2026-06-15 Senin

Pusat Berita - Halaman 35

Dapatkan berita kripto dan tren pasar secara real-time melalui Pusat Berita HTX.

Dari MSTR ke STRC+: Di Mana Akhir Alam Semesta Strategy?

Dari MSTR hingga STRC+: Di Mana Akhir Semesta Strategi? Awalnya dikenal sebagai perusahaan publik yang membeli banyak Bitcoin (BTC), Strategi kini telah berevolusi lebih dari sekadar "treasury Bitcoin". Perusahaan ini memegang lebih dari 843.000 BTC, tetapi nilai sebenarnya terletak pada bagaimana mereka memasukkan BTC ke dalam neraca keuangan tradisional dan mengubahnya menjadi berbagai produk keuangan dengan profil risiko dan hasil yang berbeda. Strategi membangun sebuah "roda gila" di mana kenaikan harga BTC mendorong kenaikan harga saham MSTR, yang kemudian meningkatkan kemampuan perusahaan untuk mengumpulkan modal guna membeli lebih banyak BTC. Namun, siklus ini bergantung pada premium pasar (mNAV) dan dapat terhenti jika sentimen berubah. Untuk menciptakan sistem kredit yang lebih luas, Strategi meluncurkan serangkaian produk prioritas seperti STRC, yang menawarkan dividen mengambang sekitar 11.5%. Produk ini menarik investor yang menginginkan pendapatan tetap tanpa terpapar volatilitas langsung BTC atau saham MSTR. Namun, hasil tinggi ini bukan tanpa risiko; itu bergantung pada kesehatan neraca Strategi, cakupan aset BTC, dan kemampuan membayar dividen. Ekosistem berkembang lebih jauh dengan proyek seperti Saturn dan Apyx, yang bertujuan membawa aliran kas dari saham prioritas seperti STRC ke dalam dunia DeFi. Mereka menciptakan stablecoin yang menghasilkan imbal hasil (seperti sUSDat dan apyUSD) dengan mendasarkannya pada dividen dari instrumen kredit ini. Ini berpotensi menjadi sumber pendapatan baru bagi DeFi, yang berasal dari arus kas perusahaan tradisional. Kesimpulannya, ambisi akhir Strategi bukanlah untuk membeli BTC tanpa batas, melainkan untuk membangun sebuah sistem kredit yang diterima secara luas, dengan BTC sebagai jaminan dasarnya. Kesuksesannya bergantung pada apakah pasar akan secara permanen menerima BTC sebagai aset yang dapat mendukung penerbitan kredit, pembayaran dividen, dan aplikasi keuangan on-chain. Ekosistem STRC+ mewakili langkah menuju visi itu, tetapi ia harus bertahan dalam berbagai kondisi pasar untuk membuktikan ketahanannya.

marsbit06/08 13:06

Dari MSTR ke STRC+: Di Mana Akhir Alam Semesta Strategy?

marsbit06/08 13:06

Pendiri Baixing: 14 Pengalaman Saya Menggunakan Claude Code

Pendiri Baixing Wang Jianshu berbagi 14 poin pengalaman pribadi menggunakan Claude Code: 1. Fokus pada satu alat (Claude Code) untuk menghindari pemborosan energi membandingkan alat. 2. Kuasai pintasan keyboard penting seperti Ctrl+G (buka editor), Ctrl+A/E/U (gerakkan kursor). 3. Manfaatkan input suara dengan HoldSpeak. 4. Mulai proyek dengan menulis PROJECT.md secara terstruktur. 5. Gunakan Claude agents sebagai mode default. 6. Integrasikan dengan GitHub dan Cloudflare untuk otomatisasi build, deploy, dan domain. 7. Pisahkan konten buatan manusia (rawat CLAUDE.md) dan AI (tanyakan ke AI, jangan baca kodenya). 8. Seret & lepas file (audio, video, dokumen, tangkapan layar) ke jendela Claude Code untuk penjelasan cepat. 9. Atur sistem memori: pusatkan di ~/.claude/CLAUDE.md, simpan file memory di git/GitHub agar permanen dan terakumulasi. 10. Tulis Skill dan minta Claude "mengendapkan pembelajaran ke Skill" di akhir pekerjaan. 11. Untuk tugas kompleks, gunakan ultracode dengan dynamic workflow (meski mahal dan lambat, hasil terjamin). 12. Kumpulkan dan refaktor Skill terus-menerus, simpan di git. 13. Gunakan dokumentasi git sebagai output tugas sebelumnya dan input tugas berikutnya, agar antar agents memiliki dokumen serah terima yang jelas. 14. Perlakukan Claude Code seperti kuda (yang punya pemikiran sendiri), bukan mobil. Atur tujuan dan batasan, biarkan ia "mencari jalannya" secara mandiri. Poin kunci: fokus, otomasi alur kerja, pisahkan konten manusia-AI, kelola memori dan Skill dengan git, dan manfaatkan kemampuan otonomi Claude.

