Investor AI fisik menyoroti kemampuan manufaktur dan semikonduktor Asia sebagai potensi keunggulan bagi perusahaan robotika yang bergerak menuju penerapan komersial, sekaligus mengidentifikasi akses ke data pelatihan dunia nyata sebagai kendala utama.

Poin-Poin Utama

  • Investor membahas peluang di Taiwan, Jepang, dan Asia Tenggara dalam sebuah konferensi tingkat tinggi di San Francisco.
  • Data pabrik sulit diperoleh karena produsen mungkin enggan membagikan informasi hak milik.
  • Startup Island TAIWAN Silicon Valley Hub mengorganisasi dialog industri dan pertemuan investor lanjutan.

AI fisik beralih dari simulasi ke produksi

Dalam acara Silicon to Scale: A Physical AI Summit selama SF Tech Week, investor dan eksekutif industri membahas tantangan penerapan mesin cerdas di lingkungan dunia nyata. Acara tersebut dihadiri lebih dari 170 investor, pemimpin industri, dan pendiri perusahaan, serta menampilkan lima startup Taiwan: Morale AI, MetAI, Jmem Tek, Neuroshine, dan APMIC.

Sebuah panel perusahaan mengkaji kesenjangan antara simulasi dan penerapan di dunia nyata, serta infrastruktur komputasi, edge, dan energi yang diperlukan untuk meningkatkan skala.

Potensi dukungan manufaktur Asia

Jeff Tao, direktur infrastruktur AI di Citi, menunjuk operasi perakitan dan pengujian semikonduktor di Asia Tenggara, termasuk Malaysia, sebagai kapabilitas yang sudah tersedia dan dapat mendukung teknologi baru. Ia juga mengatakan bahwa perusahaan dapat memadukan keunggulan manufaktur Asia dengan akses ke Amerika Serikat, tempat biaya tenaga kerja yang tinggi menciptakan peluang untuk otomasi industri.

Kosuke Yusa dari Open Network Lab Fund mengatakan Jepang menawarkan keunggulan berbeda: lingkungan produksi yang sering berubah dan mengharuskan robot beradaptasi dengan berbagai tugas dan kondisi operasi. Uly Su, kepala Startup Island TAIWAN Silicon Valley Hub, mengatakan Taiwan dapat mengandalkan keunggulannya di bidang semikonduktor, elektronik, dan manufaktur canggih.

Kendala data pabrik dan infrastruktur

Berbeda dengan model bahasa yang dilatih menggunakan informasi digital dalam jumlah besar, sistem robotika membutuhkan data khusus dari lingkungan fisik seperti pabrik dan lini produksi. Tao mengatakan pengumpulan data tersebut sulit, sebagian karena produsen enggan membagikan data operasional hak milik.

Vandon Duong, prinsipal di DCVC, mengatakan para pengembang bersedia membayar untuk kumpulan data yang beragam dan diberi anotasi dengan baik, tetapi mempertanyakan bagaimana perusahaan pengumpul data dapat membangun keunggulan yang bertahan lama seiring meningkatnya persaingan. Investor juga membahas biaya komputasi: Tao menyebut ketersediaan listrik sebagai hambatan infrastruktur AS yang semakin penting, sementara Duong menunjuk teknologi yang dapat meningkatkan efisiensi komputasi dan mengurangi biaya inferensi.

Baca Berita Lainnya

Berita FinanceVelix lainnya

Penafian

Artikel FinanceVelix ini menyediakan informasi umum, bukan nasihat keuangan, investasi, hukum, atau perpajakan yang dipersonalisasi. Harga pasar, suku bunga, dan kondisi ekonomi dapat berubah; investasi mengandung risiko kerugian. Fakta mencerminkan materi yang tersedia saat diterbitkan dan dapat berubah. Periksa informasi penting secara mandiri dan konsultasikan dengan profesional berkualifikasi bila diperlukan. Penyebutan aset, perusahaan, atau layanan bukan merupakan dukungan.