Pada 19 Agustus, Unitree Technology mencatatkan saham di pasar STAR (Sci-Tech innovAtion boaRd), dibuka pada 1.100 yuan per saham, dengan kapitalisasi pasar sekitar 444,9 miliar yuan.
Di hari yang sama, Huang Minshan, putri CEO Nvidia Huang Renxun, terbang ke Beijing untuk mengunjungi World Robot Conference (WRC).
Dan tepat pada dini hari keesokan harinya waktu Beijing, perusahaan robot Silicon Valley Generalist AI merilis model dasar generasi baru GEN-1.5.
Dua bulan lalu, profesor Stanford Li Feifei baru saja berinvestasi secara pribadi dalam putaran pendanaan 4 miliar dolar Generalist AI, investor malaikat di putaran yang sama termasuk pendiri bersama Xiaomi Lin Bin dan pendiri Zoom Yuan Zheng. Nvidia juga adalah pemegang saham. Uang pintar dan orang pintar secara bersamaan mengalir ke arah yang sama.
GEN-1.5 memberikan alasan investasi mereka: menunjukkan demonstrasi aksi robot 3 hingga 12 detik, tanpa pelatihan, tanpa fine-tuning, langsung dieksekusi, rata-rata tingkat keberhasilan 59% untuk 10 tugas operasi.
Dulu, mengajari robot membuka tutup botol membutuhkan tiga bulan pemrograman oleh insinyur. Sekarang, semua yang dibutuhkan adalah demonstrasi tiga detik, dan nol baris kode.
Beberapa peneliti terkemuka membandingkan momen ini dengan peluncuran GPT-3 pada 2020, percaya bahwa embodied intelligence telah mencapai momen GPT-3-nya sendiri.
Strategi yang Tidak Pernah Diajarkan Muncul dari Pre-training
Kemampuan GEN-1.5 yang paling mengguncang peneliti bukanlah imitasi, kuncinya adalah improvisasi.
Generalist AI melakukan eksperimen: menggunakan data demonstrasi manusia 5 menit (hanya fine-tuning 1 langkah gradien), mengajari robot menyapu balok ke dalam mangkuk dengan sikat, lalu mengganti alat.
Diberikan pisang, ia menggunakan pisang sebagai sikat, menyapu balok ke mangkuk — ini tidak aneh, bentuk dan strategi kontak pisang mirip dengan sikat.
Diberikan pengki, ia meninggalkan strategi "menyapu", menggunakan tangan lain mendorong balok ke atas pengki, mengangkat pengki, dan menuangkan balok ke mangkuk.
"Menyapu" dan "menggali lalu menuang" adalah dua urutan kontak yang sangat berbeda, tindakan ini tidak diajarkan dalam data pelatihan.
Generalist AI menggunakan pencarian bahasa tetangga terdekat untuk mencari dalam sekitar 1,89 juta adegan pre-training, tidak menemukan penggunaan pengki serupa.
Tidak ada yang pernah memberi tahu model untuk melakukan ini pada tahap apa pun.
Perilaku improvisasi serupa muncul berulang kali dalam pengujian: mangkuk ditutupi kertas, model sendiri membuka kertas lalu meletakkan balok, kadang-kadang menutup kembali kertas, tetapi adegan ini tidak ada dalam data pelatihan.
Satu balok Lego menempel di ujung jari robot, model menggunakan tangan lain untuk melepasnya.
Data pelatihan hanya mendemonstrasikan memutar tutup kaleng dengan satu tangan, model dalam beberapa percobaan beralih secara spontan ke operasi dua tangan, mengadopsi strategi pegangan dan rotasi yang sama sekali berbeda.
Model yang hanya dilatih memasukkan satu balok ke dalam satu mangkuk, mulai secara spontan memilah banyak balok berdasarkan warna.
Kemampuan-kemampuan ini memiliki sumber yang sama: pre-training skala besar.
GEN-1.5 telah menjalani pre-training berkelanjutan selama lebih dari 8 bulan, melalui tiga tahap pelatihan.
Kurva validasi yang dirilis Generalist AI menunjukkan, "kesalahan prediksi langkah berikutnya" model terus menurun, hingga sekarang belum menunjukkan tanda-tanda konvergensi.
Menggunakan istilah di bidang model bahasa besar, ini adalah Scaling Law (hukum penskalaan) embodied intelligence: seiring dengan peningkatan skala data interaksi fisik dan perpanjangan waktu pelatihan, kemampuan generalisasi model terus meningkat.
Sebuah penemuan kontra-intuitif membuat petunjuk ini lebih jelas : semakin sedikit langkah gradien fine-tuning, semakin kuat kemampuan improvisasi.
