Zhi Yuan kali ini lebih dulu dari Elon Musk

马斯克都没做到的事，彭志辉和他的智元机器人做到了。

Apa yang bahkan tidak dapat dilakukan oleh Musk, dilakukan oleh Peng Zhihui dan robot cerdasnya, Unitree.

Tidak lama setelah itu, Tesla mengonfirmasi bahwa produk robot humanoid perusahaannya, Optimus Gen3, akan memulai uji produksi skala kecil pada musim panas tahun ini, dan baru diharapkan mencapai produksi massal skala besar pada tahun 2027. Meskipun ritme ini sudah beberapa kali mundur dari jadwal, visi Musk tetap menjadi rujukan bagi industri global.

Namun, belokan terjadi dengan cepat dan tak terduga: jadwal peningkatan produksi yang semula direncanakan dalam satuan “tahun”, kini dipadatkan menjadi satuan “bulan”.

Pada 30 Maret, Unitree mengumumkan bahwa robot humanoid yang keluar dari basis produksi massalnya telah menembus lebih dari 10.000 unit. Jaraknya dari upacara peluncuran 5.000 unit terakhir mereka kurang dari tiga bulan.

“Menembus 10.000” Unitree berarti kecerdasan berbadan (具身智能) di dalam negeri telah melangkah dari lab ke tahap yang masuk akal untuk komersialisasi skala besar.

Bagi pemain Tiongkok yang baru berdiri kurang dari tiga tahun, dalam hal produksi massal mengalahkan raksasa industri adalah, dengan sendirinya, sebuah pernyataan.

Menembus Dinding Produksi Massal

Jika dua tahun terakhir perkembangan robot humanoid di dalam negeri digambar sebagai satu kurva, 2023—2024 adalah “kurva Demo”, dan mulai 2025 masuk ke “kurva realitas rekayasa”.

Perbedaan antara dua kurva itu terletak pada: yang pertama dapat menciptakan “efek” hanya dengan mengandalkan algoritma, action library, pengaturan skenario, dan rendering; sedangkan yang kedua hanya menerima satu standar: berjalan terus-menerus tanpa gangguan.

“Di mata banyak orang, produksi massal tampak seperti lini perakitan, pembuatan cetakan (mold), injeksi (injection molding), perakitan, dan serangkaian proses standardisasi lainnya. Tetapi, untuk kategori produk robot humanoid, penskalaan itu sendiri adalah salah satu masalah teknis tersulit.”

Pada 30 Maret, dalam wawancara setelah acara, Peng Zhihui—co-founder, presiden, dan CTO Unitree—memberitahu Wall Street (见闻) bahwa produksi massal skala industri robot jauh lebih sulit daripada yang dibayangkan.

Ia membuat perbandingan: dalam perangkat elektronik konsumen, jika terjadi gangguan, seburuk apa pun bisa diatasi dengan me-restart; tetapi jika robot membuat kesalahan, “setiap sedikit gangguan mutu akan terus dibesar-besarkan dalam proses operasi nyata, dan mungkin menyebabkan cedera pada personel serta dampak buruk yang serius bagi lingkungan”.

Tingkat kesulitan ini tercermin sepenuhnya pada tahap produksi massal Unitree di tahun 2024.

Wang Chuang, wakil presiden senior dan presiden divisi bisnis umum, mengingat bahwa pada tahun itu Unitree sedang berada pada fase yang sangat sulit: dari menaiki tanjakan berat dari unit pertama hingga mencapai 200 unit—ini adalah “masa tergelap” perusahaan.

Setelah acara peluncuran produk baru pada bulan Agustus tahun itu, Unitree sekaligus merilis lima jenis robot; yang paling laris adalah Yuanzheng A2, dengan harga per unit lebih dari 500.000 yuan. Setelah acara, pesanan datang seperti salju, tetapi Unitree sama sekali tidak bisa mengimbangi—produk tidak mampu diproduksi massal, teknologi tidak bisa mendarat, dan model bisnis sama sekali tidak berjalan.

Wang Chuang mengatakan, saat itu hampir tidak ada standardisasi pada lini produksi; semakin banyak mesin yang dibuat, justru semakin sedikit waktu yang dimiliki tim untuk benar-benar bekerja, karena sebagian besar waktu habis untuk perbaikan. Bahkan setiap robot yang keluar dari lini pun tidak sama; para insinyur harus menyesuaikan parameter satu per satu.

