# 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.

Usai Rebut Pemenang Nobel, Kini Genggam Kepala CS Berkeley, Anthropic Rekrut Empat Orang dalam Dua Pekan

Jelani Nelson, Ketua Departemen Ilmu Komputer di UC Berkeley EECS dan ahli teori ilmu komputer, mengumumkan pada 1 Juli bahwa ia telah bergabung dengan Anthropic dengan status cuti dari universitas. Dalam dua minggu terakhir, Anthropic telah merekrut empat talenta terkemuka: pemenang Nobel Kimia 2024 John Jumper (dari DeepMind), dua peneliti inti Gemini (Jonas Adler dan Alexander Pritzel), dan sekarang Jelani Nelson. Rekrutmen ini mencerminkan pergeseran fokus persaingan AI dari sekadar menambah skala model ke fondasi teoretis algoritmik yang lebih efisien. Penelitian utama Nelson berkisar pada algoritma streaming, reduksi dimensionalitas, dan algoritma acak, yang intinya adalah memproses data besar dengan memori dan komputasi minimal. Keahlian ini sangat relevan dengan tantangan efisiensi pelatihan, kompresi data, dan kompleksitas komputasi dalam model AI besar. Dengan bergabungnya para ahli teori seperti Nelson, Anthropic memperdalam landasan teoretisnya di tengah perlombaan untuk mengoptimalkan sumber daya komputasi yang terbatas. Tren "cuti" untuk bergabung dengan perusahaan AI, alih-alih mengundurkan diri permanen dari akademisi, semakin umum. Model ini memberi jaminan bagi para akademisi dan akses bagi perusahaan ke jaringan serta keahlian mendalam. Gelombang perpindahan talenta puncak ini juga didorong oleh prospek IPO perusahaan AI seperti OpenAI dan Anthropic, yang menawarkan insentif ekuitas yang menarik. Universitas-universitas top seperti Berkeley, dengan kekuatan teoretis dan riset AI-nya, menjadi sumber daya utama dalam perebutan talenta ini, memicu pertanyaan tentang masa depan peran institusi akademik jika para peneliti terbaiknya terus beralih ke industri.

marsbit07/02 09:06

Usai Rebut Pemenang Nobel, Kini Genggam Kepala CS Berkeley, Anthropic Rekrut Empat Orang dalam Dua Pekan

marsbit07/02 09:06

Venice AI Raised 65 Million USD Funding Valued at 1 Billion USD, Founder Says 'Tidak Jual Token', $VVV Dapat Katalis Baru?

**Venice AI Raih Pendanaan $65 Juta dengan Valuasi $1 Miliar, Janji Tidak Jual Token VVV** Platform AI privasi Venice, yang didirikan oleh Erik Voorhees, berhasil mengumpulkan $65 juta dalam pendanaan Seri A yang dipimpin Dragonfly, dengan valuasi mencapai $1 miliar. Pendanaan ini merupakan pertama kalinya dari investor eksternal sejak platform diluncurkan dua tahun lalu. Struktur pendanaan unik menggabungkan ekuitas (8,98% saham) dengan hak atas token VVV: investor menerima 150 juta token VVV yang akan dicairkan bertahap, serta waran untuk membeli tambahan 500 juta VVV dalam 8 tahun ke depan dengan harga yang telah ditetapkan. Voorhees menekankan bahwa tim dan perusahaannya belum pernah menjual satu pun token VVV dari kas mereka, dan berencana terus melakukan pembelian kembali dan penghancuran token. Dana akan digunakan untuk membangun infrastruktur komputasi sendiri, termasuk pusat data pertama, guna mengurangi ketergantungan pada sewa GPU, menurunkan biaya, dan meningkatkan margin keuntungan. Keuntungan diharapkan dapat mendukung program pembakaran token VVV yang lebih besar. Meskipun waran untuk 500 juta VVV berpotensi menambah pasokan token di masa depan (sekitar 6000 VVV/hari setelah masa tunggu 1 tahun), Voorhees memperkirakan dampaknya terhadap pasar akan minimal. Venice mengklaim telah mencapai profitabilitas dengan run-rate pendapatan lebih dari $70 juta dan memiliki 3 juta pengguna. Token VVV mengalami kenaikan harga menyusul pengumuman ini.

marsbit07/02 04:28

Venice AI Raised 65 Million USD Funding Valued at 1 Billion USD, Founder Says 'Tidak Jual Token', $VVV Dapat Katalis Baru?

