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.

Segitiga Kemustahilan Itu Sebenarnya Bukan Masalah Nyata

Sistem kripto terkuat yang pernah ada gagal dalam menjaga privasi keuangan penggunanya. Blockchain pada dasarnya adalah komputer lambat dan mahal yang tidak dimiliki siapa pun, namun ia menjamin akses tanpa izin dan kepercayaan tanpa perantara. Meski skalabilitas (dalam "trilema" lama) kini terpecahkan, dua hambatan utama menghalangi adopsi arus utama: legitimasi dan transparansi. Legitimasi mulai membaik dengan kerangka regulasi seperti GENIUS Act. Namun, transparansi justru menjadi beban: semua transaksi terbuka, memicu MEV (Maximum Extractable Value) yang merugikan pengguna. Privasi bukan untuk menyembunyikan kejahatan, tetapi melindungi wajar dengan tetap memungkinkan audit dan kepatuhan melalui bukti kriptografi (seperti bukti tanpa pengetahuan). Solusinya adalah privasi default yang sesuai regulasi, di mana pengguna dapat membuktikan kepatuhan (misalnya, KYC, solvabilitas) tanpa mengungkap detail transaksi. Ini bukan langkah mundur, melainkan peningkatan murni yang akan membuka pintu bagi triliunan dana institusional dan penggunaan sehari-hari. Dengan itu, blockchain akhirnya dapat melindungi rahasia—dan mengubah segalanya.

链捕手06/20 12:45

Segitiga Kemustahilan Itu Sebenarnya Bukan Masalah Nyata

链捕手06/20 12:45

CEO Intel Lip-Bu Tan Wawancara Podcast Pertama: Target Kami "10x dalam 5-10 Tahun", Fokus pada Packaging Canggih, Substrat Kaca, dan Berlian Sintetis

CEO Intel Pat Gelsinger menguraikan visi ambisiusnya untuk menciptakan pengembalian 10 kali lipat dalam 5-10 tahun ke depan. Strateginya berfokus pada penguatan pilar bisnis inti (seperti CPU untuk AI cerdas dan inferensi), sambil secara agresif berinvestasi pada teknologi pendobrak batas. Kunci utamanya adalah kemasan lanjutan (seperti EMIB), material baru (termasuk substrat kaca dan wafer berlian sintetis), serta membangun fondasi yang kuat untuk bisnis penempaan (foundry) dengan menekankan kepercayaan, hasil produksi, dan waktu siklus. Dia juga menyoroti kemitraan dengan Elon Musk dalam proyek Terafab dan keyakinannya bahwa potensi penuh Intel, yang melampaui PC ke komputasi tepi dan AI fisik, akan terlihat jelas pada tahun 2030-2032. Gelsinger menekankan pendekatan "merangkak, berjalan, berlari" untuk transformasi perusahaan.

marsbit06/20 06:15

CEO Intel Lip-Bu Tan Wawancara Podcast Pertama: Target Kami "10x dalam 5-10 Tahun", Fokus pada Packaging Canggih, Substrat Kaca, dan Berlian Sintetis