Itu adalah masa pahit ketika tenaga manusia digunakan untuk menutup kesenjangan industrialisasi. Menjelang akhir 2024, untuk menyelesaikan masalah besar-besaran yang dibawa oleh produksi massal batch pertama, Unitree menempatkan lebih dari 150 orang tenaga R&D ke lini pabrik secara bertahap.

Setiap lompatan pada skala tertentu menyelesaikan masalah dari dimensi yang benar-benar berbeda. Selanjutnya, dari 200 unit ke 1.000 unit, bottleneck terbesar bergeser dari lini produksi ke rantai pasok.

Peng Zhihui mengungkapkan kepada Wall Street (见闻) bahwa ketika Unitree pertama kali memutuskan untuk membuat robot humanoid, mereka melakukan riset putaran di industri, dan “mereka menemukan bahwa tidak ada pemasok komponen inti yang mampu menyesuaikan dengan kami, pengiriman batch, serta sudah matang dan andal”.

Karyawan Unitree menyebut bahwa di tahap awal, pemasok bisa saja “mengumpulkan” dulu dan menyediakan 100 hingga 200 unit; itu mungkin masih bisa mengatasi. Tetapi ketika skala pesanan mencapai ribuan unit bahkan puluhan ribu unit, sistem dan standar kualitas yang lama langsung runtuh, dan produk sama sekali tidak tahan untuk bolak-balik dikerjakan ulang (rework) dalam volume besar. Sendi tradisional, gearbox, tangan lengan cerdas (灵巧手), dan baterai tidak ada satu pun pemasok yang bisa memenuhi kestabilan pengiriman tingkat ribuan unit, apalagi konsistensi.

Karena tidak ada jalan yang sudah tersedia, Unitree hanya bisa memilih untuk membuka jalannya sendiri. Peng Zhihui mengatakan, “Kami tumbuh bersama rantai pasok, dan menarik mereka masuk untuk melakukan R&D bersama.” Dari proses bahan material hingga alat bantu/fixture produksi (工装夹具), dari meja uji hingga proses penuaan (aging), semuanya didefinisikan ulang.

Unitree menggunakan proses baru hasil R&D bersama pemasok pada komponen inti seperti sendi dan tangan lengan cerdas, agar komponen menjadi lebih ringan, lebih presisi, lebih panjang umurnya, dan lebih rendah biayanya. Mereka juga membangun “lingkaran pasokan setengah jam” (半小时供应圈), yang mengharuskan pemasok inti mampu merespons dalam waktu setengah jam.

Strategi rantai pasok yang terikat secara mendalam seperti ini terlihat berat dalam jangka pendek, tetapi dalam jangka panjang justru menjadi parit perlindungan (护城河) Unitree.

Awal “Replikasi Kompleks” Rekayasa

Jika kemampuan rantai pasok menentukan apakah Unitree bisa membuat 10.000 robot, maka “replikasi kompleks” (data flywheel) pada data—menentukan seberapa besar nilai yang dapat dihasilkan setelah 10.000 robot itu dibuat.

“Selama ini cara berpikir membuat robot adalah pertama membuat satu body, dulu membangun tubuh, ada hardware, lalu mengembangkan dan menyisipkan beberapa ‘otak’—model, algoritma. Tapi sekarang, seiring 10.000 robot mulai turun dari lini produksi, tubuh dan otak mulai berevolusi secara sinkron.” kata Peng Zhihui.

Saat ini, setiap robot yang keluar dari lini akan secara berkelanjutan mengumpulkan data di lini produksi pembuatan mobil, bengkel elektronik 3C (komputer/komunikasi/konsumen), serta ruang layanan bisnis.

Data nyata ini kemudian melatih model dasar Unitree dengan kecepatan yang belum pernah ada sebelumnya, membuat model menjadi lebih ter-general (lebih generalisasi), lebih praktis, dan mendorong robot untuk membuka lebih banyak skenario kompleks.

“Robot akan semakin pintar saat semakin sering digunakan.” kata Peng Zhihui, “10.000 unit adalah titik kunci agar flywheel kami berputar sepenuhnya.”

Faktanya, logika ini sangat konsisten dengan jalur evolusi industri mengemudi cerdas (智驾). FSD12 milik Tesla bisa mencapai lompatan bermakna sekitar tahun 2025 karena jutaan kendaraan yang terus melaju di jalan secara berkelanjutan menyumbang data mengemudi nyata. Saat ini, Unitree sedang meniru jalur yang sama di bidang robot humanoid.

