PHK karena AI? Penelitian Mengungkapkan AI Lebih Mahal daripada Pekerja yang Digantikannya

marsbitDipublikasikan tanggal 2026-06-09Terakhir diperbarui pada 2026-06-09

Abstrak

Tahun ini, hampir 50.000 karyawan telah di-PHK dengan alasan AI. Namun, semakin banyak perusahaan menemukan bahwa biaya penggunaan AI sebenarnya lebih mahal daripada tenaga kerja yang ingin digantikannya. Uber menghabiskan anggaran AI tahun 2026 hanya dalam empat bulan. Microsoft mencabut lisensi Claude Code di berbagai departemen karena mahal. Di Anthropic, satu karyawan menghabiskan kuota API senilai $150.000 dalam sebulan. Survei CloudZero menunjukkan 45% perusahaan menghabiskan lebih dari $100.000 per bulan untuk AI pada 2025, namun hanya separuhnya yang dapat mengevaluasi ROI dengan percaya diri. Scott Galloway memprediksi perusahaan akhirnya akan beralih ke model besar China, yang harganya 10 hingga 30 kali lebih murah daripada model AS. Data menunjukkan peningkatan tajam dalam penggunaan model China oleh pengembang, dari sekitar 1% pada 2024 menjadi lebih dari 60% pada Mei tahun ini, dengan 80% startup AI AS menggunakan model AI open-source China. Pergeseran ini diprediksi akan memicu respons kebijakan dari pemerintah AS.

Penulis: Scott Galloway / Ed Elson / Mia Silverio

Kompilasi: TechFlow

Pembuka TechFlow: Hampir 50.000 orang di-PHK karena AI tahun ini, tetapi semakin banyak perusahaan menemukan bahwa biaya penggunaan AI justru lebih tinggi daripada tenaga manusia. Uber menghabiskan anggaran AI tahunan dalam empat bulan, Microsoft memotong lisensi Claude Code di berbagai departemen, seorang karyawan Anthropic menghabiskan kuota API senilai $150.000 dalam sebulan. Scott Galloway berpendapat bahwa perusahaan pada akhirnya akan beralih ke model besar Tiongkok yang 10-30 kali lebih murah, dan ini akan memaksa Trump untuk mengambil tindakan pembatasan.

AI Lebih Mahal daripada Pekerja yang Digantikannya?

Tahun ini hampir 50.000 karyawan telah di-PHK dengan alasan AI. Angka ini hampir menyamai jumlah sepanjang tahun 2025. Bagi perusahaan yang mengadopsi AI, logikanya sederhana: AI bisa melakukan pekerjaan manusia.

Namun, dalam beberapa pekan terakhir, logika ini terbentur dinding. Semakin banyak perusahaan menyadari bahwa biaya penggunaan aktual AI lebih tinggi daripada tenaga manusia yang ingin digantikannya.

Gambar: Guncangan Biaya AI Perusahaan – Pengeluaran dan Umpan Balik Biaya AI dari Uber, Microsoft, Nvidia, Meta, dll.

Uber menghabiskan anggaran AI untuk tahun 2026 hanya dalam empat bulan. COO mengatakan, semakin sulit memberikan alasan yang tepat untuk pengeluaran AI di dalam perusahaan. Microsoft sedang memotong lisensi Claude Code di berbagai departemen, alasannya hanya satu: mahal.

Seorang eksekutif Nvidia mengatakan, biaya komputasi saat ini "jauh melampaui biaya karyawan". Meta, Pinterest, Spotify semuanya mencantumkan kenaikan biaya inferensi sebagai faktor yang membebani margin laba dalam laporan keuangan kuartal pertama.

Seberapa besar anggaran AI perusahaan? Survei dari perusahaan manajemen biaya cloud CloudZero menunjukkan, pada tahun 2025, 45% perusahaan menghabiskan lebih dari $100.000 per bulan untuk AI, sedangkan tahun sebelumnya hanya 20%.

Ada satu kasus di dalam Anthropic yang lebih ekstrem: seorang karyawan menghabiskan $150.000 untuk Claude Code dalam sebulan. Agar anggaran ini masuk akal, insinyur ini harus menyelesaikan pekerjaan setara dengan 11 orang insinyur biasa.

