Ant Digital Technology Pertama Kali Mengusulkan Arsitektur Baru Ekonomi Agen Cerdas, Meliputi Empat Aspek: Identitas, Pembayaran, Manajemen Risiko, dan Kepatuhan

marsbitDipublikasikan tanggal 2026-04-20Terakhir diperbarui pada 2026-04-20

Abstrak

Ant Digital Technologies (Ant Digital) memperkenalkan arsitektur ekonomi agen cerdas "4R Full-Stack" pada Web3 Festival Hong Kong. Arsitektur ini mencakup empat lapisan: Agentic Runtime, Payment Rails, Agent Registry, dan Root Infrastructure, yang bertujuan menyediakan infrastruktur teknis untuk identitas, pembayaran, manajemen risiko, dan kepatuhan bagi agen AI. CTO Ant Digital, Yan Ying, menyoroti empat celah dalam ekonomi agen cerdas saat ini: kelemahan logis dalam eksekusi, kurangnya identitas tepercaya untuk AI, hambatan transaksi karena sistem pembayaran yang dirancang untuk manusia, dan risiko kolaborasi antar agen yang tidak dikenal. Solusinya memerlukan desain ulang infrastruktur dasar. Lapisan Agentic Runtime menampilkan DTClaw dengan model keamanan CARLI untuk mengontrol perilaku agen. Payment Rails membangun saluran pembayaran on-chain yang aman dan transparan, mendukung transaksi mikro cepat dan multiaset. Agent Registry menggunakan DID dan standar ERC-8004 untuk identitas on-chain, sementara Root Infrastructure memanfaatkan Jovay Layer2 dan ZKVM untuk konfirmasi cepat dan kepercayaan komputasi. Yan Ying menekankan bahwa AI kini memasuki era ekonomi agen dengan kemampuan memiliki aset dan bertransaksi. Arsitektur 4R dibangun berdasarkan pengalaman Ant Digital dalam keamanan finansial, komputasi privasi, blockchain, dan kepatuhan.

Pada 20 April, Ant Digital Technology untuk pertama kalinya mengusulkan konsep arsitektur yang ditujukan untuk ekonomi agen cerdas—"Arsitektur Lengkap 4R" (4R Full-Stack)—pada Web3 Festival di Hong Kong. Konsep ini mencakup empat lapisan: Operasional Agen (Agentic Runtime), Jalur Pembayaran (Payment Rails), Registri Agen (Agent Registry), dan Infrastruktur Akar (Root Infrastructure), yang bertujuan untuk menyediakan infrastruktur teknis yang mencakup identitas, pembayaran, manajemen risiko, dan kepatuhan bagi agen AI.

CTO Ant Digital Technology, Yan Ying, dalam pidatonya menyatakan bahwa dasar ekonomi agen cerdas saat ini memiliki "empat celah": kelemahan logika dalam prompt yang menyebabkan kegagalan eksekusi, kurangnya identitas tepercaya AI yang menyebabkan kekosongan tanggung jawab, gateway pembayaran yang berfokus pada manusia yang menyebabkan hambatan transaksi, serta risiko kolaborasi karena kurangnya kepercayaan antar agen asing. "Ini bukan masalah yang dapat diselesaikan dengan memperbaiki perangkat lunak, tetapi memerlukan desain ulang dari tingkat infrastruktur dasar," ujarnya.

Menurut Yan Ying, produk inti dari lapisan Agentic Runtime adalah DTClaw, yang dilengkapi dengan model keamanan CARLI, menerapkan pembatasan wajib pada perilaku agen cerdas di tingkat eksekusi, mendukung kompatibilitas multi-model dan standar kepatuhan tingkat keuangan, dengan tujuan membuat setiap langkah operasi AI dapat dikendalikan, diaudit, dan dipulihkan.

Lapisan Payment Rails membangun saluran pembayaran asli on-chain, menggabungkan keputusan cerdas Agen dengan teknologi verifiable credential chain, memastikan identifikasi niat pembayaran yang akurat dan keamanan serta kendali penuh dalam seluruh proses, sambil mencapai transparansi dan ketidakubahan dalam proses transaksi. Untuk skenario transaksi mikro frekuensi tinggi, platform membangun jaringan penyelesaian instan asli, mendukung pertukaran aset lintas chain dan multi-aset yang mulus serta perutean cerdas, secara signifikan meningkatkan efisiensi perputaran dana. Selain itu, dengan menyediakan toolchain pengembangan yang terstandarisasi dan pengalaman integrasi dompet yang tanpa disadari, solusi ini secara signifikan menurunkan ambang batas pengembangan dan biaya penggunaan pengguna, membentuk siklus pembayaran tertutup yang menggabungkan keamanan tingkat keuangan dan pengalaman yang maksimal.

