All-In Full-Stack atau Gugur: Strategi di Balik Akuisisi Cursor senilai $600 Miliar oleh xAI

marsbitDipublikasikan tanggal 2026-06-18Terakhir diperbarui pada 2026-06-18

Abstrak

**Rangkuman: Entah "Full-Stack" atau Tersingkir - Kalkulasi di Balik Akuisisi Cursor senilai $60 Miliar oleh xAI** xAI milik SpaceX mengakuisisi Anysphere, perusahaan induk alat pemrograman AI Cursor, dengan harga $60 miliar dalam saham. Akuisisi ini bukan sekadar untuk pangsa pasar, tetapi terutama untuk **data pelatihan berkualitas tinggi** yang dihasilkan oleh 7 juta developer yang menggunakan Cursor setiap hari. Data dari aktivitas coding dianggap sebagai sinyal pelatihan terkuat untuk model AI. Artikel ini menyoroti kesuksesan Anthropic, yang pendapatannya melonjak 540x dalam 28 bulan, didorong kuat oleh produk coding mereka, Claude Code. Ini menunjukkan bahwa **generasi kode adalah aplikasi "pembunuh" (killer app) terkuat dari model bahasa besar (LLM) saat ini.** Penulis, Tara Tan dari Strange Ventures, menyimpulkan tren kunci: **untuk menjadi pemain AI besar, perusahaan harus membangun platform "full-stack"** yang mengintegrasikan tenaga komputasi (compute), model, dan aplikasi. Logika ini menciptakan siklus virtu: aplikasi yang baik menghasilkan data unik, data tersebut melatih model yang lebih baik, dan model yang lebih baik meningkatkan aplikasi. Dengan memiliki tumpukan penuh (seperti xAI dengan Colossus untuk compute, Grok sebagai model, X dan sekarang Cursor sebagai aplikasi), perusahaan dapat: 1. Meningkatkan ekonomi unit dalam pelatihan model. 2. Membangun "parit pertahanan" (moat) melalui data pelatihan berpemilik dan penguncian alur kerja pengguna. Ked...

Penulis: Tara Tan

Diterjemahkan oleh: Deep Tide TechFlow

Sumber: The Strange Review

Panduan Deep Tide: xAI di bawah SpaceX mengakuisisi perusahaan induk Cursor, Anysphere, dengan saham senilai $600 miliar. Yang dibeli bukan pangsa pasar, melainkan data pelatihan berkualitas tinggi dari 7 juta pengembang yang menulis kode setiap hari. Partner Strange Ventures Tara Tan menggunakan transaksi ini untuk menyampaikan sebuah penilaian: untuk menjadi raksasa AI, Anda harus mengintegrasikan seluruh stack—komputasi, model, dan aplikasi. Tinjauan singkat ini memaparkan rute pendapatan Anthropic yang naik 540 kali lipat dalam 28 bulan, dan menjelaskan mengapa perusahaan model selanjutnya akan gila-gilaan melakukan akuisisi ke lapisan aplikasi. Perhatikan bahwa penulis adalah seorang VC, dan "full-stack" adalah tema investasi perusahaannya sendiri.

Pembuatan kode adalah aplikasi pemungkas (killer app) terkuat dari model bahasa besar hingga saat ini, tidak ada duanya.

Pendapatan Anthropic meningkat dari $87 juta (pendapatan tahunan) pada Januari 2024 menjadi $47 miliar pada Mei 2026, naik sekitar 540 kali lipat dalam 28 bulan. Pertumbuhan ini didorong oleh dua mesin yang bekerja bersamaan: di satu sisi, kerja sama perusahaan dari atas ke bawah (Claude adalah satu-satunya model terdepan yang tersedia di ketiga platform cloud besar), dan di sisi lain, penetrasi dari bawah ke atas oleh pengembang, berkat Claude Code. Produk ini adalah yang tercepat pertumbuhannya dalam sejarah perusahaan, dari 0 menjadi pendapatan tahunan $25 miliar dalam 9 bulan. Sekarang Anthropic menguasai 54% pasar pemrograman AI tingkat perusahaan.

Cursor adalah taruhan yang sama yang ditempatkan oleh SpaceX.

