Kecerdasan terwujud adalah sistem cerdas yang mengintegrasikan persepsi, kognisi, pengambilan keputusan, dan tindakan melalui interaksi waktu nyata antara entitas fisik dan lingkungan, mencakup berbagai bentuk seperti robot humanoid, robot biomimetik, serta sistem lingkungan tertanam.
Kecerdasan terwujud adalah sistem cerdas yang mengintegrasikan persepsi, kognisi, pengambilan keputusan, dan tindakan melalui interaksi waktu nyata antara entitas fisik dan lingkungan, mencakup berbagai bentuk seperti robot humanoid, robot biomimetik, serta sistem lingkungan tertanam. Saat ini, kecerdasan terwujud terus berkembang melalui interaksi berulang dengan lingkungan, secara signifikan meningkatkan kemampuan pengambilan keputusan kognitif dan kinerja praktis ontologis, sekaligus mempercepat evolusinya menuju kecerdasan umum yang lebih otonom dan lintas skenario. Memahami secara akurat tren inovasi teknologi global dalam kecerdasan terwujud serta merespons secara aktif tantangan mendalam memiliki makna strategis besar bagi perebutan peluang dan penguasaan inisiatif dalam transformasi industri gelombang baru.
Perkembangan teknologi kecerdasan terwujud global menunjukkan lima tren utama
Saat ini, teknologi kecerdasan terwujud global menunjukkan tren evolusi yang semakin cepat, dengan terobosan di lima dimensi: persepsi dan interaksi, pengambilan keputusan dan kognisi, eksekusi pengendalian, fusi data antar-dominium virtual dan nyata, serta integrasi sistem—yang mendorong kecerdasan terwujud dari laboratorium menuju penerapan skala besar.
Yang pertama adalah penyertaan model dunia dan transisi interaksi persepsi. Didorong oleh model dunia serta teknologi persepsi multimodal, kecerdasan terwujud telah secara signifikan meningkatkan kemampuannya dalam memahami serta berinteraksi dengan lingkungan fisik, sehingga mewujudkan pergeseran paradigma dari "respons terhadap rangsangan" menjadi "pengambilan keputusan deduktif", serta dari restrukturisasi data menjadi pemahaman pola. Meta telah meluncurkan model dunia V-JEPA2, yang mampu memprediksi konsekuensi dari berbagai perilaku dan mengurutkannya berdasarkan tujuan, sehingga meningkatkan akurasi tindakan secara besar. Universitas Peking mengusulkan arsitektur model aksi bahasa multisensor MLA, yang memperkenalkan modalitas multisensor lengkap serta menyediakan dasar pengambilan keputusan yang lebih andal melalui integrasi sinyal heterogen.
Kedua, terdapat tren end-to-end dan pergeseran paradigma dalam pengambilan keputusan. Arsitektur pengambilan keputusan hierarkis pada kecerdasan terwujud (embodied intelligence) berbasis "otak + serebelum" telah matang dan semakin banyak diterapkan; model end-to-end, dengan keunggulan cakupan luas, latensi rendah, otonomi tinggi, serta kolaborasi kuat, menunjukkan potensi besar dalam eksplorasi kecerdasan terwujud menuju generalisasi umum. Gemini Robotics dari Google DeepMind mengandalkan arsitektur VLA end-to-end dan memiliki kemampuan generalisasi lintas ontologi yang sangat baik; model DOBOT-VLA yang dikembangkan secara mandiri oleh Yuejiang di Tiongkok mengintegrasikan kemampuan visual, linguistik, dan pengendalian, serta telah dioptimalkan melalui pembelajaran penguatan (reinforcement learning) di dunia nyata. Dilengkapi robot humanoid ATOM-nya, model ini telah mencapai produksi massal pada tahun 2025 dan mampu menyelesaikan tugas kompleks seperti berjalan, menyeimbangkan diri secara dinamis, serta perakitan presisi.