marsbit07/02 04:28

Warsh: Inflasi Mendingin dalam Empat Minggu Terakhir, AI Mengubah Ekonomi, Panduan Forward Kehilangan Keperluan

Walsh: Inflasi Mendingin Empat Pekan Terakhir, AI Ubah Ekonomi, Panduan Ke Depan Tak Perlu Lagi Di Forum Bank Sentral Eropa di Sintra, Walsh menegaskan bahwa The Fed tidak akan memberikan panduan ke depan (forward guidance) tentang jalur suku bunga. Ia menekankan bahwa keputusan akan dibuat berdasarkan data terbaru pada setiap pertemuan. Walsh menyatakan risiko inflasi AS telah mereda dalam empat pekan terakhir. Namun, ia menekankan bahwa The Fed akan tetap bergantung pada data, menolak untuk mengungkapkan kecenderungan kebijakannya sendiri. Ia membahas dampak AI terhadap ekonomi, menyebutkan bahwa peningkatan kapasitas produksi yang didorong AI akan menjadi variabel baru dalam kebijakan moneter. AI dapat meningkatkan produktivitas, memungkinkan pertumbuhan ekonomi yang lebih cepat dengan tekanan inflasi yang lebih rendah. Namun, ketidakpastian tetap ada mengenai bagaimana AI akan mempengaruhi pasar tenaga kerja. Walsh menegaskan bahwa apakah AI bersifat inflasioner atau deflasioner harus dinilai berdasarkan data oleh bank sentral. Walsh juga menegaskan kembali independensi The Fed, menyatakan bahwa kebijakan tidak akan terpengaruh oleh tekanan eksternal seperti seruan presiden untuk menurunkan suku bunga. Mengenai neraca The Fed, Walsh menyatakan keinginannya untuk mengecilkannya tetap tidak berubah, meskipun prosesnya tidak akan cepat. Saat ini, ukurannya sekitar $6,7 triliun, masih jauh di atas level pra-pandemi. Ia juga mengungkapkan bahwa lima gugus tugas reformasi internal yang dibentuknya akan segera mengumumkan daftar anggotanya minggu depan. Gugus tugas ini akan meneliti berbagai aspek seperti mekanisme komunikasi, neraca, dan kerangka inflasi.

链捕手07/02 03:40

Warsh: Inflasi Mendingin dalam Empat Minggu Terakhir, AI Mengubah Ekonomi, Panduan Forward Kehilangan Keperluan

链捕手07/02 03:40

Pilihan Emas dengan Gaji Rp 3,2 Miliar, Bukan di 985

Setiap musim pendaftaran kuliah, arah karier selalu ditinjau kembali. Generasi 00-an kini disebut sebagai "Generasi Sabuk Alat" (The Toolbelt Generation). Alih-alih mengejar gelar akademis di universitas bergengsi, banyak pemuda justru beralih ke sekolah kejuruan untuk menjadi pekerja kerah biru seperti tukang listrik, tukang las, atau teknisi HVAC. Tren global ini didorong oleh ancaman AI yang mulai menggantikan pekerjaan kerah putih tingkat pemula, sementara pekerjaan kerah biru dianggap lebih aman karena membutuhkan keterampilan fisik dan pengalaman yang sulit digantikan algoritma. Bahkan, proyek infrastruktur AI skala besar justru menciptakan permintaan tinggi untuk tenaga terampil, dengan gaji yang sangat menggiurkan. Contohnya, tukang listrik ahli di AS yang mengerjakan data center AI bisa mendapat gaji tahunan hingga 200.000-300.000 dolar AS (sekitar Rp 136-204 juta). Selain itu, biaya kuliah yang mahal dan utang pendidikan yang membebani lulusan universitas membuat jalur kejuruan terlihat lebih menarik secara finansial. Pelatihan kejuruan relatif singkat dan murah, memungkinkan peserta langsung menghasilkan uang. Meskipun pekerjaan kerah biru sering kali berat dan berisiko, "rasio biaya-manfaat"-nya dianggap lebih baik dibandingkan banyak pekerjaan kerah putih pemula di era AI. Intinya, saat AI mengancam nilai gelar akademis, keterampilan teknis dan kerja fisik justru semakin berharga. Pemuda masa kini melihat bahwa di dunia di mana AI bisa menulis puisi di kantor, manusia masih sangat dibutuhkan untuk membangun dan memperbaiki dunia fisik.

marsbit07/02 03:15

Pilihan Emas dengan Gaji Rp 3,2 Miliar, Bukan di 985

marsbit07/02 03:15

Memprediksi Babak Gugur Piala Dunia, Seberapa Besar Perbedaan Level AI?

