Musk Lagi-lagi Menatap Infrastruktur AI: Tesla Bakal Jual "Blok Bangunan Komputasi"

marsbitDipublikasikan tanggal 2026-06-22Terakhir diperbarui pada 2026-06-22

Abstrak

Tesla mengajukan merek dagang "Megapod" ke USPTO pada 18 Juni 2026, yang mengindikasikan rencana perusahaan untuk menjual infrastruktur pusat data AI modular. Sistem yang dijelaskan mencakup server komputer, perangkat keras pemrosesan data AI, peralatan jaringan, unit distribusi daya, dan sistem pendingin, layaknya pusat data AI siap pakai yang dapat dihubungkan. Langkah ini menarik perhatian karena baru setahun lalu Tesla membubarkan tim Dojo, superkomputer pelatihan AI buatan sendiri mereka. Alih-alih langsung bersaing dengan chip AI seperti Nvidia, analisis menunjukkan Megapod kemungkinan besar adalah ekstensi dari bisnis energi modular Tesla. Ini mengikuti jejak Megapack (baterai penyimpanan skala besar) dan Megablock (sistem penyimpanan energi modular), kali ini menerapkan konsep modularisasi pada infrastruktur komputasi AI. Dengan demikian, Tesla tampaknya tidak menargetkan pasar inti GPU, tetapi lebih fokus pada solusi kelistrikan, pendinginan, dan penyebaran cepat yang menjadi tantangan dalam pembangunan pusat data AI. Ini sejalan dengan kebutuhan internal dan eksternal: xAI, perusahaan AI milik Musk, telah membeli banyak Megapack, sementara SpaceX, perusahaan lain miliknya, telah meraup miliaran dolar dari menyewakan kapasitas komputasi. Megapod berpotensi menjadi bagian dari strategi infrastruktur AI yang lebih luas di ekosistem Musk, menjawab kebutuhan dunia AI akan daya, pendinginan, dan kecepatan penyebaran yang andal.

Tesla juga menatap bisnis infrastruktur AI.

Baru-baru ini, Tesla mengajukan permohonan merek dagang bernama "Megapod" ke Kantor Paten dan Merek Dagang Amerika Serikat (USPTO), berencana untuk menjual perangkat keras pusat data AI modular.

Berdasarkan deskripsi merek dagang, ini adalah sistem perangkat keras pusat data modular untuk komputasi AI, di dalamnya termasuk server komputer, perangkat keras pemrosesan data AI, peralatan jaringan, unit distribusi daya, dan sistem pendingin.

Tapi, baru kurang dari setahun yang lalu, Tesla baru saja membubarkan tim Dojo, menghentikan sendiri satu-satunya superkomputer pelatihan AI buatannya sendiri.

Baru mengucapkan selamat tinggal pada Dojo, sekarang mendaftarkan merek dagang baru untuk pusat data AI.

Hah? Apakah Tesla sedang berganti gaya, terus melanjutkan komputasi?

Apa itu Megapod

Informasi yang bisa dipastikan saat ini berasal dari aplikasi merek dagang.

Nama merek dagang yang diajukan Tesla adalah MEGAPOD, nomor seri aplikasi 99893717, tanggal pengajuan 18 Juni 2026.

Dari segi jenis, ini adalah merek dagang karakter standar, artinya menempati nama "MEGAPOD" terlebih dahulu. Basis aplikasi adalah intent-to-use, artinya "bermaksud untuk menggunakan", tetapi produk belum resmi diluncurkan.

Deskripsi dalam aplikasi merek dagang cukup spesifik, dalam dokumen tertulis, Megapod mencakup:

Sistem perangkat keras pusat data modular untuk komputasi kecerdasan buatan, termasuk server komputer, perangkat keras komputer untuk pemrosesan data kecerdasan buatan, peralatan jaringan, unit distribusi daya, dan sistem pendingin.

Juga termasuk "sistem perangkat keras komputasi AI modular mandiri", serta "perangkat lunak yang dapat diunduh untuk memantau, mengelola, dan mengoptimalkan sistem di atas".

Secara sederhana, Megapod seperti sebuah modul pusat data AI siap pakai.

