Di Silicon Valley, keyakinan bahwa "perangkat lunak melahap dunia" telah dinyanyikan selama dua dekade. Kita terbiasa dengan ringkasnya SaaS, terbiasa dengan kode yang berlari otomatis di alur CI/CD. Namun, di luar sorotan lampu, dunia fisik yang mendukung keberadaan kita—terdiri dari baja dan sirkuit—telah lama terjebak dalam "lumpur" transformasi digital.Penulis artikel, sumber: GD Gradient Descent
Baru-baru ini, Sequoia Capital berbicara dengan dua pendiri Nominal, Cameron dan Jason. Perusahaan rintisan ini, yang memiliki latar belakang di SpaceX dan Anduril, berusaha menyelesaikan situasi yang terdengar tak masuk akal: pada tahun 2026, insinyur pertahanan dan antariksa paling canggih masih menggunakan PDF dan tangkapan layar untuk melaporkan hasil pengujian.
Fisika memiliki "hak banding terakhir"
Dalam beberapa tahun terakhir, dunia rekayasa perangkat keras telah dikuasai oleh "simulasi universal": jika kita bisa mensimulasikan semuanya dalam perangkat lunak, apakah kita masih memerlukan pengujian lapangan yang mahal?
Pendiri Nominal memberikan jawaban yang tenang: “Fisika selalu memiliki hak suara.”
Lingkungan simulasi sekalipun sempurna tidak dapat sepenuhnya menangkap kompleksitas dunia nyata. Ketika sebuah drone terbang di angin kencang, atau lengan robot mengambil objek yang tidak dikenal, “puncak” perangkat lunak yang mendefinisikan perangkat keras harus bersentuhan dengan kenyataan.
Masalah industri saat ini:
- Pengembangan perangkat lunak: Pengiriman kode, pengujian otomatis, penyebaran otomatis (mode GitHub, sudah tertutup).
- Pengembangan perangkat keras: Pengumpulan data sensor, disimpan secara lokal, insinyur mengunduh secara manual, menjalankan program analisis, dan mengirimkan tangkapan layar ke PowerPoint.
Proses yang sangat tidak efisien ini adalah belenggu yang ingin dipecahkan oleh Nominal.
Membangun GitHub untuk dunia perangkat keras
Nominal bertujuan menjadi System of Record untuk rekayasa perangkat keras. Dengan membangun platform terpadu, ia membuat data perangkat keras tidak lagi menjadi pulau-pulau terpisah:
- Strukturasi data: Mengkatalogkan otomatis data telemetri sensor yang mencapai jutaan titik per detik, membangun "lapisan semantik".
- Penggunaan ulang logika verifikasi: Logika pengujian yang ditulis selama tahap pengembangan dapat digunakan kembali secara mulus di lini produksi dan operasi lapangan.
- Pelacakan sepanjang siklus hidup: Memastikan transparansi Traceability untuk data setiap sekrup dan setiap pengapian.
Seperti GitHub yang membuat kolaborasi kode menjadi transparan, Nominal sedang membuat proses "membengkokkan logam" menjadi dapat diiterasi seperti menulis kode.
Ketika AI Bertemu Pertahanan
Bagian paling menarik dalam wawancara adalah proyek kolaborasi Nominal dengan DARPA (Defense Advanced Research Projects Agency AS): CIPHER.
Pengujian tradisional seperti tabel kaku: menjalankan di kondisi A, merekam data, menerapkan, menganalisis, lalu menguji kondisi B. Ini sering memakan waktu bertahun-tahun. Namun, Nominal sedang memperkenalkan AI Agent untuk mengubah aturan permainan:
Real-time recommendation for the next best test point.Dengan memanfaatkan teknologi digital twin, AI dapat memprediksi dengan kecepatan lebih cepat dari real-time: titik pengujian mana yang akan memberikan peningkatan pengetahuan terbesar? Pengujian bukan lagi matriks yang berurutan, melainkan kurva gradien yang dioptimalkan secara dinamis. "Pengujian otonom" ini akan secara signifikan memperpendek siklus pengembangan perangkat keras mutakhir.
Moat of Physical AI
Semua orang membahas AGI, tetapi tingkat risiko AGI di dunia virtual dan dunia fisik sama sekali berbeda:
- AGI virtual: Ia bisa menulis game untuk anakmu, bahkan jika ada Bug, itu hanya game yang rusak.
- Physical AGI: If it creates a physical toy, you must ensure it does not cause physical harm.
Data pengujian perangkat keras adalah satu-satunya bahan bakar untuk melatih AI fisik. Nominal menemukan bahwa banyak pelatihan AI gagal bukan karena algoritma yang buruk, tetapi karena kualitas data yang rendah (sensor rusak atau tidak dikalibrasi). Deteksi anomali otomatis Nominal mampu mengidentifikasi data "high-fidelity" yang sebenarnya, memberikan bahan bakar nyata untuk model robot dan kendaraan otonom.
Di akhir wawancara, pendiri mengungkapkan pandangan ambisius: perangkat keras adalah satu-satunya moat teknis yang sejati.
Seiring alat AI membuat penulisan perangkat lunak menjadi semakin murah, hambatan sejati akan kembali ke dunia fisik. Nominal tidak hanya menjual perangkat lunak, tetapi mengelola "rantai pasokan data" di dunia fisik.
Pendiri bahkan menyiratkan di akhir bahwa Nominal sangat mungkin akan langsung terlibat dalam pengembangan perangkat keras di masa depan. Karena hanya dengan menguasai seluruh rantai, dari sensor hingga laporan akhir, seseorang dapat benar-benar mendefinisikan "Physical AI".
“All systems nominal” (semua sistem berjalan normal) dulu merupakan kata-kata paling indah dalam peluncuran antariksa. Sekarang, ia menjadi deklarasi efisiensi bagi insinyur perangkat keras generasi baru.
Sebagai pengamat pasar AI, menurut Anda, revolusi perangkat keras yang didorong oleh AI akan meledak terlebih dahulu di industri konsumen mana?