Tiga Raksasa Silicon Valley Memulai Revolusi Produksi Massal, apakah Kecerdasan Tubuh Tiongkok akan berada di jalur global pada posisi C?

Pengantar: Tindakan pra-set adalah tiket masuk hari ini, kemampuan generalisasi adalah tiket final besok.

Editor｜Jing Cheng

Penulis｜Jiang Jing

Menjelang akhir kuartal pertama tahun 2026, sebuah aksi global yang sinkron di dunia teknologi secara resmi menandai titik balik bersejarah industri robot humanoid.

Tiga raksasa Silicon Valley—Google, Amazon, dan Tesla—berkonsentrasi dalam seminggu, dari pemberdayaan teknologi, penataan skenario, hingga produksi massal secara menyeluruh, mendorong robot humanoid dari panggung teknologi ke arena industri.

Sementara itu, di China juga ada lebih banyak langkah. Pada 26 Maret, Chinese Academy of Information and Communications Technology (CAICT) bersama lebih dari 40 lembaga merilis standar industri pertama di bidang kecerdasan embodied, ditambah dengan kebijakan yang terus didukung, percepatan implementasi perusahaan, dan antusiasme modal yang tinggi, China sedang mewujudkan lompatan dari mengikuti ke bersaing sejajar, bahkan mulai melancarkan serangan ke posisi terdepan di berbagai bidang.

Apakah revolusi yang akan mengubah aturan bisnis dan ekosistem industri masa depan ini dapat didominasi China?

Gelombang Global: Raksasa Silicon Valley Meluncurkan Produksi Massal, Membangun Ulang Produktivitas Masa Depan

Tak ada lagi yang menganggap robot humanoid sebagai konsep fiksi ilmiah.

Baru-baru ini, aksi sinkron dari tiga raksasa Silicon Valley membuat langkah menuju era produksi massal semakin jelas terdengar, setiap langkah mereka langsung mengarah pada rekonstruksi produktivitas masa depan, dan diikuti oleh modal global serta perusahaan lokal, semakin meningkatkan kehangatan jalur ini.

Google memimpin dalam membangun “otak cerdas” untuk robot, meluncurkan dua model AI baru, Gemini Robotics dan Gemini Robotics-ER. Yang pertama memungkinkan robot memahami situasi baru tanpa pelatihan khusus, yang kedua mampu “memahami dunia yang kompleks dan dinamis,” memberdayakan robot dari aspek teknologi agar mampu mengaplikasikan di skenario nyata.

Amazon fokus pada penataan skenario, dalam satu minggu mereka mengakuisisi startup robot humanoid Fauna Robotics dan perusahaan robot logistik Rivr. Penataan ini bukan hanya untuk mengoptimalkan pengiriman paket, tetapi juga membangun “kapilari layanan robot” dari jalur pabrik hingga ruang tamu rumah, menciptakan sistem tenaga kerja generasi berikutnya.

Langkah produksi massal Tesla paling menarik perhatian. Pada 25 Maret, pengumuman rekrutmen untuk robot Optimus dirilis, secara tegas menyatakan akan mengubah pola tenaga kerja dan ekonomi industri manufaktur, dengan target segera mencapai produksi massal besar-besaran, dan pada musim panas tahun ini akan memulai jalur produksi robot humanoid dengan kapasitas satu juta unit per tahun—mendorong realisasi produksi massal ke tahap nyata.

Selain itu, di Silicon Valley, penataan tidak berhenti. Pada hari yang sama, robot humanoid Figure03 yang dikembangkan oleh Figure AI masuk ke Gedung Putih, menjadi robot humanoid buatan AS pertama yang ditempatkan di Gedung Putih, mampu berkomunikasi dalam berbagai bahasa dan menyelesaikan pekerjaan rumah secara mandiri. Perusahaan ini telah mendapatkan pendanaan lebih dari 1 miliar dolar AS setengah tahun lalu, dan raksasa seperti Nvidia dan LG turut mendukung, menunjukkan antusiasme modal global terhadap jalur robot humanoid.

Yuan Shuai, Wakil Kepala Departemen Investasi di Chinese Urban Development Research Institute, menyatakan bahwa langkah produksi massal dari raksasa Silicon Valley dan peluncuran standar industri kecerdasan embodied di China secara bersama menandai bahwa industri robot humanoid dari tahap penelitian teknologi menuju masa kejayaan komersialisasi, di mana terobosan teknologi utama mendukung produksi skala besar, dan standar industri menetapkan norma teknis serta mengurangi kompetisi tidak teratur.