Lapisan Agent Registry berbasis DID (Identitas Terdesentralisasi) dan standar ERC-8004 memberikan identitas on-chain untuk setiap agen cerdas, membuat setiap kolaborasi antar agen dapat dilacak. Lapisan Root Infrastructure sebagai dasar arsitektur, memanfaatkan Jovay Layer2 untuk mencapai konfirmasi tingkat 120 milidetik guna mendukung pembayaran mikro AI, dan menggabungkan teknologi ZKVM untuk mencapai komputasi off-chain dan verifikasi on-chain, menyelesaikan masalah kepercayaan komputasi dalam ekonomi AI. Yan Ying mengatakan, "Root Infrastructure memanfaatkan teknologi blockchain dan komputasi privasi untuk menyediakan lingkungan eksekusi kontrak yang tidak dapat diubah bagi agen cerdas. Bahkan dua AI yang tidak saling mengenal dapat membangun kepercayaan berdasarkan kode dan bertransaksi dengan percaya diri."

Saat ini, AI sedang berkembang dari era Percakapan (Chat), Tindakan (Action) menuju era ekonomi agen cerdas. Yan Ying berpendapat bahwa perubahan kualitatif pada tahap ketiga ini bukan terletak pada AI yang menjadi lebih cerdas, tetapi pada kemampuannya untuk mulai memiliki aset dan hak untuk bertransaksi. Yan Ying menyatakan bahwa selama lebih dari sepuluh tahun terakhir, Ant Digital Technology telah mengumpulkan banyak praktik rekayasa dalam keamanan tingkat keuangan, komputasi privasi, blockchain, dan sistem kepatuhan. Arsitektur 4R dikembangkan dan dirancang secara baru berdasarkan fondasi ini.

Pertanyaan Terkait

QApa yang dimaksud dengan '4R Full-Stack Architecture' yang diperkenalkan oleh Ant Digital Technologies?

A4R Full-Stack Architecture adalah kerangka kerja yang diusulkan Ant Digital Technologies untuk ekonomi agen AI, mencakup empat lapisan: Agentic Runtime (untuk operasi agen), Payment Rails (untuk pembayaran), Agent Registry (untuk pendaftaran identitas agen), dan Root Infrastructure (infrastruktur dasar). Tujuannya adalah menyediakan infrastruktur teknis yang mencakup identitas, pembayaran, manajemen risiko, dan kepatuhan untuk agen AI.

QApa empat 'celah' utama dalam ekonomi agen AI yang disebutkan oleh CTO Ant Digital Technologies, Yan Ying?

AEmpat celah utama adalah: 1) Kerentanan logika prompt yang mengakibatkan kehilangan kendali eksekusi, 2) Ketiadaan identitas tepercaya untuk AI yang menciptakan kekosongan tanggung jawab, 3) Gateway pembayaran yang dirancang untuk manusia sehingga menciptakan hambatan transaksi, dan 4) Risiko kolaborasi karena kurangnya kepercayaan antar agen asing.

QApa fungsi utama dari lapisan 'Agentic Runtime' dalam arsitektur 4R?

ALapisan Agentic Runtime, dengan produk intinya DTClaw yang dilengkapi model keamanan CARLI, bertujuan untuk menerapkan batasan wajib pada perilaku agen AI di tingkat eksekusi. Ini mendukung kompatibilitas multi-model dan standar kepatuhan tingkat keuangan, memastikan setiap langkah operasi AI dapat dikendalikan, diaudit, dan dipulihkan.

QBagaimana lapisan 'Payment Rails' meningkatkan transaksi untuk agen AI?

APayment Rails membangun saluran pembayaran asli on-chain yang menggabungkan keputusan cerdas agen dan teknologi verifiable credential chain. Ini memastikan identifikasi niat pembayaran yang akurat, keamanan seluruh rantai, transparansi, dan tidak dapat diubah. Untuk transaksi mikro frekuensi tinggi, platform menyediakan jaringan penyelesaian instan asli yang mendukung aliran lintas chain dan multi-aset, serta集成 dompet yang mulus, sehingga meningkatkan efisiensi perputaran uang dan menurunkan biaya.

