ٹینسر ورلڈ نے لانچ کے ایک ماہ کے اندر 100 ملین ڈالر سے زیادہ فنڈنگ حاصل کر لی
KuCoinFlashبانٹیں
ٹینسر ورلڈ، ایک فزیکل AI اسٹارٹ اپ، نے جولائی 2026 میں شروع ہونے کے صرف ایک ماہ بعد پروجیکٹ فنڈنگ کے حوالے سے 100 ملین ڈالر سے زائد فنڈز حاصل کر لیے ہیں۔ یہ کمپنی حقیقی دنیا کے مشین انٹرایکشن کو بہتر بنانے کے لیے فزیکس ڈرائیون AI ماڈل تعمیر کر رہی ہے، جس کا مقصد روبوٹکس، خود مختار ڈرائیونگ، اور صنعتی محاکہ ہے۔ سرمایہ کاروں میں کائیوی فنڈ، سیکوئیا چائن، اینٹ گروپ، اور میٹوان سٹریٹجک انویسٹمنٹ شامل ہیں۔ تیزی سے فنڈنگ سے اس پروجیکٹ میں مضبوط دلچسپی کا اظہار ہوا ہے، اور اگلے کچھ ماہوں میں ممکنہ طور پر ٹوکن لانچ کی خبر آئے گی۔
یہ ابھی AI صنعت کا ایک اہم ترین میدان جنگ ہے، جہاں بڑے زبانی ماڈلز کے ذریعے ڈیجیٹل دنیا میں ذکاوت کا تیزی سے ترقی ہو رہی ہے، اور AI کی صلاحیتیں فزیکل دنیا کی طرف بڑھ رہی ہیں—جس میں جسمانی ذکاوت، خود متحرک گاڑیاں، صنعتی شبیہ سازی وغیرہ شامل ہیں۔ لیکن فزیکل دنیا ٹوکن کے مطابق کام نہیں کرتی، اس کے اپنے قوانین ہیں: گرavit، ترکش، تصادم، فلوئڈز… اس کی مشکلات زبان کے مقابلے میں اسی طرح تھامنٹ ہو جاتی ہیں۔
اسی مشکل اور بنیادی راستے پر، صرف چار ماہ کی عمر کی ایک اسٹارٹ اپ کمپنی ٹینسر ورلڈ نے ایک ماہ میں ایک ارب ڈالر سے زائد کی سرمایہ کاری حاصل کر لی ہے۔ سرمایہ کاروں کی اس پر بھروسہ کی پیچیدگی ان کی "علمی پس منظر + ٹیکنالوجی کا راستہ + عملی دوبارہ تخلیق" کی صلاحیتوں سے نکلتی ہے۔
صنعت کو کیا مسائل حل کرنے ہیں؟
موجودہ وقت میں، عوام کے عام احساس کے مطابق، AI بہت ذکی ہو چکا ہے، جو نہ صرف کوڈ لکھ سکتا ہے، خامیاں تلاش کر سکتا ہے، بلکہ انسانوں کے لیے سینکڑوں سالوں سے مشکل رہنے والے ریاضی کے مسائل کو بھی حل کر سکتا ہے، لیکن روبوٹس کو حقیقی دنیا کی اشیاء کے راستوں کا پیشن گوئی کرنا اور ان سے تعامل کرنا "قابلِ اعتماد" درجہ تک پہنچانا مشکل ہے۔ اس کا سبب یہ ہے کہ AI نے ابھی تک فزکس کے قوانین کو نہیں سمجھا ہے، اور اسے "软件界面" سے "فزیکل ورلڈ" میں داخل ہونا بالکل ضروری ہے۔
