Proyek Kripto Pudgy Penguins Muncul di Kubah Sphere di Las Vegas

RBK-cryptoDipublikasikan tanggal 2025-12-25Terakhir diperbarui pada 2025-12-25

Abstrak

Proyek NFT populer Pudgy Penguins menjadi merek pertama di industri kripto yang berhasil menampilkan iklan di layar LED terbesar di dunia, Sphere, di Las Vegas. Karakter penguin gemuk mereka dipajang di media platform bola raksasa tersebut, menandai pencapaian signifikan dari evolusi proyek yang awalnya hanya koleksi NFT di Ethereum. Kini, Pudgy Penguins telah berkembang menjadi merek ritel global dengan mainan anak-anak, kemitraan dengan Walmart dan Amazon, produksi film animasi, serta peluncuran token PENGU di jaringan Solana. Meski sempat mengalami koreksi harga lebih dari 70% dari puncaknya pada Juli 2025, token PENGU tetap menunjukkan performa yang kuat di antara aset kripto besar lainnya. Proyek ini sengaja menghindari fokus pada kripto dalam kampanye iklannya, memilih untuk menonjolkan produk fisik dan konten animasi. Harga minimum satu NFT dari koleksinya saat ini sekitar 4 ETH (sekitar $12 ribu).

Tim proyek NFT populer Pudgy Penguins menjadi yang pertama dari industri kripto yang berhasil menempatkan iklan di layar LED terbesar di dunia

Karakter merek Pudgy Penguins menjadi bagian dari iklan eksternal di layar LED raksasa Sphere — platform media berbentuk bola terbesar di dunia, yang terletak di Las Vegas.

Animasi di layar LED Sphere di Las-Vegas. Sumber: pudgypenguins / X

Proyek Pudgy Penguins dimulai sebagai salah satu koleksi NFT unggulan di jaringan Ethereum, tetapi pada tahun 2025 berubah menjadi merek ritel dengan penjualan global mainan, kemitraan dengan peritel Walmart dan Amazon, peluncuran film animasi, dan peluncuran token PENGU di jaringan Solana.

NFT (non-fungible tokens, token yang tidak dapat dipertukarkan) — adalah objek digital unik dengan kepemilikan yang dikonfirmasi dalam blockchain. Mereka menjadi bagian dari kegilaan kripto tahun 2021–2022, ketika gambar, video, dan token koleksi lainnya di jaringan Ethereum atau Solana dijual dengan harga ratusan ribu dolar.

Proyek ini menghindari larangan periklanan kripto dari operator Sphere, dengan fokus pada barang fisik — mainan, merchandise, dan konten animasi, tanpa menyebutkan token atau NFT. Sebelumnya, upaya komunitas meme coin Dogwifhat (WIF) untuk melakukan kampanye serupa ditolak, meskipun telah mengumpulkan $700 ribu untuk itu.

Harga minimum (floor price) satu gambar NFT dari koleksi adalah 4 ETH (sekitar $12 ribu), menurut data CoinGecko per 25 Desember.

Saluran Telegram "RBC-Crypto" — berlangganan dan dapatkan informasi tentang berita utama dan terbaru mengenai mata uang kripto.

Bergabunglah dengan forum "RBC-Crypto" di Telegram untuk membahas berita dan tren dunia kripto.

Token PENGU pada tahun 2025 menunjukkan salah satu hasil pertumbuhan terbaik di antara aset kripto besar, tetapi pada akhir tahun, bersama dengan sebagian besar altcoin, terkoreksi lebih dari 70% dari puncak Juli.

Pada saat itu, pertumbuhan disertai dengan peluncuran game Pengu Clash dalam bentuk aplikasi mini di Telegram, kemitraan proyek dengan maskapai penerbangan Lufthansa dan penyelenggara balap mobil NASCAR. Periode yang sama diingat karena flashmob massal, ketika puluhan pemimpin dan manajer perusahaan kripto besar untuk sementara waktu mengganti avatar mereka di jejaring sosial X dengan gambar penguin Pudgy Penguins.

