Ang Emergent.sh ay isa sa nangunguna AI mga platform para gawing full-stack, production-ready na software ang mga konsepto nang hindi nangangailangan ng napakalaking engineering team.
Itinatag ng magkapatid na Jha, ang Emergent.sh ay nagbibigay ng isang matibay na suite kung saan pinangangasiwaan ng mga dalubhasang ahente ang arkitektura ng backend, frontend code, at deployment upang makapaghatid ng maaasahan at nasusukat na mga application.
Sa ulo ng tech na ito ay Mukund Jha, ang co-founder at CEO ng Emergent.sh.
Sa background sa engineering mula sa Columbia, mga tungkulin sa Google, at co-founding ng unicorn na si Dunzo, ginawa ni Mukund ang kanyang mga kasanayan sa sukat at pagiging maaasahan sa isang tool para sa mahusay AI pagbuo ng software.
Pakinggan natin siya at subukang makakuha ng ilang mahahalagang insight mula sa kanyang karanasan sa industriya
Maaari mo bang sabihin sa amin ang tungkol sa iyong paglalakbay mula sa Columbia Engineering graduate hanggang sa Google engineer, pagkatapos ay co-founding sa Dunzo, at ngayon ay nagtatayo ng Emergent.sh? Anong mga karanasan ang humubog sa iyong pananaw para sa pagpapaunlad na pinapagana ng AI?
Nagsimula akong mag-aral ng engineering sa Columbia, kung saan binuo ko ang aking mga pundasyon sa mga system, software, at pag-iisip ng produkto. Pagkatapos noon, sumali ako sa Google, na ganap na nagbago sa kung paano ko iniisip ang tungkol sa sukat, pagiging maaasahan, at pagkakayari.
Nang maglaon, nang magkasama akong nagtatag at tumulong sa pag-scale ng Dunzo, nakakuha ako ng upuan sa harap na hilera sa kung ano ang kinakailangan upang bumuo para sa milyun-milyong user na may magugulong real-world na mga hadlang, mabilis na pag-ulit, at pagdidisenyo ng mga system na hindi nasisira sa ilalim ng sukat.
Ang lahat ng mga karanasang iyon ay humubog sa Emergent. Gusto kong kunin ang hirap ng Big Tech, ang bilis ng pagsasagawa ng startup, at ang mga punto ng sakit na personal kong naranasan, at bumuo ng AI platform na nagbibigay-daan sa sinuman lumikha ng software ng produksyon nang hindi nangangailangan ng napakalaking pangkat ng engineering.
Ikaw at ang iyong kambal na kapatid na si Madhav ay nagtatag ng Emergent Labs nang magkasama – paano naiimpluwensyahan ng natatanging partnership na ito ang iyong diskarte sa pagbuo ng kumpanya, at ano ang mga pakinabang ng pagkakaroon ng isang co-founder na's pati kapatid mo?
Ang pagtatayo ng kumpanya kasama ang aking kambal na kapatid na si Madhav ay sa totoo lang isang superpower. Magkasama kaming nagco-coding mula pa noong mga bata kami, kaya natural ang tiwala, shorthand, at alignment.
Walang ego, walang oras na nasayang sa pulitika; mabilis tayong kumilos, hindi nagkakasundo nang produktibo, at pinanghahawakan ang isa't isa sa matataas na pamantayan. Kapag nagtatayo ka ng isang bagay na kasing ambisyoso maraming ahente AI imprastraktura, ang pagkakaroon ng ganoong antas ng tiwala at bilis sa isang co-founder ay gumagawa ng malaking pagkakaiba.
Mula sa iyong karanasan sa pag-scale kay Dunzo mula sa isang startup tungo sa isang bilyong dolyar na kumpanya na sinusuportahan ng Google at Reliance, anong mga aral ang nalapat mo sa pagbuo ng Emergent.sh's arkitektura at modelo ng negosyo?
Sa Dunzo, nalaman ko na ang mga totoong produkto ay nabubuhay o namamatay hindi sa pamamagitan ng mga demo kundi sa pagiging maaasahan, bilis, at mga resulta ng user.
Kaya sa Emergent, idinisenyo namin para sa produksyon mula sa unang araw kasama na ang pagmamasid, infra automation, CI/CD, tamang pagmomodelo ng data, lahat.
Pinagtibay din namin ang pilosopiya ng Dunzo ng pagbuo ng mga lean, high-leverage na mga koponan sa engineering. Hindi tungkol sa pagkakaroon ng 100 inhinyero; ito ay tungkol sa pagkakaroon ng tamang platform na nagpaparami sa output ng isang maliit na team. Ang emergent ay karaniwang ang pilosopiya na iyon ay naging isang produkto.
Ituro sa amin kung bakit naiiba ang Emergent.sh sa karaniwang "AI coding assistants” – ano's ang iyong pangunahing pilosopiya sa likod ng plataporma?
Tinutulungan ka ng karamihan sa mga tool habang nagko-code ka. Ang emergent ay binuo para mag-code para sa iyo, end-to-end.
Ang aming pilosopiya ay ang user ay dapat makipag-usap sa layunin at mga hadlang, at ang system ay dapat na pangasiwaan ang arkitektura, code, infra, deployment, at pag-ulit.
