律动早报|8月16日昨夜今晨重要资讯一览

长文源:区块律动Dipublikasikan tanggal 2016-08-24Terakhir diperbarui pada 2024-08-16

Bacaan Terkait

Tren Saham AS: Satu Kalimat Jensen Huang Tembuskan $470 Miliar, Google Pertama Kali 'Jual Diri' untuk Cari Dana dalam 20 Tahun

**AI Perang Senjata: Dari Perkataan ke Uang Tunai** Pada tanggal 2 Juni, pasar saham AS menampilkan dua sisi dari perlombaan AI: hype yang mendorong valuasi dan kebutuhan dana yang sangat besar. Pasar saham ditutup lebih tinggi, dengan S&P 500 mencapai rekor di atas 7.600 poin. Namun, sorotan utama adalah sektor semikonduktor yang melonjak karena **Computex Taipei**. * **Marvell Technology (MRVL)** melonjak **32,52%**, menambah kapitalisasi pasar sebesar $470 miliar, setelah CEO Nvidia Jensen Huang menyebutnya sebagai "perusahaan triliunan dolar berikutnya". Ini menunjukkan pergeseran minat investor dari inti AI ke ekosistem pendukungnya. * **Hewlett Packard Enterprise (HPE)** naik **~25%** setelah laporan laba yang sangat kuat, menunjukkan bahwa pemain infrastruktur "tradisional" juga mendapat manfaat dari ledakan AI. Di sisi lain, **Alphabet (GOOGL)** mengumumkan rencana penggalangan dana ekuitas senilai **$80 miliar**, yang pertama kalinya dalam 20 tahun. Ini menekankan betapa hausnya modal untuk infrastruktur AI, sehingga bahkan raksasa seperti Google perlu mencari tambahan dana meski memiliki arus kas yang besar. Sahamnya turun ~4%. Sektor teknologi dan utilitas memimpin kenaikan, sementara komunikasi jatuh karena tekanan dari Alphabet. Meskipun indeks ketakutan (VIX) rendah, para analis memperingatkan bahwa kekuatan pasar saat ini sangat terkonsentrasi pada beberapa saham AI, menutupi tantangan latar belakang yang lebih luas. Fokus selanjutnya adalah pada laporan kuartalan Broadcom dan yang terpenting, data **pekerjaan non-pertanian AS hari Jumat**, yang akan memandu ekspektasi suku bunga dan menguji ketahanan rally pasar.

marsbit32m yang lalu

Tren Saham AS: Satu Kalimat Jensen Huang Tembuskan $470 Miliar, Google Pertama Kali 'Jual Diri' untuk Cari Dana dalam 20 Tahun

marsbit32m yang lalu

Mampukah DeepSeek Menghemat 1 Triliun Dolar untuk China?