Namun, pakar dari China Society of Science and Technology News, Gao Heng, memberikan penilaian hati-hati, bahwa saat ini industri masih berada di malam sebelum komersialisasi dan tahap realisasi parsial, bukan masa ledakan komersialisasi secara menyeluruh. Perubahan inti industri saat ini adalah berbagai kekuatan mulai bersama-sama memverifikasi apakah robot “dapat bekerja secara berkelanjutan di skenario nyata dan biayanya terkendali,” bukan sekadar terobosan teknologi.

Strategi China: Keunggulan Multi-Dimensi Menetapkan Posisi, Kelemahan Inti Segera Diperbaiki

Ketika raksasa Silicon Valley meluncurkan gelombang produksi massal, China tidak pasif mengikuti, melainkan sudah melakukan penataan sejak awal. Dengan keunggulan dalam standar, skenario, pasar, dan modal, China telah menempatkan posisi yang kokoh di jalur kecerdasan embodied global. Namun, dibandingkan dengan raksasa Silicon Valley, masih terdapat kesenjangan utama dalam teknologi dan kemampuan inti, yang menjadi hambatan bagi pengembangan industri lebih lanjut.

Dari segi keunggulan, penataan China menunjukkan ciri khas lokal dan efek pendahuluan yang nyata. Pertama, dalam menguasai hak bicara standar, pada 26 Maret, CAICT bersama lebih dari 40 lembaga merilis standar industri pertama di bidang kecerdasan embodied, membangun kerangka pengujian standar yang seragam, sehingga menguasai inisiatif dalam penetapan standar di awal perkembangan industri.

Kedua, dalam penataan skenario, pengembangan kecerdasan embodied di China tidak berhenti di tahap demonstrasi, tetapi benar-benar menerapkan aplikasi nyata, seperti robot berkaki empat YuShu yang sudah digunakan di stasiun listrik Zhejiang, jalur pipa bawah tanah Hangzhou, dan basis petrokimia Guangdong, dalam berbagai proyek inspeksi industri.

Selain itu, China memiliki pasar yang besar dan lingkungan modal yang aktif. Pada 2025, lebih dari 140 perusahaan perangkat lengkap kecerdasan embodied domestik, merilis lebih dari 330 model robot humanoid, dengan volume pengiriman sekitar 17.000 unit. Skala pasar kecerdasan embodied dan robot humanoid masing-masing mencapai 5,295 miliar yuan dan 8,239 miliar yuan.

Di sisi modal, IPO YuShu Technology telah diterima dan menjadi perusahaan robot humanoid pertama di A-share. Sejak awal tahun, pendanaan besar-besaran di industri kecerdasan embodied meningkat, mempercepat proses kapitalisasi. Pada periode Januari-September 2025, pendapatan penjualan robot berkaki empat dan robot humanoid YuShu masing-masing meningkat 182,22% dan 6,42 kali lipat secara tahunan, membuktikan potensi pasar secara langsung.

Meskipun perkembangan sangat pesat, China juga memiliki kekurangan yang jelas dalam kompetisi global.

Banyak pakar menunjukkan bahwa kesenjangan utama antara robot humanoid China dan luar negeri bukan pada pembuatan perangkat keras, tetapi pada akumulasi data, kemampuan generalisasi model, dan dasar teknologi yang mendalam. Secara kasat mata, terlihat dari kurangnya kelincahan gerak dan kemampuan generalisasi robot.

Yuan Shuai berpendapat bahwa kesenjangan antara robot humanoid China dan luar negeri tampak dari perbedaan kelincahan gerak dan kemampuan generalisasi, tetapi akar permasalahannya terletak pada teknologi dasar, akumulasi data, dan filosofi R&D. Contohnya, RoboCat dari Google mampu melakukan gerakan yang fleksibel dan generalisasi berkelanjutan berkat akumulasi teknologi jangka panjang, terutama di bidang algoritma model besar, penggabungan sensor, dan kontrol dinamika robot, didukung oleh data pelatihan multi-skenario yang melimpah, sehingga robot mampu belajar mandiri dan beradaptasi dengan lingkungan.