marsbit06/20 06:15

Baru Saja Raup Dana Rp 2,7 Triliun, Fei-Fei Li Juga Berinvestasi

Ilmuwan ternama dan mantan peneliti senior DeepMind, Pete Florence, baru saja menggalang dana US$4 miliar (sekitar Rp27 triliun) untuk perusahaannya, Generalist AI. Menariknya, meskipun dikenal sebagai salah satu perintis arsitektur model "dunia nyata" (world model) atau Vision-Language-Action (VLA), Florence secara terbuka menolak label "world model" untuk perusahaannya. Florence, yang dibimbing oleh ahli robotika fisik Rusia Tedrake di MIT, percaya bahwa fokus utama seharusnya pada *tujuan*, bukan sekadar *label*. Tujuannya adalah menciptakan robot yang dapat melakukan tugas fisik apa pun dengan tingkat keberhasilan dan kecepatan tinggi, tanpa memerlukan data spesifik untuk setiap tugas, mirip seperti manusia. Generalist AI telah meluncurkan dua model: GEN-0 (2025) dan GEN-1 (2026). GEN-1 diklaim memiliki tingkat keberhasilan 99% dalam tugas-tugas rumit seperti melipat kardus dan merawat robot, berkat pelatihan dengan data interaksi fisik skala besar yang dikumpulkan melalui sarung tangan mekanis khusus. Kemajuan ini menunjukkan bahwa model fisik mereka mendekati titik balik menuju utilitas komersial, mirip dengan GPT-3 untuk bahasa. Pendanaan putaran ini, yang meningkatkan valuasi perusahaan menjadi US$20 miliar, dipimpin oleh investor seperti NVentures (Nvidia), Bezos Expeditions, NFDG, serta figur ternama termasuk pendiri Xiaomi Bin Lin, pendiri Zoom Eric Yuan, dan ilmuwan terkemuka Fei-Fei Li. Investor percaya pada visi Florence untuk mewujudkan robot serba bisa yang benar-benar berguna dalam kehidupan nyata.

marsbit06/20 06:09

Baru Saja Raup Dana Rp 2,7 Triliun, Fei-Fei Li Juga Berinvestasi

marsbit06/20 06:09

Dua Legenda Hilang dalam Tiga Hari: Bendungan Talenta AI Google, Mulai Jebol?

Dalam tiga hari, Google kehilangan dua tokoh legendaris AI. Noam Shazeer, penulis inti makalah Transformer dan pemimpin bersama Gemini, meninggalkan Google untuk bergabung dengan OpenAI. Dua hari kemudian, John Jumper, pemenang Nobel Kimia 2024 dan pemimpin inti AlphaFold, meninggalkan Google DeepMind untuk bergabung dengan Anthropic. Tren ini diperkuat dengan keputusan mantan anggota pendiri OpenAI, Andrej Karpathy, yang bergabung dengan Anthropic pada Mei. Kehilangan ini mencerminkan tren yang lebih luas: aliran talenta AI puncak dari Google ke OpenAI dan Anthropic. Penyebabnya adalah perbedaan mendasar dalam misi. Bisnis inti Google adalah iklan, sehingga penelitian AI sering kali harus selaras dengan tujuan komersial. Sebaliknya, OpenAI berfokus pada AGI untuk kemanusiaan, sementara Anthropic berfokus pada keamanan AI, memungkinkan peneliti berkonsentrasi penuh pada kemajuan teknologi. Faktor lain termasuk prospek kekayaan dari IPO yang akan datang di OpenAI dan Anthropic, yang menawarkan potensi imbalan ekuitas yang jauh lebih besar dibandingkan dengan raksasa matang seperti Google. Selain itu, penggabungan Google Brain dan DeepMind pada 2023 dianggap gagal menyelesaikan ketegangan antara penelitian jangka panjang dan tekanan komersialisasi. Google masih memiliki aset kuat seperti infrastruktur komputasi dan data, tetapi kehilangan talenta kritis ini merupakan tantangan struktural yang mendalam. Di bidang AI, retensi talenta terbaik ternyata lebih sulit daripada membangun model yang paling canggih sekalipun.

marsbit06/20 04:06

Dua Legenda Hilang dalam Tiga Hari: Bendungan Talenta AI Google, Mulai Jebol?

