Teknologi enkripsi akan mendorong perkembangan industri Bot dengan menyediakan jaminan ekonomi untuk keamanan Bot dan mengoptimalkan infrastruktur integrasi, latensi, dan proses pengumpulan data.
Penulis: Paul Veradittakit, Mitra Pantera Capital
Kompilasi: xiaozou, Keuangan Emas
Ringkasan:
Inovasi dan efek skala VLA sedang mendorong kelahiran robot humanoid yang terjangkau, efisien, dan serbaguna.
Seiring dengan ekspansi robot penyimpanan ke pasar robot konsumen, keamanan robot, pembiayaan, dan mekanisme evaluasi patut dieksplorasi lebih dalam.
Teknologi enkripsi akan mendorong perkembangan industri robot dengan menyediakan jaminan ekonomi untuk keamanan Bot, serta mengoptimalkan infrastruktur penghubung, latensi, dan proses pengumpulan data.
ChatGPT telah sepenuhnya mengubah harapan manusia terhadap kecerdasan buatan. Ketika model bahasa besar mulai berinteraksi dengan dunia perangkat lunak eksternal, banyak orang yang menganggap bahwa entitas AI adalah bentuk akhir. Namun, jika kita melihat kembali film-film fiksi ilmiah klasik seperti "Star Wars", "Blade Runner", atau "RoboCop", kita akan menemukan bahwa impian sejati manusia adalah agar kecerdasan buatan dapat mewujudkan interaksi dunia fisik dalam bentuk robot.
Menurut Pantera Capital, "momen ChatGPT" di bidang robotika akan segera tiba. Kami akan terlebih dahulu menganalisis bagaimana terobosan kecerdasan buatan dalam beberapa tahun terakhir telah mengubah lanskap industri, kemudian membahas bagaimana teknologi baterai, latensi optimasi, dan perbaikan pengumpulan data akan membentuk gambaran masa depan, serta peran yang dimainkan oleh teknologi enkripsi di dalamnya. Terakhir, kami akan menjelaskan mengapa kami percaya bahwa keamanan robot, pendanaan, penilaian, dan pendidikan adalah bidang vertikal yang perlu diperhatikan.
1、Faktor Perubahan
（1）terobosan kecerdasan buatan
Kemajuan di bidang model bahasa multimodal sedang memberikan "otak" yang diperlukan bagi robot untuk menjalankan tugas-tugas kompleks. Robot terutama merasakan lingkungan melalui dua indra, yaitu penglihatan dan pendengaran.
Model visi komputer tradisional (seperti jaringan saraf konvolusional) meskipun mahir dalam tugas deteksi atau klasifikasi objek, namun sulit untuk mengubah informasi visual menjadi instruksi tindakan yang bermakna. Model bahasa besar meskipun menunjukkan kinerja luar biasa dalam pemahaman dan penghasilan teks, namun terbatas oleh kemampuan persepsi terhadap dunia fisik.
Melalui model visual - bahasa - tindakan (VLA), Bot dapat mengintegrasikan persepsi visual, pemahaman bahasa, dan tindakan fisik dalam kerangka komputasi yang seragam. Pada bulan Februari 2025, Figure AI merilis model kontrol robot humanoid umum Helix, yang berkat kemampuan generalisasi nol sampel dan arsitektur sistem 1/sistem 2 menetapkan tolok ukur baru bagi industri. Karakteristik generalisasi nol sampel memungkinkan Bot untuk beradaptasi dengan cepat terhadap skenario baru, objek baru, dan instruksi baru tanpa perlu pelatihan ulang untuk setiap tugas. Arsitektur sistem 1/sistem 2 memisahkan penalaran tingkat tinggi dari penalaran ringan, mewujudkan robot humanoid komersial yang memiliki pemikiran mirip manusia dan akurasi waktu nyata.
（2）Robot ekonomi menjadi kenyataan
Teknologi yang mengubah dunia memiliki satu ciri umum — dapat diakses oleh banyak orang. Smartphone, komputer pribadi, dan teknologi pencetakan 3D telah menjadi umum dengan harga yang terjangkau oleh kelas menengah. Ketika harga robot seperti Unitree G1 lebih rendah dari Honda Accord atau pendapatan tahunan minimum di AS sebesar 34.000 dolar, tidak mengherankan jika kita membayangkan dunia di mana pekerjaan fisik dan tugas sehari-hari sebagian besar dilakukan oleh robot.
（3）dari penyimpanan menuju pasar konsumen
Teknologi Bot sedang berkembang dari solusi pergudangan ke bidang konsumen. Dunia ini dirancang untuk manusia—manusia dapat melakukan semua pekerjaan Bot profesional, sementara Bot profesional tidak dapat melakukan semua pekerjaan manusia. Perusahaan Bot tidak lagi terbatas pada pembuatan Bot untuk pabrik, tetapi beralih ke pengembangan Bot humanoid yang lebih serbaguna. Oleh karena itu, garis depan teknologi Bot tidak hanya ada di gudang, tetapi juga akan meresap ke dalam kehidupan sehari-hari.
