Hanya Bekerja 2 Jam Sehari? Insinyur Google Ini Menggunakan Claude untuk Mengerjakan 80% Pekerjaannya

marsbitDipublikasikan tanggal 2026-04-15Terakhir diperbarui pada 2026-04-15

Abstrak

Intisari: Seorang insinyur Google dengan 11 tahun pengalaman berhasil mengotomatisasi 80% pekerjaannya menggunakan Claude Code, sehingga hanya bekerja 2-3 jam/hari dan menghasilkan pendapatan pasif $28.000/bulan. Kunci keberhasilannya adalah tiga komponen utama: 1. **CLAUDE.md**: File panduan berbasis prinsip Karpathy (Think Before Coding, Simplicity First, Surgical Changes, Goal-Driven Execution) yang mengurangi pelanggaran aturan coding dari 40% menjadi hanya 3%. 2. **Everything Claude Code**: Sistem multi-agent yang berfungsi seperti tim rekayasa AI otomatis dengan 27 agen siap pakai, menggantikan kebutuhan mengelola berbagai alat AI secara terpisah. 3. **Perbaikan Token Tersembunyi**: Versi Claude Code v2.1.100 diam-diam mengonsumsi 20.000 token tambahan yang mengaburkan instruksi. Solusi sementara dengan downgrade ke v2.1.98 mengembalikan 40% kapasitas penggunaan. Hasilnya: developer beralih dari menulis kode 8 jam/hari menjadi hanya mereview hasil AI selama 2-3 jam/hari, dengan penghematan 100-120 jam/bulan. Sistem ini dapat diimplementasikan dalam 15-20 menit menggunakan perintah sederhana.

Catatan Editor: Ketika "AI Menulis Kode" secara bertahap menjadi konsensus industri, yang benar-benar mengubah produktivitas bukanlah model itu sendiri, tetapi bagaimana Anda menetapkan aturan untuk model, mengatur alur kerja, dan menanamkannya ke dalam sistem yang dapat berjalan berkelanjutan.

Dari file CLAUDE.md yang sederhana, hingga kolaborasi multi-agen, hingga siklus pengembangan yang terotomatisasi, metode ini mengubah proses pengembangan dari "percakapan antara manusia dan AI" menjadi "manajemen terhadap tim teknik AI". Dalam proses ini, kesalahan dibatasi sejak dini, alur kerja distrukturisasi, pembuatan kode, pengujian, dan peninjauan secara bertahap lepas dari pelaksanaan manual, dan beralih diambil alih oleh sistem.

Yang juga patut diperhatikan, artikel ini mengungkap detail yang sering diabaikan: dalam konteks panjang dan sistem yang kompleks, perilaku model tidak sepenuhnya dapat dikendalikan. Baik konsumsi token yang tersembunyi, maupun pengenceran instruksi, akan mempengaruhi kualitas output tanpa disadari. Hal ini membuat "bagaimana mengelola AI", dan bukan hanya "bagaimana menggunakan AI", menjadi kemampuan inti yang baru.

Pada titik ini, pengembang tidak lagi berfokus pada pengkodean, tetapi berputar di sekitar perancangan aturan, penjadwalan alur kerja, dan pemeriksaan hasil. Mereka yang telah menyelesaikan langkah ini lebih dulu, telah mulai beralih dari "mengerjakan sendiri" menjadi "membuat sistem yang bekerja untuk mereka".

Berikut adalah teks aslinya:

Seorang insinyur Google dengan pengalaman 11 tahun, dengan bantuan Claude Code dan aplikasi .NET sederhana, berhasil mengotomatisasi 80% pekerjaannya.

Sekarang, ia hanya perlu bekerja 2-3 jam sehari, bukan 8 jam seperti sebelumnya, sisa waktunya sebagian besar berada dalam keadaan "santai", sistem berjalan sendiri, dan memberinya pendapatan pasif $28.000 per bulan.

