Tren TeknologiBerita

Mengulas inovasi terbaru, peningkatan protokol, solusi cross-chain, dan mekanisme keamanan dalam ekosistem blockchain. Ini memberikan perspektif yang berfokus pada pengembang untuk menganalisis tren teknologi yang muncul dan potensi terobosan.

Microsoft Sangat Takut Disingkirkan oleh Raksasa AI

Dulu, OpenAI membutuhkan Microsoft. Hari ini, Microsoft harus membuktikan mereka tidak membutuhkan OpenAI. Pada Build 2026, CEO Microsoft Satya Nadella merilis tujuh model AI buatan sendiri, stasiun kerja AI untuk pengembang, platform pengelolaan Agent untuk perusahaan, dan chip kuantum. Semua ini menandai pergeseran besar: Microsoft mulai berpisah dari sekutu terdekatnya. Titik baliknya adalah revisi perjanjian 27 April, di mana lisensi eksklusif Microsoft atas model OpenAI berubah menjadi non-eksklusif. OpenAI kini bebas bekerja dengan penyedia cloud lain. Ini memecah tembok pertahanan Microsoft. Tujuh model baru, seperti MAI Thinking 1 dan MAI Code 1 Flash, bukan sekadar bukti kemampuan, melainkan upaya menyamai pesaing seperti Anthropic, yang kini unggul dalam adopsi perusahaan. Laporan internal Microsoft mengungkap ketidakpuasan pengembang terhadap Copilot dibanding alat luar. Meski pendapatan AI Microsoft mencapai $37 miliar, sebagian besar berasal dari infrastruktur Azure yang menjalankan model pihak lain, seperti OpenAI dan Anthropic. Pangsa pasar Copilot turun, dan penggunaannya terjebak di pinggir alur kerja utama. Kehadiran Jensen Huang dari Nvidia di Build 2026 juga bermuka dua. Di satu sisi, ia mendukung AI PC Windows dengan chip RTX Spark. Di sisi lain, komputasi AI lokal yang ia promosikan berpotensi mengurangi ketergantungan pada cloud Azure. Build 2026 secara mencolok mengabaikan konsumen dan fokus pada pengembang dan bisnis. Nadella bertaruh pada masa depan di mana sistem operasi AI perusahaan—platform untuk mengelola identitas, kepatuhan, keamanan, dan banyak model/Agent—akan menjadi kunci. Platform seperti Agent 365 dirancang untuk mengunci perusahaan dalam ekosistem Microsoft. Kecemasan terbesar Nadella adalah setelah OpenAI dan Anthropic go public, mereka akan menjadi mandiri, membangun infrastruktur sendiri, dan mengikis pendapatan Azure Microsoft. Nadella berusaha membangun lapisan infrastruktur yang tak tergantikan di bawah semua model AI sebelum itu terjadi. Intinya, Microsoft beralih dari penumpang yang bergantung pada OpenAI menjadi pengemudi di era AI, bertekad tidak ketinggalan lagi seperti di era mobile.

