Awal tahun ini, Elon Musk menyatakan bahwa robot humanoidnya, "Optimus Gen 3", diperkirakan akan masuk produksi massal tahun depan. Di babak kedua model besar (large models), AI tidak hanya berhenti di ruang digital, tetapi harus mampu memasuki dunia nyata untuk melakukan tugas menggantikan manusia. Kecerdasan berbadan (embodied intelligence) dan robotika menjadi terobosan inti. Apakah momen "iPhone" untuk kecerdasan berbadan akan segera tiba? Pada 2 Juli 2026, dalam Puncak Kota Tencent Cloud di Wuhan Optics Valley, kami menyelenggarakan sebuah forum meja bundar, berdiskusi secara mendalam dan sederhana dengan para pakar terdepan dari perusahaan, perguruan tinggi, dan pemerintah.
Tamuh:
Liu Chuanhou COO Pusat Inovasi Robot Humanoid Provinsi Hubei
Yang Songhua Pendiri Bersama & CTO Lunpai Technology
Ma Junjie Wakil Presiden Beijing Kunlun Xing Robot Technology Co., Ltd.
Li Min Profesor, Sekolah Teknik Mesin Sains dan Teknologi, Universitas Sains dan Teknologi Huazhong
Moderator:
Wu Pengyang Pakar Senior Tencent Research Institute
【Pandangan Inti】
01 Momen "iPhone" masih jauh, saat ini lebih seperti "era telepon genggam".
Jalur teknologi kecerdasan berbadan belum menyatu, selain VLA masih ada berbagai eksplorasi lain, saat ini hanya mampu memenuhi beberapa fungsi dasar.
02 "Bisa bergerak" sudah teratasi, "bisa digunakan" masih perlu usaha.
Otak kecil robot (kontrol gerak) sudah cukup baik, tetapi otak besar (pengambilan keputusan dan generalisasi) jauh dari tingkat yang dapat digunakan secara komersial skala besar.
03 Data adalah hambatan terbesar, terdapat kesenjangan yang besar.
Kecerdasan berbadan setidaknya memerlukan data tingkat jutaan untuk mencapai momen seperti "GPT2.0", namun saat ini di seluruh dunia hanya ada sekitar 500 ribu, selisihnya 200 kali lipat secara kuantitas.
04 Pintu pertama komersialisasi adalah perhitungan ekonomi, saat ini masih belum sepadan.
Biaya robot humanoid ditambah biaya VLA, model dunia, dll., saat ini masih jauh lebih mahal dibandingkan biaya tenaga kerja tradisional.
05 Aplikasi kecerdasan berbadan memiliki tiga jenis pasar, yang terbesar memiliki ruang imajinasi triliunan.
Pasar nilai emosional puluhan miliar, seperti pertunjukan/pameran, pendampingan/perawatan; pasar layanan komersial triliunan, seperti menarik pengunjung/aliran pelanggan, pemandu tur, pemandu layanan, pemandu belanja; pasar produktivitas tenaga kerja operasional ratusan triliunan, seperti bekerja di pabrik, melakukan pekerjaan rumah tangga di rumah, dll.
06 Robot humanoid masih jauh, tetapi kecerdasan berbadan bisa lebih dulu.
Aplikasi kecerdasan berbadan sudah dapat diterapkan sekarang, tidak harus berbentuk manusia, juga tidak harus bisa bekerja. Hanya dengan menemani seperti hewan peliharaan pun, orang sudah sangat menantikannya.
07 Akhir permainan AI ada di dunia fisik, bukan di layar.
AI di ponsel secanggih apapun, tetap terhalang selembar kaca. Kecerdasan buatan pada akhirnya akan memasuki dunia fisik dan masuk ke ribuan rumah tangga.
08 Menggunakan AI untuk meningkatkan efisiensi sudah menjadi konsensus, tetapi keputusan kunci tidak boleh diserahkan kepada AI.
AI dalam pengkodean, penelitian, pengajaran, dan aspek lain telah meningkatkan efisiensi secara signifikan, tetapi ada risiko "penipuan" dan "substitusi kognitif". Penilaian dan keputusan inti harus tetap dipegang manusia.
Konten wawancara lengkap:
Q1: Sudah Sampai Mana Perkembangan Kecerdasan Berbadan?
Wu Pengyang: Sangat terhormat hari ini dapat berdiskusi dengan para pakar tentang sesuatu yang sangat diperhatikan saat ini, yaitu kecerdasan berbadan. Dalam dua tahun terakhir, maraton robot humanoid, robot bahkan berlari lebih cepat dari manusia, masyarakat sangat antusias. Jadi tema kami hari ini menggunakan nama yang cukup provokatif — apakah momen "iPhone" untuk kecerdasan berbadan sudah tiba.
Pertama, pertanyaan pertama, saat ini perkembangan kecerdasan berbadan sudah sampai di mana? Para tamu dapat berbicara dari sudut pandang teknologi, perkembangan jalur teknologi dasar; atau sudut pandang kemampuan, seperti berlari, melompat, atau kemampuan melakukan tugas kompleks, pilih arah yang dikuasai masing-masing.
Liu Chuanhou: Kesimpulannya dulu, saya rasa saat ini kecerdasan berbadan masih jauh dari momen iPhone.
