WAIC 2026 پر، سنگاپور کی AI Infra کمپنی Acrab نے Agent Box اور GΞLIX 1 چپ جاری کی، جو اندرونی Agentic AI کے لیے کمپوٹیشنل بنیاد فراہم کرنے کے مقصد سے ہیں۔ روایتی AI چپس سے الگ، GΞLIX 1 CPU اور NPU کے ہیٹرو جینک سہولت، یکساں میموری آرکیٹیکچر اور Prefill کی بہتری پر زور دیتا ہے، جس سے 700 TOPS کی کمپوٹیشنل طاقت اور 273GB/s میموری بینڈ ویتھ حاصل ہوتی ہے۔ سی ای او کین فوہا کا خیال ہے کہ AI اب ہیٹرو جینک کمپوٹیشن کے دور میں داخل ہو چکا ہے، اور CPU دوبارہ مرکزی مقام حاصل کر رہا ہے؛ Acrab نے تکریباً 3.5 ارب ڈالر کا فنڈنگ حاصل کر لیا ہے۔ اندرونی AI اب "ایک ماڈل چلانا" سے "لمبے عرصے تک ایک ذکی نظام چلانا" کی طرف منتقل ہو رہا ہے، اور حقیقی مقابلہ چپ، سافٹ ویئر اسٹیک اور Agent ایکوسسٹم کے مکمل اینٹیگریشن کے صلاحیت پر ہے۔مضمون کا مصنف، ذریعہ: نیوزہیوی
ایجینٹک AI کو کس قسم کے کمپیوٹنگ انفراسٹرکچر پر چلایا جانا چاہیے؟
کچھ دن گزر گئے، WAIC 2026 پر سب سے زیادہ بھیڑ والے تصورات میں سے ایک — Agent Computer — شو کی جگہ سے نئے ہونے کے جذبے کو عبور کر کے ایک حقیقی انجینئرنگ چیلنج بن گیا ہے۔
ایک ڈیوائس کو مقامی طور پر بڑے ماڈل چلانا، اب تک کا سب سے مشکل حصہ نہیں ہے۔ زیادہ مشکل بات یہ ہے کہ جب ایجنٹ کو فائلیں لگاتار پڑھنی ہوں، یادداشت برقرار رکھنی ہو، ٹولز کا استعمال کرنا ہو، اور پیچھے سے لمبے عرصے تک چلنا ہو، تو چپ کو طاقت، تاخیر اور لاگت کے پابندیوں کے تحت مستقل رکھنا ہو۔
یہ کلائنٹ سائیڈ چپ کے جائزے کے طریقے کو تبدیل کر دے گا۔ TOPS، ماڈل پیرامیٹرز اور فی سیکنڈ ٹوکن اب بھی اہم ہیں، لیکن اگر میموری بینڈ ویتھ کے ساتھ ساتھ CPU اور NPU کا تعاون بھی خراب ہو، اور سافٹ ویئر اسٹیک کام کی حالت کو برقرار نہ رکھ سکے، تو کوئی بھی خوبصورت پیک مقدار صرف ایک ڈیمو مکمل کرنے کے لیے کافی ہو سکتی ہے۔
ہم نے نوٹ کیا کہ اس ہفتے، سنگاپور کی کمپنی Acrab نے ایک آن لائن لانچ ایونٹ کیا اور Agent Box جاری کیا، جو شاید ایک قابل تجزیہ نمونہ فراہم کرتا ہے۔
اس جلسے میں، AI Infra کمپنی نے Prefill، یونیفائیڈ میموری، CPU-NPU ہائبرڈ کو آرڈینیشن اور ایجنٹ آرگنائزیشن کو ایک ساتھ پیش کیا۔
یہ کلیدی الفاظ ایک ہی جائزہ کی طرف اشارہ کرتے ہیں: ایڈج AI "ایک ماڈل چلانے" سے "طویل مدت تک ایک ذہین نظام چلانے" کی طرف جا رہا ہے۔
