Robot Es Krim Bernilai Rp 500 Triliun: Tangan Terampil Jadi Mesin Uang Embodied AI

Di gerai DQ kawasan Wujiang Road, Shanghai, ada sebuah robot yang sedang melakukan hal yang kelihatannya “bodoh”.

Ia mengambil ring cup dari lemari sterilisasi, menarik cup kertas, mengisi es krim dari mesin, menaburkan remah Oreo, mengaduk, membersihkan bibir cup, lalu membalikkan cup — membuktikan jargon legendaris DQ: “dibalik pun tidak tumpah”. Total 55 langkah, semuanya otonom. Karyawan di sebelahnya tidak menyentuh apa pun.

Karyawan butuh 2-3 menit untuk satu cup. Robot ini butuh 6 menit.

Lebih lambat dua kali lipat. Tapi tidak ada yang menyuruhnya buru-buru.

Karena DQ dan Sharpa, perusahaan di balik robot ini, sama sekali tidak peduli soal kecepatan. Yang mereka incar adalah hal lain: data.

Di akhir artikel ini, saya kasih tiga celah cuan yang bisa dimasuki orang biasa.

Ini Bukan Turun Kelas, Ini Latihan Naik Kelas

Reaksi pertama kebanyakan orang membaca berita ini: perusahaan valuasi ratusan triliun kok kerjaannya bikin es krim? Mubazir dong?

Orang yang bilang begitu belum paham logika persaingan embodied AI.

“Robot” yang biasa kamu lihat di restoran itu pada dasarnya cuma nampan beroda. Antar piring, antar makanan, muter-muter. Kerjaan dengan derajat kebebasan paling rendah. Robot macam ini tidak butuh “tangan”, cuma butuh bisa jalan, hindari halangan, sampai tujuan. Nilai teknologinya mendekati nol, moat-nya tidak ada.

Sharpa justru sebaliknya. Ia sengaja masuk ke dapur, memakai peralatan manusia, bahan baku manusia, standar global yang seragam, dan menyelesaikan seluruh proses dari awal sampai akhir.

Founder Sharpa, Li Yifan, pernah bilang kalimat yang tajam: kalau robot humanoid dengan puluhan derajat kebebasan, lengkap dengan visi dan force control, ujung-ujungnya cuma menyajikan kopi seperti lengan mekanik biasa, hitungan biayanya tidak akan pernah masuk akal.

Intinya: robot tidak boleh menuntut lingkungan menyesuaikan dirinya. Tidak boleh kerja 9 langkah lalu langkah terakhir dilempar ke manusia. Itu bukan menciptakan produktivitas, itu cuma ngasih robot pekerjaan santai.

Makanya skenario DQ ini sulit: 55 langkah saling terkait. Cup kertas bisa penyok, kelembutan es krim berubah mengikuti suhu, tiga kali penambahan topping terlihat hampir identik secara visual. Salah sedikit, gagal total.

Dan justru kegagalan itulah yang diburu Sharpa.

Benteng Sebenarnya Bukan Chip, Tapi Data “Jatuh Bangun”

Apa penghalang terbesar embodied AI?

Bukan belajar lintasan gerakan dari video. Suruh GPT nonton seratus video bikin es krim, ia tetap tidak tahu seberapa kuat genggaman untuk memegang cup. Karena di video tidak ada rasa sentuhan, tidak ada gaya, tidak ada logika perbaikan setelah error.

Kamu lihat orang melakukannya sekali, kamu cuma tahu tangan diangkat setinggi apa. Tapi kamu tidak tahu seberapa keras menggenggam cup kertas supaya tidak penyok. Tidak tahu kalau tumpah itu karena posisi isi miring atau adukan terlalu cepat. Tidak tahu beda dua derajat sudut saat membersihkan bibir cup itu efeknya apa.

Informasi semacam ini cuma bisa dikumpulkan kalau robot jatuh bangun di dunia nyata, salah, lalu menyesuaikan diri. Data “kegagalan” ini yang kemudian dimasukkan ke model, supaya skenario berikutnya tidak perlu jatuh di lubang yang sama.

Sharpa melatih alur DQ ini kurang dari 5 bulan, dengan tingkat keberhasilan lab yang cukup tinggi. Tapi angka lab tidak berarti apa-apa. Kondisi gerai sungguhan — jam sibuk, fluktuasi suhu mesin, perbedaan batch bahan baku — itu ujian sesungguhnya.

Keterampilan menggenggam, menyendok, mengaduk, menuang yang dilatih di DQ hari ini, besok bisa langsung dipakai untuk menata rak minimarket, housekeeping hotel, bahkan pekerjaan rumah tangga. Kalau ganti skenario harus latihan ulang seratus ribu jam, gerai ini cuma proyek sekali pakai tanpa nilai komersial.

Inilah ambisi Sharpa yang sebenarnya: menukar satu gerai DQ dengan fondasi data manipulasi terampil yang bisa dipindah ke mana-mana.

Valuasi Rp 500 Triliun, Lebih Mahal dari Perusahaan Induknya

Sharpa baru berdiri akhir 2024. Umurnya belum genap dua tahun. Baru saja mengumumkan putaran pendanaan baru senilai lebih dari Rp 100 triliun, dengan valuasi pasca-investasi menembus sekitar Rp 500 triliun.

Yang lebih menarik: tiga co-founder-nya adalah tim inti pendiri Hesai Technology, raja lidar dunia.

Dan sekarang, kapitalisasi pasar Hesai sendiri juga tidak kecil.

Perusahaan berumur dua tahun, valuasinya menyalip “perusahaan induknya”. Kenapa Hesai tidak mengerjakan bisnis ini di dalam, malah dipisah jadi entitas baru?

Ini pola klasik permainan industri.

Pertama, beda sektor, beda logika valuasi. Lidar itu manufaktur matang: yang dinilai volume pengiriman, margin kotor, efisiensi biaya. Robot humanoid itu logika growth teknologi fase ledakan: yang dinilai benteng teknologi, akumulasi data, imajinasi skenario. Fundraising sebagai entitas independen, langit-langit valuasinya jauh lebih tinggi.

Kedua, insentif tim lebih fleksibel. Struktur saham perusahaan independen bisa didesain ulang, tidak menggerus pemegang saham lama Hesai, dan tim inti dapat insentif plus otonomi yang jauh lebih besar.

Lihat daftar investornya: modal industri Alibaba, Meituan, JD semua masuk, plus Sequoia dan Qiming. Intinya mereka bertaruh pada satu hal yang sama: Sharpa bisa menduplikasi jalur sukses Hesai di lidar ke tubuh robot humanoid.

Kuasai dulu komponen inti, lalu putar loop algoritma lewat data skenario nyata, dan akhirnya bangun kemampuan full-stack.