# Artikel Terkait Otomatisasi

Pusat Berita HTX menyediakan artikel terbaru dan analisis mendalam mengenai "Otomatisasi", mencakup tren pasar, pembaruan proyek, perkembangan teknologi, dan kebijakan regulasi di industri kripto.

Mengapa Agensi Belanja AI Sulit Populer?

AI berbelanja sebagai wakil belum dapat diterima luas karena menghadapi beberapa tantangan mendasar. Pertama, berbelanja terdiri dari dua tindakan inti: pencarian informasi dan penilaian nilai. Mesin dapat menangani pencarian informasi, tetapi penilaian nilai melibatkan preferensi subjektif manusia yang sulit didelegasikan sepenuhnya. Penilaian nilai sendiri memiliki dua lapisan: evaluasi berdasarkan kriteria yang ditetapkan, dan yang lebih penting, **pendefinisian kebutuhan itu sendiri**—menentukan kriteria, bobot, dan batasan. Preferensi manusia bersifat konstruktif dan berubah, bukan statis, sehingga memerlukan komunikasi iteratif dengan AI. Kedua, batasan sesungguhnya bukan pada standarisasi barang, tetapi apakah proses memilih itu sendiri merupakan **tugas rutin atau kesenangan**. Untuk barang seperti perlengkapan kantor (tugas rutin), AI dapat sepenuhnya otomatis. Namun, untuk barang seperti anggur atau pakaian (kesenangan), proses memilih adalah bagian dari pengalaman konsumsi. Di sini, peran AI idealnya adalah penyaring informasi, menyajikan beberapa pilihan terbaik kepada manusia untuk keputusan akhir. Ketiga, ada dilema interaksi: AI yang bertanya terlalu banyak dapat mengganggu dan mendistorsi pilihan; mengandalkan riwayat belanja dapat membatasi eksplorasi baru; dan keputusan sepenuhnya manual itu melelahkan. Solusi tengah adalah **interaksi pengenalan**, di mana AI menunjukkan beberapa opsi dan pengguna langsung memilih. Narasi "memberi dompet kepada AI" yang menekankan pembayaran otomatis pun keliru. Pembayaran hanyalah bagian termudah. Solusi pembayaran terkini (seperti dari Stripe, Mastercard, Google, Visa) memisahkan **otorisasi pengguna** dari **eksekusi pembayaran terbatas AI**, tanpa perlu menyerahkan dana sepenuhnya. Dompet AI otonom lebih cocok untuk skenario **B2B atau M2M** (mis., pembelian perusahaan standar, penyelesaian antar-mesin), bukan belanja konsumen personal. **Kendala sebenarnya** bukan pada pembayaran, melainkan pada: (1) **Kurangnya sumber data tepercaya** (ulasan palsu, barang palsu) yang menjadi dasar keputusan AI, dan (2) **Hak manusia untuk mendefinisikan kebutuhan tidak dapat diotomatisasi**. Mendelegasikan definisi ini kepada AI berarti kehilangan preferensi asli. Kesimpulannya, untuk barang yang dinikmati, **pilihan itu sendiri adalah produk**. Platform harus mengoptimalkan data terstruktur untuk AI sambil mempertahankan keunggulan inti: memfasilitasi eksplorasi konsumen baru dan pengalaman memilih yang menyenangkan. AI harus menjadi asisten pencarian informasi yang aman dan terkendali, sementara manusia tetap memegang kendali atas standar penilaian dan kesenangan memilih akhir.

Foresight News07/20 06:08

Mengapa Agensi Belanja AI Sulit Populer?

Foresight News07/20 06:08

Claude Masuk ke Seluruh Ruang Kelas di AS: Guru yang Bekerja 49 Jam Seminggu Akhirnya Mendapatkan Asisten AI Gratis