Di dalam satu rak, semua server, peralatan jaringan, catu daya, sistem pendingin dimasukkan, ditarik ke lokasi, disambungkan ke listrik, dan bisa langsung menjalankan pelatihan dan inferensi AI.

Ini juga yang membuatnya sejalan dengan Megapack dan Megablock milik Tesla yang sudah ada.

Megapack menjual baterai penyimpanan energi skala besar, Megablock adalah sistem penyimpanan energi yang lebih besar dan lebih modular.

Sedangkan Megapod terdengar seperti memindahkan pendekatan "modular" ini dari sistem kelistrikan ke sistem komputasi AI.

Karena itu, ada netizen yang langsung berkomentar: Tesla diam-diam menunjukkan tata letak infrastruktur AI yang sangat besar.

Ada yang lebih jauh mengaitkannya, ini mungkin terkait dengan yang pernah disebut Musk sebelumnya tentang "memanfaatkan listrik yang menganggur untuk menjalankan AI", bahkan menduga apakah Tesla di masa depan akan menghubungkan jaringan pengisian cepat, penyimpanan energi baterai, dan node komputasi AI untuk membentuk infrastruktur AI terdistribusi.

Tapi saat ini, Megapod masih sebatas aplikasi merek dagang, belum ada prototipe, belum ada parameter, belum ada harga, juga belum ada jadwal pengiriman.

Karena itu, masih jauh bagi Megapod untuk benar-benar menjadi produk.

Tapi merek dagang ini sendiri juga menunjukkan bahwa Tesla sudah serius mempertimbangkan untuk mengubah infrastruktur AI menjadi kategori perangkat keras yang bisa dijual.

Apakah Tesla Mau Merebut Pasar Nvidia?

Sekilas, Megapod mudah membuat orang berpikir tentang Nvidia.

Bagaimanapun, saat ini hal yang paling mahal dan paling inti di pusat data AI adalah sistem komputasi rak penuh Nvidia.

Misalnya GB200 NVL72, sudah menjadi standar de facto untuk pusat data AI kelas atas saat ini.

Satu rak mengintegrasikan GPU, CPU, koneksi berkecepatan tinggi, pendinginan cair, dan jaringan, pelanggan membelinya lalu langsung menyebarkannya untuk pelatihan dan inferensi model besar. Saat ini penyedia layanan cloud global, perusahaan AI, proyek AI kedaulatan, pada dasarnya semuanya berputar di sekitar sistem ini.

Artinya, dalam bisnis "komputasi AI modular" ini, Nvidia sudah menjadi pemain inti yang mutlak.

Lalu, apakah Megapod Tesla akan merebut pangsa pasar Nvidia?

Dalam jangka pendek, belum tentu juga.

Karena Tesla sendiri juga adalah pelanggan Nvidia. Tesla melatih FSD, robot, dan model AI di kendaraan membutuhkan banyak GPU; xAI milik Musk juga sedang membeli chip Nvidia dalam skala besar untuk membangun klaster pelatihan.

Tidak hanya itu, sejarah chip AI buatan sendiri Tesla juga cukup berliku.

Tesla pernah dengan tinggi hati bertaruh pada superkomputer Dojo, berharap menggunakan chip pelatihan D1 buatan sendiri untuk mendukung pelatihan model FSD.

Pada AI Day 2021, Tesla secara resmi memamerkan Dojo dan chip D1, logikanya adalah melalui sistem pelatihan buatan sendiri untuk mempercepat iterasi model kendaraan otonom.

Tapi pada 2025, tim Dojo dibubarkan, kepala tim mengundurkan diri, sebagian anggota pindah ke perusahaan rintisan chip AI, anggota sisanya dipindahkan ke proyek pusat data dan komputasi Tesla lainnya.

Musk kemudian juga menyatakan, perusahaan tidak seharusnya menyebarkan sumber daya untuk memperluas dua desain chip AI yang berbeda, fokus selanjutnya beralih ke AI5/AI6, dan lebih banyak mengandalkan ekosistem komputasi eksternal seperti Nvidia, AMD, dll.