Apa yang dikuasainya, adalah metode yang belum Anda ketahui.

Bagian 1—Menulis CLAUDE.md sesuai Prinsip Karpathy

Andrej Karpathy—salah satu peneliti AI paling berpengaruh di dunia—pernah merangkum secara sistematis kesalahan paling umum model bahasa besar dalam menulis kode: desain berlebihan, mengabaikan pola yang ada, dan memperkenalkan dependensi tambahan yang tidak diminta.

Ada yang merangkum observasi ini, menyusunnya menjadi file CLAUDE.md yang terpadu.

Hasilnya, proyek ini mendapatkan 15 ribu bintang di GitHub dalam seminggu, dalam arti tertentu, bisa dibilang ada 15 ribu orang yang mengubah cara kerja mereka karenanya.

Pola pikir intinya sebenarnya sederhana: jika kesalahan dapat diprediksi, maka dapat dihindari lebih awal dengan instruksi yang jelas. Cukup dengan menempatkan file markdown di repositori kode, Anda dapat memberikan seperangkat aturan perilaku terstruktur untuk Claude Code, sehingga menyatukan pengambilan keputusan dan eksekusi di seluruh proyek.

Di dalam file ini, terutama berisi empat prinsip inti:

· Berpikir Dulu, Baru Ngoding → Hindari Asumsi yang Salah dan Pertimbangan yang Terlewat
· Sederhana yang Diutamakan → Hindari Desain Berlebihan dan Abstraksi yang Membengkak
· Modifikasi Secara Bedah → Hindari mengubah kode yang tidak diminta untuk diubah
· Eksekusi Berorientasi Target → Uji dulu, lalu verifikasi berdasarkan standar keberhasilan yang jelas

Tidak bergantung pada framework apa pun, juga tidak memerlukan alat yang rumit—hanya dengan satu file, Anda dapat mengubah perilaku Claude pada tingkat proyek.

Perbedaan sesungguhnya:

· Tanpa CLAUDE.md: Claude melanggar norma dalam ~40% kasus
· Menggunakan CLAUDE.md Karpathy: Tingkat pelanggaran turun menjadi ~3%
· Waktu setup: Hanya 5 menit

Perintah untuk membuat file CLAUDE.md Anda sendiri secara otomatis:

claude -p "Baca seluruh proyek dan buat CLAUDE.md berdasarkan:
Think Before Coding, Simplicity First, Surgical Changes, Goal-Driven Execution.
Sesuaikan dengan arsitektur nyata yang Anda lihat." --allowedTools Bash,Write,Read

Ini menggantikan Claude yang seperti ini: menghadapi tugas sederhana namun mendesain berlebihan, memperkenalkan dependensi yang tidak diminta, bahkan sembarangan mengubah file yang tidak seharusnya disentuh.

Bagian 2 Everything Claude Code: Tim Teknik Lengkap dalam Satu Repositori

Everything Claude Code (Sudah dapat lebih dari 153 ribu bintang di GitHub)

Ini bukan hanya sekumpulan prompt, tetapi lebih seperti sistem operasi AI lengkap untuk membangun produk.

Mendukung operasi di berbagai alat seperti Claude, Codex, Cursor, OpenCode, Gemini—satu sistem, dapat digunakan di mana saja.

Cara instalasi:

/plugin marketplace add affaan-m/everything-claude-code

Atau instal manual—cukup salin komponen yang Anda butuhkan ke direktori .claude/ proyek. Jangan muat semua sekaligus—memuat 27 agen dan 64 skill bersamaan, sangat mungkin akan menghabiskan kuota konteks sebelum Anda memasukkan prompt pertama. Simpan hanya bagian yang benar-benar dibutuhkan.