Menurut Wang Chuang, dalam tahap awal pengembangan apa pun teknologi yang benar-benar mengganggu (disruptif), orang akan merasa langkahnya lambat dan terasa sangat sulit; tetapi ketika teknologi itu benar-benar melewati suatu “titik balik (singularity)” tertentu—seperti tsunami yang datang—semua orang akan berteriak karena kecepatannya terlalu cepat.

Seperti mobil listrik dan mengemudi cerdas di masa lalu, robot humanoid juga sedang mendekati titik batas ledakan itu.

Menurut data IDC, pada tahun 2025 pengiriman robot humanoid global mendekati 18.000 unit, meningkat sekitar 508% year-over-year. Di antaranya, perusahaan-perusahaan Tiongkok memegang posisi dominan dalam pengiriman global, melampaui rekan-rekan di Amerika.

Pada tahun 2026, industri akan memasuki periode “tanggul operasi” (攻坚期) produksi massal skala besar. Jiayou (集邦咨询) memprediksi pengiriman global akan menembus 50.000 unit, dan naik lagi lebih dari 700% year-over-year. Unitree menyelesaikan penyerahan 10.000 unit dalam waktu kurang dari tiga bulan di awal tahun. Dengan mengikuti ritme ini, di acara peluncuran, Wang Chuang memberikan prediksi: “100.000 unit mungkin ada di akhir tahun 2027.”

Prediksi ini didasarkan pada dua premis. Pertama, penyebaran teknologi yang sepenuhnya mandiri: membuat robot lepas dari kendali manusia, memahami lingkungan, mengisi daya secara mandiri, dan terus menyesuaikan diri pada tugas yang lebih kompleks. Kedua, globalisasi. Wang Chuang berkata, “Kebutuhan kategori robot di seluruh dunia itu umum; penuaan penduduk, penurunan angka kelahiran, kekurangan tenaga kerja, dan pekerjaan yang membosankan serta repetitif semakin sulit diisi orang—ini adalah masalah yang dihadapi seluruh dunia”.

Dari Yuanzheng A1 yang diperkenalkan pada Agustus 2023 hingga 10.000 unit pertama Yuanzheng A3 yang keluar dari lini produksi pada Maret 2026, Unitree menyelesaikan lompatan yang nyaris mustahil dalam waktu kurang dari tiga tahun.

Kisah perusahaan ini pada dasarnya adalah pelepasan terpusat dari kemampuan sistem manufaktur Tiongkok pada sebuah kategori baru, dan naskah serupa sudah dipentaskan berkali-kali; namun setiap kali tetap mengguncang banyak orang.

10.000 unit bukanlah titik akhir. Tapi mulai dari hari ini, robot humanoid bukan lagi sekadar konsep masa depan yang dibayangkan, melainkan produk masa kini.

_ Berikut adalah transkrip dialog Wall Street (见闻) · sepanjang hari · tentang teknologi dan wawancara bersama co-founder Unitree sekaligus CTO Peng Zhihui, serta wakil presiden senior dan presiden divisi bisnis umum Wang Chuang: _

Teknologi Sepanjang Hari: Di balik produksi massal 10.000 unit, tata kelola kunci apa yang dilakukan Unitree dalam rantai pasok, pengendalian biaya, dan kapasitas produksi?

**Peng Zhihui: **Baru saja juga disebutkan betapa besar tantangan untuk 10.000 unit. Dari proses dari 1.000 sampai 10.000, dibutuhkan lebih dari satu tahun untuk menyelesaikan lompatan skala 10 kali. Tantangan di baliknya adalah pencerminan dari kemampuan komprehensif dalam lima dimensi: efisiensi manufaktur, penerapan skenario, nilai bagi pelanggan, data flywheel, dan pertumbuhan bersama rantai pasok. Bisa dibilang Unitree adalah perusahaan cerdas pertama di dunia yang benar-benar menjalankan seluruh alur dari prototipe lab hingga pengiriman skala besar yang terindustrialisasi. Tantangan terbesar adalah konsistensi batch dan tantangan pengendalian biaya.

Robot berbeda dari ponsel: jika terjadi masalah, restart saja untuk persoalan perangkat lunak, dan masalah hardware juga tidak akan menimbulkan kerusakan apa pun. Tetapi jika robot melakukan kesalahan, bila satu saja tahap gagal, kualitas produk dalam batch bisa runtuh, dan juga menyebabkan kerugian yang tidak dapat diperbaiki pada pengguna dan lingkungan. Pasokan stabil komponen inti, penurunan biaya sistem lengkap, kualitas, kualitas mutu, stabilitas, reliabilitas—semuanya adalah “tulang keras” (masalah sulit).

