# Artikel Terkait Biaya

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

Setelah 540 Ribu Baris Kode, Garry Tan Menyadari Permainan Lama Pemrograman AI Sudah Berakhir

Editor's Note: Sementara banyak orang memperdebatkan apakah AI akan menggantikan programmer, Presiden YC Garry Tan justru mengajukan pertanyaan lain: Jika AI sudah dapat menyelesaikan sebagian besar pekerjaan pemrograman, mengapa kita masih mengelolanya dengan cara lama seperti perangkat lunak biasa? Awal tahun ini, Garry Tan menghabiskan beberapa bulan untuk membuat proyek "Garry's List" dengan Rails dan AI Agent, yang menghasilkan lebih dari 540.000 baris kode. Namun, ia menyimpulkan bahwa kode tersebut tidak penting. Yang berharga adalah "GStack"—kerangka kerja pengembangan baru yang dibangun di sekitar alur kerja AI Agent. Menurutnya, industri perangkat lunak selama ini terbiasa membungkus model AI dengan banyak tes, validator, mekanisme percobaan ulang, dan logika kontrol. Ini seperti membangun "pabrik Foxconn" untuk pekerja AI yang sangat cerdas—membatasi agen yang sebenarnya sudah mampu dengan banyak aturan. Dengan biaya model yang turun cepat dan kemampuannya meningkat, fokus pengembangan perangkat lunak beralih dari "menulis lebih banyak kode" ke "merancang lebih banyak kemampuan." Tan mengusulkan menggunakan Markdown untuk membuat "skill pack" (paket keterampilan yang dapat diuji dan digunakan kembali), di mana Agent dapat secara otomatis menghasilkan kode, tes, dan sistem evaluasi. Sebagai contoh, pekerjaan menilai hackathon yang biasanya memakan waktu berhari-hari kini dapat diselesaikan oleh Agent dalam beberapa puluh menit. Intinya, artikel ini membahas akhir dari logika industrialisasi perangkat lunak. Ketika kode bukan lagi sumber daya paling langka, kompetensi inti insinyur juga bergeser: Daripada menulis lebih banyak kode, kemampuan untuk menilai apa yang layak dibangun, mendefinisikan masalah, dan mengemas pengalaman menjadi aset kemampuan yang dapat digunakan kembali menjadi lebih penting. Kesimpulannya: Insinyur terbaik di masa depan mungkin bukan yang menulis kode paling banyak, tetapi yang menulis paling sedikit namun mampu melepaskan kecerdasan paling besar.

marsbit06/02 21:42

Setelah 540 Ribu Baris Kode, Garry Tan Menyadari Permainan Lama Pemrograman AI Sudah Berakhir

marsbit06/02 21:42

Chatbot Sudah Membakar Uang Tiga Tahun, Masihkah Menjadi 'Benua Baru' Era AI?

Dalam beberapa tahun terakhir, chatbot dianggap sebagai "peta harta karun" menuju "benua baru" di era AI, terutama setelah kesuksesan fenomenal ChatGPT. Namun, ekspektasi bahwa chatbot akan menjadi pintu masuk super yang menguasai nilai ekonomi, mirip dengan era internet seluler, mulai dipertanyakan. Realitas bisnis chatbot ternyata sulit. OpenAI, dengan miliaran pengguna aktif, masih merugi karena biaya komputasi yang tinggi per interaksi. Model langganan berbayar menghadapi tantangan, terutama di pasar seperti Tiongkok di mana kebiasaan membayar untuk aplikasi mandiri rendah. Iklan, yang diharapkan menjadi solusi, juga terbukti sulit diimplementasikan secara efektif dalam format dialog karena kurangnya niat beli pengguna, ruang terbatas, dan masalah kepercayaan terhadap jawaban. Analisis menunjukkan chatbot mungkin bukan bentuk akhir. Data dari Anthropic dan penelitian lainnya mengindikasikan mayoritas pengguna memanfaatkan AI untuk membantu pekerjaan, bukan sekadar mengobrol. Tren menuju "Agent" AI yang dapat mengeksekusi tugas multi-langkah, serta integrasi AI ke dalam aplikasi yang ada, sistem operasi, dan perangkat keras (seperti yang dilakukan oleh OpenClaw, Apple Intelligence, dan Meta) menunjukkan masa depan AI mungkin lebih tersebar dan tertanam, daripada terkonsentrasi pada aplikasi chatbot mandiri. Kesimpulannya, chatbot berperan penting dalam memperkenalkan kemampuan AI kepada publik, tetapi sebagai model bisnis mandiri, ia menghadapi tantangan ekonomi mendasar. "Peta lama" yang berfokus pada pencarian pintu masuk super mungkin perlu diperbarui. "Benua baru" yang sesungguhnya dalam era AI kemungkinan terletak pada bagaimana kemampuan AI diintegrasikan dan memberikan nilai di dalam produk serta layanan yang sudah ada, mengubahnya dari dalam.

