Memahami Kolam Profit dan Lanskap Industri dalam Hierarki Penyimpanan AI dalam Satu Artikel

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

Abstrak

**Ringkasan:** AI storage dibagi menjadi enam lapisan berdasarkan kedekatan dengan unit komputasi: SRAM on-chip, HBM, DRAM motherboard, lapisan pooling CXL, SSD kelas perusahaan, serta NAS dan penyimpanan objek cloud. Pada 2025, total pasar mencapai sekitar $229 miliar, didominasi oleh DRAM (50%), HBM (15%), dan SSD (11%). Struktur pasar sangat terkonsentrasi, dengan tiga pemain utama (Samsung, SK Hynix, Micron) menguasai >90% di lapisan atas. Terdapat tiga jenis kolam laba utama: 1. **Kolam laba oligarki dengan margin tinggi** (HBM, SRAM tertanam, SSD QLC): HBM adalah yang paling menguntungkan (margin operasi Hynix mencapai 72%), didorong oleh permintaan tinggi dan proses manufaktur kompleks (TSV, CoWoS). Pasar HBM diproyeksikan tumbuh CAGR ~40% hingga $100 miliar pada 2028. 2. **Kolam laba baru dengan margin tinggi** (CXL): Teknologi yang memungkinkan pooling memori di tingkat rak, dengan pertumbuhan diperkirakan sangat cepat (CAGR 37%). 3. **Kolam laba berbasis layanan dengan skala besar** (NAS, cloud storage): Mengandalkan penguncian ekosistem dan biaya perpindahan yang tinggi. Intinya: Semakin dekat lapisan penyimpanan dengan unit komputasi (seperti HBM), semakin langka, tinggi marginnya, dan teknologinya semakin kompleks. Pertumbuhan utama berasal dari HBM, SSD kelas perusahaan, dan CXL. Dominasi tiga raksasa memori (Samsung, SK Hynix, Micron) terlihat di hampir semua lapisan kecuali SRAM on-chip (didominasi TSMC) dan CXL Retimer (didominasi Astera Labs).

Penulis: Godot

Penyimpanan AI dapat dibagi menjadi enam lapisan,

1) SRAM on-chip

2) HBM

3) DRAM motherboard

4) Lapisan poolisasi CXL

5) SSD kelas enterprise

6) NAS dan penyimpanan objek awan

Hierarki ini dibagi berdasarkan lokasi penyimpanan, semakin ke bawah semakin jauh dari unit komputasi, dan kapasitas penyimpanan semakin besar.

Pada tahun 2025, total pasar keenam lapisan ini (nilai tertanam SRAM pada chip komputasi perlu dikeluarkan) sekitar $229 miliar, dengan DRAM setengahnya, HBM 15%, dan SSD 11%.

Mengenai profitabilitas, setiap lapisan sangat terkonsentrasi dengan tingkat oligopoli yang ekstrem, tiga lapisan teratas umumnya memiliki pangsa pasar lebih dari 90%.

Kolam profit ini dapat dibagi menjadi tiga kategori,

1) Kolam oligopoli dengan margin kotor tinggi di lapisan wafer (HBM, SRAM tertanam, SSD QLC)

2) Kolam baru yang sedang berkembang dengan margin kotor tinggi di lapisan interkoneksi (CXL)

3) Kolam efek majemuk berskala di lapisan layanan (NAS, penyimpanan objek awan)

Sifat, tingkat pertumbuhan, dan parit pertahanan ketiga jenis kolam ini berbeda.

Mengapa Penyimpanan Berlapis?

Karena chip CPU yang bertanggung jawab atas kontrol dan chip GPU yang bertanggung jawab atas komputasi hanya memiliki cache sementara, yaitu cache SRAM on-chip. Ruang cache ini terlalu kecil, hanya bisa menampung parameter sementara, tidak cukup untuk model besar.

Di luar kedua chip ini, diperlukan memori eksternal yang lebih besar untuk menyimpan model besar dan konteks inferensi.