صنعت کو اس فاصلے کو پار کرنے کے لیے بہت سخت شرائط کا سامنا ہے: اعلی درجہ کی فزیکل اینوٹیشن ڈیٹا کی قیمت حیرت انگیز ہے، ایک صنعتی ہوا کے دynamics کے سیمیولیشن نمونے کے لیے اکثر لاکھوں CPU گھنٹے درکار ہوتے ہیں؛ 100 مناظر میں اکٹھی کی گئی ڈیٹا 10,000 ناشناختہ مناظر تک جانے میں کامیاب نہیں ہوتی؛ سیمیولیٹر حقیقی دنیا کے رگڑ اور تبدیلی کو مکمل طور پر دہراتا نہیں، اسٹینفورڈ HAI کی رپورٹ کے مطابق، روبوٹس کی نرم افزار سیمیولیشن میں ٹاسک کامیابی کا تناسب 89.4% تک ہوسکتا ہے، لیکن اسی قسم کے ٹاسکس حقیقی گھریلو ماحول میں صرف تقریباً 12.4% کامیاب ہوتے ہیں۔
物原科技 کیسے اس مسئلے کو حل کرتی ہے؟ اکادمیک ترقی واضح راستہ ظاہر کرتی ہے
ابھی، صنعت میں عالمی ماڈلز کو عام طور پر بصری ڈرائیور اور فزیکل ڈرائیور پر زور دینے والے دو اصولوں میں تقسیم کیا جا سکتا ہے۔ پہلا صنعت کا رائج طریقہ ہے، جس میں ویڈیو جنریشن شامل ہے، جس کا مقصد "حقیقی لگنا" ہے، اور یہ فریم کے درمیان پکسل کی منطق کو بہتر بناتا ہے، اس کا فائدہ ڈیٹا حاصل کرنا نسبتا آسان ہونا اور تصویریں واقعی لگنا ہے، جو عام طور پر ویڈیو جنریشن، ڈیٹا فیکٹری، منظر کی پیشگی نگرانی، اور VLA فرنٹ اینڈ سینسر میں استعمال ہوتا ہے۔ لیکن روبوٹ کو حقیقی فزیکل دنیا میں قابل اعتماد طریقے سے کام کرنے کے لیے صرف زبان اور بصری سمجھ کافی نہیں ہے۔
اس لیے، صنعت میں ایک اور نمونہ تسلیم کیا جا رہا ہے جو فزیکل قوانین کے مطابق ماڈلنگ پر زور دیتا ہے، جس کا مقصد "زیادہ حقیقی نتائج نکالنا" ہے، اور اس کا فائدہ یہ ہے کہ اسے تصدیق، پیمانہ بندی اور اقدامات کی منصوبہ بندی کے لیے استعمال کیا جا سکتا ہے۔ روایتی صنعتی سیمولیشن سافٹ ویئر (جیسے MuJoCo، Isaac Sim) اس راستے پر "دستی طریقہ" ہیں — فزیکل قوانین مکمل طور پر انجینئرز کے ذریعے ہر قانون کو الگ الگ لکھنے پر منحصر ہیں، جس سے پیشگوئی درست ہوتی ہے لیکن مہنگی ہوتی ہے، اور غیر منظم شکلوں، لچکدار اشیاء، اور تر مائعات کے سامنے انجینئرنگ کا اخراج بہت زیادہ ہوتا ہے۔
وہ وُو یوان کی ٹیکنالوجی، فزیکل بیس مڈل کے راستے پر چل رہی ہے، جو "ٹینسر دنیا میں، فزیکل ریلیٹی کو تعمیر کریں" کا مقصد رکھتی ہے، جس کا مقصد یہ ہے کہ ماڈل فزیکل دنیا کے ترقی کے قوانین کو ڈیٹا سے سیکھے، اور انسانوں کی طرح "ایک سے دوسرے پر استدلال کرنے" کا اثر حاصل کرے:
مثلاً، اصلی ٹرانسفارمر میں وقتی تحلیل کی صلاحیت نہیں ہوتی، تو ماڈل کو فزیکل دنیا کے "وقت" کو صحیح طریقے سے سمجھنے کے لیے کیا کیا جائے؟ اٹووفارمر نے لمبے وقتی پیشگوئی کی درستگی میں کافی بہتری لائی، جبکہ ٹائمز نیٹ نے وقتی ڈیٹا کو مزید واضح اور قابلِ مشاہدہ بنایا؛ اسی طرح، ماڈل کو "جگہ" کو سمجھنے کے لیے کیا کیا جائے؟ یونی3D نے تین ابعادی نمائش سیکھنے کو اربوں پیرامیٹرز تک وسعت دے دی، جس سے ماڈل کو اشیاء، جیومیٹری اور جگہ کے تعلقات کا تصور ہو گیا۔