marsbit06/02 10:40

Chatbot Sudah Membakar Uang Tiga Tahun, Masihkah Menjadi 'Benua Baru' Era AI?

marsbit06/02 10:40

Ketika Token Lebih Mahal daripada Manusia, 'Narasi AI' Menghadapi Masalah

Aliran uang perusahaan untuk AI menghadapi ujian ketat karena biaya token terus melonjak, namun nilai bisnis yang terukur sulit ditemukan. Eksekutif Uber dan Microsoft menyoroti kesenjangan antara peningkatan konsumsi token dan perbaikan produk nyata, menciptakan istilah "tokenmaxxing" untuk menggambarkan pemborosan. Data dari berbagai sumber memperlihatkan gambaran mengkhawatirkan: Uber menghabiskan anggaran Claude Code tahunan dalam empat bulan, dengan tagihan per engineer mencapai $2000 per bulan. Platform Entelligence.AI menemukan bahwa dari setiap $1 biaya token AI, hanya $0,18 yang menciptakan nilai bagi pengguna, sementara sisanya habis untuk memperbaiki bug, pengerjaan ulang, dan gesekan dalam tinjauan. Harga token sendiri telah naik sekitar 65% sejak akhir Februari. Para analis terbelah. Pandangan positif berargumen bahwa ini hanya fase transisi, dan konsumsi token akan bergeser ke metrik biaya-per-tindakan-efektif yang lebih sehat, didukung oleh tanda-tanda peningkatan produktivitas nyata. Pandangan skeptis, yang dipimpin oleh analis seperti Jim Covello dari Goldman Sachs, memperingatkan bahwa model saat ini tidak berkelanjutan. Hampir semua nilai dalam rantai pasokan AI mengalir ke perusahaan semikonduktor seperti Nvidia, sementara banyak perusahaan pengguna berjuang untuk melihat ROI. Penelitian MIT bahkan menunjukkan 95% investasi AI generatif memberi laba nol. Kekhawatiran lain adalah struktur pendanaan melingkar antara raksasa cloud (Microsoft, Google, dll.) dan lab AI (OpenAI, Anthropic). Lab AI membayar tagihan komputasi besar ke penyedia cloud, yang juga investor utama mereka, menciptakan siklus ketergantungan. Keberlanjutan sistem ini bergantung pada aliran pendanaan eksternal yang konstan ke lab AI dan kesediaan pelanggan perusahaan membayar tagihan token yang terus naik. Meski tidak sebanding dengan gelembung dot-com 1999 dari segi valuasi, masalahnya nyata. Teknologi AI terbukti bermanfaat bagi pengguna berat, tetapi pertanyaannya kini adalah apakah penghematan biaya di tingkat perusahaan pengguna dapat mengimbangi biaya token yang meningkat dengan cukup cepat. Narasi bahwa peningkatan konsumsi token sama dengan keberhasilan transformasi AI telah runtuh. Faktanya, tagihan AI telah jatuh tempo, tetapi masih belum jelas siapa yang akhirnya akan membayarnya.

marsbit05/29 01:46

Ketika Token Lebih Mahal daripada Manusia, 'Narasi AI' Menghadapi Masalah

marsbit05/29 01:46

Perang Anggaran Token: AI Perusahaan Masuk ke 'Era Perhitungan'

