# Artikel Terkait AI

Pusat Berita HTX menyediakan artikel terbaru dan analisis mendalam mengenai "AI", mencakup tren pasar, pembaruan proyek, perkembangan teknologi, dan kebijakan regulasi di industri kripto.

6 Pertanyaan untuk Memahami Tren Bisnis AI

**Ringkasan: Tren Komersial AI dalam 6 Pertanyaan** Lingkaran AI saat ini sedang panas dengan perkembangan pesat perusahaan seperti Anthropic (pertumbuhan tercepat dalam sejarah), DeepSeek, Kimi, dan StepFun, ditambah investasi infrastruktur besar dari ByteDance. Tanda komersialisasi seperti langganan berbayar Doubao dan platform iklan OpenAI menandai pergeseran. Untuk memahami fase siklus industri AI, sebuah kerangka penilaian enam dimensi digunakan: 1. **Narasi vs. Pengiriman**: Beralih dari sekadar cerita ke penagihan untuk kemampuan konkret. **(Skor: 1)** 2. **Konektivitas Sistem**: Dari "pulau" terisolasi menuju integrasi protokol parsial dengan platform perusahaan. **(Skor: 1)** 3. **Kemampuan Pengiriman**: Dari alat coba-coba ke penggunaan skala besar untuk tugas produktif (misalnya, pemrosesan 120 triliun token harian oleh Doubao). **(Skor: 1)** 4. **Rasio ROI**: Biaya komputasi yang melonjak memaksa perhitungan ROI, meski standarnya masih samar. **(Skor: 1)** 5. **Fenomena Industri**: Pergeseran dari ekspansi tanpa batas ke awal model berbayar dan pertanyaan tentang profitabilitas. **(Skor: 1)** 6. **Lingkungan Modal**: Logika valuasi mulai bergeser dari potensi imajinasi ke kemampuan pendapatan. **(Skor: 1)** **Total Skor: 6**, menandakan fase **"Musim Panas"** AI. Ciri-cirinya: narasi dan pengiriman hidup berdampingan, modal masih mengalir tetapi mulai menuntut pertanggungjawaban, pertumbuhan pengguna berlanjut dengan stratifikasi (gratis vs. berbayar). Sinyal seperti komersialisasi menunjukkan jalan menuju "Musim Gugur". Dua pendorong utama di balik sinyal komersialisasi ini adalah: 1. **Tekanan Biaya**: Penggunaan skala besar (misalnya, miliaran pengguna) membuat model gratis tidak berkelanjutan. 2. **Peluang Komersial**: Basis pengguna yang masif membuka jalan untuk monetisasi melalui langganan, iklan, dan layanan bertingkat. **Bagaimana Bergerak di "Musim Panas" AI?** 1. **Mulai dari Titik Masuk Kecil**: Pilih 1-2 skenario nyata (misalnya, dukungan pelanggan otomatis, pembuatan konten), tetapkan tolok ukur yang terukur, dan buktikan nilai (penghematan biaya/peningkatan pendapatan) dalam 3 bulan. 2. **Replikasi & Pembangunan Kapasitas Organisasi**: Standarkan proses yang berhasil, bangun platform berbagi kemampuan AI, dan sesuaikan tim, insentif, dan struktur organisasi untuk mendukung adopsi. 3. **Restrukturisasi Sistematis**: Gunakan AI untuk mendesain ulang alur kerja secara fundamental—dari urutan linier ke operasi paralel, dengan papan pemantauan real-time dan rantai pemicu otomatis. Kesimpulannya, AI telah bergerak dari "dapat digunakan" menjadi "infrastruktur produktif yang menghasilkan nilai". Kunci suksesnya adalah memulai dari titik nyata yang kecil, kemudian memperluas, dan akhirnya mentransformasi seluruh operasi dengan AI.

marsbit05/31 00:29

6 Pertanyaan untuk Memahami Tren Bisnis AI

marsbit05/31 00:29

Supplier Menjadi Pemegang Saham: Tiga Raksasa Chip Memori Investasi di Anthropic, Struktur Kekuatan Rantai Pasokan AI Sedang Diorganisasi Ulang

