# Artikel Terkait Kolaborasi

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

Evolusi Tata Kelola di Era AI & Web3: Dimensi Kompetisi dan Jalur Eksplorasi m&W

Era AI & Web3 sedang mengalami evolusi dari "peningkatan produktivitas" ke "pembentukan ulang hubungan produksi." Dengan berkembangnya AI Agent, kolaborasi jangka panjang antara manusia dan AI memunculkan pertanyaan mendasar: bagaimana membangun hubungan kepercayaan, menilai kontribusi kompleks, dan menciptakan mekanisme distribusi nilai yang adil dan berkelanjutan? Web3 telah menyediakan fondasi teknis untuk ekonomi digital, namun di era AI Agent, diperlukan sistem tatanan baru yang mencakup identitas, kredit, kolaborasi, dan insentif ekonomi. m&WDAO mengusulkan eksplorasi EcoFi (Keuangan Ekologis / Tatanan Ekologis), yang bertujuan menghubungkan aset kognitif manusia, kemampuan eksekusi AI Agent, dan mekanisme ekonomi on-chain untuk menciptakan model tatanan baru bagi ekonomi kolaborasi manusia-mesin. Dibandingkan dengan proyek lain seperti Colony (kolaborasi organisasi), SingularityNET (pertukaran kemampuan AI), Gitcoin Passport (verifikasi identitas), serta Farcaster dan Lens Protocol (jaringan informasi), m&W berfokus pada pembangunan fondasi kredit untuk kolaborasi manusia-AI. Eksplorasi m&W berkembang dalam tiga tahap: 1. **m&W 1.0: Penjangkaran Kredit** – Menyaring node berkualitas tinggi (Builder) melalui mekanisme "tumbukan proton" dan mengendapkan kontribusi berkelanjutan mereka menjadi aset kredit SBT (Soulbound Token) yang tidak dapat dialihkan. 2. **m&W 2.0: Ekonomi Kolaborasi** – Menerapkan protokol EcoFi untuk menghubungkan kredit dengan tugas kolaborasi nyata, menggunakan sistem verifikasi berlapis (AI, Builder berkredit tinggi, arbitrase OG) untuk menilai dan memberi harga pada kontribusi non-struktural. 3. **m&W 3.0: Tatanan Cerdas** – Memetakan kredit manusia yang terakumulasi ke dalam *digital twin* AI Agent, memberikan dasar kepercayaan bagi Agent untuk berpartisipasi aktif dalam jaringan ekonomi, membuka jalan menuju ekonomi kolaboratif manusia-mesin. Tantangan utama termasuk memulai dengan pertumbuhan yang lambat karena seleksi ketat, menyeimbangkan verifikasi AI dengan tata kelola manusia, serta memastikan stabilitas ekonomi token jangka panjang. Pada intinya, m&W tidak sekadar membangun aplikasi AI atau meniru model DAO yang ada, tetapi bereksperimen dengan hubungan produksi baru untuk era AI, menghubungkan kredit kontribusi manusia, kemampuan kolaborasi AI Agent, mekanisme on-chain, dan sistem insentif ekonomi. Tujuannya adalah membangun dasar kredit, aturan kolaborasi, dan tatanan ekonomi yang andal untuk jaringan kolaborasi manusia-mesin di masa depan, mewujudkan misi menggunakan blockchain untuk menciptakan tatanan dalam jaringan cerdas.

链捕手Kemarin 03:24

Evolusi Tata Kelola di Era AI & Web3: Dimensi Kompetisi dan Jalur Eksplorasi m&W

链捕手Kemarin 03:24

Matematikawan AI Tsinghua Hadir, Meneruskan Ide Menjadi Teorema, Berpartisipasi Menyelesaikan Makalah Algoritma Kuantum 84 Halaman

