# Artikel Terkait Simulasi

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

Qingyan Precision Raised Ratusan Juta Yuan, Dipendanaan oleh Pemain Utama Alat Berat Milik Negara

Investor Daily AI melaporkan bahwa Qingyan Jingzhun (清研精准) telah menyelesaikan dua putaran pendanaan dengan total miliaran RMB dalam waktu 6 bulan hingga Juni, menandai penyelesaian Seri Pendanaan Ronda B. Rangkaian pendanaan ini melibatkan sumber daya industri yang kaya, termasuk dana milik perusahaan milik negara dan matriks modal dari enam perusahaan otomotif: **Beijing Auto Industry Investment, Xingyuan Capital, FAW Fusheng, Great Wall Capital, Shaanxi Auto Capital, dan Yulon Group**. Ini menunjukkan platform rekayasa AI fisik dan sistem validasi pengujian perusahaan telah tertanam dalam rantai pasokan inti produsen mobil domestik. Berfokus pada dasar rekayasa AI fisik untuk kecerdasan berwujud (*embodied AI*), Qingyan Jingzhun memanfaatkan lebih dari 8 tahun akumulasi di lokasi industri. Mereka telah mengembangkan infrastruktur seperti pipa data multimodal TsingLoop dan sistem pengujian *Robot-in-the-Loop* untuk menciptakan siklus tertutup "pengumpulan-simulasi-verifikasi-evaluasi-iterasi". Ini memungkinkan pelatihan dan validasi robot di lingkungan nyata dan kompleks, menjawab kebutuhan aksi pelatihan "real-world" pemerintah. Tim pendirinya memiliki latar belakang akademis dan industri yang kuat dari Tsinghua University, Stanford University, dan veteran industri robotika. Visi akhir perusahaan adalah mencapai **"satu platform dasar, satu otak, seratus aplikasi skenario vertikal"**, membangun kemampuan AI fisik yang dapat digunakan kembali di berbagai tugas industri. Pada titik kritis di mana AI fisik beralih dari konsep ke penerapan industri, Qingyan Jingzhun dipandang sebagai pemain inti yang memungkinkan landing kecerdasan berwujud di bidang industri.

marsbit07/13 04:34

Qingyan Precision Raised Ratusan Juta Yuan, Dipendanaan oleh Pemain Utama Alat Berat Milik Negara

marsbit07/13 04:34

Hampir 100 Pemain Menerjang Data Embodied: 4.47 Miliar Dana Diraup dalam Setahun, Siapa yang Benar-Benar Bisa Cuan 'Menjual Data'?

Menjelang Juli 2026, industri data embodied (pelatihan robot) di China telah berkembang menjadi jalur independen dengan hampir 100 pemain. Sebanyak 70 perusahaan fokus pada pengumpulan data melalui empat rute utama: teleoperasi robot fisik, pengumpulan tanpa robot (seperti motion capture), simulasi sintetis, dan distilasi video internet. Mayoritas pemain adalah penyedia layanan data independen (40%), diikuti platform data milik negara (26%) dan perusahaan robotika (25%). Kapasitas produksi tahunan industri saat ini diperkirakan 1,6-1,8 juta jam data fisik, dengan target jangka pendek meningkat 15-20 kali lipat. Sentra produksi tersebar di 20 provinsi, terutama di kawasan Yangtze Delta. Dalam satu tahun terakhir (Juli 2025-Juli 2026), 15 penyedia layanan data independen mengumpulkan total pendanaan sekitar RMB 4,47 miliar. Namun, angka ini jauh lebih kecil dibandingkan pendanaan untuk pengembangan model AI embodied, menunjukkan sikap hati-hati investor. Industri ini masih sangat awal: lebih dari setengah perusahaan pendatang baru berusia di bawah setahun, mayoritas masih dalam tahap pendanaan awal (Pra-A/A), dan belum ada model bisnis "menjual data" yang terbukti menguntungkan. Dua hingga tiga tahun ke depan akan menjadi periode kritis untuk menguji kelayakan bisnis ini.

