Di pasar modal ventura saat ini, "model dunia" tak pelak lagi adalah kata kunci yang paling panas. Hampir setiap hari kita bisa melihat perusahaan "model dunia" baru menyelesaikan pendanaan, valuasinya melesat pesat, daftar pemegang sahamnya mewah. Dan dalam siaran pers berita pendanaan ini, orang-orang akan terus-menerus menekankan satu fakta: Kecerdasan super yang berkualitas seharusnya tidak hanya mengandalkan umpan data untuk memperoleh kemampuan, tetapi harus aktif memahami dunia fisik seperti manusia.
Tapi Pete Florence malah menulis surat terbuka panjang setelah memulai bisnisnya, yang diawali dengan kalimat: "Jangan beri label model dunia pada perusahaan saya."
Ini benar-benar terbalik. Karena Pete Florence bukan hanya sekadar seorang "pengusaha". Sebelum memulai bisnis, Pete Florence bekerja di tim Google DeepMind, naik dari peneliti biasa hingga menjadi ilmuwan riset senior. Model kendali robot Gemini Robotics yang dirilis DeepMind pada 2025, Pete Florence adalah salah satu pengembang intinya. Namun, pencapaiannya yang paling berpengaruh selama ini adalah pada tahun 2023, ketika bersama rekan-rekannya, dia memperkenalkan arsitektur model robot baru ke dunia: "Vision-Language-Action Models" (Model Visi-Bahasa-Aksi).
(Pete Florence, Sumber: Media Sosial)
Ya benar, jika saat ini "model dunia" atau "VLA" adalah arah yang paling mutakhir dan paling disepakati, maka Pete Florence adalah perintis yang tak terbantahkan di jalan ini. Orang seperti ini yang memimpin dengan membuang label "model dunia", sungguh sangat mengejutkan.
Dan sekarang, keterkejutan itu berlipat ganda. Baru-baru ini, perusahaan kecerdasan berwujud (embodied AI) yang didirikan Pete Florence, Generalist AI, menyelesaikan putaran pendanaan baru dengan total skala 400 juta dolar AS (sekitar Rp 2,7 triliun), valuasi 2 miliar dolar AS (sekitar Rp 13,55 triliun). Investor dalam putaran ini termasuk NVentures milik Nvidia, manajer malaikat investor terkenal Nat Friedman dan Daniel Gross yang bersama-sama mengelola NFDG, kantor keluarga Bezos Expeditions milik Bezos, serta pendiri bersama Xiaomi Lin Bin, pendiri Zoom Eric Yuan, dan ilmuwan paling representatif di bidang model dunia, Fei-Fei Li.
"Tujuan" Lebih Penting daripada "Label"
Mengapa sebagai salah satu pendiri utama model dunia, Pete Florence begitu menolak diberi label "model dunia"? Mengapa Fei-Fei Li sebagai sarjana paling representatif di bidang model dunia, justru mendukung dengan uang sungguhan seorang "bidaah" yang secara terbuka "menyimpang" seperti ini? Ceritanya mungkin harus dimulai dari tahun 2019.
Pada saat itu, Pete Florence sedang menempuh gelar doktor di bidang Ilmu Komputer di Massachusetts Institute of Technology (MIT), dengan fokus penelitian utama pada bidang manipulasi robot, penglihatan komputer, dan pemrosesan bahasa alami — dari latar belakang ini, Pete Florence bisa disebut "berdarah biru", arah penelitiannya ortodoks, latar belakang akademiknya juga ortodoks, bukanlah seorang "anak-anak sungai" yang perlu mengandalkan "keunikan" untuk memperebutkan sumber daya. Namun masalahnya adalah, MIT justru memberinya seorang pembimbing bernama Russ Tedrake.
Siapa Russ Tedrake? Pertama, dia pasti adalah akademisi top. Pada tahun 2019, dia masing-masing menjabat sebagai profesor Teknik Elektro dan Ilmu Komputer MIT, serta Direktur Pusat Robotika di Laboratorium Ilmu Komputer dan Kecerdasan Buatan MIT. Setiap tahun menjelang DARPA Robotics Challenge yang terkenal, dia juga bertanggung jawab memimpin tim MIT berkompetisi. Di luar kampus, dia juga merangkap sebagai Wakil Presiden Pusat Penelitian Robotika di Toyota Research Institute. Bisa dikatakan, Russ Tedrake adalah salah satu sarjana paling puncak di bidang robotika, dengan sumber daya yang cukup untuk membantu Pete Florence muda mewujudkan mimpi akademiknya.