marsbit06/20 04:06

Di Balik 'Raport' AI, Tersembunyi Seorang 'Pembuat Soal' Tionghoa

Setiap kali model AI terdepan dirilis, industri melihat "laporan nilai" seperti MMLU-Pro, MMMU, dan MMMU-Pro. Tolok ukur ini telah menjadi bahasa umum untuk mengevaluasi kemampuan model. Di baliknya adalah nama seorang peneliti Tionghoa, Chen Wenhu, asisten profesor di University of Waterloo. Dia dan lab TIGERLab-nya menciptakan MMLU-Pro karena MMLU lama tidak lagi efektif—model canggih seperti OpenAI o3 hampir mencapai nilai sempurna. MMLU-Pro, dengan 12.032 soal lebih sulit dan 10 pilihan jawaban, berhasil membedakan kembali kemampuan model. Selain itu, mereka mengembangkan MMMU untuk mengevaluasi model multimodal (teks dan gambar) pada 11.500 soal dari berbagai disiplin ilmu. Bahkan model terkuat seperti GPT-4V hanya mencapai akurasi 56%. MMMU-Pro kemudian dibuat agar model tidak bisa mengandalkan teks saja dan harus benar-benar memahami informasi visual. Chen Wenhu memiliki latar belakang riset dalam pemahaman informasi kompleks. Pengalamannya di Google DeepMind untuk proyek Gemini membantunya memahami celah dalam evaluasi. Labnya juga mengerjakan penelitian model, seperti UniVideo untuk video dan MoCha untuk karakter virtual, yang memperdalam pemahaman mereka dalam merancang tolok ukur yang solid. Kini, dia bergabung dengan Meta untuk fokus pada data pelatihan dan evaluasi multimodal. Karyanya menggarisbawahi kontribusi signifikan peneliti Tionghoa di balik layar dalam membentuk standar evaluasi AI global.

marsbit06/20 03:54

Di Balik 'Raport' AI, Tersembunyi Seorang 'Pembuat Soal' Tionghoa

marsbit06/20 03:54

Siapa yang Paling Mahir Menggunakan Claude Code? Jawabannya Mungkin Bukan Programmer

Laporan ini menganalisis sekitar 400.000 sesi Claude Code dari Oktober 2025 hingga April 2026, mengungkap pola penggunaan alat pemrograman AI ini. Inti temuan menunjukkan adanya pembagian kerja yang jelas: manusia (pengguna) bertanggung jawab atas sekitar 70% keputusan perencanaan (apa yang harus dikerjakan), sementara Claude menangani sekitar 80% keputusan eksekusi (bagaimana cara mengerjakannya). Artinya, AI mengambil alih tugas implementasi teknis seperti menulis kode, menjalankan perintah, dan debugging, namun tujuan dan penilaian hasil tetap bergantung pada manusia. Yang mengejutkan, keberhasilan menggunakan Claude Code tidak hanya bergantung pada latar belakang pemrograman. Pengguna dari profesi non-teknis seperti hukum, keuangan, manajemen, dan penelitian menunjukkan tingkat keberhasilan yang mendekati insinyur perangkat lunak dalam tugas yang menghasilkan kode. Faktor kunci keberhasilan justru adalah keahlian domain pengguna—pemahaman mendalam tentang masalah yang ingin dipecahkan. Pengguna yang dinilai sebagai "ahli" dalam suatu sesi memiliki tingkat keberhasilan terverifikasi dua kali lipat lebih tinggi daripada pengguna "pemula", dan mereka dapat memandu Claude untuk melakukan lebih banyak pekerjaan per instruksi. Selama periode tujuh bulan, penggunaan Claude Code bergeser dari sekadar memperbaiki kode (debugging) ke tugas yang lebih kompleks dan bernilai tinggi seperti pengoperasian perangkat lunak, analisis data, dan penulisan dokumen. Nilai tugas rata-rata yang dilakukan meningkat sekitar 25%. Temuan ini menunjukkan bahwa alat pemrograman cerdas seperti Claude Code menurunkan hambatan implementasi teknis, tetapi justru memperbesar nilai keahlian domain. Masa depan mungkin akan lebih menguntungkan mereka yang memahami bisnis dan konteks masalah, dibandingkan sekadar mereka yang hanya mahir menulis kode.

marsbit06/20 02:08

Siapa yang Paling Mahir Menggunakan Claude Code? Jawabannya Mungkin Bukan Programmer