Dari sini terlihat, gerakan baru Tesla saat ini belum tentu bertujuan untuk merebut bisnis GPU Nvidia, kemungkinan besar lebih mengincar lapisan bisnis lain dari pusat data AI: kelistrikan, penyimpanan energi, pendinginan, distribusi daya, dan penyebaran modular.

Ini juga titik sakit pusat data AI saat ini. Pelatihan dan inferensi model besar sedang sangat boros listrik, pusat data AI baru tidak hanya kekurangan GPU, tetapi juga kekurangan akses jaringan listrik, kapasitas transformator, sistem pendingin, infrastruktur yang dapat disebarkan dengan cepat.

Banyak proyek, chip sudah sampai belum tentu bisa langsung berjalan, sering masih terkendala pada pasokan listrik, pendinginan, siklus konstruksi, dan persetujuan penyambungan jaringan.

Dan masalah-masalah ini, kebetulan lebih dekat dengan batas kemampuan bisnis energi Tesla.

Bisnis AI yang Benar-benar Menguntungkan bagi Tesla, Mungkin Baterai

Beberapa tahun terakhir, Tesla bercerita tentang AI, yang paling diperhatikan dunia luar adalah FSD, Optimus, dan Dojo.

Tapi dari sudut pandang bisnis, koneksi paling langsung antara Tesla dan pusat data AI, justru mungkin adalah Megapack.

Megapack adalah produk baterai penyimpanan energi skala besar Tesla, menghadap ke proyek jaringan listrik, pembangkit listrik, industri dan komersial, dan infrastruktur besar.

Setelah pusat data AI terhubung ke jaringan listrik, akan membawa fluktuasi konsumsi listrik yang sangat tajam. Terutama saat pelatihan klaster GPU skala besar, beban mungkin naik atau turun dengan cepat, menuntut stabilitas jaringan listrik yang sangat tinggi.

Saat itulah, sistem penyimpanan energi bisa berperan sebagai penyangga.

Saat listrik jaringan berlebih, mengisi daya; saat beban klaster AI meningkat, mengeluarkan daya; saat tugas pelatihan menyebabkan fluktuasi listrik, sistem penyimpanan energi juga dapat membantu meratakan guncangan.

Inilah pintu masuk nyata bagi bisnis energi Tesla ke pusat data AI.

Dokumen sebelumnya telah menunjukkan, dari 2024 hingga April 2026, xAI secara kumulatif membeli sekitar 1 miliar dolar AS Megapack Tesla, di mana pembelian bulan April 2026 saja mencapai 269 juta dolar AS.

Ini menunjukkan bahwa pengeluaran besar untuk infrastruktur AI, sudah tidak hanya pada chip dan server. Sistem kelistrikan itu sendiri, juga sedang menjadi bagian dari perlombaan AI.

Dari segi nama, dari Megapack ke Megablock, lalu ke Megapod, sangat berkesinambungan.

Benar-benar sebuah "trilogi mega".

Megapack menyelesaikan penyimpanan energi; Megablock menyelesaikan modul listrik yang lebih besar dan lebih cepat penyebarannya.

Jika Megapod menjadi kenyataan, kemungkinan akan membungkus server, jaringan, catu daya, pendingin, dan manajemen perangkat lunak lebih lanjut, menjadi produk infrastruktur terpadu yang ditujukan untuk pelanggan AI.

Tapi, perangkat keras pusat data AI adalah pasar yang sangat kompleks, di dalamnya sudah ada Nvidia, Dell, Supermicro, Vertiv, Schneider, Eaton, dan sejumlah pemain matang lainnya.

Dari rak penuh GPU, hingga integrasi server, hingga sistem pendinginan cair, hingga distribusi daya dan UPS, setiap lapisan memiliki ambang batas teknik dan siklus sertifikasi pelanggan yang tinggi.

Keunggulan Tesla terletak pada manufaktur modular, penyimpanan energi baterai, kontrol daya, dan permintaan AI dalam sistem Musk.

Tapi kelemahannya juga jelas: pengalaman pengiriman pusat data tingkat perusahaan terbatas, rute chip AI buatan sendiri tidak stabil, apakah pelanggan bersedia menyerahkan infrastruktur AI kunci ke Tesla, juga masih belum diketahui.

Tapi, Musk sudah lama merasakan manisnya kontrak komputasi besar dari SpaceX.

