Bertemu Pendiri OpenClaw di Hackathon: Hal-Hal Lain yang Bisa Dilakukan Si Lobster?

Odaily星球日报Dipublikasikan tanggal 2026-03-20Terakhir diperbarui pada 2026-03-20

Abstrak

Di UK AI Agent Hackathon 2026 di London, tim mahasiswa memamerkan proyek inovatif berbasis OpenClaw. AgroMind memadukan data satelit dan AI untuk lindung nilai risiko pertanian otomatis. ClawBio menjadi repositori terbuka untuk analisis bioinformatika dengan privasi lokal. BioSentinel mengotomatiskan identifikasi patogen dan desain molekul pengobatan. "Sistem Saraf London" mengintegrasikan data kota untuk respons real-time. Highstreet AI membantu UMKM mengelola pesanan secara otomatis. AlphaMind AI membawa analisis investasi institusional ke retail. Peter Steinberger, pencipta OpenClaw, hadir secara personal. Meski awalnya bermasalah visa, ia berinteraksi hangat dengan peserta. Projek Web3 seperti clawOS dan Cortex.OS mengeksplor identitas agent dan transaksi on-chain, namun keamanan tetap jadi tantangan utama. Pesan Peter: "Anda bukan mencari makna, Anda menciptakannya."

Original | Odaily Planet Daily (@OdailyChina)

Penulis|jk

Maret 2026, UK AI Agent Hackathon 2026 yang diinisiasi oleh Asosiasi Blockchain Imperial College London diselenggarakan di London. Hackathon ini menggunakan OpenClaw sebagai kerangka teknologi inti, menarik lebih dari 1200 peserta terdaftar, dan pada Hari Demo mencatatkan 5000 penonton daring real-time, bahkan sempat menduduki puncak trending global di platform X.

Acara ini dianggap oleh banyak peserta sebagai “University OpenClaw Hackathon pertama di dunia”. Bapak OpenClaw, Peter Steinberger, terbang khusus ke London untuk hackathon ini.

Proyek Mana yang Paling Menarik?

Pada 7 Maret, tim peserta dari berbagai universitas memamerkan produk prototipe yang mereka bangun dalam seminggu, mencakup peta luas dari pertanian hingga keamanan hayati, dari tata kelola kota hingga perlindungan DeFi. Berikut adalah 6 proyek yang patut mendapat perhatian khusus:

AgroMind: Data Satelit + AI Agent, Mewujudkan Lindung Nilai Risiko Pertanian

AgroMind mengintegrasikan pemantauan tanaman satelit, data meteorologi, dan sinyal pasar untuk membangun sistem prediksi dan lindung nilai otomatis terhadap risiko rantai pasok pertanian, dengan skenario intinya adalah alur kerja lindung nilai otomatis.

Kesenjangan informasi dalam rantai pasok pertanian selalu menjadi masalah uang. Fluktuasi harga komoditas yang tajam seringkali berasal dari bahaya iklim yang tertanam di suatu area produksi berbulan-bulan sebelumnya, tetapi pasar baru bereaksi setelah berita keluar. AgroMind ingin mengisi celah ini. Ia menyatukan pemantauan tanaman satelit, data cuaca, dan sinyal pasar. Ketika gambar satelit menunjukkan tanda-tanda awal tekanan kekeringan di area produksi kedelai Brasil, tanpa laporan resmi apa pun, sistem sudah berjalan. Ia akan memeriksa inventaris yang dipegang pengguna dan volatilitas pasar saat ini, merancang draf skema lindung nilai, dan jika kondisinya tepat, langsung memasang pesanan di bursa komoditas. Alih-alih alat AI, ini lebih seperti analis yang duduk di depan gambar satelit mengawasi pasar untuk Anda, hanya saja ia tidak tidur.