Ketiga, terobosan dalam bahan fleksibel telah menghasilkan kemunculan kemampuan pemulihan diri. Revolusi bahan mendorong evolusi kecerdasan terwujud dari "ujung eksekusi kaku" menuju "ontologi adaptasi cerdas". Sensor taktil mirip kulit dan kulit elektronik memungkinkan kecerdasan terwujud memiliki kemampuan persepsi lingkungan yang sangat sensitif, sementara struktur fleksibel berbasis biomimetik memberikan bentuk kehidupan cerdas terwujud kemampuan gerak multimodal seperti merayap, menggelinding, dan peristaltik, sehingga secara efektif beradaptasi dengan serta memperluas skenario penerapan. Bahan pemulih diri mencapai terobosan pemulihan diri aktif. Setelah tubuh mengalami kerusakan, ia mampu mencapai rekombinasi kimia yang dapat dibalik di bawah pengaruh cahaya dan panas. Bahan ini mengintegrasikan fungsi deteksi kerusakan, pelokalisasian kerusakan, dan pemulihan diri, sehingga meningkatkan secara signifikan daya tahan dan keandalan kecerdasan terwujud di lingkungan yang kompleks dan keras, menjamin operasi otonom jangka panjang.
Keempat adalah integrasi data virtual dan nyata serta penyatuan standar data. Biaya tinggi dan skala kecil dalam pengumpulan data mesin nyata, serta kemampuan generalisasi yang lemah terhadap lingkungan yang belum pernah dilihat sebelumnya, telah menjadi hambatan dalam pengembangan kecerdasan berwujud. Sumber data generatif adalah lingkungan simulasi yang dibuat dari model besar, dengan volume besar dan tingkat struktur tinggi, sehingga mampu mengisi kesenjangan data secara murah. Dikombinasikan dengan kendala hukum fisika dan paradigma data campuran, serta dikalibrasi menggunakan data mesin nyata, pendekatan ini dapat secara signifikan mempersempit kesenjangan antara simulasi dan kenyataan. Perusahaan dalam negeri 51Sim telah mengakumulasi skenario bantuan berkendara ujung-ke-ujung serta data sintetis berbasis platform Nvidia, yang berhasil digunakan untuk pelatihan robot dalam skenario kompleks seperti pelabuhan dan tambang. Platform "Dome DOME" menyatukan antarmuka data dan spesifikasi format, menghilangkan silo data, membangun bahasa universal bagi industri, serta secara efektif mendorong interoperabilitas lintas skenario dan pasokan data berkualitas tinggi.
Kelima, mencapai kolaborasi heterogen dan membangun fondasi yang aman. Pemisahan perangkat lunak dan perangkat keras serta integrasi modular mendorong percepatan sistem operasi cerdas berwujud guna mencapai kompatibilitas lintas ontologi dan kolaborasi heterogen. Arsitektur OpenRMF menyatukan "aturan lalu lintas" dan "bahasa komunikasi" robot, sehingga memungkinkan operasi kolaboratif di antara klaster mesin heterogen; OM1 yang diluncurkan oleh OpenMind mendukung fitur plug and play serta pengembangan API model besar utama lintas ontologi. Integrasi sistem memperkuat fondasi proyek, menjamin keamanan, keandalan, dan kepatuhan terhadap batasan dasar. Pelatihan adversarial, privasi diferensial, serta teknologi komputasi privasi lainnya memungkinkan kolaborasi lintas lembaga tanpa kebocoran data mentah, sehingga membangun sistem pertahanan aktif dan aman berlapis untuk penerapan skala cerdas berwujud.
Menerapkan berbagai langkah untuk meningkatkan daya saing kecerdasan terwujud Tiongkok
Saat ini, kecerdasan terwujud Tiongkok berada pada tahap kritis dalam mengoordinasikan terobosan teknologi, penerapan industri, dan pembinaan ekosistem. Lokalisasi perangkat keras inti telah dipercepat, serta kinerja model besar meningkat signifikan. Daya komputasi domestik mampu menjalankan model kompleks secara efisien, dan kapabilitas aplikasi awal telah terbentuk di sejumlah bidang. Namun, dengan persaingan internasional yang semakin ketat, tantangan mendalam dalam kecerdasan terwujud tidak dapat diabaikan.