**Ringkasan: Prediksi Piala Dunia oleh AI, Seberapa Akuratkah Mereka?** Odaily Planet Daily menguji akurasi prediksi berbagai model AI (ChatGPT, Grok, Qwen, DeepSeek, Gemini, Claude) untuk babak knockout Piala Dunia dengan membandingkannya dengan hasil aktual. **DeepSeek dan Gemini** menonjol dengan prediksi brilian mereka untuk pertandingan Belanda vs Maroko. Keduanya tidak hanya meramal hasil seri 1-1 di waktu normal, tetapi juga memprediksi kemenangan Maroko melalui adu penalti, yang ternyata sangat akurat. **Grok dan Qwen** menunjukkan konsistensi dalam memprediksi skor tepat untuk pertandingan dengan tim favorit yang jelas, seperti Kanada 1-0 atas Afrika Selatan dan Brasil 2-1 atas Jepang. Mereka pandai memperkirakan seberapa sulit tim unggul akan menang. **ChatGPT** lebih kuat dalam menganalisis dinamika dan kesulitan pertandingan. Misalnya, ia memperkirakan Jepang dan Pantai Gading akan memberikan perlawanan sengit meski kalah, yang terbukti benar. Namun, ChatGPT cenderung ragu untuk memprediksi kejutan besar. Kegagalan kolektif terjadi pada pertandingan Jerman vs Paraguay. Semua model AI meramalkan kemenangan mudah Jerman, tetapi Paraguay berhasil membawa pertandingan ke adu penalti dan mengeliminasi Jerman. **Kesimpulan:** Setiap model AI memiliki keunggulannya masing-masing. DeepSeek dan Gemini paling berani dan akurat dalam memprediksi kejutan. Grok dan Qwen stabil untuk prediksi skor pada pertandingan favorit. ChatGPT unggul dalam analisis proses pertandingan. Pemilihan model bergantung pada kebutuhan: apakah untuk prediksi skor/kejutan atau untuk memahami alur pertandingan.

Odaily星球日报07/02 01:46

Memprediksi Babak Gugur Piala Dunia, Seberapa Besar Perbedaan Level AI?

Odaily星球日报07/02 01:46

Pemenang Tersembunyi AI

**Judul: Pemenang AI Tersembunyi** Artikel ini menyoroti fenomena unik di mana perusahaan-perusahaan manufaktur tradisional dari Jepang dan Korea Selatan, yang tampaknya tidak terkait dengan industri AI, justru mengalami kenaikan harga saham yang signifikan karena peran mereka dalam rantai pasokan semikonduktor untuk AI. **Contoh Utama:** * **TOTO (Toto Ltd.):** Perusahaan perlengkapan kamar mandi terkenal ini telah mengembangkan keramik presisi semikonduktor (terutama electrostatic chucks) selama hampir 40 tahun. Produk ini penting untuk proses manufaktur chip AI canggih (seperti 3D NAND). Meski hanya menyumbang 9% dari pendapatan, divisi ini memberikan 54% dari laba operasi dengan margin keuntungan 43%, jauh melampaui bisnis utama kamar mandinya (margin 5%). Kenaikan sahamnya didorong oleh lonjakan permintaan AI, peningkatan kapasitas, dan revaluasi pasar. * **Nittobo:** Perusahaan tekstil berusia 128 tahun yang memproduksi kain fiberglass T-glass, bahan penting untuk substrat pengemasan chip AI. Mereka menguasai sekitar 90% pasokan global. * **Ajinomoto:** Produsen bumbu penyedap (MSG) yang mengembangkan film isolasi ABF untuk substrat chip. Mereka menguasai 80-95% pasar global untuk produk ini. **Inti Logika:** Kemajuan teknologi AI membutuhkan chip yang lebih canggih, yang justru meningkatkan ketergantungan pada material dan proses manufaktur tradisional tertentu yang memiliki hambatan tinggi untuk masuk (seperti know-how khusus, sertifikasi lama >5 tahun, dan kapasitas terbatas). Perusahaan-perusahaan ini telah menguasai "posisi terpencil yang penting" dalam rantai pasokan. **Implikasi untuk Pasar A-Saham (China):** Tren serupa terjadi di China dengan narasi "substitusi impor" ditambah kesenjangan permintaan-penawaran. Perusahaan seperti **Zhongci Electronic** (keramik presisi/electrostatic chucks) dan **Honghe Technology & Feilihua** (kain elektronik khusus) diuntungkan. Kunci kesuksesan mereka terletak pada kemampuan melepaskan kapasitas tepat waktu dan mencapai tingkat hasil yang kompetitif. **Kesimpulan:** Klasifikasi industri tradisional sering kali tertinggal dalam mengakui pergeseran struktur keuntungan yang sebenarnya dalam sebuah perusahaan. Ketika AI terus mendorong permintaan untuk komponen presisi, perusahaan-perusahaan dengan keahlian material mendalam dan posisi pasokan yang terkunci berpotensi menjadi "pemenang tersembunyi," terlepas dari label bisnis utama mereka yang lama.

