Antusiasme investor setelah rilis tersebut sempat mendorong valuasi pasar Zhipu AI melewati HK$1 triliun pada 22 Juni. Angka itu mencerminkan harapan terhadap komersialisasi, adopsi oleh pengembang, dan potensi platform. Namun, valuasi tersebut tidak boleh dianggap sebagai bukti bahwa satu model telah mencapai kecerdasan umum buatan atau AGI.

Perubahan pentingnya terletak pada upaya membangun rangkaian produk di sekitar model, bukan sekadar menjual akses ke model. Rangkaian itu dapat mencakup API, alat pemrograman, eksekusi agen, alur kerja perusahaan, serta aplikasi yang menghasilkan penggunaan dan pendapatan. Bobot model yang terbuka juga dapat memperluas pengujian eksternal dan pengembangan lanjutan, sedangkan layanan komersial membantu membiayai riset model dan infrastruktur berikutnya.

Pelajaran yang lebih besar adalah bahwa kemandirian teknologi tidak berhenti pada kepemilikan bobot model. Perusahaan juga membutuhkan sistem pelatihan dan inferensi, jalur data, metode pascapelatihan, kerangka kerja agen, distribusi ke pengembang, serta akses komputasi yang andal. Sebuah model menjadi lebih tahan lama secara strategis ketika mampu menarik ekosistem di sekeliling lapisan-lapisan tersebut.

BAAI: jembatan riset terbuka menuju kecerdasan berwujud

BAAI berkembang dari pekerjaan model fondasi WuDao menuju keluarga WuJie, yang mencakup riset multimodal, world model, dan AI berwujud. Laporan mengenai konferensi terbaru BAAI menyebut WuJie·Physis sebagai model dunia laten fisik, sementara WuJie·RoboBrain Orca masih dikembangkan sebagai sistem yang menghubungkan penalaran bahasa, prediksi visual, dan pengambilan keputusan tindakan.

Arah ini penting karena kecerdasan di dunia fisik membutuhkan kemampuan yang tidak otomatis dimiliki model berbasis teks. Robot harus mampu mempersepsi lingkungan, memprediksi perubahan, merencanakan tindakan, mengendalikan gerakan, dan beroperasi dalam kondisi fisik yang berubah-ubah. World model dan sistem AI berwujud berupaya merepresentasikan sekaligus bertindak di dalam lingkungan tersebut, bukan hanya mendeskripsikannya.

Peran BAAI juga bersifat kelembagaan. Program risetnya menekankan model sumber terbuka, agen, ekosistem perangkat lunak dan perangkat keras dasar, serta kerja sama antara lembaga riset dan industri. Dalam konferensi BAAI 2026, penyelenggara menyatakan bahwa institut tersebut telah menyediakan lebih dari 200 model secara terbuka dan jumlah unduhan globalnya melampaui 1 miliar. Angka ini sebaiknya dibaca sebagai indikator distribusi, bukan ukuran langsung kualitas model.

Bagi ekosistem AI China, nilai lembaga seperti BAAI terletak pada penciptaan infrastruktur riset yang dapat digunakan ulang serta jalur pengembangan talenta. Model terbuka, tolok ukur, perangkat, dan platform robotika dapat memberi universitas, perusahaan rintisan, serta produsen titik awal yang sama untuk mengembangkan teknologi lanjutan.

AISI: mengubah AI menjadi alur kerja ilmiah dan rekayasa

AISI mengambil pendekatan yang berbeda. Didirikan pada September 2021, lembaga ini menyatakan misinya sebagai penggabungan kecerdasan buatan dengan riset ilmiah serta pembangunan infrastruktur AI for Science.

Kerangka “Four Beams and N Pillars” atau “Empat Balok dan N Pilar” mencakup model algoritma dan perangkat lunak, basis data serta sistem pengetahuan ilmiah, eksperimen dan karakterisasi berpresisi tinggi, serta infrastruktur komputasi terpadu. Tujuannya adalah menggeser riset dari proses yang terpisah-pisah menuju model platform yang lebih terhubung.

Bohrium menjadi salah satu contoh pendekatan tersebut. Platform komputasi awan ini diposisikan sebagai lingkungan yang menghubungkan literatur ilmiah, pengetahuan, model, komputasi, analisis data, dan alur eksperimen. Tujuannya bukan sekadar meminta AI menghasilkan jawaban, melainkan membantu peneliti bergerak dari pertanyaan menuju simulasi, eksperimen, dan kumpulan data baru yang telah divalidasi.

Siklus tertutup ini sangat penting dalam ilmu material dan molekuler. Model atom besar seperti DPA4 dapat membantu penemuan dan simulasi material. Nilai praktisnya meningkat ketika prediksi model diuji melalui eksperimen, lalu hasil pengamatan tersebut digunakan untuk memperbaiki model pada siklus berikutnya. Laporan pada 2026 menyebut pembaruan DPA4 menempati peringkat pertama dalam metrik gabungan pada papan peringkat internasional untuk penemuan material. Meski demikian, performa di papan peringkat saja belum membuktikan dampak ilmiah di dunia nyata.

