جوان سرمایہ کار AI کے جسمانی ادماج اور ہارڈ ٹیک ٹرینڈز پر بیٹ لگا رہے ہیں

تجہز کیا گیا | ہو سیو ٹیک گروپ

مصنفین: چن ییفان، لیو شوانقی

ایڈیٹ｜میائے زھنگکینگ

ہیڈر تصویر | AI سے تخلیق کردہ

یہ ہو سیو WAIC کی "ٹوکن کے بزنس نئے پیٹرن کا تعاقب" سیریز کا 21واں ایپیسوڈ ہے

ٹیکنالوجی میں سرمایہ کاری میں، عمر کبھی بھی صلاحیت کا کافی معيار نہیں ہوتی۔ لیکن جب ٹیکنالوجی کے پیرادائم تیزی سے تبدیل ہو رہے ہوں، تو نوجوان سرمایہ کاروں کو الگ طور پر دیکھنا ضروری ہے۔

وجہ پیچیدہ نہیں ہے۔ AI، روبوٹ، تجارتی فضا اور کوانتم کمپیوٹنگ ایک ساتھ آگے بڑھ رہے ہیں، نئی ٹیکنالوجیاں اب تحریروں سے مصنوعات اور لیب سے صنعت میں جانے کی رفتار واضح طور پر تیز ہو گئی ہے، قدیم سرمایہ کاری کے منطق کام نہیں کرتے، سرمایہ کاروں کو ان منصوبوں میں داخل ہونے کے لیے صرف فنانشل ماڈل اور بالغ صنعت کا تجربہ کافی نہیں، انہیں ٹیکنالوجی کی زبان سمجھنی چاہیے، ابھی تک متحد نہ ہونے والے راستوں کو قبول کرنا چاہیے، اور اتفاق رائے بننے سے پہلے فیصلہ کرنا چاہیے۔

موبائل انٹرنیٹ کے دور میں، ایک کمپنی صرف صارفین کی نمو، برقرار رکھنے، آمدنی اور نیٹ ورک اثرات سے اپنی کامیابی ثابت کر سکتی ہے؛ جبکہ آج کے AI اور ہارڈ ٹیکنالوجی پروجیکٹس الگورتھم، چپس، سینسرز، سپلائی چین، صنعتی سیناریوز اور ریگولیٹری سسٹم تک پھیل سکتے ہیں۔ سرمایہ کاروں کو ایک ٹیکنالوجی کی ترقی کو سمجھنا ہوگا، اس بات کا جائزہ لینا ہوگا کہ کیا یہ ایک مستحکم مصنوعات بن سکتی ہے، کیا یہ ڈیٹا اور تربیت کا بند حلقة تشکیل دے سکتی ہے، اور ان کمپنیوں کے طویل انجینئرنگ اور تجارتی دور سے گزرنا ہوگا۔

اس سال WAIC پر، "الفا α یونگ انویسٹمنٹ لیڈرز" کی فہرست جاری کی گئی، جس میں 10 نوجوان سرمایہ کاروں کا انتخاب کیا گیا، لیکن فہرست کے باہر، زیادہ اہم بات یہ ہے کہ ان سرمایہ کاری کے رجحانات اور ججمنٹس کو مل کر دیکھا جائے تو یہ ایک تیار ہوتے ہوئے ٹیکنالوجی سرمایہ کاری کے رجحان کے نقشہ جیسا لگتا ہے۔

WAIC FUTURE TECH نوجوان سرمایہ کاروں کی فہرست کی تفصیلات

یہ تصویر ایک مشترکہ تبدیلی کو ظاہر کرتی ہے: راس کی سمت تکنیکی اصطلاحات کی طرف سے، تکنیک کے صنعت میں داخل ہونے کے حقیقی راستوں کی پہچان کی طرف منتقل ہو رہی ہے۔ اگلے موقع کو شاید سب سے زیادہ چھاپ والے تصورات نہیں ملیں گے، بلکہ وہ اس مراحل میں ظاہر ہو سکتے ہیں جہاں ماڈل کے فائدے ابھی تک جاری نہیں ہوئے، جسمانی دنیا میں ابھی تک خلا پورا نہیں ہوا، اور جن بنیادی ڈھانچوں میں لمبے عرصے تک راس کی ضرورت ہوتی ہے۔

