# Artikel Terkait Komoditisasi

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

Menjual Token atau Menjual Hasil: Beberapa Paradoks dalam Model Bisnis AI

**Paradoks Bisnis AI: Menjual Token vs Hasil, dan Ke Mana Keuntungan Mengalir?** Industri AI tumbuh cepat, namun di balik data pendapatan dan panggilan API yang melonjak, terdapat paradoks struktural yang menentukan siapa yang benar-benar menghasilkan keuntungan. **1. Paradoks Biaya: Token Semakin Murah, Tagihan Semakin Besar** Harga token AI turun drastis, tetapi total pengeluaran perusahaan justru meledak. Mirip "Paradoks Jevons", efisiensi malah mendorong konsumsi lebih besar. Harga rendah membuka tugas-tugas baru yang sebelumnya tidak ekonomis, dan penggunaan *agent* yang berjalan 24 jam meningkatkan volume puluhan kali lipat. Fokus bergeser dari menghemat harga per token menjadi mengoptimalkan **efisiensi tugas** dan **restrukturisasi proses** untuk benar-benar meningkatkan produktivitas. **2. Paradoks Lapisan: "Aplikasi adalah Raja" vs "Aplikasi Sudah Mati"** Modal lebih banyak mengalir ke infrastruktur (chip) dan model dasar, bukan lapisan aplikasi. Dalam tumpukan industri AI, lapisan chip mengambil porsi pendapatan dan margin laba terbesar. Aplikasi yang hanya "membungkus" kemampuan model akan mudah tergantikan. Peluang startup ada pada aplikasi yang **mendalam pada konteks spesifik**, memiliki data privat, atau menguasai alur kerja dan saluran distribusi, sehingga menjadi sulit diganti meski model dasar semakin canggih. **3. Paradoks Tanggung Jawab: Keuntungan Mengikuti Distribusi Tanggung Jawab** Pertumbuhan pendapatan yang tinggi tidak menjamin profitabilitas. Perusahaan seperti Anthropic menunjukkan margin yang kuat, sementara yang lain masih berjuang. Perbedaannya terletak pada **kesanggupan dan kemampuan mempertanggungjawabkan hasil**. Menjual berdasarkan token bersaing untuk anggaran IT. Menjual berdasarkan **hasil yang terukur dan dijamin** (misalnya, tiket layanan terselesaikan) dapat mengambil alih anggaran sumber daya manusia, yang lebih besar dan memberikan ruang harga premium. Keuntungan akan mengalir ke perusahaan yang berani dan mampu bertanggung jawab atas hasil di bidang-bidang kompleks seperti hukum atau medis. **4. Paradoks Sumber Terbuka vs Tertutup: Terbuka Menang Traffic, Tertutup Menang Pendapatan** Model *open-source* mendominasi penggunaan, namun perusahaan besar masih lebih banyak membelanjakan untuk model *closed-source* (89% dari anggaran). Alasannya adalah **keandalan, dukungan, kepatuhan regulasi, dan akuntabilitas**. Kecerdasan yang "cukup baik" semakin menjadi komoditas. Model *open-source* sering menjadi strategi untuk menarik pengembang atau mendorong penggunaan layanan cloud. Sementara itu, model *closed-source* terdepan mempertahankan premiumnya. Pola hybrid menjadi umum: *open-source* untuk eksperimen, *closed-source* untuk tugas inti. **Kesimpulan:** Nilai dan keuntungan dalam AI tidak lagi terdistribusi merata. Kecerdasan menjadi komoditas yang murah, sementara keuntungan terkonsentrasi pada: (1) penyedia infrastruktur (terutama chip), (2) penyedia model *closed-source* terdepan, dan (3) penyedia aplikasi atau layanan yang memiliki **konteks domain mendalam, kemampuan integrasi proses, dan kesanggupan bertanggung jawab atas hasil yang terukur**.

marsbit07/28 10:45

Menjual Token atau Menjual Hasil: Beberapa Paradoks dalam Model Bisnis AI

marsbit07/28 10:45

Wang Chuan: Bagaimana Tetap Tidak Cemas Setelah Tetangga Lao Wang Mendapatkan 30 Kali Lipat Keuntungan dari Investasi Saham Penyimpanan (6) - Jebakan Barang Dagangan Homogen

