GigaAI Tiongkok Maju Teknologi World Model dengan Keunggulan Data Manufaktur

Pesan Gate News, 15 April — Startup AI Tiongkok GigaAI dengan cepat menutup kesenjangan dengan AS dalam teknologi world model, kemampuan inti untuk physical AI, dengan memanfaatkan data manufaktur industri yang sangat besar dan sistem pengumpulan data yang didukung pemerintah. Menurut pemberitaan South China Morning Post pada 14 April, Tiongkok telah melampaui fase penelitian untuk meraih keunggulan penerapan komersial melalui akses ke data besar berskala dan terstruktur dari fasilitas manufaktur serta operasi robot.

World models mensimulasikan lingkungan 3D dan hukum fisika di ruang virtual untuk melatih sistem physical AI seperti robot dan kendaraan otonom. GigaAI baru-baru ini mengamankan 1 miliar yuan (sekitar $190 juta) dalam pendanaan baru, diikuti putaran tambahan dengan skala serupa dalam beberapa minggu. Perusahaan mengklaim model terbarunya, GigaWorld-1, mengungguli model-model yang terkait Google dan Nvidia dalam kualitas visual, kepatuhan terhadap hukum fisika, dan akurasi 3D. GigaAI bekerja sama dengan produsen kendaraan listrik termasuk Nio, Xpeng, dan BYD untuk sistem mengemudi otonom berbasis visi serta dilaporkan menghasilkan pendapatan tahunan dalam kisaran puluhan juta yuan.

Di AS, persaingan investasi tetap sengit. WorldLabs, yang didirikan oleh peneliti AI Fei-Fei Li, dan AMI Labs, yang terkait dengan Yann LeCun, masing-masing mengamankan sekitar $1 miliar dalam pendanaan pada kuartal pertama 2026. Google DeepMind bekerja dengan Waymo untuk menerapkan world models pada pengemudian otonom, sementara Tesla menggunakan teknologi tersebut untuk melatih robot humanoid Optimus-nya. Di antara raksasa teknologi Tiongkok, layanan pemetaan Amap milik Alibaba memformalkan riset world model lebih awal tahun ini, dan Tencent merilis model open-source yang mampu menghasilkan lingkungan 3D dari satu gambar atau teks.

Pengamat industri mencatat bahwa meskipun keunggulan data manufaktur Tiongkok sangat signifikan, komersialisasi masih membutuhkan waktu untuk memvalidasi. Tantangan utama mencakup replikasi yang tepat terhadap variabel fisik kompleks dunia nyata dan memastikan penerapan yang aman dalam layanan robot serta kendaraan otonom. Keamanan dan efisiensi biaya diperkirakan menjadi faktor kompetitif utama dalam penerapan tahap komersial.