China Alihkan Investasi Robot Humanoid ke Pengembangan AI

Industri robotika China mulai mengarahkan investasi dari pengembangan kemampuan fisik menuju kecerdasan buatan (AI) agar robot humanoid mampu menjalankan pekerjaan secara mandiri. Perubahan strategi ini terlihat dari lonjakan pendanaan perusahaan embodied AI yang mencapai 93,5 miliar yuan pada semester I-2026.

Nilai tersebut setara sekitar US$ 13 miliar dan terkumpul melalui 322 transaksi, meningkat lima kali lipat dibandingkan periode yang sama tahun sebelumnya. Angka tersebut dilansir dari Internasional dalam laporan yang diterbitkan pada Senin (2/11/2026).

Embodied AI merupakan teknologi yang memungkinkan robot memahami lingkungan, mempelajari keterampilan baru, serta menyesuaikan perilakunya tanpa memerlukan pemrograman khusus untuk setiap pekerjaan.

Perkembangan ini mengubah arah pendanaan industri. Investor tidak lagi hanya membiayai produsen perangkat keras, tetapi juga perusahaan rintisan yang mengembangkan perangkat lunak sebagai pusat kecerdasan robot.

Pendiri konsultan teknologi ZenGen Labs di Shanghai, Dermot McGrath, menilai persaingan manufaktur telah menekan harga perangkat keras robot. Kondisi tersebut membuat perusahaan mulai mencari sumber keuntungan dari kemampuan kecerdasan buatan.

"Perusahaan robot menyimpulkan bahwa margin keuntungan tidak akan berasal dari perangkat keras, melainkan dari otaknya," ujar Dermot McGrath.

Peralihan tersebut juga memperbesar persaingan teknologi antara China dan Amerika Serikat (AS). Perusahaan AS masih memiliki keunggulan dalam sejumlah sistem AI robotik canggih, sedangkan pengembang China mengandalkan kekuatan manufaktur dan akses terhadap data aktivitas dunia nyata.

Co-founder Spirit AI Gao Yang menilai kecerdasan buatan masih menjadi bagian terlemah dalam ekosistem robotika. Negara yang mampu menggabungkan AI dengan mesin secara efektif berpeluang memperkuat otomatisasi pabrik dan logistik.

Di AS, perusahaan rintisan seperti Physical Intelligence, Skild AI, dan Generalist mengembangkan perangkat lunak yang memungkinkan robot mempelajari berbagai keterampilan tanpa pelatihan ulang secara ekstensif.

Generalist mengklaim model GEN-1.5 mampu menyelesaikan sekitar 60% tugas sederhana setelah mengamati demonstrasi selama tiga hingga 12 detik. Sementara itu, perusahaan China X Square mempublikasikan penelitian tentang kemampuan robot mempelajari manipulasi objek melalui satu video demonstrasi manusia.

Konsultan robotika Georg Stieler menilai laboratorium AI terkemuka AS telah menetapkan standar tinggi dalam kecepatan robot mempelajari dan menggunakan kembali keterampilan. Namun, sejumlah perusahaan rintisan China dinilai memiliki peluang menjadi pesaing serius.

Keunggulan pengembang China terletak pada hubungan langsung dengan produsen robot dan pelanggan industri. Kerja sama tersebut memungkinkan pengujian serta penyempurnaan teknologi dalam lingkungan kerja nyata.

Perusahaan rintisan X Square, Galaxea, dan Spirit AI masing-masing telah mencapai valuasi sekitar US$ 3 miliar berdasarkan pengungkapan perusahaan.

Co-founder sekaligus Chief Operating Officer X Square Yang Qian menyebut perusahaannya ingin mengubah robot dari mesin yang hanya mengikuti kode menjadi perangkat yang mampu bertindak berdasarkan pemahaman umum atau akal sehat.

Produsen robot mapan juga memperbesar investasi AI. UBTech, perusahaan yang tercatat di Bursa Hong Kong, membuka lowongan kepala ilmuwan untuk memimpin pengembangan model AI dengan kompensasi hingga 124 juta yuan atau sekitar US$ 18 juta, termasuk saham dan tunjangan.

Unitree yang berbasis di Hangzhou juga memiliki sekitar 30 peneliti khusus AI. Tim tersebut mengembangkan teknologi untuk memprediksi perilaku berbagai objek.

Pengembangan kecerdasan robot membutuhkan data interaksi fisik, berbeda dengan chatbot yang dapat dilatih menggunakan miliaran data teks dari internet. Robot memerlukan contoh aktivitas seperti menggenggam benda, memindahkan barang, dan menangani kabel fleksibel.

Spirit AI telah merekrut sekitar 1.000 orang untuk merekam aktivitas sehari-hari dan pekerjaan industri. Co-founder perusahaan Gao Yang menjelaskan bahwa rekaman tersebut menjadi bahan pelatihan agar robot mampu memahami serta menjalankan berbagai tugas.