Claude AI Masuki Kelas di AS: Guru yang Bekerja 49 Jam Seminggu Akhirnya Dapat Asisten AI Gratis Anthropic meluncurkan "Claude for Teachers", program gratis untuk guru K-12 di AS yang memberikan akses ke kemampuan premium Claude AI. Program ini dirancang untuk mengurangi beban kerja guru yang rata-rata mencapai 49 jam per minggu. Claude for Teachers terintegrasi dengan sistem Learning Commons, yang berisi standar kurikulum dari 50 negara bagian AS. AI ini membantu guru dalam tiga area utama: 1. **Mempersiapkan Pelajaran yang Selaras:** Menghasilkan rencana pelajaran dan materi yang sudah selaras dengan standar kurikulum negara bagian, lengkap dengan urutan belajar dan identifikasi kesalahan umum siswa. 2. **Diferensiasi Pengajaran:** Membuat variasi materi untuk siswa dengan tingkat kemampuan berbeda (pemula, mahir, pelajar bahasa) dalam kelas yang sama. 3. **Analisis Data:** Menganalisis data siswa (seperti nilai, kehadiran, catatan) untuk memberikan gambaran kemajuan individu dan area yang perlu diperbaiki secara keseluruhan. Fitur lainnya termasuk koneksi ke alat pengajaran populer (seperti Canva, MagicSchool) dan kemampuan otomatisasi tugas berulang. Namun, siswa tidak dapat mengakses Claude langsung karena batasan usia minimum 18 tahun. Kebijakan ini dibuat untuk menghindari kontroversi seperti kecurangan, "cognitive offloading", dan kekhawatiran privasi data. Anthropic menekankan bahwa alat ini bukan untuk menggantikan guru, melainkan untuk membebaskan waktu mereka dari tugas administratif agar lebih fokus pada interaksi langsung dengan siswa. Langkah ini mirip dengan inisiatif OpenAI sebelumnya, tetapi Anthropic sangat menekankan kepercayaan dengan menjamin data tidak digunakan untuk pelatihan model, mematuhi peraturan FERPA, dan mendapat dukungan dari serikat guru AFT. Meski menjanjikan efisiensi, program ini memunculkan pertanyaan tentang kesiapan siswa yang diajar *dengan* AI tetapi tidak memiliki pengalaman langsung *menggunakan* AI.

marsbit07/20 02:02

Claude Masuk ke Seluruh Ruang Kelas di AS: Guru yang Bekerja 49 Jam Seminggu Akhirnya Mendapatkan Asisten AI Gratis

marsbit07/20 02:02

Pasukan AI Malam Sang Pencipta Claude Code, Fable 5 Siap Dibangun dengan Dua Perintah Saja

Selama setahun terakhir, Boris Cherny, pencipta Claude Code, tidak menulis satu baris kode pun. Ia mengelola ratusan bahkan ribuan agen AI yang bekerja siang dan malam, menangani semua pengkodean. Kunci dari operasi ini adalah konsep "Loop" — tugas terjadwal yang dijalankan secara otomatis oleh Claude untuk menangani PR, memperbaiki CI, mengumpulkan umpan balik pengguna, dan banyak lagi. Pekerjaan kini telah berubah: dari interaksi satu perintah-satu respons menjadi merancang sistem otonom. Insinyur beralih peran dari penulis kode menjadi desainer dan pengawas sistem otomatis, dengan fokus pada validasi. Kunci keberhasilan Loop adalah mekanisme verifikasi mandiri (/goal), di mana model terpisah memeriksa apakah tujuan telah tercapai, mencegah produksi bug berkelanjutan. Kemampuan ini kini dapat diakses melalui Fable 5, yang menawarkan dua perintah utama: `/goal` untuk tugas dengan target spesifik yang dapat diverifikasi, dan `/loop` untuk tugas berulang. Untuk hasil optimal, pengguna disarankan menyiapkan sistem konteks lokal (folder dengan file memori dan instruksi) agar Fable 5 dapat "mengingat" preferensi dan informasi bisnis pengguna. Intinya, "pasukan malam" AI Boris terdiri dari tiga elemen: model yang dapat bekerja mandiri, standar definisi "selesai" yang jelas, dan siklus operasi yang andal. Tantangan terbesar kini adalah kemampuan mendefinisikan tugas dengan tepat kepada model.