marsbit07/02 00:40

Pemenang Tersembunyi AI

marsbit07/02 00:40

Pemenang AI Tersembunyi yang Paling Rahasia

**Pemenang AI Tersembunyi: Kisah Perusahaan Tradisional yang Mendapat Keuntungan Besar dari Rantai Pasokan AI** Artikel ini membahas fenomena perusahaan-perusahaan manufaktur tradisional di pasar saham Jepang dan Korea yang mengalami lonjakan harga saham signifikan, didorong oleh keterlibatan mereka dalam rantai pasokan industri semikonduktor dan AI, bukan dari bisnis inti tradisional mereka. * **TOTO** (perusahaan perlengkapan kamar mandi Jepang): Sahamnya naik 145% dalam setahun. Kunci keberhasilannya adalah divisi keramik presisi semikonduktor, khususnya produksi **"electrostatic chuck" (ESC)** yang penting untuk proses fabrikasi chip canggih. Meski hanya menyumbang 9% pendapatan, divisi ini memberi kontribusi 54% laba operasi dengan margin keuntungan 43%. Teknologi dan kemitraan lama dengan Lam Research, ditambah investasi ekspansi besar-besaran, membuatnya sulit ditandingi pesaing baru. * **Nittobo** (perusahaan tekstil serat kaca): Sahamnya melonjak 325%. Pemicunya adalah kain serat kaca **T-glass** untuk substrat *packaging* chip AI. Nittobo menguasai sekitar 90% pasokan global, dengan kapasitas terjual habis hingga 2027, memicu kenaikan harga berulang. * **Ajinomoto** (produsen monosodium glutamat/MSG): Perusahaan ini menguasai 80-95% pasar global untuk film isolasi **ABF**, bahan penting dalam substrat *packaging* chip. Bisnis ini, walau hanya 6% dari pendapatan grup, menyumbang 30% laba dengan margin di atas 50%. Artikel menyoroti pola umum: keuntungan tinggi dalam rantai pasokan AI seringkali berada di titik-titik kritis yang membutuhkan keahlian material khusus dan proses manufaktur yang telah matang selama puluhan tahun. Perusahaan-perusahaan ini memiliki "know-how", paten, dan hubungan pemasok yang kuat, menciptakan hambatan masuk yang tinggi. Pasokan yang ketat dan siklus validasi yang panjang (bisa 5 tahun) semakin memperkuat posisi mereka. Di pasar saham China (A-shares), narasi serupa muncul dengan tema **"penggantian impor"**. Perusahaan seperti **Zhongci Electronic** (keramik presisi/ESC), **Honghe Technology**, dan **Feilihua** (kain elektronik khusus) disebut sebagai pemain potensial yang mencoba memanfaatkan kesenjangan pasokan dan jendela peluang untuk substitusi impor. Keberhasilan mereka bergantung pada kemampuan meningkatkan produksi dan hasil (*yield*) yang konsisten. Kesimpulannya, transformasi struktur laba di perusahaan-perusahaan ini seringkali mendahului perubahan persepsi pasar. Klasifikasi industri tradisional (seperti "bahan bangunan" atau "makanan") mungkin tidak lagi mencerminkan realitas bisnis mereka yang semakin bergantung pada teknologi canggih. Tuntutan AI akan presisi chip yang lebih tinggi diperkirakan akan semakin memperdalam ketergantungan pada keahlian material dan proses tradisional yang mapan ini.

链捕手07/02 00:34

Pemenang AI Tersembunyi yang Paling Rahasia

链捕手07/02 00:34

活动图片