# Artikel Terkait Arsitektur

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

L2 'Recalibration': Ketika L1 Menjadi Rollup Miliknya Sendiri, Apa Akhir dari Ethereum?

"L2 'Rekalibrasi': Ketika L1 Menjadi Rollup-nya Sendiri, Apa Masa Depan Ethereum?" Artikel ini membahas evolusi hubungan antara Ethereum L1 dan L2 (Layer 2). Awalnya, L2 seperti Rollup bertugas utama memperluas kapasitas transaksi dengan biaya rendah, sementara L1 fokus pada keamanan dan desentralisasi. Namun, dengan peningkatan skalabilitas L1 sendiri melalui peningkatan Gas Limit, zkEVM, dan teknologi lainnya, peran L2 perlu dikaji ulang. Kedepannya, nilai L2 tidak lagi hanya pada transaksi murah dan cepat, tetapi lebih pada menyediakan fungsi yang terdiferensiasi seperti optimasi aplikasi spesifik, privasi, dan model tata kelola yang fleksibel. L1 akan menjadi pusat global yang tangguh untuk penyelesaian, status bersama, dan likuiditas. Artikel ini juga membahas tantangan interoperabilitas akibat fragmentasi di banyak L2. Solusi seperti kerangka Open Intents dan Ethereum Interoperability Layer (EIL) bertujuan membuat pengalaman pengguna terasa seperti menggunakan satu rantai tunggal. Selain itu, memperpendek waktu finalitas L1 menjadi hitungan detik sangat penting untuk aplikasi lintas rantai. Yang lebih menarik, dengan masuknya sistem bukti seperti zkEVM ke dalam protokol utama, suatu hari nanti L1 Ethereum mungkin beroperasi mirip dengan "Rollup untuk dirinya sendiri", di mana eksekusi dan verifikasi dapat dipisahkan. Ini mengaburkan batas tradisional antara L1 dan L2. Kesimpulannya, masa depan Ethereum bukanlah tentang L1 menggantikan L2 atau sebaliknya. Alih-alih, ini tentang menciptakan ekosistem di mana berbagai lingkungan eksekusi (L2) dengan fungsi berbeda dapat beroperasi bersama, dengan berbagi keamanan, likuiditas, dan hubungan status di bawah hub L1 yang kuat, memberikan pengalaman yang lebih mulus dan terpadu bagi pengguna.

marsbit07/21 12:58

L2 'Recalibration': Ketika L1 Menjadi Rollup Miliknya Sendiri, Apa Akhir dari Ethereum?

marsbit07/21 12:58

Debat Stablecoin Visa-Mastercard Mengembalikan Fokus pada Desain XRP Ledger

Proyek stablecoin baru bernama Open USD (OUSD) yang didukung oleh konsorsium besar termasuk Visa, Mastercard, dan Ripple, telah memicu perbandingan teknis dengan desain XRP Ledger (XRPL). Mantan insinyur Ripple, Matt Hamilton, menyatakan bahwa struktur berbagi cadangan multilateral OUSD menyerupai konsep yang telah ada dalam arsitektur XRPL sejak 2012. Poin pentingnya adalah perbandingan teknis ini, bukan pengumuman bahwa OUSD dibangun di atas XRPL atau oleh Ripple. OUSD sendiri rencananya akan diluncurkan di Solana dan Tempo terlebih dahulu. Namun, kemiripan desain ini mengingatkan bahwa XRPL dirancang sejak dini untuk penyelesaian pembayaran yang cepat dan penerbitan aset, yang kini menjadi topik utama dalam keuangan modern. Bagi pendukung XRP, ini merupakan pengakuan tidak langsung bahwa ide-ide inti XRPL relevan dan mungkin diadopsi oleh pemain keuangan besar. Pesan utamanya adalah menjaga narasi ini tetap akurat: perbandingan teknis dapat mendukung cerita utilitas XRPL, tetapi belum berarti integrasi langsung.