Penjelasan Generalist AI adalah, fine-tuning ringan membuat model lebih dekat dengan pustaka perilaku luas yang terakumulasi selama pre-training, mempertahankan lebih banyak "pengalaman fisik" yang dapat dipanggil.
10 langkah gradien hanya mengubah 0,15% parameter model.
Ungkapan Generalist AI adalah: ini sudah mendekati "mengingatkan model tentang hal-hal yang hampir sudah diketahuinya".
GEN-1.5 juga melampaui dua jurang yang telah lama membingungkan bidang robotika.
Merekam demonstrasi dalam simulator (meskipun data pre-training tidak mengandung data simulasi), memasukkannya ke dalam jendela konteks, robot nyata langsung mengeksekusi tugas, dan dapat digeneralisasikan ke tangan robot yang berbeda dan posisi objek baru.
Dalam beberapa pengujian, seseorang langsung mendemonstrasikan tindakan dengan kedua tangannya sendiri di depan kamera robot, robot kemudian mereplikasi tugas dengan tangan robot.
Generalist AI menyatakan, semua kemampuan ini bukanlah hasil desain yang disengaja: tidak ada modifikasi arsitektur khusus untuk mendorong pembelajaran konteks, tidak ada loop meta-learning, tidak ada target pelatihan tambahan yang mendorong improvisasi.
Kemampuan-kemampuan ini muncul sendiri dari pre-training data fisik skala besar.
"Cawan Suci Pembelajaran Manipulasi"
Tim peneliti lain sebelumnya juga menunjukkan kemampuan pembelajaran konteks serupa, tetapi terbatas pada beberapa jenis tugas, kebaruan GEN-1.5 terletak pada cakupannya; semua hasil dilaporkan sendiri oleh Generalist AI, belum divalidasi secara independen.
Tugas itu sendiri adalah manipulasi jarak pendek yang sederhana (membuka tutup botol, menarik ritsleting), masih jauh dari tugas kompleks jarak jauh dalam skenario nyata.
GPT-3 dirilis pada Juni 2020, dari GPT-3 ke ChatGPT butuh dua setengah tahun (ya, dua setengah tahun).
Posisi GEN-1.5 sekarang mirip dengan GPT-3 pada 2020: kemampuan kasar tetapi arah jelas, tugas sederhana tetapi tren Scaling jelas.
Generalist AI menulis paragraf yang mendalam di blog resminya:
Setelah melewati ambang batas pre-training tertentu, biaya adaptasi tugas baru menjadi dapat diabaikan.
Pembelajaran konteks yang muncul, data beberapa detik, atau satu langkah gradien ditambah demonstrasi satu menit, sudah bukan lagi pelatihan khusus tugas dalam arti tradisional, lebih mendekati mengingatkan model tentang hal-hal yang hampir sudah diketahuinya.
Jika kurva Scaling embodied intelligence memang belum menunjukkan tanda-tanda konvergensi (Generalist AI mengatakan mereka belum melihatnya) , maka sumber daya inti kompetisi berikutnya menjadi siapa yang memiliki cukup data interaksi fisik untuk diberikan ke mesin ini.
Ini persis seperti naskah perebutan data model bahasa besar pada 2021.
Bisa Belajar Sekali Lihat, Titik Balik di Balik Dua Angka 59% dan 83%
Juni 2020, OpenAI merilis GPT-3.
Model ini melakukan sesuatu yang belum pernah dilakukan saat itu: tidak perlu pelatihan ulang, cukup berikan beberapa contoh di kotak dialog, ia dapat menyelesaikan tugas bahasa baru — berikan satu set contoh "merah→apel, kuning→pisang", tanya "hijau→?", ia dapat menjawab "semangka".
Kemampuan ini disebut in-context learning (pembelajaran konteks), adalah titik balik model bahasa besar dari "alat khusus" menjadi "platform umum".
GEN-1.5 memindahkan hal yang sama ke dunia fisik.
Generalist AI menyebutnya Physical Prompting (peringatan fisik).
Metode operasinya langsung: demonstrasi tindakan nyata (berisi data sensor dan lintasan aksi) dimasukkan ke dalam jendela memori konteks 30 detik model, ruang sisa digunakan untuk menerima pengamatan lingkungan real-time.
Model segera mencoba mengeksekusi, seluruh proses tanpa langkah pelatihan apa pun.
Di sini perlu dijelaskan konsep yang sangat penting untuk memahami GEN-1.5: langkah gradien (gradient step).
Dalam praktik tradisional, mengajari robot tugas baru membutuhkan puluhan ribu langkah penurunan gradien, setiap langkah adalah penyesuaian halus terhadap parameter internal model — proses ini biasanya membutuhkan banyak data dan daya komputasi.