Namun dalam persepsi diri Russ Tedrake, yang membuatnya terpesona bukanlah kode pemrograman, melainkan "fisika". Dalam sebuah perkenalan diri, Russ Tedrake mengenang, alasan dirinya menempuh jalur akademik ilmu komputer adalah karena saat meneliti "robot berdiri dua kaki", dia melihat "sifat dinamika yang kaya", yang membuatnya tertarik besar pada "kendali dinamika fluida yang kompleks". Oleh karena itu, dibandingkan peneliti lain yang saat memulai karir akan terlebih dahulu meneliti cara membuat robot memetik apel atau melipat selimut, topik penelitian pertamanya adalah bagaimana mengendalikan "pesawat yang mengalami stall atau pesawat flapping wing", bagaimana "melintasi rintangan padat dengan kecepatan tinggi".
Latar belakang seperti ini memastikan Russ Tedrake sangat mementingkan hal "memahami dunia fisik". Situs web MIT memperkenalkan ciri akademik Russ Tedrake sebagai berikut: "Fokus penelitian profesor ini adalah menemukan solusi kendali yang elegan untuk sistem dinamika yang menarik (underactuated, stochastic, dan/atau sulit dimodelkan), dan mampu membangun sistem ini untuk verifikasi eksperimental. Dia sangat memperhatikan hubungan antara mekanika (terutama mekanika non-halus) dengan teori pembelajaran mesin/optimasi, untuk mencapai desain kendali yang kuat bagi sistem mekanik yang kompleks."
Pete Florence yang terpapar secara alami, juga menjadi "aliran fisika" dalam ilmu komputer. Misalnya, karya akademik paling representatif selama masa doktoralnya adalah sebuah makalah berjudul "Self-Supervised Correspondence in Visual Motion Policy Learning". Makalah ini mengusulkan, mereka menemukan metode melalui pembelajaran peniruan, yang memungkinkan robot menyelesaikan tugas manipulasi yang menantang hanya dengan 50 demonstrasi, juga mampu melakukan generalisasi terhadap objek dari kategori berbeda, beradaptasi dengan konfigurasi objek yang dapat berubah bentuk. Makalah ini pun memperoleh Penghargaan Makalah Terbaik 2020 di bidang Robotika dan Otomasi dari IEEE (Institute of Electrical and Electronics Engineers).
Tentu saja, termasuk "aliran" apa tidak penting, yang penting adalah Pete Florence di bawah pengaruh lingkungan seperti ini, memiliki cara berpikir yang berbeda. Banyak peneliti terbiasa dengan teknologi yang ada, lalu melalui eksperimen untuk mendapatkan kemungkinan teknologi, baru kemudian menentukan skenario penerapan teknologi. Sementara Pete Florence percaya urutan yang benar seharusnya adalah "menetapkan tujuan spesifik terlebih dahulu", baru kemudian merancang jalur teknologi.
Setelah bergabung dengan tim Google DeepMind, Pete Florence bekerja tepat searah ini, karya perdananya yang representatif adalah arsitektur model robot generasi pertama yang diluncurkan Google pada 2021, Transporter Network. Dalam makalah peluncuran model, Pete Florence mengatakan merapikan barang seharusnya adalah keterampilan yang sangat mendasar, tetapi bagi robot, menyelesaikan tindakan ini berarti "penalaran persepsi tingkat tinggi dan rendah", perlu mempertimbangkan di mana buku seharusnya diletakkan, serta urutan penumpukan apa, sekaligus memastikan tepi buku sejajar satu sama lain, membentuk tumpukan buku yang rapi.
Transporter Network diluncurkan tepat untuk "membuat tindakan sederhana menjadi sederhana", memungkinkan robot secara universal menyelesaikan berbagai operasi berdasarkan penglihatan, kecepatan pelatihan cepat, ketergantungan pada lingkungan pelatihan juga lebih rendah.
Meluncurkan arsitektur VLA bersama tim DeepMind pada 2023, juga merupakan "langkah logis" berdasarkan pemikiran ini. Dalam makalah yang memulai kejayaan model dunia saat ini, para penulis menyatakan mereka berharap arsitektur VLA dapat "secara signifikan meningkatkan kemampuan generalisasi pada objek baru, mampu menafsirkan instruksi yang tidak muncul dalam data pelatihan robot (misalnya meletakkan objek pada angka atau ikon tertentu), serta mampu melakukan penalaran dasar sesuai instruksi pengguna (misalnya mengambil objek terkecil atau terbesar, atau mengambil objek terdekat dengan objek lain)".