marsbit06/20 02:08

Baru Saja, Pemenang Nobel Bergabung sebagai Karyawan Baru Anthropic

Baru-baru ini, John Jumper, pemenang Hadiah Nobel Kimia dan pemimpin inti AlphaFold, mengumumkan keluar dari Google DeepMind setelah hampir 9 tahun untuk bergabung dengan Anthropic. Langkah ini terjadi hanya dua hari setelah Noam Shazeer, salah satu penulis kunci makalah "Attention Is All You Need", meninggalkan Google untuk OpenAI. Kedua kepindahan ini menjadi pukulan besar bagi Google, dengan para pengamat menilai perusahaan kehilangan dua aset berharga dalam 72 jam. Jumper bergabung dengan DeepMind pada 2017, hanya 6 bulan setelah meraih gelar PhD, dan langsung ditunjuk untuk memimpin tim AlphaFold. Di bawah kepemimpinannya, AlphaFold 2 pada 2020 memecahkan masalah pelipatan protein yang telah berlangsung 50 tahun. Pada 2024, ia dan Demis Hassabis memenangkan Hadiah Nobel Kimia atas karyanya. Prestasinya dikatakan mempercepat penemuan struktur protein hingga 1000 kali lipat. Kepindahan Jumper ke Anthropic memperkuat ambisi perusahaan tersebut di bidang ilmu kehidupan. Sebelumnya, Anthropic telah mengakuisisi Coefficient Bio seharga $400 juta dan meluncurkan produk khusus seperti Claude for Life Sciences. Di sisi lain, OpenAI juga gencar berinvestasi di sektor ini dengan model GPT-Rosalind dan komitmen dana miliaran dolar. Sementara itu, Google DeepMind melalui Isomorphic Labs tetap menjadi pemain kuat berkat teknologi AlphaFold. Perpindahan para peneliti top dari Google memicu pertanyaan tentang daya tarik perusahaan besar versus lab AI yang lebih gesit. Seorang investor berkomentar bahwa lab AI frontier menawarkan sesuatu yang tidak dimiliki Google: perasaan bahwa satu orang dapat mengubah jalur perusahaan. Industri kini menyaksikan persaingan sengit antara Anthropic, OpenAI, dan Google DeepMind untuk mendominasi revolusi AI di bidang ilmu kehidupan.

marsbit06/20 01:18

Baru Saja, Pemenang Nobel Bergabung sebagai Karyawan Baru Anthropic

marsbit06/20 01:18

CPU Kembali ke Meja Permainan, Drama "Peningkatan Posisi" Senilai 170 Miliar Dolar Dimulai

CPU Kembali ke Meja, Drama “Naik Takhta” Senilai 1700 Miliar Dolar Dimulai Pada 1 Juni, Nvidia meluncurkan Vera CPU, menandai pertama kalinya perusahaan tersebut merilis lini produk CPU independen. CEO Nvidia Jensen Huang menyatakan, di era AI Agent, CPU telah menjadi hambatan kinerja kunci di pusat data. Pasar CPU server diproyeksikan tumbuh pesat, dari sekitar 300 miliar dolar AS pada 2025 menjadi sekitar 1700 miliar dolar AS pada 2030, didorong oleh permintaan AI. Dalam beban kerja AI Agent, CPU menangani 70% atau lebih dari total pekerjaan, karena tugas-tugas seperti pemanggilan alat eksternal dan manajemen konteks sangat intensif. Rasio GPU terhadap CPU dalam penyebaran AI juga menyusut, dari 8:1 menjadi sekitar 4:1, bahkan mendekati 1:1 dalam skenario Agent tertentu. Perubahan ini telah menyebabkan peningkatan harga CPU server sebesar 10-15%, kenaikan pertama dalam lebih dari satu dekade. Nvidia, AMD, dan Intel semua berinvestasi besar-besaran di CPU. Nvidia memproyeksikan pendapatan terkait CPU mendekati 200 miliar dolar AS pada 2026. Pertumbuhan pasar ini juga membuka peluang bagi rantai pasokan CPU China, seperti Haiguang Information dan Huawei, yang diuntungkan oleh permintaan industri dan kebijakan substitusi impor. Intinya, sementara GPU tetap penting, kemampuan sinergi antara CPU dan GPU akan menjadi pembeda utama dalam penerapan AI skala besar berikutnya.

marsbit06/19 13:48

CPU Kembali ke Meja Permainan, Drama "Peningkatan Posisi" Senilai 170 Miliar Dolar Dimulai

marsbit06/19 13:48

「Saham Konsep Nvidia」Wawancara dengan Co-Founder CoreWeave: Permintaan AI Terus Meningkat Setiap Hari

