# Artikel Terkait Otonom

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

Sui Meluncurkan Kerangka Kerja Seal MPC untuk Mengamankan Transaksi Agen AI Otonom

**TL;DR** * Mysten Labs memperkenalkan prototipe Sui Seal MPC, sebuah komputasi multi-pihak. * Kerangka kerja ini dirancang agar agen AI dapat menjalankan tindakan on-chain tanpa secara langsung membuka kunci privat. * Artikel ini menyoroti teknologi sebagai lapisan izin/keamanan, bukan sebagai bentuk otonomi hukum penuh untuk agen. **Infrastruktur Keamanan Web Agen: Mengapa Cerita Ini Penting** Pengumuman Sui Seal MPC menarik perhatian karena berada di persimpangan aksi harga, struktur pasar, dan narasi yang diikuti trader. Perkembangan ini memberi pasar cara baru untuk menilai apakah lingkungan crypto saat ini didorong oleh adopsi jaringan yang nyata, kemajuan regulasi, pergeseran likuiditas, atau spekulasi jangka pendek. **Detail Utama** Sui Seal MPC menggunakan komputasi multi-pihak (MPC) untuk mengamankan kunci dan izin. Pasar crypto sering bergerak cepat berdasarkan berita utama, jadi penting untuk memahami batasannya: jangan melebih-lebihkan otonomi AI atau aspek regulasi dari teknologi ini. **Konteks Pasar** Cerita ini muncul saat aset crypto masih mencari arah yang jelas. Bitcoin menjadi penentu sentimen, namun narasi altcoin semakin dinilai berdasarkan fundamentalnya sendiri seperti penggunaan, likuiditas, kepatuhan, dan kemajuan pengembang. Perkembangan ini relevan untuk menilai tren mendasar di seputar Sui, AI, dan MPC dalam beberapa minggu ke depan. **Yang Perlu Diperhatikan Selanjutnya** Penting untuk mengamati konfirmasi lebih lanjut dari sumber primer, data on-chain, atau pengumuman resmi. Perkembangan ini juga perlu dilihat dari respon likuiditas dan struktur pasar yang lebih luas, karena perkembangan fundamental bisa saja tidak langsung menggerakkan harga jika kondisi pasar defensif atau modal berputar ke sektor lain.

bitcoinist06/28 16:22

Sui Meluncurkan Kerangka Kerja Seal MPC untuk Mengamankan Transaksi Agen AI Otonom

bitcoinist06/28 16:22

Tim NVIDIA Membuat Agent Pemrograman Mengambil Alih Eksperimen Robot Nyata, Tingkat Keberhasilan Mencapai 99%

Penelitian otomatis telah melampaui sandbox kode dan memasuki dunia fisik nyata. NVIDIA GEAR Lab, dipimpin Jim Fan, memperkenalkan proyek ENPIRE yang memungkinkan **penelitian otomatis pertama kali diimplementasikan pada perangkat keras robot**. Delapan Codex Agent ditempatkan dalam armada robot dengan alokasi daya komputasi GPU dan anggaran token, diberi tujuan sederhana: menyelesaikan tugas secepatnya, menjaga robot tetap sibuk namun aman, serta tidak menyia-nyiakan daya komputasi. Manusia kemudian mundur dari intervensi. Agent secara mandiri menggerakkan siklus tertutup penuh: mereset ulang skenario, menelusuri literatur, mengimplementasikan ide dan membangun infrastruktur, melatih dan menerapkan strategi, memvalidasi diri, menganalisis log serta memperbaiki kode, beriterasi terus hingga tugas ketangkasan presisi tinggi seperti mengikat kabel, merapikan pin dalam kotak, atau memasang GPU dapat diselesaikan andal di perangkat keras nyata dengan **tingkat keberhasilan 99%**. Sistem ENPIRE terdiri dari empat modul inti yang membentuk loop umpan balik fisik: Environment (EN), Policy Improvement (PI), Rollout (R), dan Evolution (E). Penelitian menemukan bahwa **mereset lingkungan sering kali lebih mudah daripada menyelesaikan tugas itu sendiri**. Peningkatan paralelisme robot (dari sedikit menjadi 8 unit) mempercepat penyelesaian tugas secara signifikan, menunjukkan "hukum penskalaan fisik". Tim juga memperkenalkan metrik baru: Mean Robot Utilization (MRU) dan Mean Token Utilization (MTU), yang mengungkapkan bahwa waktu menganggur robot dan efisiensi konversi token menjadi kemajuan penelitian adalah kendala nyata. Beberapa sistem lab telah mampu beriterasi mandiri semalaman tanpa campur tangan manusia. Tujuan masa depan adalah memungkinkan tim berlibur dengan tenang sementara lab terus berjalan secara otonom. Proyek ENPIRE rencananya akan sepenuhnya sumber terbuka.