Komputasi sangat cepat, namun perpindahan data antar lapisan penyimpanan memiliki latensi dan konsumsi energi, inilah masalah terbesarnya.

Oleh karena itu, saat ini ada tiga arah,

1) Menumpuk HBM, menempatkan memori di samping GPU untuk memperpendek jarak perpindahan

2) CXL mem-pooling memori ke tingkat rak, berbagi kapasitas

3) Menyatukan komputasi dan penyimpanan pada wafer yang sama, komputasi dalam memori

Ketiga arah ini akan menentukan bentuk kolam profit setiap lapisan dalam lima tahun ke depan.

Berikut adalah penjelasan spesifik per lapisan,

L0 SRAM On-Chip: Kolam Profit Eksklusif TSMC

SRAM (Static Random-access Memory, penyimpanan akses acak statis) adalah cache internal CPU/GPU, tertanam di setiap chip, tidak diperdagangkan secara terpisah.

Pasar wafer SRAM mandiri hanya berukuran $10–17 miliar, dengan pemimpin pasar Infineon (sekitar 15%), Renesas (sekitar 13%), ISSI (sekitar 10%), pasarnya kecil.

Kolam profit bagian ini ada di TSMC, setiap generasi chip AI untuk memasukkan lebih banyak SRAM harus membeli lebih banyak wafer.

Lebih dari 70% wafer proses canggih global berada di tangan TSMC. Area SRAM dari setiap H100, B200, TPU v5, dll., akhirnya berubah menjadi pendapatan TSMC.

L1 HBM: Kolam Profit Terbesar Era AI

HBM (High Bandwidth Memory, memori bandwidth tinggi) adalah DRAM (Dynamic Random-access Memory, memori akses acak dinamis) yang ditumpuk secara vertikal dengan teknologi TSV (Through-Silicon Via), lalu ditempelkan di samping GPU melalui kemasan CoWoS.

HBM hampir sendirian menentukan seberapa besar model yang dapat dijalankan oleh akselerator AI. Pangsa pasar SK hynix, Micron, dan Samsung hampir 100%.

Hingga kuartal pertama 2026, struktur pangsa pasar terbaru adalah: SK hynix 57% hingga 62%, Samsung 22%, Micron 21%. SK hynix memperoleh banyak bagian pembelian dari perusahaan seperti NVIDIA, menjadi pemasok dominan saat ini.

Laporan laba rugi kuartal pertama tahun fiskal 2026 Micron menyebutkan, TAM (Total Addressable Market) HBM akan tumbuh dengan CAGR sekitar 40%, dari sekitar $35 miliar pada 2025 menjadi $100 miliar pada 2028, mencapai titik $100 miliar dua tahun lebih cepat dari perkiraan sebelumnya.

Keunggulan utama HBM terletak pada margin keuntungan yang sangat tinggi. Pada kuartal pertama 2026, margin operasi SK hynix mencapai rekor 72%.

Alasan profitabilitas tinggi,

1) Proses manufaktur TSV mengorbankan sebagian kapasitas DRAM tradisional, menjaga HBM dalam keadaan pasokan terbatas;

2) Meningkatkan yield kemasan canggih sulit, penurunan pangsa Samsung sebelumnya dari 40% menjadi 22% juga dipengaruhi hal ini;

3) Pemasok utama melakukan ekspansi dengan hati-hati, dan mencapai kenaikan harga jual rata-rata (ASP) DRAM lebih dari 60% secara kuartalan pada kuartal pertama 2026, menunjukkan posisi pasar yang jelas sebagai penjual.

Dari tiga raksasa, didorong kuat oleh HBM, laba operasi SK hynix pada 2025 mencapai 47.21 triliun won Korea, secara historis pertama kali melampaui Samsung Electronics. Pada kuartal pertama 2026, dengan margin operasi 72%, bahkan melebihi tingkat profitabilitas TSMC (58.1%) dan NVIDIA (65%).