bitcoinist07/02 23:08

Debat Stablecoin Visa-Mastercard Mengembalikan Fokus pada Desain XRP Ledger

bitcoinist07/02 23:08

Mengubah Bentuk Transformer, LLM Bisa Jadi Lebih Pintar

Penelitian terbaru dari Mila, Universitas Cornell, dan Universitas Montreal mengajukan pertanyaan mendasar: "Bagaimana jika, tanpa menambahkan satu parameter pun, kita hanya menggeser posisi parameter yang sudah ada dalam model?" Ini menyoroti asumsi implisit pada hampir semua model bahasa berbasis Transformer sejak 2017: semua lapisan mendapatkan alokasi parameter yang sama rata. Eksperimen dengan model 440M parameter membuktikan bahwa mengalokasikan lebih banyak kapasitas (lebar jaringan feed-forward) ke lapisan awal dan mengurangi di lapisan akhir—tanpa mengubah total parameter atau FLOPs—secara signifikan meningkatkan kinerja. Pendekatan ini, yang disebut **Tapered Language Models (TLMs)**, mengubah distribusi parameter dari persegi panjang menjadi berbentuk baji dengan pola menurun. Dari tiga pola penurunan yang diuji (linier, cosinus, sigmoid), pola **penurunan cosinus** terbukti paling optimal. Pada model 440M parameter, metode ini menurunkan nilai perplexity dari 16.28 menjadi 14.44—peningkatan 1.84 poin yang "gratis". Keunggulan ini konsisten diuji pada empat arsitektur model berbeda (termasuk yang menggunakan mekanisme gating dan memori) pada skala 760M dan 1.3B parameter. Analisis mendalam menunjukkan alasan di balik efektivitasnya: lapisan awal lebih banyak melakukan pemrosesan dan penciptaan informasi baru, sementara lapisan dalam cenderung hanya mengulang atau memperkuat sinyal yang sudah ada. Dengan demikian, menggeser kapasitas ke depan adalah alokasi sumber daya yang lebih cerdas. Implikasi penelitian ini luas dan efisien. Daripada hanya bersaing menambah parameter atau membuat arsitektur lebih jarang, industri AI memiliki "tuas gratis" tersembunyi dengan hanya mengoptimalkan **bentuk** distribusi parameter internal model, tanpa biaya komputasi tambahan. Konsep ini berpotensi diterapkan tidak hanya pada LLM, tetapi juga pada model vision Transformer, difusi, dan multimodal.

marsbit06/29 12:56

Mengubah Bentuk Transformer, LLM Bisa Jadi Lebih Pintar

marsbit06/29 12:56

Karya Baru Tim He Kaiming: Menghapus VAE dan Data Privat, Hasil Generasi Gambar dari Teks Justru Lebih Baik

Tim riset Kai Ming He meluncurkan model teks-ke-gambar yang sangat sederhana bernama MiniT2I, yang menantang pendekatan rumit yang umum digunakan saat ini. Model ini menghilangkan komponen standar seperti pengkode VAE, mekanisme injeksi kondisi AdaLN, data privat, dan tahap penyelarasan RL/DPO. Sebagai gantinya, MiniT2I dilatih secara langsung di ruang piksel RGB menggunakan target pemadanan aliran pada model Transformer. MiniT2I mengadopsi arsitektur MM-JiT yang sederhana, menggantikan mekanisme modulasi kondisi kompleks dengan dua blok adaptor teks ringan dan menghapus cabang AdaLN. Model ini dilatih secara dua tahap hanya menggunakan data publik: pra-pelatihan pada dataset CC12M yang diberi keterangan ulang, dan penyempurnaan pada sekitar 120 ribu pasangan gambar-teks berkualitas tinggi. Dengan hanya 258 juta parameter (versi B/16), MiniT2I mencapai skor 0,87 pada GenEval dan 84,2 pada DPG-Bench, mengungguli model lain di ruang piksel yang jauh lebih besar. Keunggulannya meliputi biaya komputasi yang lebih rendah, arsitektur yang lebih mudah dipahami, dan hasil yang sebanding dalam hal kualitas dan keragaman gaya dengan model besar seperti SD3-Medium dalam beberapa skenario. Namun, model ini masih memiliki keterbatasan seperti artefak batas patch, efek samping CFG pada ruang piksel, dan kinerja yang lebih rendah dalam rendering teks dibandingkan sistem industri, yang memerlukan data yang lebih khusus.

