# 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.

Ethereum Jelaskan Bagaimana AI Mengubah Pendekatan Keamanan Smart Contract

Tim Ethereum telah menerbitkan seri postingan tamu dari pengembang utama Vyper dengan nama samaran big_tech_sux, yang membahas peran verifikasi formal di era pesatnya perkembangan kecerdasan buatan (AI). Penulis menyatakan bahwa kemajuan Model Bahasa Besar (LLM) membuat pembuktian matematis atas kebenaran program menjadi lebih mudah diakses. Untuk kontrak pintar yang mengelola miliaran dolar, verifikasi formal secara bertahap menjadi kebutuhan. Verifikasi formal adalah metode matematis yang memungkinkan pembuktian kebenaran kerja program untuk semua kemungkinan skenario eksekusi. Meski AI modern seperti LLM sangat menyederhanakan proses ini, penulis menekankan bahwa verifikasi formal tetap kompleks dan memakan banyak sumber daya. Perkembangan AI meningkatkan efektivitas baik pihak bertahan maupun penyerang. Namun, verifikasi formal dapat menggeser keunggulan kepada pihak bertahan karena memungkinkan pembuktian ketahanan sistem terhadap semua kemungkinan data masukan, sementara penyerang hanya perlu menemukan satu celah. Oleh karena itu, untuk perangkat lunak penting seperti kontrak pintar yang mengelola dana pengguna dalam jumlah besar, verifikasi formal dianggap bukan lagi sekadar pilihan, melainkan prasyarat yang diperlukan. Diskusi ini melanjutkan percakapan yang sebelumnya dimulai oleh salah satu pendiri Ethereum, Vitalik Buterin, mengenai penggunaan AI untuk verifikasi formal kode.

cryptonews.ru08/06 11:21

Ethereum Jelaskan Bagaimana AI Mengubah Pendekatan Keamanan Smart Contract

cryptonews.ru08/06 11:21

Analisis Bernstein Terhadap Laporan Keuangan Perdana SpaceX Setelah Go Public: Bagaimana Target Harga 239 Dolar Tercapai?

Laporan kinerja kuartal pertama SpaceX yang diterbitkan setelah perusahaan ini go public menunjukkan pertumbuhan yang agresif, dengan pendapatan melonjak 92% menjadi $7,814 miliar, melampaui ekspektasi pasar. Bernstein mempertahankan rating "Outperform" dan target harga $239, yang menyiratkan potensi kenaikan sekitar 91% dari harga penutupan 4 Agustus. Kinerja didorong oleh tiga pilar bisnis utama: 1. **Connectivity (Starlink):** Tetap menjadi penyumbang laba utama dengan pendapatan $4,291 miliar dan margin operasional 38,6%. Jumlah pengguna mencapai 12 juta. 2. **Bisnis AI:** Menunjukkan elastisitas pendapatan tertinggi dengan pertumbuhan 247% menjadi $2,561 miliar. Namun, segmen ini masih mencatat kerugian operasional ($1,257 miliar) dan membutuhkan belanja modal besar ($15,828 miliar pada kuartal ini). 3. **Space (Peluncuran & Starship):** Pendapatan $962 juta, tetapi mencatat kerugian operasional karena peningkatan investasi dalam pengembangan Starship. Elon Musk mempercepat target pendapatan tahunan $1 triliun menjadi tahun 2030 (dari sebelumnya 2031). Namun, target harga $239 dari Bernstein tidak bergantung pada pencapaian penuh visi ini. Model mereka berasumsi pendapatan 2031 yang lebih konservatif ($554 miliar) dan harga komputasi AI jangka panjang sekitar $10/watt (lebih rendah dari rentang $30-$50/watt yang disebut Musk). Target harga ini bergantung pada tiga faktor kunci: profitabilitas Connectivity yang berkelanjutan, transformasi kapasitas AI menjadi pendapatan stabil, dan kesuksesan Starship dalam mencapai *full reusability* untuk menurunkan biaya secara drastis. Ketidakpastian dalam tiga area inilah, bersama dengan tekanan pasokan saham pasca-IPO dan kekhawatiran atas pengembalian investasi AI, yang menyebabkan penurunan harga saham meski kinerja kuartalan kuat.

marsbit08/06 10:05

Analisis Bernstein Terhadap Laporan Keuangan Perdana SpaceX Setelah Go Public: Bagaimana Target Harga 239 Dolar Tercapai?

marsbit08/06 10:05

Bisakah AI Mengambil Alih Laboratorium? Studi Terbaru USTC Memberikan Uji Tekanan di Dunia Fisik Nyata