Dia menambahkan bahwa produk domestik saat ini masih banyak bergantung pada gerakan yang sudah diprogram dan reproduksi skenario tetap. Kesenjangan utama adalah pertama, kurangnya data pelatihan berkualitas tinggi dan skala besar dari skenario nyata; kedua, ketergantungan pada komponen utama seperti motor servo presisi tinggi dan sensor gaya yang masih impor, membatasi tingkat presisi gerak dan persepsi.

Gao Heng menambahkan bahwa perbedaan nyata terletak pada apakah data, model, sistem rekayasa, dan kemampuan siklus tertutup skenario dapat saling terhubung. Perusahaan terkemuka luar negeri bertujuan membangun robot cerdas yang mampu memahami lingkungan dan menyelesaikan tugas secara mandiri, dengan inti pengembangan sebagai produk data yang dapat terus diperbarui. Kemampuan generalisasi adalah kemampuan gabungan, dan di China, bukan hanya teknologi tunggal yang tertinggal, tetapi data dan skenario belum mampu membentuk roda penggerak iterasi, sehingga robot hanya bisa melakukan penyesuaian di satu tugas, sulit menjadi semakin pintar seiring waktu.

Penulis ekonomi terkenal dan kepala Yao Yuan Impact Research Institute, Gao Chengyuan, menyatakan bahwa kesenjangan utama terletak pada akumulasi data dan kemampuan generalisasi model. Di luar negeri, mereka unggul dalam transfer belajar dari simulasi ke dunia nyata dan strategi multi-tugas yang umum, berkat investasi jangka panjang dalam membangun siklus data lintas skenario dan kemampuan pengembangan model dasar. Di China, masih didominasi oleh gerakan yang sudah diprogram, secara esensial kekurangan data embodied berkualitas tinggi, dan kemampuan komputasi serta rekayasa algoritma untuk model besar end-to-end masih tertinggal secara generasi.

YuShu Technology juga mengakui bahwa teknologi kunci untuk aplikasi komersial skala besar di industri dan rumah tangga masih perlu terobosan, terutama kemampuan model besar embodied di tingkat “otak” dan ketahanan serta ketelitian “tangan lincah,” di mana tantangan utama adalah bahwa model besar embodied global masih dalam tahap awal perkembangan dan kemampuan generalisasi masih kurang.

Jalan Keluar: Multi-Dimensi Peningkatan Kemampuan, Menyeimbangkan Saat Ini dan Masa Depan

Dalam konteks kekurangan data dan skenario, tantangan utama bagi perusahaan domestik adalah meningkatkan kelincahan gerak dan kemampuan generalisasi robot.

Banyak pakar, berdasarkan kondisi industri saat ini, menawarkan jalur pengembangan yang praktis sekaligus visioner, sambil menekankan bahwa perusahaan harus menyeimbangkan antara implementasi jangka pendek dan R&D jangka panjang, dengan gerakan pra-set sebagai tiket masuk dan kemampuan generalisasi sebagai hambatan utama.

Wang Peng, peneliti di Chinese Academy of Social Sciences, menyarankan bahwa perusahaan domestik dapat mengikuti dua jalur: “penetapan skenario + penggunaan kembali teknologi.” Pertama, fokus pada penutupan data skenario vertikal, seperti welding industri dan pemindahan bahan, melalui implementasi terbatas untuk mendapatkan dataset khusus, lalu melatih model embodied di bidang tersebut; kedua, bergantung pada ekosistem sumber terbuka dan mendorong berbagi data lintas perusahaan melalui standar industri yang dirilis CAICT, serta melakukan pelatihan bersama model umum berbasis data operasi yang seragam.

Yuan Shuai menyarankan jalur paralel, yaitu bekerja sama dengan institusi riset universitas, menggunakan simulasi dan digital twin untuk menghasilkan data virtual yang kemudian dipindahkan ke skenario nyata, serta membuka antarmuka untuk berkolaborasi dengan pihak skenario dalam uji coba dan pengumpulan data nyata untuk iterasi algoritma; juga mendorong berbagi data pelatihan anonim antar perusahaan, memecah “pulau data,” meningkatkan investasi dalam pengembangan komponen utama secara mandiri, dan memperkuat inovasi hardware untuk mendukung kelincahan gerak robot.