Perbedaan sesungguhnya:

· Sebelumnya: Anda sedang berbicara dengan AI
· Sesudahnya: Anda sedang mengelola tim teknik AI yang berjalan otomatis

Yang digantikannya: Anda yang sebelumnya perlu menghabiskan berminggu-minggu untuk membangun sistem agen sendiri, mengkonfigurasi berbagai alat perencanaan/peninjauan/keamanan secara terpisah, serta biaya $200–500 per bulan untuk berbagai layanan AI.

Bagian 3 "Skandal" Tersembunyi: Claude Code v2.1.100 Diam-diam Mengonsumsi Token Anda

Seseorang dengan membuat proxy HTTP, mencegat dan menganalisis permintaan API lengkap dari 4 versi Claude Code yang berbeda.

Mereka menemukan:

v2.1.98: 169.514 bytes request → 49.726 tokens ditagih
v2.1.100: 168.536 bytes request → 69.922 tokens ditagih
selisih: -978 bytes tetapi +20.196 tokens

v2.1.100 mengirim byte data lebih sedikit, tetapi menagih tambahan 20 ribu tokens. "Inflasi" ini sepenuhnya terjadi di sisi server—Anda tidak dapat melihatnya, juga tidak dapat memverifikasinya melalui antarmuka /context.

Mengapa hal ini penting tidak hanya pada penagihan, 20 ribu tokens tambahan ini akan dimasukkan ke dalam jendela konteks aktual Claude.

Ini berarti:

→ Instruksi CLAUDE.md Anda akan diencerkan oleh 20 ribu "konten tersembunyi" ini

→ Dalam percakapan panjang, kualitas output akan menurun lebih cepat

→ Ketika Claude mengabaikan aturan Anda, sulit untuk menemukan penyebabnya

→ Kuota penggunaan Claude Max akan habis ~40% lebih cepat dari biasanya

Perbaikan hanya 30 detik: npx [email protected]

Ini adalah solusi sementara sebelum perbaikan resmi dari Anthropic, tetapi dalam penggunaan praktis, Anda hampir dapat langsung merasakan perubahan efek sesi.

Yang digantikannya: Anda tidak perlu lagi menebak mengapa Claude tiba-tiba tidak lagi mengikuti instruksi Anda.

Studi Kasus: Seperti Apa Sistem Otomatisasi Lengkap Itu

Seorang insinyur berpengalaman 11 tahun, membangun sistem yang terdiri dari tiga bagian:

Hasil setelah satu minggu:

· Sebelumnya: 8 jam sehari menulis kode
· Sesudahnya: Hanya 2–3 jam sehari melakukan tinjauan dan pengujian kode

· Kualitas kode: Pada dasarnya tidak berubah—karena ia akan meninjau satu per satu
· Status Teams: Selalu online—mouse bergerak otomatis setiap menit
· Waktu sisa: Bebas sepanjang hari

Ini bukanlah "sihir", tetapi hasil dari gabungan CLAUDE.md + agen yang tepat + mekanisme loop setiap 15 menit.

Daftar lengkap:

Apa yang Anda dapatkan setelah membacanya:

· Sebelumnya: Claude melanggar norma yang ada dalam 40% kasus
· Sesudahnya: Menggunakan CLAUDE.md Karpathy, tingkat pelanggaran turun menjadi 3%

· Sebelumnya: Anda perlu menghabiskan berminggu-minggu untuk membangun agen
· Sesudahnya: 27 agen siap pakai

· Sebelumnya: Claude Max habis kuotanya dalam 2–3 jam
· Sesudahnya: Downgrade ke v2.1.98 dapat memulihkan ~40% batas penggunaan

· Sebelumnya: Perlu 8 jam sehari menulis kode
· Sesudahnya: Hanya 2–3 jam untuk review, sisanya dijalankan otomatis oleh sistem

· Waktu setup: 15–20 menit
· Penghematan harian: 5–6 jam
· Penghematan bulanan: 100–120 jam

Jika nilai waktu Anda adalah $30 per jam—Anda sebenarnya "kehilangan secara tidak terlihat" $3000–3600 setiap bulan.