ClawBio: Hugging Face-nya Bioinformatika

Bioinformatika memiliki masalah lama: alat analisis dan pengetahuan mutakhir pada dasarnya terkunci di beberapa universitas dan segelintir perusahaan farmasi, tidak terjangkau oleh peneliti biasa. Yang ingin dilakukan ClawBio, analoginya mudah dipahami, adalah melakukan hal yang sama dengan yang dilakukan Hugging Face dengan model AI, tetapi di bidang bioinformatika. Ini adalah gudang keterampilan biologis terbuka yang berisi keterampilan analisis terverifikasi dan dapat direproduksi, yang dapat langsung dipanggil oleh Agen mana pun, termasuk skrining toksin dan identifikasi fungsi biologis berbahaya. Ada satu skenario yang menarik: pengguna memotret kemasan obat, Agen memanggil keterampilan ClawBio untuk meminta arsip genom lokal, dan beberapa detik kemudian mengembalikan kartu dosis obat yang dipersonalisasi. Data diproses secara lokal sepenuhnya, tidak diunggah ke server mana pun. Pendekatan "Local-First" ini sangat sensitif dalam skenario perawatan kesehatan, dan sangat diperlukan untuk melindungi privasi.

BioSentinel: Dari Identifikasi Patogen hingga Kandidat Obat, Otomatisasi Ujung ke Ujung

Yang dilakukan BioSentinel lebih ambisius. Titik awalnya adalah data kesehatan masyarakat global, sistem terus-menerus mengambil informasi dari sumber-sumber seperti WHO, CDC, CIDRAP, dan sekali mengidentifikasi ancaman baru, secara otomatis menemukan protein target patogen, lalu memanggil dua alat biologi komputasi, RFdiffusion dan ProteinMPNN, untuk merancang kandidat molekul pengikat terapeutik yang mungkin efektif. Setiap kandidat molekul, sebelum melanjutkan ke langkah berikutnya, juga akan melalui penyaringan database toksin, memastikan tidak secara tidak sengaja menciptakan sesuatu yang berbahaya. Seluruh alur dapat digerakkan melalui antarmuka obrolan. Peneliti tidak perlu menjalankan perintah satu per satu, cukup jelaskan kebutuhan, Agen sendiri yang menjadwalkan berbagai alat; ini merupakan penurunan门槛 (ambang batas) yang besar dalam biologi komputasi.

“Sistem Saraf London”: Dari Kota Cerdas ke “Kota yang Berpikir”

Titik awal proyek ini sederhana: London menghasilkan data sensor dalam jumlah besar setiap hari, lalu lintas, kualitas udara, status infrastruktur, tetapi data ini pada dasarnya terpisah, tidak ada yang tahu keadaan sebenarnya kota ini pada saat itu.

Kelompok proyek menggunakan OpenClaw untuk sekaligus mengakses pemantauan data lalu lintas real-time, sensor kualitas udara, dan data pasar keuangan. Kualitas udara di suatu distrik tiba-turun turun, sistem tidak hanya membuat log di latar belakang, ia akan secara aktif mendorong saran rute rendah polusi ke sekolah dan komuter terdekat. Jika lampu jalan atau sensor di suatu tempat rusak, respons sistem juga akan jauh lebih cepat daripada menunggu pelaporan manual. Tujuan jangka panjang tim adalah membuka kerangka ini untuk pemerintah daerah, mengintegrasikannya dengan sistem kota yang ada, bukan membangun dari awal.

Highstreet AI: Menciptakan “Karyawan Digital” untuk Toko Kecil di Pinggir Jalan London

Sebagian besar produk AI dirancang dengan memikirkan perusahaan teknologi, bukan restoran seafood kecil di jalan Kingston. Highstreet AI ingin mengatasi kesenjangan ini.

Ini ditujukan untuk usaha kecil dan menengah yang setiap hari menerima pesanan email, pesan WhatsApp, dan telepon secara bersamaan, tetapi tidak memiliki sistem TI apa pun. Solusi Highstreet adalah menerapkan sekelompok Agen kolaboratif: satu bertanggung jawab untuk memahami kebutuhan yang masuk, satu untuk memeriksa inventaris real-time, satu untuk membuat draf faktur dan tautan pembayaran, dan terakhir memberi tombol "Setujui" di dashboard untuk bos.

