Pendapatan SoFi Melonjak di Kuartal IV Didorong oleh Crypto dan Blockchain

TheNewsCryptoDipublikasikan tanggal 2026-01-31Terakhir diperbarui pada 2026-01-31

Abstrak

Pendapatan SoFi melonjak pada kuartal keempat, didorong oleh adopsi yang meningkat dalam perdagangan crypto dan layanan blockchain. Perusahaan fintech ini semakin mengintegrasikan aset digital sebagai penggerak pertumbuhan utama, bukan sekadar pelengkap. Kinerja ini mencerminkan strategi platform yang memadukan keuangan tradisional dengan aset digital, memanfaatkan crypto sebagai pintu masuk untuk menawarkan pinjaman, produk kredit, dan layanan wealth management. SoFi mengutamakan keterlibatan pengguna dan efisiensi transaksi melalui infrastruktur blockchain, yang mempercepat penyelesaian dan meningkatkan retensi pelanggan. Berbeda dengan bursa crypto murni, model bisnis terintegrasi SoFi memungkinkan akuisisi pelanggan yang lebih efisien dan nilai seumur hidup pelanggan yang lebih tinggi. Dalam konteks industri, perusahaan fintech tradisional semakin mengadopsi fitur crypto karena kejelasan regulasi dan permintaan pengguna. SoFi memanfaatkan kepatuhan, merek, dan portofolio produknya untuk menarik pelanggan yang ingin terpapar aset digital tanpa meninggalkan sistem keuangan tradisional. Pencapaian ini menegaskan peran signifikan crypto dan blockchain dalam pertumbuhan fintech.

SoFi mencetak rekor kinerja dalam satu kuartal dari segi pendapatan, yang dikaitkan dengan meningkatnya adopsi perdagangan crypto dan layanan blockchain mereka. Perusahaan fintech ini semakin memasukkan aset digital sebagai penggerak pertumbuhan utama, bukan sekadar sampingan.

Langkah ini juga sejalan dengan tren industri secara keseluruhan, di mana adopsi Bitcoin terus meningkat secara global, serta pembayaran blockchain terus bertumbuh di platform keuangan. SoFi memanfaatkan tren ini karena sudah menjadi aplikasi keuangan terintegrasi yang menawarkan layanan perbankan, investasi, dan pinjaman.

Perusahaan juga menyoroti pentingnya keterlibatan platform daripada hanya berfokus pada volume perdagangan. Fitur Crypto membantu menarik pelanggan baru, sementara infrastruktur blockchain membantu meningkatkan efisiensi transaksi dan mempercepat penyelesaian. Hal ini mendorong pertumbuhan pendapatan sekaligus meningkatkan retensi pelanggan.

Kekuatan Pendapatan Mencerminkan Strategi Platform

Kinerja SoFi juga menunjukkan bagaimana perusahaan fintech dapat mengintegrasikan keuangan tradisional dan aset digital. Perusahaan memanfaatkan perdagangan crypto sebagai titik masuk dan kemudian menjual silang pinjaman, produk kredit, dan layanan manajemen kekayaan.

Tidak seperti bursa murni lainnya, SoFi menawarkan berbagai layanan melalui satu aplikasi. Model bisnis ini akan memungkinkan perusahaan menurunkan biaya akuisisi pelanggan dan meningkatkan nilai seumur hidup pelanggan. Seiring adopsi crypto yang terus stabil, model bisnis ini akan terbukti lebih sukses daripada pesaingnya.

Infrastruktur Blockchain Semakin Penting

SoFi tidak beroperasi sebagai bursa murni. Perusahaan juga mengembangkan layanan berbasis blockchain untuk mempercepat pemrosesan pembayaran dan meningkatkan efisiensi infrastruktur backend. Layanan ini akan menghilangkan hambatan dalam operasi keuangan dan memberikan pengalaman pengguna yang lebih baik.

Penekanan pada teknologi ini menunjukkan bahwa perusahaan memiliki rencana jangka panjang. SoFi menciptakan infrastruktur yang memungkinkan aset digital digunakan dalam keuangan arus utama, bukan menggunakan crypto sebagai sarana spekulasi.