Menurut laporan, Google akan membayar SpaceX 920 juta dolar AS per bulan, untuk menyewa sekitar 110.000 unit GPU Nvidia dan komponen terkait seperti CPU, memori, dll., selama 3 tahun.

Sebelumnya, Anthropic juga telah menandatangani kontrak, dengan harga 1,25 miliar dolar AS per bulan, memesan seluruh daya komputasi dari pusat data Colossus milik SpaceX.

Dua kontrak ini digabungkan, SpaceX hanya dari "menyewakan daya komputasi" saja bisa mendapatkan sekitar 2,17 miliar dolar AS per bulan.

Apa? Kamu bilang sebuah perusahaan pembuat roket, hanya dari menyewakan GPU yang menganggur bisa mendapat pendapatan lebih dari dua puluh miliar per bulan??

Bisa menjadi tuan tanah sampai seperti ini, selain Musk ya memang tidak ada yang lain.

Ini juga membuat Megapod menjadi lebih berimajinasi:

Di satu sisi SpaceX mengubah daya komputasi AI menjadi aset yang bisa disewakan, di sisi lain Tesla menggunakan "trilogi mega" untuk masuk ke kelistrikan, penyimpanan energi, pendinginan, dan penyebaran modular.

Bisa dibayangkan, Megapod mungkin tidak akan menjadi "versi Tesla dari Nvidia".

Tapi di saat semua perusahaan AI kekurangan listrik, kekurangan pendinginan, kekurangan kecepatan penyebaran, bisnis ini, mungkin lebih nyata daripada bercerita tentang kendaraan otonom~

Tautan referensi:

[1]https://electrek.co/2026/06/21/tesla-megapod-ai-data-center-hardware/

[2]https://x.com/BullTheoryio/status/2068569421971436011

[3]https://techcrunch.com/2026/06/05/google-will-pay-spacex-920m-per-month-for-compute/

Artikel ini dari akun WeChat publik "量子位", penulis: Ting Yu

Pertanyaan Terkait

QApa itu Megapod yang baru didaftarkan merek dagangnya oleh Tesla?

AMegapod adalah sistem perangkat keras pusat data modular untuk komputasi AI yang diajukan Tesla untuk merek dagangnya. Sistem ini mencakup server komputer, perangkat keras pemrosesan data AI, peralatan jaringan, unit distribusi daya, dan sistem pendingin, yang dirancang sebagai modul pusat data AI yang siap pakai.

QMengapa Tesla membubarkan tim Dojo, lalu sekarang mendaftarkan merek Megapod untuk infrastruktur AI?

ATesla membubarkan tim Dojo pada tahun 2025 karena perusahaan memutuskan untuk tidak mengalokasikan sumber daya untuk mengembangkan dua desain chip AI yang berbeda. Pendaftaran merek Megapod menunjukkan bahwa Tesla kemungkinan mengubah fokus dari chip AI mandiri ke bidang lain dalam infrastruktur AI, seperti sistem daya, pendinginan, dan penyebaran modular.

QBisakah Megapod Tesla bersaing dengan bisnis pusat data AI NVIDIA?

ADalam jangka pendek, kemungkinan besar tidak secara langsung. Megapod lebih cenderung fokus pada aspek daya, penyimpanan energi, pendinginan, dan penyebaran modular dalam pusat data AI, yang merupakan area keahlian bisnis energi Tesla. NVIDIA tetap menjadi pemain inti dalam bisnis komputasi GPU AI, dan Tesla sendiri masih menjadi pelanggan NVIDIA.

QBagaimana hubungan antara Megapod dan produk penyimpanan energi Tesla lainnya seperti Megapack?

AMegapod merupakan bagian dari seri 'mega' Tesla, melanjutkan filosofi modular dari Megapack (baterai penyimpanan energi skala besar) dan Megablock (sistem penyimpanan energi yang lebih besar dan modular). Megapod menerapkan pendekatan modular ini ke dalam sistem komputasi AI, membungkus server, jaringan, daya, dan pendingin dalam satu modul yang terintegrasi.

QMengapa penulis artikel berpendapat bahwa bisnis AI Tesla yang paling menguntungkan mungkin adalah baterai?