ٹرینڈ ایک: AI اسکرین سے باہر نکل رہا ہے اور فزیکل دنیا میں داخل ہو رہا ہے

گزشتہ کچھ سالوں میں، مارکیٹ کا AI کو سمجھنے کا بنیادی طریقہ بڑے ماڈلز، چیٹ بوٹس اور جنریٹو ایپلیکیشنز تھا۔ آج، سرمایہ کاری کا توجہ انتہائی ڈیوائسز، روبوٹس، گاڑیوں، صنعتی نظام اور فضاائی بنیادی ڈھانچے کی طرف منتقل ہو رہا ہے۔ AI صرف ایک متن یا ایک تصویر بنانے تک محدود نہیں رہا، بلکہ اب یہ ماحول کو محسوس کرتا ہے، انسانی نیت کو سمجھتا ہے اور حقیقی دنیا میں اقدامات کرتا ہے۔

یہی وجہ ہے کہ جسمانی ذہانت، انسان نما روبوٹ، AI ہارڈویئر اور اینڈ سائیڈ ذہانت پر توجہ مرکوز ہو رہی ہے۔ جن قیوت کے سرمایہ کاری کے ایگزیکٹو ڈائریکٹر ژو شن نے 2018 سے روبوٹس پر توجہ دینا شروع کر دی تھی۔

اس نے راؤنڈ ٹیبل میں یہ تصدیق کی کہ جسمانی ذہانت کا بُلبا مصنوعی ذہانت کی ترقی کی کمی سے نہیں، بلکہ اس سے ہے کہ مارکیٹ نے بڑے زبانی ماڈلز کی ترقی کی شرح کو فزیکل دنیا کے ساتھ گہرائی سے جڑے روبوٹس پر براہ راست لاگو کر دیا ہے۔ ماڈل کی صلاحیتوں میں اضافہ، منظر کے عملی طور پر نفاذ کے ساتھ مطابقت کا مطلب نہیں۔ ایک خوبصورت ڈیمو تخیل پیدا کر سکتا ہے، لیکن یہ جواب نہیں دے سکتا کہ روبوٹ کیا ایک سو بار لگاتار کام کر سکتا ہے، غلطی کی شرح قابل کنٹرول ہے یا نہیں، ڈپلومنٹ اور آپریشنز کا خرچ کم ہو سکتا ہے یا نہیں، اور آخرکار ROI منطقی ہے یا نہیں۔

یہ جائزہ انجام کی صلاحیت کی طرف لوٹا رہا ہے، جو جسمانی بہت ہوش کے مقابلے کو "ڈیمو اثرات" سے نکال رہا ہے۔ حقیقی دنیا میں پرامپٹس دوبارہ نہیں ہو سکتے۔ فیکٹریاں، اسٹور، گھر اور عوامی جگہیں سسٹم کو شور، پھٹنے، اچانک حالات اور انسانی غیر متوقع رویوں کا مقابلہ کرنے کی ضرورت ہوتی ہے۔ ماڈل صرف ایک لییر ہے، جس میں لمس، سینسر، ایکٹویٹرز، کنٹرول سسٹم، ڈیٹا اکٹھا کرنا اور منظر کا فیڈ بیک مل کر یہ فیصلہ کرتے ہیں کہ پروڈکٹ کام کرے گا یا نہیں۔

سرمایہ کی گرمی کو مقداری طور پر ناپا جا سکتا ہے۔

چین کے معلوماتی ٹیکنالوجی انسٹی ٹیوٹ کی رپورٹ "جسمانی ذہانت کی ترقی (2025)" کے مطابق، دسمبر 2025 تک، ہمارے ملک میں جسمانی ذہانت اور روبوٹکس کے شعبے میں 744 سرمایہ کاری واقعات ہوئے، جن کا کل فنڈنگ مجموعہ 73.543 ارب یوان تھا؛ IDC کا تخمینہ ہے کہ 2026 میں عالمی سطح پر انسان نما روبوٹس کی فروخت 50,000 سے زیادہ ہو جائے گی، جو 178 فیصد کی نمو ہوگی۔