Pekerjaan terkait mesin roket yang melibatkan AISI memberikan contoh validasi fisik yang lebih konkret. Laporan menggambarkan alur yang mencakup desain generatif, simulasi pembakaran, manufaktur aditif, pengukuran dan pengendalian otomatis, hingga pengujian. Sebuah demonstrator berskala lebih kecil dilaporkan telah menyelesaikan validasi dalam siklus tertutup. Proyek seperti ini penting karena menghubungkan keluaran AI dengan batasan rekayasa dan pengujian fisik, bukan berhenti pada tolok ukur perangkat lunak.

Mengapa ekosistem lebih penting daripada satu model unggulan

Keunggulan model terdepan cepat berubah

Peringkat model dan keunggulan produk dapat berubah dalam waktu singkat. Sebaliknya, komunitas pengembang, kumpulan data ilmiah, fasilitas eksperimen, standar, dan pengalaman penerapan dapat terakumulasi selama bertahun-tahun. Aset-aset inilah yang membuat peningkatan model berikutnya lebih bermanfaat dan tidak terlalu bergantung pada satu rilis.

Setiap bidang membutuhkan bentuk kecerdasan yang berbeda

Agen pemrograman, pengendali robot, simulator molekul, dan sistem pencarian literatur ilmiah menghadapi persoalan teknis yang berbeda. Karena itu, strategi AI nasional maupun industri lebih diuntungkan oleh model-model khusus dan infrastruktur bersama daripada satu sistem serbaguna yang diharapkan mampu mengerjakan semuanya.

Riset terbuka memperluas basis inovasi

Bobot model, perangkat, tolok ukur, dan platform yang terbuka memungkinkan peneliti serta perusahaan menguji, menyesuaikan, dan mengembangkan pekerjaan satu sama lain. Orientasi sumber terbuka BAAI dapat mendukung lapisan ini, sementara perusahaan komersial seperti Zhipu AI dapat mengubah kemampuan tersebut menjadi produk dan pendapatan.

Validasi ilmiah menciptakan umpan balik yang lebih kuat

Dalam AI for Science, sistem yang paling bernilai mungkin bukan yang sekadar menghasilkan prediksi, melainkan yang menghubungkan prediksi dengan simulasi, eksperimen, dan pengukuran. Setiap hasil yang tervalidasi dapat memperbaiki data dan model untuk putaran berikutnya. Standarnya memang lebih berat daripada menghasilkan jawaban yang terdengar masuk akal, tetapi jalur menuju nilai industri juga menjadi lebih jelas.

Kemandirian adalah tumpukan kemampuan, bukan slogan

Pengembangan AI yang tahan terhadap risiko membutuhkan kemampuan di berbagai lapisan: algoritma, perangkat lunak, data, komputasi, talenta, perangkat, dan penerapan. Diversifikasi lapisan tersebut dapat mengurangi ketergantungan pada satu pemasok atau pendekatan teknis. Ekosistem juga menjadi lebih tangguh ketika sebuah model tidak memenuhi harapan atau kondisi eksternal berubah.

Gambaran strategisnya

Zhipu AI, BAAI, dan AISI menempati posisi berbeda dalam sistem yang mulai terbentuk:

• Zhipu AI menyediakan momentum komersial melalui model serbaguna, sistem pemrograman, agen, dan produk untuk pengembang.
• BAAI menyediakan riset terbuka, jaringan talenta, model fondasi, serta jalur menuju kecerdasan multimodal dan berwujud.
• AISI menyediakan infrastruktur ilmiah yang menghubungkan model dengan pengetahuan, komputasi, eksperimen, dan validasi rekayasa.

Pentingnya ketiganya bersifat saling melengkapi, bukan dapat dipertukarkan. Zhipu AI menunjukkan bagaimana model terdepan dapat berkembang menjadi platform. BAAI menunjukkan bagaimana riset terbuka dapat menyebarkan kemampuan ke komunitas yang lebih luas. AISI menunjukkan bagaimana AI dapat ditanamkan dalam alur kerja yang keberhasilannya diukur melalui material, eksperimen, atau sistem rekayasa yang benar-benar berfungsi.

Kesimpulan terkuat mengenai fase baru AI China bukanlah bahwa satu model telah menentukan pemenang perlombaan global. Keunggulan kompetitif kemungkinan semakin ditentukan oleh kemampuan menghubungkan pusat riset orisinal, platform komersial, kapasitas teknis yang mandiri, dan penerapan lintas disiplin ke dalam ekosistem industri yang terbuka serta kolaboratif.