اس کے علاوہ، GeoPT نے اس راستے کا اصل سوال جواب دیا — کیا "فیزیکل انٹیوشن" کو ماڈل کی پری ٹریننگ سے حاصل کیا جا سکتا ہے؟ جواب مثبت ہے، اس نے تخلیقی طور پر ماڈل کو جیومیٹری اور سنتھیٹک ڈائنامکس کی پری ٹریننگ کے ذریعے قابل انتقال فزیکل ریپریزینٹیشن حاصل کرنے کا موقع فراہم کیا، جس سے صنعتی فزیکل سیمولیشن کے کاموں میں لیبلled ڈیٹا کی ضرورت 20 فیصد سے 60 فیصد تک کم ہو گئی اور收敛 سپیڈ کو اس طرح تک 2 گنا تک بڑھایا گیا۔ Transolver نے مزید آگے بڑھ کر ماڈل کو غیر منظم جگہوں میں طاقت، بہاؤ اور تبدیلی کو سمجھنے کا موقع دیا، جس سے زیادہ پیچیدہ فزیکل ترقی کو سمجھنا ممکن ہو گیا۔ EfficientZero نے اسٹینٹ کو سیکھے گئے عالمی ماڈل کے بنیاد پر مستقبل کا خاکہ ترتیب دینے اور اس کے مطابق منصوبہ بندی کرنے کا موقع فراہم کیا۔
ان عمدہ کاموں کی بنیاد، کلہاڑا اور MIT جیسے عالمی سطح کے اکیڈمک اداروں سے منسلک وو یوان کے بنیادی ٹیم کی طویل تجربہ ہے۔ وہ "وقت کا ترقی — جگہ کا اظہار — فزیکل قوانین — ایکشن پلاننگ" کے ترقیاتی محور کے ساتھ، الگ الگ تحقیقی مقالوں کا اکٹھا کرنا نہیں بلکہ فزیکل قوانین سے شروع کرتے ہوئے اصل "اعلیٰ فزیکل انٹیلی جنس" حاصل کرنے پر زور دے رہے ہیں، جس سے فزیکل بیس مڈل کا مکمل نقشہ تیار ہوا۔ علاوہ ازیں، وو یوان ٹیم نے پہلے بھی اربوں صارفین کے پروڈکٹس کو ڈائریکٹ کیا اور لاکھوں ایکسلریٹر کارڈز کے کمپوٹنگ انفراسٹرکچر کا انتظام کیا، جس سے ان کے پاس صنعتی عملی تجربہ بھرپور ہے۔ اگر اکیڈمک تحقیق یہ طے کرتی ہے کہ ماڈل کتنی دور تک جا سکتا ہے، تو انجینئرنگ صلاحیت یہ طے کرتی ہے کہ ماڈل حقیقی کاروباری سیناریوز میں استعمال ہو سکتا ہے یا نہیں، دونوں فزیکل بیس ماڈل کے "ایک ہی پہلو کے دو پہلو" ہیں۔
کیوں فزیکل اور ٹیک کو ترجیح دی جا رہی ہے؟ فزیکل ڈرائیون پیراڈائم کی نایابی ہے
观察对象的技术路線,幾乎針對物理 AI 的三大痛點:在數據端,用合成動力學替代物理標籤,大幅降低對昂貴真實數據的依賴;在泛化端,深度融合空間結構、時間演化與物理動力學,讓模型自行湧現出通用的物理規律;在落地端,Autoformer、Transolver 等底層架構已被工業界廣泛驗證並採納(如 NVIDIA PhysicsNeMo),化解了 AI 在真實場景中落地的擔憂。