marsbit07/20 00:27

Pasukan AI Malam Sang Pencipta Claude Code, Fable 5 Siap Dibangun dengan Dua Perintah Saja

marsbit07/20 00:27

MeiTuan Memimpin Investasi, Unicorn Baru Lahir di Industri Tangan Cekatan

Industri robotika humanoid semakin berkembang, dan salah satu komponen kunci untuk memungkinkan robot benar-benar "bekerja" di dunia fisik adalah **tangan lincah (dexterous hand)**. Dalam gelombang kecerdasan terwujud (embodied AI), perusahaan pemula **Xynova** menonjol sebagai pemain utama. Pada 17 Juli, Xynova secara resmi mengumumkan telah menyelesaikan pendanaan Seri A+ senilai **500 juta RMB**, dipimpin oleh Meituan, dengan partisipasi dari Nio Capital, China Merchants Capital, dan raksasa internet lainnya. Investor lama seperti Xiaomi terus mendukung. Pendanaan ini menempatkan Xynova ke dalam jajaran **unicorn**. Ini adalah putaran pendanaan ketiga Xynova tahun ini, dengan total sekitar 1,5 miliar RMB terkumpul hanya dalam 4 bulan. Daftar investornya mengesankan, mencakup raksasa industri seperti CATL, Xiaomi, JD.com, Li Auto, Meituan, Nio, dan BYD (melalui ZhenFund), dengan total nilai pasar pemegang saham industri melebihi **5 triliun RMB**. Banyak investor lama terus mendukung, menunjukkan keyakinan yang kuat terhadap strategi perusahaan. Pendanaan ini bukan hanya investasi finansial, tetapi juga upaya kolektif oleh rantai industri untuk mengamankan posisi dalam fondasi industri kecerdasan terwujud. Didirikan pada 2024 oleh CEO **Xia Yuxuan**, Xynova memfokuskan diri pada pengembangan solusi lengkap untuk tangan lincah, yang dianggap sebagai "sentimeter terakhir" yang menentukan kemampuan robot berinteraksi dengan dunia fisik. Alih-alih mengikuti tren membuat tubuh robot, perusahaan memilih untuk mengatasi tantangan teknis yang kompleks ini. Xynova mengadopsi pendekatan **full-stack in-house R&D**, dari komponen dasar seperti sekrup mikro, motor, dan algoritma kontrol hingga produk akhir, membangun parit teknologi yang dalam. Pada Agustus 2025, Xynova meluncurkan **Flex 1**, tangan lincah berpenggerak tendon pertama di dunia yang dikembangkan secara mandiri. Pada Mei 2026, mereka memperkenalkan **Flex 2**, solusi tangan lincah biomimetik pertama di dunia dengan penggerak **hibrida (tendon + direct drive)**. Dengan 23 derajat kebebasan, berat di bawah 400 gram, dan masa pakai tendon melebihi 1,5 juta siklus, Flex 2 dirancang untuk memenuhi standar industri yang ketat. Algoritma kontrol canggihnya memungkinkan presisi tingkat mikron dan kontrol gaya yang akurat. Narasi industri kini bergeser dari demonstrasi kemampuan robot menuju **komersialisasi dan produksi massal**. Tantangan terbesar adalah keandalan dan masa pakai dalam lingkungan kerja nyata. Xynova mengklaim produk mereka telah mencapai standar industri, dengan komponen inti yang tahan lama dan lulus uji ketat. Perusahaan telah membangun pabrik seluas 5.400 meter persegi di Hangzhou, menargetkan kapasitas produksi tahunan **10.000 unit** pada akhir tahun, mempersiapkan diri untuk penyebaran skala besar. Dengan dukungan modal industri yang kuat dan fokus pada rekayasa yang dapat diproduksi secara massal, Xynova memposisikan diri sebagai pemasok komponen kunci yang andal bagi pembuat robot humanoid. Mereka percaya bahwa robotika terwujud akan memasuki adopsi skala besar dalam **3 tahun ke depan, atau bahkan 18 bulan secara optimis**, dengan tangan lincah sebagai jembatan penting antara keputusan cerdas dan tindakan fisik.

marsbit07/17 03:53

MeiTuan Memimpin Investasi, Unicorn Baru Lahir di Industri Tangan Cekatan

marsbit07/17 03:53

Jensen Huang Mengubah Jepang Menjadi 'Titik Tumpu AI Fisik' Nvidia: Budi Sejarah 30 Tahun Lalu, Pengikatan Stack Penuh Kini