Kemarin SpaceX mengumumkan akuisisi terhadap Anysphere, perusahaan di balik Cursor, dengan nilai saham $600 miliar. Alat pemrograman AI Cursor digunakan setiap hari oleh 7 juta pengembang. Diluncurkan dari inkubator MIT empat tahun lalu, pendapatan tahunannya melesat menjadi $20 miliar, menjadikannya alat pemrograman AI dengan pendapatan tertinggi dalam kategorinya. Pangsa pasarnya terus menurun selama setahun terakhir, dari 41% menjadi 26%, karena Claude Code muncul sebagai pesaing kuat. Tapi yang ingin dibeli xAI sama sekali bukan pangsa pasar.

xAI sudah memiliki stack lengkap: Colossus adalah komputasi, Grok adalah model, dan X adalah aplikasi. Masalahnya, X adalah tempat untuk berselancar (scroll), sedangkan Cursor adalah tempat untuk menulis kode. Yang dihasilkan pengembang saat menulis kode mungkin adalah data pelatihan dengan sinyal terkuat di bidang AI, dan inilah bagian yang dibutuhkan Grok untuk melengkapi daya tempurnya.

Hal ini mengonfirmasi pemikiran yang saya renungkan sejak transaksi antara OpenAI dan Nvidia bulan September lalu:

Ingin menjadi raksasa AI? Anda harus full-stack.

Logika ini semakin jelas. Produk yang lebih baik membawa infrastruktur yang lebih baik (lebih banyak data), dan infrastruktur yang lebih baik pada gilirannya memberikan pengalaman yang lebih baik. Ini selalu menjadi logika investasi inti kami di Strange.

Keterangan gambar: Diagram logika investasi tim penulis tentang "Siklus Tertutup Full-Stack"

Menjadi full-stack membawa dua hal:

Pertama, model ekonomi unit untuk membangun dan melatih model menjadi berkelanjutan.

Kedua, Anda bisa mendapatkan data pelatihan eksklusif dari lapisan aplikasi, membedakan diri dari vendor model lain. Penguncian data pengguna dan alur kerja menjadi parit pertahanan yang menarik.

Beberapa tahun ke depan, kita mungkin akan melihat gerakan-gerakan ini: perusahaan model mengembangkan aplikasi secara internal, atau secara agresif melakukan akuisisi ke atas, langsung menelan lapisan aplikasi.

Ada pepatah populer di kalangan pengusaha saat ini: Karena membuat produk sekarang 10 kali lebih mudah, perusahaan harus 10 kali lebih ambisius daripada sebelumnya untuk berhasil. Saat ini, tampaknya pepatah ini berlaku di berbagai lini.

——Tara

Pertanyaan Terkait

QApa yang menjadi alasan utama xAI membeli perusahaan di balik Cursor (Anysphere) seharga $600 miliar menurut artikel tersebut?

AMenurut artikel, xAI membeli Anysphere (Cursor) bukan untuk pangsa pasar, melainkan untuk mendapatkan data pelatihan berkualitas tinggi yang dihasilkan oleh 7 juta pengembang yang menggunakan Cursor untuk menulis kode setiap hari. Data dari aktivitas pemrograman dianggap sebagai sinyal pelatihan terkuat di bidang AI dan dibutuhkan untuk meningkatkan kemampuan model Grok milik xAI.

QBagaimana kinerja produk Claude Code dari Anthropic yang disebutkan dalam artikel?

AArtikel menyebutkan bahwa Claude Code adalah produk dengan pertumbuhan tercepat dalam sejarah Anthropic, mencapai pendapatan tahunan $25 miliar dari nol hanya dalam 9 bulan. Produk ini merupakan kontributor utama yang membantu Anthropic menguasai 54% pangsa pasar pemrograman AI tingkat perusahaan dan mendorong pendapatan tahunan perusahaan naik sekitar 540 kali lipat dalam 28 bulan.

QApa tesis investasi inti dari penulis (Tara Tan) dan Strange Ventures berdasarkan analisis dalam artikel ini?

ATesis investasi inti penulis dan Strange Ventures adalah 'full-stack' atau 'tumpukan lengkap'. Mereka percaya bahwa untuk menjadi pemain besar di AI, sebuah perusahaan harus menguasai seluruh tumpukan teknologi: daya komputasi (computing), model, dan aplikasi. Lingkaran umpan balik dari produk yang lebih baik menghasilkan data lebih banyak untuk infrastruktur yang lebih baik, yang pada gilirannya menciptakan pengalaman pengguna yang lebih baik.

QMenurut artikel, apa dua keuntungan utama yang didapat perusahaan dengan strategi 'full-stack' di bidang AI?

