर्शाते हैं कि उद्योग 「बड़े मॉडल को चलाना」 से 「एजेंट को लगातार काम करना」 की ओर बढ़ रहा है। पिछले चरण में कंप्यूटिंग पावर, मेमोरी और मॉडल के आकार की तुलना की जाती थी; अगले चरण में लंबे कॉन्टेक्स्ट, व्यक्तिगत स्मृति, टूल कॉलिंग और बहु-कार्य समन्वय को हल करना होगा।
Acrab इसी परिवर्तन पर बेट लगा रहा है।
एजेंट बॉक्स अंत नहीं है, बल्कि एक प्लेटफॉर्म क्षमता का खुला परीक्षण है।
एंड-साइड चिप को「पुनः बनाया जाना चाहिए」, यह इसलिए नहीं कि TOPS महत्वहीन है, बल्कि इसलिए क्योंकि एजेंट गणना को शीर्ष आंकड़ों से लंबे समय तक चलने वाली सिस्टम क्षमता में बदल रहा है। इसकी सफलता का अंतिम परीक्षण यह होगा कि क्या यह चिप, सॉफ्टवेयर और एंड-पॉइंट वास्तविक कार्य प्रवाह में प्रवेश कर पाते हैं।