Perang Anggaran Token: AI Perusahaan Masuki 'Era Pertanggungjawaban Biaya' Dua tahun terakhir, banyak perusahaan mendorong penggunaan AI untuk mengikuti tren. Namun, kini CEO dan CFO mulai mempertanyakan nilai riil dari setiap dolar yang dihabiskan untuk token AI. Perdebatan tentang anggaran token intinya bukan sekadar memotong tagihan, tetapi menilai ulang alokasi sumber daya kecerdasan. Fase pertama AI perusahaan membuktikan bahwa model dapat menyelesaikan pekerjaan. Fase berikutnya akan menentukan: pekerjaan mana yang benar-benar layak dibayar? Biaya inferensi AI kini menjadi biaya operasional berkelanjutan, bukan lagi anggaran eksperimen. Tagihan token yang tinggi bisa mencerminkan pekerjaan nyata, tetapi juga bisa berarti pemborosan karena prompt yang buruk, konteks yang tidak relevan, atau pemilihan model yang berlebihan. Utilitas token marjinal—nilai bisnis yang diciptakan per dolar tambahan biaya inferensi—menjadi angka kunci namun sulit dilihat. Penyebabnya antara lain ekor panjang percobaan ulang (retry), inflasi konteks yang meningkatkan biaya secara kuadratik, dan perutean yang tidak efisien ke model termahal. AI mengubah logika SaaS. Penggunaan SaaS mengindikasikan adopsi perangkat lunak, sementara penggunaan AI hanya menunjukkan "meteran berjalan", tanpa jaminan nilai. Perusahaan membutuhkan lapisan atribusi yang menghubungkan biaya token dengan hasil bisnis, seperti biaya per tiket layanan yang diselesaikan atau per klaim yang diproses. Mereka yang menguasai atribusi dari token ke hasil akan mengendalikan alokasi anggaran AI: alur kerja mana yang pantas mendapat daya komputasi lebih, mana yang harus dialihkan ke model lebih murah, atau mana yang tetap ditangani manusia. Ini adalah inti dari perang anggaran token dan masa depan AI perusahaan yang matang.

marsbit05/28 12:16

Perang Anggaran Token: AI Perusahaan Masuk ke 'Era Perhitungan'

marsbit05/28 12:16

Microsoft Akan Meninggalkan Claude: Terlalu Mahal atau Sudah Paham Caranya?

Microsoft akan berhenti menggunakan Claude Code untuk ribuan insinyurnya mulai 30 Juni, beralih ke GitHub Copilot CLI miliknya sendiri. Keputusan ini didorong oleh biaya tinggi Claude Code yang berbasis token, dengan laporan menunjukkan biaya mencapai $500-$2000 per insinyur per bulan, seperti yang dialami Uber. Meski Microsoft menyebutkan ini sebagai bagian dari "eksperimen belajar" selama enam bulan untuk memperbaiki Copilot CLI dengan membandingkannya langsung dengan Claude Code, langkah ini mengungkap tantangan strategis yang lebih dalam. Claude Code, dengan kinerja lebih unggul (skor 80.8% pada SWE-bench vs 72.5% Copilot) dan konteks jendela lebih besar, menjadi favorit di kalangan insinyur Microsoft dengan kepuasan 91%. Microsoft menghadapi tiga dilema utama: ketergantungan pada model eksternal (OpenAI/Anthropic) tanpa model dasar umum andal milik sendiri, produk Copilot yang tertinggal dalam hal kemampuan, dan melemahnya kendali ekosistem. Data Ramp AI Index menunjukkan adopsi perusahaan untuk Anthropic (34.4%) telah melampaui OpenAI (32.3%), didorong oleh kesuksesan Claude Code yang meraih 54% pangsa pasar alat pemrograman AI. Pada intinya, keputusan ini mencerminkan pergeseran industri dari model biaya tetap ke berbasis token, mendorong perusahaan besar seperti Microsoft untuk mengevaluasi ulang strategi pembelian teknologi dan prioritas pengembangan internal demi mengontrol biaya dan mempertahankan kedaulatan teknologi.

marsbit05/25 10:32

Microsoft Akan Meninggalkan Claude: Terlalu Mahal atau Sudah Paham Caranya?

marsbit05/25 10:32

NodeStrategy: Proyek DAT Ordinals Pertama, Membawa Narasi Perbendaharaan Strategy ke NFT

