Agentrys کو 24.5 ملین ڈالر ملے—chip design کے AI agents کس کے ہوں گے؟

سان ہوزے کی chip-design startup Agentrys نے 26 اگست 2026 کو 24.5 ملین ڈالر کی مجموعی فنڈنگ ظاہر کی۔ بانی اور CEO Mark Ren نے Axios Pro کو رقم کی تصدیق کرتے ہوئے کہا کہ کمپنی chip design میں باقی دستی engineering کام کو AI agents کے ذریعے کم کرنا چاہتی ہے۔

یہ 24.5 ملین ڈالر کی ایک نئی seed round نہیں بلکہ دو مراحل کا مجموعہ ہے: تازہ 19.1 ملین ڈالر seed اور اس سے پہلے حاصل کیا گیا 5.4 ملین ڈالر pre-seed۔ Agentrys کا بنیادی کاروباری دعویٰ یہ ہے کہ chip کمپنیاں کسی vendor کے تیار agents صرف استعمال کرنے کے بجائے اپنے workflows کے مطابق agents بنائیں، انہیں اپنے engineering ماحول میں رکھیں اور وقت کے ساتھ بہتر کریں۔

24.5 ملین ڈالر میں نئی رقم کتنی ہے؟

اس خبر میں مرکزی نیا سرمایہ 19.1 ملین ڈالر کا seed ہے، جس کی قیادت Etna Labs نے کی؛ MediaTek کی قیادت والا 5.4 ملین ڈالر pre-seed پہلے کا مرحلہ ہے۔ S&P Capital IQ کی مالیاتی رپورٹ دونوں راؤنڈز، ان کی الگ الگ رقوم، lead investors اور 26 اگست کی transaction date درج کرتی ہے، جبکہ یہ بھی بتاتی ہے کہ لین دین میں convertible preferred stock جاری کیا گیا۔

اس فرق کو نظرانداز کرنے سے ایسا تاثر بن سکتا ہے جیسے کمپنی نے ایک ہی وقت میں مکمل 24.5 ملین ڈالر کا نیا seed حاصل کیا ہو۔ دستیاب معلومات اس کے برعکس بتاتی ہیں: 24.5 ملین ڈالر Agentrys کی اب تک کی مجموعی funding ہے، جبکہ حالیہ round اس مجموعے سے 5.4 ملین ڈالر کم ہے۔

کمپنی نئی رقم کو بھرتیوں، agent-native tools اور verification و physical design میں customer engagements بڑھانے کے لیے استعمال کرنے کا ارادہ رکھتی ہے۔ valuation، سرمایہ کاروں کی ownership، dilution اور متوقع runway ظاہر نہیں کیے گئے، اس لیے اعلان شدہ رقم سے Agentrys کی مجموعی قدر یا موجودہ shareholders کے حصے کا معتبر اندازہ نہیں لگایا جا سکتا۔

agents آخر کس کے ہوں گے؟

Agentrys کے جواب کا خلاصہ ہے: chipmaker کے۔ کمپنی کے تفصیلی اعلان کے مطابق اس کا Agentic Design Automation یا ADA پلیٹ فارم semiconductor ٹیموں کو اپنے agents بنانے اور رکھنے دیتا ہے، انہیں commercial EDA tools، داخلی tools اور موجودہ infrastructure پر چلاتا ہے، اور customer data، استعمال اور evaluation signals سے بہتر کرنے کا ہدف رکھتا ہے؛ اسی اعلان میں Mark Ren کے تقریباً تین دہائیوں کے NVIDIA Research اور IBM Research کے EDA و AI تجربے اور NVIDIA کے ChipNeMo منصوبے کی قیادت کا ذکر بھی ہے۔

یہ دعویٰ عام coding assistant سے زیادہ وسیع دائرہ رکھتا ہے۔ coding agent عموماً code لکھنے، سمجھنے یا تبدیل کرنے میں مدد دیتا ہے، جبکہ chip design کئی باہم منسلک مراحل، مخصوص vendor tools، داخلی scripts اور سخت engineering checks پر مشتمل ہوتا ہے۔ Agentrys موجودہ EDA stack کو ہٹانے کے بجائے اس کے اوپر ایسی coordination اور learning layer بنانا چاہتا ہے جو طویل workflow میں مختلف tools کو استعمال کرے اور جانچے گئے طریقے کو دوبارہ کام میں لا سکے۔

customer-owned کا عملی مفہوم محض کسی AI model کی قانونی ملکیت نہیں۔ ممکنہ قدر اس agent configuration، workflow knowledge، داخلی methodology اور evaluation history میں ہے جو ایک chip ٹیم کے اپنے ماحول میں جمع ہوتی ہے۔ اگر یہی علم vendor کی مشترک capability کا حصہ بننے کے بجائے customer کے اختیار میں رہے تو حریف ایک ہی عمومی agent خرید کر عین وہی فائدہ حاصل نہیں کر سکیں گے۔