چپ کو صرف یہ حل کرنا نہیں ہے کہ کمپیوٹیشنل پاور کافی ہے یا نہیں، بلکہ یہ بھی کہ ڈیٹا کیسے بہے، ٹاسک کیسے شیڈول ہوں، اور سافٹ ویئر اور ہارڈ ویئر کیسے مستقل طور پر مل کر کام کریں۔
اس لیے، جب WAIC کی ہنگامہ اور نئے مصنوعات کی جاری کے، صنعتی رجحانات آہستہ آہستہ سما جائیں، تو اصلی سوال واضح ہو جاتا ہے: جب ایجینٹ ایک بار کے کال سے لے کر مستقل کام کرنے لگ جائے، تو اندرونی چپ کو کیا دوبارہ بنانا ہوگا؟
ایک استدلال سے لے کر مستقل کام تک
ایجینٹ نے ایج کا لوڈ تبدیل کر دیا
چیٹ بوٹ عام طور پر ایک سوال جواب کے دور مکمل کرتے ہیں۔ ایجنٹ کو ایک کام ملتا ہے، تو وہ شاید پہلے معلومات تلاش کرے، فائلیں پڑھے، پھر کوڈ، براؤزر، کیلنڈر یا آفس سافٹ ویئر کو فراہم کرے؛ ایک حصہ مکمل کرنے کے بعد نتائج کا جائزہ لے، کام کی حالت برقرار رکھے، اور اگلے احکام کا انتظار کرے۔ ایک کام عام طور پر متعدد بار ماڈل کے استعمال کو مختص کرتا ہے اور مختلف ماڈلز، ٹولز اور ایپلیکیشنز کے درمیان بار بار تبدیل ہوتا رہتا ہے۔
اکراب نے پریزنٹیشن میں ایک نسبتاً مکمل کام کا عمل دکھایا: صارف نے اپنے بچے کے لیے ایک اسپیس تھیم والی تحفہ کی درخواست کی، سسٹم نے مزید تجاویز دیں، منصوبے کا انتخاب کرنے میں مدد کی، متعلقہ ٹولز کو فعال کیا اور ترقی کی نگرانی کی؛ جب ماحول میں نئی صورتحال پیدا ہوئی، تو اس نے دوسرے اسمارٹ ڈیوائسز سے جڑ کر ان کا انتظام کیا۔
اس ڈیمو کا مقصد یہ نہیں کہ کوئی ایک جواب کتنے ذکی ہو، بلکہ یہ ہے کہ کیا ایک قدرتی زبان کو مسلسل اقدامات کی ترتیب میں تبدیل کیا جا سکتا ہے۔ کمپیوٹنگ سسٹم کے لیے، ایجنٹ صرف "ایک بار ماڈل کو کال کرنا" نہیں رہا، بلکہ اب وہ ماڈل، ڈیٹا، سافٹ ویئر اور ڈیوائسز کے درمیان لگاتار منتقل ہو رہا ہے۔
یہ طریقہ کار سب سے پہلے اندرونی اور بادل کے درمیان تقسیم کام کو بڑھاتا ہے۔
ایک بار کی انفرادی تجزیہ کی قیمت زیادہ نہیں ہو سکتی، لیکن جب کالز متعدد اور مستقل ہو جائیں تو ٹوکن تکنیکی اشاریہ سے حقیقی بل میں تبدیل ہو جاتے ہیں؛ ایک بار کا نیٹ ورک انتظار چیٹ پر محدود اثر ڈالتا ہے، لیکن اسے متعدد مراحل کے کام میں شامل کرنے سے اس کا اثر تدریجی طور پر جمع ہوتا جاتا ہے؛ ایجنٹ کو مکمل ذاتی سند کا جاننا ہوگا، جس سے ڈیٹا بار بار کلاؤڈ کے درمیان آتا جاتا ہے اور اس طرح اظہار کا رنگہ بڑھ جاتا ہے۔
اس لیے، ایند سائیڈ اور کلاؤڈ کے درمیان مکمل طور پر ایک کا انتخاب نہیں ہے۔ زیادہ عملی ساخت یہ ہے: اعلیٰ فریکوئنسی، خفیہ حساس، تیز رفتار جواب کی ضرورت والے اور طویل عرصے تک حالت برقرار رکھنے والے کاموں کو جتنے ممکن ہو سکے مقامی طور پر رکھا جائے؛ اور ڈیوائس کی حدود سے باہر کے پیچیدہ استدلال کے لیے کلاؤڈ وسائل کا استعمال کیا جائے۔