Seluruh alur, manusia hanya perlu melakukan langkah konfirmasi terakhir. Klaim Highstreet adalah, sistem ini dapat menghemat lebih dari 10 jam per minggu untuk seorang pemilik toko, dan tidak perlu memahami teknologi apa pun.

AlphaMind AI: Membawa Logika Investasi Tingkat Institusi ke Investor Ritel Biasa

Ada parit yang dalam antara investor ritel biasa dan investor institusional, tidak sepenuhnya karena perbedaan jumlah modal, tetapi lebih karena kemampuan analisis dan kecepatan respons.

AlphaMind adalah produk yang mengisi celah ini. Pengguna dapat membandingkan portofolio investasi mereka dengan kepemilikan publik seperti Buffett, tetapi sistem tidak hanya memberi Anda grafik perbandingan, ia akan menganalisis risiko konsentrasi aset Anda di beberapa pialang dan bursa melalui Agen OpenClaw, lalu secara otomatis menjalankan operasi rebalancing. Posisinya adalah: alat masa lalu memberi tahu Anda apa yang terjadi, AlphaMind memberi tahu Anda mengapa, lalu menanganinya untuk Anda.

“Bapak Lobster” Peter Steinberger Hadir Secara Langsung

Pada November, pengembang Austria Peter Steinberger merilis proyek bernama "Clawdbot" bulan itu, Anda dapat mengirim pesan melalui Telegram atau WhatsApp, dan ia dapat membantu Anda mengelola kalender, menangani email, menjalankan skrip, bahkan menjelajahi web. Tidak ada yang menduga proyek ini akan menyapu dunia AI dalam waktu hanya dua bulan. OpenClaw menjadi viral pada akhir Januari 2026, pada 14 Februari, Steinberger mengumumkan bergabung dengan OpenAI, mendorong pengembangan AI Agent pribadi generasi berikutnya, sementara proyek OpenClaw dialihkan ke yayasan open source independen untuk terus dioperasikan. Adalah seorang pengembang yang baru saja menjadi pusat dunia AI, yang datang ke London karena hackathon ini.

Perjalanan ke London ini hampir tidak terwujud. Panitia mengungkapkan, Peter tiba-tiba menemukan masalah visa menjelang keberangkatan, "seluruh tim pada dasarnya panik", dan baru terselesaikan dengan mepet dua hari sebelum acara dimulai. Setelah visa beres, dia bahkan khusus mengubah jadwal penerbangan, memastikan dapat mengikuti semua agenda sesuai rencana. Ketika pertama kali memasuki ruang kelas Imperial College, dia hanya menunduk melihat ponsel, mencatat dengan serius, mempersiapkan pidato, sama sekali tidak memiliki sikap "AI selebritas".

Peter di hackathon ini

Dalam pesta venture capital Sequoia berikutnya, seorang pengembang yang tidak mendapatkan tiket berdiri di luar lokasi dalam hujan London, Peter memperhatikannya, tanpa ragu, langsung mendekat dan berbicara dengannya. Ditanya pertanyaan besar seperti "Bagaimana ledakan Agent akan mengubah masa depan model dasar besar", jawabannya jujur dan tegas: "Saya tidak tahu. Saya lebih pandai menggunakan alat yang ada untuk membangun hal-hal yang menarik." Pidato awalnya hanya dijadwalkan 30 menit, suasana现场 (lokasi) terlalu baik, pertanyaan penonton terus menerus, Peter tinggal selama lebih dari dua jam. Panitia事后 (setelahnya) berkata, "Ini sangat berarti bagi kami, jujur saja, kami masih berhutang maaf padanya."

Peter meninggalkan London dengan satu kalimat: "Anda tidak pergi untuk mencari makna, Anda pergi untuk menciptakan makna." Mungkin, ini adalah kalimat yang paling perlu didengar oleh setiap orang yang ingin berprestasi di era AI.

