JAPAN’S INDUSTRY. YOUR PERSPECTIVE.
JAPAN MANUFACTURINGINSIGHTINDONESIA EDITION
MITRA KAMI · PROFIL SPONSOR
TKE — METAL ADDITIVE MANUFACTURING
MITRA

TKE

BACA SELENGKAPNYA ↗
Otomasi & Robotika

Toyota Bidik 400.000 Robot untuk Membangun Jaringan Data Lapangan AI Fisik

Toyota Motor (Jepang) mulai menggarap serius bisnis robot untuk lantai produksi. Perusahaan membentuk unit baru, "Toyota Robotics," dan memaparkan rencana mengoperasikan sekitar 400.000 robot di seluruh grup dan pemasoknya dalam jangka menengah–panjang. Dalam persaingan "AI…

Toyota Bidik 400.000 Robot untuk Membangun Jaringan Data Lapangan AI Fisik

Toyota Motor (Jepang) mulai menggarap serius bisnis robot untuk lantai produksi. Perusahaan membentuk unit baru, "Toyota Robotics," dan memaparkan rencana mengoperasikan sekitar 400.000 robot di seluruh grup dan pemasoknya dalam jangka menengah–panjang. Dalam persaingan "AI fisik" (physical AI, yaitu AI yang memahami dan mengendalikan pekerjaan di dunia nyata), yang menentukan saat ini bukan bentuk mesinnya, melainkan seberapa banyak data gerak dari dunia nyata yang bisa dikumpulkan dari lini produksi yang benar-benar berjalan. Angka 400.000 lebih tepat dibaca sebagai upaya membangun salah satu jaringan pengumpul data terbesar di manufaktur. Peluang Toyota patut ditimbang bersama langkah Tesla, produsen mobil Eropa, serta pemain Tiongkok yang melaju cepat.

Poin penting:

  • Pada 18 September 2026, Toyota mengumumkan masuk penuh ke robotika lantai produksi. Perusahaan meluncurkan organisasi baru, "Toyota Robotics," dan memaparkan rencana menjual secara bertahap robot yang dilengkapi AI hasil pengembangannya sendiri.
  • Dalam jangka menengah–panjang, Toyota menargetkan pengoperasian sekitar 400.000 robot — 150.000 di Toyota dan perusahaan grup, 250.000 di pemasok. Mulai 2028, perusahaan memperbarui sekitar 60 pabrik di dunia seiring belanja pembaruan peralatan sekitar ¥1 triliun per tahun. Angka 400.000 bukan target penjualan satu model, melainkan rencana pemanfaatan yang mencakup robot industri yang sudah ada.
  • Robot intinya, "ELEY," berbobot sekitar 50 kilogram, bertangan dua jari, dan bergerak dengan roda, bukan berjalan dua kaki. Robot ini menjalankan foundation model perilaku bernama Large Behavior Model (LBM) — AI yang mempelajari gerak robot dari data peragaan dalam jumlah besar — yang dikembangkan Toyota Research Institute (TRI). LBM makin cerdas seiring bertambah dan beragamnya data peragaan dari lapangan.
  • Toyota berencana mengubah pekerjaan sekitar 18.000 teknisi ahli "takumi" menjadi data pembelajaran bagi robot. Namun, indikator untuk mengukur hasilnya belum diungkapkan.

"Toyota Robotics" berdiri: 400.000 robot sebagai jaringan pengumpul data

Toyota memosisikan robot lantai produksi sebagai bisnis tersendiri dan mendirikan unit baru, Toyota Robotics. Perusahaan mengalirkan hasil rintisannya — dari robot pelempar bola basket "CUE" hingga robot pendukung manusia "HSR" — menuju penerapan di lini produksi dan penjualan ke luar.

Skalanya besar. Dalam jangka menengah–panjang, Toyota berencana mengoperasikan sekitar 400.000 robot: 150.000 di grup dan 250.000 di pemasok. Ini bukan sekadar jumlah mesin baru, melainkan rencana memperbarui seluruh basis produksi — termasuk robot industri yang sudah ada — menjadi platform generasi berikutnya. Robot dimasukkan bertahap seiring pembaruan peralatan sekitar ¥1 triliun per tahun mulai 2028, selaras dengan pembangunan ulang dan renovasi fasilitas tua di sekitar 60 pabrik dunia.