Jika $100 per jam—itu adalah $10000–12000 per bulan mengalir percuma, hanya karena Anda masih menulis secara manual kode yang sebenarnya dapat diselesaikan Claude sendiri.

Kebanyakan pengembang tidak akan mencapai level ini—bukan karena mereka tidak bisa, tetapi karena mereka mengira hal ini rumit. Sebenarnya, antara Anda dan "otomatisasi penuh", hanya ada tiga perintah dan satu file.

Insinyur yang saya sebutkan di awal, bukanlah jenius, juga bukan insinyur senior dari Google. Dia hanya menghabiskan waktu satu malam untuk menyiapkan sistem—sejak itu, pekerjaan diselesaikan sistem, dia hanya bertanggung jawab untuk hidup.

Anda bisa melakukan hal yang sama malam ini. Sementara yang lain masih berdebat apakah AI akan menggantikan pengembang, mereka yang telah menyiapkan sistem, hanya menerima uang dan bersantai.

Pilihannya sebenarnya jelas. Anda sedang membangun hidup Anda sendiri—maka pilih jalur yang benar.

Pertanyaan Terkait

QApa yang dimaksud dengan CLAUDE.md dan bagaimana cara kerjanya untuk meningkatkan produktivitas pengembang?

ACLAUDE.md adalah file markdown yang berisi seperangkat aturan terstruktur untuk memandu perilaku Claude Code dalam menulis kode. File ini menerapkan empat prinsip inti: Think Before Coding (berpikir sebelum coding), Simplicity First (kesederhanaan pertama), Surgical Changes (perubahan tepat sasaran), dan Goal-Driven Execution (eksekusi berorientasi tujuan). Dengan menggunakan CLAUDE.md, tingkat pelanggaran aturan coding turun dari 40% menjadi hanya 3%, menghemat waktu pengembang dengan mencegah kesalahan yang dapat diprediksi.

QBagaimana sistem 'Everything Claude Code' mengubah cara kerja pengembang dengan AI?

AEverything Claude Code berfungsi seperti sistem operasi AI lengkap untuk membangun produk, yang terdiri dari 27 agent dan 64 skill yang dapat dikustomisasi. Alih-alih sekadar berinteraksi dengan AI, pengembang sekarang dapat 'mengelola tim teknik AI' yang berjalan otomatis. Sistem ini kompatibel dengan berbagai alat seperti Claude, Codex, Cursor, OpenCode, dan Gemini, menggantikan kebutuhan untuk membangun sistem agent secara manual dan menghemat biaya langganan AI bulanan.

QApa masalah tersembunyi yang ditemukan pada Claude Code v2.1.100 dan bagaimana dampaknya?

AVersi Claude Code v2.1.100 diam-diam mengonsumsi sekitar 20.000 token tambahan di sisi server meskipun mengirim data yang lebih sedikit. Inflasi token ini mengisi konteks Claude, mengencerkan instruksi dalam CLAUDE.md, menurunkan kualitas output dalam percakapan panjang, dan membuat kuota Claude Max habis 40% lebih cepat. Masalah ini dapat diperbaiki sementara dengan menggunakan perintah 'npx claude-token-fixer@latest' hingga Anthropic merilis perbaikan resmi.

QBagaimana contoh nyata implementasi sistem otomatisasi ini dalam kehidupan kerja seorang insinyur?

ASeorang insinyur Google dengan 11 tahun pengalaman berhasil mengotomatisasi 80% pekerjaannya menggunakan kombinasi CLAUDE.md, agent yang tepat, dan mekanisme loop 15 menit. Sistem ini memungkinkannya mengurangi waktu kerja dari 8 jam menjadi hanya 2-3 jam per hari untuk review kode dan testing, sementara sistem menjalankan sisanya secara otomatis. Ia menghasilkan $28.000 pendapatan pasif bulanan dengan kualitas kode yang tetap terjaga.