Di pasar saat ini, nilai pertunjukan dari kata "efisiensi" terus dihargai, sehingga perusahaan bahkan tidak perlu benar-benar menghitung efisiensi. 79% perusahaan dalam S&P 500 menyebutkan AI dalam panggilan konferensi laporan keuangan terbaru mereka, tetapi hanya 8% yang mengungkapkan pendapatan apa pun yang terkait dengan AI.

Gambar: Perbandingan Wacana AI dengan Pengungkapan Pendapatan Aktual pada Perusahaan S&P 500

Laporan CloudZero yang sama juga menemukan bahwa hanya setengah perusahaan yang disurvei menyatakan dapat mengevaluasi pengembalian investasi AI mereka dengan percaya diri. CEO Match Group, Spencer Rascoff, mengatakan bahwa AI menghabiskan biaya perusahaan $5 juta hingga $10 juta per tahun. Ketika ditanya tentang ROI, dia menjawab: "Saya rasa kami mendapat manfaat darinya, tapi sulit untuk dirasakan."

Model Besar Tiongkok Akan Menjadi Pemenang Terbesar

Penilaian Scott Galloway adalah: perusahaan pada akhirnya akan beralih ke model yang paling murah, yaitu model besar Tiongkok. Harga model Tiongkok 10 hingga 30 kali lebih murah daripada model AS.

Data sudah mulai membuktikan tren ini: pangsa penggunaan model Tiongkok di kalangan pengembang melonjak dari sekitar 1% pada tahun 2024 menjadi lebih dari 60% pada Mei tahun ini, 80% startup AI AS sedang menggunakan model AI sumber terbuka dari Tiongkok.

Gambar: Perubahan Pangsa Penggunaan Model Besar Tiongkok di Kalangan Pengembang dan Penggunaannya oleh Startup AI AS

Pertanyaan Terkait

QBerapa banyak karyawan yang dikabarkan di-PHK karena AI pada tahun ini?

AHampir 50.000 karyawan telah dilaporkan di-PHK dengan alasan AI tahun ini.

QMengapa banyak perusahaan mulai menemukan bahwa biaya penggunaan AI lebih tinggi daripada biaya tenaga kerja manusia?

AKarena biaya komputasi dan penggunaan API model AI, seperti yang terjadi pada kasus di Uber dan Anthropic, terbukti sangat mahal. Misalnya, seorang karyawan Anthropic menghabiskan $150.000 untuk Claude Code dalam satu bulan.

QApa yang diperkirakan oleh Scott Galloway akan dilakukan perusahaan sebagai respons terhadap tingginya biaya AI dari model Amerika?

AScott Galloway memprediksi bahwa perusahaan akhirnya akan beralih ke model AI dari Tiongkok yang lebih murah, dengan harga 10 hingga 30 kali lebih rendah daripada model Amerika.

QBerapa persen perusahaan di S&P 500 yang mengungkapkan pendapatan terkait AI dalam laporan keuangan mereka?

AHanya 8% perusahaan di S&P 500 yang mengungkapkan pendapatan terkait AI dalam laporan keuangan terbaru mereka, meskipun 79% membahas AI.

QBagaimana tren penggunaan model AI Tiongkok di kalangan pengembang dan startup Amerika?

APenggunaan model AI Tiongkok di kalangan pengembang melonjak dari sekitar 1% pada 2024 menjadi lebih dari 60% pada Mei tahun ini. Selain itu, 80% startup AI Amerika dilaporkan menggunakan model AI open-source dari Tiongkok.

Bacaan Terkait

MicroStrategy Tidak Akan Mati dalam Penurunan Ini: Refleksivitas, Jangkar Kembali STRC ke Nilai Nominal, dan Logika Penyelamatan 'Jual Saham, Jangan Jual Koin'

