# 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.

Dari Keuangan Mobil ke Bitcoin hingga Mesin AI: Analisis Strategi 'Apa yang Tidak Boleh Dilakukan' Kongo

Dari Pembiayaan Mobil ke Bitcoin hingga Mesin AI: Strategi "Apa yang Tidak Dilakukan" Cango Cango, perusahaan yang semula merupakan platform pembiayaan mobil di China, telah melakukan transformasi besar. Setelah go public di NYSE pada 2018, mereka beralih ke penambangan Bitcoin pada 2024 dengan mengakuisisi penambang senilai ratusan juta dolar. Kini, mereka masuk ke sektor kecerdasan buatan (AI) dengan meluncurkan EcoHash, anak perusahaan untuk AI inference. Berbeda dengan banyak penambang yang beralih menyewakan daya ke penyedia cloud besar untuk pelatihan AI, Cango memilih strategi unik. Mereka fokus pada AI inference (penyimpulan) dengan memanfaatkan situs-situs penambangan skala kecil (10-50 MW) yang tersebar di seluruh dunia. Menurut perusahaan, situs-situs kecil ini, yang menguasai 70% daya di industri penambangan, tidak menarik bagi raksasa cloud namun sempurna untuk AI inference yang memerlukan kedekatan dengan pengguna untuk mengurangi latensi. Cango menyediakan perangkat lunak EcoLink untuk menghubungkan dan mengelola situs-situs ini, menawarkan keandalan dengan mengalihkan beban kerja jika satu situs mati. Mereka menargetkan klien seperti platform penyewaan GPU dan startup AI yang membutuhkan harga lebih kompetitif dibanding layanan cloud besar. Perusahaan tetap mempertahankan sebagian operasi penambangan Bitcoin (31.7 EH/s) sebagai mesin kas, sambil membersihkan utang dan mengumpulkan dana untuk ekspansi AI. Meski ada skeptisisme mengenai biaya transformasi dan gelembung AI, Cango yakin pada disiplin strategi "apa yang tidak dilakukan" mereka—menghindari persaingan langsung di pelatihan AI—dan memanfaatkan peluang di segmen AI inference yang terdistribusi.

Foresight News07/11 08:00

Dari Keuangan Mobil ke Bitcoin hingga Mesin AI: Analisis Strategi 'Apa yang Tidak Boleh Dilakukan' Kongo

Foresight News07/11 08:00

Krisis Kapasitas Komputasi: Google Diam-diam Menerapkan Batas Penggunaan Gemini untuk Meta

Ketegangan antara pasokan dan permintaan infrastruktur kecerdasan buatan semakin memanas di antara perusahaan teknologi terkemuka. Google dilaporkan telah memberlakukan batas penggunaan pada Meta untuk model AI Gemini-nya sekitar bulan Maret, karena ketidakmampuan memenuhi seluruh permintaan daya komputasi dari raksasa media sosial tersebut. Pembatasan ini dilaporkan oleh Financial Times telah mengganggu dan menunda sejumlah proyek AI internal Meta, mendorong perusahaan untuk lebih efisien dalam penggunaan sumber daya AI dan mempromosikan penggunaan model buatan sendiri seperti Muse Spark. Daya komputasi untuk inferensi AI — yang digunakan setelah pelatihan model — menjadi hambatan utama industri seiring meluasnya penerapan asisten AI. Meski telah berinvestasi besar, pasokan Google tetap tertinggal dari permintaan, membatasi pertumbuhan bisnis cloud-nya. Meta, sebagai salah satu pelanggan terbesar, terkena dampak signifikan. Untuk mengatasi kekurangan ini, Google mempercepat ekspansi dengan menandatangani perjanjian sewa daya komputasi senilai $920 juta per bulan dengan SpaceX milik Elon Musk. Situasi ini mengungkap tekanan nyata pada penyedia layanan AI global dalam mengalokasikan sumber daya komputasi yang terbatas, sekaligus mendorong perusahaan seperti Meta untuk mempercepat pengembangan infrastruktur dan model AI mandiri.

marsbit06/29 01:03

Krisis Kapasitas Komputasi: Google Diam-diam Menerapkan Batas Penggunaan Gemini untuk Meta

marsbit06/29 01:03

Jawaban Lokal untuk Komputasi Luar Angkasa: Lebih Efisien dengan Foton, Jalur Musk dan Huang Terlalu Berbelit

