Token Tidak Ekonomis, Ekonomi Tidak Token

marsbitDipublikasikan tanggal 2026-06-05Terakhir diperbarui pada 2026-06-05

Abstrak

Dengan rencana IPO OpenAI dan investasi besar dari raksasa seperti Berkshire Hathaway di Alphabet, industri AI kini mencapai titik balik penting. Dua narasi utama mendominasi: "kekurangan dana" dan "pemisahan aset" (spin-off). Kekurangan dana terjadi karena struktur biaya AI yang unik. Berbeda dengan platform internet tradisional di mana biaya marjinal mendekati nol, model AI seperti ChatGPT justru meningkatkan biaya komputasi (inference cost) seiring pertumbuhan pengguna. Selain itu, pola investasi seperti "kredit cloud" yang digunakan Microsoft untuk mendanai OpenAI menciptakan "pencatatan sirkular", di mana uang yang sama dihitung sebagai pendapatan, menyamarkan tekanan arus kas yang sebenarnya. OpenAI, misalnya, diperkirakan baru akan profit pada 2029. Di sisi lain, tren spin-off aset AI oleh perusahaan besar (seperti Ke Ling dari Kuaishou dan Kunlunxin dari Baidu) mengungkap logika valuasi baru. Di dalam perusahaan induk, unit AI sering dianggap sebagai pusat biaya yang menekan margin. Namun, setelah dipisah, aset yang sama bisa mendapatkan valuasi 3x lipat lebih tinggi di pasar modal, karena dinilai berdasarkan kelangkaan, prospek pertumbuhan, dan potensi ceruk pasar sebagai "aset infrastruktur AI". Perubahan ini menandai pergeseran mendasar dari narasi yang didominasi teknologi menjadi efisiensi modal. Industri bergerak dari "kultus model" terkuat menuju "realisasi nilai" yang dapat dikomersialkan. Inti persaingan mulai bergeser dari perlombaan daya komputasi chip t...

Beberapa waktu lalu, rencana penawaran umum perdana (IPO) OpenAI telah membawa lab yang telah lama beroperasi dengan struktur 'batasan nirlaba' ini ke sorotan pasar publik. Sementara itu, perusahaan induk Google, Alphabet, meluncurkan rencana pendanaan sebesar $800 miliar, di mana Berkshire Hathaway saja berpartisipasi senilai $10 miliar.

Masuknya raksasa investasi konservatif yang biasanya menghindari saham teknologi ini untuk pertama kalinya, menandakan bahwa permainan modal AI telah mencapai puncak bertahap. Hingga hari ini, barulah kita dapat mengatakan bahwa industri AI sedang mengalami pergeseran paradigma yang mendalam.

Salah satu tanda yang paling jelas adalah 'kekurangan uang' dan 'pemisahan' menjadi dua narasi utama yang berjalan beriringan di kalangan perusahaan AI saat ini.

Alasan yang pertama, tak lain adalah karena daya komputasi sebagai aset berat. Pengeluaran modal Google pada tahun 2026 diproyeksikan mencapai $1,8 hingga $1,9 triliun, sementara investasi Microsoft, Meta, dan Amazon juga mencapai ratusan miliar dolar. Sebuah chip H100, sebuah transformator di pusat data, sebuah jalur akses ke jaringan listrik, setiap mata rantai memerlukan uang sungguhan.

Yang kedua menjadi fokus utama perusahaan-perusahaan besar di China belakangan ini. Keen AI milik Kuaishou, dengan valuasi internal grup hanya sekitar $6 miliar, setelah dipisahkan secara mandiri, valuasi pra-investasinya langsung melonjak menjadi $18 miliar, naik 3 kali lipat. Kunlunxin milik Baidu yang dipisahkan dari grup untuk go public, menurut perhitungan eksternal dapat memberikan tambahan valuasi pasar hampir $30 miliar untuk Baidu, setara dengan lebih dari 60% dari valuasi pasar total Baidu saat ini.

Di balik fenomena ini, tercermin pendefinisian ulang aset AI oleh modal. Dalam laporan keuangan gabungan raksasa teknologi, bisnis AI dipandang sebagai pos pengeluaran yang melahap laba; namun begitu berdiri sendiri, dengan penentuan harga berdasarkan kelangkaan segmen pasar, pertumbuhan pendapatan, dan ruang imajinasi masa depan, rasio harga terhadap penjualan (PSR) puluhan kali lipat pun bukan hal aneh.