Konteks Industri yang Lebih Luas

Media mencatat bahwa perusahaan fintech tradisional semakin mengintegrasikan fitur crypto. Kejelasan regulasi dan permintaan pengguna mendorong perusahaan untuk menawarkan eksposur aset digital dalam lingkungan yang diatur.

SoFi adalah bagian dari tren ini. Perusahaan menggunakan kepatuhan, merek, dan penawaran produknya untuk menarik pelanggan yang tertarik pada eksposur crypto tanpa harus meninggalkan sistem keuangan tradisional.

Jalan Pertumbuhan ke Depan

Kuartal yang memecahkan rekor oleh SoFi menunjukkan bahwa layanan crypto dan blockchain kini memberikan dampak signifikan pada pertumbuhan perusahaan fintech. Perusahaan meningkatkan layanannya dengan mengintegrasikan aset digital dengan layanan keuangan tradisional.

SoFi mungkin menjadi salah satu contoh terbaik tentang bagaimana perusahaan fintech mengintegrasikan layanan crypto dengan sistem perbankan tradisional.

Berita Crypto yang Disorot:

Bybit Mengungkap Visi untuk Menjadi 'Platform Keuangan Baru' Tahun Ini

TagBlockchainAdopsi CryptoAset DigitalFinTechSoFi crypto

Pertanyaan Terkait

QApa yang menyebabkan pendapatan SoFi mencapai rekor tertinggi pada kuartal keempat?

APendapatan SoFi mencapai rekor tertinggi karena meningkatnya adopsi layanan perdagangan kripto dan blockchain mereka, yang menjadi penggerak pertumbuhan utama perusahaan.

QBagaimana strategi platform SoFi membantu dalam pertumbuhan pendapatan?

AStrategi platform SoFi memanfaatkan perdagangan kripto sebagai titik masuk, lalu menjual produk pinjaman, kredit, dan layanan manajemen kekayaan secara silang, yang mengurangi biaya akuisisi pelanggan dan meningkatkan nilai seumur hidup pelanggan.

QMengapa infrastruktur blockchain menjadi semakin penting bagi SoFi?

AInfrastruktur blockchain penting bagi SoFi karena mempercepat pemrosesan pembayaran, meningkatkan efisiensi infrastruktur backend, menghilangkan hambatan operasional keuangan, dan memberikan pengalaman pengguna yang lebih baik.

QBagaimana tren industri keuangan tradisional terkait integrasi layanan kripto?

ATren industri menunjukkan bahwa perusahaan fintech tradisional semakin mengintegrasikan fitur kripto karena kejelasan regulasi dan permintaan pengguna, menawarkan eksposur aset digital dalam lingkungan yang diatur.

QApa keunggulan model bisnis SoFi dibandingkan dengan bursa kripto murni?

AKeunggulan model bisnis SoFi adalah menawarkan berbagai layanan keuangan (perbankan, investasi, pinjaman) dalam satu aplikasi terintegrasi, yang lebih sukses dalam menarik dan mempertahankan pelanggan dibandingkan bursa kripto murni.

Bacaan Terkait

Laporan Pagi Wall Street: V-reversal di Akhir Bulan, Tapi Indeks Nasdaq Rekam Performa Terburuk Juli dalam 12 Tahun, Modal Terkonsentrasi ke Raksasa Cloud

