# Artikel Terkait Efisiensi

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

Dari Penyimpanan Panas ke Memori Dingin: Penyimpanan Terdesentralisasi di Bawah Gelombang Penyimpanan AI

Artikel ini membedah perbedaan mendasar antara tren penyimpanan AI yang sedang panas dan penyimpanan terdesentralisasi yang saat ini sepi. Penyimpanan AI (seperti HBM, SSD perusahaan) didorong oleh efisiensi maksimal, berfokus pada kecepatan dan pemanfaatan GPU untuk produktivitas. Sebaliknya, penyimpanan terdesentralisasi (seperti Filecoin, Arweave) mengutamakan kepercayaan, integritas jangka panjang, dan resistensi terhadap sensor untuk data dingin seperti arsip budaya atau bukti sejarah. Penyimpanan AI telah menjadi pusat perhatian karena menjadi komponen kritis dalam mengisi daya GPU dan mengurangi latensi, yang secara langsung memengaruhi biaya dan profitabilitas. Artikel ini menguraikan arsitektur penyimpanan AI dalam empat lapisan: memori dekat komputasi (HBM, DRAM, CXL), penyimpanan persisten cepat (SSD perusahaan), penyimpanan kapasitas besar berbiaya rendah (HDD), dan perangkat lunak sistem/penyimpanan AI. Sementara itu, proyek penyimpanan terdesentralisasi menghadapi tantangan dalam pencocokan insentif, kemampuan layanan tingkat perusahaan, dan pengalaman pengambilan data. Peluang masa depannya terletak pada ceruk khusus seperti jejak audit data AI (provenance), penyimpanan dataset publik dan arsip peradaban, penyimpanan arsip terpercaya, serta integrasi dengan teknologi seperti ZK atau TEE. Kesimpulannya, pasar saat ini menghargai efisiensi AI, tetapi nilai penyimpanan terdesentralisasi sebagai lapisan "memori dingin" yang tepercaya mungkin akan dihargai kembali seiring meningkatnya kebutuhan akan integritas data dan pelestarian memori jangka panjang dalam era AI.

marsbit07/27 16:28

Dari Penyimpanan Panas ke Memori Dingin: Penyimpanan Terdesentralisasi di Bawah Gelombang Penyimpanan AI

marsbit07/27 16:28

Ingin Lembaran Bullish Besar Lainnya? Bitcoin Butuh Triliunan Dolar Dana Baru Masuk

Untuk memicu bull market besar berikutnya, Bitcoin memerlukan aliran modal baru triliunan dolar AS. Saat ini, harga Bitcoin berkisar di $63.000, turun 50% dari rekor tertinggi $126.000 pada Oktober 2025. Analisis dari CryptoQuant mengungkapkan bahwa efisiensi modal Bitcoin telah menurun drastis. Jika pada 2011 hanya dibutuhkan $27 miliar untuk kenaikan 55.436%, siklus saat ini membutuhkan $697 miliar hanya untuk kenaikan 689%. Untuk mendorong pertumbuhan signifikan, diperkirakan diperlukan tambahan modal $1 triliun, yang membutuhkan partisipasi institusional besar-besaran. Di sisi lain, persediaan Bitcoin yang dapat diperdagangkan semakin menipis. Laporan K33 Research menunjukkan 79% pasokan yang beredar dipegang oleh pemegang jangka panjang, tingkat tertinggi sepanjang masa. Hal ini membuat pasar lebih mudah bergerak, tetapi tidak menjamin aliran masuk modal baru. Indikator laba-rugi (MVRV) Bitcoin telah mencapai -0.35, level terendah dalam 43 bulan, menandakan tekanan jual yang luas mungkin telah habis. Secara historis, level ini sering diikuti oleh pemulihan kuat. Secara keseluruhan, pasar menunjukkan tanda-tanda pembentukan dasar: tekanan jual berkurang, kepemilikan terkonsentrasi, dan indikator teknis mendukung. Namun, pemulihan berkelanjutan dan bull market baru masih bergantung pada faktor penentu: masuknya modal institusional skala besar yang belum terwujud, sementara lingkungan makro masih menekan.