Dengan bahasa yang lebih sederhana, kecerdasan berbadan saat ini masih berada di era seperti "telepon genggam", hanya mampu memenuhi beberapa fungsi dasar. Saat ini robot humanoid dibagi menjadi otak besar dan kecil, kontrol gerak seluruh tubuh (otak kecil) sudah cukup bagus, tetapi otak besar (pengambilan keputusan dan generalisasi) jauh dari tingkat yang dapat digunakan secara komersial. Sejak 2024, semua orang terus membahas tentang otak besar robot humanoid, tetapi dalam aplikasi industri nyata belum terlihat terobosan yang signifikan.
Jalur teknologi otak kecerdasan berbadan belum menyatu. Yang sedang tren sekarang adalah model VLA, tetapi juga menghadapi banyak masalah, jalannya masih sangat panjang. Teknologi tidak bisa dicapai dalam sekejap, harus melalui serangkaian usaha. Tentu saja tahun ini ada perubahan, seperti menggabungkan model dunia dan pembelajaran penguatan dengan model VLA, apakah bisa menciptakan jalur baru? Dalam proses ini, apakah data sentuhan dan data kunci baru lainnya dapat dimasukkan ke dalam model? Semua ini sedang dieksplorasi. Bagaimanapun, bagi robot, tidak hanya sekadar menghindari rintangan, tetapi juga harus melakukan kontak tertentu. Namun saat ini, belum ada model algoritma yang melampaui VLA.
Jalan masih panjang dan jauh, tetap harus percaya diri. Seperti telepon di tahun 90-an, sulit dibayangkan sekarang telepon dapat menyelesaikan banyak masalah. Untuk robot, kemungkinan besar juga begitu.
Yang Songhua: Saya cukup setuju dengan pandangan Bapak Liu. Saat ini kecerdasan berbadan terutama dibagi menjadi tubuh (ontologi) dan model. Dari sisi ontologi, seperti maraton robot tahun lalu dan penampilan robot berbagai perusahaan di acara Tahun Baru Imlek, terlihat bahwa robot pada dasarnya sudah menyelesaikan masalah "bisa bergerak". Langkah selanjutnya yang diperhatikan seluruh industri adalah masalah "bisa digunakan" oleh robot, yaitu masalah otak besar.
Mengenai otak besar, karena saya sebelumnya awalnya bekerja di model bahasa besar (large language model), mari kita tinjau kembali perkembangan model besar saat itu. Kita (kecerdasan berbadan) saat ini mungkin bahkan belum mencapai momen GPT2.0, karena kita bahkan belum menyatu jalurnya. Seperti kami yang sebelumnya selalu membuat model VLA, tetapi tahun ini sudah beralih ke model dunia dan berbagai model lainnya.
Karena jalur belum menyatu, semua orang sedang mengumpulkan data, berbagai masalah heterogenitas data, sinkronisasi data juga sulit diatasi. Saat ini masalah besar lainnya adalah kekurangan data. Umumnya di industri diyakini bahwa setidaknya harus mencapai data tingkat jutaan, kecerdasan berbadan baru mungkin memiliki momen seperti GPT2.0 atau 2.5. Namun saat ini di pasar global hanya ada sekitar 500 ribu, datanya berbeda 200 kali lipat secara kuantitas.
Jadi, kecerdasan berbadan masih memiliki jalan panjang, termasuk dalam arsitektur model, metode pengumpulan data, dan skala data. Tetapi saya rasa selama kita tetap berjalan di jalur ini, pada akhirnya akan mewujudkan impian industri robot.
Ma Junjie: Dari perspektif praktisi industri, saya akan menjelaskan kemampuan kecerdasan berbadan yang kami pahami dalam empat aspek.
Pertama adalah kemampuan kontrol gerak, yaitu otak kecil. Bagian ini seperti yang dikatakan tadi, relatif sudah matang. Tetapi untuk membuatnya benar-benar matang, sebenarnya masih ada jarak. Intinya masih terletak pada beberapa modul kunci, termasuk perisai elektromagnetik, manajemen panas, serta algoritma kontrol gerak, semuanya perlu dipoles dengan teliti.
Kedua adalah kemampuan bergerak dan navigasi. Kecerdasan berbadan berada di dunia fisik tiga dimensi, pertama-tama harus tahu di mana posisinya, kemudian mau ke mana, harus melakukan perencanaan rute otomatis, dan juga menghindari rintangan dinamis. Secara keseluruhan teknologinya hanya bisa dikatakan relatif matang, dari ujung ke ujung (end-to-end) kendaraan otonom dan VLA yang secara langsung diperluas ke industri kecerdasan berbadan dapat digunakan. Tetapi mobil otonom digunakan di jalan, lebih sederhana daripada skenario aplikasi kecerdasan berbadan, misalnya ruangan forum ini jauh lebih kompleks daripada jalan umum, kecerdasan berbadan untuk dapat digunakan sepenuhnya dalam skenario seperti ini masih perlu terus dipoles.
Ketiga adalah kemampuan interaksi multimodal. Kemampuan interaksi bahasa model bahasa besar sekarang sudah cukup baik, tetapi selanjutnya dalam skenario pendampingan emosional, mungkin akan menggunakan interaksi fisik terkait emosi, serta ekspresi wajah, dll., yang saat ini masih dalam tahap awal.
Keempat adalah kemampuan operasi tenaga kerja. Seperti yang dibicarakan tadi, teknologi besar terkait aspek ini, misalnya model dunia, pada dasarnya sudah membentuk konsensus awal. Tetapi bagaimana model dunia secara spesifik dilakukan, setiap perusahaan masing-masing mencari jalur yang dapat dilalui. Untuk penerapan yang luas dan spesifik, mungkin masih memerlukan waktu tertentu.