Biaya adalah salah satu kendala utama dalam skalabilitas. Indikator yang paling kami perhatikan adalah biaya keseluruhan per jam, yang dihitung dengan cara: biaya peluang dari waktu pelatihan dan pengisian daya, biaya pelaksanaan tugas, dan biaya pembelian robot, dibagi dengan total durasi operasi robot. Biaya ini harus lebih rendah dari tingkat upah rata-rata industri terkait agar dapat bersaing.
Untuk secara menyeluruh meresap ke dalam bidang pergudangan, biaya total robot per jam harus di bawah 31,39 dolar. Di pasar konsumen terbesar—sektor pendidikan swasta dan layanan kesehatan, biaya tersebut harus dikendalikan di bawah 35,18 dolar. Saat ini, robot sedang berkembang menuju arah yang lebih murah, lebih efisien, dan lebih universal.
2、Langkah Terobosan Berikutnya dalam Teknologi Bot
（1）optimasi baterai
Teknologi baterai selalu menjadi kendala untuk robot yang ramah pengguna. Kendaraan listrik awal seperti BMW i3 mengalami kesulitan dalam penyebaran karena keterbatasan teknologi baterai yang menyebabkan jarak tempuh yang pendek, biaya tinggi, dan utilitas yang rendah, dan robot menghadapi masalah yang sama. Robot Spot dari Boston Dynamics hanya memiliki daya tahan baterai 90 menit, sementara Unitree G1 memiliki daya tahan baterai sekitar 2 jam. Pengguna jelas tidak ingin mengisi daya secara manual setiap dua jam, sehingga pengisian daya mandiri dan infrastruktur pengisian menjadi fokus pengembangan. Saat ini, ada dua mode pengisian daya utama untuk robot: penggantian baterai atau pengisian daya langsung.
Mode penggantian baterai memungkinkan operasi berkelanjutan dengan cepat mengganti paket baterai yang habis, meminimalkan waktu henti, dan cocok untuk skenario lapangan atau pabrik. Proses ini dapat dilakukan secara manual atau otomatis.
Pengisian induktif menggunakan metode penyediaan daya tanpa kabel, meskipun pengisian penuh memakan waktu lebih lama, tetapi dapat dengan mudah mencapai proses otomatisasi penuh.
（2）latensi optimalisasi
Operasi dengan latensi rendah dapat dibagi menjadi dua kategori: pemahaman lingkungan dan pengendalian jarak jauh. Pemahaman mengacu pada kemampuan Bot untuk mengenali ruang lingkungan, sedangkan pengendalian jarak jauh secara khusus merujuk pada kontrol waktu nyata oleh operator manusia.
Menurut penelitian Cintrini, sistem persepsi robot dimulai dari sensor yang murah, tetapi keunggulan teknologi terletak pada penggabungan perangkat lunak, komputasi daya rendah, dan loop kontrol presisi dalam milidetik. Setelah robot menyelesaikan pemetaan ruang, jaringan saraf ringan akan menandai elemen seperti rintangan, palet, atau manusia. Setelah label adegan dimasukkan ke dalam sistem perencanaan, perintah motor segera dihasilkan dan dikirim ke kaki, roda, atau lengan mekanis. Latensi persepsi di bawah 50 milidetik setara dengan kecepatan refleks manusia—setiap latensi yang melebihi ambang ini akan mengakibatkan gerakan robot yang canggung. Oleh karena itu, 90% keputusan harus diselesaikan secara lokal melalui jaringan visual - bahasa - aksi tunggal.
Robot otonom penuh harus memastikan bahwa latensi model VLA berkinerja tinggi di bawah 50 milidetik; untuk robot yang dikendalikan dari jarak jauh, sinyal latensi antara sisi operasi dan robot tidak boleh melebihi 50 milidetik. Pentingnya model VLA di sini sangat menonjol - jika input visual dan teks diproses oleh model yang berbeda sebelum dimasukkan ke dalam model bahasa besar, total latensi akan jauh melebihi ambang 50 milidetik.
（3）Optimalisasi Pengumpulan Data
Pengumpulan data terutama memiliki tiga jalur: data video dunia nyata, data sintetik, dan data kontrol jarak jauh. Kendala utama antara data nyata dan data sintetik terletak pada menjembatani perbedaan antara perilaku fisik robot dan model video/simulasi. Data video nyata kehilangan detail fisik seperti umpan balik kekuatan, kesalahan gerakan sendi, dan deformasi material; sedangkan data simulasi kekurangan variabel tak terduga seperti kerusakan sensor dan koefisien gesekan.
Metode pengumpulan data yang paling potensial adalah pengendalian jarak jauh—di mana operator manusia mengendalikan Bot untuk melakukan tugas. Namun, biaya tenaga kerja adalah faktor pembatas utama dalam pengumpulan data dengan pengendalian jarak jauh.
Pengembangan perangkat keras kustom juga memberikan solusi baru untuk pengumpulan data berkualitas tinggi. Perusahaan Mecka menggabungkan metode arus utama dengan perangkat keras kustom untuk mengumpulkan data gerakan manusia multidimensi, yang setelah diproses diubah menjadi dataset yang cocok untuk pelatihan jaringan saraf Bot, bersama dengan siklus iterasi cepat untuk menyediakan data berkualitas tinggi dalam jumlah besar untuk pelatihan AI Bot. Saluran teknologi ini secara bersama-sama memperpendek jalur transformasi dari data mentah menjadi Bot yang dapat diterapkan.
