# Artikel Terkait GPU

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

GPT Merancang GPT

OpenAI akhirnya merilis chip pertamanya, Jalapeño. Meski banyak yang menganggapnya sebagai tantangan bagi Nvidia, inti dari langkah ini justru adalah pengakuan terbuka OpenAI bahwa mereka tidak puas hanya menjadi perusahaan model AI. Mereka ingin mengontrol seluruh proses produksi kecerdasan, dari model, chip, hingga pusat data dan energi. Perbedaan kemampuan model semakin menyempit, namun kesenjangan dalam komputasi justru melebar. Dalam era AI, satuan biaya terpenting bukan lagi harga server atau GPU, melainkan biaya produksi setiap Token. Sebagai penyedia layanan seperti ChatGPT dan API, OpenAI menghadapi kenyataan bahwa semakin sukses produk mereka, semakin besar "pajak inferensi" yang harus dibayarkan ke penyedia hardware eksternal. Jalapeño adalah upaya membangun "pabrik Token" sendiri untuk mengurangi ketergantungan ini. Yang menarik, siklus pengembangan chip Jalapeño hanya sembilan bulan, jauh lebih cepat dari standar industri. Kunci percepatan ini adalah pengetahuan OpenAI tentang beban kerja model nyata. Mereka bahkan menggunakan model AI mereka sendiri untuk mempercepat bagian proses desain dan optimasi chip. Ini menciptakan siklus umpan balik: model yang lebih baik membantu mendesain chip yang lebih baik, yang kemudian menurunkan biaya menjalankan model generasi berikutnya. Jalapeño difokuskan untuk inferensi, bukan pelatihan. Inferensi adalah pengeluaran tunai harian yang masif, terutama dengan berkembangnya Agent dan tugas-tugas rantai panjang. Dengan mengurangi "pajak inferensi" ini, OpenAI dapat meningkatkan margin keuntungan layanannya. Strategi OpenAI semakin mirip dengan Apple: membangun ekosistem tertutup yang terintegrasi, dari model (perangkat lunak intelijen), antarmuka seperti ChatGPT, hingga chip dan infrastruktur fisik. Mereka tidak ingin menjual "sekop" (seperti Nvidia), tetapi memiliki "tambang" dan menjual "kecerdasan" yang dihasilkannya. Pada akhirnya, artikel ini menyimpulkan bahwa aset terpenting di era AI sedang bergeser. Model akan terus berubah seperti "aliran traffic," tetapi infrastruktur produksi—chip, jaringan, pusat data, energi—akan menjadi "tanah" yang dikuasai oleh sedikit pemain. Dengan Jalapeño, OpenAI menyatakan ambisinya: tidak hanya menjadi perusahaan paling cerdas, tetapi mengontrol produksi kecerdasan itu sendiri.

marsbit06/25 14:05

GPT Merancang GPT

marsbit06/25 14:05

AI Inference Market: Panorama dan Peluang Proyek Crypto dalam Mencapai Kesuksesan?

Pasar inferensi AI semakin penting dibanding pelatihan model, karena inilah tempat sebagian besar nilai ekonomi terjadi. Inferensi adalah proses model AI memberikan jawaban atau output berdasarkan permintaan pengguna. Pasar ini dibagi menjadi dua kubu utama: **penyedia tradisional** (seperti AWS, Google, Microsoft) yang menawarkan keandalan, pengalaman pengembang, dan proses korporat; dan **jaringan terdesentralisasi berbasis kripto** (seperti Chutes, Akash, io.net) yang fokus pada akses terbuka, biaya lebih rendah, privasi, dan insentif baru. **Router** (seperti OpenRouter) menjadi elemen kunci, berfungsi sebagai lapisan pertukaran yang mengarahkan permintaan ke penyedia terbaik berdasarkan harga, latensi, dan faktor lainnya. Model open-source yang semakin murah dan berkualitas membuat peran router ini semakin krusial. Di sisi kripto, berbagai proyek mengejar ceruk berbeda: * **Chutes & Dolphin AI:** Platform inferensi terdesentralisasi yang menyediakan endpoint model. * **Akash & io.net:** Pasar GPU terdesentralisasi untuk akses komputasi yang lebih murah. * **Targon & Darkbloom:** Fokus pada komputasi rahasia dan inferensi privat. * **Venice:** Gateway inferensi privat untuk konsumen. * **NuNet & OpenServ:** Fokus pada orkestrasi beban kerja dan infrastruktur agen AI. **Kesimpulan utama:** Nilai terbesar tidak hanya terletak pada kepemilikan GPU, tetapi pada kontrol terhadap **permintaan, perutean, verifikasi, dan penyelesaian transaksi**. Pemenangnya akan menjadi jaringan yang dapat membuat inferensi terdesentralisasi terasa andal, dengan endpoint cepat, dokumentasi kuat, dan permintaan berbayar yang nyata. Privasi dan akses tanpa izin adalah peluang utama bagi proyek kripto dalam bersaing dengan raksasa cloud tradisional.

