# Artikel Terkait Penelitian

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

Dylan Patel: Pendiri SemiAnalysis yang Dipuji Jensen Huang, adalah "Peternak Lebah" dan "Kolega Forum"

**Ringkasan:** SemiAnalysis adalah lembaga penelitian investasi independen yang sangat berpengaruh di industri semikonduktor dan AI, dengan pendapatan diperkirakan mencapai $1 miliar tahun ini. Yang mengejutkan, pendirinya, Dylan Patel, bukanlah insinyur semikonduktor tradisional. Dylan tumbuh di daerah pedesaan Georgia, AS, dan pernah bekerja sebagai peternak lebah di Minnesota. Minatnya pada chip dimulai sejak usia 8-12 tahun, di mana ia aktif sebagai "forum warrior" (seperti "贴吧老哥" atau pengguna forum teknologi) di platform seperti Reddit, mempelajari desain chip secara otodidak dengan memperbaiki perangkat keras dan berdiskusi dengan komunitas. Pada Mei 2020, ia mendirikan blog SemiAnalysis, yang kemudian berkembang dari saluran konten satu orang menjadi perusahaan global dengan sekitar 60 staf dan laboratorium pembongkaran chip di Oregon. Laporan teknis mendalam mereka sangat dihormati di industri. Contoh dampaknya termasuk laporan kritis tentang perangkat lunak ROCm AMD, yang langsung mendapat tanggapan dan apresiasi pribadi dari CEO AMD, Lisa Su. CEO Nvidia, Jensen Huang, juga secara terbuka memuji analisis mereka. Baru-baru ini, sebuah laporan tentang penyesuaian memori pada server AI Nvidia Rubin dikutip oleh analis lain dan diduga mempengaruhi harga saham produsen memori. SemiAnalysis kini berperan sebagai platform model, konsultan, dan penyedia penelitian, dengan fokus pada detail teknis dan hambatan nyata dalam pembangunan AI. Dylan berencana untuk lebih lanjut mendirikan firma modal ventura.

marsbit06/19 01:10

Dylan Patel: Pendiri SemiAnalysis yang Dipuji Jensen Huang, adalah "Peternak Lebah" dan "Kolega Forum"

marsbit06/19 01:10

Mengungkap Sang "Dewa Riset Investasi" di Balik Citrini: Juara Pertama Substack Bertahun-tahun, Satu Laporan Menguapkan Triliunan Dolar Pasar Saham AS

Sebuah lembaga penelitian investasi independen bernama Citrini Research, yang didirikan oleh James van Geelen, telah menarik perhatian luas sebagai penulis teratas di platform Substack dengan hampir 250.000 pelanggan. Laporan mereka berpotensi memengaruhi pasar keuangan, seperti laporan "The 2028 Global Intelligence Crisis" pada Februari yang memicu gelombang jual saham teknologi AS dan menguapkan nilai pasar miliaran dolar. Pada April, laporan lapangan tim mereka tentang Selat Hormuz memberikan wawasan baru tentang dinamika geopolitik yang kompleks. Pendiri James van Geelen, lulusan biologi dan psikologi UCLA dengan latar belakang sebagai petugas medis darurat dan pengusaha di bidang kesehatan, menerapkan pendekatan investasi unik yang berfokus pada "pemikiran tingkat kedua" (second-order thinking), narasi, dan skenario hipotetis. Dia mencari tren jangka panjang seperti AI, geopolitik, dan energi. Citrini menawarkan model portofolio investasi, Citrindex, yang diklaim menghasilkan pengembalian kumulatif lebih dari 200%. Lembaga ini terus berkembang dengan merekrut analis independen untuk memperkuat analisis sektoral, sambil mempertahankan model operasi yang digerakkan oleh pendiri dengan tim ahli anonim. Kisah Geelen menunjukkan bagaimana perspektif multidisiplin dapat menciptakan dampak signifikan di dunia penelitian investasi.

marsbit06/18 09:15

Mengungkap Sang "Dewa Riset Investasi" di Balik Citrini: Juara Pertama Substack Bertahun-tahun, Satu Laporan Menguapkan Triliunan Dolar Pasar Saham AS

marsbit06/18 09:15

Mengungkap di Balik "Dewa Riset Investasi" Citrini: Selalu Unggul di Peringkat Pertama Substack, Satu Laporan Menghapus Triliunan Dolar Pasar Saham AS