اصل تبدیلی یہ ہے کہ ایج ڈیوائس صرف ایک بار مدل انفرنس کو نہیں بلکہ ایک ایسی ذہین سسٹم کو بھی حامل ہوگی جسے آسانی سے روکا نہیں جا سکتا۔
اسے بڑے ماڈل چلانے، لمبے کنٹیکس، متعدد کاموں اور ٹول کالز کو ہینڈل کرنے کی ضرورت ہے؛ پرفارمنس کافی طاقتور ہونی چاہیے، جبکہ بجلی کی استعمال اور لاگت بے قابو نہ ہو، اور Runtime، ٹول چین اور ایجنٹ ایکوسسٹم بھی اس کے ساتھ ساتھ آگے بڑھنا چاہیے۔
ڈیوائس میں ماڈل کو ڈالنا کس طرح ممکن ہے، اس کا حل جانبی بڑے ماڈلز فراہم کرتے ہیں، جبکہ ایجنٹک AI کا مقصد یہ ہے کہ ماڈل، یادداشت، ٹولز اور ایپلیکیشنز ڈیوائس میں طویل عرصے تک مل کر کام کر سکیں۔
صرف NPU جمع کرنا کافی نہیں
سی پی یو، میموری اور سافٹ ویئر اسٹیک کو ایک ساتھ دوبارہ بنایا جانا چاہیے
پہلے، CPU یا SoC میں ایک NPU شامل کرنے سے ٹرمنل کو صوتی شناخت، تصویری معالجہ جیسی AI صلاحیتیں حاصل ہوتی تھیں۔ لیکن جب Agent مکمل طور پر اضافی فنکشن سے ڈیوائس کا مرکزی حصہ بن گیا، تو صرف پیک کمپوٹیشنل طاقت بڑھانا کافی نہیں رہا۔
اس کا سبب یہ ہے کہ ایجینٹ ایک مخصوص نیورل نیٹ ورک انفرنس چین نہیں ہے۔ بڑے پیمانے پر پیرلل کمپوٹنگ کو NPU کو سونپنا مناسب ہے، جبکہ ٹاسک ڈیکمپوزیشن، شرطی جائزہ، سسٹم سکیڈولنگ، ٹول کال، ایکسیپشن ہینڈلنگ اور متعدد سسٹمز کے درمیان تعاون کے لیے CPU پر زیادہ انحصار ہوتا ہے۔ جتنا ٹاسک پاتھ زیادہ ڈائنانمک ہوگا، CPU اور NPU کے درمیان تعاون اتنا ہی زیادہ اہم ہوگا۔
اکراب کے سی ای او کین فوا نے اس تبدیلی کو اس طرح خلاصہ کیا: «CPU دوبارہ AI کے دور کے مرکز میں واپس آ گیا ہے۔»
اس کے جائزے کے مطابق، AI غیر متجانس کمپیوٹنگ ماحول میں داخل ہو رہا ہے، اور اس کی کارکردگی صرف NPU کی صلاحیت پر نہیں، بلکہ CPU اور NPU کے درمیان بے خود تعاون پر بھی منحصر ہے۔
یہ بھی Acrab کی کم تعداد میں موجود وہ ٹیم کی سرنخ ہے جسے آگے بڑھایا جا سکتا ہے۔
کین فوا نے Arm UK میں ایشیا پیسیفک ایپلیکیشن انجینئرنگ ٹیم کی قیادت کی اور عالمی IP حکمت عملی میں شرکت کی، اس کے بعد Arm China کے ملٹی کو-سی ای او بنے۔
اس تجربے کا مقصد صرف ایک صنعتی سرگرمی نہیں ہے، بلکہ یہ وضاحت کرتا ہے کہ کیوں اس کمپنی نے CPU آرکیٹیکچر، ہیٹروجینس کمپوٹنگ اور حقیقی ایپلیکیشن کی ضروریات کے تقاطع پر Agent ورک لوڈ کو دوبارہ تعریف کیا۔