Penulis (@bonnazhu) menganalisis penurunan harga Bitcoin (BTC) terkini dan dampaknya pada MicroStrategy (MSTR) serta saham preferennya (STRC). Intinya: 1. **Pemicu Penurunan**: Penurunan cepat BTC diduga akibat serangan pasar yang memanfaatkan kekhawatiran likuiditas MSTR. MSTR menggunakan cadangan kasnya untuk membeli kembali obligasi konversi dan menjual 32 BTC, memicu narasi "krisis arus kas". Ini adalah contoh **refleksivitas**, di mana ekspektasi pasar dapat mengubah realitas—serupa dengan serangan George Soros terhadap poundsterling. 2. **STRC dan Anjaknya**: STRC turun karena kekhawatiran pasar atas kemampuan MSTR membayar dividen, meningkatkan tingkat pengembalian yang disyaratkan. Namun, sebagai obligasi suku bunga mengambang, harga STRC akan kembali ke nilai pari (100) seiring waktu karena dividen dapat disesuaikan. 3. **Solusi yang Direkomendasikan**: Daripada menjual BTC (yang merusak narasi "tidak pernah jual BTC" dan mengurangi premium mNAV), MSTR sebaiknya **menerbitkan saham baru** saat mNAV > 1. Ini mengisi cadangan kas tanpa mengurangi kepemilikan BTC per saham, mempertahankan premium, meningkatkan ekuitas, dan memperbaiki rasio utang. Menjual BTC justru memperburuk rasio utang, mengurangi kepemilikan BTC per saham, dan dapat merusak narasi investasi jangka panjang. Kesimpulan: MSTR dapat mengatasi tekanan jangka pendek, tetapi menjual BTC berisiko merusak model bisnisnya. Jika MSTR memilih menjual BTC, krisis mungkin teratasi sekarang, tetapi dapat memicu siklus refleksif serupa di masa depan jika narasi intinya berubah.

marsbit2m yang lalu

MicroStrategy Tidak Akan Mati dalam Penurunan Ini: Refleksivitas, Jangkar Kembali STRC ke Nilai Nominal, dan Logika Penyelamatan 'Jual Saham, Jangan Jual Koin'

marsbit2m yang lalu

Humanity Digerog Rp46,6 Miliar, Satu Kunci Pribadi Jatuhkan Harga Token 90%

9 Juni, proyek identitas digital Humanity Protocol mengalami serangan keamanan besar akibat kebocoran kunci pribadi anggota yayasan, menyebabkan kerugian lebih dari $31 juta. Ratusan alamat yang memegang token H dibobol, dengan sekitar $9 juta dikonversi ke ETH dan $9,9 juta lainnya masih dalam bentuk token H. Menyusul insiden ini, pendiri Terence Kwok menyarankan pengguna untuk sementara tidak berinteraksi dengan jembatan silang atau pool likuiditas Humanity. Harga token H anjlok lebih dari 90%, dari sekitar $0,7 menjadi terendah $0,052, dan kapitalisasi pasar merosot dari $2 miliar menjadi sekitar $35,7 juta. Pelaku diduga mencetak 100 juta token H baru dan menjualnya untuk BNB. Humanity Protocol, yang didirikan pada 2024, mengusung verifikasi identitas menggunakan sidap telapak tangan dan zero-knowledge proof. Namun, proyek ini sebelumnya telah dikritik karena hanya sekitar 1 dari 9 juta ID yang terverifikasi biometrik, serta tuduhan mengenai kode aplikasi dan praktik pertumbuhan pengguna yang dipertanyakan. Ini bukan kali pertama Kwok menghadapi kegagalan besar; startup sebelumnya, Tink Labs, yang pernah menjadi unicorn, bangkrut setelah menghabiskan $170 juta dana investasi. Serangan ini menyoroti kembali masalah mendasar dalam manajemen kunci pribadi di industri kripto, di mana celah keamanan operasional tradisional masih menimbulkan kerugian besar. Hingga berita ini dibuat, belum ada skema kompensasi untuk pengguna yang dirugikan.