marsbit06/18 00:37

Tim NVIDIA Membuat Agent Pemrograman Mengambil Alih Eksperimen Robot Nyata, Tingkat Keberhasilan Mencapai 99%

marsbit06/18 00:37

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

Casper Luncurkan Toolkit AI untuk Agen Otonom dan Pengembang

Casper Association meluncurkan Casper AI Toolkit, toolkit AI paling luas di blockchain Layer 1. Toolkit ini memungkinkan agen AI melakukan dua hal unik: bertransaksi sebagai pelaku ekonomi mandiri dan membangun serta men-deploy aplikasi baru secara otonom, semuanya telah beroperasi di mainnet. Fitur utamanya termasuk: 1. **Agen sebagai Pelaku Ekonomi:** Menggunakan protokol x402 untuk pembayaran mikro berbasis HTTP per permintaan, tanpa perlu akun tagihan atau campur tangan manusia. Agen juga dapat berinteraksi langsung dengan blockchain melalui Model Context Protocol (MCP), termasuk menggunakan CSPR.trade untuk aktivitas DeFi dengan bahasa alami. 2. **Agen sebagai Pengembang:** Agen AI dapat menggunakan Odra Framework untuk membuat, menguji, dan men-deploy kontrak pintar secara mandiri. Kemampuan ini didukung oleh CSPR.build Agent Skills dan infrastruktur CSPR.cloud. Komponen-kit ini dirancang untuk bekerja sebagai sistem terpadu, menciptakan "ekonomi mesin" di mana agen dapat membangun layanan yang akan digunakan dan dibayar oleh agen lain. Langkah selanjutnya adalah penyempurnaan abstraksi akun untuk memberikan identitas on-chain lengkap kepada agen. Untuk mendorong pengembangan, Casper Association menyelenggarakan "Agentic Buildathon" dengan total hadiah $150.000 dan penggunaan fasilitator x402 gratis bagi peserta, yang telah dimulai pada pelatihan developer di Istanbul Blockchain Week.

TheNewsCrypto06/04 13:22

Casper Luncurkan Toolkit AI untuk Agen Otonom dan Pengembang

TheNewsCrypto06/04 13:22

Bagaimana ERC-8257 Mewujudkan Kemampuan AI Agent untuk Memanggil API, Membeli Hak Akses, dan Menyelesaikan Pembayaran Sendiri?

Artikel ini membahas proposal standar ERC-8257, yang dirancang untuk mengatasi tantangan AI Agent dalam mengakses dan menggunakan alat eksternal (seperti API) secara mandiri. Saat ini, AI Agent menghadapi kesulitan menemukan alat yang tersebar dan menyelesaikan proses pembayaran atau otorisasi yang tidak standar. ERC-8257 mengusulkan pembuatan registri alat terdesentralisasi di blockchain. Pengembang alat dapat mendaftarkan alat mereka di registri ini, dengan informasi detail (seperti deskripsi, aturan akses, dan harga) disimpan dalam file JSON di luar rantai (*off-chain*). Blockchain menyimpan tautan dan hash file untuk memastikan integritas data. Standar ini memisahkan logika otorisasi akses ke dalam kontrak pintar terpisah, memungkinkan pengembang menentukan syarat akses yang fleksibel (misalnya, kepemilikan NFT, langganan, atau token tertentu). Jika sebuah AI Agent tidak memenuhi syarat, ia dapat berusaha memperoleh izin yang diperlukan (misalnya, dengan membeli NFT) sebelum memanggil alat. Untuk pembayaran, ERC-8257 tidak menangani secara langsung, tetapi merujuk pada protokol pembayaran lain seperti x402. Tujuannya adalah menciptakan alur kerja di mana AI Agent dapat secara otomatis menemukan alat, memahami aturannya, mendapatkan izin, membayar, dan menggunakannya—semua tanpa campur tangan manusia. Artikel ini juga menyoroti tantangan potensial ERC-8257, termasuk kompleksitas teknis karena variasi aturan akses, risiko spekulasi jika izin berbentuk aset yang dapat diperdagangkan, serta keterbatasan dalam menjamin keandalan dan keamanan alat yang terdaftar.