3、Bidang Eksplorasi Utama
（1）teknologi enkripsi dan Bot
Teknologi enkripsi dapat mendorong pihak yang tidak dipercaya untuk meningkatkan efisiensi jaringan Bot. Berdasarkan bidang kunci yang disebutkan sebelumnya, kami percaya bahwa teknologi enkripsi dapat meningkatkan efisiensi dalam tiga aspek: integrasi infrastruktur, optimasi latensi, dan pengumpulan data.
Jaringan Infrastruktur Fisik Desentralisasi (DePIN) diharapkan dapat merevolusi infrastruktur pengisian daya. Ketika robot humanoid beroperasi secara global seperti mobil, stasiun pengisian daya perlu tersedia di mana saja seperti stasiun pengisian bahan bakar. Jaringan terpusat memerlukan investasi awal yang besar, sementara DePIN akan membagi biaya kepada operator node, memungkinkan fasilitas pengisian daya berkembang dengan cepat ke lebih banyak area.
DePIN juga dapat memanfaatkan infrastruktur terdistribusi untuk mengoptimalkan latensi pengendalian jarak jauh. Dengan mengagregasi sumber daya komputasi dari node tepi yang terdistribusi secara geografis, instruksi pengendalian jarak jauh dapat diproses oleh node lokal atau yang paling dekat tersedia, meminimalkan jarak transmisi data, dan secara signifikan mengurangi latensi komunikasi. Namun, saat ini proyek DePIN terutama berfokus pada penyimpanan terdesentralisasi, distribusi konten, dan berbagi bandwidth, meskipun ada proyek yang menunjukkan keunggulan komputasi tepi dalam streaming media atau Internet of Things, belum diperluas ke bidang robot atau pengendalian jarak jauh.
Pengendalian jarak jauh adalah cara pengumpulan data yang paling prospektif, namun entitas terpusat yang mempekerjakan profesional untuk mengumpulkan data memiliki biaya yang sangat tinggi. DePIN mendorong pihak ketiga untuk menyediakan data pengendalian jarak jauh melalui insentif token enkripsi untuk mengatasi masalah ini. Proyek Reborn membangun jaringan operator jarak jauh global, mengubah kontribusinya menjadi aset digital tokenisasi, membentuk sistem desentralisasi tanpa izin—peserta dapat memperoleh keuntungan dan berpartisipasi dalam tata kelola serta membantu pelatihan robot AGI.
(2) Keamanan selalu menjadi perhatian utama
Tujuan akhir dari teknologi robotika adalah untuk mencapai otonomi penuh, tetapi seperti yang diperingatkan dalam seri film "Terminator", manusia paling tidak ingin melihat otonomi mengubah robot menjadi senjata agresif. Masalah keamanan model bahasa besar telah menarik perhatian, dan ketika model-model ini memiliki kemampuan untuk bertindak secara fisik, keamanan robot menjadi prasyarat kunci untuk penerimaan sosial.
Keamanan ekonomi adalah salah satu pilar kemakmuran ekosistem Bot. Perusahaan OpenMind di bidang ini sedang membangun FABRIC—sebuah lapisan koordinasi mesin terdesentralisasi, yang mewujudkan otentikasi identitas perangkat, verifikasi keberadaan fisik, dan akses sumber daya melalui enkripsi. Berbeda dengan manajemen pasar tugas yang sederhana, FABRIC memungkinkan Bot untuk membuktikan informasi identitas, lokasi geografis, dan catatan perilaku secara mandiri tanpa bergantung pada perantara terpusat.
Pembatasan perilaku dan otentikasi identitas dilakukan melalui mekanisme on-chain, memastikan bahwa siapa pun dapat mengaudit kepatuhan. Robot yang memenuhi standar keamanan, persyaratan kualitas, dan regulasi daerah akan mendapatkan imbalan, sementara pelanggar akan menghadapi hukuman atau dicabut kelayakannya, sehingga membangun mekanisme akuntabilitas dan kepercayaan dalam jaringan robot otonom.
Jaringan re-staking pihak ketiga (seperti Symbiotic) juga dapat memberikan jaminan keamanan yang setara. Meskipun sistem parameter hukuman masih perlu disempurnakan, teknologi terkait telah memasuki tahap praktis. Kami memperkirakan pedoman keamanan industri akan segera terbentuk, dan pada saat itu parameter hukuman akan dimodelkan berdasarkan pedoman ini.
Contoh rencana aksi:
Perusahaan Bot bergabung dengan jaringan Symbiotic.
Menetapkan parameter penyitaan yang dapat diverifikasi (seperti "menyebabkan kekuatan kontak manusia lebih dari 2500 Newton");
Staker menyediakan margin untuk memastikan Bot mematuhi parameter;
Jika terjadi pelanggaran, uang jaminan akan digunakan sebagai kompensasi bagi korban.