ADua keuntungan utama strategi 'full-stack' adalah: 1) Model ekonomi unit untuk membangun dan melatih model menjadi berkelanjutan. 2) Perusahaan dapat memperoleh data pelatihan kepemilikan dari lapisan aplikasi, yang membedakan model mereka dari pesaing dan menciptakan parit pertahanan (moat) melalui penguncian data pengguna dan alur kerja.

QApa prediksi tren untuk perusahaan model AI dalam beberapa tahun ke depan berdasarkan kesimpulan artikel?

AArtikel memprediksi bahwa dalam beberapa tahun ke depan, perusahaan model AI akan semakin agresif bergerak ke lapisan aplikasi. Mereka akan melakukannya dengan dua cara: secara internal mengembangkan aplikasi mereka sendiri, atau melalui akuisisi yang agresif untuk langsung mengambil alih perusahaan di lapisan aplikasi.

Bacaan Terkait

Mengapa Agensi Belanja AI Sulit Populer?

AI berbelanja sebagai wakil belum dapat diterima luas karena menghadapi beberapa tantangan mendasar. Pertama, berbelanja terdiri dari dua tindakan inti: pencarian informasi dan penilaian nilai. Mesin dapat menangani pencarian informasi, tetapi penilaian nilai melibatkan preferensi subjektif manusia yang sulit didelegasikan sepenuhnya. Penilaian nilai sendiri memiliki dua lapisan: evaluasi berdasarkan kriteria yang ditetapkan, dan yang lebih penting, **pendefinisian kebutuhan itu sendiri**—menentukan kriteria, bobot, dan batasan. Preferensi manusia bersifat konstruktif dan berubah, bukan statis, sehingga memerlukan komunikasi iteratif dengan AI. Kedua, batasan sesungguhnya bukan pada standarisasi barang, tetapi apakah proses memilih itu sendiri merupakan **tugas rutin atau kesenangan**. Untuk barang seperti perlengkapan kantor (tugas rutin), AI dapat sepenuhnya otomatis. Namun, untuk barang seperti anggur atau pakaian (kesenangan), proses memilih adalah bagian dari pengalaman konsumsi. Di sini, peran AI idealnya adalah penyaring informasi, menyajikan beberapa pilihan terbaik kepada manusia untuk keputusan akhir. Ketiga, ada dilema interaksi: AI yang bertanya terlalu banyak dapat mengganggu dan mendistorsi pilihan; mengandalkan riwayat belanja dapat membatasi eksplorasi baru; dan keputusan sepenuhnya manual itu melelahkan. Solusi tengah adalah **interaksi pengenalan**, di mana AI menunjukkan beberapa opsi dan pengguna langsung memilih. Narasi "memberi dompet kepada AI" yang menekankan pembayaran otomatis pun keliru. Pembayaran hanyalah bagian termudah. Solusi pembayaran terkini (seperti dari Stripe, Mastercard, Google, Visa) memisahkan **otorisasi pengguna** dari **eksekusi pembayaran terbatas AI**, tanpa perlu menyerahkan dana sepenuhnya. Dompet AI otonom lebih cocok untuk skenario **B2B atau M2M** (mis., pembelian perusahaan standar, penyelesaian antar-mesin), bukan belanja konsumen personal. **Kendala sebenarnya** bukan pada pembayaran, melainkan pada: (1) **Kurangnya sumber data tepercaya** (ulasan palsu, barang palsu) yang menjadi dasar keputusan AI, dan (2) **Hak manusia untuk mendefinisikan kebutuhan tidak dapat diotomatisasi**. Mendelegasikan definisi ini kepada AI berarti kehilangan preferensi asli. Kesimpulannya, untuk barang yang dinikmati, **pilihan itu sendiri adalah produk**. Platform harus mengoptimalkan data terstruktur untuk AI sambil mempertahankan keunggulan inti: memfasilitasi eksplorasi konsumen baru dan pengalaman memilih yang menyenangkan. AI harus menjadi asisten pencarian informasi yang aman dan terkendali, sementara manusia tetap memegang kendali atas standar penilaian dan kesenangan memilih akhir.

Foresight News58m yang lalu

Mengapa Agensi Belanja AI Sulit Populer?

Foresight News58m yang lalu

zcashd dimatikan, Zcash memasuki era Ironwood: Apakah privasi tahan kuantum adalah masa depan?