Micron memiliki ekspektasi pertumbuhan yang sangat tinggi, Bank of America (BofA) pada Mei 2026 secara signifikan menaikkan target harganya menjadi $950. Samsung, dengan produksi massal HBM4 yang terus berlanjut, memiliki ruang terbesar untuk pemulihan pangsa pasar.

L2 DRAM Motherboard

Lapisan ini adalah yang biasa kita sebut modul memori (memory stick).

DRAM motherboard mencakup produk memori konvensional seperti DDR5, LPDDR, GDDR, MR-DIMM, dll. Saat ini merupakan bagian dengan proporsi penjualan pasar tertinggi dalam sistem penyimpanan AI. Total pasar DRAM global pada 2025 mencapai sekitar $121.83 miliar.

Samsung, SK hynix, dan Micron masih mendominasi sebagian besar pasar. Menurut data terbaru kuartal keempat 2025, Samsung menduduki peringkat pertama dengan pangsa pasar 36.6%, SK hynix kedua dengan 32.9%, dan Micron ketiga dengan 22.9%.

Saat ini, peralihan kapasitas ke HBM yang lebih menguntungkan menjaga profitabilitas dan kekuatan penetapan harga memori. Meskipun margin keuntungan produk tunggal DRAM motherboard biasa tidak setinggi HBM, tetapi ukuran pasar keseluruhannya yang terbesar.

L3 Lapisan Poolisasi CXL

CXL (Compute Express Link) memungkinkan DRAM dari motherboard server tunggal untuk di-pooling ke seluruh rak.

Setelah CXL 3.x, di masa depan semua memori dalam satu kabinet dapat dibagikan dan dialokasikan sesuai kebutuhan oleh beberapa GPU. Memecahkan masalah KV cache, database vektor, dan indeks RAG yang tidak muat dan sulit dipindahkan selama inferensi AI.

Modul memori CXL hanya $1.6 miliar pada 2024, diproyeksikan menjadi $23.7 miliar pada 2033. Tampaknya, struktur oligopoli Samsung, SK hynix, dan Micron tetap berlaku.

Di lapisan ini, Astera Labs membuat retimer dan pengontrol memori cerdas antara CXL dan PCIe, menguasai sekitar 55% pangsa sub-pasar tersebut. Pendapatan kuartal terbaru $308 juta, +93% YoY, margin kotor non-GAAP 76.4%, laba bersih +85% YoY. Bisa dibilang sangat menguntungkan.

L4 SSD Kelas Enterprise: Penerima Manfaat Terbesar Era Inferensi

SSD NVMe kelas enterprise adalah medan utama untuk checkpoint pelatihan AI, indeks RAG, offload KV cache, dan caching bobot model. SSD kapasitas besar QLC telah sepenuhnya menggusur HDD dari data lake AI.

Pasar SSD kelas enterprise pada 2025 sekitar $26.1 miliar, CAGR 24%, diproyeksikan menjadi $76 miliar pada 2030.

Strukturnya? Benar, tetap didominasi tiga raksasa.

Pangsa pasar berdasarkan pendapatan Q4 2025: Samsung 36.9%, SK hynix (termasuk Solidigm) 32.9%, Micron 14.0%, Kioxia 11.7%, SanDisk 4.4%. Lima besar total sekitar 90%.

Perubahan terbesar di lapisan ini adalah ledakan SSD QLC dalam skenario inferensi AI. Anak perusahaan SK hynix, Solidigm, dan Kioxia telah membuat produk dengan kapasitas 122 TB per disk. KV cache inferensi AI dan indeks RAG sedang meluber dari HBM ke SSD.

Dari perspektif kolam profit, SSD kelas enterprise tidak memiliki margin kotor se-ekstrem HBM, tetapi menikmati manfaat ganda dari dorongan kapasitas dan ekspansi inferensi.

SK hynix dan Kioxia adalah opsi yang relatif murni. Samsung dan SK hynix sekaligus menikmati tiga lapis manfaat HBM + DRAM + NAND, merupakan perusahaan platform penyimpanan AI yang lebih komprehensif.