Mode ini tidak hanya mendorong perusahaan untuk mengutamakan keamanan, tetapi juga meningkatkan penerimaan konsumen melalui mekanisme asuransi dari kolam dana yang dipertaruhkan.
Pandangan tim Symbiotic tentang bidang robotika adalah:
Kerangka staking umum Symbiotic bertujuan untuk memperluas konsep staking ke semua bidang yang memerlukan dukungan keamanan ekonomi, baik melalui model berbagi maupun independen. Kasus penggunaannya bervariasi dari asuransi hingga teknologi Bot yang memerlukan desain spesifik untuk masing-masing kasus. Misalnya, jaringan Bot dapat dibangun sepenuhnya berdasarkan kerangka Symbiotic, memungkinkan pemangku kepentingan untuk memberikan jaminan ekonomi bagi integritas jaringan.
4、Mengisi Kekosongan dalam Tumpukan Teknologi Bot
OpenAI mempromosikan penyebaran AI, tetapi fondasi ChatGPT sudah lama dibangun. Layanan cloud memecahkan ketergantungan model pada daya komputasi lokal, Huggingface mewujudkan open source model, dan Kaggle menyediakan platform eksperimen bagi insinyur AI. Terobosan bertahap ini secara bersama-sama berkontribusi pada pemasyarakatan AI.
Berbeda dengan AI, bidang robotika sulit untuk dimasuki ketika dana terbatas. Untuk mewujudkan penyebaran robot, ambang pengembangannya harus diturunkan hingga tingkat kemudahan yang sama dengan pengembangan aplikasi AI. Kami percaya ada ruang untuk perbaikan di tiga tingkat: mekanisme pendanaan, sistem evaluasi, dan ekosistem pendidikan.
Pendanaan adalah titik nyeri di bidang robotika. Mengembangkan program komputer hanya memerlukan satu komputer dan sumber daya komputasi awan, sementara membangun robot yang berfungsi penuh harus membeli perangkat keras seperti motor, sensor, baterai, dan lain-lain, dengan biaya yang mudah melebihi 100.000 dolar. Sifat perangkat keras ini membuat pengembangan robot kurang fleksibel dan biaya tinggi dibandingkan AI.
Infrastruktur evaluasi robot di dunia nyata masih dalam tahap awal. Di bidang AI, telah dibangun sistem fungsi kerugian yang jelas, dan pengujian dapat sepenuhnya divirtualisasi. Namun, strategi virtual yang unggul tidak dapat langsung diterjemahkan menjadi solusi yang efektif di dunia nyata. Robot perlu menguji fasilitas evaluasi strategi otonom dalam lingkungan nyata yang beragam agar dapat mencapai optimasi iteratif.
Ketika infrastruktur ini matang, talenta akan mengalir dalam jumlah besar, dan robot humanoid akan mengulangi kurva ledakan Web2. Perusahaan enkripsi robot OpenMind sedang bergerak ke arah ini—proyek sumber terbuka OM1 ("sistem Android versi robot") mengubah perangkat keras asli menjadi agen cerdas yang dapat ditingkatkan dengan kesadaran ekonomi. Modul perencanaan visual, bahasa, dan gerakan dapat dipasang dan digunakan seperti aplikasi ponsel, semua langkah penalaran disajikan dalam bahasa Inggris yang jelas, sehingga operator tidak perlu berinteraksi dengan firmware untuk mengaudit atau menyesuaikan perilaku. Kemampuan penalaran bahasa alami ini memungkinkan generasi baru talenta untuk masuk ke bidang robotika tanpa hambatan, mengambil langkah kunci menuju platform terbuka yang akan memicu revolusi robot, seperti yang dilakukan gerakan sumber terbuka terhadap percepatan AI.
Kepadatan talenta menentukan trajektori industri. Sistem pendidikan inklusif yang terstruktur sangat penting untuk pengiriman talenta di bidang enkripsi. Peluncuran OpenMind di Nasdaq menandai dimulainya era baru di mana mesin cerdas ikut berpartisipasi dalam inovasi keuangan dan pendidikan nyata. OpenMind dan Robostore secara bersama-sama mengumumkan peluncuran kursus pendidikan umum pertama berbasis Unitree G1 Bot di sekolah umum K-12 di Amerika Serikat. Kursus ini dirancang dengan platform yang tidak bergantung, dapat disesuaikan dengan berbagai bentuk Bot, dan memberikan kesempatan praktik kepada siswa. Sinyal positif ini memperkuat penilaian kami: dalam beberapa tahun mendatang, kekayaan sumber daya pendidikan Bot akan sebanding dengan bidang AI.
5、Proyeksi Masa Depan
Inovasi dan efek skala ekonomi dari Model Visual - Bahasa - Tindakan (VLA) telah melahirkan robot manusia yang terjangkau, efisien, dan universal. Dengan ekspansi robot gudang ke pasar konsumen, keamanan, model pembiayaan, dan sistem evaluasi menjadi arah eksplorasi yang kunci. Kami yakin bahwa teknologi enkripsi akan mendorong perkembangan robot melalui tiga jalur: memberikan jaminan ekonomi untuk keamanan, mengoptimalkan infrastruktur pengisian daya, dan meningkatkan kinerja latensi serta saluran pengumpulan data.