Kembali ke pertanyaan awal, sebagai salah satu pendiri utama model dunia, mengapa Pete Florence begitu menolak diberi label "model dunia"? Jawabannya juga demikian: Pete Florence berpendapat "tujuan" lebih penting daripada "label".
Menurutnya, antusiasme tentang model dunia saat ini sebenarnya bersifat "digerakkan oleh ide", misalnya sebagian besar antusiasme dapat dikaitkan dengan kegembiraan pasar modal menemukan ketidaksepakatan di arah yang sangat panas. Dan jika ingin benar-benar mendorong robot masuk ke pekerjaan dan kehidupan kita, menciptakan produktivitas, maka membangun "model dunia" jelas bukan sebuah tujuan. Tujuan sebenarnya seharusnya adalah robot mampu menyelesaikan berbagai tugas yang belum pernah dilihat dengan tingkat keberhasilan dan kecepatan yang sangat tinggi, dan sama sekali tidak memerlukan data spesifik tugas apa pun.
Dan ini juga alasan Pete Florence memutuskan meninggalkan Google DeepMind dan memulai bisnis sendiri. Pada konferensi GTC Nvidia 2025, Pete Florence pertama kali muncul dalam pandangan orang-orang sebagai pendiri bersama dan CEO Generalist AI. Dia berkata: "Kami bertekad membuat robot yang bisa melakukan apa saja... Bayangkan, jika biaya marginal tenaga kerja fisik turun menjadi nol, seperti apa jadinya."
Tingkat Keberhasilan 99%
Selain "menyimpang" dalam konsep teknologi, jalan kewirausahaan Pete Florence juga tampak sangat non-mainstream.
Secara teori, pengusaha dengan riwayat seperti ini, pada saat ini pasti akan disambut hangat oleh para VC. Yann LeCun, Ilya Sutskever, Mira Murati adalah contohnya, perusahaan mereka baru saja didaftarkan (bahkan belum terdaftar) sudah menyelesaikan putaran seed lebih dari 1 miliar dolar AS. Tapi Generalist AI Pete Florence pada tahap awal hanya menerima investasi dari sedikit institusi seperti Nvidia, kantor keluarga Bezos, NFDG. Jika bukan karena departemen ventura Nvidia, NVentures, yang mengadakan "meja bundar perusahaan portofolio" di konferensi GTC 2025, mungkin semua orang tidak tahu orang ini sudah resign dan memulai bisnis.
Mengapa bisa begitu? Jawaban yang paling mungkin adalah pilihan aktif Pete Florence. Seperti disebutkan di atas, Pete Florence begitu lulus langsung masuk tim Google DeepMind, dari 2019 bekerja hingga 2025, tidak ada lagi riwayat pekerjaan lain di antaranya. Artinya, Generalist AI adalah pengalaman kewirausahaan pertamanya dalam hidup, yang benar-benar perlu sangat berhati-hati.
Bahkan, pada penampilan publik pertamanya sebagai pengusaha di konferensi GTC Nvidia 2025, Pete Florence menunjukkan "kehati-hatian"nya dengan sangat jelas. Selain memberitahu semua orang bahwa dirinya sedang membuat "robot", dia tidak mengungkapkan arah bisnis spesifik apa pun, langsung menyatakan "kami saat ini masih dalam mode siluman".
Hingga November 2025, orang baru pertama kali melihat bisnis spesifik Generalist AI. Pada November 2025, Generalist AI merilis model kecerdasan berwujud generasi pertama mereka, GEN-0. Dalam pengantar resmi, Generalist AI menyatakan GEN-0 memadukan keunggulan model visual dan model bahasa, dan secara bersamaan melampauinya — Gen-0 mampu menangkap kemampuan refleks dan pengetahuan umum fisik setara manusia.
Secara sederhana, ia mampu meningkatkan kemampuan seiring dengan peningkatan skala model dan data pelatihan, menembus hambatan model kecil sebelumnya; ia dapat berpikir dan bertindak seperti manusia, memberikan respons cepat dan alami di lingkungan fisik nyata; ia secara alami cocok dengan berbagai jenis robot, tidak memerlukan modifikasi tambahan; yang lebih penting, ia mengandalkan data operasi nyata dalam jumlah besar, tidak lagi dibatasi oleh kelangkaan data, dan melalui penyesuaian komposisi data pelatihan secara fleksibel. Banyak media teknologi menunjukkan, GEN-0 membuktikan "hukum penskalaan" matematika yang menggerakkan model bahasa besar seperti ChatGPT juga berlaku untuk gerakan fisik.
