Pendiri Aave: Apa Rahasia Pasar Pinjaman DeFi?

marsbitDipublikasikan tanggal 2026-02-10Terakhir diperbarui pada 2026-02-10

Abstrak

Penulis Aave, Stani.eth, membahas rahasia pasar pinjaman DeFi yang telah tumbuh menjadi pasar senilai lebih dari $100 miliar, didorong oleh pinjaman stablecoin dengan jaminan aset kripto seperti Ethereum dan Bitcoin. Pinjaman on-chain lebih murah (sekitar 5% untuk stablecoin) dibandingkan pinjaman terpusat (7-12%) karena menghilangkan inefisiensi keuangan melalui transparansi, otomatisasi, dan agregasi modal dalam sistem terbuka. Keunggulan biaya ini bukan dari subsidi, tetapi dari struktur operasi yang mendasarinya berbeda, di mana kode menggantikan biaya administratif. Tantangan utama bukan kurangnya modal, tetapi kurangnya jaminan yang dapat dipinjamkan. Masa depan melibatkan penggabungan aset kripto asli dengan nilai dunia nyata yang ter-tokenisasi, bukan untuk meniru keuangan tradisional tetapi untuk menjalankannya dengan biaya sangat rendah. Pinjaman tradisional mahal karena inefisiensi dalam proses pemberian pinjaman, penilaian risiko, dan layanan, yang disebabkan oleh model kredit yang tertinggal, insentif yang salah, dan proses manual. Solusinya adalah memutus struktur biaya dengan otomatisasi penuh, transparansi, dan kepastian on-chain. Ketika pinjaman on-chain menjadi lebih murah secara end-to-end, adopsi akan tak terhindarkan. Aave bertujuan menjadi lapisan modal dasar untuk backend keuangan baru, memberdayakan semua orang dari fintech hingga konsumen dengan modal yang mengalir cepat ke tempat yang paling dibutuhkan.

Penulis: Stani.eth

Kompilasi: Ken, Chaincatcher

Pinjaman on-chain dimulai sekitar tahun 2017, saat itu hanya merupakan eksperimen marjinal yang terkait dengan aset kripto. Kini, ia telah berkembang menjadi pasar dengan ukuran lebih dari 100 miliar dolar, dengan pendorong utamanya adalah pinjaman stablecoin, yang dijamin terutama oleh jaminan aset kripto asli seperti Ethereum, Bitcoin, dan turunannya. Peminjam melepaskan likuiditas melalui posisi long, mengeksekusi siklus leverage, dan melakukan arbitrase hasil. Yang penting bukanlah kreativitas, tetapi validasi. Perilaku selama beberapa tahun terakhir menunjukkan bahwa jauh sebelum lembaga mulai memperhatikan, pinjaman otomatis berbasis kontrak pintar telah memiliki permintaan nyata dan kecocokan produk-pasar yang nyata.

Pasar kripto saat ini masih berfluktuasi. Membangun sistem pinjaman di atas aset paling dinamis yang ada memaksa pinjaman on-chain untuk segera menyelesaikan masalah manajemen risiko, likuidasi, dan efisiensi modal, daripada menyembunyikannya di balik kebijakan atau pertimbangan manusia. Tanpa jaminan asli kripto, mustahil untuk melihat seberapa kuat sebenarnya pinjaman on-chain yang sepenuhnya otomatis. Kuncinya bukan pada kripto sebagai kelas aset, tetapi pada perubahan struktur biaya yang dibawa oleh keuangan terdesentralisasi.

Mengapa Pinjaman On-Chain Lebih Murah

Pinjaman on-chain murah bukan karena ini adalah teknologi baru, tetapi karena ia menghilangkan lapisan-lapisan pemborosan keuangan. Saat ini, peminjam dapat memperoleh stablecoin on-chain dengan biaya sekitar 5%, sementara lembaga pinjaman kripto terpusat mengenakan bunga 7% hingga 12%, ditambah biaya transaksi, biaya layanan, dan berbagai biaya tambahan. Ketika kondisinya menguntungkan peminjam, memilih pinjaman terpusat bukan hanya tidak konservatif, bahkan tidak rasional.

Keunggulan biaya ini bukan berasal dari subsidi, tetapi dari agregasi modal dalam sistem terbuka. Pasar tanpa izin, dalam hal mengumpulkan modal dan penetapan harga risiko, secara struktural lebih unggul daripada pasar tertutup, karena transparansi, kemampuan komposisi, dan otomatisasi mendorong persaingan. Modal bergerak lebih cepat, likuiditas menganggur akan dihukum, dan ketidakefisienan akan terekspos secara real-time. Inovasi akan menyebar secara instan.