Artikel ini, bagian keenam dari seri "Bagaimana Tetap Tenang Ketika Tetangga Lao Wang Mendapatkan 30x Return dari Saham Penyimpanan", membahas perangkap produk komoditas homogen di industri penyimpanan data. Penulis memulai dengan contoh Iomega (dengan produk Zip Drive) pada 1990-an, yang sahamnya meroket 160x dalam 1,5 tahun hanya untuk kemudian jatuh 97% dari puncaknya. Kisah ini menggambarkan bagaimana euforia spekulatif sering berakhir dengan keruntuhan di sektor ini. Inti masalahnya adalah sifat dasar industri penyimpanan: **permintaan yang elastis berhadapan dengan pasokan yang kaku, berat aset, dan berjangka panjang**. Produk seperti DRAM dan flash memory sangat homogen, tanpa premi merek, sehingga harganya sangat fluktuatif berdasarkan pasokan global. Sejarah mencatat banyak kali harga DRAM anjlok lebih dari 80%, dan saham perusahaan penyimpanan bisa jatuh 95% atau bahkan bangkrut. Artikel ini menganalisis kenaikan dramatis saham penyimpanan sekitar September 2025, yang dipicu lonjakan permintaan HBM untuk chip AI. Produsen, belajar dari siklus sebelumnya, menahan ekspansi kapasitas, menyebabkan harga dan margin melonjak (contoh: margin kotor Sandisk dari 22.5% ke 78.3%). Namun, **margin tinggi justru akan menghancurkan dirinya sendiri**. Harga tinggi mengurangi permintaan marjinal dan mendorong investasi besar-besaran dalam kapasitas baru (mulai 2026), yang diperkirakan online pada 2027. Saat pasokan baru membanjiri pasar, harga dan profitabilitas akan kembali normal—bisa menyebabkan situasi paradoks di mana penjualan volume naik tetapi pendapatan dan laba turun. Penulis juga menyoroti beberapa ilusi: 1. **Perjanjian jangka panjang (LTA)** antara produsen dan pembeli dianggap rapuh. Ketika kondisi pasar berubah, pihak yang lebih kuat akan mencari celah untuk menegosiasikan ulang harga, mirip dengan "perjanjian non-agresi" yang mudah dilanggar. 2. **Jebakan valuasi**: Pada puncak siklus, laba perusahaan tinggi tetapi PER sahamnya rendah (misal, satu digit), terlihat seperti investasi bernilai. Namun, ini justru periode risiko terbesar karena laba tersebut bisa menyusut atau hilang begitu harga komoditas jatuh. Kesimpulannya, risiko penurunan harga penyimpanan saat ini sangat asimetris dibandingkan potensi kenaikan lebih lanjut. Berbagai faktor seperti resesi, pemotongan pengeluaran AI, ekspansi kapasitas yang agresif (terutama dari produsen China), atau terobosan teknologi yang mengurangi kebutuhan memori, dapat dengan cepat mengubah keseimbangan pasar. Investor perlu sangat berhati-hati terhadap siklus boom-and-bust yang kejam di industri komoditas homogen ini.

marsbit06/01 07:17

Wang Chuan: Bagaimana Tetap Tidak Cemas Setelah Tetangga Lao Wang Mendapatkan 30 Kali Lipat Keuntungan dari Investasi Saham Penyimpanan (6) - Jebakan Barang Dagangan Homogen

marsbit06/01 07:17

Malam Sebelum Pemusnahan Model Besar

Dalam seminggu terakhir, industri model besar (large model) Tiongkok mengalami lonjakan investasi yang luar biasa. Kimi, StepFun, dan DeepSeek secara kolektif mengumpulkan lebih dari $70 miliar dalam tiga hari. Meskipun tampaknya industri sedang memuncak, ini justru menandakan dimulainya fase "pembersihan". Model AI semakin terkomoditisasi. Kesenjangan kemampuan antara model seperti GPT-4, Claude, dan DeepSeek semakin menipis. Kapital beralih dari kompetisi teknologi ke perebutan posisi strategis. Pada 2025, pendanaan untuk perusahaan model besar turun 52,9%, dengan dana terkonsentrasi hanya pada segelintir pemain teratas. Perusahaan independen menghadapi tekanan biaya inferensi yang tinggi dan perang harga, sementara raksasa teknologi seperti ByteDance dan Tencent memiliki kemampuan subsidi silang yang tidak dimiliki startup. Logika pendanaan telah bergeser dari investasi risiko ke investasi infrastruktur, di mana kelangsungan hidup menjadi kunci. Perusahaan mengambil jalan berbeda: DeepSeek mengejar nilai strategis nasional, StepFun berintegrasi dengan rantai pasokan hardware, dan Kimi fokus pada kecepatan dan basis pengguna. Namun, tujuan mereka sama: mengamankan identitas, valuasi, dan jalur keluar sebelum jendela peluang tertutup. Industri ini bergerak sangat cepat. Pertanyaan telah berubah dari "Siapa yang bisa membangun model terbaik?" menjadi "Siapa yang bisa bertahan?" Hanya dalam tiga tahun, fase ekspansi liar mungkin akan segera berakhir, menyisakan beberapa pemain dominan yang akan membentuk masa depan infrastruktur AI.

marsbit05/10 02:10

marsbit05/10 02:10

Penerbitan Stablecoin Tampak Ramai, Tapi Parit Pertahanan Sebenarnya Tersembunyi di Tangan Pembeli

Ringkasan: Pasar stablecoin label putih berkembang pesat, namun persaingan sebenarnya tidak terletak pada teknologi penerbitan yang semakin seragam, melainkan pada segmen pembeli yang berbeda. Artikel ini menganalisis tiga kluster utama pembeli: perusahaan/lembaga keuangan (mengutamakan kepatuhan dan keandalan), fintech/dompet (fokus pada kecepatan peluncuran dan integrasi), serta platform DeFi (mementingkan komposabilitas dan hasil). Diferensiasi bergeser ke fasilitas pendukung seperti likuiditas, on/off-ramp, dan kepatuhan. Meskipun penerbitan token menjadi komoditas, nilai berkelanjutan berasal dari efek jaringan dan kemampuan bundling layanan. Pelajaran utamanya: token hanyalah tiket masuk, bisnis yang sebenarnya adalah segala yang dibangun di sekitarnya.

比推01/26 14:37