Sumber Sinyal:
Ini adalah wawancara terbaru Marc Andreessen, pendiri a16z, di podcast Latent Space.
Dia adalah pengusaha internet terkenal di Amerika, tokoh kunci dalam perkembangan awal internet; juga menjadi perwakilan investor top Silicon Valley setelah mendirikan a16z.
Seluruh percakapan membahas sejarah perkembangan dan tren terbaru AI, sangat layak untuk dibaca.
一、AI Gelombang Ini Bukan Muncul Tiba-tiba, Melainkan "Mulai Bekerja" Secara Penuh untuk Pertama Kalinya Setelah Lari Maraton Teknologi 80 Tahun
· AI gelombang ini bukan muncul tiba-tiba, melainkan setelah lari maraton teknologi 80 tahun
· Marc Andreessen secara langsung menyebut saat ini sebagai "kesuksesan semalam 80 tahun (80-year overnight success)", artinya ledakan yang tiba-tiba di mata publik sebenarnya adalah pelepasan terkonsentrasi dari cadangan teknologi puluhan tahun.
· Dia menelusuri kembali garis teknologi ini ke penelitian neural network awal, dan menekankan bahwa industri saat ini sebenarnya telah menerima penilaian "neural network adalah arsitektur yang benar".
· Dalam narasinya, titik kunci bukanlah momen tunggal, melainkan serangkaian tumpukan: AlexNet, Transformer, ChatGPT, model reasoning, hingga agents dan self-improvement.
· Dia khususnya menekankan, kali ini tidak hanya pembuatan teks yang menjadi lebih kuat, tetapi empat jenis fungsi muncul bersamaan: LLMs, reasoning, coding, serta agents / recursive self-improvement.
· Alasan dia berpikir "kali ini berbeda (this time is different)", bukan karena narasinya lebih menarik, tetapi karena kemampuan-kemampuan ini telah mulai bekerja dalam tugas-tugas dunia nyata.
二、Arsitektur Agent yang Diwakili oleh Pi dan OpenClaw adalah Perubahan Arsitektur Perangkat Lunak yang Lebih Dalam Dibanding Chatbot
· Dia menggambarkan agent dengan sangat spesifik: pada dasarnya adalah "LLM + shell + file system + markdown + cron/loop". Dalam struktur ini, LLM adalah inti penalaran dan pembuatan, shell menyediakan lingkungan eksekusi, sistem file menyimpan status, markdown membuat status dapat dibaca, cron/loop menyediakan pembangkitan periodik dan penggerak tugas.
· Dia berpikir pentingnya kombinasi ini terletak pada: kecuali model itu sendiri adalah hal baru, komponen lainnya seluruhnya adalah bagian yang telah matang, dapat dipahami, dan dapat digunakan kembali di dunia perangkat lunak.
· Status agent disimpan dalam file, sehingga dapat bermigrasi antar model, antar runtime; model dasar dapat diganti, tetapi memori dan status tetap dipertahankan.
· Dia berulang kali menekankan introspeksi: agent mengetahui file-nya sendiri, dapat membaca statusnya sendiri, bahkan dapat menulis ulang file dan fungsinya sendiri, bergerak ke arah "memperluas diri sendiri (extend yourself)".
· Dalam pandangannya, terobosan sebenarnya bukan hanya "model dapat menjawab", tetapi agent dapat memanfaatkan toolchain Unix yang sudah ada, menyambungkan seluruh kemampuan tersembunyi komputer.
三、Era Browser, GUI Tradisional dan "Perangkat Lunak yang Diklik Manusia", Akan Secara Bertahap Digantikan oleh Cara Interaksi Agent-First
· Marc Andreessen dengan jelas pernah mengatakan, di masa depan "Anda mungkin tidak lagi memerlukan antarmuka pengguna (user interface)".
· Dia lebih lanjut menunjukkan, pengguna utama perangkat lunak di masa depan mungkin bukan manusia, melainkan "bot lain (other bots)".
· Ini berarti banyak antarmuka yang dirancang saat ini untuk diklik, dijelajahi, dan diisi formulir oleh manusia, akan terdegradasi menjadi lapisan eksekusi yang dipanggil di belakang agent.
· Di dunia ini, manusia lebih seperti pemberi tujuan: memberi tahu sistem apa yang diinginkan, lalu agent memanggil layanan, mengoperasikan perangkat lunak, menyelesaikan proses.
· Dia menghubungkan perubahan ini dengan masa depan perangkat lunak yang lebih besar: perangkat lunak berkualitas tinggi akan semakin "melimpah", bukan lagi barang langka yang dibuat secara manual oleh segelintir insinyur.
· Dia juga menilai, pentingnya bahasa pemrograman akan menurun; model akan menulis kode program dalam berbagai bahasa, menerjemahkan satu sama lain, bahkan di masa depan manusia lebih memperhatikan penjelasan mengapa AI mengorganisir kode seperti itu, bukan berpegang teguh pada satu bahasa tertentu itu sendiri.
· Dia bahkan menyebutkan arah yang lebih radikal: secara konseptual, AI tidak hanya mungkin mengeluarkan kode, tetapi juga langsung mengeluarkan kode biner (binary) yang lebih mendasar atau bobot model (model weights).
四、Siklus Investasi AI Kali Ini Memiliki Kesamaan dengan Gelembung Internet Tahun 2000, tetapi Struktur Dasar Penawaran dan Permintaan Tidak Sama
· Saat meninjau tahun 2000, dia menekankan, sebagian besar keruntuhan bukan karena "internet tidak berhasil", melainkan karena infrastruktur telekomunikasi dan bandwidth yang berlebihan, serat optik dan pusat data dipasang terlalu dini, kemudian mengalami pencernaan dalam waktu lama.