marsbit3m yang lalu

Humanity Digerog Rp46,6 Miliar, Satu Kunci Pribadi Jatuhkan Harga Token 90%

marsbit3m yang lalu

Humanity Dicuri 31 Juta Dolar, Satu Private Key Jatuhkan Harga Token 90%

**Ringkasan Insiden Keamanan Humanity Protocol: Kerugian $31 Juta akibat Kebocoran Kunci Pribadi** Menurut analisis rantai, dompet yang berinteraksi dengan proyek identitas digital Humanity mengalami serangan berkelanjutan pada 9 Juni. Lebih dari 300 alamat yang memegang token H telah diretas, dengan total kerugian melebihi $31 juta. Sekitar $9 juta telah dikonversi ke ETH. Pendiri Humanity, Terence Kwok, mengonfirmasi insiden keamanan ini disebabkan oleh kebocoran kunci pribadi anggota yayasan. Ia menyarankan pengguna untuk sementara tidak berinteraksi dengan jembatan silang atau pool likuiditas Humanity. Harga token H anjlok lebih dari 90%, dari sekitar $0,7 menjadi terendah $0,052, menyebabkan kapitalisasi pasar turun dari $2 miliar menjadi sekitar $35,7 juta. Pelaku diduga mencetak 100 juta token H baru dan menjualnya untuk BNB. Humanity Protocol, yang didirikan pada 2024, mengusung identitas digital terdesentralisasi menggunakan pengenalan tapak tangan. Proyek ini telah mengumpulkan pendanaan $50 juta dengan valuasi mencapai $1,1 miliar. Namun, proyek ini sebelumnya telah dikritik karena hanya sekitar 1 juta dari 9 juta ID yang terverifikasi secara biometrik, serta adanya klaim bahwa ini adalah proyek "shell" dengan kode yang diduga berasal dari penyedia pintu akses China. Riwayat Terence Kwok juga menambah risiko. Startup sebelumnya, Tink Labs, yang pernah menjadi unicorn, bangkrut setelah membakar $170 juta dana investasi. Insiden ini menyoroti kegagalan manajemen keamanan dasar. Kebocoran kunci pribadi—masalah lama di industri—menghasilkan kerugian besar, menambah daftar serangan DeFi yang tahun ini telah melebihi $1 miliar. Sampai saat ini, belum ada skema kompensasi yang diumumkan untuk pengguna yang terdampak.

Foresight News24m yang lalu

Humanity Dicuri 31 Juta Dolar, Satu Private Key Jatuhkan Harga Token 90%

Foresight News24m yang lalu

Bagaimana Melakukan Riset Mendalam dengan Dynamic Workflows Claude

## Ringkasan: Bagaimana Melakukan Penelitian Mendalam dengan Dynamic Workflows Claude Melakukan riset teknologi penuh dengan jebakan, baik bagi manusia maupun AI, karena sering kali informasi yang berlimpah justru mengaburkan kesimpulan. AI cenderung terjebak dalam volume informasi dan lemah dalam asosiasi lintas bidang yang bernilai, meskipun unggul dalam eksekusi dan penelusuran detail secara berlapis. Penulis mengandalkan sistem *deep-research* sendiri namun ingin membandingkannya dengan kemampuan **Dynamic Workflows** pada Claude Code. Fitur ini memungkinkan AI merancang alur kerja yang optimal secara otomatis sebelum menjalankan tugas, berbeda dengan mode "rencana" biasa. Dinamakan dengan perintah `/deep-research`, ia mengkonsumsi token puluhan kali lebih banyak. Inti Dynamic Workflows adalah enam mode penjadwalan inti yang mengatur bagaimana tugas dipecah dan hasil digabung: 1. **Classify-And-Act (Routing):** Tugas diklasifikasi dan dialihkan ke *agent* spesialis yang paling tepat. Efisien dan cepat, tetapi kurang baik untuk tugas dengan batasan kabur. 2. **Fan-out & Merge (Pecah dan Gabung):** Tugas dipecah menjadi sub-tugas independen yang dijalankan paralel, lalu hasilnya digabung. Cepat dan terisolasi, tetapi boros token dan tantangannya ada pada penggabungan. 3. **Adversarial Verification (Verifikasi Adu Argumen):** Satu *agent* menghasilkan kesimpulan, beberapa *agent* lain menantangnya. Hasil diterima jika lolos verifikasi. Mengurangi bias konfirmasi, tetapi perlu batasan yang jelas. 4. **Generate & Filter (Hasilkan dan Saring):** Beberapa *agent* menghasilkan banyak kandidat jawaban untuk tugas yang sama, lalu disaring berdasarkan kriteria (rubrik) ketat. Bagus untuk diversitas, tetapi sangat bergantung pada kualitas rubrik. 5. **Tournament (Turnamen):** Beberapa *agent* bersaing menyelesaikan tugas yang sama, dinilai secara berpasangan (pairwise) hingga ditemukan pemenang terbaik. Stabil untuk penilaian relatif. 6. **Loop (Berulang):** *Agent* mencoba tugas berulang kali, belajar dari kesalahan, hingga kondisi berhenti terpenuhi. Satu-satunya mode untuk tugas dengan batasan tidak pasti, tetapi berisiko loop tak terbatas. **Pertarungan: Skill Penulis vs. Dynamic Workflows Bawaan** Skill penelitian penulis sebelumnya melibatkan pencarian, kompresi, analisis oleh multi-*agent*, dan deduplikasi. Namun, ia memiliki kelemahan mendasar: **kurang konvergensi berorientasi tujuan**, sering menghasilkan laporan panjang tanpa rekomendasi tindakan yang jelas. Dynamic Workflows Claude menambahkan lapisan krusial: * **Dekomposisi Masalah:** Memecah pertanyaan awal menjadi sub-pertanyaan yang tepat sebelum bertindak. * **Penilaian Kredibilitas:** Mengevaluasi keandalan setiap informasi berdasarkan sumbernya. * **Penghapusan Silang (Cross-Deletion):** Menghapus kesimpulan yang tidak mendapat suara cukup dari multi-*agent*, bukan sekadar menggabungkan rata-rata. * **Keluaran Berorientasi Target:** Laporan akhir dirancang untuk memberikan penilaian dan saran yang relevan dengan tujuan awal pengguna. Mekanisme ini mengatasi masalah umum AI: *goal drift* (pergeseran tujuan), *early stopping* (berhenti prematur), polusi konteks, dan bias output. **Kesimpulan** Dynamic Workflows merupakan terobosan dengan menstandarkan **proses penelitian itu sendiri**. Ia mengotomatiskan penjadwalan *agent*, validasi silang, dan deduplikasi, sehingga mengompresi riset yang biasanya butuh belasan percakapan menjadi hanya 3-4 kali interaksi (meski dengan konsumsi token jauh lebih tinggi). Namun, masih diperlukan beberapa iterasi karena tantangan seperti: 1) Kebutuhan verifikasi faktual yang sangat ketat (melebihi ketergantungan pada dokumen resmi), 2) Pemikiran mendalam lintas disiplin yang sangat baru, 3) Desain dan validasi solusi yang mempertimbangkan biaya dan implementasi, serta 4) Kemampuan kondensasi informasi ekstrem yang disesuaikan dengan audiens.