Micron, Samsung, dan SK Hynix—tiga produsen memori bandwith tinggi (HBM) global—untuk pertama kalinya bersama-sama masuk dalam daftar investor putaran pendanaan (Seri H) perusahaan AI Anthropic sebesar $65 miliar. Pendanaan ini menaikkan valuasi Anthropic menjadi $965 miliar, melampaui OpenAI. Ketiganya disebut sebagai “mitra infrastruktur strategis”, menunjukkan investasi ini lebih berfokus pada jaminan pasokan HBM yang sangat langka daripada sekadar keuntungan finansial. Di tengah kelangkaan HBM yang diproyeksikan hingga 2028, kepemilikan saham ini memberikan Anthropic akses prioritas ke komponen kunci untuk pelatihan dan inferensi model AI berskala besar. Bagi ketiga raksasa memori, langkah ini adalah cara untuk mengamankan permintaan jangka panjang, memengaruhi perkembangan spesifikasi HBM generasi berikutnya, dan membangun posisi strategis di ekosistem AI. Peristiwa ini mencerminkan pergeseran dalam industri AI: persaingan tidak lagi hanya tentang kemampuan model, tetapi juga tentang penguasaan rantai pasokan infrastruktur seperti daya komputasi dan memori. Integrasi vertikal antara pengembang model, penyedia cloud, dan produsen chip semakin menguat, menandai dimulainya fase baru di mana AI telah menjadi infrastruktur penting.

marsbit05/30 04:43

Supplier Menjadi Pemegang Saham: Tiga Raksasa Chip Memori Investasi di Anthropic, Struktur Kekuatan Rantai Pasokan AI Sedang Diorganisasi Ulang

marsbit05/30 04:43

Filosofi Investasi Gavin Baker, Investor Awal Nvidia: Long pada Hambatan Infrastruktur AI, Short pada Risiko Pasar Secara Keseluruhan

Fokus Investasi Gavin Baker: Memanfaatkan Hambatan Infrastruktur AI dan Melindungi Risko Pasar Investor awal Nvidia, Gavin Baker, meyakini AI bukan gelembung, melainkan siklus super infrastruktur yang digerakkan oleh listrik, wafer, dan daya komputasi. Dia melihat peluang keuntungan terbesar bukan pada model bahasa besar atau chatbot, tetapi pada "penjual sekop" seperti koneksi GPU, memori, chip inferensi, dan pasokan listrik. Strateginya adalah "long pada hambatan, short pada risiko pasar": dia berkonsentrasi pada aset yang mengatasi hambatan fisik AI (seperti Astera Labs, Micron, Nvidia, Cerebras) sambil melindungi portofolio dengan opsi jual (put) pada indeks QQQ untuk mengantisipasi koreksi pasar luas. Baker berpendapat siklus AI saat ini berbeda dari gelembung dot-com karena didanai oleh perusahaan matang dengan arus kas kuat, bukan utang. Selain itu, pasokan dibatasi secara fisik oleh kapasitas produksi chip (seperti dari TSMC dan ASML) serta jaringan listrik, sehingga mencegah kelebihan pasokan dan membuat pertumbuhan lebih berkelanjutan. Dia mengidentifikasi empat area investasi kunci: model bahasa kecil terspesialisasi, infrastruktur berdaulat yang dapat diterapkan cepat, perusahaan yang meningkatkan kinerja per watt dan menurunkan biaya token, serta solusi energi dan komputasi orbital (seperti SpaceX) untuk mengatasi keterbatasan jaringan listrik.

marsbit05/30 03:29

Filosofi Investasi Gavin Baker, Investor Awal Nvidia: Long pada Hambatan Infrastruktur AI, Short pada Risiko Pasar Secara Keseluruhan

marsbit05/30 03:29

Apple Merevolusi Kompresi Gambar dengan AI: Kualitas Sama, Ukuran File Hanya Sepertiganya

Apple mengumumkan PICO (*Perceptual Image Codec*), sebuah codec kompresi gambar berbasis AI yang diklaim mampu mengurangi ukuran file hingga sepertiga dari standar seperti AV1, VVC, dan JPEG AI dengan kualitas visual yang setara. Codec ini dirancang khusus untuk mengoptimalkan persepsi visual manusia, bukan hanya metrik matematis seperti PSNR. PICO mengatasi tiga tantangan utama: kecepatan encoding/decoding yang lambat, halusinasi tekstur dari pelatihan berbasis GAN, dan artefak warna di batas potongan gambar (*tiling*). Solusinya meliputi *One-shot Context Model* untuk mempercepat entropi encoding, *Text Fidelity Loss* untuk mempertahankan kejelasan teks, dan *Tiling Artifact Loss* untuk menghaluskan perbedaan warna. Dalam evaluasi subyektif manusia berskala besar, PICO unggul signifikan. Pada iPhone 17 Pro Max, codec ini dapat meng-encode gambar 12MP dalam 230 ms dan mendekode dalam 150 ms. Keterbatasannya adalah pada gambar sintetis seperti kartun, di mana codec tradisional masih lebih efisien. Penelitian ini menandai langkah besar menuju kompresi praktis yang berfokus pada pengalaman visual pengguna.