L5 NAS dan Penyimpanan Objek Awan: Kolam Efek Majemuk Tarikan Data

NAS dan penyimpanan objek awan adalah lapisan terluar untuk data lake AI, korpus pelatihan, cadangan arsip, dan kolaborasi antar tim. Pada 2025, NAS sekitar $39.6 miliar (CAGR 17%), penyimpanan objek awan sekitar $9.1 miliar (CAGR 16%).

Penyimpanan file kelas enterprise terutama dari NetApp, Dell, HPE, Huawei; untuk UKM adalah Synology, QNAP. Untuk penyimpanan objek awan, berdasarkan perkiraan pangsa IaaS: AWS sekitar 31–32%, Azure sekitar 23–24%, Google Cloud sekitar 11–12%, ketiganya total sekitar 65–70%.

Profit di lapisan ini terutama dari hosting jangka panjang + egress data + penguncian ekosistem.

Ringkasan,

1) DRAM pasar terbesar tetapi margin kotor terendah 30–40%; HBM pasar hanya sepertiga DRAM, tetapi margin kotor dua kali lipat 60%+; retimer CXL pasar terkecil, margin kotor tertinggi 76%+. Semakin dekat ke komputasi, semakin langka, semakin menguntungkan.

2) Pertumbuhan kolam profit terutama berasal dari tiga tempat: HBM (CAGR 28%), SSD kelas enterprise (CAGR 24%), poolisasi CXL (CAGR 37%).

3) Setiap lapisan memiliki hambatan bisnis yang berbeda: HBM bergantung pada hambatan teknologi, TSV, CoWoS, peningkatan yield; CXL bergantung pada IP dan sertifikasi, rantai pasok tunggal retimer; layanan bergantung pada biaya peralihan.

Pertanyaan Terkait

QApa saja enam lapisan hierarki penyimpanan AI yang diuraikan dalam artikel, dan bagaimana karakteristiknya?

AArtikel ini menguraikan enam lapisan hierarki penyimpanan AI: 1) SRAM di atas chip (cache sementara di CPU/GPU), 2) HBM (memori bandwidth tinggi di samping GPU), 3) DRAM papan utama (modul memori konvensional), 4) Lapisan pooling CXL (memori yang dipooling di tingkat rak), 5) SSD tingkat perusahaan (untuk checkpoint, cache), dan 6) NAS & penyimpanan objek cloud (danau data AI). Semakin rendah lapisannya, semakin jauh dari unit komputasi dan semakin besar kapasitas penyimpanannya.

QMengapa HBM dianggap sebagai kolam keuntungan terbesar di era AI, dan siapa saja pemain utamanya?

AHBM dianggap sebagai kolam keuntungan terbesar karena permintaannya yang sangat tinggi untuk menjalankan model AI besar, dengan margin keuntungan yang ekstrem (misalnya, margin operasional SK Hynix mencapai 72% di Q1 2026). Hal ini disebabkan oleh proses manufaktur TSV yang rumit, rendahnya hasil pengemasan lanjutan, dan pasokan yang terbatas. Pasar ini didominasi oleh tiga pemain: SK Hynix (57-62%), Samsung (22%), dan Micron (21%), dengan SK Hynix memegang posisi dominan.

QApa peran dan prospek pertumbuhan CXL (Compute Express Link) dalam arsitektur penyimpanan AI?

ACXL memungkinkan pooling DRAM dari level server tunggal ke seluruh rak, sehingga memori dapat dibagikan dan dialokasikan secara dinamis ke banyak GPU. Ini memecahkan masalah seperti KV cache, database vektor, dan indeks RAG yang tidak muat di memori dekat prosesor selama inferensi AI. Pasar modul memori CXL diproyeksikan tumbuh pesat dari $1,6 miliar pada 2024 menjadi $23,7 miliar pada 2033 (CAGR 37%), dengan pemain seperti Astera Labs yang menguasai sekitar 55% pasar sub-pengontrol memori dan retimer, menikmati margin kotor yang sangat tinggi (~76,4%).