Untuk mengatasi hal-hal ini, ada dua hal yang paling penting:

Pertama, bersikukuh (menyetel mati) pada rantai pasok. Tumbuh bersama rantai pasok, dan mendefinisikan ulang standar industri baru. Kami membangun ekosistem rantai pasok standarisasi kecerdasan berbadan yang pertama di dunia. Bahkan kami menarik mitra inti untuk masuk dan melakukan R&D bersama. Misalnya, pada komponen inti seperti sendi dan tangan lengan cerdas, kami menerapkan proses baru. Proses-proses ini dikembangkan bersama pemasok, sehingga komponen menjadi lebih ringan, lebih presisi, umur lebih panjang, dan biaya lebih rendah—yang pada akhirnya menunjukkan keunggulan produk yang sangat kuat.

Kedua, membangun ulang model produksi. Termasuk, tempat yang sekarang kami gunakan membuat verifikasi proses di pabrik pilot (中试工厂). Pabrik produksi massal memastikan stabilitas; pabrik pilot adalah untuk memverifikasi lebih awal berbagai proses dan alur perakitan. Selain itu, melalui produksi fleksibel seperti yang didorong oleh pesanan (order-driven), kami bukan hanya mencapai kendali mandiri pada komponen inti, tetapi juga membangun “lingkaran pasokan setengah jam” (半个小时供应圈). Kami mengajukan beberapa tuntutan terhadap pemasok: pemasok harus mampu merespons dalam waktu setengah jam.

10.000 unit bukan titik akhir, melainkan membuktikan bahwa kami punya kemampuan menggunakan kepastian rekayasa (engineering) untuk benar-benar mengubah kecerdasan berbadan dari sekadar mainan menjadi kebutuhan penting produksi berdaya guna untuk masa depan.

Teknologi Sepanjang Hari: Apakah “momen ChatGPT” untuk kecerdasan berbadan sudah datang?

**Wang Chuang: **Perbedaan terbesar adalah bahwa pelanggan sering memberikan umpan balik: jalur produksi selalu berubah-ubah. Misalnya jalur pengisian dan penempatan (up/down loading) sel baterai (電芯上下料) mungkin beberapa waktu kemudian diubah menjadi pengisian dan penempatan sel baterai dengan tipe berbeda, bahkan menjadi material yang sepenuhnya berbeda. Jika menggunakan metode otomasi tradisional, sering kali peralatan yang sudah bagus harus dibuang, dan harus mengembangkan peralatan baru, minimal mengharuskan insinyur bertugas di lokasi selama satu bulan untuk mengembangkan algoritma baru.

Makna terbesar dari kecerdasan berbadan adalah generalisasi. Seperti sekarang, ketika kami menggunakan GPT untuk menanyakan apa pun, banyak jawabannya bersifat tidak jelas; Anda memberi pertanyaan yang sangat ambigu, tetapi ia mampu memahami secara general. Kami berharap dalam dunia fisik kecerdasan berbadan, ia juga bisa memahami secara general apa yang harus dilakukan. Ini mungkin membutuhkan skala pretraining yang sangat besar, ditambah pelatihan penguatan berdasarkan data yang dikumpulkan dari stasiun kerja (工位采集数据). Pada akhirnya, tingkat keberhasilan harus mencapai tingkat keberhasilan yang dapat diterima oleh jalur produksi. Jalur produksi sering kali standar: 999, 9999; tempo harus dibandingkan dengan manusia.

Sekarang kami melihat bahwa di beberapa skenario up/down loading sudah mulai berjalan. Kami berharap di masa depan, roda (wheel/roda berkaki) pada skenario pabrik lainnya juga bisa semakin berjalan; begitu pula robot berkaki dua (double-foot) di skenario resepsi, panduan, dan penjual/pengantar (导览、导购) bisa semakin berjalan.

Teknologi Sepanjang Hari: Belakangan ini Unitree terus meraih terobosan terbaru dalam algoritma, teknologi simulasi, dan sebagainya. Apakah robot pada rilis 10.000 unit pertama dibekali dengan pencapaian teknologi ini? Dan ketika skala produksi massal mencapai level 10.000 unit, bagaimana data nyata dan feedback rekayasa akan mengalir balik untuk iterasi teknologi serta penyesuaian skenario dengan mesin sebenarnya?