Lihat Asli
Konten ini hanya untuk referensi, bukan ajakan atau tawaran. Tidak ada nasihat investasi, pajak, atau hukum yang diberikan. Lihat Penafian untuk pengungkapan risiko lebih lanjut.
Pantera Partner: Era AI Bot yang Didorong oleh enkripsi
Penulis: Paul Veradittakit, Mitra Pantera Capital
Kompilasi: xiaozou, Keuangan Emas
Ringkasan:
Inovasi dan efek skala VLA sedang mendorong kelahiran robot humanoid yang terjangkau, efisien, dan serbaguna.
Seiring dengan ekspansi robot penyimpanan ke pasar robot konsumen, keamanan robot, pembiayaan, dan mekanisme evaluasi patut dieksplorasi lebih dalam.
Teknologi enkripsi akan mendorong perkembangan industri robot dengan menyediakan jaminan ekonomi untuk keamanan Bot, serta mengoptimalkan infrastruktur penghubung, latensi, dan proses pengumpulan data.
ChatGPT telah sepenuhnya mengubah harapan manusia terhadap kecerdasan buatan. Ketika model bahasa besar mulai berinteraksi dengan dunia perangkat lunak eksternal, banyak orang yang menganggap bahwa entitas AI adalah bentuk akhir. Namun, jika kita melihat kembali film-film fiksi ilmiah klasik seperti "Star Wars", "Blade Runner", atau "RoboCop", kita akan menemukan bahwa impian sejati manusia adalah agar kecerdasan buatan dapat mewujudkan interaksi dunia fisik dalam bentuk robot.
Menurut Pantera Capital, "momen ChatGPT" di bidang robotika akan segera tiba. Kami akan terlebih dahulu menganalisis bagaimana terobosan kecerdasan buatan dalam beberapa tahun terakhir telah mengubah lanskap industri, kemudian membahas bagaimana teknologi baterai, latensi optimasi, dan perbaikan pengumpulan data akan membentuk gambaran masa depan, serta peran yang dimainkan oleh teknologi enkripsi di dalamnya. Terakhir, kami akan menjelaskan mengapa kami percaya bahwa keamanan robot, pendanaan, penilaian, dan pendidikan adalah bidang vertikal yang perlu diperhatikan.
1、Faktor Perubahan
（1）terobosan kecerdasan buatan
Kemajuan di bidang model bahasa multimodal sedang memberikan "otak" yang diperlukan bagi robot untuk menjalankan tugas-tugas kompleks. Robot terutama merasakan lingkungan melalui dua indra, yaitu penglihatan dan pendengaran.
Model visi komputer tradisional (seperti jaringan saraf konvolusional) meskipun mahir dalam tugas deteksi atau klasifikasi objek, namun sulit untuk mengubah informasi visual menjadi instruksi tindakan yang bermakna. Model bahasa besar meskipun menunjukkan kinerja luar biasa dalam pemahaman dan penghasilan teks, namun terbatas oleh kemampuan persepsi terhadap dunia fisik.
Melalui model visual - bahasa - tindakan (VLA), Bot dapat mengintegrasikan persepsi visual, pemahaman bahasa, dan tindakan fisik dalam kerangka komputasi yang seragam. Pada bulan Februari 2025, Figure AI merilis model kontrol robot humanoid umum Helix, yang berkat kemampuan generalisasi nol sampel dan arsitektur sistem 1/sistem 2 menetapkan tolok ukur baru bagi industri. Karakteristik generalisasi nol sampel memungkinkan Bot untuk beradaptasi dengan cepat terhadap skenario baru, objek baru, dan instruksi baru tanpa perlu pelatihan ulang untuk setiap tugas. Arsitektur sistem 1/sistem 2 memisahkan penalaran tingkat tinggi dari penalaran ringan, mewujudkan robot humanoid komersial yang memiliki pemikiran mirip manusia dan akurasi waktu nyata.
（2）Robot ekonomi menjadi kenyataan
Teknologi yang mengubah dunia memiliki satu ciri umum — dapat diakses oleh banyak orang. Smartphone, komputer pribadi, dan teknologi pencetakan 3D telah menjadi umum dengan harga yang terjangkau oleh kelas menengah. Ketika harga robot seperti Unitree G1 lebih rendah dari Honda Accord atau pendapatan tahunan minimum di AS sebesar 34.000 dolar, tidak mengherankan jika kita membayangkan dunia di mana pekerjaan fisik dan tugas sehari-hari sebagian besar dilakukan oleh robot.
（3）dari penyimpanan menuju pasar konsumen
Teknologi Bot sedang berkembang dari solusi pergudangan ke bidang konsumen. Dunia ini dirancang untuk manusia—manusia dapat melakukan semua pekerjaan Bot profesional, sementara Bot profesional tidak dapat melakukan semua pekerjaan manusia. Perusahaan Bot tidak lagi terbatas pada pembuatan Bot untuk pabrik, tetapi beralih ke pengembangan Bot humanoid yang lebih serbaguna. Oleh karena itu, garis depan teknologi Bot tidak hanya ada di gudang, tetapi juga akan meresap ke dalam kehidupan sehari-hari.