فیزیکل سسٹمز کی حقیقی سمجھ + دنیا کے ماڈل پر مبنی منصوبہ بندی کی صلاحیت + اگرے تحقیق کو منظم طریقے سے عمل میں لانے کی انجینئرنگ صلاحیت — اس تقاطع کی نایابی نے جلد ہی سرمایہ کاروں کا توجہ حاصل کیا۔ جولائی میں قائم ہونے کے بعد، وو یوان ٹیکنالوجی نے ایک ماہ میں سیریز اینجل اور اینجل + فنڈنگ مکمل کر لی، جس میں اینجل راؤنڈ کو کیہوی فنڈ اور شنگھائی سیکورٹیز چائنہ نے مشترکہ طور پر لیڈ کیا، جبکہ IDG کپٹل، دنگہو VGC، سن لین کپٹل، اور مارے گروپ نے ساتھ دیا؛ اینجل + راؤنڈ کو مارے گروپ، ہو یو کپٹل، اور میٹوان ڈو ڈو سٹریٹجک انورسٹمنٹ نے مشترکہ طور پر لیڈ کیا، جبکہ داشن کپٹل، نائسے کپٹل، جنگہہ کپٹل، اور متعدد پرانے شیر ہولڈرز نے مستقل طور پر ساتھ دیا۔
اس فنڈنگ فہرست سے کئی معلومات بھی ملتی ہیں: بڑے C-طرفہ سیناریوز والی میوان کے اسٹریٹیجک انویسٹمنٹ، سنجیدہ صنعتی سیناریوز والی ماری بینک، اور خودکار گاڑیوں کے سیناریوز والی نیو ویہ کیپٹل، سب نے مل کر ثابت کیا ہے کہ وو یوان ٹیکنالوجی کا راستہ زبردست عام خصوصیات رکھتا ہے اور زیادہ وسیع صنعتی ضروریات کے مطابق ہے۔
دنیا کے ماڈلز کے مقابلے میں اب "بھرپور" ہونا شروع ہو گیا ہے، لیکن لمبے دور کے پیشگوئی کی خطاؤں کا جمع ہونا، شبیہہ اور حقیقت کے درمیان آخری فاصلہ، اور جائزہ کے معیاروں کا ایک جیسا ہونا جیسے مسائل اب بھی حل کے منتظر ہیں۔ اگر وو یوان ٹیکنالوجی کا راستہ کامیاب ہو جائے، تو اس کا مطلب ہوگا کہ ماڈل حقیقت میں چلنے والی چیزوں کو سمجھنے اور اقدامات کے نتائج کا پیش خیام کرنے کی صلاحیت رکھنے لگا ہے، جس کی قیمت صرف روبوٹس یا خودکار گاڑیوں جیسے منفرد مناظر تک محدود نہیں، بلکہ یہ Physical AI کے生态系统 کا بنیادی معیار اور بنیاد بن سکتا ہے، جو مستقبل میں AI کو ڈیجیٹل دنیا سے فزیکل دنیا میں جانے کے لیے راستہ ہموار کرے گا۔
(ذریعہ: Ifnar)
ذریعہ:اصل دکھائیں۔
اعلان دستبرداری: اس صفحہ پر معلومات تیسرے فریق سے حاصل کی گئی ہوں گی اور یہ ضروری نہیں کہ KuCoin کے خیالات یا خیالات کی عکاسی کرے۔ یہ مواد کسی بھی قسم کی نمائندگی یا وارنٹی کے بغیر صرف عام معلوماتی مقاصد کے لیے فراہم کیا گیا ہے، اور نہ ہی اسے مالی یا سرمایہ کاری کے مشورے کے طور پر سمجھا جائے گا۔ KuCoin کسی غلطی یا کوتاہی کے لیے، یا اس معلومات کے استعمال کے نتیجے میں کسی بھی نتائج کے لیے ذمہ دار نہیں ہوگا۔
ڈیجیٹل اثاثوں میں سرمایہ کاری خطرناک ہو سکتی ہے۔ براہ کرم اپنے مالی حالات کی بنیاد پر کسی پروڈکٹ کے خطرات اور اپنے خطرے کی برداشت کا بغور جائزہ لیں۔ مزید معلومات کے لیے، براہ کرم ہماری استعمال کی شرائط اور خطرے کا انکشاف دیکھیں۔