marsbit07/12 02:34

Hampir 100 Pemain Menerjang Data Embodied: 4.47 Miliar Dana Diraup dalam Setahun, Siapa yang Benar-Benar Bisa Cuan 'Menjual Data'?

marsbit07/12 02:34

1600 Baris Kode Menciptakan Manhattan Bawah Air, Fable 5 Bikin Karpathy Terpana

Fable 5, model AI baru yang baru saja diluncurkan ulang, memukau komunitas teknologi dengan kemampuannya menghasilkan dunia 3D yang kaya dan interaktif hanya dari deskripsi teks. Andrej Karpathy dari Anthropic menyebutnya sebagai "fablemaxxing" tingkat tinggi setelah menyaksikan video demonstrasi oleh Peter Gostev dari Arena.ai. Dalam video tersebut, Gostev menunjukkan 63 dunia 3D yang dihasilkan Fable 5, sebagian besar langsung berhasil dalam sekali percobaan. Dunia-dunia ini mencakup enam tema: kota raksasa (seperti Manhattan bawah air yang dibuat hanya dengan 1.600 baris kode), adegan interaktif (seperti parkour dan simulator penerbangan), lukisan dunia yang bisa dijelajahi (seperti "Starry Night" van Gogh), perspektif unik (dari sudut pandang semut), keajaiban alam, serta elemen dan alam semesta. Kemampuan Fable 5 untuk secara koheren mengelola sejumlah besar elemen dalam satu adegan dan "membuka" karya seni 2D menjadi dunia 3D yang dapat dinavigasi sangat mengejutkan. Meskipun demikian, Gostev mengakui bahwa model ini masih memiliki kelemahan dalam menciptakan gameplay yang menarik untuk waktu lama dan terkadang tampak "malas", perlu didorong untuk menggunakan kemampuannya secara maksimal. Pencapaian Fable 5, yang juga memuncaki peringkat Arena.ai, menimbulkan pertanyaan mendalam tentang sejauh mana pemahaman AI tentang dunia dan kemampuannya menerjemahkan pemahaman itu ke dalam kode dan simulasi. Baik Karpathy maupun Gostev percaya bahwa eksplorasi batas kemampuan model semacam ini baru saja dimulai.

marsbit07/06 09:50

1600 Baris Kode Menciptakan Manhattan Bawah Air, Fable 5 Bikin Karpathy Terpana

marsbit07/06 09:50

Konsep Model Dunia untuk Pemula: Sebuah Kisah dari Psikologi hingga Medan Utama AI