QApa dampak finansial dan waktu yang bisa dihemat dengan mengadopsi sistem otomatisasi AI ini?

ADengan waktu setup hanya 15-20 menit, sistem ini menghemat 5-6 jam per hari atau 100-120 jam per bulan. Secara finansial, jika nilai waktu seseorang adalah $30 per jam, mereka menghemat $3000-3600 per bulan. Untuk tarif $100 per jam, penghematannya mencapai $10.000-12.000 per bulan. Ini menunjukkan bahwa tidak mengadopsi otomatisasi AI sama dengan 'kehilangan uang secara tidak terlihat' karena masih menulis kode secara manual yang sebenarnya bisa dilakukan AI.

Bacaan Terkait

CPU, Diam-diam Kembali ke Panggung Utama Komputasi AI

Selama tiga tahun terakhir, narasi kekuatan komputasi AI hampir sepenuhnya berpusat pada GPU, dengan CPU hanya dianggap sebagai peran pendukung. Namun, mulai 2026, narasi ini mulai retak. Intel meluncurkan prosesor Xeon 6+ di Beijing, yang dideskripsikan bukan sebagai pendamping GPU, melainkan sebagai "bidang kendali" infrastruktur AI, yang bertanggung jawab atas orkestrasi, konkurensi, dan aliran data. Laporan dari SemiAnalysis pada Februari 2026 juga menyoroti "kembalinya CPU" dengan cara yang berbeda. Pergeseran ini didorong oleh perubahan beban kerja AI dari pelatihan model skala besar ke inferensi dan agen AI yang melibatkan ribuan tugas ringan secara bersamaan. Di sinilah CPU, dengan kemampuan orkestrasi dan penanganan aliran data, menjadi penting kembali—bukan karena lebih cepat daripada GPU, tetapi karena menyelesaikan hambatan baru yang tidak dapat ditangani GPU. Xeon 6+ memilih jalur inti efisiensi (E-core) hingga 288 inti, berfokus pada kepadatan dan efisiensi tinggi untuk menangani beban kerja throughput tinggi seperti agen AI. Namun, jalan Intel tidak tanpa tantangan: persaingan dengan NVIDIA (yang mengembangkan solusi CPU+GPU terintegrasi), CPU ARM buatan vendor cloud seperti AWS Graviton, serta ketatnya kompetisi teknologi proses manufaktur 18A melawan TSMC N2 dan Samsung 2nm. Kesimpulannya, kembalinya CPU ke panggung kekuatan AI adalah nyata, didorong oleh kebutuhan orkestrasi dalam era agen AI. Namun, siapa yang akan memimpin "kembalinya" ini—apakah Intel, ARM, vendor cloud, atau NVIDIA—masih harus dibuktikan dalam beberapa tahun ke depan.

marsbit22m yang lalu

CPU, Diam-diam Kembali ke Panggung Utama Komputasi AI

marsbit22m yang lalu

TON Mengubah Nama Token Aslinya Menjadi Gram, Menghidupkan Kembali Nama Asli dari White Paper

Token asli Toncoin telah berganti nama menjadi 'Gram' sebagai bagian dari langkah terbaru dalam peta jalan "Make TON Great Again" (MTONGA) yang diprakarsai oleh Pavel Durov, CEO Telegram. Perubahan nama ini, yang akan berlangsung selama sekitar tiga minggu, mengembalikan nama aset sesuai dengan nama aslinya dalam whitepaper pertama. TON awalnya dikembangkan oleh tim Telegram sebagai Telegram Open Network sebelum perusahaan menarik diri pada 2020 menyusul sengketa hukum dengan SEC. Setelahnya, jaringan tersebut berganti nama menjadi The Open Network dan dikembangkan oleh kontributor independen, meskipun Telegram tetap terlibat dengan mengintegrasikan dompet berbasis TON pada 2023. Durov tetap menjadi pendukung kuat TON dan tahun ini meluncurkan inisiatif MTONGA yang terdiri dari tujuh langkah. Langkah ketiga pada awal Mei menandai kembalinya Telegram secara resmi setelah enam tahun, menggantikan TON Foundation sebagai penggerak utama ekosistem dan menjadi validator terbesar di jaringan tersebut. Rebranding menjadi Gram adalah langkah keempat dalam peta jalan tersebut, hanya berlaku untuk token asli jaringan. Situs web baru token telah memperkenalkan logo segar. Durov menyatakan bahwa perubahan ini merupakan kepulangan ke akar sekaligus awal babak baru, membuka jalan untuk langkah-langkah selanjutnya. Tiga langkah lagi masih tersisa dalam rencana MTONGA. Saat ini, harga Gram diperdagangkan sekitar $2,02, naik lebih dari 5% dalam tujuh hari terakhir.