**Mengungkap Citrini dan “Dewa Riset Investasi” di Baliknya** Citrini Research, lembaga riset investasi independen yang menduduki peringkat pertama di platform Substack, telah menarik perhatian dengan pengaruhnya yang besar di pasar keuangan. Didirikan oleh James van Geelen, lulusan biologi dan psikologi UCLA dengan latar belakang sebagai tenaga medis darurat dan entrepreneur di sektor kesehatan, Citrini dikenal dengan pendekatan investasi yang tidak konvensional. Konten Citrini sering kali berdampak signifikan. Laporan berjudul "The 2028 Global Intelligence Crisis" yang dirilis Februari lalu memicu gelombang jual besar-besaran saham-saham perangkat lunak AS, menghapus ratusan miliar dolar AS dari kapitalisasi pasar. Citrini juga aktif menganalisis tren jangka panjang seperti AI, geopolitik, dan kebijakan fiskal, dengan fokus pada "efek orde kedua" — menganalisis dampak lanjutan dari suatu peristiwa, bukan hanya peristiwa itu sendiri. Gaya investasi Geelen sangat dipengaruhi oleh "pemikiran naratif" dan skenario kontra-arus. Ia menyoroti peluang dalam transisi, seperti yang tercermin dari nama "citrinitas" yang terinspirasi dari tahap dalam alkimia di mana timbal mulai berubah menjadi emas. Lembaga ini menawarkan ide investasi makro yang dapat ditindaklanjuti dan telah meluncurkan portofolio model berbayar (Citrindex) yang dilaporkan menghasilkan pengembalian kumulatif lebih dari 200%. Dengan tim kecil yang terdiri dari analis anonim dan spesialis industri, Citrini terus mengembangkan cakupannya, dari analisis semikonduktor hingga laporan langsung dari titik konflik seperti Selat Hormuz. Meskipun kadang kontroversial, pendekatan multidimensi dan prediksi berani Citrini telah mengukuhkannya sebagai suara yang berpengaruh bagi puluhan ribu subscriber-nya.

Odaily星球日报06/18 09:04

Mengungkap di Balik "Dewa Riset Investasi" Citrini: Selalu Unggul di Peringkat Pertama Substack, Satu Laporan Menghapus Triliunan Dolar Pasar Saham AS

Odaily星球日报06/18 09:04

Tim NVIDIA Membuat Agent Pemrograman Mengambil Alih Eksperimen Robot Nyata, Tingkat Keberhasilan Mencapai 99%

Penelitian otomatis telah melampaui sandbox kode dan memasuki dunia fisik nyata. NVIDIA GEAR Lab, dipimpin Jim Fan, memperkenalkan proyek ENPIRE yang memungkinkan **penelitian otomatis pertama kali diimplementasikan pada perangkat keras robot**. Delapan Codex Agent ditempatkan dalam armada robot dengan alokasi daya komputasi GPU dan anggaran token, diberi tujuan sederhana: menyelesaikan tugas secepatnya, menjaga robot tetap sibuk namun aman, serta tidak menyia-nyiakan daya komputasi. Manusia kemudian mundur dari intervensi. Agent secara mandiri menggerakkan siklus tertutup penuh: mereset ulang skenario, menelusuri literatur, mengimplementasikan ide dan membangun infrastruktur, melatih dan menerapkan strategi, memvalidasi diri, menganalisis log serta memperbaiki kode, beriterasi terus hingga tugas ketangkasan presisi tinggi seperti mengikat kabel, merapikan pin dalam kotak, atau memasang GPU dapat diselesaikan andal di perangkat keras nyata dengan **tingkat keberhasilan 99%**. Sistem ENPIRE terdiri dari empat modul inti yang membentuk loop umpan balik fisik: Environment (EN), Policy Improvement (PI), Rollout (R), dan Evolution (E). Penelitian menemukan bahwa **mereset lingkungan sering kali lebih mudah daripada menyelesaikan tugas itu sendiri**. Peningkatan paralelisme robot (dari sedikit menjadi 8 unit) mempercepat penyelesaian tugas secara signifikan, menunjukkan "hukum penskalaan fisik". Tim juga memperkenalkan metrik baru: Mean Robot Utilization (MRU) dan Mean Token Utilization (MTU), yang mengungkapkan bahwa waktu menganggur robot dan efisiensi konversi token menjadi kemajuan penelitian adalah kendala nyata. Beberapa sistem lab telah mampu beriterasi mandiri semalaman tanpa campur tangan manusia. Tujuan masa depan adalah memungkinkan tim berlibur dengan tenang sementara lab terus berjalan secara otonom. Proyek ENPIRE rencananya akan sepenuhnya sumber terbuka.