لیکن عملی طور پر استعمال ہونے والے ڈیٹا میں بھی کچھ کمی ہے: ٹاپ کمپنی Unitree Technologies کی 2025 کے پہلے تین تریمہ کے انسان نما روبوٹ کی آمدنی میں سے 73.6% تعلیمی اور تحقیقی شعبوں سے آئی۔ اس کے اوزار زیادہ تر یونیورسٹیوں اور تحقیقی اداروں کو فروخت ہوئے، جبکہ فیکٹریوں میں عملی قیمت پیدا کرنے تک اب بھی کافی راستہ باقی ہے۔ یہ بالکل زہو شن کے انتباہ کی تصدیق کرتا ہے: ماڈل کی ترقی کا مطلب یہ نہیں کہ عملی استعمال کی ترقی بھی اسی رفتار سے ہو رہی ہے۔

اس طرح، اندرونی ذہنی صلاحیت ایک اور اہم راہ بنتی ہے۔ زہو شین کا خیال ہے کہ اگر AI ایک صنعتی انقلاب کے قریب معرفتی انقلاب ہے، تو ذہنی صلاحیت لمبے عرصے تک صرف کلاؤڈ میں نہیں رہ سکتی۔ مستقبل کا معرفتی نیٹ ورک کلاؤڈ اور اندرونی ڈیوائسز کے مشترکہ حصے سے بنے گا: نیچے کی سطح پر چپ اور ہارڈویئر کے حامل، درمیان میں ایجنٹ کے گرد تشکیل پانے والا عملی ماحول، اور اوپر کی سطح پر ذاتی ضروریات کو سمجھنے والے ایپلیکیشنز۔ ایجنٹ تدریجاً ہارڈویئر کا انٹرفیس بن سکتا ہے، جو اوپر صارف کے ترجیحات، تاریخ اور حالت کو سمجھتا ہے اور نیچے فون، چشمہ، گاڑی، روبوٹ اور گھر کے ڈیوائسز کو استعمال کرتا ہے۔

یہ AI ہارڈویئر کے بزنس ماڈل کو تبدیل کر دے گا۔ ہارڈویئر صرف ایک بار کی فروخت سے آمدنی حاصل نہیں کرے گا، بلکہ مستقل خدمات کے ذریعے قیمت پیدا کر سکتا ہے۔ اصل رکاوٹ صرف “ہارڈویئر میں AI شامل ہونا” نہیں، بلکہ یہ ہے کہ کیا ہارڈویئر استعمال کرنے کی رکاوٹ کم کر سکتا ہے اور کیا یہ صارفین کے ساتھ مستقل ڈیٹا اور خدمات کا تعلق قائم کر سکتا ہے۔

فہرست میں کئی سرمایہ کاروں کی سرمایہ کاری اس راستے پر چل رہی ہے: ہو شیو کیپٹل کے نائب صدر بائے زہ رین نے بے ڈرائیور ڈلیوری، ٹیکٹائل سینسنگ اور ٹرکنگ لوجسٹکس میں خودکار ڈرائیونگ پر توجہ دی ہے، جبکہ یاو تُو کیپٹل کے سرمایہ کار مینیجر گو جنگ نے عمودی مخصوص روبوٹس، ڈرون کلัสٹرز اور فوٹوولٹک انسٹالیشن روبوٹس پر توجہ دی ہے۔ بے ڈرائیور ڈلیوری بالکل "AI فزیکل دنیا میں داخل ہو رہا ہے" کا ایک سب سے تیز رفتار شعبہ ہے: 2025 میں صنعت کا کل فنڈنگ تقریباً دس ارب یوان تک پہنچ گیا، جس میں بائے زہ رین کے ساتھ کام کرنے والی لینیئر کیپٹل نے بائی شی نو کو سرمایہ فراہم کیا، جس نے اسی سال تین فنڈنگ راؤنڈز مکمل کیں اور کل 100 ملین امریکی ڈالر سے زائد حاصل کیے، جبکہ فعال آپریشنگ وہیکلز 2023 کے آخر میں تقریباً 100 سے بڑھ کر 2025 کے دسمبر تک 2000 سے زائد ہو گئے، جو دنیا بھر کے 170 سے زائد شہروں میں مستقل طور پر آپریٹ ہو رہے ہیں۔ اس قسم کے کاروبار میں حیرت انگیز ڈیمو نہیں ہوتا، لیکن روزانہ کارآمدی، لاگت اور قابل اعتمادی کا امتحان لیا جاتا ہے۔ جب AI ڈجیٹل دنیا سے فزیکل دنیا میں داخل ہوتا ہے، تو تکنیکی تخیل اب بھی اہم ہے، لیکن سکیلڈ ڈلوری بڑا تقسیم کرنے والا نقطہ بن جائے گا۔