Li Min: Yang dapat dilihat semua orang, kemampuan keseluruhan robot saat ini sebenarnya sudah sangat baik. Tetapi sebenarnya agar benar-benar dapat diterapkan dan digunakan, masalah penting adalah stabilitasnya. Apakah robot dapat dijamin seperti mobil atau alat produksi lainnya, dapat beroperasi stabil dalam waktu lama, hal ini masih memiliki jalan panjang.
Kemudian berbicara tentang model, model AI atau model dunia yang disebutkan semua orang saat ini, jalur dan rutenya sendiri belum sepenuhnya pasti. Semua orang masih dalam keadaan seratus aliran bersaing, seratus bunga mekar bersama. Alasan pentingnya adalah, dibandingkan dengan AI virtual seperti GPT, masalah terpenting adalah data. Tingkat kesulitan memperoleh data GPT relatif lebih mudah karena dapat diambil dari internet. Tetapi untuk kecerdasan berbadan, memperoleh data cukup sulit, ini menyebabkan semua orang sulit mengumpulkan data, baik data dunia nyata maupun data simulasi, serta data interaksi fisik, data sentuhan, dll., kekurangan data sebenarnya menghambat perkembangan model.
Secara keseluruhan, kecerdasan berbadan masih memiliki jalan panjang. Tetapi industri ini berkembang sangat cepat, berubah setiap hari atau setiap minggu, masa depannya menjanjikan.
Wu Pengyang: Terima kasih kepada keempat tamu, dalam kegembiraan ini memberikan kami beberapa pemikiran yang tenang. Saya simpulkan, perkembangan kecerdasan berbadan sampai tahap apa: jika dibandingkan dengan telepon, mungkin periode telepon genggam; jika dibandingkan dengan model, mungkin GPT 2.0. Secara keseluruhan, mungkin masih agak jauh dari momen iPhone, masih perlu berjalan dan melihat.
Q2: Kondisi Aplikasi dan Ruang Imajinasi Kecerdasan Berbadan?
Wu Pengyang: Pertanyaan kedua, bagaimana perkembangan aplikasi kecerdasan berbadan? Skenario apa yang relatif matang saat ini, atau sudah terlihat kemungkinan aplikasi skala besar? Di mana aplikasi dengan ruang imajinasi yang lebih besar di masa depan?
Li Min: Dari perspektif sekolah, saat ini arah besar salah satunya adalah masuk pabrik, yang lainnya adalah rumah tangga atau layanan. Secara keseluruhan, penerapan aplikasi skala besar masih terlalu dini. Yang mungkin dilihat semua orang saat ini adalah beberapa aplikasi percontohan.
Wu Pengyang: Apakah ada yang relatif berjalan lebih cepat?
Li Min: Mungkin di bidang inspeksi yang dilakukan lebih banyak, karena inspeksi melibatkan komponen operasi spesifik yang relatif lebih sedikit, aplikasinya akan sedikit lebih banyak. Tetapi benar-benar menggantikan manusia masuk pabrik, memiliki jalan panjang, misalnya masalah stabilitas yang saya sebutkan sebelumnya, karena pabrik memiliki tuntutan efisiensi dan tingkat keberhasilan yang sangat tinggi.
Wu Pengyang: Apa yang sedang Anda lakukan dalam penelitian aplikasi saat ini?
Li Min: Saat ini kami terutama melakukan inspeksi teknik, industri otomotif, dll., semuanya memiliki perusahaan pemimpin untuk bersama-sama membuat laboratorium. Sebenarnya banyak perusahaan memiliki kebutuhan yang sangat besar terhadap kecerdasan berbadan, semua orang melihat prospeknya, tetapi perusahaan-perusahaan ini tidak tahu cara menggunakannya dan bagaimana menerapkannya secara spesifik, sehingga akan bergantung pada perguruan tinggi untuk melakukan beberapa penelitian dan percontohan.
Ma Junjie: Saya menganalisis dari tingkat pasar, dibagi menjadi tiga jenis pasar.
Jenis pertama adalah pasar nilai emosional (puluhan miliar) . Saat ini terutama pertunjukan/pameran, terutama bergantung pada kemampuan kontrol gerak. Baru-baru ini beberapa produsen merilis robot pendamping, perawatan, mungkin perlu menggunakan kemampuan interaksi multimodal, bergerak dan navigasi. Pasar berada pada tahap verifikasi awal.
Jenis kedua adalah pasar produktivitas layanan komersial (triliunan) . Misalnya menarik pengunjung/aliran pelanggan di berbagai skenario komersial, pemandu tur di ruang pamer, pemandu layanan di balai pelayanan, pemandu belanja di toko fisik offline, dll., yang terutama dibutuhkan adalah kemampuan gabungan gerak + navigasi + interaksi multimodal. Pasar ini jika kemampuannya matang, adalah pasar ribuan miliar.
Jenis ketiga adalah pasar produktivitas tenaga kerja operasional (ratusan triliunan) . Misalnya bekerja di pabrik secara luas, melakukan pekerjaan rumah tangga di rumah, dll., terutama bergantung pada kemampuan operasi tenaga kerja robot, skala pasar ini mencapai ratusan triliunan. Mengapa? Jumlah miliaran ponsel pintar, dikalikan seratus ribu yuan (harga rata-rata rendah mobil otonom energi baru), perkiraan sederhana adalah ratusan triliunan. Pasar ini sangat besar, juga menghadapi banyak tantangan. Dalam beberapa skenario spesifik yang relatif standar, lingkungan tidak terlalu memerlukan generalisasi, sebenarnya dapat melakukan beberapa percobaan. Bekerja di pabrik bisa, asalkan ROI dapat dihitung. Saya percaya dengan perkembangan teknologi, akan secara bertahap menemukan lebih banyak skenario, membuatnya lebih matang.