**Ringkasan Konsep Model Dunia: Dari Psikologi ke Medan Utama AI** Model Dunia adalah konsep yang sangat hangat di dunia AI namun sering membingungkan banyak orang. Pada dasarnya, model dunia bertujuan memberi mesin "papan pasir mental" untuk mensimulasikan dan memprediksi kejadian di dunia nyata sebelum bertindak. Kemampuan ini, yang dalam psikologi disebut "model mental", memungkinkan AI berlatih dan bereksperimen secara virtual, mengurangi ketergantungan pada data dunia nyata yang mahal dan terbatas. Konsep ini berakar dari ide psikolog Kenneth Craik (1943) tentang bagaimana otak membangun model internal untuk memprediksi peristiwa. Di AI, pionir seperti Marvin Minsky dengan "Teori Kerangka" dan peneliti seperti David Ha serta Jürgen Schmidhuber (2018) menghidupkan kembali konsep ini dalam pembelajaran mendalam. Para ahli memiliki pandangan berbeda: * **Yann LeCun** (Meta) mengkritik LLM dan mengadvokasi model prediktif seperti JEPA yang memahami struktur fisika dunia, bukan hanya menghasilkan konten. * **Fei-Fei Li** (Stanford/World Labs) mengklasifikasikan model dunia menjadi tiga jenis berdasarkan siklus "aksi-observasi": **Perender** (menghasilkan piksel/visual), **Simulator** (menghasilkan status dunia dengan akurasi struktural/fisik), dan **Perencana** (menghasilkan aksi). * **Tim FIB-Lab Tsinghua** membaginya menjadi dua fungsi inti: **Memahami Dunia** (mendukung pengambilan keputusan) dan **Memprediksi Masa Depan** (menghasilkan status/video masa depan). Perusahaan teknologi besar juga mendefinisikannya sesuai kebutuhan: * **OpenAI** menyebut **Sora** sebagai "simulator dunia" berbasis video. * **Google DeepMind** membangun **Genie 3** sebagai model dunia 3D interaktif waktu-nyata. * **NVIDIA** mengembangkan **Cosmos** sebagai platform "model fondasi dunia" untuk AI fisik. * **Perusahaan China** seperti Alibaba, Tencent, Huawei, dan pembuat mobil (NIO, XPeng, Li Auto) mengembangkan solusi serupa untuk simulasi mengemudi, robotika, dan dunia virtual, meski sering menggunakan nama berbeda. Secara teknis, ada tiga jalur pendekatan utama: 1. **"Melukis" (Generatif)**: Model pembuat video seperti Sora. Keunggulan visual, tetapi konsistensi fisika lemah. 2. **"Kalkulasi Mental" (Prediktif Abstrak)**: Seperti JEPA LeCun. Memprediksi representasi abstrak, efisien dan lebih stabil mempelajari fisika, tetapi kurang terinterpretasi. 3. **"Menyusun Balok" (Simulasi 3D Eksplisit)**: Seperti NVIDIA Omniverse. Menghasilkan lingkungan 3D dengan properti geometri dan fisika. Tepat dan dapat dikontrol, tetapi memerlukan data khusus dan mahal. Perkembangan terkini bergerak menuju **Model Aksi Dunia (WAM)** yang menggabungkan prediksi keadaan masa depan dan pembuatan aksi dalam satu model, mencapai "pengetahuan dan tindakan yang selaras" untuk robotika. Industri model dunia mulai terbentuk dalam tiga lapisan: * **Lapisan Dasar**: Data, daya komputasi (didominasi GPU NVIDIA), dan sensor. * **Lapisan Platform Teknis**: Platform serbaguna (Omniverse, Pangu) dan platform vertikal (untuk mobil otonom, konstruksi). * **Lapisan Aplikasi**: Mobil otonom (paling matang), robotika, game, konstruksi cerdas, layanan spasial, simulasi medis. Kekacauan dalam penamaan dan definisi sebenarnya adalah tanda awal revolusi teknologi, mirip dengan fase awal komputasi awan atau AI. Semua pendekatan, meski berbeda, mengarah pada tujuan yang sama: memberdayakan mesin dengan model internal dunia yang dapat disimulasikan untuk bertindak lebih aman, efisien, dan cerdas di dunia nyata. Konsep akan menyatu ketika teknologinya matang. Saat ini, ketidakseragaman justru menandakan bahwa model dunia telah memasuki medan pertempuran utama pengembangan AI.

marsbit06/29 05:13

Konsep Model Dunia untuk Pemula: Sebuah Kisah dari Psikologi hingga Medan Utama AI

marsbit06/29 05:13

Model Dunia, Metaverse, Digital Twin, Fisika AI: Apakah Mereka Hal yang Sama?