QBagaimana kontribusi SSD tingkat perusahaan (khususnya QLC SSD) terhadap infrastruktur AI, dan siapa pemain kuncinya?

ASSD tingkat perusahaan, terutama tipe QLC berkapasitas besar, adalah medan utama untuk checkpoint pelatihan AI, indeks RAG, offload KV cache, dan caching bobot model. Mereka telah menggantikan HDD di danau data AI. Pasar ini diperkirakan tumbuh dari $26,1 miliar pada 2025 menjadi $76 miliar pada 2030 (CAGR 24%), didorong oleh kebutuhan inferensi. Pasar didominasi oleh Samsung (36,9%), SK Hynix (termasuk Solidigm, 32,9%), Micron (14,0%), Kioxia (11,7%), dan SanDisk (4,4%). Solidigm (anak SK Hynix) dan Kioxia adalah pemain penting dalam lini produk QLC berkapasitas sangat tinggi.

QArtikel menyebutkan tiga jenis 'kolam keuntungan' (profit pool). Apa saja ketiganya dan apa karakteristik pembeda masing-masing?

AArtikel mengkategorikan tiga jenis kolam keuntungan: 1) Kolam Oligopoli Margin Tinggi Lapisan Silikon: Termasuk HBM, SRAM embedded, dan SSD QLC. Ditandai dengan margin keuntungan sangat tinggi (misalnya HBM >60%), konsentrasi pasar ekstrem (biasanya >90%), dan penghalang teknologi yang kuat. 2) Kolam Baru Margin Tinggi Lapisan Interkoneksi: Diwakili oleh CXL dan komponen pendukungnya (seperti retimer Astera Labs). Memiliki margin tertinggi (~76%), pertumbuhan sangat cepat, dan penghalang berupa IP dan sertifikasi. 3) Kolam Skala Bunga Majemuk Lapisan Layanan: Termasuk NAS dan penyimpanan objek cloud. Keuntungan berasal dari hosting jangka panjang, biaya transfer data keluar (egress), dan penguncian ekosistem, dengan pertumbuhan yang stabil dan berkelanjutan.

Bacaan Terkait

Butuh Satu Tahun untuk Menyadari Kebenaran Pahit tentang Pembayaran Agent

Selama setahun terakhir, penulis telah membangun infrastruktur untuk ekonomi Agen, berinteraksi dengan perusahaan besar seperti Stripe, Visa, Coinbase, Google, dan puluhan startup. Temuan utamanya adalah bahwa belum ada permintaan nyata untuk pembayaran berbasis Agen, dan startup menghadapi banyak tantangan struktural. Analisis terhadap empat kategori utama menunjukkan: 1. **Agen ke Merchant**: Pengalaman belanja melalui chat seringkali lebih buruk daripada antarmuka e-commerce visual tradisional untuk kebanyakan produk. Permintaan dari merchant saat ini bersifat defensif (AEO) dan bukan kebutuhan mendesak. Pengecualian mungkin ada untuk pembelian rutin seperti pesan makanan, tetapi hambatan distribusi B2C sangat besar. 2. **Agen ke API**: Pengembang sudah memiliki solusi pembayaran yang berfungsi untuk penggunaan API (misalnya, isi ulang saldo). Penyedia SaaS besar cenderung menolak model mikro-pembayaran yang mengganggu bisnis inti mereka. Peluang ada di pasar ekor panjang, tetapi skalanya terbatas. 3. **Agen ke Agen**: Ini adalah visi jangka panjang dengan volume transaksi nyata yang hampir nol saat ini. Jika terwujud, akan membutuhkan infrastruktur penyelesaian khusus yang sangat berbeda dari sistem pembayaran saat ini. 4. **Agen ke Keuangan**: Ini adalah satu-satunya kategori dengan permintaan yang sudah mapan dan pelanggan yang mau membayar, baik untuk otomatisasi alur kerja maupun kemampuan baru. Namun, persaingan dari perusahaan mapan yang sudah memiliki lisensi dan hubungan klien sangat ketat. Kesimpulannya, perusahaan besar membangun infrastruktur pembayaran Agen sebagai taruhan defensif jangka panjang. Namun, bagi startup, peluang nyata saat ini tidak terletak pada lapisan pembayaran itu sendiri. Masalah intinya adalah **koordinasi** antara Agen dan manusia (memverifikasi pekerjaan dan menyelesaikan hasil). Penyelesaian dan pembayaran hanyalah bagian dari puzzle koordinasi yang lebih besar. Perusahaan yang memecahkan masalah koordinasi skala besar akan mendominasi, bukan sebaliknya.