Bagaimana menilai apakah kecerdasan buatan (AI) sudah cukup cerdas untuk melakukan penelitian ilmiah dan mencapai penemuan ilmiah otonom secara end-to-end? Penelitian terbaru dari University of Science and Technology of China (USTC) menguji pertanyaan ini di dunia fisik nyata dengan membuat "otak" AI mengoperasikan laboratorium ilmuwan mesin. Tim peneliti membangun laboratorium katalisis mesin dengan 45 stasiun kerja otomatis modular yang mencakup sintesis, karakterisasi, dan pengujian kinerja katalitik. Kemampuan laboratorium ini dibungkus sebagai "keterampilan" yang dapat dibaca mesin, memungkinkan agen AI memanggil peralatan eksperimen dengan batasan nyata seperti kemampuan perangkat, protokol operasi, dan kondisi eksperimen. Penelitian ini melakukan "uji tekanan" sistematis terhadap 48 konfigurasi yang terdiri dari 6 kerangka kerja agen dan 9 model bahasa besar (LLM), mencakup 4.608 percobaan evaluasi untuk 32 tugas penelitian yang ditentukan pakar. Hasilnya mengungkap kesenjangan signifikan antara rencana yang dihasilkan AI dan eksekusi fisik: hanya 151 alur kerja (3,3%) yang dapat dieksekusi tanpa perbaikan manual. Kombinasi terbaik, Claude Code dengan Claude Opus 4.7, mencapai tingkat eksekusi 28,1%. Uji lebih lanjut dalam loop tertutup lima putaran menunjukkan bahwa meskipun agen AI (menggunakan Codex/GPT 5.5) dapat menyesuaikan parameter berdasarkan hasil eksperimen, penyesuaian itu hanya pada tingkat optimasi lokal. Agen gagal melakukan perencanaan ulang strategis tingkat ilmiah, seperti mendesain ulang metode analisis atau memperbaiki kelalaian kritis yang persisten. Studi ini membedakan tiga kemampuan yang sering tercampur dalam diskusi "AI ilmuwan": 1) Merencanakan eksperimen secara lancar, 2) Menghasilkan alur kerja yang benar-benar dapat dieksekusi di lab fisik, dan 3) Menyesuaikan strategi penelitian secara keseluruhan berdasarkan bukti. Hasil menunjukkan kemampuan perencanaan tingkat bahasa tidak secara otomatis diterjemahkan menjadi kemampuan eksekusi yang andal, dan penyesuaian parameter lokal tidak sama dengan perencanaan ulang ilmiah. Laboratorium ilmuwan mesin berfungsi sebagai infrastruktur cerdas untuk "AI for Science", yang dapat menjadi "tempat uji" dan "tempat pelatihan" untuk AI. Lingkaran tertutup "perencanaan-eksekusi-umpan balik-perencanaan ulang" ini dapat mengekspos kekurangan AI dan menyediakan data untuk pelatihan model dan penyelarasan agen yang berkelanjutan. Pendekatan ini memberikan bukti dunia fisik yang dapat diukur, dapat direplikasi, dan dapat divalidasi untuk menilai kecerdasan ilmiah AI, mendorongnya menuju penemuan ilmiah otonom end-to-end.

marsbit08/06 08:33

Bisakah AI Mengambil Alih Laboratorium? Studi Terbaru USTC Memberikan Uji Tekanan di Dunia Fisik Nyata

marsbit08/06 08:33

Wawancara Terbaru Fei-Fei Li: Manusia Juga Tidak Belajar Sepenuhnya dari Data Dunia Nyata

Dalam wawancara terbaru dengan a16z, Li Fei-Fei membahas visi World Labs untuk menjadikan "kecerdasan spasial" sebagai frontier AI berikutnya. Ia menekankan bahwa robotika adalah batu uji pertama untuk penerapan kecerdasan spasial, di mana kemampuan bertindak di ruang fisik tetap menjadi salah satu yang paling menarik dan berdampak luas. World Labs baru-baru ini mengakuisisi SceniX, sebuah perusahaan yang berfokus mengatasi masalah utama dalam robotika: kelangkaan data pelatihan dan evaluasi. Bersama-sama, mereka bertujuan membangun "lapangan pelatihan digital" yang dapat diskalakan untuk robot, menggunakan pendekatan "real-to-sim-to-real". Intinya, mereka membuat replika digital dunia nyata yang selaras, sehingga proses pelatihan dan evaluasi yang lambat, berbahaya, dan mahal di dunia fisik dapat sebagian digantikan dengan simulasi yang lebih cepat, aman, dan terkendali. Li Fei-Fei dan Li Yunzhu (pendiri SceniX) menjelaskan bahwa simulasi memungkinkan "penalaran kontrafaktual" dan cakupan yang sistematis terhadap variasi lingkungan, yang penting untuk membangun keandalan (robustness). Infrastruktur yang mereka bangun bersifat netral terhadap bentuk robot atau model AI tertentu, berfokus pada penciptaan dunia digital di mana berbagai robot dapat berlatih dan dievaluasi. Mereka mengakui bahwa jalan menuju robot serba guna di lingkungan tidak terstruktur (seperti rumah) masih panjang. Pendekatan yang lebih realistis dan langsung berdampak adalah menyasar lingkungan semi-terstruktur terlebih dahulu, seperti gudang atau restoran. Dalam dua tahun ke depan, kesuksesan akan diukur dengan adopsi dan validasi oleh beberapa pelanggan utama di vertikal tertentu, membuktikan bahwa platform mereka secara signifikan mempercepat pengembangan dan penyebaran sistem robotika yang andal.

