# Artikel Terkait Komputasi

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

Saham Semikonduktor Jatuh, Anthropic Justru Ingin Membuat Chip 2nm

Anthropic dilaporkan telah memulai pekerjaan awal untuk mengembangkan chip AI buatannya sendiri, dan berencana menggunakan teknologi manufaktur 2nm dan *advanced packaging* terdepan dari Samsung. Langkah ini bertujuan untuk mengoptimalkan efisiensi operasional model AI Claude, khususnya dalam tugas *inference*, guna mengurangi biaya komputasi yang sangat besar. Kemitraan ini tidak terlepas dari investasi strategis Samsung dalam putaran pendanaan Anthropic sebelumnya. Samsung, yang selama ini tertinggal dari TSMC di bisnis *foundry*, melihat peluang untuk merebut pelanggan besar seperti Anthropic di tengah permintaan chip AI yang tinggi dan keterbatasan kapasitas TSMC. Kerja sama ini merupakan bagian dari upaya besar Korea Selatan, termasuk investasi ratusan miliar dolar, untuk mendominasi industri semikonduktor. Meski merencanakan chip sendiri, Anthropic tetap sangat bergantung pada berbagai pemasok eksternal. Perusahaan ini memiliki komitmen jangka panjang dan investasi besar dengan Amazon Web Services (AWS) untuk akses ke chip Trainium dan dengan Google untuk akses ke Tensor Processing Unit (TPU). Mereka juga menyewa kapasitas besar dari kluster komputasi milik xAI yang menggunakan GPU Nvidia. Strategi multi-pemasok ini digunakan untuk mendiversifikasi risiko. Analis mencatat bahwa tren desain chip khusus justru mempererat interdependensi dalam rantai pasokan global, di mana lab AI AS, pabrikan chip Asia seperti Samsung, dan Nvidia saling terkait. Meski banyak perusahaan mencoba alternatif, Nvidia masih mendominasi pasar chip inferensi AI dengan pangsa sekitar 74%, dan posisinya tetap kuat dalam jangka pendek. Keputusan Anthropic untuk merancang chip sendiri masih dalam tahap sangat awal dan mungkin tidak dilanjutkan.

链捕手07/03 09:59

Saham Semikonduktor Jatuh, Anthropic Justru Ingin Membuat Chip 2nm

链捕手07/03 09:59

Huang Renxun: Prompt Sudah Mati, Seluruh Dunia AI Gila-Gilaan Mengejar Loop

Prompt sudah mati, seluruh industri AI kini gila-gilaan mengejar "Loop". Konsep Loop Engineering, yang dinamai oleh Addy Osmani dari Google pada Juni 2026, kini menjadi fokus utama. Para tokoh seperti Jensen Huang (NVIDIA), Andrew Ng, Andrej Karpathy, dan insinyur dari Anthropic menyatakan bahwa pekerjaan masa depan bukan lagi menulis prompt, tetapi merancang dan menangani sistem loop yang mandiri. Inti dari Loop Engineering adalah menggeser peran manusia dari pengendali AI harian menjadi arsitek sistem. Alih-alih terus-menerus menulis prompt, manusia mendesain sebuah siklus otomatis di mana AI dapat secara mandiri menemukan tugas, mengeksekusi, memverifikasi (dengan agen penilai terpisah untuk objektivitas), mempertahankan memori, dan menjadwalkan ulang—berjalan 24/7. Sebuah "buku putih" 11 halaman dan panduan 14 langkah praktis tengah viral, merinci komponen kunci loop: penemuan, penyerahan tugas, verifikasi, persistensi, dan penjadwalan. Tantangan terbesarnya adalah menghindari "utang verifikasi" dan "penyerahan kognitif" di mana manusia berhenti memahami kode yang dihasilkan AI. Contoh dari Anthropic menunjukkan bahwa meski loop memakan waktu dan biaya lebih besar (6 jam/$200 vs 20 menit/$9), kualitas outputnya jauh lebih unggul. Paradigma ini menggeser leverage dari menulis kata-kata untuk AI menjadi merancang sistem yang secara otomatis memberi makan AI, menjadikan penilaian manusia sebagai sumber daya paling berharga.

marsbit06/29 08:41

Huang Renxun: Prompt Sudah Mati, Seluruh Dunia AI Gila-Gilaan Mengejar Loop

marsbit06/29 08:41

Komputasi Kuantum Mendekati "Hari Q": Bagaimana Kebijakan Enkripsi, Logika Investasi, dan Manajemen Risiko Membentuk Ulang