Pendiri dan CEO NVIDIA Jensen Huang melakukan serangkaian kunjungan dan perjanjian kerja sama di Jepang, menandakan komitmen perusahaan untuk menjadikan Jepang sebagai titik tumpu penting dalam peta "AI Fisik" globalnya. Huang mengumumkan kolaborasi dengan raksasa robotik Jepang, Fanuc dan Yaskawa Electric, untuk mengembangkan teknologi robot dan AI. Kerja sama dengan Toyota juga diperluas ke berbagai bidang seperti kendaraan otonom, simulasi pabrik, dan kecerdasan kota. Huang menekankan bahwa AI dapat membantu Jepang mengatasi kekurangan tenaga kerja dan meningkatkan produktivitas. Kunjungan ini juga diwarnai reuni emosional Huang dengan Shoichiro Irimajiri, mantan presiden SEGA, yang menyelamatkan NVIDIA dari kebangkrutan pada 1996 dengan investasi sekitar $5 juta. Mereka mengumumkan kelanjutan kerja sama, di mana game SEGA mendatang akan mendukung platform NVIDIA RTX Spark. Pada malam sebelum pengumuman resmi, Huang mengadakan makan malam di sebuah izakaya dengan para eksekutif kunci dari rantai pasokan semikonduktor Jepang, termasuk Kioxia, Shin-Etsu Chemical, Tokyo Electron, dan Ajinomoto, menunjukkan upaya mendalam untuk mengikat basis manufaktur dan pasokan Jepang dengan teknologi NVIDIA. Selain otomotif dan robotika, NVIDIA memperluas kolaborasinya di Jepang ke sektor-sektor penting seperti kesehatan (dengan perusahaan farmasi seperti Eisai dan Astellas), keuangan (dengan Mizuho Bank dan SMFG), dan komputasi kuantum (dengan lembaga penelitian RIKEN). Ada pula spekulasi mengenai kerja sama potensial dengan Noetra, konsorsium "AI Fisik" yang didukung pemerintah Jepang. Huang menolak kekhawatiran gelembung AI, menyatakan bahwa permintaan sangat kuat dan infrastruktur perlu dibangun setidaknya untuk satu dekade ke depan.

marsbit07/16 11:46

Jensen Huang Mengubah Jepang Menjadi 'Titik Tumpu AI Fisik' Nvidia: Budi Sejarah 30 Tahun Lalu, Pengikatan Stack Penuh Kini

marsbit07/16 11:46

Pada Tahun 2026, Bagaimana Stablecoin Akan Membentuk Ulang Lanskap Pembayaran Perusahaan?

Pada tahun 2026, stablecoin semakin terbukti bukan sekadar inovasi kripto, tetapi sebagai infrastruktur pembayaran praktis bagi perusahaan. Sistem pembayaran tradisional sering menghadapi tantangan seperti waktu penyelesaian lintas batas yang lambat (beberapa hari kerja), biaya tinggi, visibilitas terbatas, dan ketergantungan pada jam operasional bank. Stablecoin, dengan stabilitas harga mirip mata uang fiat namun dibangun di atas teknologi blockchain, menawarkan solusi dengan keunggulan bisnis yang nyata: penyelesaian lebih cepat (dalam hitungan menit), biaya transaksi lebih rendah, transparansi melalui catatan yang tidak dapat diubah, ketersediaan 24/7, dan jangkauan global. Hal ini mendukung berbagai skenario korporat seperti pembayaran ke pemasok lintas negara, penggajian tim terdistribusi, manajemen treasury, dan perdagangan B2B. Keunggulan kunci lainnya adalah kemampuan pembayaran yang dapat diprogram melalui kontrak pintar, yang mengotomatisasi alur kerja keuangan seperti penagihan berlangganan, pembayaran eskrow, dan penyelesaian faktur. Namun, adopsi oleh perusahaan sangat bergantung pada keamanan, kepatuhan (AML/KYC), dan infrastruktur yang memadai. Melihat ke depan, tren seperti tokenisasi aset, keuangan tersemat (embedded finance), dan sistem AI akan semakin mendorong adopsi stablecoin. Teknologi ini tidak lagi dipandang sebagai alternatif, tetapi sebagai komponen fundamental dalam lanskap pembayaran perusahaan masa depan, yang mampu mendukung operasi global yang efisien, otomatisasi, dan pengurangan biaya. Organisasi yang mulai mengeksplorasi sekarang akan lebih siap membangun sistem untuk mendukung perdagangan digital global generasi berikutnya.