APenulis berpendapat demikian karena AI dan pusat data membutuhkan daya yang sangat besar dan menyebabkan fluktuasi beban listrik yang tajam. Produk penyimpanan energi Tesla seperti Megapack dapat berfungsi sebagai penyeimbang untuk jaringan listrik, mengisi daya saat listrik berlebih dan melepaskannya saat beban puncak. Ini merupakan kebutuhan nyata untuk infrastruktur AI, seperti yang ditunjukkan oleh pembelian Megapack senilai miliaran dolar oleh xAI, perusahaan AI milik Musk.

Bacaan Terkait

Sistem Terbuka Akan Menang: Mengapa Ethereum Adalah Linux Berikutnya?

Etherealize menulis tentang bagaimana sistem terbuka tanpa izin akhirnya menang atas sistem tertutup, dan mengapa Ethereum dipandang sebagai Linux berikutnya. Artikel ini menarik paralel antara sejarah internet dan Linux dengan perkembangan blockchain. Pada 1990-an, banyak yang meragukan internet terbuka akan mengalahkan jaringan pribadi perusahaan seperti yang dibayangkan Microsoft. Namun, kenyataannya, internet dan Linux, yang dikembangkan secara terbuka oleh komunitas global ("model pasar"), terbukti lebih inovatif dan tangguh daripada sistem tertutup ("model katedral"). Prinsip yang sama berlaku untuk infrastruktur keuangan. Blockchain pribadi atau konsorsium (seperti yang pernah dicoba bank) menawarkan kecepatan dan kontrol jangka pendek, tetapi memiliki kelemahan: risiko platform di mana operator dapat bertentangan dengan pengguna, dan ketidakmampuan untuk mengikuti inovasi sistem tanpa izin. Ethereum, seperti Linux, dibangun berdasarkan **netralitas tepercaya**: aturannya transparan, berlaku sama untuk semua, sulit diubah, dan siapa pun dapat berpartisipasi. Ini menarik pengembang (lebih dari 1 juta hingga saat ini) dan institusi besar. Keunggulan Ethereum berasal dari desentralisasi yang mendalam dan sejarah uniknya (mis., transisi dari Proof-of-Work), yang tidak dapat dengan mudah disalin. Robinhood, BlackRock, JPMorgan, dan perusahaan terkemuka lainnya membangun di atas Ethereum atau lapisan-2-nya karena keamanan, ekosistem yang matang, dan sifatnya yang netral. Sementara solusi tertutup seperti SWIFT atau Visa dapat memblokir peserta, Ethereum menawarkan fondasi penyelesaian global yang independen dan dapat diandalkan. Tantangan regulasi tentang akuntabilitas dijawab di lapisan aplikasi (mis., melalui token dengan KYC bawaan), bukan di lapisan penyelesaian. Kesimpulannya, masa depan infrastruktur keuangan terletak pada membangun di atas sistem terbuka seperti Ethereum, bukan mencoba bersaing atau menciptakan yang tertutup.

Foresight News3m yang lalu

Sistem Terbuka Akan Menang: Mengapa Ethereum Adalah Linux Berikutnya?

Foresight News3m yang lalu

Keuntungan Kanal Berakhir, Dengan Apa Protokol DeFi Bertahan dari Rangkulan Raksasa?

