# Artikel Terkait Penyebaran

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

Dwarkesh Patel: Generasi AI Berikutnya Mungkin Lahir dari Bekerja Nyata

Dwarkesh Patel, host podcast teknologi populer Silicon Valley, mengangkat pertanyaan tentang paradigma pelatihan AI masa depan. Ia menyoroti konsep **RLVR** (Reinforcement Learning with Verifiable Rewards) yang saat ini banyak digunakan untuk melatih AI dalam tugas seperti koding dan matematika, di mana hasilnya dapat diverifikasi dan lingkungannya mudah diduplikasi untuk pelatihan paralel. Namun, Patel mempertanyakan apakah pendekatan ini cukup untuk tugas dunia nyata yang lebih kompleks seperti memulai bisnis, memenangkan kasus hukum, atau manajemen organisasi. Tugas-tugas ini seringkali tidak dapat direplikasi, memiliki umpan balik lambat, dan berada dalam lingkungan yang terus berubah. Ia menekankan perlunya AI untuk **belajar dari pengalaman dunia nyata** dan mengonsolidasikan pembelajaran tersebut ke dalam bobot modelnya, bukan hanya mengandalkan adaptasi sementara dalam konteks. Dua arah yang diusulkan adalah: 1. **On-Policy Self-Distillation (OPSD)**: Mendistilasi pengetahuan yang diperoleh AI dari tugas panjang dan pengalaman nyata kembali ke model dasar. 2. **Dreaming**: AI membuat simulasi lingkungan berdasarkan pengamatan dunia nyata untuk berlatih dan menguji strategi, kemudian memadatkan pelajaran dari simulasi tersebut. Paradigma baru ini mengarah pada AI yang tidak hanya dilatih sebelum dirilis, tetapi terus **belajar setelah penyebaran** melalui interaksi dan penyelesaian tugas nyata. Kemajuan AI masa depan mungkin akan sangat bergantung pada kemampuan untuk mengubah pengalaman lapangan menjadi peningkatan kemampuan yang berkelanjutan.

marsbit06/28 23:52

Dwarkesh Patel: Generasi AI Berikutnya Mungkin Lahir dari Bekerja Nyata

marsbit06/28 23:52

Interpretasi Laporan Riset: Citi Menghadiri AWS Summit, Optimis Layanan Cloud Akselerasi namun Tata Kelola Data Tetap Variabel Kunci

**Ringkasan Laporan Riset Citigroup tentang AWS Summit** Analis Citigroup Tyler Radke dan tim mempertahankan rating "Beli" untuk Amazon setelah menghadiri AWS Summit New York (17-18 Juni) dan berdialog dengan lebih dari 10 klien serta partner. Laporan bertanggal 19 Juni ini menyoroti pergeseran strategi AWS dari fase eksperimen ke fokus pada **penyebaran AI skala besar (scalable deployment)** untuk penggunaan enterprise. **Tiga Kesimpulan Kunci:** 1. **Fokus pada Penyebaran Skala Besar:** AWS memperkenalkan produk baru seperti **AWS Context** (membangun graph pengetahuan dari data perusahaan), **Amazon Quick** (asisten AI lintas aplikasi), dan **Continuum** (keamanan), yang menargetkan tantangan nyata implementasi AI di korporat. 2. **Infrastruktur Data Diuntungkan:** Perusahaan infrastruktur data seperti Snowflake, Elastic, Oracle, dan ClickHouse dilihat sebagai penerima manfaat langsung dari meningkatnya beban kerja AI. 3. **Governance Data sebagai Variabel Penting:** Governance data muncul sebagai penghambat kritis. Ketika agen AI berkembang dari ratusan menjadi ribuan, kemampuan mereka mengakses data yang tepat dengan izin yang sesuai menjadi kunci. **AWS Context** dinilai sebagai langkah strategis AWS dalam menyediakan lapisan infrastruktur governance data. **Logika Investasi:** * **Peluang:** Percepatan pertumbuhan pendapatan AWS dari 30% (FY26) menjadi 37% (FY27), serta elastisitas pendapatan penyedia infrastruktur data. * **Hindari Berharap:** Penurunan biaya AI yang signifikan dalam waktu dekat. Meski manajemen token lebih ketat, permintaan tetap kuat. * **Sinyal untuk Dipantau:** Pertumbuhan pendapatan kuartalan AWS, pertumbuhan tugas **AWS Bedrock AgentCore** (naik 15x dalam 6 bulan), dan dampak perubahan harga penyedia data seperti Elastic terhadap permintaan. Intinya, laporan menekankan bahwa **governance data adalah kunci** untuk memindahkan AI dari proyek percobaan ke inti proses bisnis perusahaan.