OpenClaw × Web3: Potensi Besar, Tetapi Keamanan adalah Kendala Terbesar

Steinberger sendiri tidak memiliki kesan baik dengan lingkaran crypto, tetapi daftar pengajuan hackathon ini dan posisi pribadinya membentuk kontras yang jelas. Di halaman proyek di DoraHacks, muncul beberapa arah yang dapat diterapkan secara konkret oleh Web3.

  • Identitas dan kedaulatan Agent adalah proposisi yang paling sering muncul. clawOS dibangun di atas protokol Nostr, setiap Agen memegang identitas dan dompet independen, tidak bergantung pada platform apa pun; Cortex.OS mencoba menyelesaikan masalah kotak hitam AI di Web3, membuat setiap langkah keputusan Agent dapat dilacak di chain.
  • Langsung mengelola uang adalah arah lain, Trading Narwhal dan Vibe4Trading sama-sama bertaruh pada Agent yang meningkat dari membantu melihat pasar hingga langsung mengeksekusi perdagangan, meskipun arsitektur OpenClaw sendiri tidak ramah terhadap private key.
  • Tata kelola dan pengawasan publik juga memunculkan beberapa proyek menarik: WatchDog menggunakan 6 Agen otonom untuk terus memindai kontrak pemerintah Inggris mendeteksi anomali, CivicLift memungkinkan warga berinteraksi dengan pemerintah daerah melalui Agent, GreenClaw melakukan pusat operasi keamanan kota dengan kolaborasi multi-Agen.

Tetapi dari awal hingga akhir, keamanan selalu menjadi halangan tersulit bagi OpenClaw untuk memasuki Web3. Agent dapat mengakses file, API, dan sistem Anda, tetapi tidak ada yang mengawasi apa yang sebenarnya dilakukannya. Dalam skenario yang melibatkan aset nyata, semua orang masih perlu sangat berhati-hati dalam mengadopsi OpenClaw.

Pertanyaan Terkait

QApa itu OpenClaw dan siapa penciptanya?

AOpenClaw adalah kerangka kerja inti untuk pengembangan AI Agent yang digunakan dalam hackathon. Penciptanya adalah Peter Steinberger, yang juga dikenal sebagai 'Bapak OpenClaw'.

QApa saja proyek menarik yang ditampilkan dalam UK AI Agent Hackathon 2026?

AEnam proyek menarik yang ditampilkan adalah AgroMind (manajemen risiko pertanian), ClawBio (platform terbuka untuk bioinformatika), BioSentinel (otomatisasi penemuan obat), 'London Nervous System' (manajemen kota cerdas), Highstreet AI (asisten digital untuk UKM), dan AlphaMind AI (alat investasi untuk ritel).

QBagaimana Peter Steinberger terlibat dalam acara ini dan apa pesan yang dia tinggalkan?

APeter Steinberger secara pribadi menghadiri hackathon di London meskipun sempat mengalami masalah visa. Pesan yang dia tinggalkan adalah: 'Kamu tidak pergi untuk mencari makna, kamu pergi untuk menciptakan makna'.

QApa potensi integrasi OpenClaw dengan Web3 dan tantangannya?

APotensinya termasuk identitas dan kedaulatan Agent, manajemen aset langsung (seperti perdagangan), serta pengawasan dan tata kelola publik. Namun, tantangan terbesarnya adalah masalah keamanan, karena Agent memiliki akses luas ke sistem dan data pengguna.

QApa keunggulan utama dari proyek ClawBio yang disebut sebagai 'Hugging Face untuk bioinformatika'?

AKeunggulan ClawBio adalah menyediakan gudang keterampilan bioinformatika terbuka yang dapat diakses dan digunakan kembali oleh Agent mana pun. Pendekatan 'Local-First' memastikan data pengguna diproses secara lokal untuk melindungi privasi, terutama dalam skenario perawatan kesehatan.