链捕手21m yang lalu

Butuh Satu Tahun untuk Menyadari Kebenaran Pahit tentang Pembayaran Agent

链捕手21m yang lalu

Claude Opus 4.8 Menemukan Bug Senilai 4.5 Miliar Dolar AS, Era AI Sedang Memproduksi Peretas Secara Massal

Seorang peneliti keamanan menemukan bug serius dalam jaringan privasi Zcash (Orchard) yang memungkinkan penciptaan token tanpa batas, menggunakan Claude Opus 4.8. Setelah perbaikan darurat, harga Zcash turun 50%. Peristiwa ini menunjukkan bahwa AI, seperti model Opus yang tersedia umum, membuat penemuan kerentanan menjadi lebih mudah dan murah, bukan hanya model canggih seperti Claude Mythos. AI mendemokratisasikan kemampuan audit keamanan, memungkinkan tim kecil memiliki kemampuan seperti tim besar. Namun, ini membanjiri pemelihara dengan laporan bug berkualitas rendah yang dihasilkan AI, seperti yang dialami curl dan didiskusikan OpenSSF. Ini seperti serangan DDoS pada perhatian manusia. Banyak kerentanan lama (seperti Heartbleed, Baron Samedit) tetap tak terdeteksi selama bertahun-tahun karena biaya penemuan yang tinggi. AI mengubah struktur biaya ini. Namun, sementara AI membuat penemuan dan potensi serangan lebih murah, perbaikan tetap mahal dan membutuhkan keahlian manusia. Industri keamanan siber sudah menghadapi kekurangan tenaga kerja global yang besar (misalnya, defisit 4,8 juta menurut ISC2). Laporan menunjukkan profesional beralih ke analisis ancaman kompleks dan pembuatan strategi. Yang paling dibutuhkan adalah orang yang dapat memahami, menilai, dan memperbaiki kerentanan. Kesimpulannya, AI tidak menghancurkan internet, tetapi mengungkap kerentanan yang sudah ada. Kemampuan menemukan bug menyebar dengan cepat, tetapi tanggung jawab untuk memperbaikinya tidak bertambah sebanding. Keamanan digital bergantung pada upaya terus-menerus oleh manusia untuk mengurangi risiko, dan di era AI, sumber daya manusia yang terampil tetap menjadi aset paling berharga dan langka.

marsbit54m yang lalu

Claude Opus 4.8 Menemukan Bug Senilai 4.5 Miliar Dolar AS, Era AI Sedang Memproduksi Peretas Secara Massal

marsbit54m yang lalu

Prediksi Harga Ethereum: ETH Bisa Naik Dua Kali Lipat Sementara Cardano (ADA) dan Token Pendatang Baru Ini Mendekati Rally 500%