اکراب نے GΞLIX 1 کو ایک روایتی AI پروسیسر کے طور پر نہیں بلکہ ایک اینڈ-سائیڈ AI دور کے کمپیوٹنگ پلیٹ فارم کے طور پر تعریف کیا ہے۔
ہارڈویئر کی طرف سے GΞLIX 1 کو مرکزی عنصر کے طور پر استعمال کیا جاتا ہے؛ سافٹ ویئر کی طرف سے بڑے ماڈل، بہتر شدہ Runtime، مکمل ٹول چین، اور ماڈل، ٹولز، ڈیوائسز اور سروسز کو جوڑنے والی ایجنٹ اورکیشن لیئر کو کور کیا جاتا ہے؛ اس کے علاوہ، کمپنی عام صورتحال کے لیے ایجنٹ ریفرنس ڈیزائن فراہم کرتی ہے تاکہ ڈویلپرز اور ایکوسسٹم پارٹنرز تیزی سے ایپلیکیشنز تعمیر کر سکیں۔
ایجینٹ باکس اس سافٹ ویئر اور ہارڈ ویئر پلیٹ فارم کا پہلا مکمل مصنوعات کے روپ میں ظہور ہے۔ اسے پرسنل AI سنٹر کے طور پر تعریف کیا گیا ہے، جو مقامی طور پر کھربوں پیرامیٹرز والے ماڈلز چلا سکتا ہے اور انٹرنیٹ کنکشن کے بغیر بھی اپنی بنیادی صلاحیتیں برقرار رکھ سکتا ہے۔
Acrab، Agentic Compute، Reasoning، Action اور Brain کے ابتدائی حروف سے لیا گیا ہے، اور یہی ایک خلائی نظام کا نام ہے جس میں متعدد ستارے ہوتے ہیں—جیسا کہ اس کا ڈیزائن فلسفہ ہے: مختلف کمپیوٹنگ یونٹس کو ایک ستارہ نظام کی طرح مل کر کام کرنے کے لیے ڈیزائن کرنا۔
کمپنی کا ہدف ایجینٹ کے لیے ایک سوچنے اور عمل کرنے والی دماغ کا ڈیزائن کرنا اور اگلی نسل کے کمپوٹنگ پلیٹ فارم کا گھر بنانا ہے۔
سنگاپور کے دفتر والی Acrab نے تقریباً 3.5 ارب ڈالر کی فنڈنگ حاصل کر لی ہے، جس میں تیماسیک کے تحت عالمی وینچر کیپٹل پلیٹ فارم Vertex (Xiangfeng Investment) اور سنگاپور کے مشہور ٹیکنالوجی انویسٹمنٹ ادارہ K3 Ventures شامل ہیں۔
اس کا پہلا جنریشن کمپیوٹنگ پلیٹ فارم GΞLIX انتہائی سخت حقیقی ڈیپلویمنٹ ماحول میں تصدیق کر لیا گیا ہے، اور اب اس کا پہلا صنعتی استعمال اور بڑے پیمانے پر پیداوار کی طرف بڑھ رہا ہے۔
فنانس سے بڑے منصوبوں کے لیے وقت حاصل کیا جا سکتا ہے، لیکن راستہ کامیاب ہو گا یا نہیں، یہ اس بات پر منحصر ہے کہ نظام عمل میں لایا جا سکے یا نہیں۔
اس نظریہ سے، "CPU دوبارہ مرکز میں واپس آ رہا ہے" کا مطلب یہ نہیں کہ NPU اہمیت کھو چکا ہے۔
بالکل برعکس، اس کا مطلب یہ ہے کہ AI کی کمپوٹیشن اتنی پیچیدہ ہو چکی ہے کہ اب ایک منفرد ایکسلریٹر سے تمام مسائل حل نہیں کیے جا سکتے۔
700 TOPS کے علاوہ
پریفِل اور ڈیٹا پاتھ حقیقی تجربہ طے کرتے ہیں
کبھی کبھی، بڑے ماڈل کی استدلال کی پابندی صرف کمپیوٹیشنل یونٹس کی تیزی کی کمی نہیں ہوتی، بلکہ ڈیٹا کمپیوٹیشنل یونٹس تک پہنچنے میں دیر ہوتی ہے۔