Dalam beberapa tahun terakhir, konsep seperti metaverse, Web3.0, platform data simulasi, digital twin, dan Physical AI bermunculan, menciptakan kebingungan. Konsep-konsep ini bukanlah hal yang sama dengan Model Dunia (World Model), tetapi semuanya mengarah pada tren besar: kaburnya batas antara dunia digital dan fisik. Model Dunia berperan sebagai "lapisan kognitif" atau "sistem operasi dasar" yang bertanggung jawab agar AI dapat memahami dan mensimulasikan dunia. Analisis hubungannya dengan konsep lain adalah sebagai berikut: 1. **Metaverse**: Ini adalah tujuan atau "ruang pengalaman" imersif. Model Dunia berpotensi menjadi "mesin" atau alat pembuat konten otomatisnya, menghasilkan dunia 3D yang dapat diinteraksi dari teks, sehingga mengatasi hambatan pembuatan konten yang mahal. 2. **Web3.0**: Berfokus pada kepemilikan data, identitas, dan insentif ekonomi berbasis blockchain (masalah aturan/ekonomi). Ini berada di lapisan teknis yang berbeda dengan Model Dunia (masalah rekayasa pemahaman dunia). 3. **Platform Data Simulasi** (mis. untuk mobil otonom): Dapat dilihat sebagai versi 1.0 dari Model Dunia. Platform tradisional mengandalkan pembuatan skenario manual/berbasis aturan, sedangkan Model Dunia (versi 2.0) menggunakan AI untuk menghasilkan variasi skenario yang realistis secara otomatis dan masif. 4. **Digital Twin**: Adalah cermin real-time dari objek fisik (mis. pabrik, kota). Model Dunia melangkah lebih jauh dengan menambahkan kemampuan untuk **memprediksi masa depan** dan mensimulasikan hasil dari berbagai tindakan, bukan hanya mereplikasi keadaan saat ini. 5. **Physical AI** (AI fisik seperti robot, mobil otonom): Model Dunia adalah komponen intinya, khususnya untuk fungsi "memahami" hukum dunia dan memprediksi konsekuensi sebelum bertindak. Ini adalah "korteks otak" yang mensimulasikan sebelum eksekusi. Secara hierarki, Model Dunia berada di **Lapisan Kognitif**, yang mendukung lapisan aplikasi (simulasi, digital twin), lapisan aksi (Physical AI), dan lapisan pengalaman (metaverse). Ia bergantung pada infrastruktur dasar seperti komputasi dan data. Kesimpulannya, Model Dunia bukanlah konsep-konsep tersebut, tetapi ia berpotensi menjadi **sistem operasi** atau fondasi kognitif yang dibutuhkan banyak konsep itu untuk mewujudkan janji-janjinya dalam menghubungkan dan mengaburkan batas antara dunia digital dan fisik.

marsbit06/28 10:44

Model Dunia, Metaverse, Digital Twin, Fisika AI: Apakah Mereka Hal yang Sama?

marsbit06/28 10:44

Perang Tanpa Nama Seragam: Peta Dunia Model dari Para Raksasa Domestik

"Dunia Model" belum memiliki nama yang seragam di industri. Beberapa menyebutnya Dunia Model, Dunia Model Dasar, AI Fisik, atau menyembunyikannya dalam arsitektur seperti model mobil otonom, VLA, atau sistem kecerdasan embodied. Di balik kebingungan penamaan, intinya sama: membuat mesin membangun lingkungan dinamis internal yang dapat disimulasikan dan dianalisis ulang, mengurangi ketergantungan pada data nyata, dan memampatkan dunia nyata menjadi mesin data yang dapat menghasilkan, mencoba, dan mengulang tanpa batas. Raksasa internet seperti Alibaba, Tencent, ByteDance, Huawei, dan Baidu memiliki pendekatan berbeda. Alibaba meluncurkan tiga model untuk dunia bahasa, virtual, dan fisik. Tencent fokus pada dunia 3D yang dapat diedit untuk game dan sosial. ByteDance memanfaatkan data video, sementara Huawei dan Baidu mengintegrasikan kemampuan ini ke dalam sistem mobil dan AI yang lebih besar tanpa menyebutnya secara terpisah. Produsen mobil seperti NIO, Li Auto, XPeng, Geely, BYD, dan Great Wall menggunakan Dunia Model sebagai "sekolah menyetir dan ujian" untuk pelatihan dan simulasi sistem mengemudi otonom. Mereka menggunakannya untuk menghasilkan skenario kompleks, meningkatkan keamanan, dan mempercepat pengembangan. Penyedia teknologi seperti Momenta, Horizon Robotics, Haomo.AI, dan DeepRoute bertindak sebagai "mesin dunia tersembunyi" di balik layar. Mereka menyediakan model dan platform simulasi yang membantu pabrikan menguji dan menyempurnakan sistem L3/L4. Perusahaan rintisan lebih gesit dan fokus, tetapi menghadapi tantangan data, daya komputasi, dan skala. Sementara itu, raksasa teknologi dan otomotif memiliki keunggulan sumber daya dan jalur integrasi ke produk nyata. Kompetisi bergeser dari sekadar menciptakan model menjadi siapa yang dapat secara efektif mengintegrasikannya ke dalam sistem yang memahami dan berinteraksi dengan dunia fisik. Dunia Model bukan sekadar tren, tetapi evolusi alami dari model bahasa besar, model generasi video, dan sistem otonom. Ini telah menjadi infrastruktur industri kunci, dengan pertempuran untuk mendefinisikan dan menguasainya semakin intens.