Penulis Thejaswini M A menganalisis bagaimana perusahaan teknologi besar seperti Coinbase, Stripe, dan Kraken memperoleh keuntungan dengan menguasai infrastruktur dan saluran distribusi, yang sering kali mengorbankan protokol DeFi open-source yang pada awalnya mereka andalkan. Coinbase, dengan pengguna 110 juta, meluncurkan blockchain Base. Protokol pinjaman open-source Morpho, yang digunakan Coinbase untuk produk pinjamannya, sekarang beroperasi di Base. Semua biaya transaksi yang dihasilkan mengalir ke Coinbase, bukan ke Morpho. Meski demikian, Morpho tetap tumbuh dengan TVL $2.5 miliar di Base, menciptakan hubungan saling ketergantungan. Stripe menghabiskan $1.1 miliar untuk mengakuisisi Bridge dan beralih dari stablecoin Circle (USDC) ke USDB-nya sendiri, sehingga menjaga pendapatan bunga dari aset cadangan di dalam ekosistemnya. Kraken membeli NinjaTrader senilai $1.5 miliar untuk mendapatkan lisensi derivatif yang sulit diperoleh, menghilangkan ketergantungan pada pihak ketiga. Artikel ini mempertanyakan masa depan protokol open-source ketika saluran distribusi keuntungan tidak lagi menjadi nilai inti. Kunci ketahanan bagi protokol seperti Morpho dan Uniswap adalah ekspansi multi-rantai. Dengan menyebar di banyak blockchain, mereka mengurangi risiko jika satu rantai (seperti Base yang mendukung pesaing Aerodrome) memutus dukungan. Kesimpulannya, meski raksasa platform memiliki keunggulan pengguna, protokol yang tertanam kuat, multi-rantai, dan mahal untuk diganti masih bisa bertahan. Masa depan akan ditentukan oleh perlombaan antara ekspansi horizontal protokol dan konsolidasi vertikal oleh institusi besar.

marsbit9m yang lalu

Keuntungan Kanal Berakhir, Dengan Apa Protokol DeFi Bertahan dari Rangkulan Raksasa?

marsbit9m yang lalu

Kendala Daya Komputasi dalam Pertarungan AI Tiongkok-AS

Dalam persaingan AI antara AS dan Tiongkok, kendala utama yang dihadapi Tiongkok adalah kesenjangan komputasi (computing power) yang sangat besar, terutama di sektor pelatihan AI berkinerja tinggi. Chip AI domestik Tiongkok saat ini sebagian besar masih berfokus pada sisi inferensi yang relatif lebih mudah, sedangkan di puncak piramida pelatihan model besar, kehadiran chip domestik masih terbatas dan hanya mengerjakan tugas-tugas tepi. AS menguasai lebih dari 70% GPU high-end global, dengan skala komputasi 2 kali lipat lebih besar daripada Tiongkok. Raksasa teknologi seperti Meta, Google, Amazon, dan Microsoft menginvestasikan dana besar untuk infrastruktur AI, memiliki kekuatan komputasi yang masing-masing melebihi total seluruh perusahaan AI Tiongkok. Kesenjangan ini berdampak langsung pada pengembangan model besar (large models). Model AS terdepan seperti Anthropic's Mythos telah mencapai 10 triliun parameter, sedangkan model Tiongkok terkuat, DeepSeek V4 Pro, memiliki 1,6 triliun parameter. Kekurangan chip pelatihan high-end membatasi kemampuan pra-pelatihan (pre-training) yang menentukan batas atas kecakapan model. Meski demikian, kebangkitan chip GPU domestik Tiongkok mulai terlihat. Perusahaan seperti Huawei (Ascend 910), Haiguang, Cambricon, Moore Thread, dan MetaX memanfaatkan kebijakan substitusi impor. Meski masih tertinggal dalam kinerja absolut dan ekosistem perangkat lunak (seperti CUDA milik Nvidia), chip domestik mulai menunjukkan peningkatan adaptabilitas, bergerak dari terobosan di sektor inferensi menuju adaptasi bertahap di sektor pelatihan. Kolaborasi antara perusahaan AI dan produsen chip domestik telah berhasil melatih model canggih seperti GLM-Image dan RoboBrain 2.5 sepenuhnya pada perangkat keras domestik. Dengan dukungan pasar yang besar, talenta AI, dan modal yang kuat, industri chip AI Tiongkok diharapkan dapat terus berkembang, meski perjalanan mengejar ketertinggalan membutuhkan kesabaran dan strategi jangka panjang dalam persaingan teknologi yang menentukan ini.

marsbit9m yang lalu

Kendala Daya Komputasi dalam Pertarungan AI Tiongkok-AS

marsbit9m yang lalu

Karya Baru Tim He Kaiming: Menghapus VAE dan Data Privat, Hasil Generasi Gambar dari Teks Justru Lebih Baik