marsbit06/22 14:17

Interpretasi Laporan Riset: Citi Menghadiri AWS Summit, Optimis Layanan Cloud Akselerasi namun Tata Kelola Data Tetap Variabel Kunci

marsbit06/22 14:17

Kisah API Tidak Cukup Menopang Valuasi, Raksasa AI Mulai Turun Tangan ke Konsultan

OpenAI baru saja mengumumkan pembentukan OpenAI Deployment Company (Deploy Co), dengan investasi lebih dari $4 miliar dari 19 investor termasuk TPG, valuasi $14 miliar. Inti bisnisnya adalah menempatkan FDE (Frontline Deployment Engineer) di klien untuk mengintegrasikan model ChatGPT. Hampir bersamaan, Anthropic membentuk perusahaan patungan senilai $1.5 miliar dengan Blackstone dan Goldman Sachs untuk model bisnis serupa. Dua transaksi besar ini menandai pergeseran strategis: raksasa AI mulai mengakui bahwa hanya menjual API tidak cukup untuk menopang valuasi. Mereka kini beralih ke model "penyebaran garis depan", menjadi setengah konsultan, mirip dengan yang pernah dilakukan Palantir. Struktur modal Deploy Co tidak biasa, menawarkan return dijamin minimum 17.5% kepada investor, menyerupai transaksi terstruktur. Yang menarik, tiga firma konsultan ternama — Bain & Company, McKinsey & Company, dan Capgemini — turut berinvestasi, sebuah langkah yang bisa ditafsirkan sebagai upaya memahami pesaing potensial atau bersiap di-disintermediasi. Latar belakang langkah ini adalah persaingan sengit. Data Menlo Ventures menunjukkan pangsa pasar API LLM perusahaan Anthropic melonjak ke 40%, menggerus posisi OpenAI yang turun menjadi 27%. Tekanan ini mendorong OpenAI untuk bergerak cepat. Permintaan untuk FDE meledak (naik >800% dalam setahun), dengan gaji jauh melebihi insinyur perangkat lunak tradisional. Sebaliknya, lowongan untuk Software Engineer (SWE) konvensional terus menyusut. Pergeseran ini mencerminkan "pembalikan" di mana nilai bergeser dari pembuatan model (yang semakin komoditas) ke layanan implementasi intensif tenaga kerja di lokasi klien. Kesimpulannya, lanskap AI perusahaan sedang berubah drastis. Lapisan model mulai terdiferensiasi, sementara lapisan implementasi/diseminasi menjadi kunci baru untuk penciptaan nilai dan diferensiasi, didorong oleh struktur modal inovatif dan pergeseran radikal dalam permintaan talenta teknis.

marsbit06/02 11:55

Kisah API Tidak Cukup Menopang Valuasi, Raksasa AI Mulai Turun Tangan ke Konsultan

marsbit06/02 11:55

Menjalankan MoE di Ponsel? Meta Mengusulkan MobileMoE, iPhone 16 Pro Dipercepat 3,8 Kali Lipat

Meta memperkenalkan MobileMoE, campuran model ahli (MoE) pertama yang dirancang untuk inferensi efisien di smartphone. Mengganti lapisan feed-forward padat dengan MoE, MobileMoE-S/M mencapai akurasi setara atau lebih tinggi dengan hanya 1/2 hingga 1/4 komputasi inferensi model padat dalam 14 tes dasar. Di iPhone 16 Pro, MobileMoE-S mempercepat inferensi hingga 3.8x pada fase input. Model ini dilatih dalam empat tahap: pra-pelatihan, pelatihan menengah, fine-tuning terawasi, dan pelatihan aware-kuantisasi (kuantisasi INT4/INT8). Konfigurasi optimal menggunakan 8 ahli dengan granularitas 8, routing Top-4, dan 1 ahli bersama. Dalam evaluasi, MobileMoE mengungguli model seperti Qwen3.5 2B dan OLMoE-1B-7B dalam skala parameter lebih kecil, terutama unggul dalam tugas kode dan matematika. Setelah kuantisasi INT4, kinerja tetap kompetitif. Di perangkat Samsung Galaxy S25 dan iPhone 16 Pro, MobileMoE menunjukkan peningkatan kecepatan signifikan dan penggunaan memori lebih rendah dibanding baseline. Tantangan ke depan mencakup peningkatan kemampuan penalaran, eksplorasi NPU, dan optimasi memori dinamis untuk routing MoE di perangkat seluler.