Dua petunjuk ini, meski tampak terpisah, sebenarnya mengarah pada inti yang sama: AI beralih dari dominasi narasi teknologi ke lanskap kompetisi baru yang didominasi oleh efisiensi modal.

Akhir Lomba Daya Komputasi: Putus dan Dibangunnya Logika Pendanaan

Di balik 'kekurangan uang', ada rantai logika mendasar. Kompetisi model AI besar hari ini, pada dasarnya bukan lagi kompetisi produk, melainkan lomba aset berat skala daya komputasi. OpenAI telah mengambil komitmen pengeluaran masa depan sekitar $600 miliar untuk ekspansi daya komputasi. Meski baru menyelesaikan pendanaan $122 miliar, dana ini diprediksi akan habis dalam tiga tahun.

Yang lebih jelas, CFO OpenAI, Sarah Friar, sebelumnya mengungkapkan bahwa meskipun pendapatan tahunan 2025 telah melebihi $20 miliar, masih tidak cukup untuk menutupi kerugian besar. Perusahaan menanggung kerugian sekitar $1,22 untuk setiap $1 pendapatan yang dihasilkan.

Inti persoalannya adalah: kurva biaya bisnis AI sangat berbeda dengan internet tradisional.

Menambahkan satu pengguna WeChat, biaya marjinal mendekati nol; tetapi semakin populer ChatGPT, semakin banyak panggilan, semakin tinggi biaya inferensi, pertumbuhan pengguna adalah murni berkah sekaligus tekanan biaya. Model bisnis 'anti-internet' ini berarti efek skala tidak membawa laba, malah memperbesar tekanan arus kas – pertumbuhan pengguna tidak lagi setara langsung dengan pertumbuhan nilai.

Lebih dalam lagi adalah fenomena 'pencatatan siklus' di era AI: investasi $13 miliar Microsoft ke OpenAI tidak diserahkan dalam bentuk tunai, melainkan dalam bentuk 'kredit cloud'. OpenAI menggunakan kredit ini untuk melatih model, sementara Microsoft mencatatnya sebagai pendapatan cloud baru.

Operasi loop 'membeli layanan cloud dengan investasi' ini, secara permukaan tampak seperti pertumbuhan pendapatan yang sehat, pada dasarnya adalah membayar diri sendiri dengan uang sendiri, lalu mengkualifikasikannya sebagai pendapatan penjualan. Menurut perhitungan, tagihan layanan cloud tahunan OpenAI telah membengkak hingga lebih dari $60 miliar, lebih dari dua kali lipat dari pendapatan aktualnya sebesar $25 miliar.

Inilah kontradiksi mendasar dari 'kekurangan uang': gelembung valuasi dan putusnya arus kas aktual. Ketika investor mulai peduli pada 'arus kas bebas' dan bukan 'laba buku', sistem valuasi yang sebelumnya ditopang oleh janji investasi timbal balik dan pesanan siklus, menghadapi risiko penurunan valuasi lapis demi lapis.

Rencana OpenAI untuk merugi $14 miliar pada 2026 dan diperkirakan baru akan untung pada 2029, serta pengeluaran modal Google tahun 2026 yang diproyeksikan mencapai $1,8 hingga $1,9 triliun, angka-angka ini menunjukkan bahwa 'kekurangan uang' AI saat ini sebenarnya bukan masalah perputaran dana siklus, melainkan dilema seluruh rangkaian model bisnis pada tingkat struktur modal.

Mengapa Satu Laporan Keuangan Bisa Bernilai Tiga Kali Lipat?

Salah satu sinyal paling patut diperhatikan tahun 2026 adalah pemisahan mandiri aset inti AI oleh perusahaan-perusahaan besar secara terpusat.

Produk video AI Keen milik Kuaishou berencana melakukan pendanaan PreIPO dengan valuasi $20 miliar, angka yang mendekati 70% valuasi pasar perusahaan induk Kuaishou. Sementara itu, Baidu mendorong perusahaan chip AI Kunlunxin untuk IPO ganda di 'A+H', pendapatan tahun 2025 diproyeksikan menembus 3,5 miliar yuan, berpotensi mencapai titik impas; Alibaba dikabarkan merencanakan pemisahan Pingtouge, Doubao milik ByteDance juga sewaktu-waktu mungkin mengambil jalan yang sama.