marsbit06/03 11:06

Microsoft Sangat Takut Disingkirkan oleh Raksasa AI

marsbit06/03 11:06

CPU, Diam-diam Kembali ke Panggung Utama Komputasi AI

Selama tiga tahun terakhir, narasi kekuatan komputasi AI hampir sepenuhnya berpusat pada GPU, dengan CPU hanya dianggap sebagai peran pendukung. Namun, mulai 2026, narasi ini mulai retak. Intel meluncurkan prosesor Xeon 6+ di Beijing, yang dideskripsikan bukan sebagai pendamping GPU, melainkan sebagai "bidang kendali" infrastruktur AI, yang bertanggung jawab atas orkestrasi, konkurensi, dan aliran data. Laporan dari SemiAnalysis pada Februari 2026 juga menyoroti "kembalinya CPU" dengan cara yang berbeda. Pergeseran ini didorong oleh perubahan beban kerja AI dari pelatihan model skala besar ke inferensi dan agen AI yang melibatkan ribuan tugas ringan secara bersamaan. Di sinilah CPU, dengan kemampuan orkestrasi dan penanganan aliran data, menjadi penting kembali—bukan karena lebih cepat daripada GPU, tetapi karena menyelesaikan hambatan baru yang tidak dapat ditangani GPU. Xeon 6+ memilih jalur inti efisiensi (E-core) hingga 288 inti, berfokus pada kepadatan dan efisiensi tinggi untuk menangani beban kerja throughput tinggi seperti agen AI. Namun, jalan Intel tidak tanpa tantangan: persaingan dengan NVIDIA (yang mengembangkan solusi CPU+GPU terintegrasi), CPU ARM buatan vendor cloud seperti AWS Graviton, serta ketatnya kompetisi teknologi proses manufaktur 18A melawan TSMC N2 dan Samsung 2nm. Kesimpulannya, kembalinya CPU ke panggung kekuatan AI adalah nyata, didorong oleh kebutuhan orkestrasi dalam era agen AI. Namun, siapa yang akan memimpin "kembalinya" ini—apakah Intel, ARM, vendor cloud, atau NVIDIA—masih harus dibuktikan dalam beberapa tahun ke depan.

marsbit06/03 10:45

CPU, Diam-diam Kembali ke Panggung Utama Komputasi AI

marsbit06/03 10:45

Berhenti Fokus pada GPU, Intel Lemparkan Gerakan Besar, Bisakah Mengakhiri Monopoli Komputasi NVIDIA?

Dalam dua tahun terakhir, GPU telah menjadi pusat perangkat keras AI, mendorong dominasi Nvidia. Namun, di COMPUTEX 2026, Intel menyajikan perspektif berbeda: **era AI selanjutnya tidak boleh hanya berfokus pada GPU**. Kuncinya adalah **Agentic AI (agen cerdas)**. Agen cerdas mengubah paradigma komputasi dari sistem tanya-jawab menjadi entitas yang aktif "berpikir, merencanakan, bertindak, dan merefleksikan" dalam alur kerja nyata. Pergeseran ini akan **membentuk ulang alokasi komputasi di pusat data**. Untuk beban kerja pelatihan model, rasio CPU:GPU bisa mencapai 1:8, tetapi untuk inferensi agen cerdas yang membutuhkan pengaturan tugas, pemanggilan alat, dan koordinasi sistem, rasio tersebut bergerak menuju 1:1 atau bahkan membutuhkan kepadatan CPU lebih tinggi. Intel meluncurkan **prosesor Xeon 6+** berbasis proses 18A, dengan hingga 288 core efisiensi dan 576MB cache L3, dirancang untuk beban kerja cloud-native, Agentic AI, dan jaringan yang padat. Solusi rak yang ditawarkan menawarkan efisiensi energi lebih tinggi. Lebih lanjut, Intel memperkenalkan **arsitektur inferensi terpisah (fully decoupled inference)** bekerja sama dengan mitra seperti SambaNova. Skema ini membagi tugas inferensi agen cerdas di antara CPU Xeon 6 (untuk pengaturan), SambaNova SN40 RDU (dekode), dan GPU NVIDIA Blackwell (prefill), sehingga setiap tahap berjalan pada perangkat keras paling optimal. Di sisi *edge*, **prosesor Core Ultra Gen 3** menjadi inti AI lokal, memungkinkan alokasi beban kerja dinamis antara perangkat dan cloud untuk mengurangi biaya, latensi, dan meningkatkan privasi. Intel juga memperluasnya ke *gaming handheld* dan komputasi tepi. Strategi Intel melampaui prosesor umum. Perusahaan menekankan **chip khusus/custom** melalui kolaborasi dengan pelanggan seperti Google (untuk IPU) dan Ericsson, menawarkan solusi yang disesuaikan untuk kinerja dan efisiensi maksimal. Intel bertujuan untuk menjadi **"ada di mana-mana"** dengan memenuhi beragam kebutuhan di seluruh rantai AI – dari pengaturan agen di pusat data, inferensi terpisah, AI lokal di PC, hingga chip khusus untuk berbagai industri. Tantangan tetap ada dari dominasi Nvidia dan persaingan AMD, tetapi Intel melihat peluang dalam **periode redistribusi infrastruktur AI** di mana efisiensi sistem secara keseluruhan, bukan hanya kinerja puncak chip tunggal, menjadi kunci.

marsbit06/03 06:38

Berhenti Fokus pada GPU, Intel Lemparkan Gerakan Besar, Bisakah Mengakhiri Monopoli Komputasi NVIDIA?

marsbit06/03 06:38

"Xiaomei" dan Yuanbao Saling Terhubung, Ini Sinyal Uji Coba untuk Smart Agent WeChat?