**Laporan Pagi Wall Street: Rebound di Akhir Bulan, Tapi Nasdaq Catat Performa Terburuk Juli dalam 12 Tahun, Modal Terakselerasi ke Raksasa Cloud** Pasar saham AS mengalami rebound berbentuk V pada Jumat lalu, dengan tiga indeks utama menguat. Namun, ini tidak menutupi performa buruk sepanjang Juli: Indeks S&P 500 hampir datar, mencatat kinerja Juli terburuk sejak 2014, sementara **Indeks Nasdaq turun 3,2%, merupakan kinerja Juli terburuk sejak 2004.** **Pergerakan Komoditas & Makro:** * **Minyak:** Harga minyak mentah WTI anjlok >8% setelah Presiden Trump membatalkan serangan militer terhadap Iran dan OPEC+ menyetujui peningkatan kuota produksi. * **Emas:** Harga emas naik tipis 0,91% pada Juli, berayun di sekitar $4050/oz. Analis melihat periode konsolidasi dengan kisaran perkiraan $3800-$4500 untuk tahun ini. * **Obligasi & Mata Uang:** Yield obligasi AS 10 tahun melonjak di bulan Juli. AS dan Jepang melakukan intervensi bersama untuk mendukung Yen, mendorong USD/JPY turun di bawah level 156. **Fokus Pasar: Percepatan Aliran Modal ke Raksasa Cloud** Tekanan deleveraging membayangi saham teknologi sepanjang Juli, namun **modal bergerak cepat ke perusahaan cloud besar.** Saham cloud meroket setelah laporan kinerja kuartalan yang kuat, dengan **kapitalisasi pasar gabungan raksasa cloud bertambah hampir $1,5 triliun** dalam seminggu (Microsoft, Amazon, Google). Ini menunjukkan pergeseran modal dari sektor hardware/semikonduktor yang padat menuju perusahaan cloud dengan arus kas yang kuat. **Kilasan Performa Saham Penting:** * **Amazon:** Melonjak 15,32% setelah kinerja AWS yang sangat kuat. * **Microsoft & Google:** Terus menguat dengan prospek bisnis cloud/AI yang solid. * **Meta:** Naik 3,28%, mengakhiri 11 hari penurunan beruntun. * **Apple:** Anjlok 7,35% karena kekhawatiran pasokan dan panduan yang lemah. * **Saham Memori (seperti Micron, Sandisk):** Terkoreksi tajam pada bulan Juli. * **SpaceX:** Akan merilis laporan kinerja pertama pasca-IPO pada 5 Agustus, diikuti masa pelepasan saham terbatas besar-besaran pada 6 Agustus. **Yang Perlu Diperhatikan Minggu Ini:** * **Laporan Kinerja Perusahaan:** Berkshire Hathaway, Palantir, AMD, SpaceX, Disney, Sandisk, Western Digital, dan lainnya. * **Konferensi:** Ai4 2026 dan Flash Memory Summit (FMS). * **Data Makro Kunci:** Laporan Penggajian Non-Pertanian AS (7 Agustus), data ekspor-impor & CPI China.

marsbit46m yang lalu

Laporan Pagi Wall Street: V-reversal di Akhir Bulan, Tapi Indeks Nasdaq Rekam Performa Terburuk Juli dalam 12 Tahun, Modal Terkonsentrasi ke Raksasa Cloud

marsbit46m yang lalu

Rubin Ultra Terkuras Drastis, Apakah Nvidia Juga Tak Tahan dengan Kenaikan Harga Memori?

Laporan terbaru dari SemiAnalysis mengungkapkan bahwa NVIDIA telah merevisi spesifikasi Rubin Ultra, varian flagship dari arsitektur Rubin yang diumumkan di GTC 2026. Alih-alih peningkatan besar pada memori dan daya komputasi, fokus utama kini beralih ke kemampuan interkoneksi skala sistem. Spesifikasi kunci yang diungkapkan menunjukkan Rubin Ultra akan mempertahankan puncak komputasi teoretis yang sama dengan Rubin standar, yaitu 35 PFLOPs. Namun, terjadi pengurangan signifikan pada kapasitas memori, turun menjadi 192GB dengan konfigurasi 8-Hi, lebih rendah dari Rubin standar yang 288GB (12-Hi). Peningkatan bandwidth memori juga minimal, hanya 1 TB/s, dan daya chip bahkan sedikit lebih tinggi. Peningkatan utama justru pada "skala interkoneksi" (*scale-up world size*), yang melonjak dari 72 GPU menjadi 576 GPU. Ini memungkinkan ratusan GPU Rubin Ultra terhubung via NVLink membentuk satu "super GPU" logis yang sangat besar. Analisis SemiAnalysis mengaitkan perubahan desain ini dengan lonjakan harga HBM (High Bandwidth Memory) yang drastis. Biaya material (BOM) untuk rak server Rubin Ultra sempat melonjak menjadi sekitar $8 juta karena harga HBM, tetapi dengan spesifikasi baru, biaya turun ke sekitar $6.4 juta. NVIDIA diduga mengalihkan biaya dari komponen HBM yang mahal (yang pangsa biayanya turun dari ~40% menjadi 28%) ke peningkatan interkoneksi jaringan (naik dari 4% menjadi 12%). Berita ini memicu kekhawatiran pasar tentang permintaan HBM. Saham produsen HBM seperti SK Hynix dan Samsung anjlok sekitar 8%, mencerminkan kekhawatiran bahwa pembeli utama seperti NVIDIA mungkin mulai mengurangi ketergantungan pada HBM berkapasitas tinggi untuk mengontrol biaya sistem AI secara keseluruhan.