bitcoinist35m yang lalu

TON Mengubah Nama Token Aslinya Menjadi Gram, Menghidupkan Kembali Nama Asli dari White Paper

bitcoinist35m yang lalu

Setelah Bermitra dengan Lebih dari 35 Proyek DeFi, Pink Brains Menemukan Hukum Baru Pemasaran KOL untuk Tahun 2026

Setelah bekerja sama dengan lebih dari 35 proyek DeFi, Pink Brains mengidentifikasi perubahan mendasar dalam perilaku pengguna. Pemasaran yang efektif dimulai dari perspektif pengguna, bukan proyek. **Bagaimana Pengguna Menemukan Protokol Baru?** Pengguna DeFi biasanya menemukan peluang di media sosial (terutama X), lalu memverifikasi data di platform seperti DefiLlama dan DeBank sebelum akhirnya mencoba dengan dana kecil. Proses keputusan didorong oleh data, meski penemuannya bersifat sosial. Target utama adalah mendapat sebutan dari akun terpercaya yang diikuti oleh pengguna berbasis data. **Tren yang Menarik Perhatian Pengguna DeFi di 2026:** * **Narasi Baru:** Perpetual, RWA (Aset Dunia Nyata), dan Crypto×AI, dengan fokus pada mekanisme dan pendapatan nyata (seperti pendapatan agen dan tokenomics yang selaras). * **Airdrop:** Lebih menuntut kontribusi nyata dan memiliki filter Sybil yang ketat. * **Pendapatan Nyata (Real Yield):** Pengguna lebih memilih hasil yang berasal dari pendapatan protokol asli (biaya transaksi, pinjaman, dll.) daripada yang berasal dari inflasi token. * **Tokenomics Penangkap Nilai:** Token yang nilainya terikat langsung dengan penggunaan produk (mis., melalui pembelian kembali dan pembakaran seperti HYPE dan VVV). * **Tempat Perdagangan Baru:** Pasar prediksi, perdagangan kartu koleksi fisik, dan iGaming berbasis crypto yang menunjukkan volume nyata. **Apa yang Membuat Pengguna Betah?** Pengguna tetap setia ketika suatu protokol: 1. **Memiliki kegunaan dunia nyata** yang tertanam dalam kebiasaan keuangan sehari-hari. 2. **Memiliki tokenomics yang merefleksikan nilai produk** secara transparan dan dapat diverifikasi. 3. **Menawarkan insentif/airdrop yang bermakna** untuk penggunaan nyata, bukan aktivitas dangkal. 4. Didukung oleh **produk yang baik, dukungan pelanggan responsif, dan pembangunan komunitas strategis**. **Jenis KOL dan Konten yang Efektif:** KOL DeFi dibagi menjadi edukator, kreator konten, ahli airdrop, dan ahli vertikal. Konten yang berkinerja terbaik adalah yang spesifik, dapat diverifikasi, dan mendalam (mis., analisis protokol berimbang, utas strategi langkah-demi-langkah). Hindari kesalahan seperti menggunakan kreator yang tidak paham produk, konten umum, ketidaksesuaian audiens, dan ketergantungan berlebihan pada beberapa KOL besar. **Kesimpulan:** Pemasaran DeFi yang paling efektif mencerminkan perilaku pengguna sebenarnya: penemuan berasal dari suara tepercaya, minat dibangun oleh mekanisme yang dapat diverifikasi, dan retensi didorong oleh tokenomics yang kuat serta desain produk yang berguna, bukan sekadar jargon pemasaran.