Mode one-shot GEN-1.5 (mode hanya satu kali demonstrasi) melewati semua langkah gradien, parameter model tidak berubah sama sekali.
Generalist AI menguji performa GEN-1.5 pada 10 tugas manipulasi berbeda: membuka tutup stoples kaca, membuka ritsleting tas pena, mengambil uang dari dompet, melipat kertas, menumpuk cangkir, membalik ponsel, menyapu balok dengan sikat, membuka sampul buku, merobek bantalan vakum, menyapu sampah.
Hasilnya dibagi menjadi dua kelompok:
one-shot (sekali lihat, nol langkah gradien): rata-rata tingkat keberhasilan 10 tugas adalah 59% (deviasi standar ±10%).
few-shot (beberapa sampel, data 5 menit, sekitar 50 demonstrasi, 10 langkah gradien): rata-rata tingkat keberhasilan 83% (deviasi standar ±9%).
Angka GPT-3 pada 2020 dalam tugas bahasa untuk perbandingan: one-shot sekitar 45%, few-shot (sekitar 100 contoh) sekitar 65%.
Struktur kedua kelompok angka sangat mirip.
Makna angka-angka ini dapat dipahami sebagai berikut: sebelum model bahasa besar muncul, membuat AI melakukan tugas bahasa baru (misalnya menerjemahkan format yang belum pernah dilihat), memerlukan pengumpulan data khusus, pelatihan model baru, siklus berbulan-bulan.
Setelah GPT-3, hal ini menjadi "menulis beberapa contoh di kotak input", biaya waktu dikompresi dari berbulan-bulan menjadi beberapa detik.
GEN-1.5 melakukan kompresi yang sama di bidang manipulasi fisik.
Dulu, mengajari robot membuka tutup botol membutuhkan pemrograman berbulan-bulan oleh insinyur atau memberi makan puluhan ribu data pelatihan untuk terus-menerus menyesuaikan parameter.
Sekarang, demonstrasi 3 hingga 12 detik sudah cukup.
Generalist AI menulis di blog resminya: Ini mengubah dua hal: kecepatan robot menjadi berguna (dari berbulan-bulan menjadi beberapa detik), dan siapa yang dapat menggunakan robot (dari ahli ke siapa saja).
Minggu Mendidihnya Robot: Unitree IPO, World Robot Conference, dan Olimpiade Dibuka Bersamaan
Waktu rilis GEN-1.5, jatuh pada minggu paling padat di seluruh industri embodied intelligence.
Mulai 19 Agustus, World Robot Conference (WRC) dibuka di Beijing Yizhuang, 300+ perusahaan, lebih dari 2.000 produk pameran, lebih dari 150 produk baru perdana global dipamerkan.
Tiga hari kemudian, pada 22 Agustus, World Humanoid Robot Games kedua dibuka di National Speed Skating Oval "Ice Ribbon" — 666 tim dengan 2.056 robot berpartisipasi dalam 1.301 pertandingan dari 51 acara, jumlah tim meningkat 138% dari edisi pertama.
Olimpiade pertama kali menetapkan 21 acara kompetisi skenario, meminta robot humanoid menyelesaikan tugas jarak jauh di lingkungan nyata seperti pabrik, hotel, layanan rumah tangga, "uji coba kerja" robot menjadi tema.
Unitree Technology yang baru saja IPO, pada 2025 pengiriman robot humanoid melebihi 5.500 unit, nomor satu global, pendapatan 1,7 miliar yuan, margin kotor 60%, DeepSeek juga berpartisipasi dalam penempatan strategis.
Tapi dalam prospektus Unitree tersembunyi seperangkat data kontras: pada kuartal pertama 2026, laju pertumbuhan pendapatan turun dari 332,64% tahun sebelumnya menjadi 68,49%, laba bersih setelah penyesuaian non-berulang turun 52,55%. Inti perlambatan pertumbuhan adalah peningkatan signifikan investasi R&D.
Apa yang dikejar Unitree, tepatnya adalah apa yang belum dimilikinya: model dasar embodied intelligence besar.
"XinlichangPro" dalam sebuah analisis ("Dalam Prospektus Unitree Technology, Tersembunyi Kecemasan terhadap 'Masa Simpan' Keajaiban Teknik") menulis tentang dilema struktural yang dihadapi Unitree: Unitree menciptakan tubuh dengan pengiriman global nomor satu, tetapi "otak absen".
2026 disebut sebagai "tahun IPO besar" embodied intelligence, lebih dari 20 perusahaan mengklarifikasi rencana IPO, tetapi yang mendorong gelombang IPO sebagian besar adalah tekanan pendanaan.
Banyak pesaing bergantung pada putaran pendanaan demi putaran untuk mempertahankan operasi, irama R&D tertarik oleh jendela pendanaan.
