XDOF، صرف تین ماہ پہلے خفیہ رہنے کے بعد، $1.2 بلین کی تشخیص پر سیریز B کے لیے بات چیت میں ہے

تین ماہ۔ یہی وہ وقت تھا جو XDOF کو خفیہ سے یونی کارن کی سطح تک پہنچنے میں لگا۔ یہ روبوٹ ٹریننگ ڈیٹا اسٹارٹ اپ — جو دو UC Berkeley کے محققین نے بنایا ہے — اب سیریز B میں تقریباً $1.2 بلین جمع کرنے کے لیے آخری مرحلے کی بات چیت میں ہے، جس کی رہنمائی 8VC کر رہا ہے۔ جو کوئی بھی AI بنیادی ڈھانچے کی سرمایہ کاری کی رفتار کو ٹریک کر رہا ہے، XDOF، صرف تین ماہ پہلے خفیہ رہنے کے بعد، حالیہ یادوں میں سب سے تیز خفیہ سے یونی کارن کی کہانیوں میں سے ایک بننے کی بات ہو رہی ہے۔ اور اس کے اثرات Silicon Valley سے بہت آگے تک پھیلے ہوئے ہیں۔

نوٹ: اصل مضمون لکھنے کے وقت جزوی طور پر رسائی سے محروم تھا کیونکہ Cloudflare کی تصدیق کی دیوار تھی۔ نیچے دی گئی معلومات Marina Temkin کی TechCrunch رپورٹ کے حاصل شدہ حصوں سے لی گئی ہے۔ جہاں ہم تخمینہ لگاتے ہیں یا تجزیہ شامل کرتے ہیں، ہم اسے واضح طور پر نشان زد کرتے ہیں۔

کیا ہوا

XDOF کو 2024 میں Philipp Wu (CEO) اور Fred Shentu (CTO) نے بنایا تھا، دونوں UC Berkeley کے محققین ہیں۔ کمپنی کا بنیادی کاروبار حقیقی دنیا کے ٹیلی آپریشن ڈیٹا جمع کرنا ہے — اس قسم کا گندا، جسمانی، نقل کرنا مشکل ٹریننگ ڈیٹا جو عام مقصد کے روبوٹس کو حقیقی دنیا میں کام کرنا سیکھنے کے لیے درکار ہے۔ یہ شاندار کام نہیں ہے۔ اس میں انسانی آپریٹرز روبوٹک بازوؤں کو دستی طریقے سے کاموں کے ذریعے گائیڈ کرنا شامل ہے، لیبل شدہ موشن ڈیٹا تیار کرنا جو AI ماڈلز پھر سے سیکھتے ہیں۔ لیکن یہ پتہ چلا ہے کہ یہ غیر شاندار کام بالکل وہی ہے جو روبوٹکس انڈسٹری ابھی اب کے لیے مایوس ہے۔

جون 2026 میں، TechCrunch نے XDOF کے $70 ملین سیریز A کی رپورٹ کی، جس کی حمایت اعلیٰ درجے کے وینچر کے بڑے نام نے کی: Thrive Capital، Andreessen Horowitz، Lux Capital، اور Spark Capital۔ یہ راؤنڈ خود قابلِ غور تھا۔ اب، تین ماہ سے بھی کم وقت بعد، کمپنی کے بارے میں کہا جا رہا ہے کہ وہ 8VC کی رہنمائی میں تقریباً $1.2 بلین کی تشخیص پر سیریز B کے لیے آخری مرحلے کی بات چیت میں ہے۔

اس ٹائم لائن کو نقطہ نظر میں رکھنے کے لیے: زیادہ تر اسٹارٹ اپس سیریز A اور سیریز B کے درمیان 12 سے 18 ماہ خرچ کرتے ہیں۔ XDOF ایسا لگتا ہے کہ یہ ایک سہ ماہی سے کم میں کر رہا ہے۔ یہ رفتار ایک چیز کو واضح طور پر ظاہر کرتی ہے — سرمایہ کار سمجھتے ہیں کہ روبوٹ ٹریننگ ڈیٹا کی مارکیٹ مستقبل کی موقع نہیں ہے۔ یہ ابھی اب کی موقع ہے، اور بنیادی ڈھانچے کی تہہ کو مالک بننے کی کھڑکی تیزی سے بند ہو رہی ہے۔

کمپنی کا ماڈل بنیادی طور پر جسمانی دنیا کے لیے ڈیٹا فیکٹری ہے۔ جیسے جیسے انسان نما اور عام مقصد کے روبوٹس لیب ڈیمو سے لے کر ایشیا اور اس سے آگے گودام، ہسپتال، اور مینوفیکچرنگ فلورز میں حقیقی تعینات میں منتقل ہو رہے ہیں، رکاوٹ اب ہارڈویئر نہیں ہے۔ یہ ٹریننگ ڈیٹا ہے۔ XDOF اپنے آپ کو اس رکاوٹ کو بڑے پیمانے پر حل کرنے والی کمپنی کے طور پر پوزیشن دے رہا ہے۔