marsbit07/16 06:34

Pada Tahun 2026, Bagaimana Stablecoin Akan Membentuk Ulang Lanskap Pembayaran Perusahaan?

marsbit07/16 06:34

Membaca Makalah Pendiri Circle tentang 'Ekonomi Agen', Memahami Bagaimana Bentuk Ekonomi Akan Direkonstruksi dalam Dekade Mendatang

Makalah "Agentic Economy" karya Jeremy Allaire, pendiri Circle, mengeksplorasi konvergensi antara sistem ekonomi dan kecerdasan buatan (AI). Inti argumennya adalah bahwa AI Agent (agen AI) dan ekonomi on-chain (ekonomi rantai-blok) adalah dua sisi dari sistem ekonomi masa depan yang sama. AI Agent akan mendekomposisi perusahaan menjadi tugas-tugas yang dapat diotomatisasi, mengubah peran manusia dari pelaksana menjadi pengawas. Agen-agen ini akan bekerja dalam lapisan orkestrasi, dikoordinasikan oleh manajer-agen, dan dapat disewa dari pasar terbuka. Untuk beroperasi dengan andal dalam skala global, mereka membutuhkan sistem moneternya sendiri: mata uang stabil yang sepenuhnya dijamin, diselesaikan secara final, dan berjalan di jaringan terbuka (blockchain). Mata uang ini memungkinkan transaksi berkecepatan tinggi, termasuk pembayaran mikro antar-agen. Ekonomi ini secara inheren bersifat global. Lapisan dasarnya terdiri dari mata uang stabil, lapisan tengah adalah sistem operasi ekonomi berbasis kontrak pintar, dan lapisan atas adalah eksekusi oleh agen. Sistem ini membutuhkan arsitektur identitas dan akuntabilitas yang kuat, di mana setiap agen dapat dilacak ke entitas dunia nyata yang bertanggung jawab. Implikasi mendalam termasuk transformasi pasar kredit (dengan underwriting berbasis data on-chain), pergeseran model bisnis dari berlangganan ke pembayaran-per-penggunaan, dan lahirnya "perusahaan on-chain" yang dijalankan oleh agen. Makalah ini juga mengakui tantangan besar: konsentrasi kekuatan ekonomi dan potensi penurunan pangsa pendapatan tenaga kerja manusia. Solusi yang diajukan adalah memperluas kepemilikan modal (agen, infrastruktur) kepada banyak orang, bukan mempertahankan pekerjaan lama. Masa depan akan ditentukan oleh desain sistem dan pilihan kebijakan untuk memastikan inklusivitas dan mencegah sentralisasi kekuasaan yang berlebihan.

Odaily星球日报07/15 02:20

Membaca Makalah Pendiri Circle tentang 'Ekonomi Agen', Memahami Bagaimana Bentuk Ekonomi Akan Direkonstruksi dalam Dekade Mendatang

Odaily星球日报07/15 02:20

Mengapa Semakin Pintar AI Menjawab, Semakin Penting Manusia untuk Berpikir Mendalam? Universitas Fudan Merilis Buku Biru Pengembangan Kecerdasan Humaniora dan Ilmu Sosial 2026