Gao Heng menawarkan empat jalur praktis: pertama, mengumpulkan data dari skenario nyata, mengintegrasikan secara mendalam ke dalam proses kerja di pabrik dan gudang agar robot dapat belajar dari alur kerja nyata; kedua, prioritas pada simulasi dan siklus tertutup, melatih strategi di lingkungan simulasi lalu melakukan penyempurnaan di dunia nyata untuk mengurangi biaya pelatihan; ketiga, fokus pada generalisasi tugas, seperti pengambilan dan pemindahan, untuk mencapai generalisasi dan segera mewujudkan nilai komersial; keempat, membangun sistem data dan standar industri yang terbuka, mengatasi ketidakkonsistenan antarmuka dan sistem evaluasi, sehingga tercipta iterasi industri secara berkelanjutan.

Para pakar sepakat bahwa gerakan pra-set dan kemampuan generalisasi sama pentingnya bagi perkembangan perusahaan.

Wang Peng berpendapat bahwa dalam jangka pendek, robot dengan gerakan pra-set sudah mampu memenuhi sebagian besar kebutuhan industri dan biayanya lebih rendah dibandingkan robot dengan kemampuan generalisasi. Namun, dalam jangka panjang, kemampuan generalisasi adalah hambatan utama yang menentukan apakah perusahaan mampu melewati siklus industri—seiring berkembangnya layanan rumah tangga dan penanganan darurat yang bersifat non-standar, robot yang mampu beradaptasi secara mandiri akan menjadi arus utama.

Gao Heng juga sepakat, bahwa gerakan pra-set adalah tiket masuk hari ini, dan kemampuan generalisasi adalah tiket final besok. Bagi perusahaan, jangan karena hari ini bisa menghasilkan uang dari gerakan pra-set, lalu mengabaikan investasi jangka panjang dalam kemampuan generalisasi; tetapi juga jangan sebaliknya, karena mengejar generalisasi, mengabaikan skenario nyata yang bisa langsung diimplementasikan. Mendapatkan pesanan dulu, lalu meningkatkan kecerdasan adalah jalur yang lebih realistis.

Saat ini, pasar kecerdasan embodied di China sudah menguasai setengah dari dunia, dan telah menerapkan di bidang industri dan penanganan darurat. Ke depan, skenario apa yang akan menjadi titik terobosan utama dalam mewujudkan komersialisasi skala besar robot kecerdasan embodied di China?

Gao Chengyuan berpendapat bahwa manufaktur industri akan menjadi titik awal China dalam mencapai komersialisasi skala besar, terutama di bidang pembuatan mobil, perakitan elektronik 3C, dan logistik pergudangan. Untuk menggali kebutuhan skenario, perlu masuk ke lini depan industri, membangun laboratorium bersama dengan perusahaan manufaktur terkemuka, mulai dari substitusi proses tunggal, lalu secara bertahap memperluas ke otomatisasi seluruh jalur produksi. Kunci mengintegrasikan teknologi dan skenario adalah membangun mekanisme “definisi skenario berbasis teknologi” yang berbalik, sehingga kebutuhan nyata dari jalur produksi yang sesungguhnya dapat mendorong iterasi perangkat keras dan pengoptimalan algoritma, bukan teknologi yang didorong terlebih dahulu lalu mencari skenario.

Dari “berdiri sejajar” menuju “memimpin secara global,” China masih harus menembus hambatan utama dalam kebijakan, teknologi, dan ekosistem industri.

Yuan Shuai menyarankan, dari segi kebijakan, harus memperkuat dukungan dan investasi dana, serta memperbaiki perlindungan hak kekayaan intelektual; dari segi teknologi, fokus pada pengembangan algoritma model besar dan komponen utama, meningkatkan kemampuan robot dalam belajar mandiri dan generalisasi; dari ekosistem industri, memperkuat kolaborasi hulu-hilir, mempercepat lokalisasi komponen, memperdalam integrasi riset, pengembangan, dan penerapan, serta mendorong konversi hasil. Selain itu, aktif berpartisipasi dalam kerja sama internasional, turut serta dalam penetapan standar global untuk meningkatkan daya saing industri, dan akhirnya membangun ekosistem industri kecerdasan embodied yang lengkap untuk mencapai posisi terdepan.