marsbit06/25 06:56

Perang Tanpa Nama Seragam: Peta Dunia Model dari Para Raksasa Domestik

marsbit06/25 06:56

Tiga Bulan 35 Miliar, Investor Berebut OpenAI Dunia Fisik

Momen akrab itu terulang kembali. Dalam tiga bulan, Jijia Shijie (极佳视界) telah merampungkan tiga putaran pendanaan, mengumpulkan total 35 miliar RMB. Para investor, mulai dari dana 'tim nasional', modal industri, hingga lembaga keuangan ternama, berbaris mendukung. Didirikan oleh Dr. Huang Guan, seorang doktor lulusan Tsinghua berusia 90-an dengan pengalaman di bidang AI fisik, visi Jijia Shijie adalah mencapai AGI Fisik (Kecerdasan Umum Buatan di Dunia Fisik). Mereka mengatasi tantangan utama seperti fragmentasi data dan keterbatasan model bahasa dengan membangun sistem "Piramida Ganda" yang terdiri dari algoritma dan data. Inti teknologinya adalah sistem model "Generasi Dunia-Tindakan". Model tindakan (seperti GigaBrain-0 dan GigaWorld-Policy) mengubah pemahaman dunia menjadi strategi aksi untuk robot, meraih peringkat tertinggi dalam berbagai benchmark global. Model generasi dunia (seperti GigaWorld-1 dan DriveDreamer) memahami dan mensimulasikan dunia fisik, menyediakan data dan dasar simulasi. Keduanya saling melengkapi untuk mendorong AGI Fisik menuju "momen GPT-3"-nya. Jijia Shijie tidak hanya berfokus pada riset. Mereka mengejar realisasi nilai industri melalui dua jalur: masuk ke rumah (sektor C) dan pabrik (sektor B). Untuk sektor C, mereka meluncurkan merek "ShiGuang SeeLight" dan robot humanoid serbaguna "S1", yang telah mendapatkan pesanan nyata dan akan mulai dioperasikan secara komersial. Di sektor B, mereka bekerja sama dengan perusahaan industri seperti FAW Mold dan Longsheng Technology untuk menyebarkan ribuan robot serbaguna dalam skenario manufaktur, menandai dimulainya produksi massal. Model dunia mengemudi DriveDreamer mereka juga telah digunakan oleh lebih dari 30 perusahaan otomotif dan otonom terkemuka. Dengan pendekatan "penggerak ganda" ini, Jijia Shijie bertujuan untuk mengumpulkan data dunia nyata yang berharga dan arus kas, yang selanjutnya akan memberi makan sistem piramida data mereka, menciptakan siklus pertumbuhan yang berkelanjutan. Mereka membayangkan masa depan di mana AGI Fisik, dengan kemampuannya untuk memahami dan bertindak dalam dunia nyata, tidak hanya meningkatkan efisiensi informasi tetapi juga secara mendalam membentuk kembali produksi dan gaya hidup, akhirnya melayani setiap rumah tangga.

