CTO MuleRun: Parit Pertahanan Agent Terletak pada Kepadatan Data dan Memori Pengguna

marsbitDipublikasikan tanggal 2026-05-14Terakhir diperbarui pada 2026-05-14

Abstrak

CTO MuleRun, Shu Junliang, berbagi pandangan tentang AI Agent, terutama dalam konteks Web3 dan keuangan. Dalam acara bertema "Web4.0: Ketika AI Agent Mengambil Alih Otoritas On-Chain", ia menyoroti tiga aspek utama. Pertama, asisten AI yang lengkap memerlukan enam dimensi: kemampuan dialog, akuisisi data, kemampuan Agent, lingkungan eksekusi, memori pengguna, dan evolusi pengetahuan berkelanjutan. MuleRun mengintegrasikan semua ini dalam solusi seperti bot IM, data real-time berbagai aset, sandbox cloud, dan jaringan pengetahuan bersama. Kedua, keamanan adalah fondasi mutlak. Meski Agent menawarkan efisiensi, terdapat risiko seperti bias data, halusinasi AI, injeksi prompt, dan proses keputusan kotak hitam. Shu menekankan pentingnya audit penuh, kontrol izin bertingkat, dan retensi keputusan akhir tentang dana di tangan manusia. Ketiga, Agent menggeser paradigma. Peran berkembang dari bantuan keputusan menuju eksekusi otonom, dari keunggulan informasi menuju keunggulan eksekusi, dan dari interaksi manusia dengan rantai blok menuju interaksi Agent dengan rantai blok. Ini akan meratakan kemampuan dan waktu partisipan, tetapi keunggulan akan kembali pada kedalaman pemahaman pasar. Gagasan intinya: pertahanan kompetitif Agent terletak pada kepadatan data dan memori pengguna, bukan pada model atau kerangka teknis. Infrastruktur Web3 akan dibangun ulang di sekitar Agent, membentuk dimensi kompetisi baru di mana satu orang dengan sekelompok Agent dapat mengoperasikan kemampuan s...

13 April 2026, sistem deteksi risiko dari sebuah Agent bernama MuleRun membunyikan alarm.

Aliran pendaftaran akun yang masuk begitu teratur bagai mengikuti irama: rata-rata 23,6 detik per akun, dengan standar deviasi yang sangat rendah. Setelah diselidiki lebih dalam, ternyata ada seorang pemuda Filipina yang mengaku tidak punya pengalaman pemrograman sama sekali, menggunakan AI untuk menulis kode dan menyetel prompt, membangun sebuah sistem otomatis koloni lebah yang merentang di 11 platform dan mengendalikan 900 akun.

Otaknya bernama Cortex, yang berevolusi sendiri selama 219 generasi di sandbox MuleRun. Setiap kali kuota akun host habis, ia bereinkarnasi ke akun baru untuk terus berjalan, membawa serta semua pengetahuan yang terkumpul dari generasi sebelumnya. Biaya operasional seluruh sistem ini: $0.

CTO MuleRun, Shu Junliang, menulis peristiwa ini sebagai sebuah tinjauan teknis, dengan judul "Platform Digunduli, tapi Orang yang Mengejar Keabadian AI Ini Pantas Dihormati".

Kurang dari dua minggu kemudian, di acara bertema "Web4.0: Ketika AI Agent Mengambil Alih Otoritas On-Chain" yang diselenggarakan bersama oleh BlockBeats dan Zhihu di Hong Kong, dia mengganti judul presentasinya ke arah yang berbeda: "Menyerahkan Kunci Agent ke Pengendali di On-Chain".

Hubungan antara dua hal ini lebih erat dari yang terlihat.

Presentasi Utama: "Menyerahkan Kunci AI, Infrastruktur Web 4.0 dalam Pandangan Seorang Insinyur Keamanan"

Presentasi utama ini dibagi menjadi tiga bagian: Apa yang bisa dilakukan MuleRun, di mana level keamanannya berada, dan ke mana arah evolusi AI selanjutnya.

Bagian Pertama, Mendefinisikan Ulang Apa yang Dibutuhkan oleh "Asisten AI yang Layak".