Foresight News06/25 07:13

AI Inference Market: Panorama dan Peluang Proyek Crypto dalam Mencapai Kesuksesan?

Foresight News06/25 07:13

TechFlow Intelligence Bureau: AMD Pulihkan Fitur Enkripsi Memori CPU Konsumen, Saham Chip Korea Anjlok 10% Picu Guncangan Pasar

**Teknologi & AI:** OpenAI merilis model DayBreak dengan fokus keamanan. Cursor (alat AI pemrograman) dikritik karena penurunan kualitas dan kecepatan, memicu pembatalan langganan. Klien ChatGPT untuk Mac sering mengalami *crash*. DeepSeek V4.1 akan dirilis, ditunggu komunitas Tiongkok. **Chip & Perangkat Keras:** AMD mengembalikan fitur enkripsi memori CPU konsumen setelah protes pengguna. Harga sewa GPU Nvidia terus turun, meringankan biaya pelatihan AI. Samsung mencatatkan penjualan HBM4 senilai $10 miliar dalam sebulan. **Perusahaan Teknologi:** Huawei berjanji "jaminan" untuk sistem mengemudi otonomnya. Google investasi $75 juta di A24 untuk pengembangan alat produksi film berbasis AI. Apple memperbaiki kerentanan penyadapan di Beats Studio Buds. **Pasar Modal:** Saham chip Korea (KOSPI) anjlok hampir 10%, dipimpin Samsung dan SK Hynix, memicu gelombang jual yang lebih luas. Saham Micron dan Nasdaq berdarah. Saham SpaceX jatuh >16%. Analis memperingatkan gelembung AI dan potensi puncak pasar. **Keuangan & Makro:** Logam mulia (emas, perak) turun tajam. Ekspor minyak Iran via Selat Hormuz mencapai rekor tertinggi selama perang, meredakan kekhawatiran pasokan. **Garis Bawah:** Ada pergeseran dari euforia AI ke fase "pertanggungjawaban". Gejolak di saham chip, penurunan harga sewa GPU, dan masalah stabilitas aplikasi AI menandai momen di mana narasi AI beralih dari "kemungkinan tak terbatas" ke titik dimana nilai nyatanya harus dibuktikan.

marsbit06/23 10:55

TechFlow Intelligence Bureau: AMD Pulihkan Fitur Enkripsi Memori CPU Konsumen, Saham Chip Korea Anjlok 10% Picu Guncangan Pasar

marsbit06/23 10:55

Harga Sewa GPU Turun 30% dalam Tiga Minggu, Rantai Nilai AI Berpindah dari Nvidia ke Chip Memori

Harga sewa GPU NVIDIA B200 turun 30% dalam tiga minggu, dari $6,11/jam menjadi $4,22/jam, menandakan melunaknya narasi kelangkaan daya komputasi AI. Sementara itu, pasar semikonduktor menunjukkan perpecahan: saham memori seperti Micron dan SanDisk melonjak hampir 60%, sedangkan NVIDIA justru turun 3% dalam sebulan. Analis menilai penurunan harga sewa ini didorong oleh peningkatan pasokan, termasuk perbaikan hasil produksi chip di TSMC, ketersediaan HBM3e yang lebih longgar, dan lebih banyak pemasok cloud yang menawarkan B200. Tekanan harga diperkirakan berlanjut dengan kedatangan generasi chip berikutnya, B300. Perhatian pasar kini beralih ke chip memori seperti HBM, yang menjadi bottleneck baru karena permintaan dari model AI yang semakin besar. Laporan menunjukkan harga kontrak memori melonjak lebih dari 100% pada paruh pertama 2026. Kinerja kuat Micron dan SanDisk mencerminkan pergeseran rantai nilai AI, di mana daya tawar berpindah dari pemain komputasi seperti NVIDIA ke pemain memori. Meski pasar spot melemah, kontrak jangka panjang besar-besaran tetap ada, seperti kesepakatan $300 miliar antara Google dan SpaceX untuk menyewa GPU. Namun, klausul penghentian dalam kontrak semacam itu menunjukkan pembeli mulai berhati-hati. Intinya, uang dalam ekosistem AI tidak berkurang, tetapi bergerak. Risiko bagi NVIDIA bukan pada permintaan, melainkan pada potensi pelemahan daya tawar harga jika tekanan margin pada pelanggan cloud akhirnya mengurangi pesanan chip. Laporan keuangan Micron besok akan menjadi tolok ukur penting untuk tren ini.