Ito ay hindi isang coding assistant. Isa itong agentic software engineer.
tulay AI Ang mga tool sa pag-develop ay lubos na nakatuon sa pagbuo ng frontend at mga mockup ng UI. Bakit mo piniling unahin ang pagbuo ng isang matatag na imprastraktura ng backend, pagkatapos ay ang pagtugon sa disenyo ng frontend? Ano's ang estratehikong bentahe ng pamamaraang ito?
Nagsimula ang lahat sa pamamagitan ng pagbuo ng magagandang frontend at mockup. Nagpunta kami sa kabaligtaran ng direksyon: nagtayo muna kami ng malalim na imprastraktura sa backend.
Bakit? Dahil nabigo ang mga totoong app sa auth, disenyo ng database, integrations, scalability, deployment, hindi sa mga button at kulay.
Sa pamamagitan ng paglutas muna ng pinakamahirap, karamihan sa mga teknikal na piraso, tinitiyak namin na ang anumang bagay na binuo sa Emergent ay talagang handa sa produksyon. Nagiging madali ang frontend polish kapag solid na ang mga pundasyon.
Nabanggit mo na ang Emergent ay ang “mundo's unang tunay na agentic vibe coding platform." Maaari mo bang ipaliwanag kung ano ang ibig sabihin ng "agent" sa pagsasanay at kung paano gumagana ang iyong multi-agent na arkitektura nang iba sa mga diskarte sa solong modelo?
Kapag sinabi kong ahente ang Emergent, ang ibig kong sabihin ay literal itong kumikilos tulad ng isang pangkat ng autonomous AI mga inhinyero.
Mayroon kaming mga dalubhasang ahente, isa upang maunawaan ang layunin, isa sa arkitekto ng system, ang iba para sa backend, frontend, pagsubok, infra, deployment, QA; lahat ng coordinating sa bawat isa.
Sa panimula ito ay naiiba sa mga tool na nag-iisang modelo na humihiling sa isang LLM na gawin ang lahat. Sinasalamin ng aming arkitektura kung paano gumagana ang mga tunay na team ng engineering, na ginagawang mas maaasahan ang output.
Sa mahigit 10,000 app na binuo sa panahon ng iyong alpha phase at ranking #2-3 sa SWE-Bench benchmark, ano's ang iyong pananaw para sa democratizing software development? Saan mo nakikita ang heading na ito sa susunod na 2-3 taon?
Sa panahon ng aming alpha, nakagawa ang mga tao ng mahigit 10,000 app. Na-validate nito ang ideya na mayroong napakalaking pangangailangan para sa isang platform na nagbibigay-daan sa sinuman kabilang ang mga founder, team, creator na gawing tunay, naipadalang software ang mga ideya.
Ang aking pananaw ay sa susunod na 2-3 taon, milyun-milyong tao ang bubuo ng mga app nang hindi na kailangang magsulat ng code. Nagiging pang-usap, umuulit, at naa-access ang software.
Ginagawa namin ang mga riles para sa hinaharap na iyon.
Paano iniiba ng Emergent.sh ang sarili nito mula sa mga dati nang manlalaro tulad ng Lovable, Bolt, Cursor, at GitHub Copilot? Anong mga partikular na pakinabang ang inaalok ng iyong platform na hindi maaaring tumugma sa mga tool na ito na nakatuon sa frontend?
Mahusay ang mga tool na ito, ngunit kadalasang nakatuon ang mga ito sa pagbuo ng frontend o mga daloy ng trabaho sa pagmumungkahi ng code.
Ang emergent ay full-stack, production-first, at agentic.
Hindi kami humihinto sa mga prototype; nagdidisenyo kami ng backend, nagmomodelo ng data, bumubuo ng mga API, bumuo ng frontend, nagse-set up ng imprastraktura, nagpapatakbo ng mga pagsubok, at nagde-deploy ng buong bagay.
Ito ang pagkakaiba sa pagitan ng "Narito ang ilang code" at "Narito ang iyong tumatakbo at handa sa produksyon na app."
Maraming mga kakumpitensya ang huminto sa mga prototype o nangangailangan ng malawak na manual coding pagkatapos ng unang henerasyon. Paano malulutas ng Emergent.sh ang problema sa "huling milya" ng aktwal na pag-deploy ng mga application na handa sa produksyon?
tulay AI Ang mga dev tool ay bumubuo ng isang bagay na mukhang isang app ngunit nangangailangan pa rin ng mga linggo ng engineering bago ito aktwal na tumakbo.
Bumuo kami ng mga ahente na humahawak sa lahat ng nangyayari pagkatapos ng pagbuo ng code: paglilipat, infra setup, CI, deployment, validation, monitoring.
Ang aming layunin ay simple: kapag bumuo ka sa Emergent, ang iyong ideya ay nagtatapos bilang isang live, gumaganang app, hindi isang folder ng code sa iyong laptop.
Nakalikom ka ng $6-10 milyon mula sa Together Fund at nagta-target ng $100 milyon na halaga. Sa ganitong sikip AI development space, ano's ang iyong natatanging panukala sa pagbebenta na nagbibigay-katwiran sa ambisyosong pagpapahalagang ito?