marsbit05/30 02:50

Apple Merevolusi Kompresi Gambar dengan AI: Kualitas Sama, Ukuran File Hanya Sepertiganya

marsbit05/30 02:50

Pemimpin Model Besar Shanghai, Mulai Proses IPO di Bursa A

MiniMax, perusahaan AI model besar terkemuka asal Shanghai, telah mengajukan laporan persiapan penawaran saham perdana (IPO) ke regulator pasar modal China pada 29 Mei, dengan target listing di pasar saham A. Perusahaan ini akan bersaing dengan Zhipu AI untuk menjadi perusahaan model besar pertama yang melantai di A. MiniMax, yang didirikan pada Januari 2022, telah menyelesaikan IPO di Bursa Hong Kong pada Januari tahun ini. Harga sahamnya melonjak lebih dari 400% sejak IPO, dengan kapitalisasi pasar mencapai sekitar HK$2,63 triliun (sekitar RMB 227,5 miliar). Kinerja keuangan yang kuat mendukung kenaikan ini. Pendapatan tahunan berulang (ARR) perusahaan tumbuh lebih dari 100% dalam dua bulan terakhir, diperkirakan melebihi $300 juta. Pada 2025, pendapatan total MiniMax mencapai $79,038 juta, dengan gross margin meningkat menjadi 25,4%. Di sisi produk, MiniMax telah meluncurkan serangkaian model bahasa besar andalan (M2.5, M2.6, M2.7) dan membuka sumber terbuka untuk beberapa model. Produk Agen mereka, Mavis, juga telah ditingkatkan. Perusahaan telah mengumumkan bahwa model generasi berikutnya, MiniMax-M3, akan segera dirilis, dengan klaim peningkatan kecepatan inferensi yang signifikan. Langkah MiniMax ini mencerminkan tren di mana pemain utama model besar China, seperti Zhipu AI, Moonshot AI, Stepfun, dan 01.AI, juga aktif mengejar IPO untuk mengamankan pendanaan guna mendukung investasi komputasi yang besar dan mempercepat jalur komersialisasi.

marsbit05/30 02:47

Pemimpin Model Besar Shanghai, Mulai Proses IPO di Bursa A

marsbit05/30 02:47

Harga Saham Snowflake Naik 33%, Infrastruktur AI Bergerak dari Chip ke Lapisan Data

Harga saham Snowflake melonjak lebih dari 33% setelah perusahaan meningkatkan proyeksi pendapatan tahunan dan mengumumkan kerja sama lima tahun senilai $6 miliar dengan Amazon Web Services (AWS). Kesepakatan ini menyediakan akses ke chip AWS Graviton untuk mengatasi kelangkaan daya komputasi dan memperdalam integrasi antara platform data Snowflake dengan beban kerja AI di AWS. Pasar tampaknya menilai kembali posisi Snowflake dalam rantai penerapan AI perusahaan. Alih-alih sekadar menggunakan AI, bisnis membutuhkan infrastruktur data untuk mengintegrasikan data mereka sendiri ke dalam alur kerja AI dan membangun sistem aplikasi yang dapat dikelola serta diskalakan. Kinerja ini menjawab keraguan sebelumnya apakah AI benar-benar dapat mendorong pertumbuhan pendapatan, dan menempatkan Snowflake sebagai "pemenang AI" di mata banyak analis. Setidaknya 30 analis menaikkan harga target sahamnya. Kerja sama ini juga memperkuat ekosistem chip buatan sendiri Amazon. Snowflake, yang sebagian besar pelanggannya berjalan di AWS, kini dilihat tidak hanya sebagai perusahaan gudang data, tetapi sebagai lapisan data kritis dalam proses penerapan AI perusahaan. Kenaikan harga saham yang signifikan mencerminkan perubahan sentimen pasar dari skeptis menjadi optimis begitu kontribusi AI terhadap pendapatan terbukti nyata.

marsbit05/29 19:11

Harga Saham Snowflake Naik 33%, Infrastruktur AI Bergerak dari Chip ke Lapisan Data

marsbit05/29 19:11

Biologi Berubah Zaman: Model Sumber Terbuka Baru Milik Zuckerberg Menggulingkan Takhta AlphaFold Google