Ketika primitif keuangan baru seperti USDe milik Ethena atau Pendle muncul, mereka menyerap likuiditas seluruh ekosistem dan memperluas cakupan penggunaan primitif keuangan yang ada (seperti Aave dll.), tanpa tim penjualan, proses rekonsiliasi, atau departemen backend. Kode menggantikan biaya manajemen. Ini bukan hanya peningkatan bertahap, ini adalah model operasi yang fundamentally berbeda. Semua keunggulan struktur biaya diteruskan ke pengalokasi modal, dan yang lebih penting, menguntungkan peminjam.

Setiap perubahan besar dalam sejarah modern mengikuti pola yang sama. Sistem aset berat berubah menjadi sistem aset ringan. Biaya tetap berubah menjadi biaya variabel. Tenaga kerja berubah menjadi perangkat lunak. Efek skala terpusat menggantikan duplikasi lokal. Kapasitas berlebih diubah menjadi utilisasi dinamis. Perubahan awalnya terlihat buruk. Mereka melayani pengguna non-inti (misalnya, pinjaman untuk kripto, bukan penggunaan utama), bersaing dalam harga sebelum kualitas meningkat, dan mereka tidak terlihat serius sampai skala membesar dan perusahaan yang ada tidak mampu menanggapi.

Pinjaman on-chain tepat sesuai dengan pola ini. Pengguna awal terutama adalah pemegang kripto niche. Pengalaman pengguna buruk. Dompet terasa asing. Stablecoin tidak menyentuh rekening bank. Tetapi semua itu tidak penting, karena biaya lebih rendah, eksekusi lebih cepat, dan akses bersifat global. Seiring membaiknya segala hal lainnya, ia menjadi lebih mudah diakses.

Bagaimana Selanjutnya

Selama pasar bearish, permintaan menurun, hasil kompres, mengungkapkan dinamika yang lebih penting. Modal dalam pinjaman on-chain selalu dalam keadaan bersaing. Likuiditas tidak mandek karena keputusan komite triwulanan atau asumsi neraca. Ia terus menerus menetapkan harga ulang di lingkungan yang transparan. Sedikit sistem keuangan yang sekejam ini.

Pinjaman on-chain tidak kekurangan modal, tetapi kekurangan jaminan yang tersedia untuk dipinjamkan. Saat ini sebagian besar pinjaman on-chain hanya menggunakan jaminan yang sama secara berulang untuk strategi yang sama. Ini bukanlah batasan struktural, tetapi bersifat sementara.

Kripto akan terus menghasilkan aset asli, primitif produktif, dan aktivitas ekonomi on-chain, sehingga memperluas jangkauan pinjaman. Ethereum sedang matang menjadi sumber ekonomi yang dapat diprogram. Bitcoin sedang mengukuhkan perannya sebagai penyimpanan energi ekonomi. Keduanya bukanlah keadaan akhir.

Jika pinjaman on-chain ingin menjangkau miliaran pengguna, ia harus menyerap nilai ekonomi nyata, bukan hanya konsep keuangan abstrak. Masa depan akan menggabungkan aset asli kripto yang otonom dengan hak dan kewajiban dunia nyata yang ditokenisasi, ini bukan untuk meniru keuangan tradisional, tetapi untuk mengoperasikannya dengan biaya yang sangat rendah. Ini akan menjadi katalis untuk menggantikan backend keuangan lama dengan keuangan terdesentralisasi.

Apa yang Salah dengan Pinjaman

Alasan pinjaman mahal saat ini bukan karena modal langka. Modal melimpah. Modal berkualitas memiliki suku bunga likuidasi 5% hingga 7%. Modal berisiko memiliki suku bunga likuidasi 8% hingga 12%. Peminjam masih membayar suku bunga tinggi, karena segala sesuatu di sekitar modal tidak efisien.

Proses pemberian pinjaman menjadi gemuk karena biaya akuisisi pelanggan dan model kredit yang tertinggal. Persetujuan biner menyebabkan peminjam berkualitas membayar biaya terlalu tinggi, sementara peminjam berkualitas buruk mendapat subsidi sampai wanprestasi. Layanan masih manual, berat secara kepatuhan, dan lambat. Insentif di setiap lapisan tidak selaras. Mereka yang menetapkan harga risiko jarang benar-benar menanggung risiko. Pialang tidak menanggung kewajiban default. Pemberi pinjaman segera menjual eksposur risiko. Setiap orang dibayar terlepas dari hasilnya. Cacat dalam mekanisme umpan balik adalah biaya sebenarnya dari pinjaman.

