# Artikel Terkait inferensi AI

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

Interpretasi Riset: Morgan Stanley Memperjelas SanDisk (SNDK), Kebenaran Kekuatan Penetapan Harga di Pusat Data Cloud dan Dividen Inferensi AI

**Ringkasan Laporan: Morgan Stanley Menganalisis SNDK, Kekuatan Penetapan Harga di Pusat Data Awan & Realitas Manfaat AI Inference** Morgan Stanley (MS) pada 22 Juni meningkatkan target harga SNDK dari $1100 menjadi $1750, dengan rating "Overweight". Alasan utamanya: permintaan untuk **AI inference** mengubah aturan pasar NAND. Pelanggan pusat data awan (cloud) yang membayar premium untuk penyimpanan **KV Cache** dan konteks AI menjadi kurang sensitif terhadap harga, memberikan SNDK **kekuatan penetapan harga**. SNDK mengunci profitabilitas masa depan melalui **NBM (New Business Model)**, kontrak jangka panjang (3-5 tahun) yang telah mencakup lebih dari sepertiga volume bit FY27. Kontrak ini memiliki harga tetap atau struktur floor/ceiling, dan bahkan pada harga terendah (floor) dapat mempertahankan margin kotor sekitar **80%**. MS memproyeksikan margin kotor SNDK akan melonjak dari 30.3% (FY25) menjadi 86.7% (FY27e). Dengan pasokan NAND yang diperkirakan tetap ketat hingga setidaknya pertengahan 2027, SNDK berfokus pada pertumbuhan melalui peningkatan kepadatan (density), bukan ekspansi kapasitas besar-besaran. Pertumbuhan pendapatan yang diproyeksikan (6.6x dari FY25 ke FY27) berasal dari segmen cloud ber-margin tinggi. **Katalis:** Adopsi eSSD di pusat data yang melampaui ekspektasi, pertumbuhan AI di edge, dan teknologi baru seperti HBM. **Risiko:** Pertumbuhan industri melambat, kompetisi meningkat (termasuk dari produsen China seperti YMTC), dan kehilangan pangsa pasar di segmen pusat data. Logika utama MS: **1)** Perubahan struktural permintaan AI inference, **2)** Perlindungan margin oleh kontrak NBM, dan **3)** Pasokan NAND yang ketat. Target harga $1750 didasarkan pada 28x PER FY27e.

marsbit06/23 12:07

Interpretasi Riset: Morgan Stanley Memperjelas SanDisk (SNDK), Kebenaran Kekuatan Penetapan Harga di Pusat Data Cloud dan Dividen Inferensi AI

marsbit06/23 12:07

Wawasan Mendalam: Inference Terdesentralisasi Bukan Hype, Melainkan Arena Kunci untuk Menembus Monopoli AI Terpusat

**Wawasan Mendalam: Inferensi Terdesentralisasi Bukan Hanya Hype, Tapi Jalur Kunci untuk Membobol Monopoli AI Terpusat** Artikel ini membahas pentingnya inferensi AI terdesentralisasi sebagai perlawanan terhadap risiko sensor dan monopoli oleh entitas terpusat. Penulis menyajikan skenario hipotetis di mana model AI mutakhir seperti "GLM-6" bisa dilarang oleh pemerintah, menyebabkan platform cloud besar mematuhinya. Di sinilah jaringan inferensi terdesentralisasi berperan, karena tidak ada otoritas pusat yang bisa mematikan seluruh jaringan atau menyensor model yang sudah tersebar. Artikel menguraikan empat tantangan utama yang harus dipecahkan: 1. **Menjalankan model yang terlalu besar untuk satu mesin:** Solusinya adalah dengan *GPU swarm* dan teknik seperti *speculative decoding* untuk mencapai kecepatan yang layak, meski latensi jaringan tetap menjadi hambatan dibanding pusat data. 2. **Membuktikan keaslian model yang dijalankan:** Berbagai metode seperti ZKML, *opML*, dan *live-weight proofs* ditawarkan dengan pertukaran (*trade-off*) antara integritas, latensi, dan biaya. 3. **Melindungi kerahasiaan *prompt*:** Teknik sharding saja tidak menjamin privasi. Solusi yang lebih kuat diperlukan, seperti *Trusted Execution Environments* (TEE) atau *Fully Homomorphic Encryption* (FHE). 4. **Membangun pasar dua sisi yang berkelanjutan:** Menemukan pelanggan ideal selain pengguna crypto adalah tantangan bisnis. Start-up dan *AI agent* disebut sebagai calon pengguna potensial. Beberapa proyek utama yang diulas antara lain Dolphin Network (dengan *live-weight proofs*), Inference.net, Morpheus (menggunakan TEE), dan Darkbloom (untuk hardware Apple). Artikel juga membedakan kasus penggunaan: inferensi terdesentralisasi cocok untuk tugas berorientasi *throughput* (seperti pembuatan data sintetis), sementara tugas yang membutuhkan latensi rendah masih lebih unggul di pusat data. Kesimpulannya, inferensi terdesentralisasi adalah bidang yang penting dengan potensi nyata, bukan hanya hype. Kunci suksesnya terletak pada proyek yang secara jelas memecahkan tantangan teknis, memahami pasar, dan menawarkan nilai (biaya, kinerja, privasi) di luar sekadar token.

Foresight News06/23 10:41

Wawasan Mendalam: Inference Terdesentralisasi Bukan Hype, Melainkan Arena Kunci untuk Menembus Monopoli AI Terpusat

Foresight News06/23 10:41

活动图片