البتہ اعلان ownership کی مکمل قانونی اور تکنیکی شرائط نہیں بتاتا۔ ابھی یہ واضح نہیں کہ trained یا evolved configurations کے intellectual-property حقوق کس معاہدے کے تحت طے ہوں گے، deployment مکمل طور پر customer infrastructure پر ہوگا یا کسی managed component پر بھی، اور support ختم ہونے کی صورت میں agents اور حاصل شدہ knowledge کس شکل میں منتقل کیے جا سکیں گے۔ اس لیے عنوان کے سوال کا جواب کمپنی کی پیش کش کی سطح پر “customer” ہے، مگر معاہداتی جواب ہر deployment کی شرائط سے طے ہوگا۔

Mark Ren کا پس منظر سرمایہ کاروں کے لیے کیوں معنی رکھتا ہے؟

Ren کا EDA اور chip-focused AI کا مشترک پس منظر Agentrys کے مسئلے سے براہ راست جڑا ہے۔ semiconductor automation میں صرف بڑا language model کافی نہیں: agent کو design terminology سمجھنے، پہلے سے نصب tools کے ساتھ کام کرنے اور output کو simulation، verification یا physical-design checks کے ذریعے جانچنے کی ضرورت ہوتی ہے۔ یہی domain knowledge عمومی enterprise agent اور chip-design platform کے درمیان اہم فرق بن سکتی ہے۔

MediaTek کا pre-seed lead investor ہونا بھی اسی تخصص سے مطابقت رکھتا ہے، مگر اسے customer validation نہیں سمجھنا چاہیے۔ سرمایہ کاری کسی platform کی technical compatibility، production reliability یا دوسرے chipmakers میں adoption ثابت نہیں کرتی۔ اسی طرح بانی کا مضبوط تحقیقی پس منظر execution risk، طویل enterprise sales cycles اور مختلف EDA environments کے integration مسائل ختم نہیں کرتا۔

کمپنی نے اپنے اعلان میں customer engagements کا ذکر کیا ہے، مگر نام، contract values، recurring revenue، deployment duration اور انسانی review کی مقدار عام نہیں کی۔ نتیجتاً یہ کہنا ممکن نہیں کہ platform ابھی تجرباتی engagements، محدود pilots یا مستقل production use میں سے کس سطح پر کتنے customers تک پہنچا ہے۔

خودکاری کے دعوے اور تجارتی ثبوت الگ ہیں

Agentrys نے اپنے platform کے لیے end-to-end design demonstration اور verification benchmark میں بہتر کارکردگی کے دعوے پیش کیے ہیں، لیکن یہ کمپنی کے اپنے نتائج ہیں۔ کسی آزاد technical audit، peer-reviewed evaluation یا named customer کے production deployment نے ابھی عوامی طور پر یہ ثابت نہیں کیا کہ یہی کارکردگی مختلف architectures، process nodes، analog flows اور organizational environments میں برقرار رہتی ہے۔

ایک محدود benchmark مخصوص tasks اور test conditions میں performance دکھا سکتا ہے؛ وہ enterprise deployment کی security، reproducibility، tool compatibility، failure recovery یا مجموعی لاگت نہیں ناپتا۔ اسی طرح specification سے layout تک demonstration platform کی ممکنہ وسعت دکھا سکتی ہے، مگر اس سے یہ ثابت نہیں ہوتا کہ commercial chip project انسانی نگرانی کے بغیر قابل اعتماد طور پر مکمل ہوسکتا ہے۔

فنڈنگ اس فرق کو ختم نہیں کرتی۔ 19.1 ملین ڈالر کا نیا seed Agentrys کو hiring، tooling اور customer work بڑھانے کی گنجائش دیتا ہے، مگر یہ product validation، مستقل revenue یا chip designers کی فوری جگہ لینے کا ثبوت نہیں۔ زیادہ فیصلہ کن شواہد named deployments، انسانی review کی مقدار، design quality، error rates اور وقت یا لاگت کے قابل تقابل نتائج ہوں گے۔

فی الحال تصدیق شدہ صورت یہ ہے کہ Agentrys نے دو rounds میں مجموعی طور پر 24.5 ملین ڈالر حاصل کیے ہیں اور خود کو customer-built، customer-owned chip-design agents کے پلیٹ فارم کے طور پر پیش کر رہا ہے۔ اب بنیادی سوال رقم کا نہیں بلکہ ownership اور performance کا ہے: agents کہاں چلیں گے، ان کی سیکھی ہوئی knowledge کس کے پاس رہے گی، اور production designs میں ان کی reliability کس طرح ثابت ہوگی۔