Pinjaman belum terganggu karena kepercayaan mengungguli pengalaman pengguna, regulasi membatasi inovasi, dan kerugian menyembunyikan masalah ketidakefisienan sebelum meledak. Sistem pinjaman, begitu runtuh, seringkali bencana, ini memperkuat konservatisme daripada kemajuan. Akibatnya, pinjaman masih terlihat seperti produk era industri yang dipaksakan ke pasar modal digital.

Memecah Struktur Biaya

Kecuali pemberian pinjaman, penilaian risiko, layanan, dan alokasi modal sepenuhnya menjadi native perangkat lunak dan on-chain, peminjam akan terus membayar biaya yang terlalu tinggi, dan pemberi pinjaman akan terus merasionalisasi biaya ini. Solusinya bukan lebih banyak regulasi atau peningkatan pengalaman pengguna marjinal. Tetapi memecah struktur biaya. Otomatisasi menggantikan proses. Transparansi menggantikan kebijaksanaan. Kepastian menggantikan rekonsiliasi. Inilah gangguan yang dapat dibawa oleh keuangan terdesentralisasi untuk pinjaman.

Ketika pinjaman on-chain menjadi secara signifikan lebih murah daripada pinjaman tradisional dalam operasi end-to-end, adopsi bukanlah masalah, tetapi suatu keharusan. Aave hadir dalam konteks ini, mampu berfungsi sebagai lapisan modal dasar untuk backend keuangan baru, melayani seluruh spektrum pinjaman dari perusahaan fintech hingga pemberi pinjaman institusional hingga konsumen.

Pinjaman akan menjadi produk keuangan yang paling memberdayakan, hanya karena struktur biaya keuangan terdesentralisasi akan memungkinkan modal yang bergerak cepat mengalir ke aplikasi yang paling membutuhkan modal. Modal yang melimpah akan melahirkan banyak peluang.

Pertanyaan Terkait

QApa rahasia pasar pinjaman DeFi menurut pendiri Aave?

ARahasia pasar pinjaman DeFi adalah struktur biaya yang lebih rendah karena menghilangkan lapisan-lapisan pemborosan keuangan, transparansi, komposabilitas, dan otomatisasi yang mendorong persaingan, serta agregasi modal dalam sistem terbuka.

QMengapa pinjaman on-chain lebih murah dibandingkan pinjaman terpusat?

APinjaman on-chain lebih murah karena menghilangkan biaya perantara, biaya layanan, dan berbagai biaya tambahan yang dikenakan oleh lembaga pinjaman terpusat, serta memanfaatkan agregasi modal dalam sistem terbuka yang secara struktural lebih unggul.

QApa tantangan utama yang dihadapi oleh pinjaman on-chain saat ini?

ATantangan utamanya adalah kurangnya jaminan (collateral) yang dapat dipinjamkan, bukan kurangnya modal. Sebagian besar pinjaman on-chain saat ini hanya menggunakan jaminan yang sama untuk strategi yang sama.

QBagaimana pinjaman on-chain dapat berkembang di masa depan?

ADengan menggabungkan aset kripto asli dengan hak dan kewajiban dunia nyata yang ditokenisasi, bukan untuk meniru keuangan tradisional tetapi untuk menjalankannya dengan biaya yang sangat rendah, sehingga menjadi katalis untuk menggantikan backend keuangan lama.

QMenurut artikel, apa akar masalah yang membuat pinjaman tradisional mahal?

AAkar masalahnya adalah inefisiensi di sekitar modal: biaya akuisisi pelanggan, model kredit yang tertinggal, layanan yang masih manual, kepatuhan yang berat, dan mekanisme insentif yang salah di setiap lapisan.

Bacaan Terkait

Rubin Ultra Terkuras Drastis, Apakah Nvidia Juga Tak Tahan dengan Kenaikan Harga Memori?