**Ringkasan:** NodeStrategy, proyek token Rune di Bitcoin yang disebut-sebut sebagai DAT Ordinals pertama, berupaya meniru narasi "vault" seperti MicroStrategy pada NFT. Proyek ini menggunakan token NODESTRAT untuk membangun perbendaharaan aset berupa koleksi NFT NodeMonkes. Skemanya adalah siklus empat langkah: biaya transaksi 10% digunakan untuk membeli NFT, NFT dijual dengan target keuntungan, dan hasilnya dipakai untuk membeli kembali & menghancurkan NODESTRAT untuk mendorong harga. Namun, desainnya memiliki kelemahan mendasar. Karena Bitcoin L1 tidak memiliki kontrak pintar, biaya 10% itu hanya dapat diterapkan di satu platform perdagangan tertentu (radFi/Bound). Jika token diperdagangkan di tempat lain, siklus pendanaannya akan berhenti. Ini membatasi likuiditas secara ekstrem. Masalah lainnya adalah biaya 10% yang sama justru meredam permintaan. Pembeli dan penjual terkena biaya bolak-balik 20%, menghambat aktivitas perdagangan. Volume rendah berarti sedikit biaya yang masuk ke perbendaharaan, sehingga mekanisme pembelian kembali dan penghancuran token hampir tidak bekerja. Akibatnya, harga token stagnan dan terdiskonto besar (0.46x) dibandingkan nilai aset bersih (NAV) vault. NAV itu sendiri tidak dapat ditebus secara langsung, sehingga tidak mampu mendukung harga. Singkatnya, mesin yang dirancang untuk *number go up* ini justru mengunci dirinya sendiri: bahan bakarnya (biaya transaksi) membunuh permintaan, dan hanya bisa didapat dengan membatasi perdagangan pada satu platform, yang pada akhirnya mencekik likuiditas dan pertumbuhannya.

marsbit05/25 05:31

NodeStrategy: Proyek DAT Ordinals Pertama, Membawa Narasi Perbendaharaan Strategy ke NFT

marsbit05/25 05:31

670 Miliar Dolar AS! Kebangkitan AI Dorong M&A Energi Terbesar di AS

**Kemerdekaan Energi AS Dibentuk Kembali oleh AI: Akuisisi 670 Miliar Dolar** Pada 18 Mei 2026, NextEra Energy mengumumkan akuisisi senilai 670 miliar dolar AS terhadap Dominion Energy, menciptakan rekor merger utilitas terbesar dalam sejarah AS. Pemicu utamanya bukan strategi energi tradisional, melainkan **lapar tak terpuaskan pusat data AI terhadap listrik**. Dominion adalah pemasok listrik utama di "Data Center Alley" Virginia Utara, tempat sekitar 70% lalu lintas internet global mengalir. Perusahaan ini memegang kontrak permintaan listrik untuk pusat data sebesar **51 GW**—setara 50 pembangkit nuklir besar—dengan pertumbuhan yang terus melaju. Akuisisi ini adalah langkah untuk menguasai **hak pasokan listrik** di jantung pusat komputasi AI. Dunia sedang menghadapi krisis pasokan. Permintaan listrik pusat data global melonjak 17% pada 2025, jauh di atas pertumbuhan permintaan listrik global yang hanya 3%. Di pasar listrik terbesar AS (PJM), harga listrik melonjak **76%** secara "tak terbalikkan" karena beban AI. Tekanan pada jaringan listrik sudah nyata, terbukti dari insiden 2025 di mana 60 pusat data terputus secara bersamaan karena fluktuasi tegangan. NextEra, produsen energi angin dan surya terbesar AS, berjudi bahwa permintaan komputasi AI akan terus berlanjut. Dengan menggabungkan keahliannya dalam energi bersih dan penyimpanan dengan dominasi pasar Dominion, NextEra bertujuan menyediakan **listrik yang stabil dan dapat diprediksi** untuk pusat data. Mekanisme seperti "tarif beban besar" juga memungkinkan perusahaan teknologi ikut membiayai infrastruktur. Namun, ada pertanyaan besar: **siapa yang membayar tagihan listrik yang melambung?** Analisis menunjukkan bahwa konsumen rumah tangga mungkin menanggung biaya infrastruktur sebesar **700 miliar dolar AS** melalui kenaikan tarif listrik, sementara keuntungan ekonomi AI terkonsentrasi di perusahaan teknologi. Terdapat ketidakadilan struktural di mana aset privat (pusat data) didukung oleh infrastruktur publik (jaringan listrik). Akuisisi senilai 670 miliar dolar ini menandai dimulainya reorganisasi peta energi AS yang didorong oleh gelombang AI.

marsbit05/21 08:10

670 Miliar Dolar AS! Kebangkitan AI Dorong M&A Energi Terbesar di AS

marsbit05/21 08:10

活动图片