Sistem AI Matematikawan dari Universitas Tsinghua, AIM (AI Mathematician), telah melampaui peran tradisionalnya dalam menyelesaikan soal-soal matematika. Kali ini, AIM terlibat secara mendalam dalam proses penelitian dari awal, membantu para peneliti dalam mengeksplorasi ide, mengorganisir teorema, dan merancang naskah bukti untuk sebuah makalah algoritma kuantum berjumlah 84 halaman. Penelitian yang berjudul "Sign Embedding Quantum Algorithms for Matrix Equations and Matrix Functions" ini dimulai dari sebuah intuisi awal peneliti manusia tentang pendekatan rasional (*rational approximation*). AI berperan dalam mengembangkan ide tersebut menjadi berbagai calon arah penelitian. Peneliti manusia kemudian memilih dan memfokuskan pada jalur "Sign-Embedding". Selanjutnya, AIM membantu mengorganisir jalur yang dipilih menjadi target teorema yang dapat diaudit dan materi derivasi. Alur kerja kolaboratif manusia-AI ini terdiri dari lima tahap kunci: (1) Ekspansi jalur yang divergen oleh AI, (2) Penyaringan berdasarkan nilai dan kelayakan oleh manusia, (3) Pembentukan teorema dan derivasi dengan bantuan AIM, (4) Audit dan perbaikan kompleksitas, serta (5) Verifikasi dan integrasi akhir oleh peneliti manusia. Hasil teknisnya adalah proposal "Sign Embedding Quantum Algorithms" untuk menyelesaikan persamaan matriks (seperti Sylvester, Lyapunov) dan fungsi matriks. Algoritma ini menawarkan kerangka kerja yang terpadu untuk berbagai masalah tersebut. Studi kasus ini menunjukkan pergeseran kemampuan AI matematika dari sekadar "menyelesaikan soal" menuju "membantu penelitian". Peran AI adalah meningkatkan efisiensi eksplorasi dan derivasi, sementara peneliti manusia tetap memegang kendali penuh atas penilaian nilai penelitian, kelayakan asumsi, dan audit akhir. Pendekatan kolaboratif ini membuka kemungkinan baru untuk memperluas cakrawala dan meningkatkan produktivitas dalam penelitian teoretis.

marsbit07/10 02:56

Matematikawan AI Tsinghua Hadir, Meneruskan Ide Menjadi Teorema, Berpartisipasi Menyelesaikan Makalah Algoritma Kuantum 84 Halaman

marsbit07/10 02:56

Mencari Wang Tao Berikutnya

Sekelompok tim inovasi sains dan teknologi dari Hong Kong menyeberangi Sungai Shenzhen menuju arah industri. Pada 1 Juli, enam tim startup dengan latar belakang universitas Hong Kong tampil di acara "X-Day" di Nanshan, Shenzhen. Mereka mempresentasikan proyek-proyek di bidang material baterai lithium, layar quantum dot, kontrol robot cerdas, olahraga digital, bandara pintar, dan kesehatan medis. Adegan serupa semakin sering terjadi dalam beberapa tahun terakhir, seiring dengan semakin banyaknya hasil penelitian dari universitas Hong Kong yang datang ke Greater Bay Area, khususnya Shenzhen, untuk mencari tahap industrialisasi berikutnya. Tim-tim tersebut termasuk: * **Sufang New Energy:** Fokus pada material katoda berbasis lithium mangan kaya lithium. Klaim sebagai satu-satunya perusahaan di dunia yang dapat mensintesis material dengan penurunan tegangan ultra-rendah, mengklaim dapat mendukung jarak tempuh 1.000 km dengan sekali pengisian. * **Polang Quantum:** Memasok material quantum dot tingkat tinggi, film quantum dotnya telah digunakan pada laptop Lenovo dan ASUS, serta mendominasi pasar film quantum dot untuk aplikasi mobil dengan pangsa lebih dari 70% secara global. * **Zhenshi Technology:** Membawa sistem kontrol kecerdasan robot siap pakai, dengan tim pendiri bersaudara yang membagi peran antara pasar dan pengembangan AI. * **Chuliang Technology:** Membangun merek olahraga digital PARTYDAY dengan peralatan seperti simulator ski dan balap miniatur. * **Ubizense (Qiwu Technology):** Mengembangkan sistem pengambilan keputusan kolaboratif untuk apron bandara, yang telah berjalan di Bandara Internasional Hong Kong, dan kini beralih ke sistem manajemen untuk drone (ekonomi ketinggian rendah). * **Bugu Health:** Berfokus pada deteksi dini risiko jatuh pada lansia menggunakan sensor yang dapat dikenakan dan analisis AI. Mengapa Hong Kong datang ke Shenzhen? Para investor yang hadir dalam diskusi panel menjelaskan: * Hong Kong memiliki sumber daya universitas dan penelitian yang padat serta visi internasional, unggul dalam tahap inovasi "dari 0 ke 1". * Shenzhen dan Greater Bay Area menyediakan ekosistem industri, kemampuan rekayasa, dan uji pasar yang kuat untuk tahap "dari 1 ke 100". * Kedua kota ini saling melengkapi. Saluran inovasi sains dan teknologi Shenzhen-Hong Kong semakin jelas dengan didirikannya berbagai platform inkubasi lintas batas universitas Hong Kong di Shenzhen, seperti di Qianhai. Acara "X-Day" oleh Xili Lake Roadshow Club adalah contoh konkret koneksi ini, yang telah membantu banyak proyek mendapatkan pendanaan dan koneksi. Jarak inovasi antara Shenzhen dan Hong Kong semakin dekat, dan Shenzhen siap menyambut tahap industrialisasi berikutnya. Mungkin entrepreneur berikutnya seperti Wang Tao (pendiri DJI) yang akan membawa produknya ke dunia, akan memulai perjalanannya dari sini.