Biaya adalah salah satu kendala utama dalam skalabilitas. Indikator yang paling kami perhatikan adalah biaya keseluruhan per jam, yang dihitung dengan cara: biaya peluang dari waktu pelatihan dan pengisian daya, biaya pelaksanaan tugas, dan biaya pembelian robot, dibagi dengan total durasi operasi robot. Biaya ini harus lebih rendah dari tingkat upah rata-rata industri terkait agar dapat bersaing.
Untuk secara menyeluruh meresap ke dalam bidang pergudangan, biaya total robot per jam harus di bawah 31,39 dolar. Di pasar konsumen terbesar—sektor pendidikan swasta dan layanan kesehatan, biaya tersebut harus dikendalikan di bawah 35,18 dolar. Saat ini, robot sedang berkembang menuju arah yang lebih murah, lebih efisien, dan lebih universal.
2、Langkah Terobosan Berikutnya dalam Teknologi Bot
（1）optimasi baterai
Teknologi baterai selalu menjadi kendala untuk robot yang ramah pengguna. Kendaraan listrik awal seperti BMW i3 mengalami kesulitan dalam penyebaran karena keterbatasan teknologi baterai yang menyebabkan jarak tempuh yang pendek, biaya tinggi, dan utilitas yang rendah, dan robot menghadapi masalah yang sama. Robot Spot dari Boston Dynamics hanya memiliki daya tahan baterai 90 menit, sementara Unitree G1 memiliki daya tahan baterai sekitar 2 jam. Pengguna jelas tidak ingin mengisi daya secara manual setiap dua jam, sehingga pengisian daya mandiri dan infrastruktur pengisian menjadi fokus pengembangan. Saat ini, ada dua mode pengisian daya utama untuk robot: penggantian baterai atau pengisian daya langsung.
Mode penggantian baterai memungkinkan operasi berkelanjutan dengan cepat mengganti paket baterai yang habis, meminimalkan waktu henti, dan cocok untuk skenario lapangan atau pabrik. Proses ini dapat dilakukan secara manual atau otomatis.
Pengisian induktif menggunakan metode penyediaan daya tanpa kabel, meskipun pengisian penuh memakan waktu lebih lama, tetapi dapat dengan mudah mencapai proses otomatisasi penuh.
（2）latensi optimalisasi
Operasi dengan latensi rendah dapat dibagi menjadi dua kategori: pemahaman lingkungan dan pengendalian jarak jauh. Pemahaman mengacu pada kemampuan Bot untuk mengenali ruang lingkungan, sedangkan pengendalian jarak jauh secara khusus merujuk pada kontrol waktu nyata oleh operator manusia.
Menurut penelitian Cintrini, sistem persepsi robot dimulai dari sensor yang murah, tetapi keunggulan teknologi terletak pada penggabungan perangkat lunak, komputasi daya rendah, dan loop kontrol presisi dalam milidetik. Setelah robot menyelesaikan pemetaan ruang, jaringan saraf ringan akan menandai elemen seperti rintangan, palet, atau manusia. Setelah label adegan dimasukkan ke dalam sistem perencanaan, perintah motor segera dihasilkan dan dikirim ke kaki, roda, atau lengan mekanis. Latensi persepsi di bawah 50 milidetik setara dengan kecepatan refleks manusia—setiap latensi yang melebihi ambang ini akan mengakibatkan gerakan robot yang canggung. Oleh karena itu, 90% keputusan harus diselesaikan secara lokal melalui jaringan visual - bahasa - aksi tunggal.
Robot otonom penuh harus memastikan bahwa latensi model VLA berkinerja tinggi di bawah 50 milidetik; untuk robot yang dikendalikan dari jarak jauh, sinyal latensi antara sisi operasi dan robot tidak boleh melebihi 50 milidetik. Pentingnya model VLA di sini sangat menonjol - jika input visual dan teks diproses oleh model yang berbeda sebelum dimasukkan ke dalam model bahasa besar, total latensi akan jauh melebihi ambang 50 milidetik.
（3）Optimalisasi Pengumpulan Data
Pengumpulan data terutama memiliki tiga jalur: data video dunia nyata, data sintetik, dan data kontrol jarak jauh. Kendala utama antara data nyata dan data sintetik terletak pada menjembatani perbedaan antara perilaku fisik robot dan model video/simulasi. Data video nyata kehilangan detail fisik seperti umpan balik kekuatan, kesalahan gerakan sendi, dan deformasi material; sedangkan data simulasi kekurangan variabel tak terduga seperti kerusakan sensor dan koefisien gesekan.
Metode pengumpulan data yang paling potensial adalah pengendalian jarak jauh—di mana operator manusia mengendalikan Bot untuk melakukan tugas. Namun, biaya tenaga kerja adalah faktor pembatas utama dalam pengumpulan data dengan pengendalian jarak jauh.