Infrastruktur Zcash telah memasuki fase baru dengan selesainya migrasi dari perangkat lunak awal, zcashd, ke implementasi berbasis Rust, Zebra, dan Zakura. Transisi ini memperkuat pemeliharaan jaringan dan mempersiapkan era Ironwood, yang menghadirkan perlindungan verifikasi formal dan ketahanan kuantum. Meskipun ditemukan kerentanan pada kumpulan terlindung Orchard, respons cepat pengembang berhasil membatasi dampaknya, dan kepercayaan pengguna tetap terjaga. Hal ini terlihat dari peningkatan 11,1% transaksi privat serta peningkatan signifikan dalam set anonimitas dan volume perdagangan harian. Dengan dimulainya era Ironwood, Zcash tidak hanya bereaksi terhadap ancaman keamanan tetapi juga membangun jaminan jangka panjang untuk integritas protokol dan privasi penggunanya di masa depan.

ambcrypto1j yang lalu

zcashd dimatikan, Zcash memasuki era Ironwood: Apakah privasi tahan kuantum adalah masa depan?

ambcrypto1j yang lalu

Setelah 9 Bulan Short, Beralih Lengkap ke Long, Trader Terkenal Buka Posisi Bitcoin di Sekitar 64k, Sentimen Bullish vs Bearish Terbelah di Pasar Kripto

Seorang trader kripto terkenal, Doctor Profit, yang berhasil memprediksi penurunan harga Bitcoin dari puncak $126.000 pada Oktober 2025, mengumumkan telah menutup semua posisi short-nya dan mulai membeli Bitcoin spot di kisaran $64.000. Ia berpendapat siklus bear market empat tahunan mungkin berakhir lebih cepat karena perubahan struktural seperti regulasi CLARITY Act dan masuknya modal institusi besar melalui tokenisasi aset. Di sisi lain, analis on-chain gumsays mencatat sinyal divergensi bullish mingguan pada Bitcoin telah berlangsung 147 hari, mendekati durasi 161 hari sebelum pembalikan kuat di siklus 2022. Namun, peneliti siklus Jake Pahor memberikan pandangan berbeda. Berdasarkan analisis data historis 5.279 hari, ia menyebutkan tiga kondisi umum pembentukan dasar bear market — durasi sekitar 12 bulan, sentimen ekstrem 'ketakutan' berkepanjangan (skor risiko di bawah 20), dan harga jatuh di bawah harga realisasi — belum terpenuhi sama sekali dalam siklus saat ini. Harga realisasi Bitcoin saat ini sekitar $53.000. Pasar tampak terpecah antara mereka yang mulai 'membangun posisi lebih awal' (seperti Doctor Profit) dan yang memilih 'menunggu sinyal konfirmasi lebih kuat' (seperti strategi Jake Pahor). Bitcoin saat ini diperdagangkan sekitar $64.800, tepat di atas moving average 200-minggu sekitar $63.000, dengan indeks Fear & Greed di level 25 (Extreme Fear).

marsbit1j yang lalu

Setelah 9 Bulan Short, Beralih Lengkap ke Long, Trader Terkenal Buka Posisi Bitcoin di Sekitar 64k, Sentimen Bullish vs Bearish Terbelah di Pasar Kripto

marsbit1j yang lalu

Kisah Seorang Trader Senior: Bagaimana Cara Memanfaatkan Ekspektasi Pasar yang Salah?