اگر میموری بینڈ ویتھ کے ساتھ مطابقت نہ ہو، تو چپ کی بلند ترین پیک کمپوٹیشنل پاور کے باوجود NPU کو روکنا پڑے گا۔
ایجینٹ مزید ڈیٹا منتقلی کے مسائل کو بڑھائے گا۔ اسے تاریخی ریکارڈز کو بار بار پڑھنا ہوگا، مختلف ماڈلز اور سافٹ ویئر کے درمیان ڈیٹا منتقل کرنا ہوگا، اور مسلسل ٹاسک کی حالت محفوظ کرنی ہوگی۔ ہر نقل کے ساتھ لیٹنسی اور طاقت کا استعمال بڑھتا ہے، جتنا لمبا ٹاسک چلتا ہے، اتنا ہی سسٹم ڈیزائن کا اہم ہونا زیادہ ضروری ہوتا ہے۔
GΞLIX 1 کا ڈیزائن مرکزی طور پر ماڈل کے لیے درکار ڈیٹا کو کمپیوٹیشنل یونٹ کے قریب رکھنا اور CPU، NPU، میموری اور مختلف آپریٹنگ سسٹمز کے درمیان بار بار منتقل کرنے کو کم کرنا ہے۔
اکریب کی منتشر کردہ اردھ کے مطابق، GΞLIX 1 700 سے زائد TOPS AI کی حسابگری کی صلاحیت اور 273GB/s کی یکجا میموری بینڈ ویتھ فراہم کرتا ہے، جس میں 8MB L1 کیش، 768GB/s بینڈ ویتھ والی شیئرڈ L2 کیش، چار متوازی NPU کورز، اور توجہ کے حساب کے لیے ڈیزائن کردہ مخصوص ایکسلریٹر ماڈیول شامل ہیں۔
اکراب کا کہنا ہے کہ بعد والی چیز متعلقہ کمپیوٹیشنل کارکردگی کو تین گنا بڑھا سکتی ہے۔
بڑا آن-چپ کیش، اہم ڈیٹا کو کمپوٹیشن یونٹ کے قریب رکھتا ہے؛ شیئرڈ L2 کیش کمپوٹیشن یونٹس کے درمیان پیرامیٹرز اور درمیانی خصوصیات کو موثر طریقے سے شیئر کرتی ہے؛ اور یونیفائیڈ میموری آرکیٹیکچر ماڈل، آپریٹنگ سسٹم اور ایپلیکیشنز کے درمیان غیر ضروری ڈیٹا کا کاپی کرنا کم کرتا ہے۔
Acrab ایک یکسانہ میموری آرکیٹیکچر بھی استعمال کرتا ہے جس سے مختلف آپریٹنگ سسٹمز میموری کو زیادہ موثر طریقے سے شیئر کر سکتے ہیں۔ اگر کوئی ڈیوائس صرف ایک ماڈل چلا رہا ہے، تو یہ صرف کارکردگی میں بہتری ہو سکتی ہے؛ لیکن جو ایجینٹ مختلف ایپلیکیشنز اور ٹولز کے درمیان مستقل طور پر کام کرتا ہے، اس کے لیے یہ فیصلہ کرتا ہے کہ کام آسانی سے آگے بڑھے گا یا نہیں۔
یہ بھی وضاحت کرتا ہے کہ Acrab نے Prefill کو لانچ کے مرکز میں کیوں رکھا۔ ایجنٹ نئے فائلز کو شامل کرتے ہوئے، ٹاسک کی حالت کو بحال کرتے ہوئے یا کنٹیکس کو اپڈیٹ کرتے ہوئے، اکثر نئی معلومات کو دوبارہ پروسیس کرنے کی ضرورت پڑتی ہے۔ جتنا لمبا ٹاسک چین ہوگا، Prefill کی کارکردگی کا مجموعی تجربے پر اثر اتنा زیادہ واضح ہوگا۔