marsbit05/29 07:26

Bagaimana ERC-8257 Mewujudkan Kemampuan AI Agent untuk Memanggil API, Membeli Hak Akses, dan Menyelesaikan Pembayaran Sendiri?

marsbit05/29 07:26

AI Agent Mengubah Totalitas Game Web3: Dari Kontroversi Bot Rugpull Bakery hingga Paradigma Baru Agen Cerdas 2026

Baru-baru ini, kontroversi di game Rugpull Bakery menyoroti masalah keadilan saat bot otomatis mendominasi. Alih-alih melarang, pengembang merespons dengan melegalkan AI Agent sebagai bagian inti gameplay, menyediakan panduan resmi seperti skill.md dan agent.json. Ini menandai pergeseran besar menuju era "Agentic Gaming" di Web3, di mana AI bukan lagi alat bantu, melainkan entitas otonom dengan strategi, memori, dan kedaulatan ekonomi sendiri. Pada 2026, implementasi AI Agent dalam game Web3 telah berevolusi menjadi beberapa mode utama: 1. **Pesaing Otonom & Entitas Ekonomi**: Pada protokol seperti TEN, AI Arena, dan Satoshi Strike Force, Agent bertindak sebagai pemain independen. Pemain manusia beralih peran menjadi pelatih, manajer, atau investor yang mendukung Agent ini. Infrastruktur seperti Somnia (Agentic L1) menyediakan landasan teknis agar jutaan Agent dapat beroperasi dan bersaing secara mandiri di chain. 2. **Infrastruktur Modular & Lingkungan yang Dapat Diprogram**: Game seperti EVE Frontier memungkinkan pemain dan Agent memodifikasi logika game secara mendalam melalui "Smart Assemblies", mengubah fasilitas statis menjadi entitas yang dapat diprogram. Didukung oleh standar seperti ERC-8183, fasilitas ini bahkan dapat secara otonom mempekerjakan Agent lain untuk layanan, menciptakan kolaborasi ekonomi yang kompleks. 3. **Rekan Hybrid & Lingkungan Adaptif Dinamis**: Dalam game seperti Parallel Colony dan Illuvium, AI berfungsi sebagai mitra atau NPC yang cerdas. Avatar AI di Parallel Colony dapat membuat keputusan sendiri dan berinteraksi dengan dunia, sementara di Illuvium, NPC yang didukung AI diharapkan dapat menyesuaikan cerita dan tantangan secara dinamis untuk setiap pemain. Kesimpulannya, upaya memblokir otomatisasi dalam game Web3 sudah tidak efektif. Masa depan terletak pada merangkul AI Agent, mengaturnya melalui transparansi blockchain, dan memanfaatkannya untuk menciptakan pengalaman game yang lebih dinamis, adil, dan menarik. Pergeseran ini mengubah pemain dari pekerja manual menjadi komandan atau mitra dalam ekosistem digital yang simbiosis, menandai titik balik "pasca-manusia" untuk industri game.

marsbit05/26 07:22

AI Agent Mengubah Totalitas Game Web3: Dari Kontroversi Bot Rugpull Bakery hingga Paradigma Baru Agen Cerdas 2026

marsbit05/26 07:22

Agents Pasar Modal: Bagaimana Agent Otonom Akan Mendapatkan Pendanaan?