marsbit40m yang lalu

Setelah Bermitra dengan Lebih dari 35 Proyek DeFi, Pink Brains Menemukan Hukum Baru Pemasaran KOL untuk Tahun 2026

marsbit40m yang lalu

Jika Kekayaan Elon Musk Diwujudkan

Mask bersiap menjadi triliuner pertama dunia, dengan kekayaan bersih sekitar $970 miliar. Kekayaannya didominasi oleh kepemilikan saham di SpaceX ($538 miliar) dan Tesla ($167 miliar), serta opsi saham. Dengan asumsi perjalanan wirausahanya selama 31 tahun, ia mengakumulasi rata-rata $992 per detik atau $313 miliar per tahun. Untuk perspektif, kekayaannya melebihi PDB lebih dari 125 negara, dan setara dengan 3% dari PDB AS—mengalahkan John D. Rockefeller secara proporsional. Sebuah keluarga AS berpenghasilan rata-rata membutuhkan lebih dari 11 juta tahun untuk mengumpulkan kekayaan serupa. Kekayaan ini dapat membeli sekitar 2,4 juta rumah AS biasa, semua tim NFL dan NBA, armada lebih dari 10.000 jet pribadi, atau membeli belasan perusahaan besar yang mempekerjakan 4 juta orang. Mayoritas kekayaan Musk adalah aset non-tunai, terikat dalam saham perusahaan.

marsbit42m yang lalu

marsbit42m yang lalu

Tom Lee Mengisi Kepercayaan: Musim Semi Crypto Telah Tiba, ETH Akan Naik ke $250.000

Tom Lee, Ketua Dewan BitMine (BMNR), menyatakan "musim semi crypto" telah tiba dan memprediksi harga ETH bisa mencapai $250.000. Dalam pidatonya di konferensi "Proof of Talk 2026", ia memberikan lima alasan makro: akhir Perang Iran, disahkannya *Clarity Act* di AS, dukungan pemerintah AS, sikap pro-crypto dari Ketua Fed baru Kevin Warsh, dan prospek positif pasar saham. Lee meyakini dua tren utama akan mendorong adopsi crypto: *Agentic AI* (kecerdasan buatan otonom) yang membutuhkan blockchain untuk mengontrolnya, dan tokenisasi aset keuangan yang berpotensi bernilai $300 triliun. Ia menegaskan Ethereum, dengan skalabilitas dan ekosistemnya, adalah contoh terbaik mata uang masa depan. Ia juga menyoroti pergeseran tata kelola di Ethereum. Yayasan Ethereum kini hanya memegang 0.1% pasokan ETH, sementara "treasury" perusahaan publik seperti BitMine memegang 7%. Perusahaan-perusahaan ini, menurut Lee, akan mengambil peran lebih besar dalam mendanai dan mengkoordinasi ekosistem. Terakhir, Lee mempromosikan saham BitMine sebagai cara terpapar ETH. BitMine memegang 4.47% pasokan ETH, menjalankan bisnis *staking* besar, dan berinvestasi di perusahaan seperti Eightco (ORBS) serta MrBeast. Dengan masuknya ke indeks Russell 1000 pada 26 Juni, Lee yakin saham BitMine akan menjadi katalis besar dan berkinerja lebih baik daripada ETH itu sendiri jika prediksi kenaikan harganya terwujud.

Odaily星球日报1j yang lalu

Tom Lee Mengisi Kepercayaan: Musim Semi Crypto Telah Tiba, ETH Akan Naik ke $250.000