دوسری رجحان: بڑے ماڈل کا فائدہ ختم نہیں ہوا، مقابلہ "سمارٹ فلائی ویل" پر منتقل ہو گیا ہے

جب بازار مستقل طور پر اگلی نسل کی ساخت اور نئے تصورات کی تلاش میں مصروف ہے، تو ایک ایسا حقیقت جسے نظرانداز کر دیا جاتا ہے، وہ یہ ہے کہ اس نسل کے بڑے ماڈلز کا صنعتی فائدہ ابھی تک مکمل طور پر استعمال نہیں ہوا ہے۔

کیو مینگ وینچرز کے ایگزیکٹو ڈائریکٹر ہو چی نے کہا کہ آج کا سب سے بڑا جھوٹا اتفاق یہ ہے کہ لوگ اگلی بڑی تکنیکی تبدیلی پر زیادہ توجہ دے رہے ہیں، جبکہ موجودہ بڑے ماڈلز کو حقیقی طور پر پیداواری تبدیلی میں کیسے شامل کیا جائے، اس پر کم بات ہو رہی ہے۔ TCP/IP معیاری پروٹوکول بننے کے بعد، انٹرنیٹ کا فائدہ لمبے عرصے تک آہستہ آہستہ جاری رہا؛ بیزین نظریہ اور سی این نے بھی کئی سالوں بعد تک نئے ٹیکنالوجی سسٹمز کو متاثر کرتے رہے۔ بنیادی تکنالوجی کا صنعتوں کو تبدیل کرنے تک جانے کا عمل عام طور پر ایک یا دو سال کا لینئر عمل نہیں ہوتا۔ بڑے ماڈلز نے صرف کچھ سال پہلے عوامی توجہ حاصل کی ہے، جبکہ تجارتی نظام، تنظیمی عمل اور صنعتی بنیادی ڈھانچہ ابھی تک ماڈل کی صلاحیتوں کے ساتھ مکمل طور پر مطابقت نہیں رکھتا۔

اس کا مطلب یہ ہے کہ سرمایہ کاروں کو "بڑے ماڈل میں مزید سرمایہ کاری کرنا" اور "اگلی نسل کی ٹیکنالوجی تلاش کرنا" کے درمیان ایک کا انتخاب کرنے کی ضرورت نہیں۔ زیادہ اہم سوال یہ ہے کہ کون سی کمپنیاں اپنے موجودہ ماڈل کی صلاحیتیں حقیقی ورک فلو میں ڈال کر ایسی قیمت پیدا کر سکتی ہیں جو اگلے ماڈل اپ گریڈ سے آسانی سے مٹائی نہ جا سکے۔

جینگ یا کیپٹل کے سرمایہ کار ڈائریکٹر لیو یون جیے نے اس صلاحیت کو "智能飞轮" کہا ہے۔ صارفین کی مصنوعات کا استعمال ڈیٹا پیدا کرتا ہے، جو تربیت یا بہتری کے عمل میں داخل ہوتا ہے، جب ماڈل کی صلاحیت بڑھ جاتی ہے تو تجربہ بہتر ہوتا ہے، اور بہتر تجربہ مزید صارفین، مناظر اور رائے لاتا ہے۔ ڈیٹا، تربیت اور صارف رائے کے بند حلقوں کا باہمی طور پر ایک دوسرے کو بڑھانے سے کمپنی مستقل خود بہتری کی صلاحیت حاصل کرتی ہے۔

