Oke jadi lo pasti udah dengar soal Unitree kan? Si robot biped yang sometime lalu viral banget di internet. Nah, setelah dapet valuation gila-gilaan $66 miliar pasca-IPO di bursa China, minggu ini valuasinya anjlok hampir 50%. Analysts pada bilang ini bukan coincidence - robot-robot ini emang makin jago jalan, salto, dan joget. Tapi bikin value? Belum ada yang bisa buktiin.
Ini yang dinamakan "GPT-2 era" dalam Physical AI, istilah yang dipake sama Harry Mellsop dari Antioch - startup yang lagi bangun simulation tools buat model builder. Analoginya simpel: kita masih di fase pra-ChatGPT. Banyak data, banyak compute, tapi belum ada yang breakthrough. Bedanya, kalau LLM dulu butuh GPU buat training, Physical AI butuh GPU yang support ray tracing buat bikin high-fidelity simulations.
The Data Problem is REAL
Di conference Actuate yang baru selesai minggu lalu (tripled in size dari 2023, 1500 attendees!), satu booth nulis spanduk yang bikin melek: "Solving the Robotics Data Crisis." Dan ini bukan lebay - ini emang problema nyata. Training data untuk robot itu susahnya beda level sama training text-based AI.
Lo bisa aja generate jutaan article soal "cara masak nasi goreng" di internet, tapi coba generate data soal "cara gerakin tangan buat angkat gelas tanpa spill" dalam 10.000 variations. That shit is HARD. End-to-end learning untuk task spesifik pun belum bisa deliver reliable commercial performance. Jadi yang bisa developer lakuin sekarang ya mimic apa yang frontier AI labs lakuin: kumpulin data lebih diverse, eksperimen sama training regimes, dan figure out reinforcement learning scenarios yang lebih smart.
Mobil Otonom= The Frontliner
Yang paling jauh ahead? Autonomous vehicles. Bukan coincidence - mereka bisa kumpulin relevant data dari jutaan mobil yang dikendarain orang-orang setiap hari. Plus, task-nya relatif simpel: avoid contact, bukan manipulate physical environment. Tooling buat model-building di AV companies sekarang jadi bahan baku buat robotics companies.
Dan sekarang pemain-pemain AV mulai masuk ke humanoid robotics. Tesla udah nge-push Optimus, dan Wayve (AV startup) bareng Uber baru aja launch robotics labs dengan form factor humanoid. Alex Kendall, CEO Wayve, bilang: "Manipulation robotics is like self-driving five years ago." Intinya, data infrastructure sama simulation tooling-nya bisa di-share, tapi world model buat simulator butuh adjustment khusus per embodiment.
Théophile Gervet, CEO Genesis AI yang baru raising $105 juta seed round, beda analisis. Dia bilang: "We're too early in this wave for a brain strategy to work." Genesis AI's take: opportunity besar ada di co-design hardware dan AI dari awal, bukan通用-purpose robot yang belum proven.
Vertical Focus vs General Purpose Dilemma
Ini yang menarik. Companies yang target specific tasks sekarang udah deploy robot di real world: Gritt bangun solar farms pake robot, Agility deploy di industrial settings, Bedrock operate excavators autonomously. Meanwhile, general-purpose humanoids? Masih stuck di lab, rehearsing their demos.
"No customer cares about the general purpose robot that works at 80% success rate," kata Gervet. Tapi di satu sisi, kalau lo build buat vertical yang sempit di atas "GPT-2" level capability, lo bakal ke-crush sama company yang punya resources lebih besar dan build di atas "GPT-4."
Gervet nyinggung sesuatu yang deep: vertical focus kasih revenue dan real-world deployment data. Tapi task-specific data might not punya enough diversity buat push general purpose models forward. Meanwhile, CTO Bedrock Kevin Peterson bilang mereka mulai dari excavation buat "understand manipulation in the wild," tapi rencana jangka panjangnya adalah intelligence layer yang bisa stretch across construction machines series. Interesting play.
##Jadi Kapan ChatGPT Moment-Nya?
Sam Altman recently bilang "ChatGPT moment" buat robotics tinggal "few years away." Tapi definisi "ChatGPT moment" itu beda-beda:
- Alex Kendall (Wayve): Eyes-off autonomy for less than $1000 hardware di mobil. Datanya, revenue dari licensing ke car makers bakal fund development menuju truly general embodied AI.
- Théophile Gervet (Genesis AI): Manipulation yang "just works out of the box." Lo ngomong ke robot pakai bahasa Indonesia, dia bisa push, pull, close laptop, beresin meja - 80%+ reliability out of the box.
- Adrian Macneil (Foxglove): "There will NOT be a ChatGPT moment for robotics." ChatGPT's moment itu soal distribution - dari nol ke 1 juta users dalam seminggu itu nggak akan happen di robotics karena distribution in real world jauh lebih hard. Macneil lebih excited soal "Apple II moment" atau "IBM PC moment." Pertanyaannya: "When can I buy a home robot that is gonna start doing some useful and fun stuff?"
Jadi menurut gue, kita lagi di fase yang boring but crucial - bukan flashy breakthrough moment, tapi more like brick by brick construction. Dan buat lo yang interested sama tech investments, ini sectors to watch karena once they hit that reliability threshold, the deployment is gonna be massive.
What do you think? Is Physical AI gonna catch up faster than we think, atau ini bakal stuck di "GPT-2 era" buat waktu yang lama? Drop your thoughts below!