Tapi GEN-0 tidak sempurna. Misalnya, GEN-0 juga belum menyelesaikan masalah dataset yang menghantui bidang kecerdasan berwujud. Maka pada April 2026, Generalist AI dengan cepat beriterasi ke versi baru GEN-1.
("Sarung Tangan Mekanis", Sumber: Media Sosial Generalist AI)
Untuk memecahkan masalah dataset, Generalist AI mengembangkan perangkat yang dapat dikenakan, untuk menangkap gerakan mikro dan informasi visual manusia saat melakukan tugas manual. Generalist AI menyatakan dalam pengembangan GEN-1, mereka mengumpulkan lebih dari 500.000 jam "data interaksi fisik tingkat petabyte" melalui sarung tangan mekanis ini, untuk melatih model fisik mereka. Setelah dilatih dengan baik, GeneralistAI menyatakan GEN-1 dalam tugas-tugas mekanis yang berulang tetapi halus seperti melipat kardus, mengemas ponsel, dan merawat robot penyedot debu, tingkat keberhasilannya mencapai 99%, kecepatannya sekitar tiga kali lipat dari model GEN-0 generasi sebelumnya, dan hanya membutuhkan waktu sekitar satu jam untuk mencapai target ini.
Dengan demikian, Generalist AI dengan bangga mengumumkan, model fisik GEN-1 telah mendekati titik balik seperti GPT-3, kinerja beberapa tugas mulai "mencapai tingkat yang diperlukan untuk diterapkan dalam lingkungan komersial yang praktis", dan "kita dapat mengharapkan setiap generasi model baru akan membawa serangkaian tugas baru yang semakin kompleks, yang semuanya dapat dikuasai".
Dalam blog resmi, Pete Florence menunjukkan, proses pengembangan GEN-1 adalah penjelmaan terbaik dari konsep teknologi pribadinya: Pertama, dia menetapkan tujuan yang rasional, yaitu robot mampu menyelesaikan berbagai tugas yang belum pernah dilihat dengan tingkat keberhasilan dan kecepatan yang sangat tinggi, dan sama sekali tidak memerlukan data spesifik tugas apa pun. Kemudian berdasarkan tujuan ini, dia menetapkan jalur solusi, yang memungkinkan penggunaan sedikit data robot untuk tugas tertentu (disebut X), dan mencapai eksekusi tingkat tinggi untuk tugas tersebut, lalu terus mengurangi X sambil meningkatkan kinerja.
Berbicara sampai di sini, pertanyaan yang diajukan sebelumnya juga terjawab. Produk yang dikembangkan Generalist AI disebut "model dunia" atau tidak sudah tidak penting lagi, asalkan Anda melihat industri kecerdasan berwujud, optimis robot dapat masuk ke produksi aktual secara besar-besaran, maka Generalist AI memang merupakan pilihan yang layak untuk dipertaruhkan. Dan pendanaan putaran ini Generalist AI memang dengan cepat disepakati dalam dua bulan setelah peluncuran GEN-1.
Menurut laporan, pemegang saham lama Nvidia, kantor keluarga Bezos Bezos Expeditions, NDFG semuanya memilih untuk berinvestasi kembali, dan itu berlipat ganda. Selain itu, investor baru termasuk pendiri bersama Xiaomi Lin Bin, pendiri Zoom Eric Yuan, ilmuwan Tionghoa Fei-Fei Li, juga termasuk investor institusi seperti Radical Ventures, 8VC, Union Square Ventures, Hanabi Capital, Norwest.
Dengan kata lain, Pete Florence pada Juni 2026 sudah tidak perlu membuktikan dirinya lagi. Paling tidak, omong kosong yang dia ucapkan bertahun-tahun itu — misalnya, Pete Florence yang baru memulai bisnis pada 2025 pernah berkata dalam sebuah podcast: "Robot serba guna bukan yang mencicipi semuanya sedikit, tetapi harus cukup ahli dalam tugas nyata hingga cukup berguna" — sudah berjalan di jalan "terwujud satu per satu".
Artikel ini berasal dari akun WeChat "投中网", penulis: Pu Fan
