Oleh Steven Fong, Corporate Vice President, APJ Embedded Business
Kecerdasan buatan memasuki fase baru—yang melampaui produktivitas digital dan merambah ke dunia fisik.
Dalam beberapa tahun terakhir, AI sebagian besar didefinisikan oleh sistem yang memahami, menghasilkan, dan merekomendasikan informasi. Large language models (LLM), asisten AI, dan copilot telah mengubah pekerjaan berbasis pengetahuan secara mendasar dengan membantu orang mencari, merangkum, membuat konten, dan meningkatkan pengambilan keputusan. Gelombang pertama AI ini telah mentransformasi produktivitas digital.
Gelombang berikutnya akan sangat berbeda. AI tidak lagi hanya diharapkan untuk memahami informasi, tetapi semakin dituntut untuk berinteraksi dengan dunia fisik.
Baca juga: AMD di IFA 2026: Menggebrak “The Era of Personal AI” & Ryzen AI Max!
Robot akan bekerja berdampingan dengan manusia di lantai pabrik. Kendaraan otonom akan terus memahami dan merespons lingkungan di sekitarnya. Sistem medis akan membantu tenaga klinis melakukan diagnosis dan pengambilan keputusan secara real-time. Infrastruktur cerdas akan memantau, mengoptimalkan, dan merespons tanpa intervensi manusia secara terus-menerus. Transisi ini jauh lebih besar dari sekadar aplikasi AI baru. Hal ini menandai perubahan mendasar dalam apa yang diharapkan dapat dilakukan oleh AI.
Seiring AI bergerak dari cloud dan lingkungan digital menuju sistem fisik, kecerdasan tidak lagi cukup hanya untuk “tahu”. Sistem physical AI seperti robot otonom juga harus mampu merasakan, memutuskan, dan pada akhirnya bertindak secara real-time, dengan functional safety, sekaligus beroperasi dalam batasan daya, termal, dan ruang yang ketat. Kebutuhan akan transisi ini didorong tidak hanya oleh kemajuan teknologi AI, tetapi juga oleh perubahan struktural dalam ekonomi global.
Di sinilah physical AI dimulai. Physical AI telah membentuk kembali berbagai industri, dan AMD percaya bahwa inilah transisi yang akan menentukan dekade AI berikutnya. Ini merupakan peralihan dari sistem yang tahu menjadi sistem yang melakukan.
“Melakukan” Mengubah Tantangan Komputasi Secara Mendasar
Ketika AI mulai berinteraksi dengan dunia fisik, tantangan komputasi berubah secara mendasar. Berbeda dengan cloud AI yang secara tradisional dioptimalkan untuk skala, throughput, dan pemrosesan terpusat, physical AI menghadirkan serangkaian kebutuhan yang sangat berbeda.
Chatbot dapat menoleransi latensi sesekali. Namun, robot yang beroperasi di lantai pabrik tidak bisa. Kendaraan otonom tidak dapat menerima perilaku sistem yang tidak konsisten. Perangkat medis juga tidak bisa begitu saja mengulang keputusan ketika waktu menjadi faktor yang sangat penting.
Sistem-sistem ini harus menghadirkan:
• Responsivitas real-time
• Perilaku deterministik
• Functional safety dan keandalan
• Operasi dalam batasan daya dan termal
• Ketahanan ketika konektivitas terbatas atau tidak tersedia
Di dunia fisik, kecerdasan hanya bernilai jika sistem dapat bertindak dalam batas waktu yang telah ditentukan. Keberhasilan tidak lagi ditentukan hanya oleh performa model AI.
Physical AI melampaui sekadar menjalankan model AI. Kecerdasan harus mengalir secara mulus dari sensing dan persepsi, melalui inferensi, perencanaan, kontrol, hingga akhirnya tindakan fisik. Pembahasannya bukan lagi hanya tentang membangun model AI yang lebih cerdas, tetapi membangun sistem cerdas yang dapat bertindak dengan aman dan andal di dunia nyata.
Inilah alasan AMD percaya bahwa physical AI pada dasarnya merupakan tantangan rekayasa sistem, bukan sekadar tantangan model AI.
Tidak Ada Satu Prosesor yang Dapat Menjalankan Seluruh Physical AI
Physical AI lebih mudah dipahami jika dibandingkan dengan tubuh manusia.
Otak manusia melakukan penalaran dan pengambilan keputusan. Sistem saraf memungkinkan respons cepat. Otot dan sendi menjalankan tindakan fisik yang presisi.
Sistem physical AI beroperasi dengan cara yang hampir sama. Penalaran dan persepsi yang kompleks membutuhkan komputasi berkinerja tinggi. Respons real-time membutuhkan pemrosesan berlatensi rendah yang dekat dengan tempat keputusan dibuat. Gerakan yang presisi membutuhkan kontrol yang akurat dan deterministik.