اگر اس جائزہ کو کسی خاص کمپنی پر لاگو کیا جائے، تو زھی پو اور کی لِن دونوں اس کے دو نمونے ہو سکتے ہیں۔ میز گردش میں میزبان نے اشارہ کیا کہ ہو چی نے مارکیٹ کے اچانک اُچھال کے قبل زھی پو میں بڑی سرمایہ کاری کی تھی۔ زھی پو نے 2022 سے 2024 تک اپنی آمدنی 57.4 ملین یوان سے بڑھا کر 312.4 ملین یوان کر دی، جس کا تین سالہ مرکب نمو درجہ تقریباً 130% رہا، اور 2025 کے پہلے نصف سال میں آمدنی 190.9 ملین یوان تھی، جو 325% بڑھ گئی، اور جنوری 2026 میں ہانگ کانگ سٹاک ایکسچینج پر فہرست ہو کر "دنیا کی پہلی بڑی ماڈل کمپنی" بن گئی۔ کوئک شو کا AI "کی لِن" نے ماڈل کی صلاحیتوں کو تخلیقی عمل میں شامل کرنے کے بعد تجارتی ترقی کا مظاہرہ کیا: جون 2024 میں ٹیسٹنگ شروع ہوئی، اور صرف تقریباً 45 دن میں اس نے فیس لینے کا نظام شروع کر دیا، 2025 کے پورے سال میں آمدنی تقریباً 1.04 ارب یوان رہی، دسمبر میں اکیلے ایک ماہ کی آمدنی 20 ملین امریکی ڈالر سے زائد ہو گئی، اور 2025 کے آخر تک عالمی سطح پر صارفین کی تعداد 60 ملین سے زائد، جنہوں نے تقریباً 6 ارب ویڈیوز بنائے، اور 30,000 سے زائد کمپنیوں اور ڈولپرز کو سروس فراہم کی۔ صارفین کے تخلیق، ڈیٹا کا واپس بھجنا، ماڈل کا بہتر بننا، اور تجربے میں بہتری — فل وِل کا ہر چکر براہ راست آمدنی میں تبدیل ہوتا ہے۔

اس فریم ورک کے تحت، AI کمپنیوں کے مرکزی اشارے بھی تبدیل ہونے چاہئیں۔ ARR، GMV اور SaaS کی کارکردگی اب بھی مفید ہیں، لیکن یہ یہ نہیں بتا سکتے کہ کوئی کمپنی لمبے عرصے تک رکاوٹیں بنائے گی یا نہیں۔ ایک فنکشن بنیادی ماڈل کے اپ گریڈ کے ساتھ تیزی سے اپنی قیمت کھو سکتا ہے؛ جبکہ ایک ایسا نظام جو بالکل اپنے کاروباری عمل میں داخل ہو جائے، مخصوص ڈیٹا جمع کر سکے اور مستقل سیکھتا رہے، ماڈل کے بہتر ہونے کے ساتھ زیادہ طاقتور بن سکتا ہے۔

لیو یون جیے نے اسٹریٹجک ویلیو چین کو تین درجات میں تقسیم کیا: ذہانت کا ایجاد، ذہانت کا تقسیم، اور ذہانت کا جسمانی دنیا میں تجسم۔ عالمی ماڈل اور دوا کی دریافت ذہانت کے ایجاد کے تحت آتے ہیں؛ ایجنٹ اور کاروباری سطح کے ایجنٹ ذہانت کے تقسیم کا کام کرتے ہیں؛ جسمانی ذہانت اور ذہین ڈرائیونگ ذہانت کو جسمانی کارروائی میں تبدیل کرتے ہیں۔ یہ فریم ورک "AI ریس" کو ایک مکمل ویلیو چین میں تقسیم کرتا ہے۔ سرمایہ کار اب صرف کسی مقبول ایپلیکیشن کی تلاش نہیں کر رہے، بلکہ ہر درجے میں پلیٹ فارم کا مقام حاصل کرنے والی اور فید بیک سائکل تشکیل دینے والی کمپنیوں کی تلاش کر رہے ہیں۔

اس لیے، بڑے ماڈلز میں سرمایہ کاری کا مرکز تبدیل ہو رہا ہے۔ گزشتہ سوال یہ تھا کہ "کس کا ماڈل زیادہ طاقتور ہے"، اب کا سوال یہ ہے کہ "کون اپنے ماڈل کی صلاحیت کو ایک ایسا نظام بناتا ہے جو استعمال کے ساتھ زیادہ طاقتور اور کاروبار میں گہرا ہوتا جائے؟"

تینواں رجحان: ڈیٹا کی پابندیاں نئی بنیادی ٹیکنالوجیوں کو جنم دیتی ہیں، سائنسی بنیادی ماڈلز غیر اتفاقی رجحان بن جاتے ہیں