Yang tak boleh luput: 400.000 unit ini lebih dari sekadar angka penempatan. Setiap robot yang bekerja di lini nyata menghasilkan data gerak. Skala sebesar itu berarti sebuah jaringan untuk mengumpulkan data dari kumpulan lokasi produksi yang boleh jadi terbesar di dunia. Persaingan AI fisik bergeser ke perebutan data lapangan ini.

Mengapa kini soal data: LBM makin pintar dari peragaan di lapangan

Di pusatnya ada robot mitra AI "ELEY." Bobotnya sekitar 50 kilogram, bertangan dua jari, dan bergerak dengan roda. Robot ini menjalankan LBM buatan TRI. Alih-alih memprogram tiap gerakan secara manual, sistem memperoleh gerak yang jarang gagal dari sedikit pembelajaran dengan menyaksikan orang bekerja; sebuah peragaan robot ini belajar melipat kaus lalu mengulanginya secara mandiri telah dipublikasikan.

LBM adalah "foundation model untuk perilaku": sebagaimana model bahasa menjadi pintar dari teks dalam jumlah besar, model ini mempelajari gerak robot dari data peragaan dalam jumlah besar. Kekuatannya adalah menguasai tugas baru dengan sedikit pembelajaran tambahan — tetapi mutu modelnya ditentukan oleh seberapa luas data peragaan lapangan yang dimilikinya. Karena itulah pekerjaan sekitar 18.000 takumi begitu berharga: naluri dan kiat hasil pengalaman menjadi bahan pembelajaran bermutu tinggi.

Pilihan ELEY memakai roda alih-alih dua kaki juga bisa dibaca dalam kerangka data yang sama. Berjalan dua kaki sulit dikendalikan serta membawa risiko terjatuh dan konsumsi daya besar. Di lantai pabrik yang datar, robot beroda lebih murah, lebih cepat, dan lebih mudah ditempatkan dalam jumlah banyak. Makin cepat robot masuk lapangan dalam jumlah besar, makin cepat pula data terkumpul. Bentuk mesin bukan tujuan, melainkan sarana agar data terus mengalir.

Bahwa LBM tidak terikat pada perangkat keras tertentu juga penting. Pada 2025, TRI mempublikasikan peragaan LBM yang menggerakkan "Atlas," robot humanoid dari Boston Dynamics asal Amerika Serikat. Jika AI tidak terikat pada perangkat keras tertentu, yang menentukan persaingan adalah pada berapa banyak lokasi beragam AI itu bisa dijalankan dan seberapa banyak data yang bisa dikumpulkan.

Apa yang sebenarnya diincar tiap pemain: rebutan "tempat mengumpulkan data"

Dari sudut pandang ini, hakikat persaingan menjadi jelas.

Tesla dari Amerika Serikat mengatakannya paling terus terang. Hingga pertengahan 2026, Optimus ditempatkan sekitar 1.000 unit di pabrik seperti Fremont, tetapi penjualan ke luar nol, dan Elon Musk sendiri mengakui unit-unit itu "terutama untuk pembelajaran dan pengumpulan data, bukan mengerjakan tugas produktif di pabrik secara berarti." Itu nyaris pengakuan bahwa tujuannya, untuk saat ini, adalah mengumpulkan data. Namun tempat pengumpulannya kebanyakan pabrik Tesla sendiri, sehingga keragamannya terbatas.

BMW dan Mercedes-Benz dari Jerman tidak membuat robot sendiri; keduanya bermitra dengan startup spesialis. Di pabrik Spartanburg, Carolina Selatan, BMW menjalankan "Figure 02" dari Figure AI (AS) dalam uji coba sepuluh bulan yang dipakai pada proses produksi lebih dari 30.000 unit "X3." BMW melaju ke kontrak komersial untuk penerus "Figure 03," dimulai sekitar 40 unit dengan tarif sekitar US$25 per jam operasi robot. Mercedes memasukkan "Apollo" dari Apptronik asal Amerika Serikat ke fasilitasnya di Berlin, dimulai dari intralogistik dan pemeriksaan kualitas awal. Dalam pembagian kerja ini, data nyata dari lini para produsen mobil justru menumpuk di sisi perusahaan AI spesialis — yang memegang data adalah penyedia AI, bukan produsennya.