**Ringkasan:** Artikel ini membahas kemitraan antara asisten AI Meituan, "Xiaomei," dan asisten AI Tencent, "Yuanbao." Kolaborasi ini, yang memungkinkan pengguna Yuanbao mengakses layanan hidup lokal Meituan, dilihat sebagai strategi saling menguntungkan: Meituan mendapatkan akses ke pintu masuk AI baru, sedangkan Yuanbao memperkaya kemampuan layanannya. Kerja sama ini juga dianggap sebagai "tes tekanan" untuk persiapan peluncuran "WeChat Agent" Tencent, asisten AI terintegrasi di WeChat yang dapat menjalankan jutaan mini-program. Keberhasilan kemitraan Meituan-Yuanbao dapat menentukan kesediaan platform besar lain untuk bergabung dengan ekosistem WeChat Agent. Artikel ini menyoroti tantangan yang dihadapi Meituan dari AI asisten seperti Doubao (ByteDance) dan Qianwen (Alibaba), yang mengintegrasikan layanan mereka sendiri dan berpotensi melewati "parit pertahanan" Meituan. Sementara itu, Yuanbao, meskipun terintegrasi dengan ekosistem Tencent, tertinggal dalam hal pengguna aktif dan kurangnya ekosistem layanan komersial mandiri, sehingga kemitraan dengan Meituan menjadi penting. Tantangan utama kolaborasi ini meliputi: batasan pengalaman pengguna karena arsitektur "Agent to Agent" yang terpisah, pembagian keuntungan, dan kelancaran pengalaman pengguna di antara dua platform yang berbeda. Namun, jika berhasil, ini dapat membuka jalan bagi model kolaborasi serupa di ekosistem WeChat Agent di masa depan.

marsbit06/03 05:06

"Xiaomei" dan Yuanbao Saling Terhubung, Ini Sinyal Uji Coba untuk Smart Agent WeChat?

marsbit06/03 05:06

Pidato GTC Taipei 2026 Huang Renxun: Era Agen AI Tiba, Komputasi adalah Pendapatan

Dalam pidato GTC Taipei 2026, CEO NVIDIA Jensen Huang mengumumkan bahwa AI telah memasuki era **"agen"** — sistem AI yang dapat melakukan tugas nyata dan menghasilkan nilai ekonomi. Ia menekankan bahwa **"Token adalah unit pendapatan,"** dan permintaan komputasi untuk menghasilkan Token akan meledak, yang disebut sebagai **"Pabrik AI."** Huang memperkenalkan **Vera Rubin**, bukan sekadar chip, tetapi sistem infrastruktur komputasi ujung-ke-ujung yang dirancang khusus untuk menjalankan agen AI. Ia juga memperkenalkan **Vera CPU**, prosesor pertama yang dibuat untuk agen AI, yang mengutamakan latensi rendah dan bandwidth tinggi karena agen "tidak sabar." NVIDIA meluncurkan **Toolkit Agen AI Perusahaan** yang mencakup model (seperti Nemotron 3 Ultra terbuka), framework, alat, dan runtime untuk membantu bisnis membangun agen mereka sendiri. Bersama Microsoft, mereka memperkenalkan **generasi baru PC** yang dapat menjalankan agen AI secara lokal. Dalam domain AI fisik, Huang mengumumkan **Cosmos 3** (model dasar untuk robotika), **Alpamayo 2** (untuk kendaraan otonom), dan platform referensi robot humanoid **Isaac GR00T**. Pola komputasi agen—model, framework, alat, runtime—akan menjadi standar di cloud, enterprise, PC, robot, dan perangkat tepi. Intinya, Huang menyatakan **"Komputasi adalah pendapatan,"** dan NVIDIA bertransisi dari perusahaan sistem menjadi **perusahaan infrastruktur** untuk membantu klien membangun pabrik AI yang menghasilkan keuntungan.