ACE Robotics menggunakan pendekatan lain dengan memasang sensor pada tubuh pekerja. Perangkat tersebut merekam gerakan tubuh dan kekuatan genggaman saat mereka bekerja di toko maupun hotel.

Robbyant, unit robotika Ant Group, mengungkapkan telah melatih model AI menggunakan 160.000 jam materi. Jumlah tersebut mencakup 50.000 jam rekaman gerakan robot yang dikendalikan manusia.

Perusahaan itu juga menggunakan 20 konfigurasi robot dari 17 merek berbeda untuk melatih perangkat lunaknya. Langkah tersebut bertujuan memungkinkan satu sistem AI beroperasi pada beragam jenis mesin.

Sementara itu, DexForce mengandalkan simulasi komputer untuk melatih robot menjalankan pekerjaan industri. Chief Operating Officer DexForce Nicole Yang menyatakan perusahaan dapat menyiapkan sejumlah tugas industri untuk diterapkan dalam enam hingga delapan jam.

Menurut Nicole Yang, tingkat keberhasilan simulasi tersebut melampaui 99,9% pada operasi presisi tertentu. Meski demikian, simulasi belum sepenuhnya mampu menggambarkan interaksi fisik yang terjadi di lingkungan nyata.

Jerry Wang dari perusahaan kecerdasan spasial Manycore Tech menilai keterbatasan simulasi masih menjadi tantangan pengembangan AI robot. Yang Qian dari X Square juga menekankan pentingnya kualitas data dibandingkan sekadar jumlah dan keragamannya.

Industri embodied AI China turut menghadapi kendala pasokan chip berteknologi tinggi akibat pembatasan ekspor AS terhadap produk Nvidia. Selain itu, akses pendanaan melalui penawaran umum perdana saham atau IPO semakin ketat karena regulator mengkhawatirkan valuasi berlebihan dan persaingan industri yang semakin padat.

Zhu Mingxuan, pemimpin pengembangan AI robot Aether di JoyIn Technology, menilai kelangkaan chip canggih akan menjadi persoalan serius ketika kemampuan robot semakin meningkat.

Untuk mengurangi ketergantungan terhadap chip impor, perusahaan China mengembangkan model yang lebih efisien serta memanfaatkan data sintetis dan simulasi. Produsen chip domestik, termasuk Huawei, juga mengembangkan alternatif perangkat keras Nvidia.

Pengujian kemampuan robot mulai bergerak dari demonstrasi keterampilan menuju penyelesaian masalah baru. Zhu Mingxuan menceritakan eksperimen ketika robot berulang kali gagal memasukkan headphone ke dalam lemari yang berada di luar jangkauannya.

Setelah insinyur memperlihatkan video cara manusia menyelesaikan pekerjaan tersebut, robot mulai mencoba mendorong kotak ke arah lemari untuk dijadikan pijakan. Eksperimen ini memperlihatkan kemampuan robot mengeksplorasi cara alternatif dalam menyelesaikan tugas.

Penerapan industri juga mulai berlangsung. Spirit AI menyebut robotnya digunakan oleh produsen baterai CATL di pabrik Zhongzhou untuk menyambungkan kabel fleksibel dalam pengujian paket baterai.

Perusahaan tersebut melaporkan tingkat keberhasilan pemasangan melampaui 99%. Sementara itu, Robbyant menyatakan robotnya telah digunakan untuk menangani pesanan di dua apotek di Shanghai, meskipun staf manusia masih memeriksa obat sebelum dikirim kepada pelanggan.

Potensi bisnis jangka panjang terletak pada perangkat lunak yang mampu mempelajari pekerjaan baru tanpa penyesuaian ekstensif. Teknologi tersebut membutuhkan model AI yang dapat digunakan pada berbagai perusahaan dan lingkungan kerja dengan dukungan komputasi berkapasitas besar.

Persaingan juga mengarah pada pengembangan model AI generasi berikutnya. Pendiri Unitree Wang Xingxing mengatakan perusahaannya telah menguji GPT-6 milik OpenAI pada robot dengan hasil yang menjanjikan.

Wang memperkirakan GPT-7, jika dirilis tahun depan, berpotensi menghadirkan perubahan besar bagi industri robotika seperti yang terjadi ketika ChatGPT diluncurkan pada 2022.

Menurut Wang, terobosan tersebut dapat diukur ketika robot mampu menyelesaikan 80% tugas di 80% lingkungan yang belum pernah dikenalnya hanya berdasarkan instruksi suara.

Namun, konsultan robotika Georg Stieler mengingatkan bahwa keberhasilan demonstrasi belum otomatis menunjukkan kesiapan penggunaan komersial secara luas. Kemampuan menyelesaikan tugas baru dalam pengujian masih berbeda dari keandalan yang dibutuhkan pelanggan dalam operasional sehari-hari.

Stieler menilai terobosan demonstrasi mungkin dapat dicapai dalam waktu dekat. Akan tetapi, penerapan teknologi yang benar-benar andal untuk kebutuhan industri diperkirakan masih membutuhkan waktu bertahun-tahun, bukan hitungan bulan.