Wawancara dengan para eksekutif CoreWeave, penyedia cloud khusus AI, menggarisbawahi bahwa permintaan akan komputasi AI terus meningkat dan berkembang setiap hari, mendorong perubahan besar dalam infrastruktur. Fokus tidak lagi hanya pada ketersediaan GPU, tetapi meluas ke tantangan kompleks seperti daya untuk pusat data, CPU, penyimpanan, dan pasokan komponen. CoreWeave, yang melayani klien utama seperti OpenAI dan Microsoft, melihat pergeseran struktural dalam beban kerja AI. Dengan munculnya AI agen dan model penalaran, pentingnya CPU dan penyimpanan semakin meningkat. Perusahaan merancang ulang pusat datanya untuk mengakomodasi lebih banyak CPU (seperti Vera CPU dari Nvidia) dan penyimpanan di samping server GPU generasi mendatang (seperti Vera Rubin). Para eksekutif menekankan bahwa model bisnis mereka sepenuhnya didorong oleh kontrak dan permintaan pelanggan. Mereka bersaing berdasarkan rekam jejak eksekusi yang terbukti, kemampuan teknikal, dan kemampuan menyediakan kinerja serta efisiensi biaya per token terbaik. Saat ini, hambatan utama bukanlah GPU, melainkan ketersediaan "powered shells" (bangunan pusat data yang siap daya) dan komponen di dalamnya. Mereka juga menjelaskan bahwa biaya komponen seperti HBM (memori bandwidth tinggi) diteruskan kepada pelanggan melalui kontrak yang sudah ditetapkan sebelumnya, sehingga melindungi margin CoreWeave. Untuk generasi hardware baru seperti server Vera Rubin, pola deployment diperkirakan akan meningkat signifikan sekitar tahun 2027, mengikuti pola pendahulunya, platform Blackwell.

marsbit06/19 10:40

「Saham Konsep Nvidia」Wawancara dengan Co-Founder CoreWeave: Permintaan AI Terus Meningkat Setiap Hari

marsbit06/19 10:40

Di Balik Skor AI, Ada "Pembuat Soal" Seorang Tionghoa

Setiap peluncuran model AI terbaru, industri sering merujuk pada sejumlah "rapor" standar seperti MMLU-Pro, MMMU, dan MMMU-Pro. Di balik sistem evaluasi kunci ini, terdapat seorang "penyusun soal" bernama Chen Wenhu, asisten profesor di University of Waterloo. MMLU-Pro dikembangkan oleh Chen dan timnya sebagai respons atas keterbatasan MMLU lama. Ketika model-model mutakhir seperti o3 OpenAI mulai mencapai skor hampir sempurna, MMLU-Pro hadir dengan 12.032 soal yang lebih menantang, memperluas pilihan jawaban dan menekankan penalaran, sehingga berhasil membedakan kemampuan model yang sebelumnya tampak setara. Chen juga terlibat dalam MMMU, tolok ukur multimodal yang mengevaluasi pemahaman model terhadap gambar, grafik, dan teks secara terintegrasi. MMMU-Pro kemudian menyempurnakannya dengan memastikan model tidak bisa mengandalkan teks saja. Latar belakang Chen dalam pemahaman informasi kompleks dan pengembangannya di Google DeepMind untuk proyek Gemini memberinya wawasan mendalam. Ia mendirikan TIGERLab (atau "Geng Harimau"), yang tidak hanya fokus pada evaluasi tetapi juga riset model, seperti UniVideo untuk video dan MoCha untuk karakter virtual. Saat ini, Chen bergabung dengan Meta Super Intelligence Lab, terus berkontribusi pada data dan evaluasi multimodal. Karyanya mengingatkan bahwa di balik kemajuan AI yang terlihat, ada banyak talenta seperti dirinya yang membangun fondasi penting bagi perkembangan industri.

marsbit06/19 09:21

Di Balik Skor AI, Ada "Pembuat Soal" Seorang Tionghoa

marsbit06/19 09:21

活动图片

Kategori Populerright-arrow

Tag Populerright-arrow

Strategi Tradingright-arrow