marsbit06/03 03:40

Pidato GTC Taipei 2026 Huang Renxun: Era Agen AI Tiba, Komputasi adalah Pendapatan

marsbit06/03 03:40

Pendiri Coinbase, akan meneliti kehidupan abadi

NewLimit, perusahaan rintisan teknologi umur panjang, mengumumkan pengumpulan dana Seri C senilai $435 juta pada 3 Juni, dengan valuasi mencapai $3,1 miliar. Perusahaan yang didirikan bersama oleh Brian Armstrong, CEO Coinbase, ini berfokus pada pengembangan obat untuk memperpanjang masa hidup sehat dengan memprogram ulang usia sel. Penemuan ilmuwan Jepang Shinya Yamanaka tentang faktor reprogramming sel menjadi dasar penelitian NewLimit. Perusahaan ini bertujuan menemukan kombinasi gen tertentu untuk mengembalikan fungsi sel muda, dimulai dari target penyakit hati terkait alkohol yang akan masuk uji klinis tahun depan. Investor utama di bidang ini didominasi oleh miliarder teknologi seperti Peter Thiel, Sam Altman, dan Jeff Bezos, yang mendanai perusahaan serupa seperti Retro Biosciences dan Altos Labs. Logika di balik investasi besar mereka adalah bahwa setelah mencapai puncak kekayaan, waktu menjadi satu-satunya musuh yang tak bisa dibeli.

marsbit06/03 03:34

Pendiri Coinbase, akan meneliti kehidupan abadi

marsbit06/03 03:34

Saham Perangkat Lunak yang Sempat Kolaps karena Ketakutan pada AI, Kok Sekarang Menjadi yang Paling Berkilau di Pasar Saham AS?

Beberapa hari ini, saham perangkat lunak meledak, menghasilkan keuntungan tertinggi dalam 25 tahun terakhir, seperti Snowflake yang naik 60%. Padahal enam bulan lalu, Wall Street masih pesimis, dengan alokasi dana lindung nilai terhadap saham perangkat lunak hanya 6%—terendah sejak 2019. Lantas, apa yang berubah? Pertama, laporan kinerja membantah kekhawatiran bahwa AI akan menggantikan perangkat lunak. Contohnya, Snowflake justru melihat peningkatan penggunaan AI di platformnya, dan Okta mencatat pertumbuhan pendapatan. Kedua, posisi institusional di sektor ini sangat rendah, memicu pembelian balik paksa saat sentimen membaik. AI ternyata tidak menghilangkan kebutuhan akan perangkat lunak, malah menjadi pengguna baru. Agent AI membutuhkan infrastruktur seperti manajemen identitas (Okta), database, dan alat analisis. Selain itu, ada jarak antara kecerdasan umum model AI dan hasil bisnis nyata yang melibatkan alur kerja kompleks, pengetahuan industri, biaya, dan tata kelola—yang justru menjadi peluang bagi perusahaan perangkat lunak. Jadi, AI tidak membunuh perangkat lunak, tetapi mendefinisikannya ulang. Perusahaan yang bisa mengintegrasikan AI ke dalam solusi yang menghasilkan outcome bisnis yang stabil akan menjadi pemenang di era baru ini.

marsbit06/03 02:39

Saham Perangkat Lunak yang Sempat Kolaps karena Ketakutan pada AI, Kok Sekarang Menjadi yang Paling Berkilau di Pasar Saham AS?

marsbit06/03 02:39

Mampukah DeepSeek Menghemat 1 Triliun Dolar untuk China?

