Generalist, startup robotika yang didirikan pada tahun 2024, mengumumkan putaran pendanaan baru yang meningkatkan valuasinya menjadi $3 miliar setelah mengumpulkan hampir $200 juta. Suntikan modal ini, yang dipimpin oleh 8VC, membuat total pendanaan Seri B menjadi $600 juta dan menandakan bahwa investor melihat jalur yang semakin dekat menuju robot yang dapat mempelajari pekerjaan baru hanya dari beberapa detik video.

Lonjakan pendanaan dan jajaran pendukung

Dokumen regulasi menunjukkan bahwa suntikan $200 juta tersebut memperluas Seri B yang dimulai dengan putaran $400 juta yang dipimpin oleh Radical Ventures pada bulan Juni. Putaran ini menambah nama-nama besar seperti Nvidia, Union Square Ventures, Bezos Expeditions, dan pionir AI Fei-Fei Li ke dalam daftar investor Generalist. Keterlibatan mereka mempertegas keyakinan bahwa satu "otak" AI untuk banyak platform robot dapat memicu gelombang otomatisasi baru di pabrik, gudang, dan lingkungan layanan.

Gen 1.5: Belajar dari demo ultra-singkat

Keunggulan utama Generalist adalah model fondasi Gen 1.5 miliknya. Alih-alih merancang setiap gerakan secara manual, model ini memungkinkan robot menonton klip video—seringkali hanya berdurasi tiga hingga dua belas detik—dan kemudian mereproduksi tugas yang didemonstrasikan. Pendekatan ini dibangun di atas imitation learning: AI mengekstrak isyarat gerakan, interaksi objek, dan pengaturan waktu dari input visual, lalu menerjemahkannya menjadi perintah kontrol untuk aktuator robot. Secara teori, satu robot dapat mempelajari puluhan keterampilan baru setiap minggu hanya dengan diperlihatkan rekaman singkat, sehingga memangkas waktu dan keahlian yang dibutuhkan untuk menerapkan otomatisasi di lingkungan yang terus berubah.

"Momen ChatGPT" yang sedang dikejar investor

Generalist bersaing dalam perlombaan yang ketat untuk memberikan terobosan pada perangkat keras sebagaimana model bahasa besar (large language models) memberikan terobosan pada perangkat lunak. Pesaing seperti Physical Intelligence dan Skild AI yang didukung SoftBank sudah memiliki valuasi puluhan miliar dolar, memperkuat narasi "momen ChatGPT" yang lebih luas bagi robotika. Premisnya sederhana: model pra-latih yang serbaguna dan dapat disesuaikan (fine-tuned) dengan data minimal dapat memungkinkan perusahaan menambah kemampuan robotik tanpa harus membangun ulang tumpukan kontrol (control stacks) dari nol.

Hambatan data fisik dan suara skeptis

Antusiasme ini menghadapi hambatan praktis. Model bahasa besar berkembang pesat berkat teks internet yang tak ada habisnya, tetapi robot membutuhkan interaksi fisik untuk menghasilkan data pelatihan. Sensor harus menangkap gaya, kontak, dan geometri 3D, dan setiap skenario baru mungkin memerlukan pengumpulan data baru. Beberapa ahli memperingatkan bahwa kelangkaan kumpulan data fisik yang berkualitas tinggi dan beragam dapat membuat kecerdasan robot yang benar-benar universal tetap berjarak bertahun-tahun dari kelayakan komersial. Tanpa aliran demonstrasi dunia nyata yang stabil, bahkan model fleksibel seperti Gen 1.5 mungkin akan kesulitan untuk melakukan generalisasi di luar lingkungan yang pernah dilihatnya.

Apa yang perlu diperhatikan selanjutnya

  • Uji coba penerapan: Tempat pengujian publik Generalist berikutnya—baik di pusat logistik maupun lini manufaktur—akan menunjukkan seberapa baik Gen 1.5 berskala dari demo laboratorium ke lokasi yang bising dan tidak terprediksi.
  • Pengembangan pipa data: Kemajuan dalam penangkapan data otomatis (misalnya, armada kamera yang menyuplai model) dapat meredakan hambatan data fisik.
  • Langkah kompetitif: Pantau putaran pendanaan dan pengumuman kemitraan dari para pesaing, karena perlombaan untuk model fondasi robot pertama yang dapat diadopsi secara luas masih dalam tahap awal.

Kesimpulan: Valuasi $3 miliar Generalist mencerminkan keyakinan kuat bahwa satu model AI dapat membuat robot seadaptif chatbot saat ini, tetapi jalannya bergantung pada kemampuan mengubah klip video singkat menjadi gerakan dunia nyata yang andal—sebuah tantangan teknik yang akan menentukan apakah janji tersebut dapat diwujudkan menjadi otomatisasi sehari-hari.