**Peng Zhihui: **Data closed-loop / data flywheel sangat berharga dan berarti bagi kami. Pengiriman 10.000 unit pertama produksi massal adalah model baru Yuanzheng A3—produk tipe baru yang diluncurkan paling baru. Saat ini masih belum mencapai tahap pengiriman batch besar. Banyak fungsi perangkat lunak juga belum mencapai tahap itu, dan masih terus dioptimalkan.

Banyak teknologi baru pasti akan diterapkan dan diverifikasi lebih dulu pada produk baru. Misalnya pada A3, di sisi body ada peningkatan besar pada aspek ringan (lightweighting), endurance (daya tahan), rasio dorong/berat (推重比), dan kemampuan interaksi. Unit keseluruhannya hanya 55 kilogram, lebih ringan daripada kebanyakan manusia dengan ukuran setara. Daya tahannya bisa mencapai lebih dari 10 jam, dan dilengkapi berbagai sensor baru (misalnya sensor sentuh).

Yang lebih inti adalah perangkat lunak “otak kecil dan otak besar” (大小脑) serta model algoritma, yang mengintegrasikan model terbaru kendali gerak seluruh tubuh (full-body motion control), termasuk algoritma untuk group control—hasil algoritma yang bisa mengendalikan banyak robot secara kelompok.

Saat ini, selain model baru seperti Yuanzheng, produk yang sudah diluncurkan sebelumnya juga sudah diturunkan ke aplikasi di skenario nyata. Misalnya rangkaian produk “Jingling” (精灵), yang sudah diterapkan di skenario manufaktur industri, logistik, keamanan/anti-teror (安防), dan sebagainya. Contohnya, lini produksi tablet di Longqi Technology ada robot A2 kami yang bekerja tanpa henti 24 jam untuk menangani pemuatan/pengambilan layar.

G2 juga ada di pabrik elektronik seperti Yansheng (均胜). Ia mampu mengerjakan perakitan berkesulitan tinggi—pengaturan jig yang presisi dan positioning “tiga salur” (三销定位)—dengan kecepatan lebih dari 12 detik mengungguli manusia, tingkat keberhasilannya hampir mencapai 100%. Secara esensial, skenario seperti ini menuntut akurasi dan stabilitas robot yang sangat tinggi, sehingga otomasi tradisional tidak mampu menyelesaikannya. Justru skenario seperti inilah yang sangat menunjukkan nilai kecerdasan berbadan: bukan untuk menggantikan manusia, tetapi agar robot memiliki kemampuan generalisasi dari sekali pelatihan, lalu banyak kali deployment, untuk melengkapi pekerjaan manusia.

“Data flywheel” juga merupakan keuntungan terbesar dalam prosesnya. Bekerja terus di lingkungan nyata memberi kami cukup banyak data; data membantu kami melampaui batas kemampuan kecerdasan berbadan di masa depan. Robot yang baru keluar dari lini produksi mengikuti jalur “keluar pabrik berarti berevolusi” (出厂即进化), mengandalkan data simulasi dan data mesin nyata. Sekarang, dengan adanya data flywheel closed-loop yang nyata, ini menyiapkan fondasi yang sangat baik agar robot benar-benar memasuki skenario nilai produktivitas skala besar di masa depan.

Teknologi Sepanjang Hari: Sekarang 10.000 unit robot ini akan tersebar di bidang apa saja, dan skenario spesifik mana yang ROI-nya sudah berjalan?

**Wang Chuang: **Saat ini kami memiliki 8 skenario komersial utama: pengguna riset, pengumpulan data, pertunjukan hiburan; lebih banyak masih dalam tahap pengembangan (开发态). Dalam tahap deployment (部署态), kami sudah melakukan penjelasan dan resepsi, serta skenario up/down loading di pabrik. Ke depannya, kami akan mengeksplor lebih banyak skenario, misalnya resepsi meja depan yang benar-benar nyata, yang bisa membawa interaksi, membawa penugasan (作业). Misalnya di pabrik, setelah satu stasiun kerja mengerjakan sesuatu, robot bisa dengan cepat disesuaikan ke stasiun kerja lain, seperti manusia yang benar-benar bekerja.

Teknologi Sepanjang Hari: Saat ini industri sedang pada fase “berbunga-bunga” (百花齐放). Terlepas dari bentuk (format), algoritma, dan penerapan skenario—jika Unitree ingin menjadi unicorn di ujung (终局) akhir, apa hambatan paling penting? Apakah ada konsensus yang terkumpul dalam seluruh industri kecerdasan berbadan?