Menghentikan siklus. Bagaimana harga bitcoin berubah dalam 10 tahun terakhir

Kecerdasan Buatan mengalahkan manusia dalam turnamen perdagangan kripto. Bagaimana hasilnya

"Kapitalisasi" penambang disebut sebagai faktor bullish untuk bitcoin. Mengapa

Bacaan Terkait

Laporan Pagi Wall Street: V-reversal di Akhir Bulan, Tapi Indeks Nasdaq Rekam Performa Terburuk Juli dalam 12 Tahun, Modal Terkonsentrasi ke Raksasa Cloud

**Laporan Pagi Wall Street: Rebound di Akhir Bulan, Tapi Nasdaq Catat Performa Terburuk Juli dalam 12 Tahun, Modal Terakselerasi ke Raksasa Cloud** Pasar saham AS mengalami rebound berbentuk V pada Jumat lalu, dengan tiga indeks utama menguat. Namun, ini tidak menutupi performa buruk sepanjang Juli: Indeks S&P 500 hampir datar, mencatat kinerja Juli terburuk sejak 2014, sementara **Indeks Nasdaq turun 3,2%, merupakan kinerja Juli terburuk sejak 2004.** **Pergerakan Komoditas & Makro:** * **Minyak:** Harga minyak mentah WTI anjlok >8% setelah Presiden Trump membatalkan serangan militer terhadap Iran dan OPEC+ menyetujui peningkatan kuota produksi. * **Emas:** Harga emas naik tipis 0,91% pada Juli, berayun di sekitar $4050/oz. Analis melihat periode konsolidasi dengan kisaran perkiraan $3800-$4500 untuk tahun ini. * **Obligasi & Mata Uang:** Yield obligasi AS 10 tahun melonjak di bulan Juli. AS dan Jepang melakukan intervensi bersama untuk mendukung Yen, mendorong USD/JPY turun di bawah level 156. **Fokus Pasar: Percepatan Aliran Modal ke Raksasa Cloud** Tekanan deleveraging membayangi saham teknologi sepanjang Juli, namun **modal bergerak cepat ke perusahaan cloud besar.** Saham cloud meroket setelah laporan kinerja kuartalan yang kuat, dengan **kapitalisasi pasar gabungan raksasa cloud bertambah hampir $1,5 triliun** dalam seminggu (Microsoft, Amazon, Google). Ini menunjukkan pergeseran modal dari sektor hardware/semikonduktor yang padat menuju perusahaan cloud dengan arus kas yang kuat. **Kilasan Performa Saham Penting:** * **Amazon:** Melonjak 15,32% setelah kinerja AWS yang sangat kuat. * **Microsoft & Google:** Terus menguat dengan prospek bisnis cloud/AI yang solid. * **Meta:** Naik 3,28%, mengakhiri 11 hari penurunan beruntun. * **Apple:** Anjlok 7,35% karena kekhawatiran pasokan dan panduan yang lemah. * **Saham Memori (seperti Micron, Sandisk):** Terkoreksi tajam pada bulan Juli. * **SpaceX:** Akan merilis laporan kinerja pertama pasca-IPO pada 5 Agustus, diikuti masa pelepasan saham terbatas besar-besaran pada 6 Agustus. **Yang Perlu Diperhatikan Minggu Ini:** * **Laporan Kinerja Perusahaan:** Berkshire Hathaway, Palantir, AMD, SpaceX, Disney, Sandisk, Western Digital, dan lainnya. * **Konferensi:** Ai4 2026 dan Flash Memory Summit (FMS). * **Data Makro Kunci:** Laporan Penggajian Non-Pertanian AS (7 Agustus), data ekspor-impor & CPI China.

marsbit45m yang lalu

Laporan Pagi Wall Street: V-reversal di Akhir Bulan, Tapi Indeks Nasdaq Rekam Performa Terburuk Juli dalam 12 Tahun, Modal Terkonsentrasi ke Raksasa Cloud

marsbit45m yang lalu

Rubin Ultra Terkuras Drastis, Apakah Nvidia Juga Tak Tahan dengan Kenaikan Harga Memori?