QTeknologi apa yang digunakan dalam lapisan 'Root Infrastructure' untuk mendukung ekonomi AI?

ARoot Infrastructure menggunakan Jovay Layer2 untuk mencapai konfirmasi level 120 milidetik guna mendukung micropayment AI, dan menggabungkan teknologi ZKVM (Zero-Knowledge Virtual Machine) untuk menghitung off-chain dengan verifikasi on-chain, sehingga memecahkan masalah kepercayaan dalam perhitungan untuk ekonomi AI dan menyediakan lingkungan eksekusi kontrak yang tidak dapat diubah.

Bacaan Terkait

WeChat Agent Mengeluarkan 'Seruan Pahlawan', Separuh Dunia Internet Merespons

**Ringkasan: WeChat Luncurkan "Panggilan Pahlawan" untuk AI Agent, Separuh Industri Internet Merespons** WeChat segera menghadirkan AI Agent yang mampu mengotomatiskan tugas dalam ekosistemnya. Platform terbuka WeChat telah menerbitkan panduan pengembang yang memungkinkan mini-program terintegrasi dengan AI. Setelah diakses, AI dapat merekomendasikan dan menggunakan layanan mini-program tersebut. Dua mode disediakan: otomatis (tanpa pengkodean tambahan) dan pengembangan (kustomisasi). Pesaing seperti Meituan, Ctrip, dan Tongcheng telah mengumumkan integrasi awal. Misalnya, pengguna nantinya dapat memesan makanan melalui AI WeChat menggunakan layanan Meituan Waimai. WeChat juga bekerja sama dengan produsen ponsel seperti Huawei, Xiaomi, dan lainnya untuk mengintegrasikan kemampuan asisten AI (A2A) agar pengguna dapat memulai panggilan atau mengirim pesan melalui perintah suara. Rancangan awal menunjukkan pengguna dapat menggeser ke kanan di antarmuka utama untuk mengakses Agent. Dengan perintah alami (misal, "pesan kopi di bawah 30 yuan"), AI akan secara otomatis mencari, membandingkan, dan menyelesaikan pesanan melalui mini-program yang relevan. Kekuatan utamanya adalah kemampuannya mengoordinasikan jutaan mini-program, konten, jejaring sosial, dan pembayaran dalam satu ekosistem dengan lebih dari 1,4 miliar pengguna aktif bulanan. Tantangan teknis meliputi pemahaman konteks percakapan yang kompleks, prediksi hasil operasi antarmuka pengguna (dengan model dunia UI-Oceanus), dan pengendalian biaya komputasi untuk skala masif. Solusinya melibatkan penjadwalan multi-model, menggunakan model yang lebih kecil untuk tugas dasar dan model yang lebih kuat untuk tugas kompleks. Strategi internal Tencent, "Co-Design," memungkinkan kemampuan AI yang dikembangkan di produk seperti Yuanbao (obrolan), WorkBuddy (kantor), ima (pencarian), dan Marvis (penjadwalan tugas) bermigrasi dan memperkuat WeChat AI. Pendekatan ini memanfaatkan data dunia nyata untuk melatih model dasar Hunyuan. Tencent secara tegas memilih protokol A2A (Agent-to-Agent) yang terkendali untuk kolaborasi eksternal, menolak metode GUI yang mensimulasikan klik layar karena alasan keamanan dan kendali ekosistem. Ini membuka pintu bagi asisten ponsel (seperti YOYO dari Honor) untuk mengakses fungsi WeChat secara terbatas dengan izin. Dengan biaya operasional yang sangat besar karena jumlah penggunanya, WeChat AI berpotensi mengenakan biaya untuk layanan bernilai tinggi. Kemitraan dan investasi Tencent dalam DeepSeek dapat menjadi solusi untuk penyediaan model AI berbiaya rendah. Nilai praktisnya terletak pada penyelesaian tugas dunia nyata secara efisien bagi pengguna perorangan dan bisnis, yang dapat mendefinisikan "babak kedua" AI bagi Tencent.

marsbit40m yang lalu

WeChat Agent Mengeluarkan 'Seruan Pahlawan', Separuh Dunia Internet Merespons

marsbit40m yang lalu

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.

marsbit1j yang lalu

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

marsbit1j yang lalu

Trading

Spot
Futures
活动图片