Coinbase Meleset dari Perkiraan Q1 Sebab Kemerosotan Kripto Perparah Kerugian

TheNewsCryptoDipublikasikan tanggal 2026-05-08Terakhir diperbarui pada 2026-05-08

Abstrak

Bursa kripto AS, Coinbase, mencatatkan kerugian besar pada kuartal pertama dan pendapatan yang di bawah proyeksi Wall Street, menyebabkan sahamnya anjlok. Setelah rugi $667 juta di Q4 2025, Coinbase kembali rugi bersih $394,1 juta di Q1, menandai kuartal defisit berturut-turut. Pendapatan transaksi merosot 40%, sementara pendapatan dari langganan dan layanan turun 13,5%. CFO Alesia Haas menyebut kondisi makro sangat menantang, dengan kapitalisasi pasar dan volume perdagangan kripto turun lebih dari 20% dari kuartal sebelumnya. Untuk mengatasi penurunan harga saham lebih dari 14,5% tahun ini, Coinbase mengeksplorasi lini bisnis baru seperti pasar prediksi dan melakukan efisiensi, termasuk PHK 700 pekerja. CEO Brian Armstrong tetap optimis tentang misi perusahaan dalam peralihan ekonomi global ke blockchain dan memperluas kemampuan perdagangan ke berbagai kelas aset.

Bursa kripto AS Coinbase mencatatkan kerugian kuartal pertama yang signifikan dan pendapatan yang tidak memenuhi proyeksi Wall Street, membuat sahamnya anjlok pada hari Kamis. Setelah mencatat kerugian $667 juta di Q4 2025, Coinbase mengalami kerugian bersih $394,1 juta di Q1, menandai kuartal defisit beruntun kedua. Perusahaan ini beralih ke kerugian setelah sebelumnya mencetak laba $65,6 juta setahun lalu.

Dalam panggilan penghasilan, CFO Coinbase Alesia Haas memberi tahu investor bahwa kondisi makro sangat menantang. Baik kapitalisasi pasar keseluruhan mata uang kripto maupun total volume perdagangan kripto turun lebih dari 20% dari kuartal sebelumnya.

Mengeksplorasi Lini Bisnis Baru

Laporan penghasilan Coinbase menyusul perusahaan kripto lainnya, yang memulai 2026 dengan buruk karena investor kabur dari pasar akibat kehancuran pasar. Sementara itu, analis telah memprediksi pendapatan $1,5 miliar untuk kuartal pertama Coinbase, tetapi perusahaan ini hanya menghasilkan $1,41 miliar. Pendapatan dari langganan dan layanan, yang mewakili operasi di luar perdagangan, turun 13,5 persen dari tahun sebelumnya, sementara pendapatan transaksi merosot 40 persen.

Setelah jam perdagangan pada hari Kamis, saham Coinbase turun 4,7% menjadi di bawah $184, setelah perusahaan mengungkap kerugian $1,49 per saham, yang lebih buruk dari proyeksi analis sebesar 36 sen per saham.

Menyusul penurunan harga saham lebih dari 14,5 persen tahun ini, Coinbase telah menjelajahi lini bisnis baru termasuk pasar prediksi dan menerapkan inisiatif penghematan biaya, seperti PHK 14% terhadap 700 pekerja yang terjadi pada hari Senin.

Coinbase diciptakan untuk mengambil untung dari peralihan ekonomi global ke blockchain, menurut CEO Brian Armstrong, yang memiliki nada optimis dalam konferensi call meskipun penghasilan perusahaan buruk. Selain itu, ia menekankan bahwa tujuan Coinbase selama setahun terakhir adalah memperluas kemampuan perdagangannya melampaui hanya perdagangan spot kripto untuk mencakup semua kelas aset.

Berita Kripto yang Disorot Hari Ini:

ETF Bitcoin Spot AS Hentikan Rekor Aliran Masuk $1,7 Miliar Saat BTC Jatuh di Bawah $80 Ribu