marsbit33m yang lalu

Bagaimana Melakukan Riset Mendalam dengan Dynamic Workflows Claude

marsbit33m yang lalu

Ketika LP Mengajari Saya Berinvestasi Menggunakan Doubao: Sebuah Pengakuan Peralihan Karier dari GP Perusahaan Sekuritas Swasta

**Ringkasan: Ketika LP Menggunakan Doubao untuk Mengajari Saya Berinvestasi: Kisah Seorang GP Hedge Fund yang Beralih Profesi** Dengan semakin populernya AI, hubungan antara Limited Partner (LP) dan General Partner (GP) di industri hedge fund swasta (terutama yang berukuran kecil) mengalami ketegangan baru. Artikel ini menceritakan pengalaman "Er Gou", seorang mantan GP di sebuah hedge fund dolar AS lepas pantai berskala kecil yang berfokus pada saham AS, yang akhirnya beralih ke perusahaan startup AI. Er Gou mengungkapkan bahwa fund-nya, meski memiliki kinerja yang baik, kesulitan mendapatkan pendanaan dari LP institusional. Fund kecil seperti ini seringkali terjebak dalam struktur Cayman Islands yang "tradisional", kurang menarik bagi investor Asia yang lebih memercayai struktur di Hong Kong atau Singapura. Selain itu, fund yang menggunakan strategi subjektif (mengandalkan penilaian manusia) seperti miliknya semakin kalah bersaing dengan fund kuantitatif (yang menggunakan model algoritma) dalam hal menarik minat LP, terutama setelah AI membuat strategi kuantitatif terlihat lebih meyakinkan. Dampak utama AI adalah "meratakan" akses informasi dan kemampuan analisis. LP kini dapat menggunakan asisten AI seperti Doubao untuk meringkas laporan investasi, menganalisis pasar, bahkan mempertanyakan keputusan GP. Hal ini meningkatkan friksi. Er Gou mencontohkan seorang LP yang terus-menerus mempertanyakan strateginya berdasarkan kesimpulan dari AI, hingga akhirnya harus di-"clear". LP, yang sering kali merupakan orang sukses di bidangnya sendiri, kini merasa lebih berwenang dalam berinvestasi berkat bantuan AI. Masalahnya, banyak LP menggunakan AI "pendamping" yang lebih fokus pada nilai emosional dan bisa menghasilkan "halusinasi" atau kesimpulan yang tampak logis tetapi tidak selalu akurat. Mereka mencari konfirmasi, bukan analisis mendalam. Dalam pasar bull (seperti saham AI AS tahun ini), di mana investor retail bisa mendapat untung besar dengan fokus pada saham tren, LP mungkin merasa bisa berinvestasi sendiri dan mempertanyakan nilai tambah GP. Kesimpulannya, AI tidak serta-merta akan menggantikan GP. Manajemen aset pada dasarnya tetap merupakan layanan yang dibangun atas kepercayaan. Namun, AI telah mengubah dinamika. GP strategi subjektif menghadapi tekanan lebih besar untuk membuktikan nilai pakar mereka di luar apa yang bisa diberikan AI secara umum. Di sisi lain, fund kuantitatif justru bisa diperkuat oleh AI untuk pengembangan strategi yang lebih cepat. Tantangan sebenarnya adalah bagaimana GP dan LP menggunakan AI dengan tepat—bukan sebagai alat untuk sekadar memvalidasi pendapat, tetapi sebagai pengungkit untuk pengambilan keputusan yang lebih cerdas. Er Gou memandang, di masa depan, "hedge fund manusia" juga perlu belajar dari AI dalam hal memberikan nilai emosional dan membangun hubungan kepercayaan yang lebih kuat dengan LP.