Antusiasme investor setelah rilis tersebut sempat mendorong valuasi pasar Zhipu AI melewati HK$1 triliun pada 22 Juni. Angka itu mencerminkan harapan terhadap komersialisasi, adopsi oleh pengembang, dan potensi platform. Namun, valuasi tersebut tidak boleh dianggap sebagai bukti bahwa satu model telah mencapai kecerdasan umum buatan atau AGI.

Perubahan pentingnya terletak pada upaya membangun rangkaian produk di sekitar model, bukan sekadar menjual akses ke model. Rangkaian itu dapat mencakup API, alat pemrograman, eksekusi agen, alur kerja perusahaan, serta aplikasi yang menghasilkan penggunaan dan pendapatan. Bobot model yang terbuka juga dapat memperluas pengujian eksternal dan pengembangan lanjutan, sedangkan layanan komersial membantu membiayai riset model dan infrastruktur berikutnya.

Pelajaran yang lebih besar adalah bahwa kemandirian teknologi tidak berhenti pada kepemilikan bobot model. Perusahaan juga membutuhkan sistem pelatihan dan inferensi, jalur data, metode pascapelatihan, kerangka kerja agen, distribusi ke pengembang, serta akses komputasi yang andal. Sebuah model menjadi lebih tahan lama secara strategis ketika mampu menarik ekosistem di sekeliling lapisan-lapisan tersebut.

BAAI: jembatan riset terbuka menuju kecerdasan berwujud

BAAI berkembang dari pekerjaan model fondasi WuDao menuju keluarga WuJie, yang mencakup riset multimodal, world model, dan AI berwujud. Laporan mengenai konferensi terbaru BAAI menyebut WuJie·Physis sebagai model dunia laten fisik, sementara WuJie·RoboBrain Orca masih dikembangkan sebagai sistem yang menghubungkan penalaran bahasa, prediksi visual, dan pengambilan keputusan tindakan.

Arah ini penting karena kecerdasan di dunia fisik membutuhkan kemampuan yang tidak otomatis dimiliki model berbasis teks. Robot harus mampu mempersepsi lingkungan, memprediksi perubahan, merencanakan tindakan, mengendalikan gerakan, dan beroperasi dalam kondisi fisik yang berubah-ubah. World model dan sistem AI berwujud berupaya merepresentasikan sekaligus bertindak di dalam lingkungan tersebut, bukan hanya mendeskripsikannya.

Peran BAAI juga bersifat kelembagaan. Program risetnya menekankan model sumber terbuka, agen, ekosistem perangkat lunak dan perangkat keras dasar, serta kerja sama antara lembaga riset dan industri. Dalam konferensi BAAI 2026, penyelenggara menyatakan bahwa institut tersebut telah menyediakan lebih dari 200 model secara terbuka dan jumlah unduhan globalnya melampaui 1 miliar. Angka ini sebaiknya dibaca sebagai indikator distribusi, bukan ukuran langsung kualitas model.

Bagi ekosistem AI China, nilai lembaga seperti BAAI terletak pada penciptaan infrastruktur riset yang dapat digunakan ulang serta jalur pengembangan talenta. Model terbuka, tolok ukur, perangkat, dan platform robotika dapat memberi universitas, perusahaan rintisan, serta produsen titik awal yang sama untuk mengembangkan teknologi lanjutan.

AISI: mengubah AI menjadi alur kerja ilmiah dan rekayasa

AISI mengambil pendekatan yang berbeda. Didirikan pada September 2021, lembaga ini menyatakan misinya sebagai penggabungan kecerdasan buatan dengan riset ilmiah serta pembangunan infrastruktur AI for Science.

Kerangka “Four Beams and N Pillars” atau “Empat Balok dan N Pilar” mencakup model algoritma dan perangkat lunak, basis data serta sistem pengetahuan ilmiah, eksperimen dan karakterisasi berpresisi tinggi, serta infrastruktur komputasi terpadu. Tujuannya adalah menggeser riset dari proses yang terpisah-pisah menuju model platform yang lebih terhubung.

Bohrium menjadi salah satu contoh pendekatan tersebut. Platform komputasi awan ini diposisikan sebagai lingkungan yang menghubungkan literatur ilmiah, pengetahuan, model, komputasi, analisis data, dan alur eksperimen. Tujuannya bukan sekadar meminta AI menghasilkan jawaban, melainkan membantu peneliti bergerak dari pertanyaan menuju simulasi, eksperimen, dan kumpulan data baru yang telah divalidasi.

Siklus tertutup ini sangat penting dalam ilmu material dan molekuler. Model atom besar seperti DPA4 dapat membantu penemuan dan simulasi material. Nilai praktisnya meningkat ketika prediksi model diuji melalui eksperimen, lalu hasil pengamatan tersebut digunakan untuk memperbaiki model pada siklus berikutnya. Laporan pada 2026 menyebut pembaruan DPA4 menempati peringkat pertama dalam metrik gabungan pada papan peringkat internasional untuk penemuan material. Meski demikian, performa di papan peringkat saja belum membuktikan dampak ilmiah di dunia nyata.