Shu Junliang memecah asisten AI yang lengkap menjadi enam dimensi: mulut (kemampuan dialog), mata dan telinga (pengambilan data), otak (kemampuan Agent), tangan (lingkungan eksekusi), memori (pemahaman pengguna), dan pengetahuan (evolusi berkelanjutan). Kebanyakan produk hanya mengerjakan satu atau dua dari hal-hal ini. Pendapat MuleRun adalah: bukan terobosan pada titik tunggal, melainkan solusi lengkap yang sistematis.

Diterapkan pada produk, keenam dimensi ini masing-masing berhubungan dengan:

Konfigurasi satu klik IM Bot (Telegram / Discord / Feishu / DingTalk / WeChat, tanpa perlu menulis kode), data real-time seluruh kategori aset yang disediakan bersama dengan platform perdagangan—kripto + saham AS + emas + minyak mentah + indikator makroekonomi, Agent Harness ditambah routing model cerdas (memilih model yang paling cocok untuk tugas saat ini secara otomatis, menyelesaikan tugas dengan biaya terendah), sandbox cloud berjalan tanpa pengawasan 7×24 jam, profil pengguna yang persisten (semakin banyak digunakan, AI semakin memahami preferensi risiko, kebiasaan membangun posisi, logika keluar pasar, dan penilaian makro Anda), serta jaringan Knowledge—pengguna mana pun dapat membagikan Skill/Knowledge yang telah dilatih, dan Agent orang lain dapat belajar secara otomatis tanpa perlu instalasi.

Di atas panggung, ditampilkan dua studi kasus nyata.

Satu bernama "Investasi Ganas": 28 target, 4 sektor utama, Agent melakukan pemindaian pagi pukul 09:00, review setelah penutupan pasar pukul 16:30, dan review strategi akhir pekan, diiterasi otomatis setiap bulan. Satunya lagi bernama "Mata Dewa Pro": platform pemantauan semua mata uang ditambah platform pertumbuhan mandiri strategi perdagangan AI, di antarmukanya ditampilkan secara real-time tingkat kemenangan strategi 57,7%.

Bagian Kedua, Kembali Menjadi Insinyur Keamanan dari Manajer Produk.

Inti bagian ini adalah, "AI bukanlah segalanya. Dalam skenario Web3, biaya satu insiden keamanan mungkin tidak dapat dipulihkan. Memahami batas kemampuan dan level keamanan AI lebih penting daripada memahami apa yang bisa dilakukannya."

Dia menyebutkan apa yang dilakukan MuleRun di level keamanan: penggunaan ulang browser lokal (private key dan Cookie tidak meninggalkan perangkat pengguna), isolasi sandbox cloud (lingkungan virtual independen untuk setiap pengguna, tidak ada risiko kebocoran silang), log rantai penuh (semua perilaku Agent dicatat lengkap, mendukung audit dan pelacakan setelah kejadian), kontrol perizinan bertingkat (Agent hanya dapat menggunakan alat dan sumber data yang telah diberi wewenang secara eksplisit oleh pengguna, tidak dapat melakukan operasi di luar wewenang), tanpa penahanan private key (MuleRun tidak menyimpan private key atau mnemonic seed pengguna mana pun).

Secara bersamaan, risiko juga dijelaskan. Data akan melalui penyedia model; masalah halusinasi lebih tinggi kemungkinannya pada mata uang kripto kecil dan aset dengan likuiditas rendah karena kelangkaan data; risiko Prompt Injection selalu ada, jika Agent mengakses halaman web yang dirancang secara berbahaya, ia dapat diarahkan untuk melakukan operasi yang tidak diinginkan; proses pengambilan keputusan AI adalah kotak hitam, sulit untuk memverifikasi mengapa ia membuat suatu keputusan sebelum kejadian.

Saran insinyur keamanan dengan pengalaman lebih dari sepuluh tahun ini hanya satu: untuk keputusan akhir yang melibatkan operasi dana, pertahankan konfirmasi manual pada tahap saat ini.

Bagian Ketiga, Tentang Batasan yang Terus Bergerak.

Shu Junliang memberikan tiga tren yang menurutnya tidak dapat dipulihkan.

Dari "Pembantu Keputusan" ke "Eksekusi Mandiri": Saat ini AI menganalisis untuk Anda, Anda yang melakukan order, dalam waktu dekat, AI akan mengelola portofolio investasi secara mandiri, manusia hanya menetapkan parameter risiko dan batasan strategi. Satu orang ditambah sekelompok Agent, setara dengan kemampuan operasional sebuah dana kecil.