Pengembangan perangkat keras kustom juga memberikan solusi baru untuk pengumpulan data berkualitas tinggi. Perusahaan Mecka menggabungkan metode arus utama dengan perangkat keras kustom untuk mengumpulkan data gerakan manusia multidimensi, yang setelah diproses diubah menjadi dataset yang cocok untuk pelatihan jaringan saraf Bot, bersama dengan siklus iterasi cepat untuk menyediakan data berkualitas tinggi dalam jumlah besar untuk pelatihan AI Bot. Saluran teknologi ini secara bersama-sama memperpendek jalur transformasi dari data mentah menjadi Bot yang dapat diterapkan.
3、Bidang Eksplorasi Utama
（1）teknologi enkripsi dan Bot
Teknologi enkripsi dapat mendorong pihak yang tidak dipercaya untuk meningkatkan efisiensi jaringan Bot. Berdasarkan bidang kunci yang disebutkan sebelumnya, kami percaya bahwa teknologi enkripsi dapat meningkatkan efisiensi dalam tiga aspek: integrasi infrastruktur, optimasi latensi, dan pengumpulan data.
Jaringan Infrastruktur Fisik Desentralisasi (DePIN) diharapkan dapat merevolusi infrastruktur pengisian daya. Ketika robot humanoid beroperasi secara global seperti mobil, stasiun pengisian daya perlu tersedia di mana saja seperti stasiun pengisian bahan bakar. Jaringan terpusat memerlukan investasi awal yang besar, sementara DePIN akan membagi biaya kepada operator node, memungkinkan fasilitas pengisian daya berkembang dengan cepat ke lebih banyak area.
DePIN juga dapat memanfaatkan infrastruktur terdistribusi untuk mengoptimalkan latensi pengendalian jarak jauh. Dengan mengagregasi sumber daya komputasi dari node tepi yang terdistribusi secara geografis, instruksi pengendalian jarak jauh dapat diproses oleh node lokal atau yang paling dekat tersedia, meminimalkan jarak transmisi data, dan secara signifikan mengurangi latensi komunikasi. Namun, saat ini proyek DePIN terutama berfokus pada penyimpanan terdesentralisasi, distribusi konten, dan berbagi bandwidth, meskipun ada proyek yang menunjukkan keunggulan komputasi tepi dalam streaming media atau Internet of Things, belum diperluas ke bidang robot atau pengendalian jarak jauh.
Pengendalian jarak jauh adalah cara pengumpulan data yang paling prospektif, namun entitas terpusat yang mempekerjakan profesional untuk mengumpulkan data memiliki biaya yang sangat tinggi. DePIN mendorong pihak ketiga untuk menyediakan data pengendalian jarak jauh melalui insentif token enkripsi untuk mengatasi masalah ini. Proyek Reborn membangun jaringan operator jarak jauh global, mengubah kontribusinya menjadi aset digital tokenisasi, membentuk sistem desentralisasi tanpa izin—peserta dapat memperoleh keuntungan dan berpartisipasi dalam tata kelola serta membantu pelatihan robot AGI.
(2) Keamanan selalu menjadi perhatian utama
Tujuan akhir dari teknologi robotika adalah untuk mencapai otonomi penuh, tetapi seperti yang diperingatkan dalam seri film "Terminator", manusia paling tidak ingin melihat otonomi mengubah robot menjadi senjata agresif. Masalah keamanan model bahasa besar telah menarik perhatian, dan ketika model-model ini memiliki kemampuan untuk bertindak secara fisik, keamanan robot menjadi prasyarat kunci untuk penerimaan sosial.
Keamanan ekonomi adalah salah satu pilar kemakmuran ekosistem Bot. Perusahaan OpenMind di bidang ini sedang membangun FABRIC—sebuah lapisan koordinasi mesin terdesentralisasi, yang mewujudkan otentikasi identitas perangkat, verifikasi keberadaan fisik, dan akses sumber daya melalui enkripsi. Berbeda dengan manajemen pasar tugas yang sederhana, FABRIC memungkinkan Bot untuk membuktikan informasi identitas, lokasi geografis, dan catatan perilaku secara mandiri tanpa bergantung pada perantara terpusat.
Pembatasan perilaku dan otentikasi identitas dilakukan melalui mekanisme on-chain, memastikan bahwa siapa pun dapat mengaudit kepatuhan. Robot yang memenuhi standar keamanan, persyaratan kualitas, dan regulasi daerah akan mendapatkan imbalan, sementara pelanggar akan menghadapi hukuman atau dicabut kelayakannya, sehingga membangun mekanisme akuntabilitas dan kepercayaan dalam jaringan robot otonom.
Jaringan re-staking pihak ketiga (seperti Symbiotic) juga dapat memberikan jaminan keamanan yang setara. Meskipun sistem parameter hukuman masih perlu disempurnakan, teknologi terkait telah memasuki tahap praktis. Kami memperkirakan pedoman keamanan industri akan segera terbentuk, dan pada saat itu parameter hukuman akan dimodelkan berdasarkan pedoman ini.
Contoh rencana aksi:
Mode ini tidak hanya mendorong perusahaan untuk mengutamakan keamanan, tetapi juga meningkatkan penerimaan konsumen melalui mekanisme asuransi dari kolam dana yang dipertaruhkan.