Pasar kripto menunjukkan tanda-tanda pemulihan saat investor bersiap untuk siklus bull berikutnya. Ethereum (ETH), salah satu platform kontrak pintar terkemuka, saat ini diperdagangkan di sekitar $2.014,7. Analis memprediksi potensi kenaikan harga menjadi dua kali lipat menuju $4.000 jika pasar bullish pada 2026, menjadikannya pilihan investasi jangka panjang yang kuat. Cardano (ADA), proyek blockchain lapisan 1 utama, diperdagangkan di sekitar $0,2329. Investor tertarik pada fokusnya pada skalabilitas dan pengembangan berbasis penelitian, yang diyakini dapat mendorong pertumbuhan di masa depan. Sementara itu, token baru Little Pepe (LILPEPE) menarik perhatian. Dalam tahap presale ke-13 dengan harga $0,0022, proyek ini telah mengumpulkan lebih dari $28,19 juta. LILPEPE membangun blockchain Layer 2 yang kompatibel dengan Ethereum untuk komunitas meme, bertujuan mengurangi biaya dan meningkatkan kecepatan transaksi. Beberapa investor memperkirakan potensi rally 500% menjadi sekitar $0,0132, didorong oleh permintaan presale yang kuat, fitur ekosistem seperti staking, dan komunitas yang berkembang pesat. Kesimpulannya, Ethereum dan Cardano tetap menjadi pilihan investasi solid, sedangkan Little Pepe menawarkan potensi pertumbuhan tinggi bagi mereka yang mencari proyek baru dengan infrastruktur dan komunitas yang kuat.

TheNewsCrypto1j yang lalu

Prediksi Harga Ethereum: ETH Bisa Naik Dua Kali Lipat Sementara Cardano (ADA) dan Token Pendatang Baru Ini Mendekati Rally 500%

TheNewsCrypto1j yang lalu

Panduan Penggunaan Mode Goal Codex: Cara Agar AI Terus Mendukung Tujuan Spesifik

Panduan menggunakan mode tujuan (goal mode) atau /goal pada Codex: Cara agar AI dapat terus mendorong pencapaian tujuan spesifik. Mode ini mengubah peran alat pemrograman AI dari asisten kode yang merespons perintah satu kali menjadi agen eksekusi yang dapat bekerja secara berkelanjutan untuk mencapai tujuan yang jelas. Kunci utama adalah menetapkan kriteria keluar yang jelas dan dapat diverifikasi, seperti "mengurangi waktu penerapan 30%" atau "mencapai cakupan tes 100%". Hal ini membantu Codex menilai apakah tugas telah selesai dan menghindari percobaan tanpa akhir pada tujuan yang ambigu. Pengguna juga perlu memberikan arahan, alat, dan lingkungan yang realistis agar Codex dapat mengukur kemajuan dan memvalidasi hasil. Untuk tugas visual, disarankan menghindari target seperti "reproduksi UI 100% pixel sempurna". Lebih baik uraikan menjadi daftar fungsionalitas, spesifikasi sistem desain, dan metrik yang dapat dinilai. Untuk tugas jangka panjang (beberapa jam hingga hari), penting untuk melacak kemajuan melalui commit, draft PR, dokumen progres, atau pembaruan Slack. Mode tujuan mendefinisikan ulang AI pemrograman dari sekadar "menulis prompt" menjadi "mengelola pelaksana teknik yang bekerja terus-menerus". Kemampuan inti developer bergeser menjadi mendefinisikan tujuan, membangun sistem pengukuran, mengonfigurasi lingkungan eksekusi, serta melakukan tinjauan dan refleksi akhir.

marsbit2j yang lalu

Panduan Penggunaan Mode Goal Codex: Cara Agar AI Terus Mendukung Tujuan Spesifik

marsbit2j yang lalu

Dari Ethereum ke 'CROPS' AI: 'Variabel Lambat' yang Terus Ditekankan Vitalik Ini, Sebenarnya Apa?