Pemain Tiongkok unggul dalam skala dan kecepatan penempatan. Pada September 2026, UBTech mengoperasikan pabrik pintar di Liuzhou, Guangxi, dengan kapasitas produksi tahunan di atas 10.000 unit — angka kapasitas produksi, bukan unit yang ditempatkan. Meski begitu, beberapa ratus robot "Walker S2"-nya sudah beroperasi, masuk ke pabrik BYD, Geely, FAW-Volkswagen, Dongfeng, Audi FAW, BAIC, dan Foxconn; Airbus dari Eropa juga bergerak untuk mengadopsinya pada Januari 2026. Unitree telah memproduksi sekitar 18.000 humanoid secara kumulatif per Juli 2026, memasok lebih dari 90% komponennya sendiri, dan merencanakan kapasitas 75.000 unit per tahun. XPeng menargetkan produksi massal humanoid "IRON" pada akhir 2026. Pemerintah Tiongkok menargetkan pengapalan tahunan di atas 100.000 unit pada 2027. Pengapalan humanoid global menembus 22.000 unit pada paruh pertama 2026, dengan perusahaan Tiongkok disebut menempati lima posisi teratas. Dengan menempatkan robot dalam jumlah besar ke beragam lokasi secara cepat, pemain Tiongkok mengumpulkan data lapangan yang beragam paling cepat.

Peluang Toyota — dan jam data yang mulai berputar terlambat

Dilihat dari data, kekuatan laten Toyota besar. Selain salah satu kumpulan lokasi produksi terbesar di dunia, rencana Toyota menjangkau 250.000 robot di jaringan pemasoknya — jangkauan yang mungkin tak dimiliki pesaing. Lokasi tak terhitung dengan proses yang berbeda-beda berpotensi menjadi sumber data yang beragam dan sangat besar. Pekerjaan para takumi memberi contoh bermutu tinggi. Memiliki AI, robot, dan pabrik sendiri juga membuat Toyota dapat menjalankan siklus data hampir sepenuhnya secara internal — berbeda dari pesaing Eropa yang bergantung pada spesialis.

Masalahnya, jamnya mulai berputar terlambat. Angka 400.000 hanyalah target jangka menengah–panjang, dan tahap seriusnya baru mulai 2028. Sementara itu Tesla mengumpulkan data pada skala sekitar seribu unit sekarang, dan pemain Tiongkok memasukkan robot ke banyak pabrik mobil sekarang. Akumulasi data bersifat majemuk: makin awal siklus itu berjalan, makin maju pembelajaran dan makin besar dorongan bagi peningkatan kinerja berikutnya. Bila tertinggal, selisihnya cenderung melebar seiring waktu.

Kekhawatiran kedua adalah bias data. Bila lokasinya terbatas di Toyota dan grup saja, data bisa kurang beragam untuk digeneralisasi ke pabrik perusahaan lain. Seberapa jauh jaringan pemasok itu terbuka ke luar grup akan menentukan berhasil-tidaknya upaya ini.

Apa yang harus dipantau untuk menilai peluangnya

Yang menentukan bukanlah target 400.000 itu sendiri, melainkan seberapa cepat dan seluas apa Toyota bisa menaruh mesin nyata di lini yang benar-benar berjalan serta mulai mengalirkan data bermutu tinggi — jauh sebelum 2028.

Hal yang perlu dipantau menyempit. Kecepatan penerapan: kapan, berapa banyak, dan di lini nyata mana. Keluasan data: seberapa jauh mencakup lokasi internal, grup, dan luar. Serta perbaikan yield dan rasio kerja bernilai tambah yang benar-benar dihasilkan LBM di lapangan.

Keluasan basis produksi Toyota semestinya menjadi aset kuat dalam persaingan data AI fisik. Namun aset itu baru bernilai bila digerakkan dengan cepat. Bila tertinggal dalam akumulasi data, angka 400.000 akan berakhir sebagai sekadar angka utama dalam rencana pembaruan peralatan. Sebaliknya, bila data mulai dialirkan lebih awal di lokasi yang beragam — termasuk di luar grup — angka yang sama menjadi faktor penentu dalam persaingan.

MITRA KAMI

MENGHUBUNGKAN INDUSTRI JEPANG.
LIHAT SEMUA MITRA ↗