marsbit06/22 10:20

Karya Baru Tim He Kaiming: Menghapus VAE dan Data Privat, Hasil Generasi Gambar dari Teks Justru Lebih Baik

marsbit06/22 10:20

Analisis Hook Uniswap v4: Desain Arsitektur, Kerentanan Umum, dan Praktik Perlindungan

Sejak Uniswap v4 dirilis, mekanisme Hook telah menjadi inovasi DeFi yang paling diperhatikan. Hook memungkinkan pengembang untuk memasukkan logika kustom ke dalam peristiwa siklus hidup pool likuiditas seperti swap, penambahan/pengurangan likuiditas, dan inisialisasi. Artikel ini membahas keamanan dan arsitektur Hook v4: - **Model PoolManager**: Semua perubahan status pool dikelola oleh kontrak PoolManager tunggal. Setiap tindakan memerlukan panggilan `unlock()` dan menyelesaikan transaksi dalam `unlockCallback()` untuk memastikan neraca akun nol. - **Binding Hook**: Setiap pool dikaitkan dengan satu kontrak Hook secara permanen, dan keamanan pool bergantung pada Hook tersebut. - **Bit Izin Alamat**: Izin Hook ditentukan oleh 14 bit rendah alamat deploy-nya, bukan oleh variabel internal. Ini mengharuskan penggunaan CREATE2 dengan salt untuk menghitung alamat yang tepat. - **Tantangan Keamanan**: 1. **Kontrol Akses**: Versi awal BaseHook hanya melindungi `unlockCallback()`, sedangkan fungsi callback lain (seperti `beforeSwap`) memerlukan kontrol akses eksplisit dari pengembang. 2. **Binding Pool Bebas**: Siapa pun dapat membuat pool baru dengan Hook yang sama tanpa batasan, sehingga Hook perlu mengimplementasikan daftar izin atau binding pool tunggal di `beforeInitialize`. 3. **Async/Custom Curve Hook**: Hook dapat sepenuhnya menggantikan logika swap Uniswap, membawa risiko tinggi karena keamanan bergantung pada implementasi Hook sendiri. 4. **Delta Accounting**: Sistem akuntansi delta memastikan neraca akhir nol, tetapi tidak menjamin kebenaran nilai delta, yang berpotensi dimanipulasi. - **Refleksi Audit**: Kompleksitas Hook memerlukan audit menyeluruh yang mencakup interaksi antar kontrak, bukan hanya kode Hook secara terpisah. Setiap Hook membentuk domain kepercayaan mandiri yang menentukan keamanan pool-nya. Keamanan di era v4 bergeser dari tingkat protokol ke tingkat pool, memerlukan metodologi audit yang lebih ketat dan pemahaman mendalam tentang arsitektur Hook.

marsbit06/22 08:09

Analisis Hook Uniswap v4: Desain Arsitektur, Kerentanan Umum, dan Praktik Perlindungan