Bacaan Terkait

Ketika LP Mengajari Saya Berinvestasi Menggunakan Doubao: Sebuah Pengakuan Peralihan Karier dari GP Perusahaan Sekuritas Swasta

**Ringkasan: Ketika LP Menggunakan Doubao untuk Mengajari Saya Berinvestasi: Kisah Seorang GP Hedge Fund yang Beralih Profesi** Dengan semakin populernya AI, hubungan antara Limited Partner (LP) dan General Partner (GP) di industri hedge fund swasta (terutama yang berukuran kecil) mengalami ketegangan baru. Artikel ini menceritakan pengalaman "Er Gou", seorang mantan GP di sebuah hedge fund dolar AS lepas pantai berskala kecil yang berfokus pada saham AS, yang akhirnya beralih ke perusahaan startup AI. Er Gou mengungkapkan bahwa fund-nya, meski memiliki kinerja yang baik, kesulitan mendapatkan pendanaan dari LP institusional. Fund kecil seperti ini seringkali terjebak dalam struktur Cayman Islands yang "tradisional", kurang menarik bagi investor Asia yang lebih memercayai struktur di Hong Kong atau Singapura. Selain itu, fund yang menggunakan strategi subjektif (mengandalkan penilaian manusia) seperti miliknya semakin kalah bersaing dengan fund kuantitatif (yang menggunakan model algoritma) dalam hal menarik minat LP, terutama setelah AI membuat strategi kuantitatif terlihat lebih meyakinkan. Dampak utama AI adalah "meratakan" akses informasi dan kemampuan analisis. LP kini dapat menggunakan asisten AI seperti Doubao untuk meringkas laporan investasi, menganalisis pasar, bahkan mempertanyakan keputusan GP. Hal ini meningkatkan friksi. Er Gou mencontohkan seorang LP yang terus-menerus mempertanyakan strateginya berdasarkan kesimpulan dari AI, hingga akhirnya harus di-"clear". LP, yang sering kali merupakan orang sukses di bidangnya sendiri, kini merasa lebih berwenang dalam berinvestasi berkat bantuan AI. Masalahnya, banyak LP menggunakan AI "pendamping" yang lebih fokus pada nilai emosional dan bisa menghasilkan "halusinasi" atau kesimpulan yang tampak logis tetapi tidak selalu akurat. Mereka mencari konfirmasi, bukan analisis mendalam. Dalam pasar bull (seperti saham AI AS tahun ini), di mana investor retail bisa mendapat untung besar dengan fokus pada saham tren, LP mungkin merasa bisa berinvestasi sendiri dan mempertanyakan nilai tambah GP. Kesimpulannya, AI tidak serta-merta akan menggantikan GP. Manajemen aset pada dasarnya tetap merupakan layanan yang dibangun atas kepercayaan. Namun, AI telah mengubah dinamika. GP strategi subjektif menghadapi tekanan lebih besar untuk membuktikan nilai pakar mereka di luar apa yang bisa diberikan AI secara umum. Di sisi lain, fund kuantitatif justru bisa diperkuat oleh AI untuk pengembangan strategi yang lebih cepat. Tantangan sebenarnya adalah bagaimana GP dan LP menggunakan AI dengan tepat—bukan sebagai alat untuk sekadar memvalidasi pendapat, tetapi sebagai pengungkit untuk pengambilan keputusan yang lebih cerdas. Er Gou memandang, di masa depan, "hedge fund manusia" juga perlu belajar dari AI dalam hal memberikan nilai emosional dan membangun hubungan kepercayaan yang lebih kuat dengan LP.

Odaily星球日报10m yang lalu

Ketika LP Mengajari Saya Berinvestasi Menggunakan Doubao: Sebuah Pengakuan Peralihan Karier dari GP Perusahaan Sekuritas Swasta

Odaily星球日报10m yang lalu

Wang Chuan: Bagaimana Tetap Tidak Cemas Setelah Tetangga Lao Wang Mendapatkan Keuntungan Tiga Puluh Kali Lipat dari Investasi Saham Penyimpanan? (Tujuh) - Siklus Seperempat Abad