Odaily星球日报1j yang lalu

Rubin Ultra Terkuras Drastis, Apakah Nvidia Juga Tak Tahan dengan Kenaikan Harga Memori?

Odaily星球日报1j yang lalu

Model Generatif Bisa Dilatih End-to-End? Intinya Hanya Sebuah For Loop

Model generatif seperti model difusi atau autoregresif yang dominan saat ini biasanya tidak melatih seluruh proses generasi secara end-to-end. Mereka dilatih hanya untuk memprediksi satu "langkah kecil" dalam proses, namun saat inferensi, langkah ini harus diulang ratusan atau ribuan kali. Ketidaksesuaian ini menyebabkan masalah "exposure bias," di mana kesalahan menumpuk seiring waktu. Makalah terbaru dari UIUC dan Harvard memperkenalkan paradigma baru bernama **Explorative Modeling (XM)**. Inti dari metode ini sangat sederhana: alih-alih menghasilkan satu sampel, model menghasilkan **K kandidat** dalam setiap langkah pelatihan. Kemudian, hanya kandidat yang paling dekat dengan data target yang dipilih untuk menghitung gradien dan memperbarui model. Mengapa ini berhasil? Dalam tugas generatif, satu input bisa memiliki banyak output yang valid (mode). Fungsi kerugian rekonstruksi tradisional cenderung menyebabkan "mode blurring," di mana model hanya mempelajari rata-rata dari semua mode, menghasilkan output yang tidak realistis. Dengan menghasilkan beberapa kandidat, model dapat "mengeksplorasi" dan menangkap beberapa mode yang berbeda sekaligus, sehingga menghindari rata-rata yang kabur. Penelitian ini menunjukkan bahwa **"eksplorasi" (K) bertindak sebagai sumbu penskalaan ketiga** yang efektif, selain parameter dan data. Eksperimen pada gambar, video, dan bahasa menunjukkan peningkatan kinerja yang monoton dengan peningkatan K, dengan keuntungan yang lebih besar pada skala yang lebih besar. XM dapat meningkatkan efisiensi FLOP hingga 4.1x dan efisiensi sampel hingga 6.2x. Yang lebih menarik, ketika diterapkan secara ekstrem, XM memungkinkan **pelatihan generatif yang benar-benar end-to-end**. Dalam tugas kontrol robot, "Explorative Policy" berbasis XM mencapai kinerja yang setara dengan "Diffusion Policy" yang membutuhkan 100 langkah inferensi, sementara hanya membutuhkan satu langkah inferensi maju. Ini membuktikan bahwa kompleksitas untuk menangani banyak mode dapat dipindahkan dari inferensi ke pelatihan. Meskipun ide "best-of-K" bukan hal baru, kontribusi utama makalah ini adalah penjelasan teoritis bahwa mekanisme ini secara langsung meningkatkan **ekspresivitas generatif** model. Dengan demikian, ini menawarkan cara baru yang ampuh untuk mengatasi tantangan mendasar dalam pemodelan generatif.

marsbit2j yang lalu

Model Generatif Bisa Dilatih End-to-End? Intinya Hanya Sebuah For Loop

marsbit2j yang lalu

Trading

Spot
活动图片