Dalam beberapa waktu terakhir, Vitalik Buterin berulang kali menyebutkan konsep "CROPS". Merupakan singkatan dari Censorship Resistance, Capture Resistance, Open Source, Privacy, dan Security. Ini merupakan prinsip inti yang ditekankan oleh Ethereum Foundation, lebih dari sekadar meningkatkan kecepatan dan menurunkan biaya transaksi. CROPS bertujuan memastikan pengguna dapat mengelola aset, identitas, dan interaksi mereka tanpa bergantung pada platform terpusat tunggal atau kehilangan kendali akhir. Konsep ini semakin relevan dengan perkembangan AI, khususnya AI Agent yang dapat menangani tugas digital kompleks seperti manajemen aset dan eksekusi transaksi otomatis. Vitalik menyoroti potensi risiko jika AI beroperasi sepenuhnya di lingkungan terpusat—data pengguna, niat transaksi, dan privasi dapat terekspos. Oleh karena itu, muncul kebutuhan akan "CROPS AI", yaitu sistem AI yang dapat berjalan secara lokal, lebih terbuka, melindungi privasi, dan aman, menjaga kedaulatan pengguna. Terdapat titik temu antara "CROPS Ethereum access layer" dan "CROPS AI". Keduanya berupaya menjawab pertanyaan mendasar: bagaimana pengguna dapat mengakses layanan (seperti LLM jarak jauh atau data RPC Ethereum) tanpa mengorbankan privasi dan kontrol? Solusi yang diusulkan termasuk penggunaan zero-knowledge proofs untuk panggilan LLM berbayar yang privat dan pembacaan RPC Ethereum yang lebih rahasia. Pada intinya, CROPS bukan sekadar slogan. Dalam era di mana AI semakin menguasai dunia digital, prinsip-prinsip ini justru menjadi alasan kuat mengapa Ethereum dan ekosistem berbasis nilai serupa tetap penting—untuk memastikan pengguna tetap memegang kendali atas kehidupan digital mereka melalui sistem yang dapat dipahami, dapat diverifikasi, privat, dan aman.

marsbit2j yang lalu

Dari Ethereum ke 'CROPS' AI: 'Variabel Lambat' yang Terus Ditekankan Vitalik Ini, Sebenarnya Apa?

marsbit2j yang lalu

Trading

Spot
Futures

Artikel Populer

Cara Membeli ONE

Selamat datang di HTX.com! Kami telah membuat pembelian Harmony (ONE) menjadi mudah dan nyaman. Ikuti panduan langkah demi langkah kami untuk memulai perjalanan kripto Anda.Langkah 1: Buat Akun HTX AndaGunakan alamat email atau nomor ponsel Anda untuk mendaftar akun gratis di HTX. Rasakan perjalanan pendaftaran yang mudah dan buka semua fitur.Dapatkan Akun SayaLangkah 2: Buka Beli Kripto, lalu Pilih Metode Pembayaran AndaKartu Kredit/Debit: Gunakan Visa atau Mastercard Anda untuk membeli Harmony (ONE) secara instan.Saldo: Gunakan dana dari saldo akun HTX Anda untuk melakukan trading dengan lancar.Pihak Ketiga: Kami telah menambahkan metode pembayaran populer seperti Google Pay dan Apple Pay untuk meningkatkan kenyamanan.P2P: Lakukan trading langsung dengan pengguna lain di HTX.Over-the-Counter (OTC): Kami menawarkan layanan yang dibuat khusus dan kurs yang kompetitif bagi para trader.Langkah 3: Simpan Harmony (ONE) AndaSetelah melakukan pembelian, simpan Harmony (ONE) di akun HTX Anda. Selain itu, Anda dapat mengirimkannya ke tempat lain melalui transfer blockchain atau menggunakannya untuk memperdagangkan mata uang kripto lainnya.Langkah 4: Lakukan trading Harmony (ONE)Lakukan trading Harmony (ONE) dengan mudah di pasar spot HTX. Cukup akses akun Anda, pilih pasangan perdagangan, jalankan trading, lalu pantau secara real-time. Kami menawarkan pengalaman yang ramah pengguna baik untuk pemula maupun trader berpengalaman.

540 Total TayanganDipublikasikan pada 2024.12.12Diperbarui pada 2026.06.02

Cara Membeli ONE

Diskusi

Selamat datang di Komunitas HTX. Di sini, Anda bisa terus mendapatkan informasi terbaru tentang perkembangan platform terkini dan mendapatkan akses ke wawasan pasar profesional. Pendapat pengguna mengenai harga ONE (ONE) disajikan di bawah ini.

活动图片