Wu Pengyang: Skenario mana yang paling Anda lihat prospeknya saat ini?
Ma Junjie: Pasti berakhir sebagai awal, tetapi jalur ini seperti yang dikatakan pakar sebelumnya, saat ini kita berada di era telepon genggam, harus melakukan hal yang benar pada waktu yang tepat.
Wu Pengyang: Skenario apa yang sedang Anda kerjakan saat ini?
Ma Junjie: Untuk robot humanoid, akan mengarahkan produksi massal terutama pada dua jenis pertama, melatih model bisnis kami untuk maju, sekaligus juga akan berinvestasi besar pada beberapa skenario operasi tenaga kerja tertentu.
Wu Pengyang: Skenario kedua, pasar layanan komersial lebih besar, tetapi kita juga tahu robot-robot di hotel sekarang sudah ada, apa lagi yang bisa dilakukan kecerdasan berbadan, adakah skenario nilai lain?
Ma Junjie: Nilai layanan komersial dibagi menjadi dua jenis, satu adalah nilai emosional, yang lain adalah nilai fungsional. Robot layanan yang terlihat di hotel saat ini terutama non-humanoid, terutama nilai fungsional, tidak ada nilai emosional. Jika diberikan bentuk manusia untuk melakukan ini, maka nilai emosional ditambah nilai fungsional, skenario pasarnya sangat besar.
Wu Pengyang: Nilai emosional kebetulan adalah keahlian Bapak Yang.
Yang Songhua: Saya akan membahas poin yang juga menjadi perhatian kami anak muda.
Tadi pakar menyebutkan, tahun ini robot masuk pabrik, menjadi pemandu tur, menggantikan tenaga kerja repetitif tradisional adalah tren utama. Tetapi ada masalah: tahun ini mulai menuju komersialisasi, begitu mulai komersialisasi, harus mulai menghitung ekonomi. Saat itu akan ditemukan, biaya robot humanoid ditambah biaya model VLA, model dunia, dibandingkan dengan biaya tenaga kerja tradisional, perhitungan ekonomi ini seringkali tidak sepadan.
Wu Pengyang: Kira-kira selisih berapa?
Yang Songhua: Jika ingin menyelesaikan nilai aplikasi suatu robot, membuat robot untuk masuk pabrik atau melakukan pekerjaan rumah tangga, seringkali lebih mahal daripada manusia, dan jauh lebih mahal, dan terkadang tidak stabil. Ini adalah prinsip: Anda ingin sesuatu mencerminkan nilai praktis dan nilai aplikasinya, meskipun Anda punya uang, juga akan menghitung ekonomi.
Saya berpendapat, dalam tiga tahun ke depan robot mungkin terutama akan memberikan pendampingan dan nilai emosional kepada manusia. Nilai emosional ini tidak memiliki batas atas. Seperti perusahaan Pop Mart di dalam negeri beberapa tahun terakhir, dapat mencapai kapitalisasi pasar mendekati triliunan, sebenarnya memberikan nilai emosional kepada anak muda, ibu rumah tangga. Banyak perusahaan dalam negeri baru-baru ini memperhatikan robot biomimetik, menyebabkan diskusi puluhan miliar, ratusan miliar kali di seluruh jaringan. Semua orang sangat menantikan robot, meskipun tidak bisa bekerja, hanya duduk diam melihat Anda, menemani Anda setiap hari, mengobrol dengan Anda, kami juga sangat menantikannya.
Wu Pengyang: Apakah tidak agak menakutkan?
Yang Songhua: Nilai emosional tidak harus dibuat dengan wajah biomimetik ekstrem. Kami memelihara kucing atau anjing, atau Pop Mart memiliki Labubu, tanpa bentuk manusia pun dapat memberikan nilai emosional.
Perusahaan kami selalu fokus membuat robot pendamping emosional. Misalnya orang tua sibuk setiap hari, berharap anak kecil dapat mengobrol dengan robot setiap hari; atau pekerja kantoran lelah, setiap hari dapat membuat robot memberikan nilai emosional, seperti memelihara kucing atau anjing, tanpa beban memberi makan, mengajak jalan sebanyak itu.
Untuk masa depan, kami tentu berharap robot akhirnya masuk ke ribuan rumah tangga. Tetapi saya rasa langkah pertama adalah membangun kesadaran pengguna, biarkan pengguna merasakan nilai pendampingan robot terlebih dahulu, kemudian ketika teknologi, model, dan volume data kami matang, robot baru secara bertahap melakukan hal-hal seperti pekerjaan rumah tangga.
Wu Pengyang: Aplikasi model besar saat ini, termasuk cara seperti ChatBot yang biasa kami gunakan, sebenarnya juga dapat menemani, memberikan nilai emosional, mengapa harus ditambah robot untuk menemani? Apa nilai intinya?
Yang Songhua: Ini sebenarnya kembali ke masalah esensial industri. Misalnya AI di ponsel, juga dibuat sangat lucu, mengobrol juga menarik, banyak orang berkencan dengan AI. Tetapi kami merasa, industri kecerdasan buatan pada akhirnya harus masuk ke dunia fisik.