اکراب کی طرف سے شائع کیے گئے اپنے ٹیسٹ میں، GΞLIX 1 نے 40K KV Cache اور 10,000 Token ان پٹ کے ساتھ 260 ارب پیرامیٹرز والے Gemma ماڈل کو چلایا، جس کی پریفِل سپیڈ 1416 Token فی سیکنڈ سے زیادہ تھی؛ اسی لوڈ کے تحت، یہ کسی بھی مقبول جنرل پرڈکٹ ڈیسک ٹاپ پلیٹ فارم کے مقابلے میں 7 گنا سے زیادہ کارکردگی دکھاتا ہے۔
اکراب نے GΞLIX 1 کو ایک دوسرے ڈیسک ٹاپ AI کمپیوٹنگ پلیٹ فارم کے ساتھ ایک ہی ٹیسٹ فریم ورک میں ت пор کیا۔
ڈیٹا کے مطابق، GΞLIX 1 پر فلیش اور ڈیکوڈ دونوں بنیادی اشاروں پر قریب قریب ایک جیسی کارکردگی دکھاتا ہے، جبکہ کم طاقت کے استعمال اور زیادہ مقابلہ کرنے والی مجموعی لاگت کا مظاہرہ کرتا ہے۔
اکراب نے پریفِل اور ڈیٹا پاث پر زور دینے کا انتخاب کیا، جو ایک مصنوعات کی رجحان کو ظاہر کرتا ہے: اندرونی طرف Agent چپ صرف اس بات پر توجہ مرکوز نہیں کر سکتی کہ ماڈل کتنی جلدی آؤٹ پٹ دے رہا ہے، بلکہ اسے یہ بھی حل کرنا ہوگا کہ ماڈل لمبے سیاق و سباق کو جلدی سمجھ سکتا ہے، ٹاسک کی حالت کو بحال کر سکتا ہے اور کام شروع کر سکتا ہے۔
صارف ایک استدلال کے راستے میں کتنی سطحیں کیش ہوئی ہیں، اس بات پر توجہ نہیں دے گا، اور ہر انٹرایکشن سے پہلے TOPS چیک نہیں کرے گا۔ صارف کو صرف تین چیزوں کا احساس ہوتا ہے: کیا یہ جلدی سمجھ سکتا ہے، کیا یہ لگاتار چل سکتا ہے، اور اسے حاصل کرنا کافی منافع بخش ہے۔
چپ سے پلیٹ فارم تک
حقیقی مقابلہ پیرامیٹرز کے باہر ہے
سالانہ WAIC میں ظاہر ہونے والے ایجینٹ کمپیوٹر، ذاتی AI سینٹر اور کاروباری طرف کے ڈیوائس اب تک ایک یکساں مصنوعات کی شکل نہیں بن پائے ہیں۔
خانگی منظر میں ذاتی یادداشت، مواد اور ڈیوائس کی تعاون پر زور دیا جاتا ہے، جبکہ کاروباری منظر میں علم کے ذخیرہ، فائلز کا معالجہ اور اندر کی ڈیٹا کی حفاظت پر زیادہ توجہ دی جاتی ہے۔ مختلف صارفین کے لیے ماڈل کے سائز، میموری کی صلاحیت، طاقت کے استعمال اور انٹرفیس کی درخواستوں میں بڑا فرق ہے۔
جتنا زیادہ ٹرمنل ٹکڑے ٹکڑے ہوگا، اتنا ہی زیادہ مشکل ہوگا کہ کمپیوٹنگ پلیٹ فارم بنایا جائے۔ ایک چپ صرف پیرامیٹرز کے ذریعے تمام سیناریوز کو کور نہیں کر سکتی، اس کے علاوہ رن ٹائم، ماڈل ایڈجسٹمنٹ، ڈویلپمنٹ ٹولز اور ایجنٹ فریم ورک فراہم کرنے کی ضرورت ہوتی ہے تاکہ صارفین بنیادی کمپوٹنگ طاقت کو قابل ادائیگی مصنوعات میں تبدیل کر سکیں۔
یہ بھی ایک ایسا سوال ہے جو ایجنٹک AI چپ کو عام استدلال چپ سے زیادہ مشکل بناتا ہے: چپ کی کارکردگی یہ فیصلہ کرتی ہے کہ ماڈل چل سکتا ہے یا نہیں، سافٹ ویئر اسٹیک یہ فیصلہ کرتا ہے کہ ڈویلپر اسے استعمال کر سکتا ہے یا نہیں، اور ایجنٹ ایکوسسٹم یہ طے کرتا ہے کہ ڈیوائس آخرکار کون سے کام کر سکتی ہے۔ کسی بھی ایک لیئر کا غائب ہونا، ایک پیرامیٹر کے لحاظ سے خوبصورت چپ کو صرف ڈیمو مرحلے پر ہی قید رکھ سکتا ہے۔