Pertama-tama, kemandirian dan kendali penuh terhadap komponen inti perlu ditingkatkan, mengingat ketergantungan eksternal yang tinggi terhadap motor servo, reduktor, serta sensor kelas atas. Daya tahan sistem energi masih kurang memadai, dan kemampuan pengembangan mandiri secara penuh (full stack) masih lemah; Kedua, sistem standar dan ekosistem industri masih perlu diperbaiki—antar antarmuka perangkat keras tidak konsisten, protokol komunikasi belum seragam, standar kompatibilitas perangkat lunak belum terpadu, terjadi pemisahan data (data silos) secara luas, pengaruh komunitas sumber terbuka (open source) masih terbatas, serta pasokan data interaktif berkualitas tinggi masih kurang memadai; Ketiga, sistem tata kelola keamanan masih perlu ditingkatkan—pembagian tanggung jawab atas kecelakaan sistem otonom sulit ditentukan. Pengumpulan data sensitif secara berkelanjutan berisiko memicu kebocoran data dan pelanggaran privasi, serta mekanisme kepercayaan untuk kolaborasi lintas lembaga masih perlu diperkuat.
Menghadapi tantangan-tantangan di atas, Tiongkok harus memanfaatkan periode jendela pengembangan, menjadikan inovasi mandiri sebagai inti, pembangunan standar sebagai titik awal, serta tata kelola keamanan sebagai batas bawah, mempercepat pembinaan ekosistem industri cerdas terintegrasi, dan memberikan dorongan kuat bagi pengembangan produktivitas berkualitas baru serta pembangunan negara teknologi maju.
Yang pertama adalah memperkuat penataan kekuatan teknologi strategis dan memperkokoh fondasi inovasi mandiri. Dengan mengandalkan sistem nasional baru, kami akan memperkuat kapabilitas ilmiah dan teknologis strategis di laboratorium kunci nasional di bidang kecerdasan berwujud, serta melaksanakan penelitian ilmiah terorganisir di seputar arah mutakhir seperti model fusi tiga ranah "fisika-informasi-kognisi", arsitektur pengambilan keputusan end-to-end, dan material fleksibel berbasis biomimetik. Memperdalam integrasi industri-akademisi-penelitian yang dipimpin perusahaan, mendukung perusahaan teknologi unggulan untuk memimpin pembentukan konsorsium inovasi, mengonsentrasikan sumber daya unggul guna mengatasi hambatan lokalisasi komponen inti seperti motor servo, reduktor, dan sekrup rol planetari, menghubungkan seluruh rantai "penelitian dasar–pengembangan teknologi–penerapan industri", serta memecahkan kendala pengembangan industri dari sumbernya.
Yang kedua adalah membangun ekosistem industri yang terbuka dan kolaboratif, serta memimpin pembangunan berkualitas tinggi dengan standar tinggi. Percepat pengembangan antarmuka perangkat keras lintas industri, protokol komunikasi, dan standar kompatibilitas perangkat lunak, serta dorong pengembangan perangkat lunak dasar yang mandiri dan terkendali—seperti sistem operasi dan middleware. Jelajahi pendirian lembaga pengumpulan dan tata kelola data tingkat tinggi, kembangkan standar pengumpulan dan anotasi data multimodal, bangun tolok ukur simulasi serta platform data terbuka untuk skenario kunci seperti manufaktur cerdas dan operasi berisiko tinggi, serta hancurkan hambatan sirkulasi data. Kembangkan secara intensif ekosistem sumber terbuka lokal, dorong universitas, lembaga penelitian, dan perusahaan untuk bersama-sama membangun sistem berbagi daya komputasi algoritma, turunkan hambatan riset dan pengembangan, percepat iterasi teknologi, serta pimpin peningkatan kualitas industri melalui standardisasi tingkat tinggi dan sumber terbuka.
Ketiga, membangun sistem tata kelola keamanan yang kokoh serta meletakkan fondasi kuat bagi pengembangan yang dapat dipercaya. Membangun mekanisme perlindungan berjenjang yang mencakup keamanan algoritma, data, dan fisik, sekaligus memperjelas batas hak dan tanggung jawab semua pihak yang terlibat dalam produksi, pemanfaatan, penyediaan algoritma, dan pengawasan. Melakukan riset berwawasan ke depan mengenai penentuan tanggung jawab atas kecelakaan, kolaborasi lintas lembaga, aturan tata kelola saling percaya, serta pedoman keselamatan dan etika untuk perilaku tertentu seperti navigasi, kolaborasi kelompok, dan lainnya. Menjajaki model regulasi yang inklusif dan bijaksana, melakukan penilaian etika dan keselamatan sepanjang siklus hidup, membangun sistem pertahanan proaktif dan aman secara mendalam, serta memberikan jaminan kelembagaan bagi penerapan skala besar dan pengembangan jangka panjang yang sehat bagi embodied intelligence.
EN