marsbit06/22 08:09

Xpeng dan Nio Gencar di Komputasi, Ideal Ganti Arsitektur

Pada 15 Juni, Li Auto memperkenalkan chip self-driving buatan sendiri, Ma He M100, yang dikembangkan khusus untuk L9 Livis generasi baru. CTO Li Auto, Xie Yan, menekankan bahwa fokusnya bukan hanya meningkatkan kecepatan, tetapi mengubah arsitektur chip secara fundamental. Di tengah tren produsen mobil yang berlomba-lomba mengembangkan chip sendiri pada tahun 2026, pesaing seperti Nio (chip Shenji NX9031), Xpeng (chip Turing), dan Huawei (MDC 810 Pro) umumnya mengandalkan angka TOPS (komputasi) sebagai senjata pemasaran utama. Namun, Li Auto memilih jalur berbeda dengan mengubah logika arsitektur dasar dari chip tersebut. Ma He M100 mengadopsi arsitektur Dynamic Data Flow, bukan arsitektur von Neumann tradisional. Pendekatan ini dirancang untuk komputasi paralel matriks berskala besar yang diperlukan untuk inferensi model AI (seperti VLA), dengan mengurangi bolak-balik data antara memori dan unit pemrosesan. Hasil klaim Li Auto adalah efisiensi komputasi efektif 3 kali lipat dibandingkan Nvidia Thor U dan penurunan latency 40%. Keberhasilan arsitektur ini mendapat pengakuan eksternal melalui penerimaan makalahnya di konferensi akademis bergengsi ISCA 2026. Namun, keunggulan 3x ini sangat tergantung pada algoritma Li Auto (VLA2.1) dan mungkin tidak berlaku untuk tugas komputasi umum. Dengan chip ini, Li Auto menyelesaikan rantai teknologi "full-stack" yang meliputi chip, compiler, sistem operasi (Star Ring OS), model AI, dan pengontrol domain, menciptakan ekosistem tertutup yang independen dari pemasok seperti Nvidia. Dalam peluncuran ini, CEO Li Xiang juga memperkenalkan visi "Mobil Cerdas Embadied" ("Four-in-One Embodied AI Car"), yang mendefinisikan mobil listrik sebagai asisten hidup yang dapat merasakan, berpikir, dan berkembang, menggeser persaingan dari sekadar fitur konfigurasi (seperti kulkas atau layar) ke kemampuan sistem. Li Auto menetapkan target ambisius untuk model self-driving Ma He VLA agar menyamai performa Tesla FSD V14 pada kuartal keempat tahun ini, dengan rincian peningkatan OTA bertahap mulai Juli hingga Desember. Di balik inovasi teknologi, tantangan finansial tetap ada. Pendapatan Li Auto turun pada Q4 2025, dengan margin yang menyempit. Namun, anggaran R&D tetap tinggi (sekitar 12 miliar yuan, 50% untuk AI). Target penjualan 2026 adalah 550.000 unit, sementara realisasi 2025 adalah 406.000 unit. Pengujian nyata akan dimulai pada kuartal ketiga dengan OTA pertama pada Juli dan peluncuran model baru. Sertifikasi akademis untuk arsitektur chip adalah langkah awal, tetapi penerimaan pasar dan kinerja dalam kondisi mengemudi sehari-hari akan menjadi penentu kesuksesan akhir.

marsbit06/16 04:55

Xpeng dan Nio Gencar di Komputasi, Ideal Ganti Arsitektur

marsbit06/16 04:55

Setelah Pengesahan RUU GENIUS dan RUU CLARITY, Arsitektur Yield On-Chain yang Benar Seperti Apa?

Oleh @BirchHill_io, dikompilasi AididiaoJP, Foresight News. **Ringkasan (sekitar 1500 karakter):** Artikel ini membahas evolusi kredit berbasis aset (*asset-backed credit/ABC*) di blockchain dan arsitektur yang tepat pasca disahkannya Undang-Undang GENIUS dan CLARITY di AS. Pasar kredit on-chain dibedakan menjadi tiga: pinjaman terjamin berlebih berbasis crypto (seperti Aave), pinjaman tanpa jaminan (yang gagal), dan kredit berbasis aset dunia nyata (*Real World Assets/RWA*) yang sedang tumbuh pesat. ABC adalah satu-satunya kategori yang secara struktural dapat mengatasi masalah *adverse selection* (seleksi negatif) karena menggunakan agunan konkret yang dapat diidentifikasi, didokumentasikan secara hukum, dan dapat dieksekusi. Pertumbuhan aset RWA di blockchain sangat signifikan, dari $5.6B (2024) menjadi ~$259.6B (Juni 2026), dengan kredit privat sebagai segmen terbesar. Sementara itu, pasokan stablecoin (~$3230B) merupakan sisi permintaan yang kuat untuk hasil (*yield*) yang compliant. Undang-Undang GENIUS melarang penerbit stablecoin membayar bunga, dan Undang-Undang CLARITY akan memperluas larangan ini ke platform. Ini menciptakan titik balik regulasi di mana *yield* yang sah hanya dapat disalurkan melalui produk investasi diskrit, yang dalam ekosistem blockchain dimanifestasikan sebagai **vault** (brankas). Vault (standar seperti ERC-4626) menjadi arsitektur kunci: mekanisme penerbitan, pengungkapan, distribusi, pemulihan, dan wadah kepatuhan regulasi. Penulis berpendapat bahwa sebagian besar solusi saat ini berupa tokenisasi ekuitas fund hanya memindahkan masalah *adverse selection* ke level manajer fund, bukan menyelesaikannya. Masa depan terletak pada menyandikan pekerjaan kredit (penilaian, struktur, mekanisme pemulihan) langsung ke dalam lapisan protokol/vault itu sendiri. Kesimpulannya, dengan kerangka regulasi AS yang akan sepenuhnya berlaku pada 2027, arsitektur yang benar untuk *yield* on-chain adalah vault berbasis ABC yang dirancang dengan prioritas kepatuhan dari awal, mengatasi *adverse selection* di level vault, dan memanfaatkan permintaan besar dari modal stablecoin yang mencari hasil yang aman dan sesuai hukum.