بڑے ماڈلز کا توسیع جاری ہے، جلد ہی ایک زیادہ بنیادی مسئلے کا سامنا کرنا پڑے گا: اعلیٰ معیار کے انسانی ڈیٹا کی مقدار محدود ہے، اور اس کی جمع کاری اور نشان زد کرنے کی لاگت بہت زیادہ ہے۔ جب انٹرنیٹ کارپس اور انسانی فیڈ بیک تدریجاً بند راستوں تک پہنچ جائیں، تو ماڈل نئے تجربات کہاں سے حاصل کرے گا؟

ہوچی نے تقویتی سیکھنے، خود کھیل اور مستقل تکرار کو ممکنہ جواب کے طور پر دیکھا ہے۔ وہ الفاگو زیرو کا مثال دیتا ہے: ماڈل صرف گو کے قوانین جانتا ہے، خود کھیل کر تجربہ حاصل کرتا ہے اور انسانی گو کے اسٹڈیز پر انحصار کیے بغیر اپنی صلاحیت بڑھاتا ہے۔ کیا اسی طرح کا مکینزم واضح قوانین والے کھیلوں سے زیادہ پیچیدہ سائنسی تحقیق، انجینئرنگ سسٹم اور حقیقی کاموں تک جا سکتا ہے، یہ یہ فیصلہ کرے گا کہ AI قدیم ڈیٹا پر انحصار کو عبور کر سکتا ہے یا نہیں۔

یہ بنیادی ٹیکنالوجی کے جائزہ لینے کا ایک معیار فراہم کرتا ہے۔ اس کا پہلا مقصد ایک کافی بڑے صنعت میں عام بہتری لانا ہے، صرف ایک کمپنی کے کچھ حصوں تک محدود نہ ہو؛ دوسرا، AI کی صلاحیتوں کا دائرہ وسعت دینا، جیسے ڈیٹا، استدلال یا مستقل سیکھنے کے مسائل کو حل کرنا؛ اور تیسرا، وقت کے آزمائش سے گزرنے کے قابل ہونا، صرف ایک ٹیکنالوجی کے نرخ میں محدود نہ ہونا۔

اس منطق کے ساتھ، سائنسی بنیادی ماڈل ایک قابل توجہ غیر متفقہ رخ بن جاتا ہے۔ یہ عام AI for Science سے بالکل مطابق نہیں ہے۔ بعد کو عام طور پر آٹومیٹڈ لیب، پروٹین سٹرکچر پریڈکشن، میٹریل کی دریافت یا کسی ایک نقطہ کے سائنسی ٹول کے طور پر سمجھا جاتا ہے؛ جبکہ سائنسی بنیادی ماڈل زندگی کی سائنس، میٹریل اور شابنگ جیسے شعبوں میں زیادہ بنیادی اور عام ماڈل کے صلاحیتیں تعمیر کرنے کی کوشش کرتے ہیں تاکہ ایک ڈسپلائن میں متعدد کاموں کو سروے کیا جا سکے۔

اس سمت کی مشکلات بھی واضح ہیں۔ سائنسی ڈیٹا کی خصوصیات میں اعلیٰ تخصص، معیارات کا متفاوت ہونا، اور حاصل کرنے میں مہنگا پڑنا شamil ہیں، اور تحقیقی نتائج خود میں غلطیاں یا جعل کا بھی امکان رکھتے ہیں۔ ماڈل نہ صرف ادب اور تجرباتی ڈیٹا سیکھنا چاہتا ہے، بلکہ ثبوت کی معیار کا جائزہ لینا، شعبے کے قوانین کو سمجھنا، اور حقیقی تجربات کے ساتھ تصدیق کا حلقوں کا قیام بھی ضروری ہے۔ ابھی تک یہ واضح نہیں ہے کہ مستقبل میں ہر بڑے شعبے کا اپنا بنیادی ماڈل بنے گا، یا ایک عبوری، یکسانہ ساخت ظاہر ہوگی۔ لیکن اس کی طرف اشارہ کیا گیا مسئلہ کافی واضح ہے: جب عام انٹرنیٹ ڈیٹا کی حدّی قدر کم ہو جائے، تو پیشہ ورانہ دنیا میں معیاری ڈیٹا، سائنسی قوانین، اور تجرباتی ردعمل شاید اگلے مرحلے میں ماڈل کے اضافی صلاحیتوں کا اہم ذرائع بن جائیں۔