marsbit06/15 01:34

Tiga Bulan 35 Miliar, Investor Berebut OpenAI Dunia Fisik

marsbit06/15 01:34

Manifesto Model Dunia Li Feifei

"Model Dunia" telah menjadi istilah yang sering digunakan namun kabur dalam AI. Dalam blog terbarunya, Li Fei-Fei menekankan bahwa mesin saat ini pandai berbicara tentang dunia melalui bahasa, tetapi tidak memahami esensi fisiknya. Untuk mencapai kecerdasan berwujud, AI harus beralih dari statistik teks ke pemahaman hukum fisika, ruang, dan waktu. Ia memecah konsep model dunia menjadi tiga pilar inti: 1. **Renderer:** Menghasilkan gambar/video yang terlihat realistis secara visual (seperti Sora), tetapi seringkali tidak masuk akal secara fisik. 2. **Simulator:** Memprioritaskan kesetiaan pada hukum fisika (seperti massa, tabrakan), yang penting untuk robotika dan industri. NVIDIA Omniverse adalah contoh utama. Ini adalah penghubung penting tetapi menantang karena membutuhkan data 3D yang tepat. 3. **Perencana (Planner):** Bertanggung jawab untuk membuat keputusan dan tindakan dalam lingkungan yang kompleks. Tantangan utama termasuk kurangnya data fisik yang tepat dan risiko "kesalahan" dalam simulasi. Namun, batas antara rendering, simulasi, dan perencanaan mulai kabur. Masa depan menuju model dasar yang terpadu yang dapat menyatukan realisme visual dan simulasi fisika yang dapat berinteraksi. Pada akhirnya, ini bukan hanya tentang algoritma, tetapi tentang mendefinisikan standar digital untuk dunia fisik. "Model dunia adalah cara mesin akhirnya memahami, membayangkan, bernalar, dan berinteraksi dengan dunia fisik," tulis Li Fei-Fei. Meskipun jalan menuju model dunia yang sejati masih panjang, ini adalah langkah penting menuju AGI.

marsbit06/09 00:40

Manifesto Model Dunia Li Feifei

marsbit06/09 00:40

Dari Kode ke Kognisi: Panduan Panjang Evolusi Otak Robot

**Dari Kode ke Kognisi: Evolusi Otak Robot** Era robot sebelumnya bergantung pada kode yang dirancang dengan hati-hati untuk persepsi, perencanaan, dan kontrol (seperti PID), membatasi kemampuan generalisasi. Kemajuan datang dengan pembelajaran mendalam untuk persepsi visual dan pembelajaran penguatan untuk kontrol motorik, tetapi kebijakan tetap sempit. Titik balik terjadi dengan munculnya Model Bahasa Besar (LLM). LLM bertindak sebagai perencana tingkat tinggi, menerjemahkan instruksi bahasa alami menjadi urutan keterampilan atomik untuk dieksekusi oleh sistem robot tradisional (seperti ROS2). Ini adalah lompatan besar, tetapi LLM hanya penjadwal cerdas, bukan penggerak langsung. Lompatan berikutnya adalah Model Visi-Bahasa-Aksi (VLA). Model ini menggabungkan persepsi visual dan instruksi bahasa langsung ke dalam satu jaringan neural untuk menghasilkan perintah gerakan, menyatukan penalaran dan tindakan. Ini memungkinkan generalisasi yang lebih baik. Arsitektur populer (seperti di Figure AI, NVIDIA GR00T) menggunakan sistem "otak ganda": Model S2 yang besar dan lambat (7-9Hz) untuk penalaran tingkat tinggi, dan model S1 yang kecil dan cepat (200Hz) untuk menghasilkan gerakan halus. Lapisan S0 (1kHz) menangani keseimbangan dan koordinasi refleksif. Komputasi untuk kontrol keselamatan yang kritis dijalankan secara lokal di papan (mis., pada NVIDIA Jetson) karena masalah latensi dan keandalan jaringan. Cloud digunakan untuk antarmuka percakapan dan pembelajaran kumpulan data. Model sumber terbuka (seperti OpenVLA, NVIDIA GR00T, π0) sangat penting, memungkinkan startup mengadaptasi model dasar dengan data robot mereka sendiri, mempercepat inovasi. Namun, VLA masih memiliki keterbatasan: pemulihan kesalahan, efisiensi sampel, generalisasi lintas platform, perencanaan jangka panjang, dan pemahaman fisika yang mendalam. Di sinilah **Model Dunia** menjadi kunci. Model Dunia adalah jaringan neural yang memprediksi keadaan dunia masa depan berdasarkan keadaan saat ini dan tindakan yang diusulkan (misalnya, menghasilkan video yang disimulasikan). Ini memungkinkan robot untuk "berpikir sebelum bertindak", mensimulasikan berbagai skenario, mengevaluasi hasil, dan memilih tindakan terbaik sebelum eksekusi. Pendekatan ini meningkatkan pemulihan, generalisasi, perencanaan, keamanan, dan memungkinkan pembangkitan data sintetis skala besar. Arsitektur utama termasuk difusi video tingkat piksel (Cosmos/Sora), JEPA (LeCun), dan model dunia tindakan laten (Genie). Masa depan robot humanoid mungkin menggabungkan VLA dengan Model Dunia untuk perencanaan berbasis simulasi. Data (terutama melalui operasi jarak jauh) tetap menjadi penghalang utama. Sementara narasi "momen ChatGPT" untuk robot agak menyesatkan (saat ini lebih mirip era GPT-2), kemajuan menuju robot yang mampu beradaptasi secara umum sangat cepat. Evolusi dari kode buatan ke model dunia yang dipelajari secara perlahan memindahkan kecerdasan dari pikiran insinyur ke dalam sistem yang mampu memahami dan membayangkan dunia.