marsbit06/08 13:02

Pendiri Baixing: 14 Pengalaman Saya Menggunakan Claude Code

marsbit06/08 13:02

Gary Yang: Ekonomi Agen dan Ekonomi Mikro Sub AI

**Ekonomi Agen dan Ekonomi Mikro-Sub AI** oleh Yang Ge (Gary) Perkembangan AI pasca-singularitas telah menciptakan kesenjangan peradaban yang cepat di seluruh dunia. Saat ini, kompetisi global fokus pada **AI Payment** dan infrastruktur **Agen Ekonomi**. Tren utama mencakup: 1. **AI Payment & Hambatan Ekonomi H2A**: Banyak perusahaan (termasuk raksasa teknologi) bersaing untuk mengembangkan protokol pembayaran untuk Agen AI, tetapi sebagian besar masih berorientasi pada **H2A (Human-to-Agent)**, yang terbatas karena bergantung pada keputusan manusia dan kurang *AI-native*. 2. **Ekonomi Agen & Tren Tak Terhindarkan Ekosistem A2A**: Masa depan adalah **Ekonomi Agen** otonom, di mana agen AI menciptakan, bertukar, dan mengkapitalisasi nilai dalam ekosistem **A2A (Agent-to-Agent)**. Ini memerlukan standar teknis, aturan ekonomi, dan konsensus baru yang dibangun dari prinsip pertama (*first principles*) untuk dunia AI. 3. **Protokol AI vs. Protokol Crypto**: **Protokol AI** adalah aturan dasar untuk komunikasi, kolaborasi, dan pertukaran nilai antar-agen. Meskipun pada akhirnya akan menyatu dengan **Protokol Crypto** (yang lebih fokus pada aset dan kepemilikan), saat ini terdapat kesenjangan besar karena faktor politik-ekonomi dan kecenderungan untuk menghindari pengaturan keuangan tradisional (*KYC* yang tidak sesuai untuk agen). 4. **Ekonomi Mikro-Sub Agen AI & Analogi Biologi**: Ekonomi yang melibatkan agen AI memiliki karakteristik unik: frekuensi transaksi tinggi/nilai rendah, didorong efisiensi (bukan emosi), berorientasi tugas, biaya organisasi dan komunikasi mendekati nol. Ini dapat dianalogikan seperti sel biologis (LLM sebagai inti sel, *harness* sebagai sitoplasma, protokol sebagai membran sel, *skills* sebagai lingkungan ekstraseluler). 5. **Kepastian AIFi & Makna Ekonomi FinChip**: **AIFi (AI Finance)** adalah sistem keuangan untuk menokenisasi dan memperdagangkan nilai asli yang diciptakan dalam Ekonomi Agen, berbeda dari *DeFi/TradFi* karena nilainya berasal dari AI itu sendiri. **FinChip (Financial Chip)** adalah infrastruktur penting yang menggabungkan AI otonom dengan protokol Crypto untuk mendukung ekosistem nilai AI di *open network*. 6. **AI-Native adalah Peningkatan Paradigma yang Berbeda**: Transformasi **AI-native** berbeda dari sekadar "internet+". Ini membutuhkan pemikiran dari prinsip pertama AI (efisiensi energi, jalur terpendek, logika tugas), bukan sekadar menambahkan AI pada proses lama. Ini adalah tantangan paradigma yang dalam dan sulit. Singkatnya, dunia sedang bergerak menuju ekonomi di mana agen AI otonom berinteraksi dan menciptakan nilai (A2A), memerlukan infrastruktur keuangan dan protokol baru (AIFi, Protokol AI/Crypto terintegrasi) yang dibangun dengan pemikiran *AI-native*, melampaui batasan sistem keuangan dan hukum tradisional.

链捕手06/08 12:30

Gary Yang: Ekonomi Agen dan Ekonomi Mikro Sub AI

链捕手06/08 12:30

AI Sedang Menciptakan 'Orang Miskin Informasi' Baru?