marsbit06/18 00:37

Tim NVIDIA Membuat Agent Pemrograman Mengambil Alih Eksperimen Robot Nyata, Tingkat Keberhasilan Mencapai 99%

marsbit06/18 00:37

Cara Menjadi Peneliti yang Baik: Melatih Kemampuan Sebenarnya yang Dapat 'Dilatih Secara Sengaja'

Tidak ada yang benar-benar mengajarimu cara melakukan penelitian. Kamu hanya mendapat meja kerja, masalah yang dipilih orang lain, dan instruksi samar untuk "menghasilkan sesuatu yang baru". Kebanyakan orang akhirnya belajar hanya bagaimana "terlihat" seperti peneliti, bukan menjadi peneliti yang sebenarnya. Kemampuan penelitian yang sesungguhnya adalah tumpukan keterampilan kecil yang hampir semuanya dapat dikembangkan melalui *deliberate practice*. **Pilihlah Masalahmu Sendiri:** Jangan hanya menyerap masalah dari mentor atau tren terkini. Ikuti metode John Schulman: pilih hasil yang benar-benar kamu inginkan, lalu rancang eksperimen untuk mencapainya. Ini menciptakan orisinalitas. "Selera" penelitian seperti otot; latihlah dengan memprediksi hasil eksperimen atau makalah sebelum melihat hasil aslinya, dan uji prediksimu dari waktu ke waktu. **Tingkatkan Input-mu:** Jika bacaanmu hanya dari arXiv atau grup diskusi tren, idemu akan sama dengan orang lain dan tidak berharga. Hargai sumber lama (misalnya, *The Bitter Lesson* dari Richard Sutton tahun 2019 atau pidato Claude Shannon tahun 1952). Kedalaman dan keluasan sama pentingnya. Pinjam pengetahuan dari bidang lain. Baca makalah asli, terutama bagian lampiran dan batasan, bukan sekadar ringkasannya. **Tuliskan Semuanya:** Seperti dikemukakan Paul Graham, sebuah ide baru terasa matang sampai kamu mencoba menuliskannya. Menulis adalah mekanisme pertahanan termurah untuk mengungkap celah dan asumsi yang tidak teruji. Terapkan prinsip Feynman: jangan menipu dirimu sendiri. Ikuti kebiasaan Darwin: catat segera fakta yang bertentangan dengan teorimu. Buatlah log eksperimen (hipotesis, pengaturan, prediksi, hasil, pemahaman baru). Membaca ulang catatanmu dari bulan lalu adalah pelajaran kerendahan hati yang paling efektif.

marsbit06/15 12:26

Cara Menjadi Peneliti yang Baik: Melatih Kemampuan Sebenarnya yang Dapat 'Dilatih Secara Sengaja'

marsbit06/15 12:26

Seberapa Sulitnya Membuat Chip? Satu Kesalahan dalam Operasi Pembagian, 475 Juta Dolar AS Hilang Percuma

