Pada akhir pekan, saya bawa mobil ke tempat cuci mobil di tikungan itu. Pemiliknya berjongkok di lantai sambil menyorotkan senter ke bagian bawah mobil, mencari kerikil dan gumpalan lumpur selangkah demi selangkah. Saya duduk di kursi plastik sambil menonton dia bekerja. Tiba-tiba saya merasa gambaran ini mirip dengan arah Robotics dan Real-World AI dari OpenGradient belakangan ini—setiap kali robot melangkah di dunia fisik, di belakangnya harus ada sepasang mata yang bisa memverifikasi bahwa ia tidak main-main atau curang.
Kesanku terhadap @OpenGradient selama ini selalu berhenti pada infrastruktur DeFi untuk inference. Baru kali ini saya mengulik lebih dalam, saya sadar bahwa plafon narasinya diam-diam dinaikkan sedikit. Pemilik cuci mobil memakai senter, sedangkan OpenGradient memberi robot perhitungan yang bisa diverifikasi. Setiap keputusan, setiap kali melakukan genggaman, setiap kali berbelok, bisa meninggalkan tanda tangan di rantai. Setelah itu, ketika mengecek buku besar, Anda bisa menelusuri apakah model yang salah, atau sisi eksekusinya yang ngaco.
Namun bisnis cuci mobil makin detail, makin banyak titik yang jadi perhatian. Walau pemiliknya menyorot dengan teliti, dia hanya bisa memastikan satu kali sesi ini bersih—tidak bisa menjamin saat Anda mengemudi melewati proyek jalan lagi lain waktu, mobil tetap bersih. OpenGradient memindahkan metode verifikasi itu ke robot: yang diverifikasi adalah bahwa pada satu momen tertentu inference tidak dimanipulasi. Tetapi kondisi nyata berubah setiap detik. Robot memegang gelas, gelas itu tergelincir setengah sentimeter—modelnya tidak bermasalah, rantainya tidak bermasalah, tapi gelas tetap pecah. Tanda tangan bisa memberitahu Anda siapa yang salah? Tanda tangan hanya bisa memberi tahu prosesnya sesuai prosedur, bukan apakah hasilnya masuk akal atau tidak.
$SYN
Hal yang menyakitkan berikutnya adalah model ekonominya. Sekali cuci mobil biayanya tiga puluh yuan, pemiliknya dibatasi maksimal dua puluh mobil sehari. Panggilan inference yang dihasilkan robot tiap detik jumlahnya astronomis. Apakah biaya on-chain, bandwidth TEE, dan throughput verifikasi tanda tangan sanggup menanggung semuanya? Kalau tidak sanggup, seberapa pun besar ceritanya tetap akan jadi PPT. Kalau sanggup, siapa yang akan membayar di hilir—pabrikan robot, konsumen di ujung, atau entah pihak lain yang tak terlihat sebagai subsidi?
$UB
Pemiliknya mengelap mobil sampai putaran terakhir, lalu berjongkok lagi dan meraba sisi dalam velg. Saat saya menyerahkan uang, saya bertanya kenapa dia begitu serius. Dia berkata, “Kalau sekali saja ada yang terlewat, pelanggan bisa tidak datang lagi.” Tapi robot tidak seperti mencuci mobil. Kalau robot “lewat” sekali, bisa jadi satu komponen di lini produksi terpasang terbalik; bisa jadi di panti jompo, seorang lansia terjatuh ke lantai.
Pemilik membuang lap basah ke ember, airnya memercik dan mengenai celana saya. Dia tersenyum, lalu bilang, “Nanti kalau mau datang lagi, tolong pesan dulu sebelumnya.” #opg $OPG