چوتھا رجحان: جیسے جیسے آپ ہارڈ ٹیکنالوجی کے گہرے علاقوں کی طرف قریب آتے ہیں، اس کے لیے زیادہ صبر والی پूंजی کی ضرورت ہوتی ہے

AI ایپلیکیشنز کے مقابلے میں، کمرشل اسپیس، کوانتم کمپوٹنگ، اسپیس کمپوٹنگ اور جدید توانائی کے لیے تصدیق کا دور طویل ہوتا ہے۔ ان کے لیے صرف ایک پروڈکٹ کے لانچ کے کچھ ماہوں کے ڈیٹا سے ثابت کرنا مشکل ہے؛ ٹیکنالوجی کا راستہ، انجینئرنگ صلاحیت، سپلائی چین، اہلیت، صنعتی معیارات اور صنعت کی ضروریات کو لمبے عرصے تک ساتھ ساتھ پختہ ہونا چاہیے۔

ہاؤ شوہہ، ہوو شیو کیپٹل کے وائس پریزیڈنٹ، کوئنٹم کمپیوٹنگ کے بارے میں اپنے جائزہ میں اس سماجی تھام کو ظاہر کرتے ہیں۔ موجودہ دور میں، لائٹ کوئنٹم، نیوٹرل ایٹم، آئن اور دیگر راستوں کے اپنے اپنے فوائد اور رکاوٹیں ہیں، اور عام کوئنٹم کمپیوٹنگ کب عملی شکل میں آئے گی، اس کے بارے میں اب بھی بڑی عدم یقینیت موجود ہے۔ صرف ڈیزائن اور سپلائی چین جیسے انجینئرنگ مسائل کے علاوہ، صنعت کو مواد، الگورتھمز، فزیکل مکینزمز، انسانی وسائل اور جائزہ معیار جیسے بنیادی مسائل کا بھی سامنا ہے۔ زیادہ عملی راستہ یہ ہو سکتا ہے کہ کوئنٹم کمپیوٹنگ کو کلاسکل سپرکمپیوٹنگ، GPU اور CPU کے ساتھ ماڈولر تعاون کے ذریعے جوڑا جائے، نہ کہ اس امید کے ساتھ کہ عام کوئنٹم کمپیوٹنگ جلد ہی موجودہ نظام کو الگ طور پر مکمل طور پر بدل دے گا۔

بے یقینی کا مطلب یہ نہیں کہ سرمایہ کاری کی کوئی قیمت نہیں۔ اگرچہ تمام کمپنیاں کامیاب نہیں ہو سکتیں، لیکن سامنے والے صنعتوں میں معتدل گرمی سے ماہرین، فنڈز اور صنعتی وسائل کو کھینچا جاتا ہے، جس سے انجینئرنگ کا تجربہ، سپلائی چین کی صلاحیتیں اور قابل منتقل ٹیکنالوجیز کا انبار جمع ہوتا ہے۔ اہم بات یہ ہے کہ سرمایہ کاروں کو مستقبل کی امکانات کو فوری یقین میں تبدیل نہیں کرنا چاہئے، اور نہ ہی اس لئے کہ تجارتی طور پر دور ہے، ابتدائی مرحلے میں جائزہ لینا چھوڑ دینا چاہئے۔