TagCoinbaseexchange

Bacaan Terkait

Huang Renxun: Prompt Sudah Usang, Loop adalah Paradigma Baru

**Ringkasan:** **Prompt Sudah Ketinggalan Zaman, Loop adalah Paradigma Baru.** Menurut Huang Renxun (Jensen Huang), pendiri NVIDIA, tugas utama di era AI sekarang bukan lagi menulis perintah (prompt), tetapi **menulis dan mengelola loop (siklus).** **Apa itu Loop?** Loop adalah sistem di mana Anda mendefinisikan suatu tujuan, dan AI menjalankannya secara mandiri—memeriksa hasil, memperbaiki kesalahan, dan mengulangi proses tersebut hingga tugas selesai atau mencapai batas tertentu. Manusia beralih peran dari "pemberi perintah" menjadi **"perancang aturan" atau "arsitek sistem."** **Loop vs. Agent:** Agent adalah "pekerja" yang menjalankan tugas. Loop adalah **mekanisme pengelolaan** yang memungkinkan Agent bekerja terus-menerus tanpa pengawasan manusia. Agent dengan loop menjadi sistem yang dapat berjalan otomatis. **Contoh Penerapan:** Produk seperti Claude Code (dengan fitur /loop, /goal, /schedule) dan OpenAI Codex telah menerapkan konsep ini. Mereka membagi tugas kompleks ke beberapa Agent yang berjalan paralel di lingkungan terisolasi, dengan model terpisah untuk menulis kode dan memvalidasi hasil, memastikan objektivitas. **Bagaimana Memulai Loop?** 1. **Uji Kelayakan:** Pastikan tugas berulang, dapat divalidasi otomatis, dan anggaran token mencukupi. 2. **Mulai dari Loop Minimal:** Bangun sistem dengan pemicu otomatis, keterampilan (skill), file status (STATE.md), dan "gerbang" validasi (seperti pengujian). 3. **Pisahkan Pemeriksa dan Pelaksana:** Gunakan model atau Agent berbeda untuk menulis kode dan memeriksa/mengujinya. Ini kunci untuk kualitas. 4. **Hindari Jebakan Umum:** Tetapkan batas pengulangan dan token, simpan status, hindari tugas yang membutuhkan pertimbangan manusia, dan tetap tinjau perubahan kode (diff). 5. **Ukur Efektivitas:** Metrik utama adalah **biaya rata-rata per perubahan yang diterima.** **Evolusi Paradigma:** Perkembangan AI menunjukkan pergeseran berkelanjutan: 1. **Prompt Engineering** (2023-2024): Fokus pada cara menulis perintah. 2. **Context Engineering** (2024-2025): Fokus pada informasi dan latar belakang yang diberikan ke AI. 3. **Harness Engineering** (2025-2026): Fokus pada lingkungan eksekusi dimana AI dapat menggunakan alat dan sumber daya. 4. **Loop Engineering** (sekarang): Fokus pada merancang sistem siklus otomatis yang berjalan mandiri. Konsep loop memiliki akar akademis, seperti dalam framework **ReAct** (Reasoning + Acting) yang dikembangkan oleh Yao Shunyu dkk., yang menggabungkan penalaran dan tindakan dalam sebuah siklus. **Catatan Penting:** Meskipun menjanjikan, teknologi ini masih awal. Perlu kehati-hatian terhadap biaya token dan kompleksitas. Seperti dikutip Andrej Karpathy, **"Anda dapat mengalihdayakan pemikiran Anda, tetapi Anda tidak dapat mengalihdayakan pemahaman Anda."** Pemahaman mendalam tentang masalah tetap berada di tangan manusia.

marsbit1j yang lalu

Huang Renxun: Prompt Sudah Usang, Loop adalah Paradigma Baru

marsbit1j yang lalu

GPT Merancang GPT

OpenAI akhirnya merilis chip pertamanya, Jalapeño. Meski banyak yang menganggapnya sebagai tantangan bagi Nvidia, inti dari langkah ini justru adalah pengakuan terbuka OpenAI bahwa mereka tidak puas hanya menjadi perusahaan model AI. Mereka ingin mengontrol seluruh proses produksi kecerdasan, dari model, chip, hingga pusat data dan energi. Perbedaan kemampuan model semakin menyempit, namun kesenjangan dalam komputasi justru melebar. Dalam era AI, satuan biaya terpenting bukan lagi harga server atau GPU, melainkan biaya produksi setiap Token. Sebagai penyedia layanan seperti ChatGPT dan API, OpenAI menghadapi kenyataan bahwa semakin sukses produk mereka, semakin besar "pajak inferensi" yang harus dibayarkan ke penyedia hardware eksternal. Jalapeño adalah upaya membangun "pabrik Token" sendiri untuk mengurangi ketergantungan ini. Yang menarik, siklus pengembangan chip Jalapeño hanya sembilan bulan, jauh lebih cepat dari standar industri. Kunci percepatan ini adalah pengetahuan OpenAI tentang beban kerja model nyata. Mereka bahkan menggunakan model AI mereka sendiri untuk mempercepat bagian proses desain dan optimasi chip. Ini menciptakan siklus umpan balik: model yang lebih baik membantu mendesain chip yang lebih baik, yang kemudian menurunkan biaya menjalankan model generasi berikutnya. Jalapeño difokuskan untuk inferensi, bukan pelatihan. Inferensi adalah pengeluaran tunai harian yang masif, terutama dengan berkembangnya Agent dan tugas-tugas rantai panjang. Dengan mengurangi "pajak inferensi" ini, OpenAI dapat meningkatkan margin keuntungan layanannya. Strategi OpenAI semakin mirip dengan Apple: membangun ekosistem tertutup yang terintegrasi, dari model (perangkat lunak intelijen), antarmuka seperti ChatGPT, hingga chip dan infrastruktur fisik. Mereka tidak ingin menjual "sekop" (seperti Nvidia), tetapi memiliki "tambang" dan menjual "kecerdasan" yang dihasilkannya. Pada akhirnya, artikel ini menyimpulkan bahwa aset terpenting di era AI sedang bergeser. Model akan terus berubah seperti "aliran traffic," tetapi infrastruktur produksi—chip, jaringan, pusat data, energi—akan menjadi "tanah" yang dikuasai oleh sedikit pemain. Dengan Jalapeño, OpenAI menyatakan ambisinya: tidak hanya menjadi perusahaan paling cerdas, tetapi mengontrol produksi kecerdasan itu sendiri.

marsbit1j yang lalu

GPT Merancang GPT

marsbit1j yang lalu

Trading

Spot
Futures
活动图片