Tinitingnan ng mga mamumuhunan ang tatlong bagay:
- Malinaw na pagkakaiba-iba ng produkto: Kami ang tanging platform na nakatuon sa ahente, buong-stack, handa sa produksyon na output.
- Bilis at traksyon ng pagpapatupad: Ang aming alpha traction at paglaki ng ARR ay malakas na signal.
- Potensyal ng kategorya: Binubuo namin ang operating system para sa software na binuo ng AI.
If AI ay tunay na bubuo ng susunod na wave ng mga app, ang Emergent ay kailangang umiral at ang mga mamumuhunan ay tumaya sa paniniwalang iyon.
Mas nabanggit mo pa yan AI malapit na ang mga modelo sa platform. Paano mo naiisip ang mga bagong modelong ito na ginagawang mas madali ang coding, at anong mga partikular na kakayahan ang pinakanasasabik mong ipakilala?
Nagdaragdag kami ng higit pang mga espesyal na modelo dahil ang iba't ibang bahagi ng pagbuo ng app ay nangangailangan ng iba't ibang lakas.
Ang ilang mga modelo ay mahusay sa pangangatwiran at pagpaplano; ang iba ay mas mahusay sa structured code generation; ang iba ay mahusay sa refactoring o interpretasyon.
Habang nagdaragdag kami ng mga bagong modelo, ang Emergent ay nagiging mas mabilis, mas maaasahan, at may kakayahang bumuo ng mas kumplikadong mga application na may mas kaunting mga input ng user.
Sa mga pagsulong sa AI mga modelo ng pangangatwiran tulad ng OpenAI's o1 at Claude's pinakabagong mga pag-ulit, paano nakaposisyon ang Emergent.sh upang isama ang mga mas sopistikadong modelong ito sa iyong multi-agent na balangkas?
Ang aming multi-agent na arkitektura ay likas na modelo-agnostic.
Nangangahulugan iyon na maaari nating isaksak ang o-serye ng OpenAI para sa pagpaplano, gamitin si Claude para sa mahabang kontekstong pangangatwiran, at umasa sa mas maliliit na modelo para sa nakagawiang pagbuo ng code lahat sa parehong pipeline.
Nagbibigay ito sa amin ng pinakamahusay na cost-to-quality ratio habang itinutulak ang mga hangganan ng kung ano ang magagawa ng autonomous software engineering.
Sa pag-asa sa 2026, ano ang nakikita mo bilang pinakamalaking teknikal na hamon sa pagpapaunlad na pinapagana ng AI, at paano naghahanda ang Emergent.sh na tugunan ang mga ito?
Sa susunod na ilang taon, ang pinakamahirap na problema ay:
Nire-solve namin ang mga ito sa pamamagitan ng mga verification loops, automated testing, strong infra primitives, at mas mahusay na observability sa mga nabuong system.
AI bubuo ng mas maraming code kaysa sa mga tao sa lalong madaling panahon ngunit ang hamon ay panatilihing mapagkakatiwalaan ang code na iyon.
Bilang isang tao na's gumawa ng mga produkto para sa milyun-milyong user, anong payo ang ibibigay mo sa komunidad ng AIMOJO AI mga mahilig, affiliate marketer, at mga negosyante na gustong mag-leverage AI mga tool tulad ng Emergent.sh upang makabuo ng kanilang sariling mga produkto?
Simple lang ang payo ko: Magsimulang magtayo. Huwag maghintay para sa perpektong ideya o perpektong timing.
paggamit AI mga tool tulad ng Emergent upang patunayan ang mga ideya sa mga araw, hindi buwan. Mabilis na ipadala, mangalap ng feedback, umulit. At tumuon sa mga resulta sa pamamagitan ng paglutas ng isang tunay na problema para sa isang tunay na gumagamit. Ang mga taong nanalo sa bagong panahon na ito ay ang gumagamot AI bilang pagkilos, hindi magic.
Habang tinatapos namin ang nakaka-engganyong chat na ito kasama si Mukund Jha, maliwanag na ang Emergent.sh ay namumukod-tangi bilang higit sa isang AI kasangkapan; ito ay isang pangunahing enabler para sa mga founder na bumuo ng full-stack production software nang hindi nagsusulat ng code.
Ang pananaw ni Mukund para sa isang platform na ginagawang maaasahan at nasusukat na mga application ang layunin ng tao ay nagbibigay-inspirasyon at naghahayag ng marami tungkol sa kinabukasan ng inhinyero na hinimok ng AI.
Salamat sa pagsali sa amin, at umaasa kaming ang talakayang ito ay mag-udyok sa iyo na tuklasin kung paano artificial intelligence maaaring mapabilis ang iyong paglalakbay sa produkto.
Manatiling nakatutok para sa higit pang mga update habang ang Emergent.sh ay patuloy na lumalaki at muling tinutukoy kung paano kami bumuo ng software sa buong mundo.
BONUS: Kunin ang aming $200"AI Mastery Toolkit” LIBRE kapag nag-sign up ka!