Penulis Wang Chuan melanjutkan pembahasan tentang risiko investasi dalam industri teknologi, khususnya di sektor penyimpanan dan semikonduktor. Industri ini memiliki dua jenis permintaan "refleksif": di tingkat produk (perusahaan berlomba-lomba berinvestasi saat "panik" mengikuti tren) dan di tingkat keuangan (spekulan yang mendorong harga saham ke ekstrem). Kedua lapisan ini saling memperkuat selama masa booming, menciptakan umpan balik positif yang eksponensial. Namun, begitu momentum berbalik, umpan balik negatif yang sama dahsyatnya akan terjadi, seperti longsor salju. Industri perangkat keras memiliki risiko tambahan: "efek cambuk" dalam rantai pasokan. Saat permintaan tiba-tiba lenyap, pasokan yang kaku menyebabkan kelebihan kapasitas berkepanjangan yang bisa memakan waktu bertahun-tahun untuk terserap. Selain itu, narasi pertumbuhan tinggi yang mendukung valuasi fantastis akan cepat ditinggalkan oleh modal spekulatif begitu pertumbuhan melambat, berpindah ke cerita baru. Data historis (Intel, Micron, Cisco) menunjukkan bahwa meskipun laba perusahaan meningkat drastis dalam 20 tahun, valuasi puncaknya di era gelembung teknologi tahun 2000-an tidak pernah terulang. "Jiwa" narasi valuasi ultra-tinggi telah lama pergi. Investor yang baru sukses di fase boom sering kali terjebak dalam dua pola pikir kaku: 1) Menyamakan permintaan kuat saat ini dengan permintaan berkelanjutan, dan menganggap pertumbuhan jangka pendek akan berlangsung selamanya. 2) Percaya bahwa menghasilkan uang cepat dan besar adalah hal yang mudah. Pola pikir ini berbahaya karena membuat mereka mengabaikan risiko dan terus bertahan terlalu lama dalam pesta spekulasi. Pada akhirnya, skenario ini menjadi asimetris: potensi gain mungkin masih ada, tetapi risikonya adalah koreksi harga lebih dari 80% dan periode pemulihan yang bisa memakan waktu puluhan tahun. "Spekulan refleksif" tidak akan sanggup menunggu selama itu. Investor seperti "Lao Wang" yang meraih untung 30x, jika menggunakan leverage, sangat mungkin tersapu bersih. Tanpa leverage, pola pikir "mudah dapat uang cepat" akan mendorongnya untuk berusaha mengembalikan kerugian dengan operasi yang semakin berisiko, yang akhirnya menghabiskan semua modalnya. Seperti kata Schopenhauer, mereka yang telah menyaksikan beberapa siklus hidup ibarat penonton yang melihat trik sulap yang sama dua atau tiga kali. Sihirnya hilang karena tidak lagi menipu.

marsbit37m yang lalu

Wang Chuan: Bagaimana Tetap Tidak Cemas Setelah Tetangga Lao Wang Mendapatkan Keuntungan Tiga Puluh Kali Lipat dari Investasi Saham Penyimpanan? (Tujuh) - Siklus Seperempat Abad

marsbit37m yang lalu

Saham AS Terlalu Mahal? CIO Top Ini Membongkar Dunia, Menemukan 5 Saham yang Lebih Menarik Daripada NVIDIA

**Rangkuman: 5 Saham Internasional yang Disebut Lebih Menarik dari NVIDIA** James Demmert, CIO Main Street Research, tetap bullish pada S&P 500 (target 8100), namun percaya peluang terbaik saat ini ada di luar AS. Ia merekomendasikan lima saham internasional dengan valuasi lebih menarik yang masih terpapar revolusi AI: 1. **ASML (Belanda):** "Pilihan utama" untuk 5 tahun. Perusahaan teknologi pembuat chip dengan eksposur global dan lindung nilai terhadap risiko USD. 2. **HSBC (UK):** Bank global dengan valuasi murah (PER 9x) dan pertumbuhan prospektif kuat, terutama di Asia. 3. **Siemens Energy (Jerman):** Bermain di infrastruktur kelistrikan global yang kritis untuk pusat data AI, cryptocurrency, dan EV. 4. **BHP Group (Australia):** "Saham tambang AI tersembunyi." Kebutuhan tembaga untuk pusat data dan ekspansi global mendorongnya. 5. **AstraZeneca (UK/Swedia):** Saham kesehatan yang undervalued (PER 18x) dengan pipeline kuat, diyakini akan bangkit seiring kontribusi AI di sektor kesehatan. **Alasan utama pasar internasional bisa unggul:** Selain **valuasi lebih murah**, ada perubahan kebijakan fiskal di **Eropa dan Jepang** yang melakukan stimulus besar-besaran, berbeda dengan AS yang sedang mengetat. Demmert menyarankan alokasi **45% portofolio untuk aset internasional**. Tren outperformance ini diprediksi berlangsung beberapa tahun ke depan.