Kecerdasan buatan awal hanya dapat melakukan pengenalan gambar, terjemahan, kemudian memiliki model besar dapat berdialog, menjawab pertanyaan. Sekarang ada agen cerdas yang hebat dapat membantu kami menyelesaikan berbagai masalah alur kerja. Tetapi untuk mewujudkan skenario akhir seperti di film fiksi ilmiah di masa depan, robot pasti harus seperti membeli mobil hari ini, mungkin di masa depan setiap orang akan membeli robot, setiap hari dapat menemani kami, berbelanja, memasak, dll., ini adalah tren akhir industri kecerdasan buatan. Hanya entitas akhir ini, setiap hari dapat dilihat, disentuh, baru benar-benar memberikan perasaan keakraban yang sangat nyata.
Wu Pengyang: Benar, hanya memegang ponsel sebenarnya masih agak canggung.
Liu Chuanhou: Kecerdasan berbadan dan robot humanoid meskipun saling terkait, sebenarnya dua hal. Robot humanoid pada dasarnya lebih mirip manusia, dapat benar-benar berintegrasi ke masyarakat manusia. Ruang lingkup kecerdasan berbadan lebih luas, tidak hanya robot humanoid, termasuk berkaki empat, beroda, semua termasuk dalam kategori robot kecerdasan berbadan.
Aplikasi robot humanoid masih jauh, tetapi aplikasi kecerdasan berbadan dapat lebih dulu. Robot pengantar makanan di hotel sekarang, robot penyapu otomatis, sebenarnya juga aplikasi potensial kecerdasan berbadan. Nantinya aplikasi kecerdasan berbadan dapat mulai dari skenario lain yang dapat diterapkan, tidak harus menargetkan bentuk manusia tertentu terlebih dahulu.
Pusat inovasi kami saat ini juga aktif mengeksplorasi aplikasi skenario kecerdasan berbadan pada robot non-humanoid. Karena Cina dan luar negeri sangat berbeda, misalnya Tesla di luar negeri, mengejar lebih banyak prinsip pertama, ingin membuat manusia. Tetapi di dalam negeri saat ini sebagian besar perusahaan masih mencari skenario, membuat aplikasi langsung. Banyak produk perusahaan robot, juga bukan humanoid berkaki dua penuh, banyak yang beroda. Aplikasi kecerdasan berbadan sebenarnya sudah dapat diterapkan sekarang, tidak perlu menunggu sepuluh, dua puluh tahun kemudian.
Bulan lalu, Kementerian Perindustrian dan Informatika bersama Komisi Pengawasan dan Administrasi Aset Negara mengeluarkan tindakan khusus pelatihan skenario nyata robot humanoid dan kecerdasan berbadan, pusat inovasi kami juga aktif mengajukan 5, 6 produk mitra kerja. Tahun ini dari posisi strategis, aktif mempromosikan robot humanoid dan kecerdasan berbadan untuk diterapkan dengan skenario nyata, juga merupakan hal besar yang ditetapkan negara. Bagi kami, mengikuti atau mengeksplorasi beberapa jalan yang dapat dilalui sangat penting.
Wu Pengyang: Skenario apa yang paling Anda harapkan untuk ditembus?
Liu Chuanhou: Dari perspektif jangka panjang, berharap menyelesaikan masalah manusia. Di rumah hal yang tidak ingin saya lakukan, atau hal yang tidak ingin dilakukan manusia, ini pasti masalah yang ingin kami selesaikan. Tetapi masalah realitas sekarang: robot melakukan hal yang kami kuasai, bukan menggantikan kami melakukan hal yang tidak ingin kami lakukan. Kami ingin robot memasak, melakukan pekerjaan rumah tangga, tetapi sebenarnya sekarang kamilah yang melakukan pekerjaan rumah tangga, robot melakukan hal-hal pikiran. Ini sulit diselesaikan dalam waktu singkat.
Q3: Kondisi Ekosistem Industri Kecerdasan Berbadan dan Kebutuhan Pembangunan?
Wu Pengyang: Kecerdasan berbadan untuk mencapai terobosan, pasti memerlukan ekosistem, hubungan rantai industri hulu dan hilir. Dari perusahaan, produk sendiri, bagaimana menurut Anda kondisi perkembangan ekosistem industri saat ini? Apakah ada titik yang dirasa kurang, atau berharap ada terobosan dalam lingkungan, sistem?
Yang Songhua: Keunggulan utama Hubei adalah kami adalah provinsi besar manufaktur tradisional, di tempat seperti Optics Valley ada banyak perusahaan optoelektronik, manufaktur 3C, memang dapat menyediakan lingkungan produksi komponen yang baik untuk pengembangan robot kami. Dan keunggulan terbesar Hubei, terutama Wuhan, adalah sumber daya perguruan tinggi banyak, kepadatan talenta sangat tinggi. Banyak perusahaan memilih menempatkan penelitian dan pengembangan di Wuhan, karena di sini banyak insinyur berpengalaman. Seperti pusat inovasi robot humanoid Hubei Bapak Liu dan tim mereka mengumpulkan data, memang membantu menyelesaikan masalah pekerjaan banyak mahasiswa. Keunggulan utama Wuhan terutama dalam data dan insinyur.
Kebutuhan pembangunan di masa depan, dibandingkan dengan perusahaan Beijing, Shanghai, Shenzhen, terutama dalam otak besar, model. Karena otak AI memerlukan orang paling pintar dan terdepan, langkah selanjutnya Wuhan mungkin juga perlu lebih banyak memperkenalkan perusahaan unggulan untuk memimpin peran percontohan.
Wu Pengyang: Lebih spesifik, misalnya saat Anda mengembangkan produk, ada bagian mana, menurut Anda perusahaan model besar perlu menyediakan apa untuk Anda?