· Dia berpikir hari ini memang juga dapat melihat kekhawatiran "pembangunan berlebihan", tetapi subjek investasi utama saat ini terutama adalah perusahaan-perusahaan besar dengan kas berlimpah seperti Microsoft, Amazon, Google, bukan pemain rapuh yang sangat leveraged.
· Dia khususnya menunjukkan, sekarang ini selama dapat membentuk investasi GPU yang dapat dijalankan, biasanya dapat dengan cepat diubah menjadi pendapatan,这一点 (Hal ini) berbeda dengan banyak kapasitas menganggur pada tahun 2000.
· Dia juga menekankan, yang kita gunakan sekarang sebenarnya adalah versi teknologi yang "di-sandbag (sandbagged)": karena pasokan GPU, memori, pusat data, dll. tidak mencukupi, potensi model belum sepenuhnya dilepaskan.
· Dalam penilaiannya, kendala nyata dalam beberapa tahun ke depan tidak hanya GPU, tetapi juga termasuk CPU, memori, jaringan dan kemacetan联动 (keterkaitan) seluruh ekosistem chip.
· Dia menempatkan AI scaling laws bersama-sama dengan Moore's Law masa lalu, berpikir mereka tidak hanya menggambarkan hukum, tetapi juga terus merangsang modal, teknik, dan industri untuk maju bersama-sama.
· Dia menyebutkan fenomena yang sangat tidak biasa tetapi penting: seiring kecepatan optimasi perangkat lunak yang semakin cepat, beberapa chip generasi lama bahkan mungkin memiliki nilai ekonomi yang lebih besar dibanding saat baru dibeli.
五、Sumber Terbuka (Open Source), Inferensi Tepi (Edge Inference) dan Menjalankan Lokal, Bukan Sampingan, Melainkan Bagian dari Landscape Persaingan AI
· Marc Andreessen dengan jelas berpikir open source sangat penting, alasannya bukan hanya gratis, tetapi "membuat seluruh dunia belajar bagaimana hal itu dibuat".
· Dia menggambarkan rilis open source seperti DeepSeek sebagai "hadiah untuk dunia (gift to the world)", karena kode + makalah akan dengan cepat menyebarkan pengetahuan, meningkatkan底线 (garis dasar) seluruh industri.
· Dalam narasinya, open source bukan hanya pilihan teknis, tetapi juga mungkin merupakan strategi geopolitik dan pasar: negara dan perusahaan yang berbeda akan mengadopsi strategi keterbukaan yang berbeda berdasarkan batasan bisnis dan tujuan pengaruh mereka sendiri.
· Dia sekaligus menekankan pentingnya inferensi tepi ("Edge inference"): dalam beberapa tahun ke depan biaya inferensi terpusat belum tentu cukup rendah, banyak aplikasi tingkat konsumen tidak dapat menanggung biaya inferensi cloud yang tinggi dalam jangka panjang.
· Dia menyebutkan pola yang berulang: model yang tampaknya "tidak mungkin dijalankan di PC" hari ini, seringkali beberapa bulan kemudian benar-benar dapat dijalankan di mesin lokal.
· Selain biaya, yang mendorong operasi lokal juga termasuk kepercayaan, privasi, latency dan skenario penggunaan: perangkat wearable, kunci pintu, perangkat portabel, dll. lebih cocok untuk inferensi latency rendah dan di tempat.
· Penilaiannya sangat langsung: hampir semua hal yang memiliki chip, di masa depan mungkin membawa model AI.
六、Masalah Sebenarnya AI, Tidak Hanya pada Kemampuan Model, Tetapi pada Keamanan, Identitas, Aliran Uang, Organisasi dan Hambatan Institusional
· Dalam hal keamanan, penilaiannya sangat tajam: hampir semua potential security bug akan lebih mudah ditemukan, dalam jangka pendek mungkin muncul periode "bencana besar keamanan komputer".
· Tetapi dia juga berpikir, kecerdasan pemrograman akan menskalakan kemampuan memperbaiki kerentanan; cara "melindungi perangkat lunak" di masa depan, mungkin adalah membiarkan bot memindai dan memperbaikinya.
· Dalam masalah identitas, dia berpikir "bukti bot (proof of bot)" tidak可行 (layak), karena bot akan semakin kuat; arah yang可行 (layak) adalah "bukti manusia (proof of human)", yaitu kombinasi dari pengenalan biometrik, verifikasi enkripsi dan pengungkapan selektif (selective disclosure).
· Dia juga membahas masalah yang sering diabaikan: jika agent benar-benar harus mengurus hal-hal di dunia nyata, mereka pada akhirnya akan membutuhkan uang, kemampuan pembayaran, bahkan semacam infrastruktur rekening bank, kartu atau stablecoin.
· Pada tingkat organisasi, dia menggunakan kerangka kapitalisme manajerial (managerial capitalism), berpikir AI mungkin memperkuat kembali perusahaan yang dipimpin pendiri (founder-led company), karena bot sangat pandai dalam laporan, koordinasi, dokumen dan banyak "pekerjaan manajerial".
· Tetapi dia tidak berpikir masyarakat akan dengan cepat dan lancar menerima AI: dia memberikan contoh lisensi profesi, serikat pekerja, pemogokan buruh pelabuhan, departemen pemerintah, pendidikan K-12, medis, dll., menjelaskan bahwa dunia nyata memiliki大量 (banyak) peredam kelembaman institusional.
· Penilaiannya adalah, baik utopis AI maupun peramal kiamat mudah mengabaikan satu hal: sekali teknologi memungkinkan, tidak berarti 8 miliar orang akan segera berubah mengikutinya.