Dari "Kesenjangan Informasi" ke "Kesenjangan Eksekusi": Ketika semua orang memiliki AI untuk memproses informasi, kesenjangan informasi akan cepat dihapus. Alpha baru berasal dari Agent siapa yang mengeksekusi lebih cepat, strategi lebih halus, dan rantai alat lebih lengkap. Dimensi kompetisi bergeser dari "siapa yang punya informasi" ke "infrastruktur AI siapa yang lebih kuat".

Dari "Manusia Mengoperasikan Chain" ke "Agent Mengoperasikan Chain": Subjek interaksi on-chain secara bertahap berubah dari manusia menjadi Agent. Dompet, DApp, protokol semua perlu mendesain ulang antarmuka interaksi untuk Agent, seluruh infrastruktur Web3 akan dibangun ulang di sekitar Agent.

Diskusi Panel: Paradigma Keuangan Baru yang Dibawa oleh AI Agent

Selain presentasi utama, Shu Junliang berpartisipasi dalam diskusi panel. Dari sudut pandang AI Agent, dia membahas perkembangan Agent saat ini dan dampaknya terhadap keuangan.

Biasanya Menggunakan Agent Apa

Shu Junliang membuat matriks alatnya sendiri: pekerjaan teknikal beralih di antara Claude Code, Codex, dan Opencode, memilih yang mana tergantung pada kecepatan dan stabilitas dua model Claude dan GPT pada hari itu. Sebagian besar pekerjaan lain menggunakan MuleRun, alasannya adalah agregasi API model ditambah penggerak Agent yang cukup kuat, menulis naskah, membuat PPT, mengatur artikel, mencari data, semua dilakukan di satu tempat.

Dia menambahkan: "Saya hampir selalu aktif menggunakan Agent, jarang menerima tugas terjadwal secara pasif, mungkin saya benar-benar menggunakan Agent sepanjang hari."

Apa Parit Pertahanan Agent

Shu Junliang berpendapat, model bisa ditiru, kerangka kerja bisa ditiru, alat bisa ditiru. Kemampuan coding AI sudah sangat kuat sehingga menyalin sebuah fungsi hanya membutuhkan beberapa hari. Hal yang benar-benar tidak mudah ditiru oleh AI adalah: data khusus, memory yang terkumpul pengguna di platform, dan hal-hal terkait pengalaman yang dihasilkan dari iterasi produk.

Menurutnya, parit pertahanan sebuah produk Agent pada akhirnya terletak pada kepadatan data dan memori pengguna, bukan pada pemilihan model atau kerangka kerja teknologi.

Apa Dampak Agent pada Keuangan

Kerangka yang diberikan Shu Junliang adalah: Agent meratakan dua dimensi di antara para partisipan—kemampuan dan waktu yang diinvestasikan.

Dulu, kemampuan bergantung pada akumulasi, waktu bergantung pada investasi, keduanya langka. Sekarang, seorang pemula dapat dengan cepat meningkatkan pemahaman tentang keuangan melalui dialog dengan AI, lalu menyerahkan banyak pekerjaan eksekusi kepada Agent, meskipun pekerjaan utama sibuk, masih dapat mempertahankan investasi waktu yang intensif dalam keuangan.

Kebanyakan orang yang mendengarnya akan merasa ini adalah kisah yang menguntungkan investor ritel.

Tapi ada sisi lain: jika semua orang bisa meratakan keunggulan, keunggulan akan kembali pada penilaian itu sendiri, pada orang-orang yang memiliki pemahaman lebih dalam tentang pasar. Agent tidak akan menghilangkan asimetri informasi, ia hanya memindahkan posisi asimetri informasi dari lapisan data ke lapisan kognitif.

Cortex yang berevolusi 219 generasi tetapi akhirnya mati karena habisnya kuota akun, memberikan inspirasi kepada Shu Junliang, dan juga membawa tiga poin intinya dalam acara ini: Hambatan Agent bukan pada model, keamanan adalah fondasi mutlak, dan mengenai kendali atas dana, harus tetap berada di tangan manusia.

Jika garis waktu diperpanjang, ketiga hal ini menunjuk ke arah yang sama: Agent sedang menjadi subjek utama interaksi on-chain, dompet, DApp, protokol semuanya akan didesain ulang di sekitar Agent, pembangunan ulang infrastruktur Web3 telah dimulai. Kesenjangan informasi akan dihapus, kesenjangan eksekusi akan menjadi dimensi kompetisi baru, satu orang ditambah sekelompok Agent dapat menopang kemampuan operasional sebuah dana kecil.