ایشیا کے لیے یہ کیوں اہم ہے

ایشیا اس کہانی میں غیر فعال ناظر نہیں ہے۔ یہ بحث سے XDOF جو کچھ بنا رہا ہے اس کے لیے سب سے اہم مارکیٹ ہے۔

چین، جاپان، جنوبی کوریا، اور بڑھتے ہوئے جنوب مشرقی ایشیائی اقوام سب صنعتی پیمانے پر روبوٹکس کو اپنانے میں تیزی لا رہے ہیں۔ اکیلے چین نے 2030 تک دنیا کا معروف روبوٹکس مینوفیکچرر بننے کے لیے قومی عزائم کا اعلان کیا ہے، جس کی حمایت بھاری حکومتی سرمایہ کاری کر رہی ہے۔ جاپان کی بزرگ آبادی نے خودکاری کو نہ صرف معاشی طور پر پرکشش بلکہ سماجی طور پر ضروری بنایا ہے۔ جنوبی کوریا کے chaebols لاجسٹکس اور سیمی کنڈکٹر مینوفیکچرنگ میں روبوٹکس تعینات کر رہے ہیں اس رفتار پر جو پانچ سال پہلے بھی جارحانہ لگتا۔

ان تمام تعینات میں جو مشترک ہے: وہ ٹریننگ ڈیٹا کے لیے بھوکے ہیں۔ ایک روبوٹ بازو جو جرمن آٹوموٹو پلانٹ میں کام کرتا ہے وہ خودکار طور پر تائیوانی الیکٹرانکس فیکٹری یا ویتنامی ملبوسات کی سہولت میں عام نہیں ہوتا۔ جسمانی ماحول، جو اشیاء میں ہیرا پھیری کی جا رہی ہے، روشنی کی حالت، کام کی ترتیب — یہ سب مختلف ہے۔ اس کا مطلب ہے کہ مقامی، حقیقی دنیا کے ٹیلی آپریشن ڈیٹا کی مانگ بہت زیادہ ہے، اور بڑی حد تک پوری نہیں ہوئی۔

تجزیہ: XDOF کی $1.2 بلین کی تشخیص، اگر تصدیق ہو تو، ایک مارکیٹ سگنل بھیجتی ہے کہ جسمانی AI کے لیے ڈیٹا بنیادی ڈھانچے کو سافٹویئر AI بنیادی ڈھانچے کے برابر قیمت دی جا رہی ہے۔ یہ ایک اہم تبدیلی ہے۔ ایشیا ٹیک ایکوسسٹمز کے لیے — جہاں ہارڈویئر مینوفیکچرنگ، روبوٹکس سپلائی چین، اور AI تحقیق پہلے سے گہری طور پر آپس میں جڑی ہوئی ہے — یہ ایک مسابقتی موقع اور ایک حکمت عملی کا سوال دونوں بناتا ہے: ایشیائی روبوٹکس تعینات کے لیے ڈیٹا تہہ کا مالک کون ہے؟

یہ حقیقت کہ XDOF کے حمایت کاروں میں گہری ایشیا کی نمائندگی والی فرمیں شامل ہیں (Andreessen Horowitz جاپان اور جنوب مشرقی ایشیا میں فعال رہا ہے؛ Thrive اپنے ایشیا کے نظریے کو بڑھا رہا ہے) تجویز کرتا ہے کہ سرمایہ کار پہلے سے ہی اس شرط میں سرایاں ہوئی جغرافیائی موقع کو دیکھتے ہیں۔ ایک اسٹارٹ اپ جو متنوع ایشیائی صنعتی ماحول میں ٹیلی آپریشن ڈیٹا جمع اور معیاری بنا سکتا ہے وہ ایک دفاعی خندق ہوگا جو دوبارہ تیزی سے نقل کرنا بہت مشکل ہے۔

ایشیا میں بنانے والے اور ڈیولپرز کے لیے جو اس راؤنڈ کو دیکھ رہے ہیں: جسمانی AI کے لیے ڈیٹا بنیادی ڈھانچے کی تہہ بنانے کی دوڑ شروع ہو گئی ہے۔ اور ابھی، ایسا لگتا ہے کہ یہ بنیادی طور پر US میں بنائی گئی کمپنیوں کے ذریعے US وینچر حمایت کے ساتھ چلائی جا رہی ہے۔ یہ خلاء قابلِ غور ہے۔

ڈیولپرز کے لیے اس کا مطلب کیا ہے

اگر آپ ایشیا میں ڈیولپر یا تکنیکی بنانے والے ہیں، XDOF کی رفتار کچھ ٹھوس چیزوں کو سامنے لاتی ہے جو توجہ دینے کے قابل ہیں۔