بزنس اسپیس کے لیے بھی یہی بات لاگو ہوتی ہے۔ اس صنعت میں لانچنگ، منظوری، اہلیت کے لائسنس، ٹیسٹنگ، کوالٹی مینجمنٹ اور سپلائی چین کوآرڈینیشن شامل ہے، جو عام سافٹ ویئر پروڈکٹس کے مقابلے میں کہیں زیادہ لمبی ہے۔ لیکن اس کا صنعتی ترقی پر تیزی سے آ رہا ہے: 2025 میں ہمارے ملک نے 87 بار اسپیس لانچنگ کی، جن میں نجی کمرشل راکٹ کمپنیوں نے 23 بار لانچنگ کی اور 324 سیٹلائٹس کو ککھایا گیا؛ صنعت کے لیے فنڈنگ کا کل مجموعہ 186 ارب یوان تھا، جو 32 فیصد بڑھا، اور کمرشل لانچنگ سروسز کے آرڈرز میں تقریباً 40 فیصد اضافہ ہوا۔ رسک کیپٹلسٹس نہیں چاہتے کہ کمپنیاں "موت کے درہ" کو مکمل طور پر عبور کرنے تک انتظار کریں، کیونکہ اس وقت ابتدائی سرمایہ کاری کا موقع عام طور پر بند ہو چکا ہوتا ہے۔ سرمایہ کاروں کو تبدیلیوں میں مستقل چیزوں کو تلاش کرنا ہوگا: کیا مارکیٹ کی ضرورت آخرکار ظاہر ہوگی؟ کیا ٹیم کے پاس بنیادی ریسرچ اور انجینئرنگ آرگنائزیشن کی صلاحیت موجود ہے؟ کیا وہ سپلائی چین اور کمرشلائزیشن کے مسائل حل کر سکتے ہیں؟ اور کیا ان میں اتنا تحمل ہے کہ وہ صنعت کے دروازے کھلنے تک انتظار کر سکتے ہیں؟

وانگ شوہہ کا خلائی جسمانی روبوٹس پر توجہ اس جائزے کا ایک خاص مثال ہے۔ یہ بھیڑ بھاڑ والے تصورات جیسے کہ تجارتی خلائی سفر، روبوٹکس اور AI کا مجموعہ لگتا ہے، لیکن اس کے پیچھے واضح مانگ پیدا ہو چکی ہے۔ سیٹلائٹس کی تعداد میں اضافے کے ساتھ، فضائی کچرا صاف کرنا، ککڑی سیٹلائٹس کا انتظام، اور فضائی آپریشنز اور تعمیرات خلائی ماحول کا حصہ بن جائیں گے۔ جب تجارتی خلائی سفر "آلات کو کیسے بھیجا جائے" سے "فضائی وسائل کو طویل مدت تک کیسے استعمال اور مراقبہ کیا جائے" پر منتقل ہو جائے گا، تو نئے انفراسٹرکچر اور خدمات کا نظام ظاہر ہوگا۔

سپیس کمپوٹنگ، ایئر اینڈ اسپیس اینرجری میٹریلز اور کوانتم کمپوٹنگ پر توجہ کا مطلب یہ ہے کہ نوجوان سرمایہ کار صرف تیزی سے منافع دینے والے AI اطلاقات تک محدود نہیں ہیں۔ وہ ایسے شعبوں میں داخل ہو رہے ہیں جہاں ٹیکنالوجی کے راستے ابھی مکمل طور پر مستقل نہیں ہوئے، لیکن مستقبل کے صنعتی بنیادوں کو دوبارہ تشکیل دے سکتے ہیں۔ ہارڈ ٹیکنالوجی کی صبر، منافع کو چھوڑنے کا مطلب نہیں، بلکہ منافع کو لمبے وقت کے مقیاس پر لگانا ہے۔ ایسے سرمایہ کاری کے لیے پونڈ بہت جلد اور بہت صبر والی رقم درکار ہوتی ہے۔

جب AI بادل سے ڈیوائسز میں، اور ڈیجیٹل مواد سے فزیکل ایکشن میں آئے، جب ٹیکنالوجی کے سرمایہ کاری کا دائرہ نرم افزار سے چپس، توانائی، روبوٹکس اور خلائی بنیادی ڈھانچے تک پھیل جائے، تو سرمایہ کا کردار بھی تبدیل ہو جائے گا۔ اسے ٹیکنالوجی کو زیادہ جلد سمجھنا ہوگا، صنعت میں گہرا گھرنا ہوگا، اور نتائج ابھی واضح نہ ہونے پر بھی لمبے مدتی فیصلے لینے ہوں گے۔ اس فہرست کو دیکھنا اس لیے ضروری ہے کہ یہ نسل کے سرمایہ کار اس قسم کے فیصلوں کو کیسے سیکھتے ہیں۔

یہ مضمون ہوکسیو سے ہے، مصنف: چین ییفان_YF اصل لنک: https://www.huxiu.com/article/4877273.html?type=text