**Ringkasan Artikel: Apakah DeepSeek Dapat Menghemat 1 Triliun Dolar AS untuk China?** Artikel ini membahas bagaimana DeepSeek, melalui serangkaian inovasi teknologinya, berpotensi secara drastis menekan biaya infrastruktur AI China dan berpotensi menghemat investasi hingga triliunan dolar AS. **Tantangan: Biaya AI yang Melonjak** Biaya perangkat keras AI, terutama memori berbandwidth tinggi (HBM), sedang meroket. Misalnya, pada sistem AI canggih NVIDIA Vera Rubin, biaya komponen memori saja mencapai sekitar $2 juta dan telah naik 435% dalam setahun. **Solusi DeepSeek: Tiga Inovasi Utama** DeepSeek mendekati masalah ini dengan tiga terobosan teknis utama untuk meningkatkan efisiensi token perangkat keras hingga 4 kali lipat: 1. **Kompresi Memori (KV Cache):** Melalui **Multi-head Latent Attention (MLA)**, DeepSeek mengompres "memori" konteks panjang model secara signifikan (hingga 90%+ pengurangan) tanpa mengorbankan kualitas, mengurangi ketergantungan pada HBM yang mahal. 2. **Aktivasi "Tubuh" Model Sesuai Kebutuhan:** Menggunakan arsitektur **Mixture of Experts (MoE)**, model hanya mengaktifkan sebagian kecil dari total parameternya untuk setiap tugas. Ini seperti hanya memanggil dokter spesialis yang relevan, bukan seluruh rumah sakit. 3. **Cache dan Penggunaan Ulang:** Hasil komputasi yang sudah dihitung disimpan dan digunakan kembali (cache hit), menghindari perhitungan berulang yang mahal. DeepSeek menerapkan ini bahkan dalam struktur harga layanannya. **Dampak dan Potensi Penghematan** Efisiensi ini mengubah ekonomi infrastruktur AI: * **Pengurangan Biaya Operasional:** Untuk tugas tertentu (misalnya, membaca ulang kode panjang), biaya menggunakan DeepSeek V4-Pro bisa **100 kali lebih murah** dibandingkan model seperti GPT-5.5 atau Claude Opus. * **Penghematan Infrastruktur Berskala Besar:** Artikel memperkirakan, dengan peningkatan efisiensi 4x, untuk memenuhi permintaan token harian masa depan China yang mencapai ribuan triliun, pendekatan DeepSeek berpotensi menghemat investasi setara dengan **puluhan ribu pusat komputasi cerdas**, yang nilainya bisa mendekati **$1 triliun**. * **Pergeseran Strategis:** Alih-alih hanya bergantung pada chip komputasi canggih (di mana China tertinggal), DeepSeek mengalihkan beban ke manajemen memori, cache, dan rekayasa sistem — area di mana industri China seperti produsen memori DRAM (contoh: CXMT) semakin kompetitif. Ini meningkatkan keamanan rantai pasokan. **Kesimpulan** DeepSeek tidak menghilangkan kebutuhan akan perangkat keras canggih, tetapi secara radikal mengurangi ketergantungan marjinal padanya. Dengan membuat AI lebih terjangkau melalui efisiensi teknis mendalam, DeepSeek berpotensi membentuk ulang buku besar infrastruktur AI China, menghemat investasi besar, dan yang terpenting, membuat daya AI dapat diakses oleh industri luas di China. *(Catatan: Artikel ini didasarkan pada analisis industri dan proyeksi, bukan fakta yang sudah pasti.)*

marsbit06/03 00:52

Mampukah DeepSeek Menghemat 1 Triliun Dolar untuk China?

marsbit06/03 00:52

Menggugat Gagasan Utama Menangani Halusinasi: Metakognisi, Solusi Baru untuk Menghancurkan Halusinasi Model Besar