1. جسمانی ڈیجیٹل انٹرفیس AI ٹولنگ کے لیے اگلی سرحد ہے۔ آج زیادہ تر ڈیولپر ٹولنگ سافٹویئر کے ارد گرد بنائی گئی ہے — APIs، لینگویج ماڈلز، کوڈ جنریشن، منظم اور غیر منظم متن کے لیے ڈیٹا پائپ لائنیں۔ XDOF ایک یادگار ہے کہ AI بنیادی ڈھانچے کی اگلی لہر جسمانی دنیا کے بارے میں ہے: سینسر فیوژن، موشن کیپچر، حقیقی وقت ٹیلی آپریشن، اور وہ پائپ لائنیں جو یہ سب کو استعمال کے قابل ٹریننگ ڈیٹا میں بدل دیتی ہیں۔ اگر آپ ڈیولپر ٹولز بنا رہے ہیں، یہ وہ جگہ ہے جہاں خالی جگہ بڑھ رہی ہے۔

2. ڈیٹا جمع کرنا ایک انجینئرنگ مسئلہ ہے، نہ کہ صرف لاجسٹکس کا۔ XDOF کا بنیادی تکنیکی چیلنج صرف "انسانوں کو روبوٹس چلانے کے لیے حاصل کریں" نہیں ہے۔ یہ سافٹویئر سسٹمز بنانا ہے جو اس ڈیٹا کو اس طریقے سے کیپچر، لیبل، تصدیق، اور فارمیٹ کرتے ہیں جو AI ٹریننگ پائپ لائنیں واقعی استعمال کر سکتی ہیں۔ اس میں حقیقی وقت سٹریمنگ آرکیٹیکچرز، کم تاخیر کنٹرول سسٹمز، اور مضبوط ڈیٹا کوالٹی ٹولنگ شامل ہے۔ ڈیولپرز جو AI ٹریننگ سائڈ اور ہارڈویئر انٹیگریشن سائڈ دونوں کو سمجھتے ہیں وہ بہت قیمتی ہوں گے۔

3. فنڈریزنگ کی رفتار ایشیائی اسٹارٹ اپس کے لیے کیا ممکن ہے اس کو بدل دیتی ہے۔ ایک کمپنی کے لیے $1.2 بلین سیریز B جو تین ماہ سے عوام کے لیے ہے ایک مارکیٹ سگنل ہے کہ سرمایہ کار بنیادی ڈھانچے کی شرط پر تیزی سے حرکت کرنے کے لیے تیار ہیں۔ ایشیائی بنانے والے متصل جگہوں میں بنا رہے ہیں — روبوٹکس سمیولیشن، جسمانی ماحول کے لیے مصنوعی ڈیٹا جنریشن، ہارڈویئر سافٹویئر انٹیگریشن پلیٹ فارمز — اب جارحانہ طریقے سے پچ کریں۔ سرمایہ کی بھوک واضح طور پر موجود ہے۔

MonstarX میں، ہم AI اور جسمانی نظاموں کے ملاپ کو قریب سے دیکھ رہے ہیں، کیونکہ یہ براہ راست اثر ڈالتا ہے کہ ڈیولپرز کو AI-native ڈیولپمنٹ پلیٹ فارم سے کیا چاہیے۔ ہارڈویئر ڈیٹا سٹریمز کو انٹیگریٹ کرنے، حقیقی وقت انفرنس پائپ لائنوں کو منیج کرنے، اور جسمانی سینسرز کو AI بیک اینڈز سے جوڑنے کی پیچیدگی بالکل وہی قسم کا مسئلہ ہے جس کے لیے صرف ایک اچھے IDE سے زیادہ کی ضرورت ہے۔ اس کے لیے بنیادی ڈھانچے کی ضرورت ہے جو اس قسم کی ایپلیکیشن کے لیے زمین سے اوپر تک ڈیزائن کیا گیا ہو۔

XDOF کی کہانی یہ بھی یادگار ہے کہ رفتار اہم ہے۔ کمپنی خفیہ سے سیریز A سے سیریز B بات چیت تک ایک سال سے کم میں منتقل ہوئی۔ تکنیکی بنانے والوں کے لیے: وہ ٹیمیں جو سب سے تیزی سے شپ کرتے ہیں، حقیقی ڈیٹا پر سب سے تیزی سے دوبارہ کرتے ہیں، اور ہارڈویئر اور سافٹویئر کے درمیان سب سے مضبوط فیڈ بیک لوپس بناتے ہیں وہ جیتیں گے۔ یہ فنڈریزنگ حکمت عملی نہیں ہے — یہ انجینئرنگ حکمت عملی ہے۔

اہم نکات

• XDOF سیریز B میں $1.2 بلین کی تشخیص پر جمع کر رہا ہے، صرف تین ماہ میں خفیہ سے باہر آنے کے بعد۔
• روبوٹ ٹریننگ ڈیٹا ایک بنیادی ڈھانچے کی تہہ بن گئی ہے جو سرمایہ کار سافٹویئر AI کے طور پر تیزی سے قیمت دے رہے ہیں۔
• ایشیا میں روبوٹکس کی تعینات — چین میں، جاپان میں، جنوب مشرقی ایشیا میں — ڈیٹا کی مانگ کو چلا رہی ہے، اور یہ مانگ بڑی حد تک غیر پوری ہے۔
• ڈیولپرز کے لیے: جسمانی-ڈیجیٹل انٹیگریشن اگلی سرحد ہے، اور جو ٹیمیں سب سے تیزی سے شپ کرتے ہیں وہ جیتیں گے۔