marsbit06/07 13:05

Dari Kode ke Kognisi: Panduan Panjang Evolusi Otak Robot

marsbit06/07 13:05

AI Fisika Sedang Tren, Beberapa Pikiran Baru Saya

Konsep "AI Fisik" (Physical AI) sedang menjadi sorotan. Tidak seperti AI tradisional yang terbatas pada dunia digital, AI Fisik bertujuan untuk memberikan kecerdasan buatan sebuah "tubuh" agar dapat memahami dan berinteraksi dengan hukum fisik dunia nyata, seperti gravitasi dan gesekan, untuk melakukan tindakan nyata seperti menuang air atau memindahkan barang. Tahun 2026 dianggap sebagai "tahun awal era implementasi," menandai peralihan dari robot yang sekadar "bisa bergerak" menjadi yang benar-benar "bisa bekerja." Perusahaan seperti **Zhiyuan Robotics** di China dan **Figure AI** di AS menunjukkan kemajuan pesat, dengan demo yang makin realistis dan rencana produksi massal. **NVIDIA** juga berperan penting dengan platform simulasi dan kerja sama dengan raksasa robot industri. Faktor pendorong lainnya adalah **konvergensi teknologi**. Kemajuan dalam "model dunia" (*world models*) seperti NVIDIA Cosmos dan proyek open-source lainnya memungkinkan pembuatan data pelatihan sintetis yang murah dan realistis. Selain itu, terjadi **alih teknologi dari industri otomotif**. Pengetahuan dan rantai pasok dari pembuatan mobil, terutama dalam sistem persepsi otonom, kini diterapkan untuk mempercepat pengembangan robot. Intinya, AI Fisik bukan hanya tentang algoritme canggih, tetapi tentang menggabungkannya dengan kemampuan manufaktur, manajemen rantai pasok, dan pemahaman mendalam tentang operasi di dunia fisik. Kompetisi untuk mendefinisikan masa depan otomatisasi fisik yang cerdas baru saja dimulai.

marsbit05/18 04:47

AI Fisika Sedang Tren, Beberapa Pikiran Baru Saya

marsbit05/18 04:47

活动图片

Kategori Populerright-arrow

Tag Populerright-arrow