marsbit06/01 06:11

Menjalankan MoE di Ponsel? Meta Mengusulkan MobileMoE, iPhone 16 Pro Dipercepat 3,8 Kali Lipat

marsbit06/01 06:11

Gila-gilaan Gelontorkan 270 Miliar Yuan, OpenAI Mendirikan Perusahaan Baru untuk Mempercepat Penerapan AI

Pada 11 Mei, OpenAI mengumumkan pembentukan "OpenAI Deployment Company" dengan investasi awal lebih dari $40 miliar (sekitar 272 miliar RMB) untuk membantu perusahaan membangun dan menerapkan AI. Perusahaan ini, yang dikendalikan oleh OpenAI, menggabungkan 19 lembaga investasi, konsultasi, dan integrasi sistem, dipimpin oleh TPG. OpenAI juga akan mengakuisisi perusahaan konsultan AI Toromo untuk memperluas skala dengan cepat. Tujuan perusahaan penyebaran ini adalah untuk membantu organisasi mengintegrasikan kemampuan AI ke dalam infrastruktur dan alur kerja bisnis mereka, mengubahnya menjadi dampak operasional nyata. OpenAI mencatat bahwa lebih dari 1 juta perusahaan telah mengadopsi produk dan API-nya, dan tahap kompetisi selanjutnya akan tergantung pada efisiensi penerapan AI dalam skenario bisnis aktual. OpenAI sedang meningkatkan investasi di bidang komputasi dan AI. Presiden & Co-founder Greg Brockman menyebutkan bahwa perusahaan berencana menginvestasikan $50 miliar dalam komputasi tahun ini. Pada akhir Maret, OpenAI menyelesaikan putaran pendanaan sebesar $122 miliar, dengan valuasi pasca-pendanaan $852 miliar, yang dipimpin oleh Amazon, Nvidia, dan SoftBank. Selain itu, OpenAI terus mengembangkan model AI canggih, termasuk model baru untuk mendeteksi kerentanan keamanan perangkat lunak dan model gambar yang ditingkatkan. Pendiri OpenAI Sam Altman mengisyaratkan bahwa perusahaan mungkin akan go public pada tahun 2027, dengan valuasi IPO yang dilaporkan mencapai sekitar $1 triliun.

marsbit05/12 11:51

Gila-gilaan Gelontorkan 270 Miliar Yuan, OpenAI Mendirikan Perusahaan Baru untuk Mempercepat Penerapan AI

marsbit05/12 11:51

Mengapa Istilah 'Tahun Realisasi Daya Komputasi AI' Menjebak? — Memahami Empat Tantangan dari 'Sinyal Kebijakan' hingga 'Pesanan Nyata'