Pekerjaan terkait mesin roket yang melibatkan AISI memberikan contoh validasi fisik yang lebih konkret. Laporan menggambarkan alur yang mencakup desain generatif, simulasi pembakaran, manufaktur aditif, pengukuran dan pengendalian otomatis, hingga pengujian. Sebuah demonstrator berskala lebih kecil dilaporkan telah menyelesaikan validasi dalam siklus tertutup. Proyek seperti ini penting karena menghubungkan keluaran AI dengan batasan rekayasa dan pengujian fisik, bukan berhenti pada tolok ukur perangkat lunak.

Mengapa ekosistem lebih penting daripada satu model unggulan

Keunggulan model terdepan cepat berubah

Peringkat model dan keunggulan produk dapat berubah dalam waktu singkat. Sebaliknya, komunitas pengembang, kumpulan data ilmiah, fasilitas eksperimen, standar, dan pengalaman penerapan dapat terakumulasi selama bertahun-tahun. Aset-aset inilah yang membuat peningkatan model berikutnya lebih bermanfaat dan tidak terlalu bergantung pada satu rilis.

Setiap bidang membutuhkan bentuk kecerdasan yang berbeda

Agen pemrograman, pengendali robot, simulator molekul, dan sistem pencarian literatur ilmiah menghadapi persoalan teknis yang berbeda. Karena itu, strategi AI nasional maupun industri lebih diuntungkan oleh model-model khusus dan infrastruktur bersama daripada satu sistem serbaguna yang diharapkan mampu mengerjakan semuanya.

Riset terbuka memperluas basis inovasi

Bobot model, perangkat, tolok ukur, dan platform yang terbuka memungkinkan peneliti serta perusahaan menguji, menyesuaikan, dan mengembangkan pekerjaan satu sama lain. Orientasi sumber terbuka BAAI dapat mendukung lapisan ini, sementara perusahaan komersial seperti Zhipu AI dapat mengubah kemampuan tersebut menjadi produk dan pendapatan.

Validasi ilmiah menciptakan umpan balik yang lebih kuat

Dalam AI for Science, sistem yang paling bernilai mungkin bukan yang sekadar menghasilkan prediksi, melainkan yang menghubungkan prediksi dengan simulasi, eksperimen, dan pengukuran. Setiap hasil yang tervalidasi dapat memperbaiki data dan model untuk putaran berikutnya. Standarnya memang lebih berat daripada menghasilkan jawaban yang terdengar masuk akal, tetapi jalur menuju nilai industri juga menjadi lebih jelas.

Kemandirian adalah tumpukan kemampuan, bukan slogan

Pengembangan AI yang tahan terhadap risiko membutuhkan kemampuan di berbagai lapisan: algoritma, perangkat lunak, data, komputasi, talenta, perangkat, dan penerapan. Diversifikasi lapisan tersebut dapat mengurangi ketergantungan pada satu pemasok atau pendekatan teknis. Ekosistem juga menjadi lebih tangguh ketika sebuah model tidak memenuhi harapan atau kondisi eksternal berubah.

Gambaran strategisnya

Zhipu AI, BAAI, dan AISI menempati posisi berbeda dalam sistem yang mulai terbentuk:

• Zhipu AI menyediakan momentum komersial melalui model serbaguna, sistem pemrograman, agen, dan produk untuk pengembang.
• BAAI menyediakan riset terbuka, jaringan talenta, model fondasi, serta jalur menuju kecerdasan multimodal dan berwujud.
• AISI menyediakan infrastruktur ilmiah yang menghubungkan model dengan pengetahuan, komputasi, eksperimen, dan validasi rekayasa.

Pentingnya ketiganya bersifat saling melengkapi, bukan dapat dipertukarkan. Zhipu AI menunjukkan bagaimana model terdepan dapat berkembang menjadi platform. BAAI menunjukkan bagaimana riset terbuka dapat menyebarkan kemampuan ke komunitas yang lebih luas. AISI menunjukkan bagaimana AI dapat ditanamkan dalam alur kerja yang keberhasilannya diukur melalui material, eksperimen, atau sistem rekayasa yang benar-benar berfungsi.

Kesimpulan terkuat mengenai fase baru AI China bukanlah bahwa satu model telah menentukan pemenang perlombaan global. Keunggulan kompetitif kemungkinan semakin ditentukan oleh kemampuan menghubungkan pusat riset orisinal, platform komersial, kapasitas teknis yang mandiri, dan penerapan lintas disiplin ke dalam ekosistem industri yang terbuka serta kolaboratif.