[BizHanKook] Bisnis yang diperluas Nvidia di Korea tidak hanya terbatas pada pasokan unit pemrosesan grafis (GPU). Mereka menerapkan perangkat lunak perusahaan untuk melatih robot di ruang virtual dan memverifikasinya sebelum diterapkan di pabrik nyata, sembari menghubungkan unit pemrosesan saraf (NPU) buatan dalam negeri ke rak server mereka. Pada acara ‘Nvidia AI Day Seoul 2026’ yang diadakan di COEX, Gangnam-gu, Seoul pada tanggal 9-10, contoh penerapan teknologi yang konkret oleh perusahaan-perusahaan domestik telah diungkapkan.
Robot Humanoid yang Memasang Penutup Mesin Cuci dan Robot Pengamplas yang Mencari Resep
Agar robot dapat melakukan tugas di lingkungan manufaktur nyata, diperlukan proses untuk memperoleh berbagai data kerja, mempelajarinya, serta memverifikasi gerakan dan kinerja sebelum benar-benar diterjunkan ke lingkungan asli. Nvidia memperluas cakupan kerja samanya dengan menggabungkan solusi simulasi dan pembelajaran mereka ke dalam proses pengembangan tersebut.
LG Electronics, yang berpusat pada LG Data Factory di bawah Robotics Business Center, sedang membangun sistem yang mencakup pengumpulan, pembuatan, dan augmentasi data yang diperlukan untuk pembelajaran AI fisik, hingga pelatihan model, serta penerapan, verifikasi, dan penyebaran di pabrik manufaktur nyata. Ini adalah apa yang disebut sebagai ‘data flywheel’ yang menghubungkan seluruh proses dari perolehan data hingga penerapan di lapangan.
Park Jung-seop, pemimpin tim Robotics Intelligence LG Electronics, saat memperkenalkan contoh kolaborasi tersebut mengatakan, “Kami menangani seluruh flywheel, mulai dari mengumpulkan, menghasilkan, dan memperkuat data, hingga membersihkan data, melatih model, lalu menerapkannya di pabrik nyata untuk verifikasi dan penyebaran.” Ia menambahkan, “Dalam proses ini, kami memanfaatkan berbagai solusi dari pihak Nvidia untuk mempercepatnya.”
Baru-baru ini, LG Electronics telah mendemonstrasikan tugas robot humanoid yang dilatih di Yangjae Data Factory dengan memasukkannya ke dalam lini produksi mesin cuci. Ini adalah tugas repetitif memasang penutup atas mesin cuci (top plate) seberat sekitar 4 kg ke gantungan. Pemimpin tim Park menjelaskan, “Karena tugas ini sulit dilakukan manusia secara berulang akibat risiko penyakit muskuloskeletal atau peningkatan kelelahan, kami menerjunkan humanoid untuk menggantikan bagian tersebut.”
Doosan Robotics sedang mengembangkan teknologi bagi robot untuk menemukan sendiri kondisi kerja sebelum diterjunkan ke proses manufaktur. Targetnya adalah proses pengamplasan (finishing) permukaan logam. Kualitas pengamplasan bergantung pada ‘resep’, yaitu kondisi kerja yang menggabungkan jalur pergerakan robot, ketebalan amplas, tekanan kontak, kecepatan, dan jumlah pengulangan. Saat ini, metode yang umum digunakan adalah pekerja mengatur resep untuk setiap komponen, memeriksa hasil pengamplasan, lalu menyesuaikan kembali kondisinya.
Son Kyung-chan, pemimpin tim Physical AI Platform Doosan Robotics mengatakan, “Sebagian besar sel pengamplasan robot yang beroperasi saat ini memiliki struktur repetitif di mana pekerja harus mengatur resep secara manual untuk setiap komponen, melakukan pengamplasan, melihat hasilnya, lalu memperbaikinya kembali.” Ia menambahkan, “Ada masalah di mana pengerjaan per komponen bisa memakan waktu berjam-jam hingga berhari-hari, atau bahkan lebih dari seminggu di lapangan.” Yang dibayangkan oleh Doosan Robotics adalah metode di mana agen AI menurunkan resep optimal untuk setiap komponen dan memverifikasinya melalui simulasi sebelum pekerjaan nyata dilakukan. Pemimpin tim Son menekankan, “Jika sebelumnya perlu 100 kali percobaan agar kualitas komponen meningkat, target kami adalah membuat solusi yang hemat biaya dengan mengurangi jumlah percobaan tersebut melalui simulasi. Simulasi sangat penting dalam tahap verifikasi sebelum eksekusi.”
Tren serupa juga muncul di bidang semikonduktor. Samsung Electronics memanfaatkan Nvidia PhysXNeMo untuk meningkatkan analisis termal dan mekanis pada tingkat chip. Dalam kasus yang menggabungkan properti material yang diprediksi AI, kisi komputasi yang jarang, dan akselerasi GPU, perhitungan yang sebelumnya memakan waktu sekitar 18 jam dengan CPU 32-core dipangkas menjadi 41 detik. Ini adalah peningkatan kecepatan sekitar 1.600 kali lipat dalam simulasi tertentu.