Anda mungkin sering membaca laporan penelitian yang menyebut "2026 adalah tahun pertama realisasi kekuatan komputasi AI dalam negeri." Namun, istilah "tahun realisasi" ini memiliki "jebakan" karena mengaburkan perbedaan antara empat tahap kritis: pengadaan kebijakan, pesanan percobaan, penerapan skala penuh, dan kematangan ekosistem perangkat lunak. Keempat tahap ini memiliki ritme dan nilai yang berbeda bagi rantai industri. Tahap 1: **Pengadaan Kebijakan** - Sudah terbuka lebar pada 2026. Dukungan kebijakan dan dana besar mendorong pesanan massal chip dalam negeri (seperti Ascend 950PR Huawei). Namun, volume pembelian tidak sama dengan volume penggunaan nyata. Tahap 2: **Penerapan Nyata** - Mulai terbuka celahnya. Bukti utamanya adalah DeepSeek V4, model AI skala besar pertama yang sepenuhnya dilatih dan dijalankan pada kekuatan komputasi dalam negeri (Huawei Ascend), meninggalkan ekosistem CUDA NVIDIA. Ini membuktikan kelayakannya. Namun, adopsi oleh perusahaan menengah dan panjang masih dalam perjalanan. Tahap 3: **Kematangan Ekosistem Perangkat Lunak** - Celahnya masih sempit. Meskipun adaptasi tingkat atas (seperti oleh DeepSeek) berjalan, ekosistem pengembang seperti CANN Huawei masih jauh di belakang CUDA dalam hal jumlah model yang didukung dan basis pengembang. Diperlukan 1-2 tahun lagi untuk pematangan sistematis. Tahap 4: **Replikasi Skala** - Belum terbuka. Ini memerlukan adopsi oleh ribuan perusahaan menengah di berbagai industri. Kendala utama adalah kurangnya kemampuan tim IT perusahaan menengah untuk melakukan migrasi yang rumit. Mereka membutuhkan solusi "siap pakai". Tahap ini baru mungkin terjadi pada 2027-2028. Kesimpulannya: "Tahun realisasi" akurat hanya dari sudut pandang Tahap 1 (pengadaan). Realisasi penuh nilai industri memerlukan pembukaan keempat tahap tersebut. Sinyal industri terpenting 2026 adalah ikatan mendalam DeepSeek V4 dengan kekuatan komputasi dalam negeri, yang mengubah narasi dari "apakah bisa digunakan" menjadi "kapan pasokan mencukupi". Waktu realisasi berbeda untuk setiap segmen rantai industri (chip, penyewaan komputasi, alat perangkat lunak, solusi vertikal), dengan selisih hingga dua tahun.

marsbit05/08 11:49

Mengapa Istilah 'Tahun Realisasi Daya Komputasi AI' Menjebak? — Memahami Empat Tantangan dari 'Sinyal Kebijakan' hingga 'Pesanan Nyata'

marsbit05/08 11:49

Sebuah Memo Internal Mengungkapkan Kecemasan dan Ambisi Terbuka OpenAI

Sebuah memo internal dari OpenAI yang dibocorkan ke media mengungkapkan strategi dan kecemasan perusahaan di tengah persaingan ketat di pasar AI. Memo yang ditulis oleh Denise Dresser, Chief Revenue Officer OpenAI, menekankan pergeseran fokus dari sekadar kemampuan model AI menuju adaptasi dan integrasi dalam alur kerja perusahaan. Lima prioritas strategis diumumkan: memenangkan lapisan model, platform agen AI, ekspansi pasar melalui Amazon, penjualan tumpukan teknologi lengkap, dan pengendalian deployment. Tujuannya adalah beralih dari "AI terbaik" menjadi "AI paling sulit diganti" dengan menciptakan ekosistem platform yang tertutup. Memo tersebut juga secara terbuka mengkritik pesaing utama, Anthropic, menyoroti masalah keterbatasan komputasi, pengalaman pengguna yang buruk, dan klaim pendapatan tahunan $300 miliar yang diduga terlalu tinggi sebesar $80 miliar karena perhitungan akuntansi yang keliru. Bagi pasar China, memo ini memberikan pelajaran tentang evolusi persaingan AI dari kemampuan menuju platform dan deployment. Ini juga menyoroti pentingnya kepercayaan dan kedaulatan data, di mana solusi deployment privat dan kepatuhan regulasi bisa menjadi keunggulan kompetitif. Sinyal alarm bagi pengembang AI China adalah bahwa kendala utama OpenAI adalah kapasitas produksi, sementara di China justru permintaan dari klien perusahaan yang membayar yang menjadi tantangan terbesar.