Laporan terbaru dari SemiAnalysis mengungkapkan bahwa NVIDIA telah merevisi spesifikasi Rubin Ultra, varian flagship dari arsitektur Rubin yang diumumkan di GTC 2026. Alih-alih peningkatan besar pada memori dan daya komputasi, fokus utama kini beralih ke kemampuan interkoneksi skala sistem. Spesifikasi kunci yang diungkapkan menunjukkan Rubin Ultra akan mempertahankan puncak komputasi teoretis yang sama dengan Rubin standar, yaitu 35 PFLOPs. Namun, terjadi pengurangan signifikan pada kapasitas memori, turun menjadi 192GB dengan konfigurasi 8-Hi, lebih rendah dari Rubin standar yang 288GB (12-Hi). Peningkatan bandwidth memori juga minimal, hanya 1 TB/s, dan daya chip bahkan sedikit lebih tinggi. Peningkatan utama justru pada "skala interkoneksi" (*scale-up world size*), yang melonjak dari 72 GPU menjadi 576 GPU. Ini memungkinkan ratusan GPU Rubin Ultra terhubung via NVLink membentuk satu "super GPU" logis yang sangat besar. Analisis SemiAnalysis mengaitkan perubahan desain ini dengan lonjakan harga HBM (High Bandwidth Memory) yang drastis. Biaya material (BOM) untuk rak server Rubin Ultra sempat melonjak menjadi sekitar $8 juta karena harga HBM, tetapi dengan spesifikasi baru, biaya turun ke sekitar $6.4 juta. NVIDIA diduga mengalihkan biaya dari komponen HBM yang mahal (yang pangsa biayanya turun dari ~40% menjadi 28%) ke peningkatan interkoneksi jaringan (naik dari 4% menjadi 12%). Berita ini memicu kekhawatiran pasar tentang permintaan HBM. Saham produsen HBM seperti SK Hynix dan Samsung anjlok sekitar 8%, mencerminkan kekhawatiran bahwa pembeli utama seperti NVIDIA mungkin mulai mengurangi ketergantungan pada HBM berkapasitas tinggi untuk mengontrol biaya sistem AI secara keseluruhan.

Odaily星球日报10m yang lalu

Rubin Ultra Terkuras Drastis, Apakah Nvidia Juga Tak Tahan dengan Kenaikan Harga Memori?

Odaily星球日报10m yang lalu

Model Generatif Bisa Dilatih End-to-End? Intinya Hanya Sebuah For Loop

Model generatif seperti model difusi atau autoregresif yang dominan saat ini biasanya tidak melatih seluruh proses generasi secara end-to-end. Mereka dilatih hanya untuk memprediksi satu "langkah kecil" dalam proses, namun saat inferensi, langkah ini harus diulang ratusan atau ribuan kali. Ketidaksesuaian ini menyebabkan masalah "exposure bias," di mana kesalahan menumpuk seiring waktu. Makalah terbaru dari UIUC dan Harvard memperkenalkan paradigma baru bernama **Explorative Modeling (XM)**. Inti dari metode ini sangat sederhana: alih-alih menghasilkan satu sampel, model menghasilkan **K kandidat** dalam setiap langkah pelatihan. Kemudian, hanya kandidat yang paling dekat dengan data target yang dipilih untuk menghitung gradien dan memperbarui model. Mengapa ini berhasil? Dalam tugas generatif, satu input bisa memiliki banyak output yang valid (mode). Fungsi kerugian rekonstruksi tradisional cenderung menyebabkan "mode blurring," di mana model hanya mempelajari rata-rata dari semua mode, menghasilkan output yang tidak realistis. Dengan menghasilkan beberapa kandidat, model dapat "mengeksplorasi" dan menangkap beberapa mode yang berbeda sekaligus, sehingga menghindari rata-rata yang kabur. Penelitian ini menunjukkan bahwa **"eksplorasi" (K) bertindak sebagai sumbu penskalaan ketiga** yang efektif, selain parameter dan data. Eksperimen pada gambar, video, dan bahasa menunjukkan peningkatan kinerja yang monoton dengan peningkatan K, dengan keuntungan yang lebih besar pada skala yang lebih besar. XM dapat meningkatkan efisiensi FLOP hingga 4.1x dan efisiensi sampel hingga 6.2x. Yang lebih menarik, ketika diterapkan secara ekstrem, XM memungkinkan **pelatihan generatif yang benar-benar end-to-end**. Dalam tugas kontrol robot, "Explorative Policy" berbasis XM mencapai kinerja yang setara dengan "Diffusion Policy" yang membutuhkan 100 langkah inferensi, sementara hanya membutuhkan satu langkah inferensi maju. Ini membuktikan bahwa kompleksitas untuk menangani banyak mode dapat dipindahkan dari inferensi ke pelatihan. Meskipun ide "best-of-K" bukan hal baru, kontribusi utama makalah ini adalah penjelasan teoritis bahwa mekanisme ini secara langsung meningkatkan **ekspresivitas generatif** model. Dengan demikian, ini menawarkan cara baru yang ampuh untuk mengatasi tantangan mendasar dalam pemodelan generatif.

marsbit1j yang lalu

Model Generatif Bisa Dilatih End-to-End? Intinya Hanya Sebuah For Loop

marsbit1j yang lalu

Trading

Spot
活动图片