Foresight News06/11 11:18

Setelah Pengesahan RUU GENIUS dan RUU CLARITY, Arsitektur Yield On-Chain yang Benar Seperti Apa?

Foresight News06/11 11:18

Melampaui 'Tembok Memori', Revolusi Tingkat Wafer dan Rute Kekuatan Komputasi di Era Inferensi AI

Pada tahun 2026, titik balik global AI muncul: belanja modal *inference* penyedia awan melebihi *training*, menandai pergeseran dari "membuat" ke "menggunakan" model besar. Hambatan utama bergeser dari daya komputasi ke "dinding memori"—bottleneck dalam memindahkan data (seperti berat model dan KV Cache) antara DRAM dan GPU, yang menyebabkan konsumsi energi tinggi dan penundaan. Arsitektur alternatif seperti Cerebras menawarkan solusi radikal melalui Wafer-Scale Engine (WSE). Daripada memotong wafer, Cerebras menggunakannya utuh sebagai satu chip raksasa (WSE-3), menampung 44GB SRAM *on-chip* dengan bandwidth 21 PB/detik—ribuan kali lebih cepat dari HBM tradisional. Ini memungkinkan aliran berat model dari memori eksternal (MemoryX) ke chip dengan latency sangat rendah, meningkatkan kecepatan *token* inferensi hingga 1,5–5x dibandingkan GPU seperti NVIDIA B200. Selain itu, daya interkoneksinya jauh lebih efisien (0,15 pJ/bit vs 10 pJ/bit GPU). Namun, pendekatan ini menghadapi tantangan: skala SRAM terhambat batas fisik, memerlukan sistem pendingin khusus, bandwidth I/O eksternal terbatas, dan ekosistem perangkat lunaknya yang kurang umum. Sementara itu, raksasa teknologi merespons dengan tiga jalur: chip ASIC khusus inferensi (seperti Microsoft Maia), kemasan *wafer-scale* yang semakin umum (misal, TSMC SoW), serta eksplorasi interkoneksi optik. Tekanan komersial juga besar bagi Cerebras, yang kini harus membangun pusat data skala besar untuk memenuhi pesanan. Intinya, tidak ada solusi sempurna. Cerebras mengoptimalkan latency ekstrem untuk beban kerja tertentu, sementara NVIDIA mempertahankan fleksibilitas untuk beban beragam. Pertarungan arsitektur ini masih terbuka dalam lanskap komputasi AI yang terus berubah.

marsbit06/05 11:11

Melampaui 'Tembok Memori', Revolusi Tingkat Wafer dan Rute Kekuatan Komputasi di Era Inferensi AI