Perlombaan komputasi luar angkasa telah menjadi perlombaan senjata nyata, dengan Musk dan Jensen Huang (CEO Nvidia) menekankan pentingnya kecerdasan di tempat data dihasilkan dan potensi satelit AI bertenaga surya sebagai solusi komputasi paling hemat biaya pada 2032. Namun, komputasi di luar angkasa menghadapi tantangan teknis yang jauh lebih keras daripada di darat: radiasi partikel energi tinggi yang menyebabkan kesalahan chip, kesulitan dissipasi panas di lingkungan vakum, dan pasokan daya yang sangat terbatas. Di sinilah **komputasi fotonik** muncul sebagai jawaban potensial. Chip komputasi fotonik menggunakan foton (cahaya) sebagai pembawa informasi, yang memiliki keunggulan alami untuk lingkungan luar angkasa: 1. **Tahan Radiasi**: Foton tidak bermuatan listrik, sehingga tidak rentan terhadap gangguan langsung dari partikel energi tinggi. 2. **Rendah Panas**: Proses komputasi dengan cahaya dalam waveguide hampir tidak menghasilkan panas, mengatasi masalah dissipasi panas yang kritis. 3. **Rendah Daya**: Konsumsi daya statis mendekati nol, cocok dengan sumber energi terbatas satelit. Keunggulan ini memungkinkan komputasi fotonik mencapai kepadatan komputasi yang lebih tinggi dengan berat dan volume muatan yang sama dibandingkan chip elektronik tradisional, karena membutuhkan sistem pendukung (pendingin, pelindung radiasi) yang lebih sederhana dan ringan. Sementara chip elektronik mendekati batas fisik penyusutan transistor (quantum tunneling), komputasi fotonik meningkatkan kinerja dengan memperluas skala dan memanfaatkan multidimensi cahaya (panjang gelombang, polarisasi), menawarkan jalur pengembangan yang berbeda. Meski menjanjikan, komputasi fotonik masih perlu mengatasi tantangan seperti integrasi skala besar, memisahkan memori dan komputasi, serta validasi rekayasa untuk kondisi peluncuran (getaran tinggi) dan lingkungan orbit. Jalur menuju komputasi berbasis luar angkasa yang komersial dan terukur masih panjang, tetapi komputasi fotonik dan interkoneksi fotonik ("komputasi & koneksi cahaya") muncul sebagai kartu truf potensial untuk mendorong batas kemampuan konstelasi komputasi di masa depan.

marsbit06/28 04:34

Jawaban Lokal untuk Komputasi Luar Angkasa: Lebih Efisien dengan Foton, Jalur Musk dan Huang Terlalu Berbelit

marsbit06/28 04:34

AI Inference Market: Panorama dan Peluang Proyek Crypto dalam Mencapai Kesuksesan?

Pasar inferensi AI semakin penting dibanding pelatihan model, karena inilah tempat sebagian besar nilai ekonomi terjadi. Inferensi adalah proses model AI memberikan jawaban atau output berdasarkan permintaan pengguna. Pasar ini dibagi menjadi dua kubu utama: **penyedia tradisional** (seperti AWS, Google, Microsoft) yang menawarkan keandalan, pengalaman pengembang, dan proses korporat; dan **jaringan terdesentralisasi berbasis kripto** (seperti Chutes, Akash, io.net) yang fokus pada akses terbuka, biaya lebih rendah, privasi, dan insentif baru. **Router** (seperti OpenRouter) menjadi elemen kunci, berfungsi sebagai lapisan pertukaran yang mengarahkan permintaan ke penyedia terbaik berdasarkan harga, latensi, dan faktor lainnya. Model open-source yang semakin murah dan berkualitas membuat peran router ini semakin krusial. Di sisi kripto, berbagai proyek mengejar ceruk berbeda: * **Chutes & Dolphin AI:** Platform inferensi terdesentralisasi yang menyediakan endpoint model. * **Akash & io.net:** Pasar GPU terdesentralisasi untuk akses komputasi yang lebih murah. * **Targon & Darkbloom:** Fokus pada komputasi rahasia dan inferensi privat. * **Venice:** Gateway inferensi privat untuk konsumen. * **NuNet & OpenServ:** Fokus pada orkestrasi beban kerja dan infrastruktur agen AI. **Kesimpulan utama:** Nilai terbesar tidak hanya terletak pada kepemilikan GPU, tetapi pada kontrol terhadap **permintaan, perutean, verifikasi, dan penyelesaian transaksi**. Pemenangnya akan menjadi jaringan yang dapat membuat inferensi terdesentralisasi terasa andal, dengan endpoint cepat, dokumentasi kuat, dan permintaan berbayar yang nyata. Privasi dan akses tanpa izin adalah peluang utama bagi proyek kripto dalam bersaing dengan raksasa cloud tradisional.

Foresight News06/25 07:13

AI Inference Market: Panorama dan Peluang Proyek Crypto dalam Mencapai Kesuksesan?