Peringatan bagi takhta AlphaFold! Biohub milik Mark Zuckerberg meluncurkan model AI baru yang sepenuhnya open source, ESMFold2, beserta basis data struktur protein ESM Atlas yang berisi prediksi 11 miliar struktur protein—8 miliar lebih banyak daripada basis data AlphaFold. ESMFold2 mengadopsi pendekatan berbeda dengan AlphaFold, menggunakan model bahasa protein yang dilatih pada miliaran data urutan protein untuk memprediksi struktur 3D langsung dari urutannya. Model ini diklaim lebih unggul dari AlphaFold3 dalam memprediksi interaksi dan struktur kompleks protein, dan telah berhasil digunakan untuk mendesain protein baru yang berfungsi seperti yang diharapkan. Keunggulan utama ESMFold2 adalah lisensi open source penuh tanpa batasan komersial, berbeda dengan beberapa model terkini dari DeepMind/Google yang lebih tertutup. Keputusan ini diharapkan dapat mempercepat inovasi dengan melibatkan komunitas global. Para ahli menyambut baik sumber daya baru ini namun menekankan perlunya verifikasi independen terhadap prediksinya, terutama untuk struktur protein yang sangat baru dan berbeda. Beberapa berpendapat ESM Atlas lebih cocok sebagai pelengkap basis data AlphaFold yang ada. Kemajuan ini menandai percepatan kompetisi di bidang AI protein. Dengan kemampuan memprediksi dan mendesain protein dalam skala masif, alat seperti ESMFold2 membawa dunia selangkah lebih dekat untuk memahami dan merekayasa blok-blok pembangun kehidupan pada tingkat molekuler.

marsbit05/29 12:35

Biologi Berubah Zaman: Model Sumber Terbuka Baru Milik Zuckerberg Menggulingkan Takhta AlphaFold Google

marsbit05/29 12:35

VVV Melonjak Lebih dari 10 Kali Lipat dalam Setahun, Apakah Ekosistem Base Menjadi Harapan Terakhir AI di Kripto?

AI boom terus berlanjut, dan di bidang kripto, ekosistem Base telah menjadi "harapan terakhir" untuk konsep AI. Token VVV meroket lebih dari 1.076% dalam setahun, memimpin sebagai pemain utama AI di Base. Venice.ai, yang didukungnya, berfokus pada AI privat dengan model aset dual-token (VVV & DIEM) dan pendapatan bisnis nyata untuk pembakaran token. Proyek AI penting lainnya di Base termasuk: * **VIRTUAL**: Platform peluncuran terkemuka untuk kepemilikan bersama dan monetisasi AI Agent. * **Clanker**: Platform peluncuran AI yang dimulai dari Farcaster. * **FAI** (Freysa AI): Eksperimen AI Agent berdaulat yang otonom. * **ELSA**: Asisten DeFi berbasis AI dan lapisan infrastruktur untuk eksekusi Agent di chain. * **WARD** (Warden Protocol): L1/

marsbit05/29 11:15

VVV Melonjak Lebih dari 10 Kali Lipat dalam Setahun, Apakah Ekosistem Base Menjadi Harapan Terakhir AI di Kripto?

marsbit05/29 11:15

AI Tidak Mereplikasi Internet, Ia Sedang Mereplikasi Revolusi Industri

Dua dekade terakhir, aset paling berharga di internet adalah perhatian pengguna dan ruang iklan. Namun, AI tidak mereplikasi logika internet ini. Sinyal baru muncul: sementara produk AI konsumen (seperti ChatGPT) mengalami stagnasi pertumbuhan dan rendahnya tingkat konversi berbayar (di bawah 5%), bisnis AI perusahaan justru meledak. Contohnya, pendapatan tahunan Anthropic melonjak dari $9 miliar menjadi $45 miliar dalam 5 bulan (Jan-Mei 2026), terutama dari API perusahaan dan deployment agen seperti Claude Code. Intinya, fokus komersialisasi AI beralih dari melayani konsumen ke mengganti biaya tenaga kerja perusahaan. Di sisi konsumen, AI menghadapi tantangan: sulit merebut waktu hiburan, persaingan homogen, biaya migrasi rendah, dan kurangnya efek jaringan. Pengguna enggan membayar untuk peningkatan kemampuan marjinal. Sebaliknya, pasar perusahaan berkembang pesat karena logika ROI yang jelas. Bisnis membayar untuk AI yang dapat menggantikan alur kerja dan fungsi pekerjaan (misalnya, agen pengkodean menggantikan ratusan programmer junior), menghemat lebih banyak biaya gaji daripada biaya AI itu sendiri. Penghematan ini memberikan ROI 3-10x. Integrasi yang dalam menciptakan biaya peralihan yang tinggi, dan bisnis bersedia membayar premium untuk stabilitas dan kualitas. AI berevolusi dari alat digital menjadi tenaga kerja digital, bertindak sebagai pelaku produktif, bukan hanya alat bantu. Pola ini meniru esensi Revolusi Industri, di mana mesin uap menggantikan tenaga fisik. Sekarang, AI menggantikan tenaga mental. Nilai pasar potensialnya jauh lebih besar daripada internet karena menyasar pool biaya tenaga kerja global yang bernilai triliunan dolar, bukan hanya arus perhatian. Kesimpulannya, era internet menghasilkan uang dari lalu lintas, era AI menghasilkan uang dari penggantian biaya gaji. AI tidak mereplikasi internet; ia mereplikasi Revolusi Industri.