marsbit06/05 11:11

GitHub, Ditembus oleh AI

Tanggal 9 Februari pukul 12 malam WIB, GitHub mengalami gangguan global yang parah. Situs web, API, GitHub Actions, hingga Copilot semuanya down. Penyebabnya adalah perubahan sederhana: memperpendek waktu refresh cache dari 12 jam menjadi 2 jam, yang memicu badai penulisan ulang cache dan menyebabkan kegagalan berantai. Ini bukan insiden tunggal. Pada kuartal pertama 2026, GitHub mengalami setidaknya 8 gangguan besar. Polanya aneh: setiap kali penyebabnya berbeda, tetapi akar masalahnya sama: infrastruktur yang mulai retak di bawah beban baru yang sangat masif. Beban baru itu datang dari AI Agent. Pada 2026, jumlah commit mingguan mencapai 275 juta. Jika berlanjut, total tahunan bisa 14 miliar, atau 14 kali lipat dari tahun 2025. AI Agent seperti Claude Code sekarang menyumbang 4,5% dari semua commit publik. Mereka bekerja tanpa henti, menghasilkan PR dalam jumlah besar, dan memperlakukan repository sebagai "output" alih-alih "ruang kerja" manusia. Pola lalu lintas yang bisa diprediksi telah berubah total. Masalah lainnya adalah model bisnis. Harga flat Copilot tidak lagi sesuai karena sesi Agentic AI menghabiskan sumber daya yang sangat besar, jauh melebihi biaya langganan. Sejak 1 Juni, GitHub beralih ke model pembayaran berdasarkan penggunaan (AI Credits). Untuk mengatasinya, GitHub tidak sekadar menambah kapasitas, tetapi merancang ulang arsitektur untuk menanggung beban 30 kali dari skala saat ini. Mereka berencana memisahkan layanan penting, memperkenalkan mekanisme kontrol lalu lintas, dan menghilangkan titik kegagalan tunggal. Intinya, GitHub sedang berubah dari "alat kolaborasi manusia" menjadi "pipa pembuangan AI". Gangguan pada 9 Februari bukan sekadar kecelakaan, melainkan pertanda era baru di mana AI mengubah fundamental alur kerja pengembangan perangkat lunak.

marsbit06/04 10:43

GitHub, Ditembus oleh AI

marsbit06/04 10:43

Jembatan Cross-Chain Berubah Aktif, LI.FI Gunakan Arsitektur Intensi untuk Menjadi Pusat Likuiditas Institusi TradFi

**LI.FI Beradaptasi: Dari Jembatan Lintas Rantai ke Pusat Likuiditas untuk Institusi TradFi dengan Arsitektur Intents** Saat aset TradFi seperti pembayaran stablecoin dan RWA mulai berintegrasi dengan ekosistem on-chain, LI.FI, sebuah protokol jembatan lintas rantai, tidak tinggal diam. Menghadapi penurunan volume transaksi di sektor jembatan dan likuiditas pasar yang menyusut, LI.FI secara aktif mencari peran baru. Memanfaatkan pendanaan segar, LI.FI memperluas layanannya. Mereka meluncurkan **LI.FI Intents**, sebuah arsitektur eksekusi berbasis *intent* yang menargetkan perusahaan fintech, *neo-bank*, dompet digital, dan institusi keuangan terdaftar. Produk ini bertujuan menjadi lapisan eksekusi dasar untuk pembayaran stablecoin, RWA, dan likuiditas on-chain yang sesuai regulasi. LI.FI Intents menawarkan: * **Kemudahan Penggunaan:** Mengotomatiskan proses kompleks seperti manajemen gas dan langkah-langkah teknis blockchain, memungkinkan pertukaran stablecoin lintas rantai yang presisi. * **Kepatuhan (Kunci Utama):** Jaringannya terdiri dari entitas terverifikasi. Institusi dapat menyetujui pesanan secara individual dan memilih sistem pemrosesan yang tepercaya. Semua dompet yang berinteraksi diperiksa sesuai daftar OFAC AS. * **Cakupan Ekosistem Luas:** Mendukung jaringan utama seperti EVM, Solana, dan Tron. Intinya, LI.FI beralih dari sekadar "protokol transmisi likuiditas" menjadi penyedia layanan otomatis tingkat perusahaan. Dengan LI.FI Intents, pengguna institusional hanya perlu menetapkan tujuan akhir (*intent*), sementara sistem yang efisien dan sesuai regulasi akan menangani seluruh proses eksekusinya.

Odaily星球日报06/03 06:09

Jembatan Cross-Chain Berubah Aktif, LI.FI Gunakan Arsitektur Intensi untuk Menjadi Pusat Likuiditas Institusi TradFi

Odaily星球日报06/03 06:09

活动图片

Kategori Populerright-arrow

Tag Populerright-arrow