Tim riset Kai Ming He meluncurkan model teks-ke-gambar yang sangat sederhana bernama MiniT2I, yang menantang pendekatan rumit yang umum digunakan saat ini. Model ini menghilangkan komponen standar seperti pengkode VAE, mekanisme injeksi kondisi AdaLN, data privat, dan tahap penyelarasan RL/DPO. Sebagai gantinya, MiniT2I dilatih secara langsung di ruang piksel RGB menggunakan target pemadanan aliran pada model Transformer. MiniT2I mengadopsi arsitektur MM-JiT yang sederhana, menggantikan mekanisme modulasi kondisi kompleks dengan dua blok adaptor teks ringan dan menghapus cabang AdaLN. Model ini dilatih secara dua tahap hanya menggunakan data publik: pra-pelatihan pada dataset CC12M yang diberi keterangan ulang, dan penyempurnaan pada sekitar 120 ribu pasangan gambar-teks berkualitas tinggi. Dengan hanya 258 juta parameter (versi B/16), MiniT2I mencapai skor 0,87 pada GenEval dan 84,2 pada DPG-Bench, mengungguli model lain di ruang piksel yang jauh lebih besar. Keunggulannya meliputi biaya komputasi yang lebih rendah, arsitektur yang lebih mudah dipahami, dan hasil yang sebanding dalam hal kualitas dan keragaman gaya dengan model besar seperti SD3-Medium dalam beberapa skenario. Namun, model ini masih memiliki keterbatasan seperti artefak batas patch, efek samping CFG pada ruang piksel, dan kinerja yang lebih rendah dalam rendering teks dibandingkan sistem industri, yang memerlukan data yang lebih khusus.

marsbit14m yang lalu

Karya Baru Tim He Kaiming: Menghapus VAE dan Data Privat, Hasil Generasi Gambar dari Teks Justru Lebih Baik

marsbit14m yang lalu

Asuransi Menghadapi Kompetitor Terbesar, Apakah Pasar Prediksi adalah "Orang Liar di Depan Pintu"?

Industri asuransi tradisional, yang lama dianggap sebagai "batu penjuru" dalam sistem ekonomi, kini mulai menghadapi tantangan baru dengan munculnya pasar prediksi. Platform seperti Kalshi dan Polymarket mulai menggeser fungsi asuransi konvensional dengan menawarkan lindung nilai risiko yang lebih transparan dan likuid. Contoh konkretnya, bar The Jeffrey di New York menggunakan Kalshi untuk melindungi risiko dari promosi "minuman gratis jika tim lokal menang" dengan bertaruh $5.000. Kerja sama Kalshi dengan broker asuransi olahraga Game Point Capital menawarkan harga lindung nilai bonus playoff NBA yang lebih murah dibandingkan perusahaan asuransi tradisional. Sementara itu, kolaborasi Polymarket dengan platform real estat Parcl memungkinkan orang melindungi nilai dari fluktuasi harga properti tanpa harus membeli rumah secara fisik. Kisah sukses "Mattress Mack" yang memenangkan puluhan juta dolar dari taruhan olahraga untuk mendanai promosi pengembalian uang pada 2017 dan 2022 menunjukkan konsep dasarnya. Namun, pasar prediksi menawarkan peningkatan signifikan: ruang lingkup pasar yang lebih luas, peran platform yang netral, transparansi informasi perdagangan, dan akses yang lebih adil bagi peserta dibandingkan taruhan olahraga tradisional yang sering membatasi pemain pemenang. CEO Jeff Yass dari SIG menyoroti potensi pasar prediksi untuk distribusi risiko yang lebih efisien, seperti melindungi properti dari badai berdasarkan data cuaca real-time. Meskipun demikian, adopsi luas masih terhambat oleh tantangan seperti likuiditas terbatas, batasan regulasi yang belum jelas, dan risiko manipulasi dalam penentuan hasil acara. Namun, langkah pertama telah diambil, dan pasar prediksi telah muncul sebagai pesaing potensial bagi bisnis asuransi tradisional.

marsbit15m yang lalu

Asuransi Menghadapi Kompetitor Terbesar, Apakah Pasar Prediksi adalah "Orang Liar di Depan Pintu"?

marsbit15m yang lalu

Trading

Spot
Futures
活动图片

Kategori Populerright-arrow

Tag Populerright-arrow