**Peng Zhihui: **Kami terus melakukan penjelasan ke luar. Hambatan inti kami adalah strategi full-stack “satu tubuh, tiga kecerdasan” (一体三智) yang kami pertahankan. Setiap kali rilis produk, kami juga menekankan alasan mengapa kami melakukan strategi teknologi besar dan lengkap (banyak hal) dan full-stack, bukan fokus semata pada satu bagian (spesialisasi).

Karena kami berangkat dari tujuan akhir, menargetkan skenario aplikasi final: untuk menjalankan skenario nyata, hanya satu titik teknologi tidak akan bisa menembus semuanya. Diperlukan kemampuan interaksi yang kuat pada robot, sebagai antarmuka manusia-robot (human-robot interface) yang baik; sekaligus dibutuhkan kemampuan robot benar-benar bekerja; dan kemampuan geraknya harus cukup kuat, berbeda dari robot industri tradisional yang bersifat tetap (fixed).

Jadi, diperlukan motion intelligence (kecerdasan gerak), interaksi intelligence (kecerdasan interaksi), dan task intelligence (kecerdasan penugasan), sementara body/ontologinya harus cukup matang, andal, stabil, dan berbiaya rendah—ini adalah rekayasa sistem. Mengapa kami selalu berpegang pada jalur teknologi full-stack “satu tubuh, tiga kecerdasan”, mengintegrasikan secara mendalam body robot, motion intelligence, interaksi intelligence, dan task intelligence.

Kami juga mengumpulkan banyak Knowhow di AI foundation model dan aplikasi industri vertikal; Knowhow ini juga merupakan salah satu bagian dari parit perlindungan kami. Tadi juga disebut membangun ekosistem rantai pasok standarisasi pertama di dunia—ini juga merupakan parit perlindungan yang sangat kuat.

Teknologi Sepanjang Hari: Saat ini robot sedang berevolusi dari “menyerupai manusia” (拟人) ke “mirip manusia” (类人). Dalam setahun terakhir, evolusi apa yang terjadi pada “otak” robot? Seberapa jauh jaraknya dari ideal “entitas kehidupan digital” dalam hal keseimbangan beban pada tangan lengan cerdas dan full-body force control?

**Peng Zhihui: **Ini adalah bayangan masa depan.

Pertama, evolusi otak robot adalah arus utama. Mengapa beberapa tahun ini robot humanoid begitu populer? Bukan karena body mengalami terobosan teknologi hitam (black tech) yang melonjak. Melainkan karena perkembangan AI dan foundation model. Evolusi otak yang diwakili oleh ChatGPT pada 2023 adalah arus utama. Dalam setahun terakhir, perubahan waktunya sangat cepat. Pada awalnya, di bagian otak lebih banyak menggunakan teknologi seperti ACT dan Policy untuk memecahkan masalah sequence generation, tetapi pada dasarnya masih cenderung pada prediksi aksi.

Sekarang tren utama di akademik maupun industri beralih sepenuhnya ke VLA, teknologi VLA berbasis model foundation. Ini bukan hanya soal mengganti arsitektur model. Ini berarti kami benar-benar mulai mencoba meneruskan apa yang disebut Scaling law dari large language model itu—menumpuk skala, menumpuk data, menumpuk komputasi—agar munculnya general intelligence untuk robot dapat terjadi. Ini adalah perubahan paradigma besar.

Pada saat yang sama, teknologi terus berevolusi dan beriterasi. Misalnya, future world model akan memainkan peran yang sangat penting, sehingga robot bisa melakukan apa yang disebut reasoning “kontrafaktual” seperti manusia. Saat manusia melakukan satu tindakan, ia terlebih dahulu memprediksi dalam pikirannya konsekuensi dari tindakan berikutnya, lalu menyesuaikan strategi secara dinamis. Ini bukan sekadar melihat sesuatu lalu melakukan—ini adalah lompatan mendasar dari persepsi ke respons, dari kognisi ke perencanaan. Dan tentu saja, ini semua butuh iterasi dan evolusi teknologi terus-menerus.

Komponen inti juga masih memiliki bottleneck. Misalnya, tangan lengan cerdas: saat ini hardware masih menjadi bottleneck besar jika kita membutuhkan kebebasan gerak (freedom degrees) yang sangat tinggi, beban yang tinggi, dan kemampuan persepsi yang kuat. Misalnya, sensor sentuh dibuat sangat bagus, namun sekaligus harus sangat murah/berbiaya rendah. Beberapa poin ini sangat bertentangan dalam engineering. Saat ini keseluruhan solusi hardware belum mencapai konsensus/konvergensi, dan kami mencoba jalur teknologi yang berbeda, rancangan struktur baru, serta pemilihan sensor baru, dengan upaya mencari keseimbangan yang lebih sempurna antara performa dan biaya.