Kalau dipikir-pikir, sebelum pemisahan, Morgan Stanley hanya memberi valuasi sekitar $6 miliar untuk Keen; setelah dipisahkan dengan target pendanaan $20 miliar, aset yang sama, pendapatan yang sama, tim yang sama, hanya dengan mengganti laporan keuangan, valuasi dalam semalam berbeda lebih dari tiga kali lipat.

Perubahan logika valuasi di tingkat struktural ini mengungkapkan perbedaan mekanisme: berbeda dengan pasar sekunder, pasar primer mengikuti mekanisme penetapan harga yang tidak konvensional, yaitu 'konsensus menentukan nilai'. Pasar primer melihat masa depan, posisi di segmen pasar, ruang imajinasi, apakah ada yang akan menerima di putaran berikutnya, tetapi kurang melihat laba dan pendapatan periode berjalan.

Alasan utama Keen bisa mendapatkan valuasi $20 miliar adalah logika inti kelangkaan aset unggulan semacam ini. Setelah penutupan Sora, jumlah pemain unggulan yang tersisa di segmen pembuatan video AI dapat dihitung dengan jari satu tangan. Label 'infrastruktur AI untuk industri konten' itu sendiri sudah bernilai premi.

Lalu, perusahaan seperti apa yang bisa disebut aset unggulan saat ini? Dalam lanskap AI saat ini, memiliki model dasar yang dikembangkan sendiri (baik bahasa, video, atau multimodal), bukan sekadar *shell* atau *fine-tuning*; telah membuktikan setidaknya memiliki pengguna atau pendapatan skala besar dalam satu skenario vertikal (bukan *demo*, bukan bukti konsep); memiliki 'ekspektasi penerimaan' untuk pendanaan lanjutan – baik ada pembeli strategis (perusahaan besar), atau ada jalur IPO (AS, Hong Kong, atau Tiongkok Daratan).

Perusahaan yang memenuhi ketiga syarat ini, secara global dapat dihitung dengan dua tangan. OpenAI, Anthropic, xAI, Google DeepMind (jika mandiri), China (Zhipu, Moonshot AI, MiniMax, Doubao ByteDance (jika mandiri), Keen Kuaishou (dalam proses pemisahan), Kunlunxin Baidu (sisi chip). Masing-masing adalah target langka, masing-masing berada dalam keadaan 'pembeli mengantri, penjual menaikkan harga seenaknya'.

Logika dasar 'valuasi ulang' terhadap perusahaan-perusahaan ini adalah peralihan persepsi aset AI internal perusahaan besar dari 'pusat biaya' menjadi 'pusat nilai'.

Di dalam perusahaan besar, bisnis AI dipandang sebagai bagian dari bisnis grup, biasanya diklasifikasikan sebagai 'investasi strategis', yang berarti biayanya (daya komputasi, R&D, *data labeling*) dicampur dengan bisnis arus kas matang grup (seperti iklan, e-commerce, game) dalam laporan keuangan. CFO grup melihat laporan gabungan, selama bisnis AI masih membakar uang, akan terus diminta menjelaskan 'kapan dapat menyumbang laba bersih'.

Dalam konteks ini, tim AI terpaksa membuat justifikasi ROI jangka pendek, logika valuasi secara alami ditekan di bawah bayang-bayang kelipatan PE keseluruhan grup – perusahaan internet matang biasanya hanya mendapatkan PE 10-15 kali. Meskipun bisnis pertumbuhan tinggi, hanya bisa menikmati premi 20%, bukan PSR tingkat segmen pasar mandiri 3-5 kali lipat.

Namun, begitu dipisahkan mandiri, laporan keuangan independen dapat mendefinisikan ulang batasan 'biaya' dan 'pendapatan'. Misalnya, biaya daya komputasi yang sebelumnya digunakan secara internal grup, sekarang dapat dipatok ulang dengan harga pasar sebagai 'pendapatan transaksi afiliasi'; pelatihan model yang sebelumnya dicatat sebagai biaya R&D, sekarang dapat dikapitalisasi sebagai 'aset tidak berwujud' dan diamortisasi secara berkala.

Dengan kata lain, aset-aset ini memperoleh model penetapan harga 'perusahaan tipe pertumbuhan'. Perusahaan AI yang telah dipisahkan dapat lebih fleksibel dalam pendanaan dan memajukan strategi, menghindari kendala alokasi sumber daya internal grup, dan mendapatkan penetapan harga independen di pasar modal sesuai dengan prospek pertumbuhannya sendiri.