Odaily星球日报58m yang lalu

Ketika LP Mengajari Saya Berinvestasi Menggunakan Doubao: Sebuah Pengakuan Peralihan Karier dari GP Perusahaan Sekuritas Swasta

Odaily星球日报58m yang lalu

Trading

Spot
Futures

Artikel Populer

Cara Membeli PEOPLE

Selamat datang di HTX.com! Kami telah membuat pembelian ConstitutionDAO (PEOPLE) menjadi mudah dan nyaman. Ikuti panduan langkah demi langkah kami untuk memulai perjalanan kripto Anda.Langkah 1: Buat Akun HTX AndaGunakan alamat email atau nomor ponsel Anda untuk mendaftar akun gratis di HTX. Rasakan perjalanan pendaftaran yang mudah dan buka semua fitur.Dapatkan Akun SayaLangkah 2: Buka Beli Kripto, lalu Pilih Metode Pembayaran AndaKartu Kredit/Debit: Gunakan Visa atau Mastercard Anda untuk membeli ConstitutionDAO (PEOPLE) secara instan.Saldo: Gunakan dana dari saldo akun HTX Anda untuk melakukan trading dengan lancar.Pihak Ketiga: Kami telah menambahkan metode pembayaran populer seperti Google Pay dan Apple Pay untuk meningkatkan kenyamanan.P2P: Lakukan trading langsung dengan pengguna lain di HTX.Over-the-Counter (OTC): Kami menawarkan layanan yang dibuat khusus dan kurs yang kompetitif bagi para trader.Langkah 3: Simpan ConstitutionDAO (PEOPLE) AndaSetelah melakukan pembelian, simpan ConstitutionDAO (PEOPLE) di akun HTX Anda. Selain itu, Anda dapat mengirimkannya ke tempat lain melalui transfer blockchain atau menggunakannya untuk memperdagangkan mata uang kripto lainnya.Langkah 4: Lakukan trading ConstitutionDAO (PEOPLE)Lakukan trading ConstitutionDAO (PEOPLE) dengan mudah di pasar spot HTX. Cukup akses akun Anda, pilih pasangan perdagangan, jalankan trading, lalu pantau secara real-time. Kami menawarkan pengalaman yang ramah pengguna baik untuk pemula maupun trader berpengalaman.

642 Total TayanganDipublikasikan pada 2024.12.12Diperbarui pada 2026.06.02

Cara Membeli PEOPLE

Diskusi

Selamat datang di Komunitas HTX. Di sini, Anda bisa terus mendapatkan informasi terbaru tentang perkembangan platform terkini dan mendapatkan akses ke wawasan pasar profesional. Pendapat pengguna mengenai harga PEOPLE (PEOPLE) disajikan di bawah ini.

活动图片