Tidak ada satu arsitektur prosesor yang dapat menjalankan seluruh fungsi ini secara efisien. Sebaliknya, berbagai jenis komputasi harus bekerja bersama.
CPU dan GPU berkinerja tinggi berperan sebagai “otak”, yang menangani penalaran kompleks, persepsi, dan workload AI. Adaptive SoC dan NPU berfungsi seperti sistem saraf, memungkinkan pemrosesan berlatensi rendah dan hemat daya yang dekat dengan tempat keputusan harus dibuat. FPGA mendukung kontrol sensor dan aktuator yang presisi, sehingga mesin cerdas dapat berinteraksi dengan dunia fisik secara aman dan akurat.
Inilah sebabnya physical AI membutuhkan komputasi heterogen. Alih-alih mengandalkan satu compute engine, sistem physical AI dapat menggabungkan CPU, GPU, NPU, adaptive compute, dan FPGA, dengan masing-masing dioptimalkan untuk peran berbeda di seluruh pipeline sensor-to-action.
Era Physical AI Selaras dengan Kekuatan AMD
Munculnya Physical AI tidak mengubah strategi teknologi AMD. Sebaliknya, hal ini memvalidasi strategi yang telah dibangun perusahaan selama beberapa dekade.
Physical AI membutuhkan komputasi heterogen, dan AMD menghadirkan portofolio komputasi terluas di industri yang mencakup CPU, GPU, NPU, Adaptive SoC, dan FPGA, untuk menyediakan komputasi yang tepat bagi workload yang tepat.
Alih-alih mengoptimalkan satu tahap pemrosesan AI, teknologi-teknologi ini bekerja bersama untuk mendukung pipeline physical AI secara lengkap—mulai dari persepsi dan penalaran hingga kontrol real-time dan tindakan fisik.
Yang sama pentingnya adalah pengalaman panjang AMD dalam embedded computing. Selama beberapa dekade, teknologi AMD telah mendukung sistem di bidang otomotif, otomasi industri, telekomunikasi, layanan kesehatan, kedirgantaraan, dan pasar embedded lainnya, di mana operasi deterministik, siklus hidup produk yang panjang, functional safety, lingkungan operasi yang ekstrem, serta pengembangan bersama pelanggan selalu menjadi hal yang penting.
Karakteristik yang sama kini menjadi semakin penting seiring physical AI bergerak dari tahap riset menuju penerapan di dunia nyata.
Namun, physical AI membutuhkan lebih dari sekadar silikon. Membangun sistem fisik cerdas membutuhkan model AI, software robotika, middleware, sensor, simulasi, validasi, dan platform siap produksi yang bekerja bersama.
Karena itu, AMD memperluas strategi ekosistem terbuka yang telah lama dijalankan melalui inisiatif seperti AMD Robotics Partner Network dan AMD Kria™ AI Solutions, membantu pelanggan bergerak lebih cepat dari prototipe menuju produksi.
Alih-alih beradaptasi dari awal terhadap era physical AI, AMD memperluas teknologi, software, dan ekosistem yang telah dibangun selama bertahun-tahun.
Dekade AI Berikutnya Akan Ditentukan oleh Sistem yang “Melakukan”
Physical AI bukan sekadar tahap berikutnya dari AI. Ini merupakan perubahan mendasar dalam cara kecerdasan menciptakan nilai.
Era pertama AI sebagian besar ditentukan oleh sistem yang dapat memahami informasi. Era berikutnya akan ditentukan oleh sistem yang dapat merasakan, memutuskan, dan bertindak secara aman di dunia fisik.
Pergeseran ini sangat relevan bagi perekonomian yang didorong oleh sektor manufaktur dan menghadapi perubahan demografis struktural. Indonesia adalah salah satu contohnya. Populasi yang menua, pasar tenaga kerja yang semakin kompetitif, dan meningkatnya tekanan untuk meningkatkan produktivitas industri mendorong percepatan investasi dalam otomasi, robotika, dan infrastruktur cerdas.
Bagi perekonomian seperti ini, physical AI bukan sekadar tren teknologi. Teknologi ini menjadi alat penting untuk menjaga produktivitas jangka panjang, daya saing industri, dan ketahanan ekonomi.
Physical AI tidak akan menyelesaikan tantangan-tantangan tersebut sendirian. Namun, dengan memungkinkan sistem cerdas berinteraksi secara aman dengan dunia fisik, physical AI berpotensi mengubah secara mendasar cara industri beroperasi.
AMD percaya bahwa dekade AI berikutnya akan ditentukan bukan hanya oleh sistem yang tahu, tetapi juga oleh sistem yang melakukan.