Di sisi lain, ini juga berkaitan dengan diferensiasi lebih lanjut sistem valuasi. Bisnis eksisting perusahaan besar dengan label tambahan AI, potensi pertumbuhan dan valuasi prospektifnya mulai menunjukkan kemungkinan premi baru di pasar sekunder.

Ini juga menjelaskan mengapa raksasa internet tradisional (seperti Baidu $47,5 miliar, Kuaishou $27 miliar) dalam hal nilai absolut valuasi pasar mulai disusul bahkan dilewati oleh pemain AI baru – valuasi pasar terbaru Zhipu sekitar $58,6 miliar, telah melampaui Baidu menjadi saham teknologi AI terbesar kesembilan di China.

Dari 'Pemujaan Model' ke 'Realiasi Nilai': Narasi Industri Telah Bermigrasi Secara Struktural

Beberapa profesional berpendapat, perkembangan era AI saat ini yang pesat, mirip dengan ledakan besar internet seluler sebelumnya. Analogi ini akurat, tetapi perbedaan kuncinya terletak pada perbedaan mendasar struktur biaya.

Ledakan internet seluler mengandalkan penyebaran smartphone dan penurunan terus-menerus biaya bandwidth, biaya marjinal menurun; ledakan AI dihadapkan pada kendala keras seperti biaya daya komputasi naik, konsumsi listrik melonjak, siklus pembangunan pusat data yang panjang.

Satu pengamatan adalah: industri AI saat ini berada dalam keadaan 'air bersuhu 85 derajat akan mendidih tetapi belum mendidih'.

Arah terobosan teknologi (agen cerdas, multimodal) sudah jelas, investasi infrastruktur daya komputasi belum pernah terjadi sebelumnya, pengeluaran modal perusahaan komputasi awan *hyperscale* besar AS tahun 2026 akan mencapai $805 miliar, hampir dua kali lipat dari prediksi setahun lalu. Tetapi realisasi komersial dan skala adopsi yang sesungguhnya masih berada pada titik kritis akan dimulai tetapi belum dimulai.

Saat ini, hanya sebagian kecil CFO yang melihat nilai keuangan aktual yang dibawa AI pada tahun 2025, perusahaan China yang benar-benar mencapai pertumbuhan pendapatan melalui AI bahkan lebih sedikit. Ketegangan 'tinggi investasi, rendah pengembalian' ini justru merupakan sinyal nyeri peralihan industri dari menggoreng konsep ke bersaing adopsi.

Banyak orang mungkin tidak menyadari, bahwa bobot rantai nilai AI telah bermigrasi dari sisi GPU ke seluruh sisi sistem. Penelitian terbaru Morgan Stanley menunjukkan, 'AI agen menandai pergeseran struktural dari komputasi ke pengaturan'. Dalam alur kerja agen, waktu pengaturan di sisi CPU dapat mencapai 50% hingga 90% dari total latensi, sehingga diperkirakan akan ada ruang pasar tambahan CPU sebesar $32,5 hingga $60 miliar pada tahun 2030.

Ini berarti kontradiksi inti industri sedang beralih dari 'kekurangan daya komputasi' ke 'ketidakefisienan sistem', dan logika investasi yang sesuai juga akan meluas dari 'lomba daya komputasi chip tunggal' menjadi 'rekayasa sistem *full-stack*', GPU menentukan 'bisa atau tidak dilakukan', tetapi CPU dan sistem menentukan 'untung atau tidak'.

Jika ledakan internet seluler didorong oleh inti 'konektivitas', maka ledakan AI akan didorong oleh inti 'kecerdasan', luas rantai nilainya kemungkinan besar melebihi internet seluler, mencakup seluruh rantai daya komputasi, model, aplikasi, data, dll.

Seorang ekonom menyatakan, tahun 2026 menjadi tahun titik singularitas AI yang melompat dari 'membantu berpikir' ke 'eksekusi mandiri'. Kontradiksi inti tahap ini sedang bergeser dari 'siapa yang dapat melatih model terkuat' menjadi 'siapa yang dapat mengubah kemampuan AI menjadi nilai komersial yang dapat diadopsi dan keuntungan pengguna dengan cara yang paling ekonomis, kecepatan tercepat, dan cakupan terluas'.