Yang Songhua: Saat ini sebagian besar perusahaan melakukan multimodal, mungkin masih menggunakan model open source tradisional. Kami saat ini sangat berharap model seperti VLA, model dunia juga dapat dibuat menjadi layanan, tetapi saat ini masih agak sulit. Berharap perusahaan model besar pertama dapat menyediakan landasan yang baik, seperti landasan campuran (hun-yuan) Tencent, kami langsung dapat melakukan beberapa penyesuaian halus (fine-tuning) untuk digunakan. Jadi open source masih sangat penting.
Ma Junjie: Ekosistem industri dibagi hulu dan hilir. Hulu, satu adalah AI, satu adalah perangkat keras, saat ini ekosistem industri Cina cukup kaya. Tetapi setiap bidang masih perlu terus didorong, misalnya komponen inti reducer harmonik, peralatan perlakuan panas, peralatan deteksi, dll., teknologi rantai pasokan dalam negeri masih perlu ditingkatkan; data dalam AI, ekosistem industri, dll., perlu integrasi lebih lanjut.
Selain itu saya ingin menyebut hilir. Perkembangan kecerdasan berbadan, mungkin mirip dengan mobil otonom energi baru, karena hilir melibatkan saluran penjualan, skema keuangan (seperti sewa guna usaha) , asuransi, pasar perbaikan purna jual, dll. Dengan semakin banyaknya kecerdasan berbadan muncul dalam kehidupan kita, pasar hilir di masa depan juga akan berkembang secara bertahap, ini adalah tantangan sekaligus peluang.
Wu Pengyang: Menurut Anda bagian mana yang paling menantang saat ini?
Ma Junjie: Setiap bagian sangat penting, untuk benar-benar melakukan ini dengan baik, adalah mematangkan pasar, pasar dan rantai industri mencapai spiral naik positif.
Wu Pengyang: Tadi Anda menyebut asuransi, hal ini sangat baru, bagaimana cara mengasuransikan robot?
Ma Junjie: Contoh, misalnya robot melakukan pertunjukan, sebaiknya memiliki skema asuransi. Jika terjadi kecelakaan atau sejenisnya, ada asuransi yang memberikan perlindungan. Sebenarnya asuransi kecerdasan berbadan, seperti mobil energi baru, dapat dipahami seperti itu. Semua orang sedang mengeksplorasi, beberapa sub-sektor industri sudah mulai melakukannya.
Liu Chuanhou: Industri kecerdasan berbadan, dari rantai industri hulu, kami menyusun rantai industri dalam Provinsi Hubei tahun lalu, sekitar tiga puluh lebih. Tetapi tahun ini menyusun lagi yang dapat masuk ekosistem industri, sekitar seratus empat puluh lebih. Tentu, apakah mereka dapat masuk adalah hal lain, karena melibatkan masalah produksi. Berapa banyak produk akhir robot atau robot humanoid terkait Hubei yang dapat diproduksi, menentukan skala rantai industri hulu yang didorong oleh produk akhir.
Secara keseluruhan ekosistem industri, di mana titik tersumbatnya? Saya rasa mungkin masih di bagian data dan model. Saya tidak pernah khawatir kemampuan manufaktur, produksi Cina akan memiliki kekurangan, tetapi untuk data dan model mungkin masalah yang cukup besar.
Sebelumnya disebutkan berapa banyak data yang diperlukan untuk mencapai tingkat seperti mobil otonom L3 atau L4 saat ini, ada pakar industri memperkirakan, untuk mencapai tingkat sekarang mobil otonom memerlukan data ratusan miliar jam. Tetapi untuk robot atau robot humanoid, volume data mungkin perlu mencapai ribuan miliar jam. Saat ini kami hanya memiliki data beberapa juta jam, masih sangat jauh.
Jadi saya rasa yang masih lemah saat ini adalah bagian data, kami memerlukan data dalam jumlah besar, dan data ini harus memiliki keterjualan, dapat membuat semua lembaga yang memerlukan pelatihan model dengan mudah, relatif murah memperolehnya, baru dapat menghasilkan model yang lebih unggul, mendorong perkembangan seluruh industri.
Wu Pengyang: Jika fokus pada robot humanoid, karena perlu melatih perilaku gerakan manusia, agak mirip dengan saat pelatihan model besar meminta orang memberi label, apakah orang biasa juga dapat melakukan gerakan ini, sehingga memungkinkan orang biasa juga berpartisipasi dalam penyediaan data?
Liu Chuanhou: Data terutama dibagi menjadi beberapa jenis. Data operasi jarak jauh (teleoperation) adalah yang termahal, tetapi kelebihannya dapat langsung ditransfer ke robot yang sesuai untuk adaptasi sederhana. Data manusia, mulai Februari tahun ini, NVIDIA meluncurkan arah teknologi baru, pengumpulan data tanpa tubuh (non-embodied) menjadi jalur baru. Data tanpa tubuh dalam jumlah besar, terutama data perilaku gerakan manusia dapat dikumpulkan untuk pelatihan model, dapat menyelesaikan masalah besar.
Saat ini Pusat Inovasi Robot Humanoid Hubei juga aktif mengeksplorasi kerja sama, membangun platform aplikasi sirkulasi data bersama. Sekaligus, juga berharap membangun mekanisme seperti crowdsourcing, memungkinkan orang biasa dalam skenario kehidupan dan produksi mengumpulkan data. Jika ini dapat berhasil menggerakkan kekuatan masyarakat, ratusan juta bahkan puluhan juta orang bersama-sama mengumpulkan data, saya rasa dapat mempercepat perkembangan kecerdasan berbadan. Karena hanya dengan demikian dapat ada begitu banyak data, mendorong iterasi model.
