Intel dan SAP memperkenalkan uji konsep otomatisasi gudang berbasis Physical AI yang menghubungkan sistem bisnis dengan robot otonom. Demonstrasi yang diumumkan pada Oktober 2026 ini berlangsung di fasilitas Intel di Chengdu, China, dengan memanfaatkan SAP Extended Warehouse Management dan teknologi edge AI dari Intel. Melalui integrasi tersebut, permintaan pemindahan material dapat diterjemahkan menjadi tugas robot secara otomatis, sementara hasil pelaksanaannya dikirim kembali ke sistem perusahaan. Perkembangan TEKNOLOGI ini membuka peluang pengelolaan logistik yang lebih terhubung, mengurangi pekerjaan manual berulang, dan membantu perusahaan mengembangkan sistem pergudangan yang semakin cerdas.
Intel dan SAP Mengembangkan Otomatisasi Gudang Berbasis Physical AI
Kolaborasi antara Intel dan SAP menghadirkan demonstrasi pengelolaan gudang otonom dengan menggunakan kecerdasan buatan fisik. Pendekatan tersebut bertujuan menghubungkan keputusan bisnis dengan pekerjaan fisik. Jika dibandingkan dengan penggunaan robot tanpa integrasi bisnis, pendekatan ini menyatukan sistem perusahaan dengan robot otonom. Dalam kolaborasi ini, SAP menghadirkan sistem koordinasi aktivitas gudang, sedangkan Intel menghadirkan teknologi edge AI dan robotika. Integrasi sistem ini memungkinkan pekerjaan robot mengikuti kebutuhan perusahaan.
Demonstrasi teknologi tersebut dilakukan di fasilitas Intel di Chengdu, China. Lingkungan operasional tersebut digunakan untuk memperlihatkan pemindahan material otomatis. Melalui pengujian tersebut, permintaan pekerjaan dari sistem SAP diteruskan kepada robot. Perangkat otonom selanjutnya menjalankan pemindahan barang sesuai instruksi yang telah ditentukan. Informasi penyelesaian tugas dilaporkan kepada platform pengelolaan gudang. Walaupun pengujian menunjukkan hasil menjanjikan, teknologi tersebut belum berarti tersedia secara komersial luas.
Pengelolaan Gudang Digital Memungkinkan Robot Menjalankan Instruksi Perusahaan
Bagian penting dari pengembangan tersebut adalah perangkat lunak SAP EWM. Sistem bisnis ini mendukung pengelolaan operasional penyimpanan barang. Melalui integrasi dengan robot otonom, sistem perusahaan menghasilkan tugas transportasi barang. Tugas operasional tersebut memiliki konteks bisnis yang berkaitan dengan pekerjaan. Setelah permintaan tersedia, perintah operasional diterjemahkan menjadi misi fisik. Dengan mekanisme ini, robot tidak hanya menjalankan gerakan terprogram. Pengembangan tersebut menjadi pembeda penting dari otomatisasi konvensional.
Kemampuan utama yang ingin dicapai adalah adanya hubungan timbal balik antara robot dan perangkat lunak. Setelah perangkat otonom memperoleh instruksi, informasi kemajuan tugas dapat dilaporkan kepada platform pengelolaan gudang perusahaan. Sesudah robot menyelesaikan misi, hasil pelaksanaan tercatat dalam sistem. Ketika sistem menemukan kondisi tidak sesuai, informasi pengecualian dapat dilaporkan. Kemampuan tersebut meningkatkan keterlacakan pekerjaan. Namun demikian, pengecekan kesesuaian pekerjaan masih diperlukan sebelum sistem digunakan dalam operasional rutin.
Integrasi Robot dan Sistem Digital Membentuk Alur Logistik Tertutup
Alur kerja dalam demonstrasi Intel dan SAP diawali melalui instruksi pemindahan material pada perangkat lunak. Tugas yang dibuat diubah menjadi perintah untuk perangkat otonom. Pada tahapan pelaksanaan, sistem robotik menjalankan transportasi sesuai instruksi. Pemrosesan kecerdasan buatan lokal memungkinkan sistem memproses informasi lapangan. Berkat pengolahan data secara langsung, robot dapat melakukan navigasi sesuai sistem yang digunakan. Sesudah pekerjaan fisik berakhir, data pelaksanaan diteruskan ke perangkat lunak pengelolaan gudang. Hubungan antara instruksi dan pelaporan tersebut menghasilkan alur kerja yang saling terhubung.