Laporan terbaru dari SemiAnalysis mengungkapkan bahwa NVIDIA telah merevisi spesifikasi Rubin Ultra, varian flagship dari arsitektur Rubin yang diumumkan di GTC 2026. Alih-alih peningkatan besar pada memori dan daya komputasi, fokus utama kini beralih ke kemampuan interkoneksi skala sistem. Spesifikasi kunci yang diungkapkan menunjukkan Rubin Ultra akan mempertahankan puncak komputasi teoretis yang sama dengan Rubin standar, yaitu 35 PFLOPs. Namun, terjadi pengurangan signifikan pada kapasitas memori, turun menjadi 192GB dengan konfigurasi 8-Hi, lebih rendah dari Rubin standar yang 288GB (12-Hi). Peningkatan bandwidth memori juga minimal, hanya 1 TB/s, dan daya chip bahkan sedikit lebih tinggi. Peningkatan utama justru pada "skala interkoneksi" (*scale-up world size*), yang melonjak dari 72 GPU menjadi 576 GPU. Ini memungkinkan ratusan GPU Rubin Ultra terhubung via NVLink membentuk satu "super GPU" logis yang sangat besar. Analisis SemiAnalysis mengaitkan perubahan desain ini dengan lonjakan harga HBM (High Bandwidth Memory) yang drastis. Biaya material (BOM) untuk rak server Rubin Ultra sempat melonjak menjadi sekitar $8 juta karena harga HBM, tetapi dengan spesifikasi baru, biaya turun ke sekitar $6.4 juta. NVIDIA diduga mengalihkan biaya dari komponen HBM yang mahal (yang pangsa biayanya turun dari ~40% menjadi 28%) ke peningkatan interkoneksi jaringan (naik dari 4% menjadi 12%). Berita ini memicu kekhawatiran pasar tentang permintaan HBM. Saham produsen HBM seperti SK Hynix dan Samsung anjlok sekitar 8%, mencerminkan kekhawatiran bahwa pembeli utama seperti NVIDIA mungkin mulai mengurangi ketergantungan pada HBM berkapasitas tinggi untuk mengontrol biaya sistem AI secara keseluruhan.

Odaily星球日报1j yang lalu

Rubin Ultra Terkuras Drastis, Apakah Nvidia Juga Tak Tahan dengan Kenaikan Harga Memori?

Odaily星球日报1j yang lalu

Model Generatif Bisa Dilatih End-to-End? Intinya Hanya Sebuah For Loop

Model generatif seperti model difusi atau autoregresif yang dominan saat ini biasanya tidak melatih seluruh proses generasi secara end-to-end. Mereka dilatih hanya untuk memprediksi satu "langkah kecil" dalam proses, namun saat inferensi, langkah ini harus diulang ratusan atau ribuan kali. Ketidaksesuaian ini menyebabkan masalah "exposure bias," di mana kesalahan menumpuk seiring waktu. Makalah terbaru dari UIUC dan Harvard memperkenalkan paradigma baru bernama **Explorative Modeling (XM)**. Inti dari metode ini sangat sederhana: alih-alih menghasilkan satu sampel, model menghasilkan **K kandidat** dalam setiap langkah pelatihan. Kemudian, hanya kandidat yang paling dekat dengan data target yang dipilih untuk menghitung gradien dan memperbarui model. Mengapa ini berhasil? Dalam tugas generatif, satu input bisa memiliki banyak output yang valid (mode). Fungsi kerugian rekonstruksi tradisional cenderung menyebabkan "mode blurring," di mana model hanya mempelajari rata-rata dari semua mode, menghasilkan output yang tidak realistis. Dengan menghasilkan beberapa kandidat, model dapat "mengeksplorasi" dan menangkap beberapa mode yang berbeda sekaligus, sehingga menghindari rata-rata yang kabur. Penelitian ini menunjukkan bahwa **"eksplorasi" (K) bertindak sebagai sumbu penskalaan ketiga** yang efektif, selain parameter dan data. Eksperimen pada gambar, video, dan bahasa menunjukkan peningkatan kinerja yang monoton dengan peningkatan K, dengan keuntungan yang lebih besar pada skala yang lebih besar. XM dapat meningkatkan efisiensi FLOP hingga 4.1x dan efisiensi sampel hingga 6.2x. Yang lebih menarik, ketika diterapkan secara ekstrem, XM memungkinkan **pelatihan generatif yang benar-benar end-to-end**. Dalam tugas kontrol robot, "Explorative Policy" berbasis XM mencapai kinerja yang setara dengan "Diffusion Policy" yang membutuhkan 100 langkah inferensi, sementara hanya membutuhkan satu langkah inferensi maju. Ini membuktikan bahwa kompleksitas untuk menangani banyak mode dapat dipindahkan dari inferensi ke pelatihan. Meskipun ide "best-of-K" bukan hal baru, kontribusi utama makalah ini adalah penjelasan teoritis bahwa mekanisme ini secara langsung meningkatkan **ekspresivitas generatif** model. Dengan demikian, ini menawarkan cara baru yang ampuh untuk mengatasi tantangan mendasar dalam pemodelan generatif.

marsbit2j yang lalu

Model Generatif Bisa Dilatih End-to-End? Intinya Hanya Sebuah For Loop

marsbit2j yang lalu

Trading

Spot
活动图片