**Ringkasan: Bagaimana Mendapatkan Keuntungan dari Ekspektasi Pasar yang Salah?** Artikel ini berbagi pengalaman seorang trader senior dalam mengambil keuntungan dari kesalahan ekspektasi pasar, dengan studi kasus transaksi short Nasdaq (NQ) yang sukses. Kasus terjadi setelah data CPI AS yang lebih lemah dari ekspektasi. Pasar bereaksi dengan euforia, mendorong Nasdaq (NQ) naik ke 30060, karena mengira suku bunga akan turun secara luas. Namun, trader ini mengamati bahwa meskipun suku bunga jangka pendek (short-end) rileks, **suku bunga riil 30 tahun justru mencapai level tertinggi baru dalam 20 tahun**. Ini menunjukkan mekanisme transmisi pasar telah berubah: data lemah tidak lagi serta-merta menurunkan biaya modal jangka panjang. Narasi pasar yang salah adalah: **CPI lemah → kebijakan moneter melonggar → penurunan biaya modal jangka panjang → ekspansi valuasi saham teknologi (NQ).** Rantai ini patah di antara "kebijakan" dan "biaya modal jangka panjang". Suku bunga panjang yang tinggi menjadi variabel veto yang menolak konfirmasi optimisme pasar. Trader merumuskan metodologi sistematis untuk mengeksploitasi kesalahan ekspektasi semacam ini: 1. **Identifikasi Rantai Sebab-Akibat Tersirat** pasar. 2. **Temukan Variabel Veto** yang dapat membatalkan narasi tersebut. 3. **Amati Penolakan Konfirmasi** dari variabel veto tersebut. 4. **Tunggu Harga Tetap Bergerak** sesuai skenario lama meski fondasi sudah berubah. 5. **Pilih Ekspresi Aset** yang paling sensitif terhadap kesalahan tersebut (dalam kasus ini: short NQ, bukan S&P 500). 6. **Definisikan Syarat Keluar** untuk kondisi "terbukti salah" dan "logika sudah terealisasi". Kesimpulan kunci: Peluang alpha tidak selalu berasal dari perbedaan informasi, tetapi sering dari **perbedaan fungsi reaksi**. Ketika kondisi makro berubah tetapi pasar terus bereaksi dengan pola lama berdasarkan kebiasaan, disitulah peluang muncul. Pertanyaan paling penting adalah: **Rantai sebab-akibat apa yang menjadi sandaran reaksi pertama pasar hari ini, dan apakah rantai itu masih valid?**

marsbit1j yang lalu

Kisah Seorang Trader Senior: Bagaimana Cara Memanfaatkan Ekspektasi Pasar yang Salah?

marsbit1j yang lalu

Opini: Hubungan Hedging Antara Obligasi AS dan Pasar Saham Telah Gagal, BTC Sebagai Aset Berisiko Menghadapi Tekanan Ganda

**Ringkasan:** Selama 20 tahun terakhir, hubungan lindung nilai tradisional antara saham AS dan obligasi pemerintah AS (treasury) telah runtuh. Biasanya, ketika saham turun, obligasi naik, dan sebaliknya. Namun, sejak sekitar 2020, keduanya bergerak turun secara bersamaan, menghilangkan "peredam kejut" dalam portofolio investasi. Bitcoin, sebagai aset berisiko tinggi, kini menanggung tekanan ganda dari dinamika ini. Analisis menunjukkan bahwa pergeseran ini didorong oleh volatilitas inflasi yang menjadi faktor dominan di pasar, berbeda dengan periode sebelumnya di mana risiko pertumbuhan ekonomi yang lebih menonjol. Investor kini menghindari risiko durasi (sensitif terhadap suku bunga) dengan menjual obligasi jangka panjang dan beralih ke uang tunai, surat utang jangka pendek, atau dolar AS yang kuat. Ini menjelaskan mengapa Bitcoin, emas, dan obligasi jangka panjang bisa jatuh bersamaan. Bitcoin sangat sensitif terhadap kondisi makro: ia cenderung naik ketika imbal hasil riil turun, dolar melemah, dan kondisi keuangan mengendur. Ketika imbal hasil obligasi tanpa risiko (seperti treasury) naik, biaya peluang untuk memegang aset seperti Bitcoin yang tidak memberikan bunga menjadi lebih tinggi. Selain itu, penurunan saham mengurangi selera risiko investor secara keseluruhan. Logika jangka panjang Bitcoin sebagai aset dengan pasokan tetap justru diperkuat oleh kondisi fiskal yang menciptakan imbal hasil tinggi pada obligasi (seperti defisit yang membesar). Namun, dalam jangka pendek, kondisi yang sama ini justru membebani harganya. Pemulihan hubungan lindung nilai tradisional memerlukan meredanya volatilitas inflasi, sehingga risiko pertumbuhan kembali menjadi pendorong utama pasar dan Fed memiliki ruang untuk melonggarkan kebijakan. Sampai saat itu, Bitcoin dan aset berisiko lainnya beroperasi tanpa "lantai" pelindung yang biasanya disediakan oleh obligasi.

marsbit1j yang lalu

Opini: Hubungan Hedging Antara Obligasi AS dan Pasar Saham Telah Gagal, BTC Sebagai Aset Berisiko Menghadapi Tekanan Ganda

marsbit1j yang lalu

Trading

Spot
活动图片

Kategori Populerright-arrow

Tag Populerright-arrow