**Betapa Sulitnya Membuat Chip? Kesalahan Pembagian Sederhana Bisa Menghabiskan $475 Juta** Chip adalah fondasi teknologi modern, namun pengembangannya sangat sulit. Kesalahan kecil dalam desain dapat menyebabkan konsekuensi besar, seperti kasus Intel yang menghabiskan $475 juta untuk menarik kembali chip Pentium akibat bug pada unit pembagian floating-point. Kesulitan utama terletak pada kebutuhan untuk "sekali jadi". Tidak seperti perangkat lunak, chip tidak dapat diperbaiki dengan mudah setelah diproduksi. Menurut data, hanya 24% proyek chip yang berhasil sekali jadi, sementara 76% lainnya memerlukan proses "tape-out" ulang yang mahal. Tantangan terbesar adalah verifikasi chip. Proses ini kini memakan hingga 70% dari siklus desain chip. Verifikasi menyeluruh untuk sebuah inti CPU dapat membutuhkan waktu 15.000 tahun dengan simulasi perangkat lunak atau 30 tahun dengan emulasi perangkat keras, yang jelas tidak praktis. Masalah mendasarnya adalah "segitiga mustahil" dalam verifikasi: kinerja tinggi, kemampuan debug yang baik, dan biaya rendah tidak dapat dicapai sekaligus. Karena sulit dan kurang "seksi", penelitian di bidang verifikasi chip seringkali diabaikan. Namun, tim peneliti terus berupaya, mengembangkan platform verifikasi gesit bernama ENCORE berbasis FPGA untuk meningkatkan efisiensi dan kemampuan debug. Selain riset, edukasi publik tentang chip juga penting. Melalui konten sains populer, penulis berbagi pengetahuan tentang chip, AI, dan teknologi keras lainnya, dengan keyakinan bahwa melakukan hal-hal yang sulit dan membutuhkan komitmen jangka panjang adalah hal yang benar.

marsbit06/15 10:34

Seberapa Sulitnya Membuat Chip? Satu Kesalahan dalam Operasi Pembagian, 475 Juta Dolar AS Hilang Percuma

marsbit06/15 10:34

Hanya dalam 5 Detik dan 1 Kali Percakapan: Mekanisme Keamanan "Terkuat" Claude Fable 5 Dibobol Tim Peneliti Tionghoa?

Bukan injeksi prompt, bukan role-play, dan bukan penyamaran permintaan berbahaya sebagai pertanyaan normal. Risiko kali ini muncul selama agen AI secara otonom menjalankan tugas. Tim peneliti internasional yang dipimpin oleh Dr. Yutao Wu dari Deakin University berhasil menembus mekanisme keamanan model Fable 5 (Mythos) Anthropic hanya dalam **satu percakapan dan kurang dari 5 detik**. Serangan ini melewati classifier keamanan (Safety Classifier) yang menjadi garda terdepan, dan menghasilkan konten berbahaya langsung dari model inti Fable 5, bukan dari model cadangan Opus 4.8. Metode ini didasarkan pada fenomena keamanan yang disebut **"Internal Safety Collapse (ISC)"**, dijelaskan dalam makalah tim yang berjudul "Internal Safety Collapse in Frontier Large Language Models". Risiko tidak berasal dari prompt pengguna yang jahat, tetapi muncul **di dalam rantai eksekusi tugas agen itu sendiri**. Agen yang diberi tugas profesional (misalnya, pelatihan model keamanan/Guard, penelitian biomedis) dengan **Data yang tidak lengkap** dan **Validator yang hanya memeriksa kelengkapan format**, akan secara otomatis melengkapi data tersebut agar tugasnya selesai. Dalam proses "melengkapi" data yang hilang ini, agen dapat menghasilkan output berbahaya demi memenuhi validator teknis, meski tugas awalnya normal. Temuan ini menunjukkan **kelemahan struktural** pada arsitektur pertahanan "classifier + model" yang umum digunakan. Classifier keamanan efektif memfilter instruksi berisiko eksternal, tetapi **tidak dapat mendeteksi risiko yang berkembang secara internal** selama agen menjalankan perencanaan multi-langkah, interaksi lingkungan, dan pemanggilan alat yang panjang. Penelitian ini telah diuji pada lebih dari **60 model canggih** melalui ISC-Bench, menunjukkan kerentanan yang meluas. Tim yang dipimpin Prof. Ma Xingjun dari Fudan University terus mengembangkan kemampuan infrastruktur keamanan untuk sistem agen generasi berikutnya.

marsbit06/15 03:20

Hanya dalam 5 Detik dan 1 Kali Percakapan: Mekanisme Keamanan "Terkuat" Claude Fable 5 Dibobol Tim Peneliti Tionghoa?

marsbit06/15 03:20

活动图片