Nvidia memperluas cakupan keterlibatannya dalam proses pengembangan teknologi klien dengan tidak hanya memasok GPU, tetapi juga perangkat lunak, serta alat pengembangan dan verifikasi yang menggunakannya.
Merangkul NPU Buatan Lokal, Namun... Ada Variabel dan Tugas
Di bidang infrastruktur AI, telah terjalin kolaborasi untuk menghubungkan semikonduktor AI domestik ke platform Nvidia. SK Telecom, Nvidia, dan Rebellions telah menandatangani nota kesepahaman (MOU) untuk mengembangkan sistem terintegrasi GPU/NPU berbasis ‘NVLink Fusion’. NVLink Fusion adalah teknologi yang memungkinkan penerapan akselerator eksternal pada sistem komputasi AI Nvidia.
Inti dari kolaborasi ini adalah membagi proses inferensi AI antara GPU dan NPU. ‘Prefill’ yang memproses pertanyaan dan konteks yang dimasukkan ditangani oleh GPU Nvidia, sedangkan ‘Decode’ yang menghasilkan jawaban secara sekuensial ditangani oleh NPU Rebellions, yaitu ‘Rebel R200’. SKT berencana memverifikasi sistem terintegrasi yang menerapkan MGX, standar desain rak server, di pusat data AI mereka dan menjajaki kemungkinan komersialisasi. Ini adalah struktur di mana NPU buatan domestik memainkan peran di dalam platform Nvidia.
Kolaborasi dengan model AI dan startup domestik juga diperluas. Nvidia memutuskan untuk mendukung penggunaan perangkat lunak optimasi inferensi ‘Dynamo’ bagi tiga konsorsium yang terpilih dalam proyek pemerintah ‘All of AI’ serta empat pengembang model fondasi utama domestik. Di antara startup AI domestik, mereka mengumumkan investasi pada perusahaan interkoneksi semikonduktor Point2Technology, dan mengungkapkan rencana investasi tambahan untuk Motif Technologies, Realworld, dan Upstage. Mereka terlihat memperluas target kolaborasi mulai dari infrastruktur AI, semikonduktor, hingga model dan aplikasi industri nyata.
Namun, masih ada tantangan yang harus diselesaikan agar AI fisik dapat menyebar luas ke seluruh lingkungan manufaktur. Robot yang dilatih di ruang virtual harus mampu bekerja secara stabil di bawah berbagai kondisi nyata di lapangan, seperti gesekan, kontak, dan variasi antar komponen. Penting untuk mengurangi margin kesalahan antara hasil simulasi dan pengerjaan nyata. Wakil Presiden Thala juga menekankan di lapangan bahwa, “Di bidang AI fisik, masalah akurasi, keandalan, dan keamanan masih belum terselesaikan,” serta menambahkan bahwa elemen-elemen tersebut dan efisiensi ekonomi harus dipastikan untuk komersialisasi skala besar AI fisik.
Kontroversi seputar CEO Nvidia Jensen Huang juga muncul sebagai variabel. Financial Times melaporkan pada tanggal 6 (waktu setempat) bahwa otoritas intelijen AS mencurigai Alice Huang, mantan eksekutif perusahaan pusat data Singapura Megaspeed, sebagai sosok yang direkrut oleh badan intelijen Tiongkok, dan bahwa ia menjalin hubungan pribadi dengan CEO Huang. Dalam email yang dikirim kepada staf pada tanggal 8, CEO Huang mengakui dan meminta maaf karena telah berperilaku tidak setia kepada istrinya. Dewan direksi Nvidia menyatakan telah memulai penyelidikan independen dengan bantuan hukum eksternal dan menegaskan hingga saat ini tidak ada bukti bahwa keamanan nasional atau kerahasiaan perusahaan telah terganggu.
Kunjungan ke Korea dari Madison Huang, direktur senior Nvidia dan putri sulung Jensen Huang, yang telah mendiskusikan kolaborasi AI fisik dengan perusahaan domestik, juga dibatalkan karena alasan keluarga. Awalnya, ia dijadwalkan untuk bertemu dengan Menteri Sains dan TIK serta mengunjungi perusahaan domestik, namun jadwal terkait dibatalkan.
Tiga ketua komite DPR AS (Luar Negeri, Tiongkok, dan Intelijen) telah meminta CEO Huang untuk menghadiri pengarahan tertutup pada tanggal 18 mendatang. Pimpinan Partai Demokrat di DPR juga mendesak pengesahan undang-undang otorisasi pertahanan nasional yang mencakup ketentuan untuk membatasi akses Tiongkok terhadap semikonduktor AI. Jika regulasi ekspor semikonduktor AS ke Tiongkok diperketat, hal tersebut tidak hanya akan memengaruhi strategi pasokan produk Nvidia, tetapi juga secara tidak langsung berdampak pada Samsung Electronics dan SK Hynix yang memasok HBM terkait. Wakil Presiden Thala mengatakan pada hari itu, “Dalam 10 tahun ke depan, Korea akan memainkan peran yang sangat penting dalam proses perkembangan AI fisik.”