marsbit07/07 00:57

Mencari Wang Tao Berikutnya

marsbit07/07 00:57

Insinyur Claude Akhirnya Mengeluarkan Fable 5, Mengajarkan Cara Menghilangkan Kesenjangan Informasi dengan Model

Artikel ini membahas strategi untuk meningkatkan efektivitas penggunaan model AI Claude Fable 5 dalam pemrograman dan tugas-tugas kompleks lainnya. Inti permasalahan yang diangkat adalah adanya "kesenjangan informasi" antara pengguna dan model, di mana petunjuk (prompt), konteks, dan keterampilan yang diberikan tidak sepenuhnya mencerminkan kompleksitas tugas sebenarnya ("peta" vs "wilayah"). Penulis, Thariq Shihipar (insinyur Claude Code), memperkenalkan konsep "hal yang tidak diketahui" (unknowns) yang dikategorikan menjadi empat jenis: diketahui-diketahui, diketahui-tidak diketahui, tidak diketahui-diketahui, dan tidak diketahui-tidak diketahui. Kunci keberhasilan adalah secara aktif mengidentifikasi dan mengklarifikasi hal-hal yang tidak diketahui ini sebelum, selama, dan setelah proses implementasi. Artikel ini menawarkan berbagai teknik praktis untuk mencapai hal tersebut, seperti: - **Sebelum Implementasi**: Pemindaian titik buta (blindspot scan), brainstorming dan pembuatan prototipe, wawancara balik oleh Claude, penggunaan referensi kode, dan pembuatan rencana implementasi. - **Selama Implementasi**: Menyimpan catatan implementasi untuk melacak penyimpangan dari rencana. - **Setelah Implementasi**: Membuat dokumen penjelasan dan presentasi, serta melakukan kuis untuk memastikan pemahaman menyeluruh. Kesimpulannya, semakin kuat kemampuan model AI, semakin penting bagi pengguna untuk terampil dalam mendefinisikan batasan dan detail tugas. Dengan secara proaktif bekerja sama dengan Claude untuk menemukan dan mengatasi "hal-hal yang tidak diketahui", pengguna dapat secara signifikan meningkatkan kualitas dan efisiensi hasil kerja.

marsbit07/06 00:17

Insinyur Claude Akhirnya Mengeluarkan Fable 5, Mengajarkan Cara Menghilangkan Kesenjangan Informasi dengan Model

marsbit07/06 00:17

Sertifikasi Tahan Ledak Pertama di Dalam Negeri, Solusi 'Otak Pengisian Bahan Bakar' Pertama di Dunia, Apa yang Membuat Mereka Berhasil Raih Dua 'Pertama' Ini?

Menurut statistik, pendanaan di bidang embodied intelligence (kecerdasan berbadan) di China tahun ini telah melampaui 37 miliar yuan. Industri ini menekankan penerapan komersial, khususnya di lingkungan berbahaya seperti pompa bensin, stasiun minyak dan gas, serta pabrik kimia. Tantangan utamanya adalah sertifikasi anti-ledakan (explosion-proof), yang mengharuskan desain hardware robot memenuhi standar keselamatan yang sangat ketat untuk mencegah percikan api. Tantangan di pompa bensin terletak pada "kelancaran operasi presisi" yang melibatkan rangkaian panjang tindakan seperti membuka tutup tangki, mengambil dan memasang selang bensin, dengan toleransi sangat kecil. Sementara itu, inspeksi di stasiun lapangan menguji kemampuan patroli otonom jangka panjang, identifikasi berbagai anomali, dan respons langsung. Untuk mengatasi tantangan rangkaian tugas panjang ini, dibutuhkan pendekatan arsitektur baru. Makalah penelitian "H-GAR" (Hierarchical Goal-conditioned Anticipatory Reasoning) memperkenalkan model dunia yang digerakkan oleh prediksi. Alih-alih eksekusi linear, sistem ini pertama-tama menghasilkan pengamatan target (gambaran keadaan akhir), kemudian mensintesis frame transisi visual perantara, dan akhirnya menyempurnakan rencana aksi. Ini memungkinkan robot untuk "melihat tiga langkah ke depan, baru melangkah satu langkah", mengurangi deviasi kumulatif. Penerapan embodied intelligence di lingkungan khusus memerlukan perpaduan mendalam antara "otak" (kecerdasan) dan "tubuh" (bentuk fisik robot), serta semangat jangka panjang. Perusahaan yang paling awal mencapai siklus tertutup "otak-tubuh-data" akan memiliki keunggulan kompetitif dalam tahap komersialisasi ini.

marsbit06/26 03:52

Sertifikasi Tahan Ledak Pertama di Dalam Negeri, Solusi 'Otak Pengisian Bahan Bakar' Pertama di Dunia, Apa yang Membuat Mereka Berhasil Raih Dua 'Pertama' Ini?

marsbit06/26 03:52

Tidak Semua Rantai Bisa Menjembatani Institusi, Mengapa Canton Bisa?

