Beberapa bulan terakhir, karena perkembangan pesat seluruh industri AI, banyak talenta dari industri kripto beralih ke AI. Para peneliti yang bergerak di kedua bidang ini juga membahas sebuah pertanyaan yang belum pernah berhasil dijawab:
Bisakah blockchain menjadi bagian dari infrastruktur AI?
Dua tahun terakhir, pasar telah melihat terlalu banyak versi kombinasi AI dan Crypto: AI Agent, inferensi on-chain, pasar data, penyewaan daya komputasi. Popularitasnya tinggi, tetapi proyek yang benar-benar membentuk siklus bisnis yang utuh sebenarnya tidak banyak. Alasannya sederhana: sebagian besar proyek hanya berhenti di "lapisan aplikasi AI". Namun, yang dituju Gensyn adalah lapisan paling inti dan paling mahal dalam industri AI:
"Pelatihan Model"
Bagaimana caranya? Dengan mengorganisir sumber daya GPU yang tersebar di seluruh dunia menjadi sebuah jaringan pelatihan AI terbuka. Pengembang dapat mengirimkan tugas pelatihan, node menyediakan daya komputasi, jaringan bertanggung jawab memverifikasi hasil pelatihan, dan menyelesaikan distribusi insentif. Yang sebenarnya patut diperhatikan di balik ini, bukanlah "desentralisasi" itu sendiri, melainkan masalah yang semakin tidak bisa diabaikan dalam industri AI:
Sumber daya daya komputasi telah dengan cepat terkonsentrasi di tangan segelintir pemain besar. Raksasa teknologi berebut kartu grafis (GPU) hingga beberapa tahun ke depan. Sepanjang tahun lalu, industri AI telah secara bertahap membentuk tren yang jelas: siapa yang menguasai GPU, dialah yang menguasai kecepatan perkembangan AI. Terutama di era model besar, sumber daya pelatihan telah menjadi hambatan inti.
Pasokan H100 ketat, harga layanan cloud terus naik. Langkah pertama raksasa teknologi dalam negeri mengembangkan AI bukanlah memperluas tim, tetapi mengunci sumber daya daya komputasi. Ini juga mengapa di belakang OpenAI, Anthropic, xAI, terikat penyedia layanan cloud besar. Karena persaingan model pada dasarnya telah berubah menjadi persaingan infrastruktur. Dan arti Gensyn terletak pada:
Menyediakan cara baru dalam mengorganisir sumber daya untuk pelatihan AI
Satu, Sasaran Utamanya adalah Lapisan Infrastruktur Paling Inti Industri AI
Banyak proyek AI+Crypto lebih condong ke narasi lapisan aplikasi. Singkatnya, semua orang hanya membuat aplikasi. Tetapi Gensyn langsung masuk ke tahap pelatihan. Ini adalah bagian dari rantai nilai AI dengan hambatan teknologi tertinggi dan konsumsi sumber daya terbesar, serta lapisan yang saat ini paling mudah membentuk hambatan platform. Karena begitu jaringan pelatihan terbentuk dalam skala besar, itu bukan hanya pasar daya komputasi, tetapi lebih mungkin menjadi pintu masuk penting bagi pengembangan AI di masa depan. Inilah mengapa pasar terus memperhatikan Gensyn, dan juga mengapa A16Z dua kali melakukan investasi besar sebagai pemimpin putaran pendanaan.
Dua, Menyediakan Mode Kolaborasi Daya Komputasi yang Lebih Terbuka
Pelatihan AI tradisional sangat bergantung pada platform cloud terpusat. Kelebihannya stabil, tetapi biayanya juga terus meningkat. Terutama bagi tim AI skala kecil dan menengah, sumber daya pelatihan telah secara bertahap menjadi faktor yang membatasi inovasi. Gagasan yang disediakan Gensyn adalah: memasukkan lebih banyak GPU menganggur ke dalam jaringan, memungkinkan sumber daya pelatihan untuk dijadwalkan secara dinamis, sehingga meningkatkan pemanfaatan daya komputasi secara keseluruhan. Di balik ini sebenarnya agak mirip dengan logika saat komputasi awan (cloud computing) pertama kali muncul: bukan menciptakan kembali komputasi, tetapi mengorganisir ulang sumber daya komputasi. Jika model ini dapat terus berjalan, yang dibawanya bukan hanya optimasi biaya, tetapi lebih mungkin meningkatkan efisiensi sumber daya seluruh industri AI.
Tiga, Hambatan Teknologi, Justru Menjadi Pertahanan Pentingnya
Bagian yang benar-benar sulit dari jaringan pelatihan, bukanlah "menghubungkan GPU", melainkan: bagaimana memverifikasi hasil pelatihan, bagaimana memastikan node menjalankan tugas dengan jujur, bagaimana menjaga keandalan pelatihan dalam lingkungan terdistribusi. Dan yang telah terus dipecahkan Gensyn selama ini adalah bagian ini, termasuk mekanisme verifikasi probabilistik, model distribusi tugas, sistem kolaborasi node, dll. Hal-hal ini mungkin tidak se"mencolok" narasi Agent, tetapi itulah yang menentukan apakah jaringan benar-benar dapat digunakan. Dalam beberapa hal, Gensyn lebih menyerupai perusahaan infrastruktur teknologi mendalam (deep tech), dan ini adalah perbedaan terbesarnya dengan banyak proyek di lintasan yang sama.
Empat, Sudah Membentuk Siklus Bisnis yang Utuh
Salah satu kontroversi terbesar industri Crypto di masa lalu adalah: banyak proyek memiliki narasi, tetapi kurang permintaan nyata. Namun, pelatihan AI berbeda. Ini adalah pasar nyata yang telah terverifikasi dan tumbuh pesat. Permintaan pelatihan AI global terus berkembang, kesenjangan sumber daya GPU ada dalam jangka panjang. Dan yang dituju Gensyn adalah tepat pada bagian rantai industri yang sudah memiliki permintaan jelas. Dengan kata lain, ini bukan demi "on-chain" semata, tetapi karena industri AI itu sendiri membutuhkan sistem penjadwalan sumber daya yang lebih fleksibel dan terbuka. Ini juga mengapa semakin banyak modal mulai memperhatikan arah AI Infra, karena dibandingkan aplikasi siklus pendek, infrastruktur begitu membentuk efek jaringan, siklus hidupnya sering kali lebih panjang.
Akhirnya, sebuah perubahan yang sangat menarik sedang terjadi. Dulu orang selalu merasa: Crypto adalah sistem keuangan, AI adalah sistem teknologi.
Tetapi sekarang, batas antara keduanya semakin kabur. AI membutuhkan koordinasi sumber daya, membutuhkan mekanisme insentif, membutuhkan kolaborasi global. Dan justru ini adalah bagian yang paling dikuasai Crypto. Membuat kemampuan pelatihan, tidak lagi hanya milik segelintir raksasa. Melainkan menjadi sistem yang lebih terbuka dan lebih dapat dikolaborasikan. Setidaknya untuk saat ini, ini bukan lagi hanya cerita konsep, tetapi sedang berkembang ke arah infrastruktur AI yang sesungguhnya. Dan perusahaan paling berharga di era AI, sering kali juga lahir dari lapisan infrastruktur.