اکراب اس مراحل کو ایک ساتھ پکڑنے کی کوشش کر رہا ہے۔ فائدہ یہ ہے کہ مصنوعات کی تعریف زیادہ مکمل ہوتی ہے، لیکن خطرہ بھی واضح ہے: لائن بہت لمبی ہے۔
چپ کو اپنی پرفارمنس، استحکام اور بڑے پیمانے پر فراہمی کی صلاحیت ثابت کرنی ہوگی، سافٹ ویئر اسٹیک کو ماڈل کی تیز رفتار ترقی کے ساتھ ہم آہنگ ہونا ہوگا، اور ایجنٹ آرگنائزیشن لیئر کو مسلسل تبدیل ہونے والے ٹولز اور ایپلیکیشنز کے ساتھ مطابقت رکھنا ہوگا۔ ذاتی فائلیں اور طویل مدتی یادداشتیں مقامی رکھنے کے بعد، اجازتوں کا الگ کرنا، پلگ ان کی سلامتی اور آپریشنز کا جائزہ لینا بھی فوری طور پر حل کیا جانا چاہئے۔
اس لیے، Acrab کیا Agentic AI کے دور میں کمپوٹنگ پلیٹ فارم بن سکتا ہے، یہ اس بات پر منحصر نہیں کہ اس جلسے میں کتنے ٹوکنز چلائے گئے یا Agent Box کتنے کام دکھا سکتا ہے۔
مزید اہم جانچ یہ ہے کہ کیا ڈویلپرز اس پلیٹ فارم پر جلدی سے مصنوعات تیار کر سکتے ہیں؛ ایجنٹ کئی گھنٹوں تک لگاتار کام کرنے کے بعد، اس کی پرفارمنس، طاقت کی خرچ اور استحکام ایک ساتھ برقرار رہ سکتے ہیں؛ جب ماڈل اور ایجنٹ فریم ورک مزید تبدیل ہوتے رہیں تو نیچے کا سافٹ ویئر اور ہارڈ ویئر کیا ان کے ساتھ ساتھ چل سکتا ہے۔
ارکیٹیکچر کی نوآوری ایک چپ کمپنی کی صلاحیت کی حد کا تعین کرتی ہے، جبکہ انجینئرنگ اور پائیداری یہ تعین کرتی ہے کہ یہ حد آرڈرز میں تبدیل ہو سکتی ہے یا نہیں۔
WAIC پر مسلسل نئے ٹرمنلز کے ظہور سے ظاہر ہوتا ہے کہ صنعت «بڑے ماڈلز کو چلانا» سے «ایجینٹس کو مستقل کام کرنے پر» منتقل ہو رہی ہے۔ پہلے مرحلے میں کمپیوٹیشنل پاور، میموری اور ماڈل کے سائز کا مقابلہ تھا؛ اگلے مرحلے میں لمبے کنٹیکس، ذاتی یادداشت، ٹولز کا استعمال اور متعدد کاموں کے درمیان تعاون کو بھی حل کرنا ہوگا۔
اکراب اس تبدیلی پر ڈال رہا ہے۔
ایجینٹ باکس کوئی خاتمہ نہیں، بلکہ ایک پلیٹ فارم کی صلاحیتوں کا عوامی ٹیسٹ ہے۔
اینڈ پوائنٹ چپ کو دوبارہ بنانے کی ضرورت ہے، نہ کہ اس لیے کہ TOPS اہم نہیں ہے، بلکہ اس لیے کہ ایجنٹ کمپیوٹنگ کو پیک نمبر سے لمبے عرصے تک چلنے والی سسٹم کی صلاحیت میں تبدیل کر رہا ہے۔ اس کی کامیابی کا آخری معیار یہ ہوگا کہ کیا یہ چپ، سافٹ ویئر اور اینڈ پوائنٹ حقیقی ورک فلو میں داخل ہو سکتے ہیں۔