**Ringkasan Artikel: Apakah DeepSeek Dapat Menghemat 1 Triliun Dolar AS untuk China?** Artikel ini membahas bagaimana DeepSeek, melalui serangkaian inovasi teknologinya, berpotensi secara drastis menekan biaya infrastruktur AI China dan berpotensi menghemat investasi hingga triliunan dolar AS. **Tantangan: Biaya AI yang Melonjak** Biaya perangkat keras AI, terutama memori berbandwidth tinggi (HBM), sedang meroket. Misalnya, pada sistem AI canggih NVIDIA Vera Rubin, biaya komponen memori saja mencapai sekitar $2 juta dan telah naik 435% dalam setahun. **Solusi DeepSeek: Tiga Inovasi Utama** DeepSeek mendekati masalah ini dengan tiga terobosan teknis utama untuk meningkatkan efisiensi token perangkat keras hingga 4 kali lipat: 1. **Kompresi Memori (KV Cache):** Melalui **Multi-head Latent Attention (MLA)**, DeepSeek mengompres "memori" konteks panjang model secara signifikan (hingga 90%+ pengurangan) tanpa mengorbankan kualitas, mengurangi ketergantungan pada HBM yang mahal. 2. **Aktivasi "Tubuh" Model Sesuai Kebutuhan:** Menggunakan arsitektur **Mixture of Experts (MoE)**, model hanya mengaktifkan sebagian kecil dari total parameternya untuk setiap tugas. Ini seperti hanya memanggil dokter spesialis yang relevan, bukan seluruh rumah sakit. 3. **Cache dan Penggunaan Ulang:** Hasil komputasi yang sudah dihitung disimpan dan digunakan kembali (cache hit), menghindari perhitungan berulang yang mahal. DeepSeek menerapkan ini bahkan dalam struktur harga layanannya. **Dampak dan Potensi Penghematan** Efisiensi ini mengubah ekonomi infrastruktur AI: * **Pengurangan Biaya Operasional:** Untuk tugas tertentu (misalnya, membaca ulang kode panjang), biaya menggunakan DeepSeek V4-Pro bisa **100 kali lebih murah** dibandingkan model seperti GPT-5.5 atau Claude Opus. * **Penghematan Infrastruktur Berskala Besar:** Artikel memperkirakan, dengan peningkatan efisiensi 4x, untuk memenuhi permintaan token harian masa depan China yang mencapai ribuan triliun, pendekatan DeepSeek berpotensi menghemat investasi setara dengan **puluhan ribu pusat komputasi cerdas**, yang nilainya bisa mendekati **$1 triliun**. * **Pergeseran Strategis:** Alih-alih hanya bergantung pada chip komputasi canggih (di mana China tertinggal), DeepSeek mengalihkan beban ke manajemen memori, cache, dan rekayasa sistem — area di mana industri China seperti produsen memori DRAM (contoh: CXMT) semakin kompetitif. Ini meningkatkan keamanan rantai pasokan. **Kesimpulan** DeepSeek tidak menghilangkan kebutuhan akan perangkat keras canggih, tetapi secara radikal mengurangi ketergantungan marjinal padanya. Dengan membuat AI lebih terjangkau melalui efisiensi teknis mendalam, DeepSeek berpotensi membentuk ulang buku besar infrastruktur AI China, menghemat investasi besar, dan yang terpenting, membuat daya AI dapat diakses oleh industri luas di China. *(Catatan: Artikel ini didasarkan pada analisis industri dan proyeksi, bukan fakta yang sudah pasti.)*

marsbit1j yang lalu

Mampukah DeepSeek Menghemat 1 Triliun Dolar untuk China?

marsbit1j yang lalu

Menggugat Gagasan Utama Menangani Halusinasi: Metakognisi, Solusi Baru untuk Menghancurkan Halusinasi Model Besar

Peneliti Google mengusulkan pendekatan baru untuk mengatasi "halusinasi" AI dalam makalahnya, **"Hallucinations Undermine Trust; Metacognition is a Way Forward."** Alih-alih berusaha membuat AI mengetahui segalanya atau menolak menjawab banyak pertanyaan (yang menimbulkan "pajak utilitas"), makalah ini mendefinisikan ulang halusinasi sebagai **AI memberikan informasi yang salah dengan keyakinan tinggi padahal ia tidak yakin.** Solusi intinya adalah **"ketidakpastian yang setia" (faithful uncertainty)** atau **metakognisi** – kemampuan AI untuk merasakan tingkat keyakinan internalnya dan mengekspresikannya dengan jujur dalam bahasa. Misalnya, jika AI ragu, ia harus mengatakan "Saya tidak terlalu yakin." Pendekatan ini lebih realistis karena hanya mengharuskan keselarasan antara sinyal internal dan output AI, bukan kebenaran mutlak yang mustahil. Metakognisi menjadi sangat penting di era **Agent AI** yang menggunakan alat eksternal seperti mesin pencari. Tanpanya, Agent tidak dapat memutuskan kapan harus mencari, kapan harus berhenti, atau bagaimana mengevaluasi informasi yang ditemukan. Namun, implementasinya menghadapi tantangan seperti **"paradoks bootstrap"** (data pelatihan yang statis untuk kemampuan dinamis), **"sinyak perusak keselarasan"** dari pelatihan RLHF yang mendorong AI selalu tampak yakin, dan kesulitan menilai apakah AI benar-benar memiliki metakognisi atau hanya berpura-pura. Makalah ini menyerukan perubahan paradigma: fokus pada pengembangan AI yang jujur tentang batas pengetahuannya, bukan AI yang sempurna tanpa kesalahan. Kepercayaan datang dari kejujuran tentang ketidakpastian, bukan dari klaim kepastian yang salah.

marsbit1j yang lalu

Menggugat Gagasan Utama Menangani Halusinasi: Metakognisi, Solusi Baru untuk Menghancurkan Halusinasi Model Besar

marsbit1j yang lalu

Trading

Spot
Futures
活动图片