marsbit08/06 08:24

Wawancara Terbaru Fei-Fei Li: Manusia Juga Tidak Belajar Sepenuhnya dari Data Dunia Nyata

marsbit08/06 08:24

Memegang 80% Kapasitas Produksi HBM dan Dihajar oleh Keuangan: Anak Buah Subkontrak Korea Akhirnya Menjadi Domba Ternak AS yang Siap Disembelih

Selama sebulan terakhir, pasar saham Korea Selatan mengalami kehancuran finansial yang dramatis. Indeks KOSPI anjlok hingga 12%, menyusutkan nilai setara PDB setahun. Lebih dari 120 ribu akun margin tersentuh likuidasi paksa, menyebabkan kerugian massal bagi investor ritel. Ironisnya, ini terjadi saat Korea mendominasi 80% pasokan global HBM (High Bandwidth Memory), komponen kunci untuk AI, melalui Samsung dan SK Hynix. Namun, dominasi itu hanya pada kapasitas produksi, bukan kendali atas harga atau permintaan. Nasib mereka sepenuhnya bergantung pada pesanan dari raksasa AS seperti Nvidia, Google, dan Meta. Analisis menunjukkan pola "panen" finansial yang terstruktur: Modal AS pertama-tama menggelembungkan harga saham dengan narasi optimis, menarik investor Korea untuk masuk dengan leverage tinggi. Kemudian, serangkaian berita negatif seperti investigasi hukum AS atas praktik penetapan harga dan tekanan untuk memindahkan produksi ke AS ditembakkan, memicu penjualan besar-besaran. Investor asing keluar di puncak, sementara investor ritel Korea yang terjebak di level tinggi menanggung semua kerugian, dan aset mereka kemudian dibeli kembali dengan harga murah. Ini mencerminkan nasib bawahan dalam rantai pasokan: meski menguasai manufaktur, Korea tidak memiliki kendali atas permintaan, standar, atau pasar akhir. Ketika pemasok menghasilkan keuntungan yang dianggap berlebihan, pihak yang mengendalikan permintaan (AS) dapat mengambil tindakan untuk "mendisiplinkan" dan mengklaim kembali bagian yang lebih besar dari kue profit. Sejarah serupa terjadi pada industri semikonduktor Jepang pada 1980-an. Pelajarannya adalah: upgrading industri tidak boleh berhenti di manufaktur. Suatu negara perlu mengembangkan merek akhir, ekosistem teknologi, dan pasar domestiknya sendiri untuk benar-benar memegang kendali. Tanpa itu, dominasi manufaktur justru dapat membuatnya menjadi sasaran empuk dalam persaingan geopolitik dan finansial.

marsbit08/06 08:03

Memegang 80% Kapasitas Produksi HBM dan Dihajar oleh Keuangan: Anak Buah Subkontrak Korea Akhirnya Menjadi Domba Ternak AS yang Siap Disembelih

marsbit08/06 08:03

Sandisk Mencetak Laporan Keuangan Rekor, Kenapa Sahamnya Masih Anjlok 8% Pasca-Pasar?

Pada Rabu waktu AS, raksasa chip memori Sandisk melaporkan kinerja kuartal IV dan tahunan yang mencetak rekor. Pendapatan kuartalan melonjak 372% menjadi USD 8,97 miliar, laba per saham (EPS) disesuaikan mencapai USD 39,25, dan margin laba kotor disesuaikan mencapai 84,6%. Secara tahunan, pendapatan naik 175% menjadi USD 20,25 miliar. Namun, saham Sandisk anjlok hampir 8% dalam perdagangan setelah jam pasar. Penyebab utamanya adalah panduan pendapatan untuk kuartal berikutnya (USD 10,3-10,8 miliar, rata-rata USD 10,55 miliar) yang berada di bawah ekspektasi pasar (USD 11,16 miliar). Pasar khawatir akselerasi pertumbuhan perusahaan mungkin mulai melambat, meskipun kinerja saat ini sangat kuat. Struktur pendapatan menunjukkan transformasi: bisnis pusat data menjadi mesin pertumbuhan utama, meroket 1.298% secara tahunan dan kini menyumbang 33% pendapatan. Bisnis edge computing tetap menjadi sumber pendapatan terbesar dengan pertumbuhan 392%. Satu-satunya kelemahan adalah segmen konsumen, yang turun 5%. Sandisk juga menekankan strategi "Perjanjian Jangka Panjang" baru untuk mengamankan pasokan dan mengurangi volatilitas siklus industri, serta mengumumkan program buyback saham senilai USD 14 miliar. Namun, faktor-faktor jangka panjang ini tidak cukup untuk mengimbangi kekecewaan pasar terhadap panduan kuartalan yang lebih rendah dari harapan. Intinya, pasar tidak meragukan kekuatan fundamental saat ini, tetapi mempertanyakan apakah akselerasi pertumbuhan di masa depan masih dapat memenuhi ekspektasi yang sudah sangat tinggi.

Odaily星球日报08/06 07:10

Sandisk Mencetak Laporan Keuangan Rekor, Kenapa Sahamnya Masih Anjlok 8% Pasca-Pasar?

Odaily星球日报08/06 07:10

活动图片