Foresight News07/13 06:10

Ingin Lembaran Bullish Besar Lainnya? Bitcoin Butuh Triliunan Dolar Dana Baru Masuk

Foresight News07/13 06:10

Pabrik Token AI Meletus, Tim Dosen dan Mahasiswa Tsinghua Raup Pendanaan 10 Miliar dalam Setengah Tahun

Pabrik AI Token Meletus, Tim Dosen dan Mahasiswa Tsinghua Raup Dana 10 Miliar dalam Setengah Tahun Siapa yang memproduksi "listrik, air, dan batu bara" di era AI? Perhatian tertuju pada pendanaan putaran Seri A untuk Qujing Technology pada 13 Juli, yang dipimpin oleh Henan Investment Group Huirong Fund. Ini adalah tim dari Tsinghua: pendiri dan CEO Ai Zhiyuan, CTO Chen Xianglin, penasihat ilmiah kepala akademisi Zheng Weimin, profesor Wu Yongwei, dan associate professor Zhang Mingxing. Tiga tahun lalu, ketika startup AI China kebanyakan fokus pada model besar (large models) atau pelatihan, Qujing memilih untuk memulai dari jalur *inferensi* model besar, membangun **pabrik AI Token berkualitas tinggi**. Kini, seiring permintaan AI Token yang meledak, jalur ini mulai populer. Mirip dengan Zhipu, Qujing telah menyelesaikan transfer teknologi dan investasi dari Tsinghua. Dalam waktu setengah tahun, Qujing telah mengumpulkan total pendanaan lebih dari 10 miliar yuan, dengan banyak pabrik AI Token berkualitas tinggi tingkat triliunan yang dibangun. **Fokus pada Inferensi dan Produksi Token Berkualitas Tinggi** Didirikan pada akhir Desember 2023 oleh Prof. Wu Yongwei dan pendiri Zhenzhi Capital Ren Xuyang, Qujing berfokus pada inferensi AI daripada pelatihan. "Pelatihan adalah biaya, inferensi menghasilkan uang," kata CEO Ai Zhiyuan. Mereka bertujuan menjadi mitra terbaik untuk membangun dan mengoperasikan pabrik Token di era AI, membuat proses penggunaan "otak" AI lebih efisien. Qujing membidik produksi AI Token berkualitas tinggi yang stabil, efisien, dan berbiaya rendah untuk bisnis nyata, memenuhi berbagai persyaratan seperti latensi rendah, konkurensi tinggi, dan output stabil pada model besar. Mereka menggunakan teknologi inovatif seperti **"kolaborasi heterogen sistem penuh," "komputasi dengan penyimpanan," dan "konstruksi virtual-fisik yang sama"** untuk mengoptimalkan setiap tahap produksi Token. Mereka juga memperkenalkan konsep **Token as a Service (TaaS)** dan platform inti ATaaS untuk menghasilkan AI Token secara stabil seperti jalur produksi standar. **Bisnis Meledak, Dana Lebih dari 10 Miliar dalam 6 Bulan** Investor berduyun-duyun. Setelah putaran angel++ pada Februari dan Pre-A pada Mei, putaran terbaru dipimpin oleh Henan Investment Group Huirong Fund dengan investasi tambahan dari investor lama. Total pendanaan melebihi 10 miliar yuan dalam setengah tahun, dan putaran berikutnya sudah dalam perjalanan. Dukungan investor semakin kuat karena visi awal Qujing terbukti: permintaan inferensi skala besar meledak dengan adopsi AI Coding dan OpenClaw. Inovasi teknologi mereka mulai mendatangkan nilai, tercermin dalam efisiensi produksi Token berkualitas tinggi. Strategi Qujing adalah **"sedikit model, optimasi mendalam"** – fokus pada pengoptimalan mendalam beberapa model kunci untuk skenario produksi nyata daripada mengejar jumlah model. "Seperti toko khusus barang mewah, bukan supermarket besar," kata Ai Zhiyuan. Mereka percaya pelanggan perusahaan membayar untuk hasil bisnis, bukan jumlah model. Data menunjukkan: sejak Tahun Baru Imlek 2026, efisiensi produksi AI Token per unit komputasi meningkat lebih dari 3 kali lipat, dan total output Token berkualitas tinggi meningkat lebih dari 30 kali lipat. Untuk model besar triliunan parameter tertentu, mereka mencapai kapasitas produksi harian triliunan Token. **Pendapatan bulan Juni 2026 saja telah melampaui seluruh pendapatan tahun 2025**, dan terus tumbuh cepat. **Token adalah Raja, Menyambut Dunia AI Baru** Inferensi AI sedang booming. Data pemerintah China menunjukkan volume panggilan Token harian melampaui 140 triliun pada Maret 2026, meningkat lebih dari seribu kali lipat dalam dua tahun. Saat Token menjadi "listrik dan air" era AI, bisnis infrastruktur dasar "Pabrik AI Token" yang tersembunyi dan tumbuh tinggi muncul. Qujing bercita-cita lebih dari sekadar pabrik Token; mereka ingin menjadi perancang, pembangun, produsen, dan operator pabrik AI Token. Mereka menawarkan dua model bisnis: 1) Mode operasi langsung: memproduksi dan memasok Token berkualitas tinggi langsung ke klien. 2) Mode operasi bersama: merencanakan, mengintegrasikan, membangun, dan mengoperasikan pabrik Token bersama klien yang memiliki atau berencana memiliki sumber daya komputasi. Banyak perusahaan yang terdaftar, BUMN, dan pusat kecerdasan komputasi ingin beralih dari sewa komputasi tradisional ke produksi AI Token bernilai tambah tinggi. Qujing menyediakan solusi lengkap untuk transisi ini. Ekonomi Token AI yang seharusnya melibatkan lebih banyak mitra industri membangun ekosistem bersama. Qujing telah menjadi penghubung kunci antara model, komputasi, dan aplikasi, mendorong inovasi industri AI dari titik tunggal menuju simbiosis ekosistem. Seperti era mesin uap membutuhkan kereta api, era internet membutuhkan serat optik dan pusat data, era AI membutuhkan infrastruktur baru untuk mengalirkan kecerdasan dengan stabil, efisien, dan murah ke semua industri.