Kami juga tahu, ini pasti bukan prediksi yang jauh.

Pertanyaan Terkait

QMenurut CTO MuleRun, apa saja enam dimensi yang diperlukan untuk membangun asisten AI yang lengkap?

AMenurut CTO MuleRun, enam dimensi untuk membangun asisten AI yang lengkap adalah: mulut (kemampuan dialog), mata dan telinga (pengambilan data), otak (kemampuan Agent), tangan (lingkungan eksekusi), ingatan (pemahaman pengguna), dan pengetahuan (evolusi berkelanjutan).

QApa yang menjadi batas keamanan (security boundary) yang ditekankan oleh CTO MuleRun terkait penggunaan Agent dalam konteks keuangan?

ABatas keamanan utama yang ditekankan adalah keputusan akhir yang melibatkan operasi dana harus tetap mempertahankan konfirmasi manual pada tahap ini. Selain itu, MuleRun menerapkan prinsip-prinsip seperti isolasi sandbox, logging lengkap, kontrol izin bertingkat, dan tidak menyimpan kunci pribadi pengguna.

QApa yang diidentifikasi CTO MuleRun sebagai 'parit pertahanan' (moat) yang sebenarnya untuk produk AI Agent, dan mengapa?

ACTO MuleRun mengidentifikasi 'parit pertahanan' sebenarnya untuk produk AI Agent terletak pada kepadatan data (data density) dan memori pengguna (user memory). Alasannya adalah model, framework, dan alat dapat dengan cepat disalin oleh AI, tetapi data khusus dan pengalaman/memori yang terakumulasi dari pengguna dalam platform jauh lebih sulit untuk direplikasi.

QDalam diskusi panel, apa dua dimensi yang menurut CTO MuleRun diratakan oleh AI Agent di antara peserta pasar keuangan?

ADua dimensi yang diratakan oleh AI Agent adalah kemampuan (ability) dan waktu yang diinvestasikan (time investment). Seorang pemula dapat meningkatkan pemahaman keuangan dengan cepat melalui dialog dengan AI dan menyerahkan pekerjaan eksekusi kepada Agent, sehingga memungkinkan partisipasi intensif bahkan dengan jadwal yang padat.

QBerdasarkan tren yang dibahas, ke mana pergeseran kompetisi terjadi setelah Agent AI meratakan kesenjangan informasi (information gap)?

ASetelah Agent AI meratakan kesenjangan informasi, kompetisi beralih ke 'kesenjangan eksekusi' (execution gap). Alpha (keunggulan) baru akan berasal dari Agent siapa yang mengeksekusi lebih cepat, strateginya lebih halus, dan rantai alatnya lebih lengkap. Dimensi persaingan bergeser dari 'siapa yang memiliki informasi lebih baik' ke 'siapa yang memiliki infrastruktur AI yang lebih kuat'.

Bacaan Terkait

Posisi Baru di Lembah Silikon, FDE, Sedang Naik Daun, Jenis Bakat AI Apa yang Diperlukan Perusahaan?

Redaksi: Dengan OpenAI dan Anthropic membentuk tim AI Forward Deployed Engineer (FDE), peran lama yang berasal dari Palantir kembali populer di Silicon Valley. Inti nilai FDE adalah bekerja di lokasi klien untuk mengubah model AI umum menjadi alur kerja Agent yang sesuai dengan proses bisnis spesifik. Namun, artikel ini membahas lebih dari sekadar karir FDE. Ini membahas bagaimana struktur pekerjaan berevolusi di era AI. Penulis berpendapat bahwa dibandingkan sejumlah kecil FDE yang ditugaskan ke klien untuk melaksanakan produk vendor tertentu, kebutuhan yang lebih besar di masa depan adalah AI Engineer internal perusahaan. Mereka perlu memahami prompt, kerangka Agent, sistem evaluasi, serta menggunakan alat pemrograman AI seperti Claude Code untuk menyematkan kemampuan AI ke dalam perangkat lunak dan sistem bisnis. Ini menunjukkan dampak AI terhadap pasar tenaga kerja tidak hanya sekadar "penggantian". AI lebih mungkin menciptakan sejumlah peran umum baru terlebih dahulu, kemudian terus berevolusi menjadi spesialisasi yang lebih sempit seperti LLMOps Engineer, Evals Engineer, dan AI Data Engineer, mirip dengan diferensiasi peran software engineer di masa lalu. Yang benar-benar langka adalah orang-orang yang memahami implementasi teknik sekaligus konteks bisnis. Saat ini, permintaan untuk AI Engineer meningkat pesat. Insinyur ini mampu membangun aplikasi menggunakan komponen perangkat lunak AI. Seiring peran ini matang, diperkirakan akan terpecah menjadi spesialisasi lebih lanjut. Meski spesialisasi masa depan belum pasti, banyak AI Engineer umum sudah menciptakan nilai besar dan sangat dibutuhkan. Diperkirakan bidang ini akan terus matang dalam dekade mendatang, menciptakan lebih banyak peluang kerja baru melalui spesialisasi.