Pada mekanisme operasional tertutup, keputusan bisnis dapat dihubungkan dengan pelaksanaan fisik. Kemampuan integrasi ini mendukung keterlacakan aktivitas. Sebagai contoh, tugas membawa komponen menuju area kerja dapat diteruskan secara otomatis kepada robot. Walaupun konsepnya menawarkan efisiensi, implementasi nyata membutuhkan pengujian kondisi tidak normal. Jika jalur terhalang, dibutuhkan mekanisme eskalasi kepada operator. Oleh karena itu, otomatisasi bukan hanya soal menggerakkan robot.
Peran CPU, GPU, dan NPU dalam Sistem Physical AI
Pada pengembangan bersama SAP, Intel menghadirkan teknologi edge AI dan robotika. Pendekatan edge AI mendukung pengambilan keputusan langsung di lingkungan operasional. Pendekatan komputasi tersebut relevan untuk sistem yang membutuhkan respons cepat. Fondasi teknologinya memanfaatkan gabungan beberapa jenis pemrosesan yang menggabungkan prosesor utama, grafis, serta akselerator neural. Unit komputasi tersebut dapat menangani jenis pekerjaan berbeda. Dengan arsitektur ini, berbagai aktivitas robotika memperoleh fondasi pemrosesan.
Sebagai bagian dari ekosistem robotika, tersedia OpenVINO Physical AI, platform pengembangan bernama Physical AI Studio, dan kumpulan alat robotika Robotics AI Suite. Komponen perangkat lunak ini mendukung proses pengembangan sistem otonom. Ketika robot bekerja di gudang, pemrosesan visual dan pengambilan keputusan membutuhkan perangkat keras dan perangkat lunak yang selaras. Strategi teknologi perusahaan mengurangi kerumitan sistem yang menggunakan banyak komponen. Meski teknologi komputasi semakin berkembang, hasil operasional dipengaruhi jenis robot dan lingkungan. Oleh sebab itu, pengujian di fasilitas nyata menjadi tahap penting.
Robot Otonom Membantu Mengurangi Pekerjaan Manual Berulang di Gudang
Dalam uji konsep yang dilakukan, Intel dan SAP menyampaikan adanya pemendekan jarak pemindahan material. Di samping perubahan jarak pengangkutan, pekerjaan manual yang berulang dapat dikurangi. Perubahan operasional tersebut mendukung kemungkinan pengelolaan logistik lebih efisien. Walaupun perusahaan melaporkan perbaikan belum menyajikan ukuran kuantitatif lengkap mengenai manfaatnya. Dengan demikian, besarnya keuntungan finansial belum dapat dipastikan. Pengelola gudang yang tertarik dengan teknologi ini sebaiknya membandingkan kondisi sebelum dan sesudah otomatisasi.
Potensi manfaat lainnya adalah peningkatan keterlacakan aktivitas logistik. Apabila aktivitas otonom dicatat dalam sistem perusahaan, operator memiliki akses terhadap status kegiatan. Catatan aktivitas tersebut mendukung evaluasi proses logistik. Pada pekerjaan pergudangan, perusahaan dapat memeriksa tugas yang tertunda. Meski data menjadi lebih mudah dikumpulkan, kualitas data menjadi faktor penting. Apabila status tugas keliru, tindak lanjut perusahaan mungkin tidak tepat. Dengan mempertimbangkan risiko tersebut, penggunaan robot sebaiknya disertai prosedur pemeriksaan.
Kesimpulan: Kolaborasi Intel dan SAP Menjadi Langkah Baru Teknologi Logistik
Pengembangan bersama kedua perusahaan teknologi menunjukkan perkembangan penting dalam penerapan TEKNOLOGI kecerdasan buatan pada industri. Berkat penggunaan perangkat lunak pengelolaan gudang SAP, tugas logistik dapat dihubungkan langsung dengan pelaksanaan fisik. Sementara itu, Intel menyediakan edge AI untuk mendukung robot. Integrasi teknologi tersebut membentuk sistem dengan komunikasi dua arah. Hasil uji konsep memberikan gambaran manfaat otomatisasi material. Meski hasilnya menjanjikan, keberhasilan pada fasilitas lain membutuhkan pembuktian tambahan.
Dalam perkembangan berikutnya, integrasi AI dan robot dapat memperoleh peran lebih besar dalam pengelolaan logistik perusahaan. Kedua perusahaan berupaya mengembangkan hasil uji konsep menjadi rancangan yang dapat digunakan ulang. Arsitektur yang terbuka membuka pilihan teknologi yang lebih luas. Namun dalam penerapan nyata, perlindungan keselamatan operator, kebutuhan investasi, dan kemampuan menangani gangguan tetap harus menjadi prioritas. Bagaimana menurut Anda, apakah otomatisasi logistik berbasis kecerdasan buatan akan membantu meningkatkan efisiensi industri? Mari sampaikan pandangan Anda mengenai manfaat Physical AI untuk pergudangan.