'Tidak hanya harus mendefinisikan ulang, tetapi juga menilai ulang.' Semua yang terjadi di industri AI tahun 2026 – raksasa kekurangan uang, pendanaan gila-gilaan, pemisahan perusahaan besar, IPO berkerumun – pada dasarnya adalah pelepasan terkonsentrasi dari logika modal yang sama: ketika jalur 'membakar uang untuk pertumbuhan' sampai pada akhirnya, industri harus menjawab pertanyaan paling mendasar: berapa sebenarnya nilai teknologi ini?

Jawaban atas pertanyaan ini akan menentukan struktur kekuatan industri AI satu dekade ke depan. Dan tahun 2026, adalah saat ketika permainan modal dan teknologi ini sepenuhnya berkembang.

Artikel ini dari akun WeChat resmi "Xin Mou" (ID: xinmouls), penulis: Li Xiaodong

Pertanyaan Terkait

QMenurut artikel, apa dua narasi utama yang sedang berjalan di perusahaan-perusahaan AI saat ini?

ADua narasi utama adalah 'kekurangan uang' (karena aset berat seperti daya komputasi) dan 'pemisahan' (pemisahan aset AI dari perusahaan induk untuk meningkatkan valuasi).

QApa perbedaan mendasar dalam struktur biaya antara bisnis AI dan bisnis internet tradisional menurut artikel?

ABiaya bisnis internet tradisional memiliki efek marginal yang mendekati nol (seperti WeChat menambahkan pengguna). Sebaliknya, bisnis AI seperti ChatGPT semakin populer, semakin tinggi biaya inferensi dan tekanan arus kas, sehingga pertumbuhan pengguna tidak secara langsung sama dengan pertumbuhan nilai.

QMengapa valuasi aset AI seperti Kling dari Kuaishou bisa melonjak tiga kali lipat setelah dipisah dari perusahaan induk?

ASetelah dipisah, aset AI dinilai berdasarkan model penilaian perusahaan yang sedang tumbuh (seperti kelangkaan aset, pertumbuhan pendapatan, dan ruang imajinasi masa depan), bukan lagi sebagai 'pusat biaya' yang menekan laba dalam laporan keuangan gabungan perusahaan induk.

QApa yang dimaksud dengan 'akuntansi siklus' dalam industri AI seperti yang diilustrasikan oleh hubungan Microsoft dan OpenAI?

AAkuntansi siklus adalah ketika Microsoft berinvestasi di OpenAI dalam bentuk 'kredit cloud' bukan tunai. OpenAI menggunakan kredit ini untuk melatih model di Azure, dan Microsoft mencatatnya sebagai pendapatan cloud baru, menciptakan ilusi pertumbuhan pendapatan padahal sebenarnya adalah uangnya sendiri yang berputar.

QMenurut artikel, bagaimana inti kontradiksi industri AI bergeser dari era 'kultus model' ke 'realisasi nilai'?

AInti kontradiksi telah bergeser dari 'siapa yang dapat melatih model terkuat' menjadi 'siapa yang dapat mengubah kemampuan AI menjadi nilai komersial dan keuntungan pengguna yang dapat diterapkan dengan cara yang paling ekonomis, tercepat, dan seluas-luasnya'.

Bacaan Terkait

Near Kembali ke Panggung AI: Transformasi ke Blockchain Publik karena "Kesulitan Gaji", Agen AI dan Privasi Jadi Kisah Pertumbuhan Baru