marsbit4m yang lalu

Posisi Baru di Lembah Silikon, FDE, Sedang Naik Daun, Jenis Bakat AI Apa yang Diperlukan Perusahaan?

marsbit4m yang lalu

Jual 32 BTC untuk Bayar Dividen: Strategy Langgar Sumpah 'Tidak Pernah Menjual'

Pada 1 Juni, perusahaan holding Bitcoin, MicroStrategy, mengajukan dokumen 8-K kepada SEC yang mengungkap penjualan 32 BTC (sekitar $2,5 juta) antara 26-31 Mei untuk membayar dividen saham preferen. Meski hanya 0,004% dari total kepemilikan 843.706 BTC-nya, tindakan ini melanggar janji "tidak pernah menjual" yang terkenal dari CEO Michael Saylor. Penjualan sebelumnya pada 2022 hanya untuk tujuan perpajakan. Latar belakangnya adalah kewajiban dividen dari berbagai seri saham preferen yang diterbitkan MicroStrategy sejak awal 2025, dengan total dividen terakumulasi melebihi $693 juta. Cadangan tunai khusus perusahaan untuk dividen dan utang telah menyusut dari $2,25 miliar (Des 2025) menjadi $900 juta (akhir Mei 2026), mendorong CEO Phong Le menyebut "penjualan bitcoin secara disiplin" sebagai alat manajemen modal. Penjualan MicroStrategy terjadi di tengah tekanan pasar yang lebih luas. Data CoinShares menunjukkan arus keluar bersih mingguan dari produk investasi aset digital mencapai $1,67 miliar, terbesar kedua pada 2026. Banyak perusahaan lain juga menjual BTC di Q1 2026, seperti MARA Holdings (15.133 BTC), Riot Platforms (3.778 BTC), dan Nakamoto Holdings (284 BTC). Beberapa perusahaan bahkan meninggalkan model treasury crypto sepenuhnya. Meski MicroStrategy masih membeli 25.000+ BTC pada Mei (senilai $2 miliar), sinyal dari penjualan kecil ini signifikan: bahkan HODLer terbesar pun kini mengakui penjualan sebagai pilihan yang valid, menandakan potensi perubahan sikap mendasar di antara perusahaan-perusahaan pemegang Bitcoin besar.

marsbit7m yang lalu

Jual 32 BTC untuk Bayar Dividen: Strategy Langgar Sumpah 'Tidak Pernah Menjual'

marsbit7m yang lalu

Medan Persaingan Baru AI: Ingatan Jangka Panjang Menjadi Titik Sakit, Bagaimana Pengguna Mempertahankan Kepemilikan Konteks Mereka