Teknologi kuantum terus memengaruhi diskusi kebijakan kripto, dengan "Q Day" – titik di mana komputer kuantum dapat memecahkan algoritma enkripsi saat ini – semakin mendekat. Sementara pasar kripto bergerak cepat dengan perkembangan regulasi seperti RUU CLARITY dan pengaruh lobi politik, dimensi baru muncul: persimpangan teknologi kuantum, kripto, dan keamanan siber. Investasi kripto ke depan akan dibentuk oleh regulasi dan evolusi kriptografi. Kerangka regulasi yang jelas dapat mengurangi ketidakpastian, sementara kemajuan komputasi kuantum mengubah kekhawatiran teoritis menjadi isu perencanaan praktis. Proyek yang paling kuat adalah yang memiliki kesiapan regulasi dan rencana adaptasi kriptografi jangka panjang. Kesiapan kuantum kini menjadi risiko inti. Blockchain publik sangat bergantung pada sistem kriptografi untuk mengamankan dompet dan transaksi. Investor harus mulai menilai apakah suatu proyek telah mengidentifikasi ketergantungan kriptografinya, memiliki rencana migrasi, dan menguji metode pasca-kuantum. Penitipan aset dan bursa perlu mengevaluasi prosedur keamanan dan keberlanjutan operasional. Para pembuat kebijakan harus memperlakukan integritas kripto sebagai infrastruktur keuangan. Ketika aset digital semakin terintegrasi ke pasar keuangan, ketahanan kriptografi dan rencana mitigasi kuantum menjadi masalah sistemik. Kebijakan yang masuk akal harus mendorong pengungkapan risiko kriptografi signifikan, mewajibkan rencana pemutakhiran, dan mendukung koordinasi antar pemangku kepentingan. Keberlanjutan cryptocurrency akan semakin bergantung pada kemampuan infrastruktur keamanannya untuk beradaptasi dengan tekanan teknologi yang terus berakselerasi.

Foresight News06/29 07:14

Komputasi Kuantum Mendekati "Hari Q": Bagaimana Kebijakan Enkripsi, Logika Investasi, dan Manajemen Risiko Membentuk Ulang

Foresight News06/29 07:14

AI Melanda Dunia, Mengapa Crypto + AI Terlihat Lesu?

**Ringkasan:** Meskipun AI melanda dunia, kombinasi Crypto + AI tampak suram. Analisis dari sisi permintaan mengungkap empat bidang utama dan tantangannya: 1. **Komputasi & Penyimpanan Terdesentralisasi:** Menawarkan kedaulatan data dan biaya potensial lebih rendah, tetapi belum memberikan keunggulan teknologi yang meyakinkan bagi perusahaan yang sudah terikat dengan penyedia cloud tradisional. Risiko ketidakstabilan menghalangi adopsi. 2. **Pasar Data & Validasi Model/Privasi:** Teknologi seperti ZKML memecahkan masalah transparansi dan kepemilikan data, tetapi ini bukan prioritas mendesak bagi bisnis saat ini. Permintaan kemungkinan akan mengikuti regulasi (misalnya, Undang-Undang AI UE). 3. **Infrastruktur Agen AI:** Mengembangkan dasar untuk interaksi otonom antar agen, tetapi fokus pasar saat ini adalah otomatisasi proses internal. Permintaan belum matang untuk infrastruktur tahap berikutnya ini. 4. **Pembayaran Agen AI:** Satu-satunya bidang di mana blockchain bersaing langsung dengan keuangan tradisional. Keduanya belum sepenuhnya memecahkan masalah pembayaran mikro real-time antar mesin. **Masalah Inti: Ketidaksesuaian Pasokan-Permintaan.** Visi blockchain (desentralisasi, transparansi) tidak selaras dengan kebutuhan mendesak industri AI (kinerja, stabilitas, ROI). Kurangnya kasus penggunaan percontohan skala besar semakin menghambat adopsi. **Nilai Jangka Panjang:** Kombinasi ini memiliki logika yang kuat, tetapi perkembangannya bergantung pada kemampuannya beradaptasi dengan kebutuhan pasar saat ini atau menunggu permintaan masa depan (seperti ekonomi agen otonom) menjadi matang. Jalannya akan ditentukan oleh keselarasan dengan kebutuhan pasar yang nyata.

Foresight News06/29 06:18

AI Melanda Dunia, Mengapa Crypto + AI Terlihat Lesu?

Foresight News06/29 06:18

Model Generatif Skala Besar Pertama dengan Fisika Sebagai Primitif Komputasi, Un-0 Telah Tiba, Dapat Mengurangi Konsumsi Energi AI 1000 Kali Lipat?