**Near Kembali ke Dunia AI: Dari Masalah Gaji Jadi Blockchain Publik, Fokus pada Agent dan Privasi** Near, yang didirikan oleh Illia Polosukhin (salah satu penulis makalah Transformer AI), awalnya adalah startup AI yang beralih membangun blockchain publik pada 2018. Penyebabnya adalah kesulitan membayar gaji developer global secara lintas batas menggunakan sistem pembayaran tradisional atau blockchain awal yang mahal dan lambat. Setelah melalui masa sebagai blockchain berkinerja tinggi dengan teknologi sharding dan meraih momentum di era *cross-chain*, Near kini kembali ke akar AI-nya. Momen kunci adalah ketika Polosukhin diundang oleh CEO Nvidia, Jensen Huang, pada Maret 2024, mengingatkan dunia tentang "darah AI" asli Near. Dengan fokus baru pada **Near Intents (Niat)** dan **Transaksi Privasi**, Near membidik pertumbuhan berikutnya: 1. **Near Intents**: Menyederhanakan pengalaman *cross-chain* dan DeFi. Pengguna atau AI Agent cukup menyatakan keinginan (misal, "tukar BTC jadi ETH"), dan jaringan *solver* akan menemukan rute terbaik. Mekanisme ini telah menangani **lebih dari $200 miliar** volume transaksi *cross-chain* dan menghasilkan **$34 juta** pendapatan biaya, dengan mayoritas (70%) datang dalam dua kuartal terakhir. 2. **Transaksi Privasi (*Confidential Swaps*)**: Menanggapi kebutuhan pasar akan privasi untuk menghindari MEV dan kebocoran strategi. Dalam 30 hari terakhir, transaksi privat menyumbang **41.63%** dari total volume transaksi di Near ($87 juta dari $209 juta). Fitur ini berpotensi menarik institusi tetapi juga membawa risiko perhatian regulator. Dengan kombinasi latar belakang pendiri di AI, infrastruktur *intent* yang ramah pengguna dan Agent, serta penawaran transaksi privat, Near berupaya membangun cerita pertumbuhan baru di persimpangan blockchain dan AI.

marsbit1j yang lalu

Near Kembali ke Panggung AI: Transformasi ke Blockchain Publik karena "Kesulitan Gaji", Agen AI dan Privasi Jadi Kisah Pertumbuhan Baru

marsbit1j yang lalu

Dari Ethereum ke "CROPS" AI: 'Variabel Lambat' yang Ditekankan Berulang oleh Vitalik Ini, Apa Sebenarnya?

Dalam beberapa kali kesempatan, Vitalik Buterin menekankan konsep "CROPS," singkatan dari Censorship Resistance (Tahan Sensor), Capture Resistance (Tahan Penangkapan), Open Source (Sumber Terbuka), Privacy (Privasi), dan Security (Keamanan). Konsep ini merupakan panduan inti bagi Ethereum Foundation, memfokuskan sumber dayanya untuk membangun kemampuan dasar yang memungkinkan pengguna mengelola aset, identitas, dan transaksi tanpa bergantung pada platform tunggal atau menyerahkan kendali akhir. Signifikansi CROPS semakin kritis dengan kemunculan AI, khususnya AI Agent yang menangani tugas seperti manajemen aset dan eksekusi transaksi otomatis. Tantangan utama adalah memastikan bahwa ketika AI bertindak sebagai perwakilan digital, ia tidak menjadi "kotak hitam" yang mengorbankan privasi, keamanan, dan kedaulatan pengguna. Oleh karena itu, diperlukan "CROPS AI" – AI yang dapat berjalan secara lokal, mengurangi ketergantungan pada layanan cloud terpusat, serta transparan dan terverifikasi. Terdapat titik temu antara "CROPS Ethereum Access Layer" dan "CROPS AI." Keduanya berusaha menjawab pertanyaan serupa: bagaimana pengguna dapat mengakses kemampuan jarak jauh (seperti RPC blockchain atau model bahasa besar/LLM) tanpa mengekspos informasi pribadi, identitas, atau niat mereka secara penuh? Solusi yang diusulkan termasuk penggunaan bukti tanpa pengetahuan (zero-knowledge proofs) untuk panggilan LLM berbayar yang privat dan pembacaan RPC Ethereum yang aman. Pada akhirnya, CROPS bukan sekadar konsep abstrak. Dalam era di mana AI semakin menguasai dunia digital, prinsip-prinsip ini akan membentuk arah pengembangan produk Web3, terutama di lapisan dompet digital, untuk memastikan pengguna tetap memegang kendali atas kehidupan digital mereka. Ini adalah variabel jangka panjang yang menentukan nilai Ethereum di masa depan.

marsbit1j yang lalu

Dari Ethereum ke "CROPS" AI: 'Variabel Lambat' yang Ditekankan Berulang oleh Vitalik Ini, Apa Sebenarnya?

marsbit1j yang lalu

"Bapak Godfather Venture Capital" Lembah Silikon Steve Hoffman: Web3 + AI Bisa Jadi Sebuah Jebakan

