Dalam forum "Pengusaha Internet" di KTT Wuzhen pada Konferensi Internet Dunia 2026, pendiri Yushu Technology, Wang Xingxing, menyatakan bahwa salah satu nilai terbesar manusia saat ini adalah menilai model kecerdasan buatan (AI) atau menetapkan tujuan untuk AI dan membiarkannya menjalankan tugas tersebut. Ia juga memperkirakan bahwa tahun 2027 kemungkinan akan menjadi titik kritis untuk perkembangan industri kecerdasan tersemat atau model terkait.
Yushu Technology mencatat bahwa ketika membahas tantangan dalam penerapan robot, Wang Xingxing menyebutkan bahwa masalah utama saat ini masih terletak pada "beberapa milimeter terakhir" yang belum terpecahkan. Tingkat keberhasilan robot dalam satu proses di pabrik sudah cukup tinggi, tetapi dalam operasi halus seperti perakitan presisi, pemahaman taktil terhadap dunia fisik yang nyata masih kurang, dan terdapat perbedaan antara input-output model AI dan lingkungan nyata.
Yushu Technology Mendorong Evolusi Diri Model AI Fisik untuk Mengatasi Masalah Penerapan Robot
Untuk mengatasi masalah ini, Yushu Technology sedang mendorong evolusi diri model AI fisik, sehingga model AI dapat mengumpulkan data secara mandiri dan menyelesaikan pelatihan serta iterasi. Sebelumnya, Wang Xingxing telah memperkenalkan bahwa sistem terkait mencoba menyusun siklus mandiri dari penulisan kode, pelatihan model, penyebaran, pengujian, dan umpan balik, sehingga AI dapat terlibat lebih banyak dalam pengembangan dan penilaian.
Namun, pada tahap ini, proses tersebut masih memerlukan keterlibatan manusia. Manusia perlu menilai apakah gerakan robot sesuai harapan, apakah tugas berhasil, dan apakah hasil eksekusi mencapai tujuan yang ditetapkan. Wang Xingxing sebelumnya menyatakan bahwa seiring model terus mengumpulkan pengalaman, tingkat keterlibatan manusia mungkin akan berkurang secara bertahap.
Yushu Technology Melakukan Uji Coba Kecerdasan Tersemat di Berbagai Skenario
Dalam penerapan kecerdasan tersemat, Yushu Technology telah melakukan uji coba di berbagai skenario, termasuk pabrik mobil. Wang Xingxing sebelumnya menunjukkan bahwa agar robot dapat diterapkan secara luas, kemampuan generalisasi dan efisiensi operasional masih perlu ditingkatkan lebih lanjut.