marsbit06/23 05:22

Harga Sewa GPU Turun 30% dalam Tiga Minggu, Rantai Nilai AI Berpindah dari Nvidia ke Chip Memori

marsbit06/23 05:22

Kendala Daya Komputasi dalam Pertarungan AI Tiongkok-AS

Dalam persaingan AI antara AS dan Tiongkok, kendala utama yang dihadapi Tiongkok adalah kesenjangan komputasi (computing power) yang sangat besar, terutama di sektor pelatihan AI berkinerja tinggi. Chip AI domestik Tiongkok saat ini sebagian besar masih berfokus pada sisi inferensi yang relatif lebih mudah, sedangkan di puncak piramida pelatihan model besar, kehadiran chip domestik masih terbatas dan hanya mengerjakan tugas-tugas tepi. AS menguasai lebih dari 70% GPU high-end global, dengan skala komputasi 2 kali lipat lebih besar daripada Tiongkok. Raksasa teknologi seperti Meta, Google, Amazon, dan Microsoft menginvestasikan dana besar untuk infrastruktur AI, memiliki kekuatan komputasi yang masing-masing melebihi total seluruh perusahaan AI Tiongkok. Kesenjangan ini berdampak langsung pada pengembangan model besar (large models). Model AS terdepan seperti Anthropic's Mythos telah mencapai 10 triliun parameter, sedangkan model Tiongkok terkuat, DeepSeek V4 Pro, memiliki 1,6 triliun parameter. Kekurangan chip pelatihan high-end membatasi kemampuan pra-pelatihan (pre-training) yang menentukan batas atas kecakapan model. Meski demikian, kebangkitan chip GPU domestik Tiongkok mulai terlihat. Perusahaan seperti Huawei (Ascend 910), Haiguang, Cambricon, Moore Thread, dan MetaX memanfaatkan kebijakan substitusi impor. Meski masih tertinggal dalam kinerja absolut dan ekosistem perangkat lunak (seperti CUDA milik Nvidia), chip domestik mulai menunjukkan peningkatan adaptabilitas, bergerak dari terobosan di sektor inferensi menuju adaptasi bertahap di sektor pelatihan. Kolaborasi antara perusahaan AI dan produsen chip domestik telah berhasil melatih model canggih seperti GLM-Image dan RoboBrain 2.5 sepenuhnya pada perangkat keras domestik. Dengan dukungan pasar yang besar, talenta AI, dan modal yang kuat, industri chip AI Tiongkok diharapkan dapat terus berkembang, meski perjalanan mengejar ketertinggalan membutuhkan kesabaran dan strategi jangka panjang dalam persaingan teknologi yang menentukan ini.

marsbit06/22 10:25

Kendala Daya Komputasi dalam Pertarungan AI Tiongkok-AS

marsbit06/22 10:25

「Saham Konsep Nvidia」Wawancara dengan Co-Founder CoreWeave: Permintaan AI Terus Meningkat Setiap Hari

Wawancara dengan para eksekutif CoreWeave, penyedia cloud khusus AI, menggarisbawahi bahwa permintaan akan komputasi AI terus meningkat dan berkembang setiap hari, mendorong perubahan besar dalam infrastruktur. Fokus tidak lagi hanya pada ketersediaan GPU, tetapi meluas ke tantangan kompleks seperti daya untuk pusat data, CPU, penyimpanan, dan pasokan komponen. CoreWeave, yang melayani klien utama seperti OpenAI dan Microsoft, melihat pergeseran struktural dalam beban kerja AI. Dengan munculnya AI agen dan model penalaran, pentingnya CPU dan penyimpanan semakin meningkat. Perusahaan merancang ulang pusat datanya untuk mengakomodasi lebih banyak CPU (seperti Vera CPU dari Nvidia) dan penyimpanan di samping server GPU generasi mendatang (seperti Vera Rubin). Para eksekutif menekankan bahwa model bisnis mereka sepenuhnya didorong oleh kontrak dan permintaan pelanggan. Mereka bersaing berdasarkan rekam jejak eksekusi yang terbukti, kemampuan teknikal, dan kemampuan menyediakan kinerja serta efisiensi biaya per token terbaik. Saat ini, hambatan utama bukanlah GPU, melainkan ketersediaan "powered shells" (bangunan pusat data yang siap daya) dan komponen di dalamnya. Mereka juga menjelaskan bahwa biaya komponen seperti HBM (memori bandwidth tinggi) diteruskan kepada pelanggan melalui kontrak yang sudah ditetapkan sebelumnya, sehingga melindungi margin CoreWeave. Untuk generasi hardware baru seperti server Vera Rubin, pola deployment diperkirakan akan meningkat signifikan sekitar tahun 2027, mengikuti pola pendahulunya, platform Blackwell.