Stevie Hoffman, "Godfather of Silicon Valley Venture Capital", menyatakan bahwa integrasi Web3 dan AI bisa menjadi sebuah jebakan. Dalam wawancara, ia berbagi pandangannya tentang tren AI global dan peluang startup. Hoffman percaya Silicon Valley akan tetap memimpin riset dasar model AI canggih, sementara China akan unggul dalam implementasi aplikasi praktis dan dominasi di bidang robotika. Ia menekankan pentingnya pendekatan "Global from Day 1" untuk startup, karena adaptasi nanti jauh lebih sulit dan mahal. Mengenai Autonomous Agents, Hoffman memperkirakan titik balik nyata di mana agen dapat berkolaborasi secara mandiri akan datang dalam 2-4 tahun, yang akan menyebabkan penggantian tenaga kerja berskala besar. Solusinya adalah mendesain bisnis untuk kolaborasi manusia-AI, bukan otomatisasi penuh, serta reformasi sistem pelatihan ulang dan jaminan sosial. Untuk startup AI awal, saran Hoffman adalah fokus pada inovasi mendalam di ceruk vertikal spesifik yang membutuhkan keahlian domain, karena ini adalah benteng pertahanan terhadap raksasa teknologi. Kecepatan iterasi adalah parit pertahanan terpenting. Dalam menanggapi pertanyaan tentang Web3 + AI, Hoffman dengan tegas menyatakan bahwa bagi kebanyakan konsumen dan bisnis mainstream, Web3 menambah friksi dan kompleksitas tanpa menyelesaikan kebutuhan inti mereka. AI adalah teknologi dasar universal yang benar-benar mengubah industri. Memaksakan integrasi Web3 dan AI adalah sebuah jebakan yang menambah kompleksitas tanpa melipatgandakan nilai bagi pasar mainstream. Hoffman juga membagikan rencana nirlabanya untuk mendirikan pusat penelitian di universitas guna melatih calon pemimpin dalam inovasi AI yang bertanggung jawab dan selaras dengan nilai-nilai inti manusia.

marsbit2j yang lalu

"Bapak Godfather Venture Capital" Lembah Silikon Steve Hoffman: Web3 + AI Bisa Jadi Sebuah Jebakan

marsbit2j yang lalu

Melampaui 'Tembok Memori', Revolusi Tingkat Wafer dan Rute Kekuatan Komputasi di Era Inferensi AI

Pada tahun 2026, titik balik global AI muncul: belanja modal *inference* penyedia awan melebihi *training*, menandai pergeseran dari "membuat" ke "menggunakan" model besar. Hambatan utama bergeser dari daya komputasi ke "dinding memori"—bottleneck dalam memindahkan data (seperti berat model dan KV Cache) antara DRAM dan GPU, yang menyebabkan konsumsi energi tinggi dan penundaan. Arsitektur alternatif seperti Cerebras menawarkan solusi radikal melalui Wafer-Scale Engine (WSE). Daripada memotong wafer, Cerebras menggunakannya utuh sebagai satu chip raksasa (WSE-3), menampung 44GB SRAM *on-chip* dengan bandwidth 21 PB/detik—ribuan kali lebih cepat dari HBM tradisional. Ini memungkinkan aliran berat model dari memori eksternal (MemoryX) ke chip dengan latency sangat rendah, meningkatkan kecepatan *token* inferensi hingga 1,5–5x dibandingkan GPU seperti NVIDIA B200. Selain itu, daya interkoneksinya jauh lebih efisien (0,15 pJ/bit vs 10 pJ/bit GPU). Namun, pendekatan ini menghadapi tantangan: skala SRAM terhambat batas fisik, memerlukan sistem pendingin khusus, bandwidth I/O eksternal terbatas, dan ekosistem perangkat lunaknya yang kurang umum. Sementara itu, raksasa teknologi merespons dengan tiga jalur: chip ASIC khusus inferensi (seperti Microsoft Maia), kemasan *wafer-scale* yang semakin umum (misal, TSMC SoW), serta eksplorasi interkoneksi optik. Tekanan komersial juga besar bagi Cerebras, yang kini harus membangun pusat data skala besar untuk memenuhi pesanan. Intinya, tidak ada solusi sempurna. Cerebras mengoptimalkan latency ekstrem untuk beban kerja tertentu, sementara NVIDIA mempertahankan fleksibilitas untuk beban beragam. Pertarungan arsitektur ini masih terbuka dalam lanskap komputasi AI yang terus berubah.

marsbit3j yang lalu

Melampaui 'Tembok Memori', Revolusi Tingkat Wafer dan Rute Kekuatan Komputasi di Era Inferensi AI

marsbit3j yang lalu

Trading

Spot
Futures
活动图片