Tadi disebut “satu tubuh, tiga kecerdasan”: model algoritma basis untuk setiap bidang masih perlu iterasi tertentu.

Lalu, seberapa jauh dari entitas kehidupan digital yang ideal seperti yang kita bayangkan? Menurut saya, mungkin akan lebih cepat daripada yang sebagian orang bayangkan, tetapi masih butuh waktu. Baik pada “tubuh” maupun “jiwa”. “Tubuh” tadi saya jelaskan: masih ada ruang untuk terobosan di sisi hardware, dan proses engineering serta biaya juga sedang menyeimbangkan secara dinamis. “Jiwa” adalah otak dan otak kecil (besar dan kecil), yang lebih penting: general intelligence, pemahaman dunia, keputusan jangka panjang, dan keterkaitan lintas modal lintas semantik—semuanya masih berada pada tahap yang relatif awal.

Namun justru karena jalannya tidak sesederhana itu, dengan begitu banyak “tulang keras” di tengah yang harus ditaklukkan, itulah alasan yang sangat layak untuk kami curahkan seluruh tenaga, untuk “menggigit mati” masalahnya, dan untuk melakukan terobosan.

Teknologi Sepanjang Hari: Apakah ada gelembung (bubble) di industri robot humanoid Tiongkok saat ini?

**Wang Chuang: **Setiap perkembangan teknologi pada tahap awal, semua orang akan merasa lajunya relatif lambat. Tetapi ketika ia benar-benar datang seperti “tsunami”, orang akan merasa terlalu cepat. Bayangkan saja mobil listrik: selama belasan tahun elektrifikasi mobil, negara terus memberi subsidi dan terus mempromosikan. Namun proporsi pembelian oleh masyarakat umum tetap sangat rendah.

Hal itu terjadi dalam dua hingga tiga tahun terakhir. Seolah tiba-tiba semuanya dipercepat. Jumlah pengisi daya (charging station) mungkin lebih banyak daripada pompa bensin di beberapa kota, dengan tingkat penetrasi melebihi 50%. Kecerdasan mobil juga demikian: mengemudi cerdas telah diteliti puluhan tahun. Pada awalnya, orang merasa pengalaman teknologinya terlalu buruk dan tidak ingin menggunakannya. Perubahan terbesar terjadi dalam satu tahun terakhir: setelah saya mengalami berbagai sistem mengemudi cerdas dari kelompok teratas, saya sudah bisa sangat yakin untuk menggunakannya. Ini adalah titik waktu yang revolusioner ketika semuanya benar-benar datang.

Robot humanoid juga sama: kompleksitas akan semakin tinggi. Misalnya Yuanzheng A3 saat ini menggunakan banyak material baru dan sensor baru, dan kemampuan komputasi pengendali juga meningkat secara besar-besaran. Produk setersebut yang sangat kompleks baru saja turun dari lini produksi batch pertama, masih ada banyak sekali masalah yang harus diselesaikan di dalamnya. Bagi kami, kami berharap setiap langkah benar-benar dilalui dengan mantap, agar barang dan produk betul-betul dibuat dengan baik. Kami juga menantikan bahwa banyak mitra, rantai pasok hulu-hilir, dan pelanggan akan bersama kami bekerja keras untuk membuat produk tersebut jadi bagus.

Setelah dibuat, kami akan menggunakannya terlebih dulu di skenario-skenario yang sesuai dengan kemampuan. Karena generalisasi robot pada awalnya masih relatif terbatas: kita tidak bisa mengatakan semua tugas harus robot kerjakan. Tapi menetapkan beberapa jenis tugas yang sudah dilakukan dengan sangat baik. Alasannya adalah pengulangan tugas (repetitive execution) dan kemampuan berjalan 24 jam tanpa tidur adalah keunggulan alami dibanding manusia, sehingga dapat membantu kami melakukan hal-hal yang membosankan dan berulang.

Berikutnya adalah menunggu proses percepatan itu berjalan tenang. Saya sekarang tidak bisa mengatakan apakah 5 tahun, 10 tahun, atau lebih lama. Tetapi saya yakin suatu hari nanti, ketika semua orang melihat banyak robot benar-benar membantu melakukan hal-hal di sekitar mereka, semua orang akan merasa proses itu terjadi dengan tenang dan alami, serta mampu mengubah masyarakat secara mendalam. Saya sangat-sangat berharap pada waktu itu. Saya akan mencurahkan seluruh karier masa depan saya dalam proses tersebut, bekerja bersama rekan-rekan.