Tidak semua blockchain dapat menangani kebutuhan institusi keuangan. Canton, dikembangkan oleh Digital Asset, dirancang khusus sebagai lapisan koordinasi infrastruktur yang memungkinkan alur kerja keuangan institusional (seperti obligasi, repo, dan penyelesaian transaksi) beroperasi di ekosistem terdistribusi. Pendekatannya yang berfokus pada privasi data, kontrol izin granular melalui kontrak pintar Daml, serta kemampuan penyelesaian transaksional atomik (atomic settlement) dan sinkronisasi global (Global Synchronizer), menjawab kekhawatiran utama institusi tentang kedaulatan data, kepatuhan, dan pengurangan risiko penyelesaian. Dukungan strategis dari konsorsium institusi keuangan terkemuka—termasuk bank global, perusahaan infrastruktur pasar, dan investor seperti a16z crypto, yang telah mengumpulkan pendanaan sekitar $8.05 miliar—menunjukkan keseriusan adopsi Canton. Token asli jaringan, Canton Coin (CC), berfungsi sebagai mekanisme insentif dan pembayaran biaya untuk menjaga keberlanjutan infrastruktur sinkronisasi publik ini. Jaringan ini telah menunjukkan pertumbuhan nyata, dengan ratusan mitra, ribuan validator aktif, dan volume transaksi besar (termasuk triliunan dolar aset tokenisasi dan ratusan miliar dolar transaksi repo harian). Dengan demikian, Canton tidak mengejar lalu lintas aplikasi retail, tetapi membangun fondasi teratur yang diperlukan untuk menghubungkan dan menyinkronkan aktivitas inti keuangan institusional secara aman dan efisien, yang pada akhirnya dapat memperluas kumpulan aset institusional yang siap dijalankan di chain dan mendorong peningkatan likuiditas di pasar on-chain di masa depan.

Foresight News06/12 08:42

Tidak Semua Rantai Bisa Menjembatani Institusi, Mengapa Canton Bisa?

Foresight News06/12 08:42

Apple Akhirnya Mengakui, Siri Sudah Tua

Apple akhirnya mengakui bahwa Siri telah tertinggal. Pada WWDC 2026, Apple memperkenalkan "Siri AI", hasil kolaborasi mendalam dengan Google yang menggunakan kemampuan model Gemini untuk melatih model dasar generasi baru mereka. Apple merilis lima Apple Foundation Models, dengan model terkecil 3 miliar parameter yang berjalan di perangkat, dan model cloud terbesar dioptimalkan untuk GPU Nvidia. Sejarah Siri dimulai pada 2011 sebagai asisten pribadi pertama, tetapi perkembangannya terhambat oleh pendekatan Apple yang tertutup dan penekanan berlebihan pada privasi serta komputasi *on-device*. Meskipun Apple telah mengintegrasikan AI dalam fitur sistem selama bertahun-tahun, kehadiran ChatGPT mengubah pasar, memaksa Apple untuk bertindak. Pada 2024, Apple memperkenalkan Apple Intelligence, tetapi mengalami keterlambatan. Pada 2026, mereka menjalin kemitraan strategis dengan Google, membayar miliaran dolar untuk akses ke model Gemini guna mendongkrak kemampuan Siri. Infrastruktur Private Cloud Compute kini juga memanfaatkan Google Cloud dan GPU Nvidia. Inti strategi Apple tetap pada kontrol perangkat dan integrasi sistem. Siri AI diintegrasikan ke dalam sistem, memiliki memori, dan dapat menyinkronkan percakapan antar perangkat. Apple membuka kerangka kerja bagi pengembang untuk mengintegrasikan model AI eksternal seperti Claude dan Gemini. Namun, tantangan tetap ada. Di China, Apple Intelligence akan membutuhkan kemitraan dengan model lokal dan adaptasi peraturan. Selain itu, fitur ini hanya tersedia untuk perangkat Apple terbaru, berpotensi menciptakan pembagian di antara pengguna. Pada akhirnya, tujuan Apple adalah menciptakan AI yang memahami konteks kehidupan pengguna, tidak hanya menjadi chatbot, tetapi asisten yang benar-benar membantu meringankan beban kognitif sehari-hari.

marsbit06/09 07:21

Apple Akhirnya Mengakui, Siri Sudah Tua

marsbit06/09 07:21

活动图片