Tempat paling kejam dari AI bukanlah karena ia tidak memberikan jawaban kepada orang miskin. Sebaliknya, ia memberi jawaban kepada semua orang — mulai dari kerangka esai, template email, hingga saran hukum dan investasi. Namun, ketika jawaban menjadi murah dan melimpah, yang langka bukan lagi jawaban itu sendiri, melainkan kemampuan untuk menilainya. Di era AI, kesenjangan informasi memiliki struktur baru. Model bahasa besar langsung menyajikan kesimpulan tanpa perlu mencari, tetapi kemampuan untuk menilai apakah jawaban itu dapat dipercaya menjadi jauh lebih berharga. Seringkali, teknologi baru pertama-tama memberi manfaat kepada mereka yang sudah memiliki modal pendamping — seperti latar belakang pendidikan, keahlian profesional, dan daya kritis. Ketidaksetaraan pertama dimulai dari akses. Survei di AS (2026) menunjukkan pengguna Claude mayoritas berasal dari keluarga berpenghasilan tinggi, sementara Meta AI lebih banyak digunakan oleh kelompok berpenghasilan rendah. Pilihan alat juga terkait dengan distribusi dan akses: AI canggih membutuhkan langkah aktif dan pembayaran, sedangkan AI gratis sering ditemui secara pasif di platform media sosial. Di tempat kerja, perbedaan muncul melalui otorisasi dan pelatihan. Survei tenaga kerja menunjukkan pekerja dengan gaji tertinggi lebih banyak menggunakan AI sehari-hari. Pelatihan formal dari perusahaan meningkatkan penggunaan AI secara signifikan, namun hanya sedikit karyawan yang mendapatkannya. AI di tempat kerja bukan sekadar alat, tetapi izin, dan izin ini tidak didistribusikan secara merata. Perpecahan terdalam terletak pada kemampuan menilai. AI mengurangi biaya untuk "terdengar paham", tetapi tidak mengurangi biaya untuk "benar-benar paham". Pengalaman adalah modal pendamping terpenting yang tidak bisa dibeli. Pengguna pemula mungkin menerima output AI secara mentah, sementara yang berpengalaman dapat mengidentifikasi kelemahan. Dengan demikian, AI dapat memperdalam ketimpangan karena meningkatkan produktivitas mereka yang sudah memiliki kemampuan penilaian. Namun, AI juga berpotensi menyamakan kedudukan. Penelitian menunjukkan AI dapat meningkatkan kinerja pekerja pemula lebih signifikan. Masalahnya, potensi ini hanya terwujud jika adopsi, akses ke peluang, dan pelatihan penilaian didistribusikan secara adil. Sejarah teknologi menunjukkan manfaat jarang langsung dinikmati secara merata. Percaya bahwa AI akan secara otomatis meratakan lapangan bermain adalah kesalahan. Di era di mana penilaian menentukan segalanya, merasa lebih pintar belum tentu sama dengan menjadi lebih pintar. Kesenjangan baru bukanlah antara mereka yang memiliki AI dan yang tidak, tetapi antara mereka yang dapat menilai dan mengubah jawaban AI menjadi peluang nyata, dan mereka yang tidak.

marsbit06/08 11:41

AI Sedang Menciptakan 'Orang Miskin Informasi' Baru?

marsbit06/08 11:41

Huang Renxiong 'Menyelamatkan' Pasar Saham Korea: Mengunci Memori SK Hynix, Kekurangan Chip Akan Berlanjut

Pasar saham Korea Selatan mengalami penurunan tajam awal Juni, dengan indeks KOSPI anjlok lebih dari 5%. Dalam situasi ini, kunjungan Jensen Huang, CEO NVIDIA, ke Korea Selatan memainkan peran penting. Dalam pertemuan dengan CEO SK Hynix, Kwak Noh-jung, dan Chairman SK Group, Chey Tae-won, Huang mengumumkan bahwa CPU Vera buatan NVIDIA akan menggunakan memori DRAM dari SK Hynix. Kedua perusahaan juga menandatangani kerja sama teknologi jangka panjang untuk mengembangkan memori generasi mendatang untuk infrastruktur AI NVIDIA, mencakup superkomputer AI, PC, dan platform robotika. Kerja sama ini melampaui pasokan memori. SK Hynix akan memanfaatkan teknologi AI NVIDIA (seperti CUDA-X dan Omniverse) dalam desain dan manufaktur semikonduktor mereka, termasuk untuk komputasi lithografi dan menciptakan *digital twin* pabrik wafer untuk mengoptimalkan operasi. Meski berpartner dengan SK Hynix, NVIDIA mendiversifikasi pasokan HBM4 untuk sistem Vera Rubin dengan melibatkan tiga pemasok: SK Hynix, Samsung Electronics, dan Micron Technology. Namun, Huang memprediksi bahwa kekurangan chip memori akan berlanjut selama beberapa tahun ke depan karena tingginya permintaan dari industri AI. Kunjungan Huang juga menguatkan hubungan strategis NVIDIA dengan industri teknologi Korea, termasuk raksasa seperti Hyundai Motor, LG, dan Naver, menunjukkan komitmen mendalam NVIDIA di kawasan ini.

marsbit06/08 10:48

Huang Renxiong 'Menyelamatkan' Pasar Saham Korea: Mengunci Memori SK Hynix, Kekurangan Chip Akan Berlanjut

marsbit06/08 10:48

活动图片