Peneliti Google mengusulkan pendekatan baru untuk mengatasi "halusinasi" AI dalam makalahnya, **"Hallucinations Undermine Trust; Metacognition is a Way Forward."** Alih-alih berusaha membuat AI mengetahui segalanya atau menolak menjawab banyak pertanyaan (yang menimbulkan "pajak utilitas"), makalah ini mendefinisikan ulang halusinasi sebagai **AI memberikan informasi yang salah dengan keyakinan tinggi padahal ia tidak yakin.** Solusi intinya adalah **"ketidakpastian yang setia" (faithful uncertainty)** atau **metakognisi** – kemampuan AI untuk merasakan tingkat keyakinan internalnya dan mengekspresikannya dengan jujur dalam bahasa. Misalnya, jika AI ragu, ia harus mengatakan "Saya tidak terlalu yakin." Pendekatan ini lebih realistis karena hanya mengharuskan keselarasan antara sinyal internal dan output AI, bukan kebenaran mutlak yang mustahil. Metakognisi menjadi sangat penting di era **Agent AI** yang menggunakan alat eksternal seperti mesin pencari. Tanpanya, Agent tidak dapat memutuskan kapan harus mencari, kapan harus berhenti, atau bagaimana mengevaluasi informasi yang ditemukan. Namun, implementasinya menghadapi tantangan seperti **"paradoks bootstrap"** (data pelatihan yang statis untuk kemampuan dinamis), **"sinyak perusak keselarasan"** dari pelatihan RLHF yang mendorong AI selalu tampak yakin, dan kesulitan menilai apakah AI benar-benar memiliki metakognisi atau hanya berpura-pura. Makalah ini menyerukan perubahan paradigma: fokus pada pengembangan AI yang jujur tentang batas pengetahuannya, bukan AI yang sempurna tanpa kesalahan. Kepercayaan datang dari kejujuran tentang ketidakpastian, bukan dari klaim kepastian yang salah.

marsbit06/03 00:46

Menggugat Gagasan Utama Menangani Halusinasi: Metakognisi, Solusi Baru untuk Menghancurkan Halusinasi Model Besar

marsbit06/03 00:46

Setelah 540 Ribu Baris Kode, Garry Tan Menyadari Permainan Lama Pemrograman AI Sudah Berakhir

Editor's Note: Sementara banyak orang memperdebatkan apakah AI akan menggantikan programmer, Presiden YC Garry Tan justru mengajukan pertanyaan lain: Jika AI sudah dapat menyelesaikan sebagian besar pekerjaan pemrograman, mengapa kita masih mengelolanya dengan cara lama seperti perangkat lunak biasa? Awal tahun ini, Garry Tan menghabiskan beberapa bulan untuk membuat proyek "Garry's List" dengan Rails dan AI Agent, yang menghasilkan lebih dari 540.000 baris kode. Namun, ia menyimpulkan bahwa kode tersebut tidak penting. Yang berharga adalah "GStack"—kerangka kerja pengembangan baru yang dibangun di sekitar alur kerja AI Agent. Menurutnya, industri perangkat lunak selama ini terbiasa membungkus model AI dengan banyak tes, validator, mekanisme percobaan ulang, dan logika kontrol. Ini seperti membangun "pabrik Foxconn" untuk pekerja AI yang sangat cerdas—membatasi agen yang sebenarnya sudah mampu dengan banyak aturan. Dengan biaya model yang turun cepat dan kemampuannya meningkat, fokus pengembangan perangkat lunak beralih dari "menulis lebih banyak kode" ke "merancang lebih banyak kemampuan." Tan mengusulkan menggunakan Markdown untuk membuat "skill pack" (paket keterampilan yang dapat diuji dan digunakan kembali), di mana Agent dapat secara otomatis menghasilkan kode, tes, dan sistem evaluasi. Sebagai contoh, pekerjaan menilai hackathon yang biasanya memakan waktu berhari-hari kini dapat diselesaikan oleh Agent dalam beberapa puluh menit. Intinya, artikel ini membahas akhir dari logika industrialisasi perangkat lunak. Ketika kode bukan lagi sumber daya paling langka, kompetensi inti insinyur juga bergeser: Daripada menulis lebih banyak kode, kemampuan untuk menilai apa yang layak dibangun, mendefinisikan masalah, dan mengemas pengalaman menjadi aset kemampuan yang dapat digunakan kembali menjadi lebih penting. Kesimpulannya: Insinyur terbaik di masa depan mungkin bukan yang menulis kode paling banyak, tetapi yang menulis paling sedikit namun mampu melepaskan kecerdasan paling besar.

marsbit06/02 21:42

Setelah 540 Ribu Baris Kode, Garry Tan Menyadari Permainan Lama Pemrograman AI Sudah Berakhir

marsbit06/02 21:42

活动图片

Kategori Populerright-arrow

Tag Populerright-arrow