marsbit05/29 10:26

AI Tidak Mereplikasi Internet, Ia Sedang Mereplikasi Revolusi Industri

marsbit05/29 10:26

Membedah Filosofi Investasi Gavin Baker, Investor Awal Nvidia: Long Bottleneck Infrastruktur AI, Short Risiko Pasar Keseluruhan

**Ringkasan: Filsafat Investasi Gavin Baker - Fokus pada Kemacetan Infrastruktur AI, Lindungi Diri dari Risiko Pasar** Investor awal Nvidia, Gavin Baker, percaya AI bukan gelembung, melainkan **siklus super infrastruktur** yang digerakkan oleh tiga faktor kunci: **listrik (watts), wafer silikon, dan token komputasi**. Menurutnya, keuntungan investasi terbesar tidak terletak pada model bahasa besar (seperti OpenAI/Anthropic) atau SaaS, tetapi pada penyedia infrastruktur fisik ("penjual sekop") yang mengatasi kemacetan. **Strategi inti Baker adalah:** 1. **"Long" pada aset kemacetan AI:** Berinvestasi pada perusahaan yang mengatasi hambatan dalam pasokan listrik, chip (terutama untuk *inference*), konektivitas data (seperti Astera Labs), memori (seperti Micron), dan fabrikasi canggih (seperti TSMC, ASML). Contoh investasinya termasuk Nvidia, Cerebras, dan Positron. 2. **"Short" pada risiko pasar luas:** Melindungi portofolio dengan opsi jual (put) pada ETF QQQ untuk lindung nilai terhadap koreksi pasar secara keseluruhan, karena ia percaya pada AI tetapi tidak optimis terhadap sentimen pasar luas. **Alasan mengapa ini bukan gelembung seperti dot-com:** * **Dibiayai dengan uang tunai, bukan utang:** Pembeli utama infrastruktur AI (Google, Microsoft, dll.) menggunakan kas mereka, bukan leverage. * **Dibatasi oleh kendala fisik:** Pasokan terbatas pada listrik, kapasitas fabrikasi wafer (TSMC), dan peralatan canggih (ASML) mencegah kelebihan pasokan dan pengeluaran modal yang tidak terkendali. * **Permintaan nyata:** Pendapatan dari perusahaan AI seperti OpenAI/Anthropic sudah signifikan dan banyak yang dibayar di muka. **Area investasi utama yang diidentifikasi:** * **Model Bahasa Kecil yang Terspesialisasi (SLMs):** Untuk penggunaan perusahaan dan perangkat tepi (*on-device*). * **Infrastruktur Kedaulatan & Kecepatan Penerapan Fisik:** Perusahaan yang dapat membangun dengan cepat (misalnya SpaceX). * **Energi & Komputasi Orbit:** Solusi untuk mengatasi keterbatasan jaringan listrik darat. * **Transisi dari Pelatihan ke *Inference*:** *Inference* diyakini membutuhkan 5-10 kali lebih banyak komputasi daripada pelatihan. Kesimpulan Baker: selama kendala **listrik dan wafer silikon** tetap ada, pertumbuhan infrastruktur AI memiliki dasar yang kuat. Ia melihat peluang jangka panjang pada perusahaan yang meningkatkan kinerja per watt dan menurunkan biaya per token.

marsbit05/29 08:39

Membedah Filosofi Investasi Gavin Baker, Investor Awal Nvidia: Long Bottleneck Infrastruktur AI, Short Risiko Pasar Keseluruhan