Pandangan tim Symbiotic tentang bidang robotika adalah:
Kerangka staking umum Symbiotic bertujuan untuk memperluas konsep staking ke semua bidang yang memerlukan dukungan keamanan ekonomi, baik melalui model berbagi maupun independen. Kasus penggunaannya bervariasi dari asuransi hingga teknologi Bot yang memerlukan desain spesifik untuk masing-masing kasus. Misalnya, jaringan Bot dapat dibangun sepenuhnya berdasarkan kerangka Symbiotic, memungkinkan pemangku kepentingan untuk memberikan jaminan ekonomi bagi integritas jaringan.
4、Mengisi Kekosongan dalam Tumpukan Teknologi Bot
OpenAI mempromosikan penyebaran AI, tetapi fondasi ChatGPT sudah lama dibangun. Layanan cloud memecahkan ketergantungan model pada daya komputasi lokal, Huggingface mewujudkan open source model, dan Kaggle menyediakan platform eksperimen bagi insinyur AI. Terobosan bertahap ini secara bersama-sama berkontribusi pada pemasyarakatan AI.
Berbeda dengan AI, bidang robotika sulit untuk dimasuki ketika dana terbatas. Untuk mewujudkan penyebaran robot, ambang pengembangannya harus diturunkan hingga tingkat kemudahan yang sama dengan pengembangan aplikasi AI. Kami percaya ada ruang untuk perbaikan di tiga tingkat: mekanisme pendanaan, sistem evaluasi, dan ekosistem pendidikan.
Pendanaan adalah titik nyeri di bidang robotika. Mengembangkan program komputer hanya memerlukan satu komputer dan sumber daya komputasi awan, sementara membangun robot yang berfungsi penuh harus membeli perangkat keras seperti motor, sensor, baterai, dan lain-lain, dengan biaya yang mudah melebihi 100.000 dolar. Sifat perangkat keras ini membuat pengembangan robot kurang fleksibel dan biaya tinggi dibandingkan AI.
Infrastruktur evaluasi robot di dunia nyata masih dalam tahap awal. Di bidang AI, telah dibangun sistem fungsi kerugian yang jelas, dan pengujian dapat sepenuhnya divirtualisasi. Namun, strategi virtual yang unggul tidak dapat langsung diterjemahkan menjadi solusi yang efektif di dunia nyata. Robot perlu menguji fasilitas evaluasi strategi otonom dalam lingkungan nyata yang beragam agar dapat mencapai optimasi iteratif.
Ketika infrastruktur ini matang, talenta akan mengalir dalam jumlah besar, dan robot humanoid akan mengulangi kurva ledakan Web2. Perusahaan enkripsi robot OpenMind sedang bergerak ke arah ini—proyek sumber terbuka OM1 ("sistem Android versi robot") mengubah perangkat keras asli menjadi agen cerdas yang dapat ditingkatkan dengan kesadaran ekonomi. Modul perencanaan visual, bahasa, dan gerakan dapat dipasang dan digunakan seperti aplikasi ponsel, semua langkah penalaran disajikan dalam bahasa Inggris yang jelas, sehingga operator tidak perlu berinteraksi dengan firmware untuk mengaudit atau menyesuaikan perilaku. Kemampuan penalaran bahasa alami ini memungkinkan generasi baru talenta untuk masuk ke bidang robotika tanpa hambatan, mengambil langkah kunci menuju platform terbuka yang akan memicu revolusi robot, seperti yang dilakukan gerakan sumber terbuka terhadap percepatan AI.
Kepadatan talenta menentukan trajektori industri. Sistem pendidikan inklusif yang terstruktur sangat penting untuk pengiriman talenta di bidang enkripsi. Peluncuran OpenMind di Nasdaq menandai dimulainya era baru di mana mesin cerdas ikut berpartisipasi dalam inovasi keuangan dan pendidikan nyata. OpenMind dan Robostore secara bersama-sama mengumumkan peluncuran kursus pendidikan umum pertama berbasis Unitree G1 Bot di sekolah umum K-12 di Amerika Serikat. Kursus ini dirancang dengan platform yang tidak bergantung, dapat disesuaikan dengan berbagai bentuk Bot, dan memberikan kesempatan praktik kepada siswa. Sinyal positif ini memperkuat penilaian kami: dalam beberapa tahun mendatang, kekayaan sumber daya pendidikan Bot akan sebanding dengan bidang AI.
5、Proyeksi Masa Depan
Inovasi dan efek skala ekonomi dari Model Visual - Bahasa - Tindakan (VLA) telah melahirkan robot manusia yang terjangkau, efisien, dan universal. Dengan ekspansi robot gudang ke pasar konsumen, keamanan, model pembiayaan, dan sistem evaluasi menjadi arah eksplorasi yang kunci. Kami yakin bahwa teknologi enkripsi akan mendorong perkembangan robot melalui tiga jalur: memberikan jaminan ekonomi untuk keamanan, mengoptimalkan infrastruktur pengisian daya, dan meningkatkan kinerja latensi serta saluran pengumpulan data.