marsbit07/13 03:46

Pabrik Token AI Meletus, Tim Dosen dan Mahasiswa Tsinghua Raup Pendanaan 10 Miliar dalam Setengah Tahun

marsbit07/13 03:46

Laporan Mendalam Goldman Sachs: Siapa yang Akan Menjadi Pemenang Jangka Panjang dalam Industri Model AI Besar China?

Laporan mendalam Goldman Sachs membahas pergeseran historis dalam industri model AI besar (LLM) China. Analisis menilai bagaimana model China, melalui inovasi arsitektur (seperti MoE) dan efisiensi parameter, mencapai kinerja cerdas yang mendekati model global teratas dengan biaya lebih rendah, didorong oleh momen efisiensi biaya DeepSeek (2025) dan momen kecerdasan model GLM Zhipu (2026). Pasar membentuk struktur dua lapis: model high-end (contoh: GLM5.2, Qwen3.7 Max) dengan harga ~$1/juta token, dan model low-end untuk agen AI dengan harga serendah $0.06/juta token, yang memperluas adopsi di kalangan UKM global. Goldman memproyeksikan pendapatan API/subskripsi model AI China tumbuh dari ~¥35 miliar (2026) menjadi ~¥879 miliar pada 2030. Strategi open-source/terbobot terbuka mendominasi untuk fleksibilitas dan ekosistem, tetapi monetisasinya terbatas. Tren pergeseran ke model "bobot terbuka + lisensi komunitas" (seperti MiniMax) dengan bagi hasil diharapkan meningkatkan ekonomi unit. Ekspansi ke pasar internasional (non-AS) adalah peluang kunci, seiring pergeseran paradigma perusahaan global dari "token maksimisasi" ke prioritas ROI. Menggunakan kerangka penilaian tiga dimensi (kemampuan penetapan harga, keunggulan biaya, kekuatan finansial), Goldman mengidentifikasi pemenang jangka panjang: Zhipu AI (cakupan awal: netral) dan DeepSeek (swasta) paling kuat di domain model teks dasar. Di bidang multimodal/generasi video, ByteDance (Seedance) memimpin, diikuti Kuaishou (Kling) dan MiniMax. Goldman mempertahankan rating "beli" untuk MiniMax, melihat diskon valuasi.

