# Artikel Terkait Pergeseran

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

Huang Renxun: Prompt Sudah Usang, Loop adalah Paradigma Baru

**Ringkasan:** **Prompt Sudah Ketinggalan Zaman, Loop adalah Paradigma Baru.** Menurut Huang Renxun (Jensen Huang), pendiri NVIDIA, tugas utama di era AI sekarang bukan lagi menulis perintah (prompt), tetapi **menulis dan mengelola loop (siklus).** **Apa itu Loop?** Loop adalah sistem di mana Anda mendefinisikan suatu tujuan, dan AI menjalankannya secara mandiri—memeriksa hasil, memperbaiki kesalahan, dan mengulangi proses tersebut hingga tugas selesai atau mencapai batas tertentu. Manusia beralih peran dari "pemberi perintah" menjadi **"perancang aturan" atau "arsitek sistem."** **Loop vs. Agent:** Agent adalah "pekerja" yang menjalankan tugas. Loop adalah **mekanisme pengelolaan** yang memungkinkan Agent bekerja terus-menerus tanpa pengawasan manusia. Agent dengan loop menjadi sistem yang dapat berjalan otomatis. **Contoh Penerapan:** Produk seperti Claude Code (dengan fitur /loop, /goal, /schedule) dan OpenAI Codex telah menerapkan konsep ini. Mereka membagi tugas kompleks ke beberapa Agent yang berjalan paralel di lingkungan terisolasi, dengan model terpisah untuk menulis kode dan memvalidasi hasil, memastikan objektivitas. **Bagaimana Memulai Loop?** 1. **Uji Kelayakan:** Pastikan tugas berulang, dapat divalidasi otomatis, dan anggaran token mencukupi. 2. **Mulai dari Loop Minimal:** Bangun sistem dengan pemicu otomatis, keterampilan (skill), file status (STATE.md), dan "gerbang" validasi (seperti pengujian). 3. **Pisahkan Pemeriksa dan Pelaksana:** Gunakan model atau Agent berbeda untuk menulis kode dan memeriksa/mengujinya. Ini kunci untuk kualitas. 4. **Hindari Jebakan Umum:** Tetapkan batas pengulangan dan token, simpan status, hindari tugas yang membutuhkan pertimbangan manusia, dan tetap tinjau perubahan kode (diff). 5. **Ukur Efektivitas:** Metrik utama adalah **biaya rata-rata per perubahan yang diterima.** **Evolusi Paradigma:** Perkembangan AI menunjukkan pergeseran berkelanjutan: 1. **Prompt Engineering** (2023-2024): Fokus pada cara menulis perintah. 2. **Context Engineering** (2024-2025): Fokus pada informasi dan latar belakang yang diberikan ke AI. 3. **Harness Engineering** (2025-2026): Fokus pada lingkungan eksekusi dimana AI dapat menggunakan alat dan sumber daya. 4. **Loop Engineering** (sekarang): Fokus pada merancang sistem siklus otomatis yang berjalan mandiri. Konsep loop memiliki akar akademis, seperti dalam framework **ReAct** (Reasoning + Acting) yang dikembangkan oleh Yao Shunyu dkk., yang menggabungkan penalaran dan tindakan dalam sebuah siklus. **Catatan Penting:** Meskipun menjanjikan, teknologi ini masih awal. Perlu kehati-hatian terhadap biaya token dan kompleksitas. Seperti dikutip Andrej Karpathy, **"Anda dapat mengalihdayakan pemikiran Anda, tetapi Anda tidak dapat mengalihdayakan pemahaman Anda."** Pemahaman mendalam tentang masalah tetap berada di tangan manusia.

marsbit06/25 14:31

Huang Renxun: Prompt Sudah Usang, Loop adalah Paradigma Baru

marsbit06/25 14:31

Token Tidak Ekonomis, Ekonomi Tidak Token

Dengan rencana IPO OpenAI dan investasi besar dari raksasa seperti Berkshire Hathaway di Alphabet, industri AI kini mencapai titik balik penting. Dua narasi utama mendominasi: "kekurangan dana" dan "pemisahan aset" (spin-off). Kekurangan dana terjadi karena struktur biaya AI yang unik. Berbeda dengan platform internet tradisional di mana biaya marjinal mendekati nol, model AI seperti ChatGPT justru meningkatkan biaya komputasi (inference cost) seiring pertumbuhan pengguna. Selain itu, pola investasi seperti "kredit cloud" yang digunakan Microsoft untuk mendanai OpenAI menciptakan "pencatatan sirkular", di mana uang yang sama dihitung sebagai pendapatan, menyamarkan tekanan arus kas yang sebenarnya. OpenAI, misalnya, diperkirakan baru akan profit pada 2029. Di sisi lain, tren spin-off aset AI oleh perusahaan besar (seperti Ke Ling dari Kuaishou dan Kunlunxin dari Baidu) mengungkap logika valuasi baru. Di dalam perusahaan induk, unit AI sering dianggap sebagai pusat biaya yang menekan margin. Namun, setelah dipisah, aset yang sama bisa mendapatkan valuasi 3x lipat lebih tinggi di pasar modal, karena dinilai berdasarkan kelangkaan, prospek pertumbuhan, dan potensi ceruk pasar sebagai "aset infrastruktur AI". Perubahan ini menandai pergeseran mendasar dari narasi yang didominasi teknologi menjadi efisiensi modal. Industri bergerak dari "kultus model" terkuat menuju "realisasi nilai" yang dapat dikomersialkan. Inti persaingan mulai bergeser dari perlombaan daya komputasi chip tunggal (GPU) menuju efisiensi sistemik menyeluruh, di mana CPU dan perangkat lunak orchestration menjadi krusial untuk profitabilitas. Singkatnya, tahun 2026 menjadi momen penentuan di mana industri AI harus menjawab pertanyaan mendasar: berapa sebenarnya nilai teknologi ini? Jawabannya akan membentuk lanskap kekuatan industri untuk dekade mendatang.

marsbit06/05 11:16

Token Tidak Ekonomis, Ekonomi Tidak Token

marsbit06/05 11:16

活动图片