Dengan kemampuan AI yang semakin maju, kemampuan manusia untuk berpikir mendalam justru menjadi semakin kritis. Laporan Buku Biru Perkembangan Kecerdasan Humaniora dan Ilmu Sosial 2026 yang dirilis oleh Universitas Fudan mengangkat tema "Menemukan Kembali Nilai Pemikiran Mendalam". Laporan ini menekankan bahwa hubungan antara AI dan humaniora sedang bergeser dari "pemberdayaan satu arah" menuju "integrasi dua arah". AI mengubah cara penelitian dilakukan, sementara humaniora harus menentukan tujuan, penerapan, dan batasan penggunaan AI. Meskipun AI dapat membantu dalam analisis data, penulisan, dan bahkan pengambilan keputusan, tanggung jawab untuk mengajukan pertanyaan yang tepat, menilai validitas bukti, menafsirkan mekanisme yang mendasari, serta membuat pertimbangan nilai dan etika tetap berada di tangan manusia. Risiko muncul ketika AI menyederhanakan masalah kompleks menjadi format yang mudah diproses, berpotensi mengabaikan nuansa dan konteks sosial. Dalam penelitian, kecepatan generasi AI tidak sama dengan kemajuan pengetahuan. Penting untuk mempertahankan rantai bukti yang jelas, memastikan proses yang dapat dilacak, dan menjaga peran manusia dalam pengawasan kritis. Dalam tata kelola, transparansi, akuntabilitas, dan mekanisme intervensi manusia yang efektif sangat penting, terutama dalam sistem yang memengaruhi hak-hak publik. Pemikiran mendalam perlu diwujudkan dalam proses penelitian, prosedur tata kelola, dan desain sistem. Kerangka seperti STRIDES dirancang untuk mengintegrasikan pemeriksaan manusia dalam alur kerja penelitian yang melibatkan AI. Tata kelola AI harus mencakup seluruh siklus hidup sistem, dari penilaian risiko hingga mekanisme banding. Humaniora berkontribusi dengan mengonversikan konflik nilai menjadi analisis yang dapat ditimbang, mengukur konsekuensi sosial, dan menyediakan kerangka pengetahuan untuk memberikan arah bagi pengembangan teknologi. Membangun infrastruktur yang kuat untuk integrasi AI dan humaniora memerlukan lebih dari sekadar proyek-percontohan; diperlukan pengembangan data, alat, norma, talenta, dan mekanisme kolaborasi yang berkelanjutan. Kesimpulannya, di era di mana AI semakin mahir memberikan jawaban, peran manusia yang paling penting adalah menentukan pertanyaan apa yang harus diajukan, menilai jawaban yang diberikan, dan memastikan bahwa kemajuan teknologi selaras dengan nilai-nilai dan tanggung jawab manusia.

marsbit07/14 06:15

Mengapa Semakin Pintar AI Menjawab, Semakin Penting Manusia untuk Berpikir Mendalam? Universitas Fudan Merilis Buku Biru Pengembangan Kecerdasan Humaniora dan Ilmu Sosial 2026

marsbit07/14 06:15

AI Membongkar Halaman Utama Tao Setelah 30 Tahun, Langsung Menemukan Dua Bug yang Tersembunyi Selama 20 Tahun Lebih

Judul asli: AI Memperbarui Situs Web 30 Tahun Terence Tao, Menemukan Dua Bug Tersembunyi 20+ Tahun Terence Tao, seorang matematikawan peraih Fields Medal, baru-baru ini menggunakan agen AI (terutama Claude Code) untuk memigrasikan seluruh situs web pribadinya yang telah dirawat secara manual sejak 1997. Dalam satu hari, AI berhasil memindahkan 560 makalah, 374 catatan perjalanan, 68 kursus, dan banyak konten lainnya ke sistem statis baru berbasis GitHub Pages. Migrasi ini mengungkap dan memperbaiki banyak ketidakkonsistenan data dan tautan mati yang terakumulasi selama hampir 30 tahun. Lebih menarik lagi, AI juga membantu memporting sekitar 20 applet Java 1.0 lama (ditulis Tao antara 1998-2000 untuk visualisasi matematika) ke JavaScript, dan dalam prosesnya menemukan dua bug dalam kode asli Tao yang tidak pernah dia sadari sebelumnya. Inti dari transformasi ini adalah pergeseran dari memelihara file HTML individual ke sistem di mana YAML adalah "sumber kebenaran" tunggal. Halaman web sekarang dihasilkan secara otomatis dari data terstruktur ini, membuat pembaruan dan koreksi kesalahan jauh lebih mudah. Tao juga menyelesaikan proyek lama yang tertunda sejak 1999: sebuah simulator visual untuk diagram ruang-waktu relativistik khusus. Proyek yang dulu terhambat oleh kompleksitas kode ini berhasil diimplementasikan hanya dalam dua jam berkolaborasi dengan AI. Kesimpulan Tao: tugas pemeliharaan digital yang membosankan dan berulang seperti ini sangat cocok untuk otomatisasi oleh platform modern dan alat AI. Ini membebaskan peneliti dari "pekerjaan rumah digital" sehingga mereka dapat fokus pada inti pekerjaan mereka, dengan AI sebagai asisten yang menangani heavy lifting teknis.

marsbit07/14 04:05

AI Membongkar Halaman Utama Tao Setelah 30 Tahun, Langsung Menemukan Dua Bug yang Tersembunyi Selama 20 Tahun Lebih

marsbit07/14 04:05

活动图片