Wu Pengyang: Profesor Li, bagaimana melihat kondisi rantai industri hulu dan hilir dari perspektif perguruan tinggi?
Li Min: Wuhan misalnya Huazhong University of Science and Technology (HUST), banyak lulusan yang bekerja di internet relatif lebih banyak, ini adalah keunggulan. Selain itu manufaktur tradisional Wuhan juga sangat kuat, termasuk manufaktur baru fotovoltaik, optoelektronik, chip, dll. juga sangat baik.
Sebenarnya pendorong penting perkembangan kecerdasan berbadan adalah skenario dan aplikasi. Ini berkaitan dengan poin penting: memproduksi data, ini memiliki dampak sangat besar pada kecerdasan berbadan, karena data itu sendiri adalah infrastruktur.
Dari perspektif sekolah, dukungan negara dan pemerintah terhadap bidang ini sangat dihargai. Misalnya kemarin National Natural Science Foundation of China (NSFC) dan Provinsi Hubei membuat dana bersama, mendukung satu miliar per tahun, mendukung terus menerus lima tahun, dalam arah penelitian terkait robot humanoid, kecerdasan berbadan untuk dukungan penelitian teknologi. Universitas Sains dan Teknologi Huazhong (HUST) kami juga memimpin rencana terobosan robot humanoid, bersama Tsinghua, Zhejiang University, Beijing Institute of Technology, Dalian University of Technology, dan perguruan tinggi lain melakukan serangkaian penelitian, total sepuluh topik.
Kembali ke ekosistem, banyak rantai industri robot humanoid sebelumnya melakukan otomasi manufaktur, termasuk motor, persepsi. Dalam beberapa komponen inti, misalnya yang banyak didiskusikan transmisi listrik, persepsi informasi interaksi fisik, dll., Provinsi Hubei juga memiliki keunggulannya sendiri. Misalnya tim kami yang menginkubasi perusahaan, khusus melakukan persepsi sentuhan, saat ini persepsi sentuhan banyak tangan lincah di industri terutama dari tim ini. Hubei memiliki dasar yang baik dalam aspek-aspek ini, memiliki tenaga yang kuat.
Q4: Kondisi Saat Ini dan Kemungkinan Masa Depan "Menggunakan AI untuk Membuat AI"?
Wu Pengyang: Bagaimana kondisi kombinasi model besar dan kecerdasan berbadan? Dalam pekerjaan, bagaimana menggunakan model besar untuk membantu peningkatan efisiensi produk dan operasi organisasi?
Liu Chuanhou: Kami pada dasarnya dari tahun 2023 hingga sekarang selalu menggunakan model besar. Saat ChatGPT muncul, kami sudah mengeksplorasi cara mengaplikasikannya. Tetapi GenAI sejujurnya memiliki masalah besar—penipuan yang besar, jawaban yang dihasilkannya tidak selalu benar. Jadi menggunakan AI untuk membuat AI, masalah ini memiliki masalah kognitif yang besar. Tetapi ini tidak menghalangi kami menggunakan kemampuan teknologi AI, tim penelitian dan pengembangan kami juga menggunakan, misalnya pengkodean, manajemen, tim penelitian dan pengembangan perusahaan kami memang pengguna mendalam, memiliki sikap yang cukup terbuka.
Yang Songhua: Saya adalah wirausaha generasi 2000-an, masih mahasiswa doktoral, biasanya juga melakukan banyak penelitian, menulis makalah, bidang ini kebetulan adalah salah satu bidang penelitian saya.
Metode umum pelatihan model besar tradisional, menggunakan semua data dari internet manusia. Seperti model setelah GPT4.0, pada dasarnya menggunakan data yang dihasilkan AI untuk pelatihan, atau mencari model guru yang hebat untuk melatih model sendiri yang lebih lemah.
Pelatihan model di bidang kecerdasan berbadan, terutama ada tiga jenis.
Jenis pertama, mirip dengan pemikiran model besar, menggunakan model yang relatif maju sebagai model guru, untuk menyesuaikan halus model kecil pelatihan sendiri lokal.
Jenis kedua, dapat menggunakan model yang relatif maju saat ini seperti VLA ini, untuk melakukan pembersihan, penyaringan, segmentasi data.
Jenis ketiga, adalah model dunia. Data yang dihasilkan model dunia paling awal, sebenarnya digunakan untuk pelatihan, kemudian semua orang menemukan, karena dapat menghasilkan data lintasan gerak mekanik, mengapa tidak langsung menggunakan hasil prediksi sebagai output? Seperti mobil otonom, awalnya juga menggunakan model dunia menghasilkan beberapa video skenario ekstrem sebagai tambahan data pelatihan. Saya rasa menggunakan model dunia untuk melatih kecerdasan berbadan, kemungkinan ini masih sangat besar.
Wu Pengyang: Bagaimana kondisi aplikasi data sintetis pada kecerdasan berbadan?
Yang Songhua: Sebenarnya banyak data adalah data sintetis seperti simulasi. Tetapi simulasi belum dapat dianggap menggunakan AI untuk membuat AI, karena simulasi memerlukan banyak partisipasi manusia menulis aturan fisika. Tetapi simulasi terutama digunakan untuk pra-pelatihan VLA, jika melakukan operasi halus, masih menggunakan data operasi jarak jauh sebagai utama.