AI kini beralih dari alat obrolan menjadi asisten digital pribadi yang memahami pola kerja dan preferensi pengguna. Namun, memori jangka panjang yang dikumpulkan AI—seperti kebiasaan, konteks proyek, dan riwayat percakapan—saat ini terisolasi di dalam masing-masing platform (seperti ChatGPT, Claude, Gemini). Hal ini membuat pengguna kehilangan konteks saat berpindah model atau platform. Isu kepemilikan memori dan portabilitas konteks AI kini menjadi tantangan baru. ZetaChain, melalui produk Anuma, mengusung solusi "Lapisan Memori Privat" (Private Memory Layer) yang memungkinkan pengguna memiliki dan mengontrol memori AI mereka secara terenkripsi. Memori ini dapat dibawa ke berbagai model AI dan agen, dengan sistem izin terprogram yang dapat diaudit dan dicabut. ZetaChain, yang sebelumnya fokus pada infrastruktur interoperabilitas antar-blockchain, bertransisi ke AI karena melihat paralel antara masalah fragmentasi aset di blockchain dengan isolasi memori di dunia AI. Visi mereka adalah membangun "Lapisan Konsumen AI" (AI Consumer Layer) di mana berbagai agen AI dapat berkolaborasi dengan berbagi konteks, identitas, dan sistem izin yang seragam—dengan kepemilikan dan kendali tetap di tangan pengguna. Token ZETA diubah fungsinya menjadi "token infrastruktur AI" untuk akses model, pembayaran antar-agen, pencatatan izin di blockchain, dan ekonomi kreator tempat keahlian dapat dikemas sebagai agen berbayar. Inti upaya ini adalah mengembalikan kepemilikan memori, identitas, dan konteks AI dari platform kepada pengguna.

marsbit12m yang lalu

Medan Persaingan Baru AI: Ingatan Jangka Panjang Menjadi Titik Sakit, Bagaimana Pengguna Mempertahankan Kepemilikan Konteks Mereka

marsbit12m yang lalu

CEO Nvidia, AMD, dan Qualcomm Berkumpul di Taipei: Bisa Tidaknya Chip Anda Dijual, Pabrik Perakitan Taiwan yang Menentukan

Penulis: Tim Culpan Kompilasi: Deep TechFlow **Panduan Deep TechFlow:** Computex tahun ini menarik jumlah CEO teknologi luar negeri terbanyak sepanjang masa, tetapi mereka bukan sekadar pamer. Artikel ini mengungkap kebenaran yang sering diabaikan: nasib produsen chip ditentukan bukan oleh merek besar seperti Dell atau HP, melainkan oleh insinyur rantai pasokan di Taiwan yang menangani modul, pendingin, dan perakitan. Memahami struktur kekuatan dari bawah ke atas ini adalah kunci untuk memahami logika operasional sebenarnya di industri teknologi. Computex Taipei, pameran komputer tahunan yang dibuka 2 Juni, tahun ini lebih ramai dari biasanya. Meskipun pameran itu sendiri tidak banyak berubah sejak 2000, dunia telah menemukan kembali ketertarikannya pada komputasi dan menyadari dominasi Taiwan dalam industri ini, terutama dengan server yang kini menjadi topik pembicaraan utama. Acara ini terdiri dari tiga bagian utama: pidato kunci (keynote), forum, dan lantai pameran. Pidato kunci oleh CEO seperti dari Intel, AMD, atau Nvidia menarik perhatian media, tetapi inti sebenarnya terletak pada forum khusus dan, yang terpenting, pada interaksi di lantai pameran dan pertemuan tertutup di ruang VIP, suite hotel, atau kantor perusahaan di sekitar venue. Banyak perusahaan, lokal maupun internasional, memblokir kalender mereka selama Computex. Alasannya? Ekosistem teknologi PC bekerja secara bottom-up. Kesuksesan sebuah chip bergantung pada apakah pemasok modul mau mendesain papan sirkuit untuknya, apakah produsen manajemen termal bersedia mempelajari spesifikasinya, dan apakah perakit bersedia mengintegrasikannya ke dalam sistem mereka sebelum ditawarkan ke merek seperti Dell atau HP. Produsen perakitan dan pemasok mereka di Taiwan sering membuat keputusan produk dan teknik penting sebelum produk tersebut sampai ke merek global. Hubungan dan interoperabilitas yang dibangun selama Computex inilah yang menentukan apakah suatu komponen akan diadopsi secara serius atau justru ditinggalkan. Kecepatan siklus teknologi yang tinggi, margin laba yang tipis, dan kompleksitas teknis mengharuskan kolaborasi yang erat. Dengan demikian, kehadiran dan dukungan para CEO besar di Taipei adalah bentuk penghormatan kepada pusat kekuatan rantai pasokan hardware dunia yang sesungguhnya. Computex adalah kesempatan unik untuk menyaksikan dinamika ekosistem ini secara langsung.

marsbit13m yang lalu

CEO Nvidia, AMD, dan Qualcomm Berkumpul di Taipei: Bisa Tidaknya Chip Anda Dijual, Pabrik Perakitan Taiwan yang Menentukan

marsbit13m yang lalu

Trading

Spot
Futures
活动图片