Dalam satu dekade ke depan, perusahaan agen AI akan memiliki pasar modal sendiri—sistem pasar nyata dengan agen pemeringkat, penjamin emisi, indeks, dan perantara. Agen-agen ini adalah entitas perangkat lunak dalam badan hukum (seperti LLC Wyoming tanpa anggota) yang dapat menandatangani kontrak, memegang rekening bank, dan menghasilkan pendapatan dengan melakukan pekerjaan rutin layanan seperti pemasaran, logistik, atau riset hukum. Ada empat alasan kuat mengapa ini akan terjadi: 1) **Efisiensi ekonomi besar**—biaya operasi agen jauh lebih rendah (hingga 90%) dibandingkan perusahaan manusia, 2) **Agen sudah ada dan menghasilkan uang**—contohnya Sierra dan Harvey dengan valuasi miliaran dolar, 3) **Kerangka hukum sudah tersedia**—beberapa yurisdiksi mengakui LLC yang dikelola algoritma, dan 4) **Modal mencari imbal hasil**—modal institusi (seperti kredit swasta) akan mengalir ke aset dengan arus kas yang dapat diaudit dan margin yang menarik. Tumpukan modal untuk agen akan berkembang secara bertahap: dari **modal ventura** (untuk operator manusia), **uang muka modal kerja otomatis** (seperti model Stripe Capital), **pembiayaan berbasis pendapatan (RBF)**, hingga **pendanaan slate** (pooling banyak agen untuk diversifikasi risiko). **Tokenisasi** akan berperan sebagai lapisan penyelesaian untuk memperdagangkan klaim ini di pasar sekunder. Kendala utama bukan pada permintaan atau penawaran modal, tetapi pada lapisan infrastruktur pasar—metodologi pemeringkatan, kontrak standar, dan standar audit. Begitu pasar modal ini matang, agen dapat mengakses pembiayaan secara langsung berdasarkan kinerja mereka, tanpa bergantung pada keputusan manusia individual. Ini akan mengubah agen dari eksperimen perangkat lunak menjadi blok bisnis yang dapat dibiayai dalam ekonomi nyata.

marsbit05/19 05:52

Agents Pasar Modal: Bagaimana Agent Otonom Akan Mendapatkan Pendanaan?

marsbit05/19 05:52

Era Auto Research: 47 Tugas Tanpa Jawaban Baku Jadi Daftar Wajib Uji Kemampuan Agent

Di era Auto Research, 47 tugas tanpa jawaban standar kini menjadi patokan wajib untuk mengukur kemampuan Agent AI. Biasanya, AI Agent tampak serba bisa, namun sebenarnya banyak yang hanya mengandalkan pengetahuan dalam basis data yang sudah ada. Dunia rekayasa nyata lebih keras: stabilitas robot bawah air, batas litium pada baterai, pengendalian kebisingan sirkuit kuantum — masalah-masalah ini tidak memiliki "jawaban sempurna", hanya "optimisasi yang mendekati batas maksimal". Baru-baru ini, Frontier-Eng Bench dari Einsia AI's Navers lab menghadirkan perubahan paradigma. Alih-alih menguji AI dengan soal pemrograman lama, benchmark ini memberikan sistem "loop rekayasa" yang lengkap: mengusulkan solusi, terhubung ke simulator, menerima umpan balik dan error, memperbaiki parameter, dan menjalankannya kembali. Dalam 47 tugas lintas disiplin yang menantang, AI harus bertindak seperti insinyur berpengalaman, mencari solusi optimal di antara tiga kendala yang sulit: daya, keamanan, dan kinerja. Ini bukan sekadar kumpulan tes, melainkan gambaran evolusi Agent. Hasil pengujian menunjukkan bahwa model seperti GPT-5.4 berkinerja cukup stabil, tetapi masih jauh dari menyelesaikan seluruh benchmark. Penelitian ini mengungkap pola penting: peningkatan kinerja AI mengikuti hukum pangkat (power law), di mana kemajuan awal cepat tetapi semakin sulit dan kecil seiring waktu. Selain itu, kedalaman eksplorasi (depth) lebih krusial daripada sekadar menjalankan banyak percobaan paralel (width) untuk mencapai terobosan. Implikasi jangka panjangnya adalah potensi lahirnya "AI Engineer". Di masa depan, manusia mungkin fokus pada penentuan tujuan dan arahan, sementara AI akan bekerja tanpa lelah untuk mengoptimalkan solusi — menjalankan simulasi, menganalisis hasil, dan melakukan iterasi terus-menerus menuju target yang ditetapkan. Frontier-Eng Bench menandai langkah menuju sistem AI yang dapat berevolusi secara mandiri dalam loop umpan balik jangka panjang, membawa kita lebih dekat ke era penelitian otomatis (Auto Research) di mana AI aktif berkontribusi dalam memecahkan masalah rekayasa dunia nyata yang kompleks.

marsbit05/13 07:29

Era Auto Research: 47 Tugas Tanpa Jawaban Baku Jadi Daftar Wajib Uji Kemampuan Agent

marsbit05/13 07:29

活动图片