Sumber: LatePost "Permainan Uang Embodied Intelligence"
Pendiri Unitree Wang Xingxing secara terbuka menyatakan di WRC, hambatan utama perkembangan robot humanoid adalah model dasar embodied intelligence besar, "Diperkirakan masa depan cepat dua sampai tiga tahun, lambat lima sampai sepuluh tahun, diharapkan dapat mencapai momen ChatGPT robot."
Rilis GEN-1.5 dapat dilihat sebagai tanggapan empiris pertama terhadap penilaian ini.
Scaling Law ada di bidang embodied intelligence, pre-training skala besar dapat membuat biaya marginal adaptasi tugas baru mendekati nol.
Kesimpulan ini memiliki implikasi industri langsung bagi produsen tubuh seperti Unitree: begitu model umum di tingkat otak matang, nilai tubuh akan tergantung pada seberapa cepat ia dapat terhubung ke otak ini, dan bukan hanya parameter perangkat keras dan skala pengiriman.
Latar belakang tim Generalist AI sangat konsisten dengan jalur teknologi ini.
Pendiri bersama Pete Florence dan Andy Zeng berasal dari tim robot Google DeepMind, Andrew Barry berasal dari Boston Dynamics.
Dari kiri ke kanan: Pete Florence, Andrew Barry, Andy Zeng
Perusahaan menyelesaikan pendanaan 4 miliar dolar pada Juni 2026, dipimpin Radical Ventures, diikuti oleh Nvidia dan Bezos Expeditions, valuasi pasca-investasi 2 miliar dolar.
Generalist AI sedang bernegosiasi untuk putaran pendanaan baru dengan valuasi 3 miliar dolar.
Para Bos Silicon Valley, Menyambut Momen Mendidih Kolektif yang Sudah Lama Dinanti
Rilis ini memicu reaksi kuat di komunitas penelitian robotika.
Pendiri bersama Pete Florence menulis di X:
Sejak mulai meneliti model dasar robot, one-shot in-context learning yang luas selalu menjadi tujuan paling jelas dalam hati saya.
Sekarang saya melihat imajinasi hampir sepuluh tahun berjalan ke dunia nyata.
Florence menyebutkan, dia dan Andy Zeng pernah mendiskusikan kemampuan gaya "Ctrl-C-Ctrl-V" selama studi pascasarjana: melihat suatu tindakan, robot dapat menyalin — tetapi mewujudkannya sangat sulit, karena "dunia yang ingin kamu tempel, dan dunia yang kamu salin, tidak pernah sama".
Peneliti robotika Carnegie Mellon University Chris Paxton menyebut GEN-1.5 di X "mungkin adalah momen GPT yang sesungguhnya", dan menulis:
Cawan suci pembelajaran manipulasi, tidak diragukan lagi, adalah one-shot learning.
https://x.com/chris_j_paxton/status/2090270734816092334
https://x.com/chris_j_paxton/status/2090210797125611972
Peneliti embodied intelligence Northeastern University Jimmy Yang membagikan ulang dengan mengatakan:
Sebagai peneliti AI embodied, ini adalah momen yang benar-benar istimewa bagi bidang ini.
https://x.com/JimmyTYYang1/status/2090202923632366073
Komentar Direktur Teknologi Robotika Nvidia Jim Fan memberikan perspektif teknis yang mendalam.
Dia menunjukkan dua faktor kunci kemampuan muncul GEN-1.5:
Pertama, pola tindakan berulang simetris yang secara alami ada dalam data pelatihan, seperti memutar sekrup berulang kali saat merakit furnitur, sekrup kedua adalah "sampel pembelajaran konteks" dari yang pertama;
Kedua, tindakan pemulihan setelah kesalahan manusia dalam data, barang jatuh diambil dan dilanjutkan, lengkungan lengkap "gagal-pulih-lanjut" ini memungkinkan model secara alami menunjukkan kemampuan koreksi kesalahan saat pengujian.
Jim Fan juga mencatat, metode pengumpulan data UMI yang digunakan Generalist AI (orang langsung mengoperasikan dengan memakai cakar robot) mempertahankan "intuisi fisik" manusia, perantara melalui perangkat VR dalam teleoperation tradisional membuat intuisi ini banyak hilang.
https://x.com/DrJimFan/status/2090465981240086992
Tentu saja, air dingin rasional juga ada.
Jim Fan menulis di bagian komentar postingan yang sama:
Demonstrasi saat ini masih terlalu sederhana, belum bisa menarik kesimpulan.
https://x.com/DrJimFan/status/2090469108764823587
Artikel ini dari akun WeChat publik "Xinzhiyuan", penulis: ASI Qishilu
