Apa perubahan yang dibawa model besar bagi robotika?

  • Model mutakhir generasi baru bergerak dari kemampuan beradaptasi terhadap perubahan warna dan tekstur objek menuju penyelesaian tugas baru dengan nol atau sedikit contoh. Di lingkungan asing dan situasi tidak terstruktur, ketergantungan pada penyetelan halus untuk setiap tugas berpotensi berkurang.
  • Goldman Sachs menilai hal ini akan mempercepat komersialisasi dalam bidang seperti bantuan rumah tangga dan logistik kompleks, tetapi tidak akan membuat industri matang dalam semalam. Menurut perbandingan para ahli yang diwawancarai, jika diukur berdasarkan keselamatan dan keandalan produksi massal, manipulasi robot serbaguna masih berada pada tahap awal yang sebanding dengan perkembangan awal kendaraan otonom, tetapi laju kemajuan teknologinya diperkirakan mencapai 2 hingga 4 kali laju historis kendaraan otonom.
  • Masih ada pertukaran antara kemampuan generalisasi dan presisi: manufaktur industri menuntut keandalan dan presisi pengulangan yang sangat tinggi, dan akan terus bergantung pada data khusus serta kontrol gerak deterministik; model besar lebih cocok untuk lingkungan bisnis, logistik, dan layanan rumah tangga yang membutuhkan respons fleksibel terhadap perubahan.

Tahapan apa yang masih diperlukan dari memahami tugas hingga menyelesaikan tindakan?

  • Akurasi persepsi tiga dimensi saat ini masih belum cukup untuk menangani interaksi berskala milimeter secara stabil, dan latensi inferensi juga sulit memenuhi kebutuhan stabilitas dinamis, operasi berkecepatan tinggi, dan pemulihan cepat. Penerapan komersial juga memerlukan pemampatan kemampuan model besar ke dalam model tepi yang lebih efisien untuk menekan biaya operasional.
  • Para ahli membagi kecerdasan robot menjadi tiga lapisan: model tingkat tinggi memahami dan merencanakan tugas, lapisan menengah mengubah niat menjadi lintasan gerak, dan lapisan tingkat rendah menangani kontrol berkecepatan tinggi serta umpan balik gaya. Laboratorium model mutakhir akan sulit mendalami lapisan tingkat rendah dalam jangka pendek karena setiap mesin memiliki karakteristik elektromekanis yang berbeda dan juga harus melalui pengujian fisik, keausan, dan perbaikan.
  • Karena itu, Goldman Sachs menilai diferensiasi jangka panjang produsen robot akan semakin banyak berasal dari kontrol waktu nyata, arsitektur keselamatan, penerapan model tepi, serta integrasi perangkat keras dan perangkat lunak. Meski menggunakan model besar pihak ketiga sebagai “otak”, produsen yang ahli dalam elektromekanika presisi dan kontrol gerak tetap dapat menangani pelaksanaan fisik.

Mengapa pengumpulan data dan penginderaan taktil berpotensi mendapat manfaat lebih awal?

  • Manipulasi yang cekatan melibatkan berbagai derajat kebebasan gerak, kontak berkelanjutan, dan umpan balik taktil. Para ahli memperkirakan bahwa mencapai ambang produksi serbaguna mungkin memerlukan sekitar 10 juta jam data interaksi multimodal berkualitas tinggi, yang sulit digantikan oleh rekaman video pasif atau bising biasa.
  • Video sudut pandang orang pertama membantu memahami tugas, tetapi tidak memuat informasi seperti gaya kontak; simulasi dapat menghasilkan lintasan gerak dengan cepat, tetapi detail seperti gesekan dan deformasi material berbeda dari kenyataan dan perlu dikalibrasi.
  • Para ahli optimistis terhadap antarmuka manipulasi serbaguna yang mengumpulkan data gerak langsung pada titik kontak antara tangan dan objek, dipadukan dengan penginderaan taktil beresolusi tinggi untuk melengkapi titik buta visual akibat halangan jarak dekat dan kesalahan kedalaman. Atas dasar itu, Goldman Sachs optimistis terhadap permintaan jangka pendek untuk perangkat keras pengumpulan data seperti sensor spasial tiga dimensi dan susunan sensor taktil.

Bagaimana peluang industri terkait dengan perusahaan dan bidang penerapan?

  • Goldman Sachs menilai penggabungan model fondasi dengan robot kolaboratif dan otomasi pabrik yang sudah ada juga dapat menjadi solusi praktis. Manfaat bagi produsen bergantung pada apakah teknologi penginderaan, pengumpulan data, kontrol gerak, atau komponen utama mereka dapat digunakan dalam penerapan nyata.
  • Goldman Sachs memberikan peringkat beli kepada Inovance Technology, dengan mempertimbangkan kemampuan otomasi industri dan kontrol geraknya serta portofolio perangkat keras dengan kemampuan penginderaan dan pengumpulan data. Goldman Sachs juga memberikan peringkat beli kepada Shuanghuan Driveline dan memperkirakan pendapatan robot AI-nya mencapai 400 juta hingga 500 juta yuan pada 2027, lebih dari dua kali lipat dibandingkan tingkat sebelumnya.
  • Peluang robotika Sanhua Intelligent Controls terutama berada pada perakitan aktuator. Goldman Sachs memberikan peringkat beli untuk saham H dan netral untuk saham A perusahaan itu, serta lebih memilih saham H yang valuasinya lebih rendah; Goldman Sachs juga menilai ekspektasi pasar terhadap robot humanoid relatif optimistis dibandingkan kemajuan produksi Optimus.