链捕手07/10 14:27

Laporan Mendalam Goldman Sachs: Siapa yang Akan Menjadi Pemenang Jangka Panjang dalam Industri Model AI Besar China?

链捕手07/10 14:27

Pemenang Penghargaan Khusus Tsinghua, Gu Yuxian, Bergabung dengan DeepSeek

DeepSeek saat ini sedang dalam proses rekrutmen besar-besaran untuk berbagai posisi. Pada saat yang sama, versi resmi DeepSeek V4 akan diluncurkan pertengahan bulan ini. Dalam daftar penulis makalah DeepSeek V4, terdapat nama **Yuxian Gu**, seorang doktoral Universitas Tsinghua angkatan 2021 dan penerima Beasiswa Prestasi Khusus untuk Mahasiswa Pascasarjana tahun 2025. Diketahui bahwa **Gu Yuxian telah resmi bergabung dengan DeepSeek**. Gu Yuxian, yang juga pernah mendapatkan Beasiswa Doktoral Apple tahun 2025 dan Beasiswa In-Tech Ant Group, menyatakan bahwa "Inovasi algoritma menjadi kunci untuk menembus hambatan komputasi ketika sumber daya perangkat keras terbatas." Ia adalah doktoral tingkat akhir di Departemen Ilmu Komputer Universitas Tsinghua, dengan gelar sarjana juga dari universitas yang sama. Halaman pribadinya menunjukkan bahwa ia belajar di Kelompok Penelitian AI Interaktif (Conversational AI, CoAI) Universitas Tsinghua, dibimbing oleh Profesor Huang Minlie. Penelitiannya berfokus pada peningkatan efisiensi dalam seluruh siklus hidup model bahasa besar (LLM), mencakup tahap pra-pelatihan, adaptasi, dan inferensi. Ia mengembangkan penelitian dari tiga arah utama: **Penyaringan Data Pra-Pelatihan, Distilasi Pengetahuan dalam Kompresi Model, dan Arsitektur Model yang Efisien.** Di halaman Google Scholar-nya, **kutipan makalah Gu Yuxian telah mendekati 5000**, dengan dua makalah yang dikutip lebih dari 1000 kali. Sebagai penulis pertama, Gu Yuxian telah mempublikasikan banyak makalah di konferensi AI terkemuka internasional seperti NeurIPS, ICLR, dan ACL. Pada tahun 2024, ia dan rekan-rekannya mengusulkan metode distilasi pengetahuan untuk menyuling model bahasa besar menjadi model yang lebih kecil, menciptakan **"MiniLLM"** yang menghasilkan jawaban yang lebih akurat dan berkualitas lebih tinggi. Metode ini telah diadopsi oleh komunitas dan platform industri terkemuka seperti Google, Alibaba, dan NVIDIA. Pada tahun 2025, makalah **"Jet-Nemotron"** memperkenalkan seri baru model bahasa berarsitektur hybrid yang mencapai akurasi model perhatian penuh state-of-the-art (SOTA) sekaligus memiliki efisiensi yang luar biasa.

marsbit07/06 02:09

Pemenang Penghargaan Khusus Tsinghua, Gu Yuxian, Bergabung dengan DeepSeek

marsbit07/06 02:09

活动图片