marsbit06/19 10:40

「Saham Konsep Nvidia」Wawancara dengan Co-Founder CoreWeave: Permintaan AI Terus Meningkat Setiap Hari

marsbit06/19 10:40

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

Laporan Bernstein: AI yang Mandiri (Agentic AI) Akan Mengubah CPU dari Figuran Menjadi Bintang Utama, Rekomendasi Beli untuk Hygon Information

Laporan riset Bernstein berpendapat bahwa era kecerdasan buatan agen (agentic AI) akan mengubah peran CPU dari pendukung menjadi protagonis di pusat data, meningkatkan permintaan CPU server secara signifikan. Analis memproyeksikan bahwa pada 2030, total pasar yang dapat dialamatkan (TAM) untuk CPU server akan mencapai $223 miliar, tumbuh 6x lipat dari $37 miliar pada 2025, dengan pertumbuhan tahunan gabungan (CAGR) 43%. Pemicu utamanya adalah pergeseran beban kerja AI dari chatbot statis ke AI agen yang melibatkan siklus penalaran kompleks (retrieval, perencanaan, pemanggilan alat). Siklus ini membutuhkan kemampuan orkestrasi dan penjadwalan yang kuat dari CPU untuk menghindari idle GPU yang mahal. Proporsi GPU:CPU dalam kluster inferensi diperkirakan akan berubah dari 8:1 (2025) menjadi 1:1 (2029). Arm dinilai sebagai penerima manfaat terbesar karena efisiensi dayanya, ditambah strategi baru mereka memproduksi chip sendiri. Di antara produsen, AMD, Intel, dan khususnya Hygon (Hai Guang) dari China mendapat peringkat positif, dengan target harga Hygon dinaikkan menjadi 450 yuan karena prospek pertumbuhan pasar x86 China. Laporan ini juga menyoroti ketidakpastian dari sisi pasokan, terutama terkait ketersediaan kapasitas foundry dan memori untuk mendukung pertumbuhan CPU yang begitu cepat, serta ketergantungan pada proyeksi permintaan AI yang sangat optimis.

marsbit06/17 09:48

Laporan Bernstein: AI yang Mandiri (Agentic AI) Akan Mengubah CPU dari Figuran Menjadi Bintang Utama, Rekomendasi Beli untuk Hygon Information

marsbit06/17 09:48

Berapa Banyak yang Didapat Perusahaan Modul Optik dari Biaya Berlangganan Claude yang Anda Bayar?

TL;DR Grafik yang memecah biaya berlangganan Claude Pro AS sekitar $20 per bulan untuk perusahaan model, komputasi awan, penyusutan GPU, listrik, dan rantai pasokan memicu diskusi ulang tentang cara menilai pendapatan aplikasi AI. Artikel ini membahas tantangan mendasar dalam menilai bisnis aplikasi AI dibandingkan SaaS tradisional. Berbeda dengan perangkat lunak konvensional yang memiliki margin tinggi karena biaya marjinal mendekati nol, setiap penggunaan model AI (inferensi) memerlukan komputasi GPU, listrik, dan sumber daya awan yang signifikan. Hal ini menciptakan ketegangan antara pendapatan langganan tetap dan biaya variabel yang bergantung pada intensitas penggunaan pengguna. Saat ini, pertumbuhan penggunaan AI lebih langsung mengalir ke infrastruktur (seperti pemasok GPU, HBM, dan pusat data) yang mendapat pendapatan lebih pasti. Perusahaan aplikasi/model perlu membuktikan bahwa mereka dapat meningkatkan efisiensi (melalui optimisasi model, caching, chip khusus) lebih cepat daripada peningkatan kompleksitas dan volume penggunaan, agar margin dapat membaik dan mendekati struktur keuntungan perusahaan perangkat lunak. Kesimpulannya, investor harus berhati-hati dalam mengasumsikan pendapatan AI setara dengan SaaS. Kunci penilaian terletak pada kemampuan perusahaan model menunjukkan peningkatan margin kotor setelah memperhitungkan semua biaya inferensi, bukan hanya pertumbuhan jumlah pelanggan berbayar.

marsbit06/17 03:46

Berapa Banyak yang Didapat Perusahaan Modul Optik dari Biaya Berlangganan Claude yang Anda Bayar?

marsbit06/17 03:46

活动图片