Model generasi skala besar pertama di dunia yang menggunakan fisika sebagai primitif komputasi, Un-0, telah hadir. Dikembangkan oleh Unconventional AI yang didirikan oleh Naveen Rao, mantan kepala AI Databricks, model ini bertujuan untuk mengatasi krisis energi yang membayangi perkembangan AI dengan target mengurangi konsumsi daya inferensi hingga 1000 kali lipat dibanding sistem saat ini. Un-0 adalah model generasi gambar yang digerakkan oleh sistem "osilator terhubung analog", memanfaatkan dinamika alami sistem fisik (seperti perubahan fase osilator dari waktu ke waktu) untuk melakukan komputasi, bukan bergantung sepenuhnya pada komputasi digital GPU tradisional. Model ini dilatih pada dataset ImageNet 64x64 dan mencapai skor FID 6.74, yang kualitasnya sebanding dengan model generasi gambar arus utama di masa awal pengembangannya. Cara kerjanya melibatkan ribuan osilator (dimodelkan sebagai Osilator Kuramoto) yang berinteraksi melalui kekuatan kopling yang dapat dipelajari. Untuk menghasilkan gambar, sistem diinisialisasi secara acak, kemudian diberi label kelas untuk memandu evolusinya. Sistem fisik dibiarkan berkembang secara alami, dan pada waktu tertentu (T), fase semua osilator direkam dan diterjemahkan menjadi piksel gambar melalui decoder tradisional yang ringan. Meskipun kinerjanya belum menyaingi model generasi gambar tradisional terbaru seperti EDM, Un-0 membuktikan kelayakan menggunakan sistem dinamika fisik untuk tugas AI skala besar. Keberhasilannya membuka jalan bagi pengembangan perangkat keras komputasi non-tradisional yang jauh lebih efisien energi di masa depan, dengan memanfaatkan dimensi waktu dan menggabungkan komputasi serta memori dalam entitas fisik yang sama.

marsbit06/26 10:57

Model Generatif Skala Besar Pertama dengan Fisika Sebagai Primitif Komputasi, Un-0 Telah Tiba, Dapat Mengurangi Konsumsi Energi AI 1000 Kali Lipat?

marsbit06/26 10:57

BitTorrent Meluncurkan BTTInferGrid: Lapisan Infrastruktur Terdesentralisasi untuk Inferensi AI yang Terukur

BitTorrent meluncurkan **BTTInferGrid**, sebuah infrastruktur komputasi GPU terdesentralisasi yang dirancang khusus untuk inference AI. Platform ini menghubungkan pasokan global kapasitas GPU yang menganggur dengan permintaan yang melonjak untuk beban kerja AI. BTTInferGrid menawarkan akses terbuka, keamanan terverifikasi, dan model pembayaran pay-as-you-go bagi pengembang AI di seluruh dunia. Peluncuran ini menanggapi pergeseran kebutuhan komputasi AI dari pelatihan ke inference, yang kini menghabiskan hingga 95% biaya komputasi model bahasa besar (LLM). BTTInferGrid bertujuan memecahkan tiga masalah utama infrastruktur terpusat: alokasi sumber daya yang tidak fleksibel terhadap beban kerja yang fluktuatif, harga sewa GPU yang sangat mahal, serta ketidaksesuaian pasokan dan permintaan dengan banyaknya kapasitas komputasi yang terfragmentasi dan terisolasi. Dengan arsitektur jaringan terdesentralisasi (DePIN), BTTInferGrid memberdayakan dua sisi pasar: * **Sisi Pasokan**: Mengagregasi GPU menganggur dari berbagai sumber, memungkinkan pemiliknya memonetisasi aset mereka. * **Sisi Permintaan**: Memberikan akses mudah dan terverifikasi bagi pengembang ke layanan inference on-demand yang hemat biaya. Platform ini menawarkan tiga terobosan strategis: akses tanpa izin untuk agregasi GPU yang cepat, kualitas layanan terverifikasi dengan eksekusi *trustless*, dan ekonomi berkelanjutan yang digerakkan oleh permintaan nyata. BTTInferGrid akan diluncurkan dalam tiga fase, dimulai dari pengembangan jaringan inti (2026), diversifikasi ekosistem (2027), hingga menjadi lapisan infrastruktur AI Web3 yang matang (2028 dan seterusnya). Dibangun di atas fondasi teknologi BitTorrent dan BitTorrent File System (BTFS) yang telah teruji, BTTInferGrid bertujuan menjadi solusi komputasi AI yang terdesentralisasi, skalabel, dan efisien.

TheNewsCrypto06/18 07:35

BitTorrent Meluncurkan BTTInferGrid: Lapisan Infrastruktur Terdesentralisasi untuk Inferensi AI yang Terukur

TheNewsCrypto06/18 07:35

活动图片