Ma Junjie: Saya akan singkat. Kami adalah perusahaan kecerdasan berbadan yang baru didirikan, juga perusahaan AI-native. AI sudah masuk ke kantor harian kami serta seluruh penelitian dan pengembangan, dari produk hingga desain hingga antarmuka, semuanya melibatkan AI. Secara keseluruhan, menggunakan AI efeknya bisa, termasuk efisiensi akan meningkat banyak, jadi kami adalah perusahaan AI-native yang teguh.
Wu Pengyang: Menurut Anda apa perbedaan antara perusahaan tradisional dan perusahaan AI-native?
Ma Junjie: AI bagi perusahaan rintisan seperti kami intinya pertama efisiensi, yang lain adalah biaya investasi dan hasil. Contoh, pengkodean program dasar, dapat mencapai efek 3 kali lipat dengan biaya tenaga kerja 1/3. Tetapi saya juga perlu menambahkan, AI saat ini meningkatkan efisiensi kami, tetapi di beberapa tempat seperti riset pasar, AI terkadang akan mengulang konten sebelumnya. Jadi data kunci dan keputusan kami, pasti jangan terlalu bergantung pada AI, AI dapat menjadi referensi.
Wu Pengyang: Hal apa yang diberikan kepada AI, hal apa yang bergantung pada manusia? Apakah ada mekanisme membedakan?
Ma Junjie: Secara mekanisme, AI terlibat dalam setiap pekerjaan kami, tetapi beberapa titik keputusan inti masih harus bergantung pada manusia. Output AI berdasarkan pengetahuan umum, sedangkan keputusan yang benar seringkali memerlukan anti-pengetahuan umum, saya rasa seringkali masih harus bergantung pada manusia, terutama komunikasi tatap muka.
Wu Pengyang: Seberapa tinggi tingkat eksekusi mandiri agen cerdas (intelligent agent) di perusahaan Anda?
Ma Junjie: Ini sulit diukur. Hanya bisa dikatakan, baik kantor harian maupun melakukan aktivitas, desain, sebenarnya ada asisten, dapat secara signifikan meningkatkan efisiensi kerja setiap orang. Agak mirip mode kelompok kerja agen cerdas.
Li Min: Anak muda relatif mudah menerima hal baru, mereka akan berusaha mencari berbagai alat untuk menghemat waktu dan tenaga. Dalam penggunaan AI, mulai dari laporan mingguan, presentasi, PPT paling sederhana, hingga kode, hingga ide dan pemikiran penelitian, hingga penulisan makalah, menggambar, dll., siswa kami semua menggunakan. Berbagai agen cerdas juga mereka gunakan, kami juga mendorong dan mendukung, termasuk membeli keanggotaan, dll.
Pengajaran kami juga menggunakan. Karena jumlah siswa banyak, tenaga guru terbatas, terkadang kami membangun agen cerdas sendiri, membiarkan siswa berinteraksi dan berdiskusi dengan agen cerdas terlebih dahulu, agen cerdas merangkum poin kunci inti, kemudian kami secara spesifik dan mendalam berkomunikasi dengan siswa. Ini dapat menghemat waktu. Menulis makalah juga, siswa kurang akrab dengan struktur kerangka pemikiran makalah, dapat dibantu AI. Tentu, saya meminta mereka tidak boleh langsung menggunakan gambar yang dihasilkan AI untuk mengerjakan tugas, harus belajar membuat sendiri.
Tetapi ini ada masalah penting: kecanggihan alat akan membawa kemalasan manusia. Terkadang siswa tidak tahu asal usulnya, menganggap hasil AI benar, proses berpikir sepenuhnya diganti, langsung memberikan hasil. Memanggil sesuatu boleh, tetapi beberapa pemikiran, rumus masih perlu dikuasai, misalnya prinsipnya apa, siswa terkadang sulit memahami.
Proses penggunaan AI harus ada batas, harus mengontrol setiap langkah kunci, baru dapat membuat AI melayani kita. Itu pada akhirnya adalah alat, alat peningkatan efisiensi, tetapi kita perlu menyadari efek negatif yang dibawa alat, sebisa mungkin menghindari, baru dapat menggunakan alat hingga maksimal.
Wu Pengyang: Dalam proses mengajar dan membimbing siswa, apakah ada cara membuat AI digunakan di tempat yang tepat?
Li Min: Terkadang kami membuat sendiri beberapa hal untuk pengajaran, membiarkan siswa menggunakan aplikasi dalam batasan kami, bukan langsung berkomunikasi dengan AI tanpa batasan.
Kesimpulan dan Pandangan ke Depan
Li Min: Dari perspektif fisika, interaksi fisik ditambah kecerdasan cloud, pada akhirnya akan mendorong kedatangan akhir permainan AGI fisik.
Ma Junjie: AGI fisik pada akhirnya akan tiba, kita semua akan berusaha untuk ini. Meskipun ada berbagai jalur, semua jalan mungkin menuju Roma, lihat siapa yang lebih dulu berhasil.
Yang Songhua: Kecerdasan berbadan mungkin tidak akan seperti iPhone atau ChatGPT, memiliki momen singularitas yang secara keseluruhan membakar pasar massa, tetapi merupakan proses bertahap, dari beberapa skenario secara bertahap mengendap dan menembus, misalnya momen GPT skenario industri, momen GPT skenario interaksi manusia-mesin.
Liu Chuanhou: Kecerdasan berbadan, jalan masih panjang dan jauh.
Artikel ini dari akun publik WeChat "Tencent Research Institute" (ID:cyberlawrc), penulis: Tencent Research Institute