marsbit40m yang lalu

Saham AS Terlalu Mahal? CIO Top Ini Membongkar Dunia, Menemukan 5 Saham yang Lebih Menarik Daripada NVIDIA

marsbit40m yang lalu

a16z Partner: Tiga Jalan Hidup Proyek Crypto Mencari PMF

Penulis: Jason Rosenthal Kompilasi: Deep Tide TechFlow Menemukan Product-Market Fit (PMF) adalah hal paling krusial bagi startup. Tanpanya, strategi lain sia-sia. Dalam ekosistem crypto, beberapa alat kuat seperti token dan efek jaringan justru bisa menyesatkan penilaian PMF. Namun, tim-tim terkemuka kini menemukan PMF lebih cepat, didorong oleh adopsi aplikasi seperti stablecoin. Artikel dari mitra operasional a16z Crypto, Jason Rosenthal, menguraikan tiga strategi praktis untuk menemukan PMF di Web3: **1. Ikat Klien Top, Bangun Produk Sesuai Kebutuhan Mereka** Bekerjasama erat dengan calon klien paling canggih di bidang Anda. Kebutuhan spesifik mereka menjadi cetak biru produk Anda. Meski lebih lambat daripada membangun produk generik, adopsi oleh klien besar (misalnya, yang menangani triliunan dolar) lebih bernilai daripada publisitas atau data TVL. Tren kolaborasi antara startup crypto dan fintech tradisional menunjukkan roadmap produk semakin sering ditulis oleh klien institusional. **2. Temukan Kurva Pertumbuhan Eksponensial, Ambil Posisi Lebih Dulu** Kadang PMF datang dari mengantisipasi ke mana pasar bergerak dan memposisikan diri lebih awal. Contoh paling nyata saat ini adalah pertumbuhan pesat **AI Agent** sebagai pelaku ekonomi mandiri. Infrastruktur yang memungkinkan Agent membayar layanan API secara mandiri menggunakan crypto (seperti AgentCash yang dibangun di atas protokol x402) adalah fondasi kritis. Siapa yang membangun jalur pembayaran ini sekarang, akan menguasai lapisan dasar ekonomi Agent masa depan. **3. Jadilah Klien Pertama dan Terbaik Anda Sendiri** Perusahaan infrastruktur yang paling tahan lama tidak menunggu pengembang eksternal untuk memvalidasi teknologi mereka. Mereka membangun aplikasi di atas infrastruktur mereka sendiri terlebih dahulu, membuktikan kemampuannya dalam skala nyata, baru kemudian membukanya untuk pihak lain. Pola ini diterapkan Amazon dengan AWS dan Matter Labs dengan ZKsync. ZKsync tidak hanya membangun blockchain, tetapi juga menciptakan aplikasi andalan di atasnya (Cari Network untuk deposito tokenisasi), menarik bank-bank regional AS untuk menggunakan teknologinya. Intinya: Jalur tercepat menuju PMF bukan trial and error dalam kegelapan, tetapi memilih medan yang tepat dan bergerak dengan keyakinan. Pilih pola yang cocok untuk produk Anda dan eksekusi.

marsbit42m yang lalu

a16z Partner: Tiga Jalan Hidup Proyek Crypto Mencari PMF

marsbit42m yang lalu

Trading

Spot
Futures
活动图片