Soal perbandingan antara Tiongkok dan internasional, jelas di luar negeri ada banyak inovasi dari 0-1 yang dilakukan sangat sangat baik. Tiongkok juga melakukan sangat baik pada fase dari 0-100, terutama dalam kemampuan engineering, penerapan, dan pembangunan “flywheel” iterasi robot.

Dalam satu hingga dua tahun terakhir, saya punya pemahaman besar: Tiongkok mulai bertahap membuat terobosan pada sisi 0-1 untuk beberapa teknologi inti—misalnya sentuhan (touch) robot dan algoritma. Dalam hal algoritma yang menggabungkan persepsi dan kontrol robot, Tiongkok memiliki banyak hal bagus dari 0-1 yang keluar.

Saya percaya bahwa di masa depan, belajar dari 0-1 di Tiongkok akan sangat cepat, dan akan terus semakin dipercepat karena ada cukup banyak orang cerdas. Tetapi negara lain yang belajar dari 1-100 tidak akan semudah itu. Membangun seluruh sistem membutuhkan upaya besar dan tingkat keberhasilan yang relatif rendah. Saya percaya bahwa dalam industri kecerdasan berbadan, Tiongkok akan terus memimpin global.

Teknologi Sepanjang Hari: Bagaimana Anda melihat perlombaan “kejar-kejaran” robot humanoid saat ini, dan apa tujuan langkah berikutnya Unitree?

**Wang Chuang: **Kami tidak sedang membuat “perlombaan produksi massal” (量产竞赛). Pabrik yang sekarang kita tempati adalah pabrik pilot. Misalnya Yuanzheng A3 diproduksi di pabrik ini; pabrik ini terutama digunakan untuk memverifikasi seluruh lini produksi. Di dalam pabrik ini, sebagian besar tidak menggunakan peralatan otomatis. Ini adalah proses verifikasi dan desain, dan R&D juga sering datang untuk mengiterasi desain produk. Pabrik produksi massal yang sesungguhnya ada di pabrik Fengxian dan tempat lain (pabrik). Jika sekarang kami ingin ikut perlombaan produksi massal, kapasitas produksi jauh lebih dari sekadar ini.

Kenapa tidak melakukannya? Karena kami lebih mementingkan bagaimana robot digunakan dalam skenario nyata, bagaimana memenuhi kebutuhan berkelanjutan pelanggan. Misalnya pelanggan membeli robot untuk memverifikasi di lini produksi. Kita perlu melakukan POC dulu agar fungsinya jalan, misalnya ritme sudah mencapai 12 detik atau semacamnya. Hanya setelah pelanggan benar-benar puas, barulah secara bertahap dipromosikan ke stasiun kerja serupa lainnya. Ini didorong oleh kebutuhan nyata.

Untuk robot berkaki dua juga demikian: seperti Lingxi (灵犀) dan robot Yuanzheng yang digunakan di pameran untuk menjelaskan. Saat ini juga sudah ada total dua hingga tiga ratus unit yang bekerja di berbagai ruang pameran. Jika pelanggan merasa kemampuan otonom tanpa perawatan, kemampuan interaksi robot, kemampuan resepsi, dan kemampuan multi-bahasa benar-benar membantunya, barulah ia mau melakukan replikasi massal dan promosi skala besar. Inilah yang paling kami harapkan. Pada tahap ini, kami akan menyesuaikan kapasitas produksi sesuai kebutuhan pelanggan, dan kami tidak akan memikirkan untuk bersaing dengan siapa pun. Karena jika produk yang diproduksi berakhir menjadi persediaan stok (inventory) bagi kami tidak ada artinya.

Peringatan Risiko dan Ketentuan Pelepasan Tanggung Jawab

        Pasar memiliki risiko, berinvestasilah dengan hati-hati. Artikel ini tidak merupakan saran investasi personal, dan juga tidak mempertimbangkan tujuan investasi khusus, kondisi keuangan, atau kebutuhan pengguna tertentu. Pengguna harus mempertimbangkan apakah setiap opini, pandangan, atau kesimpulan dalam artikel ini sesuai dengan kondisi spesifik mereka. Dengan melakukan investasi sesuai informasi ini, tanggung jawab sepenuhnya berada pada Anda.