marsbit04/14 10:26

Sebuah Memo Internal Mengungkapkan Kecemasan dan Ambisi Terbuka OpenAI

marsbit04/14 10:26

Caldera Meluncurkan Metalayer Token Launcher

Caldera telah meluncurkan Metalayer Token Launcher, solusi tanpa kode pertama yang mendukung penyebaran token lintas rantai. Platform ini memungkinkan proyek membuat dan menerapkan MetaTokens dengan cepat tanpa perlu menulis kode atau konfigurasi teknis yang rumit. Pengguna hanya perlu mengatur nama token, total pasokan, dan alamat dompet Treasury untuk membuat token dalam hitungan menit. Pada tahap awal, Metalayer Token Launcher mendukung ekosistem Arbitrum dan Ethereum, dengan jembatan lintas rantai yang hampir real-time antara kedua jaringan. Setiap token yang dibuat akan dilengkapi dengan halaman jembatan lintas rantai independen, memudahkan transfer aset dan mengurangi biaya serta kompleksitas operasi lintas rantai. Tujuan inti Metalayer adalah membuat infrastruktur ekonomi on-chain menjadi produk modular, memungkinkan proyek meluncurkan sistem token dan model ekonomi dengan biaya lebih rendah dan efisiensi更高. Ke depannya, platform ini akan mendukung lebih banyak jaringan blockchain untuk memperluas skenario penerbitan dan sirkulasi aset lintas rantai.

marsbit04/08 14:10

Caldera Meluncurkan Metalayer Token Launcher

marsbit04/08 14:10

Caldera Meluncurkan Metalayer Token Launcher

Caldera telah meluncurkan Metalayer Token Launcher, solusi tanpa kode pertama yang mendukung penyebaran token lintas rantai. Platform ini memungkinkan proyek membuat dan menerapkan MetaTokens dengan cepat tanpa perlu menulis kode atau konfigurasi teknis yang rumit. Pengguna hanya perlu mengatur nama token, total pasokan, dan alamat dompet Treasury untuk membuat token dalam hitungan menit. Pada tahap awal, Metalayer Token Launcher mendukung ekosistem Arbitrum dan Ethereum, dengan fitur jembatan lintas rantai yang hampir real-time antara kedua jaringan. Setiap token yang dibuat akan dilengkapi dengan halaman jembatan lintas rantai independen, memudahkan transfer aset dan mengurangi biaya serta kompleksitas operasi. Tujuan inti Metalayer adalah membuat infrastruktur ekonomi on-chain menjadi produk modular, memungkinkan proyek meluncurkan sistem token dan model ekonomi dengan biaya lebih rendah dan efisiensi lebih tinggi. Ke depannya, platform ini akan mendukung lebih banyak jaringan blockchain untuk memperluas skenario penerbitan dan peredaran aset lintas rantai.

Odaily星球日报04/08 14:01

Caldera Meluncurkan Metalayer Token Launcher

Odaily星球日报04/08 14:01

Demam Emas OpenClaw: Penjual Sekop Tak Pernah Cemas, yang Cemas Hanya Penambang

Demam OpenClaw telah meledak di Tiongkok, menciptakan gelombang kecemasan sekaligus peluang bisnis. Di balik hiruk-pikuk jutaan orang yang berusaha menerapkan OpenClaw, terbentuk ekosistem industri yang memanfaatkan kecemasan kolektif ini. Beberapa pihak meraup untung besar: - **Perangkat Keras**: Perusahaan seperti iPollo pimpinan Kong Jianping menjual perangkat khusus OpenClaw. Pabrik di Dongguan menawarkan layanan OEM/ODM untuk produk serupa, banyak di antaranya adalah mantan produsen penambang kripto yang beralih. - **Token dan API**: Pasar gelap token API marak, dengan diskon hingga 89% dari harga resmi. Laporan CISPA mengungkap hampir setengah layanan API pihak ketiga menipu dengan menjalankan model AI yang lebih murah. Beberapa bahkan mengumpulkan data pengguna untuk dijual ke perusahaan besar. - **Layanan dan Informasi**: Konsultan seperti Li Heng menerima bayaran hingga puluhan juta rupiah per proyek untuk instalasi dan konfigurasi OpenClaw bagi pelaku bisnis. Adam Sand dari AS sukses dengan RoofClaw, menghasilkan $1,8 juta dengan menjual paket siap pakai. Layanan instalasi bahkan ditawarkan di platform seperti Taobao, dengan pendapatan mencapai ratusan juta rupiah. Intinya, seperti demam emas, yang paling diuntungkan adalah "penjual sekop" – mereka yang menyediakan alat, layanan, dan solusi bagi para "penambang" yang cemas. Mereka tidak mempertaruhkan teknologi, tetapi memanfaatkan stabilitas sifat manusia yang takut ketinggalan zaman.

比推03/11 11:49

Demam Emas OpenClaw: Penjual Sekop Tak Pernah Cemas, yang Cemas Hanya Penambang

比推03/11 11:49

活动图片

Kategori Populerright-arrow

Tag Populerright-arrow