# Artikel Terkait Penyimpanan

Pusat Berita HTX menyediakan artikel terbaru dan analisis mendalam mengenai "Penyimpanan", 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.

marsbit11j yang lalu

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

marsbit11j yang lalu

Storj Labs, yang Menarik Investasi $35 Juta, Mengajukan Permohonan Kebangkrutan

Storj Labs, perusahaan yang pernah mengumpulkan investasi senilai $35 juta, telah mengajukan permohonan kebangkrutan. Perusahaan menjelaskan keputusan ini diperlukan untuk menyelesaikan "kewajiban historis" yang menumpuk dari tahun-tahun sebelumnya. Menurut pernyataan mereka, beban utang menghambat perkembangan bisnis, dan pertumbuhan pendapatan saja tidak cukup untuk mengatasi masalah tersebut. Storj Labs memastikan bahwa prosedur kebangkrutan tidak akan menghentikan operasi platform. Jaringan penyimpanan data terdesentralisasi mereka akan terus berfungsi, layanan kepada pelanggan tidak akan terputus, dan perusahaan induk Inveniam akan terus mendukung aktivitas operasional selama proses pengadilan berlangsung. Manajemen Storj Labs juga menyatakan niat untuk menawarkan mekanisme yang memungkinkan pemilik token asli STORJ memperoleh bagian dalam bisnis yang direorganisasi, bersama dengan investor dan manajemen yang ada. Storj adalah salah satu proyek infrastruktur tertua di industri kripto, diluncurkan pada 2014 sebagai jaringan penyimpanan cloud terdesentralisasi sumber terbuka yang memungkinkan pengguna menyewakan ruang disk kosong mereka kepada peserta jaringan lain. Berita ini muncul setelah Movement Labs, pengembang blockchain Movement, juga mengajukan kebangkrutan di pengadilan Delaware. Dokumen pengadilan menunjukkan aset perusahaan itu bernilai $100.000–$500.000, sedangkan kewajibannya kepada kreditor berkisar antara $1 juta hingga $10 juta.

cryptonews.ru16j yang lalu

Storj Labs, yang Menarik Investasi $35 Juta, Mengajukan Permohonan Kebangkrutan

cryptonews.ru16j yang lalu

Storj Labs Mengajukan Perlindungan Kebangkrutan, Dapatkah Pemegang Token Menukarnya dengan Ekuitas Perusahaan?

Storj Labs, perusahaan induk platform penyimpanan awan terdesentralisasi Storj, mengajukan perlindungan kebangkrutan Bab 11 di AS pada 26 Juli. Jaringan Storj tetap beroperasi normal dan token STORJ tidak terpengaruh. Perusahaan menyatakan kebangkrutan ini disebabkan utang warisan dari operasi dan akuisisi sebelumnya, termasuk kemungkinan akuisisi Valdi di tahun 2024 yang akan dilepas untuk fokus kembali ke bisnis inti penyimpanan. Yang paling mencolok, Storj berencana mengusulkan mekanisme dalam rencana restrukturisasi agar pemegang token STORJ dapat berpartisipasi dalam alokasi ekuitas perusahaan pasca-restrukturisasi. Namun, proposal "token tukar saham" ini belum pernah ada presedennya di industri crypto. Implementasinya sangat bergantung pada apakah ada nilai sisa setelah kreditur dilunasi, karena pemegang token berada di urutan prioritas terbawah. Detail seperti kriteria kelayakan dan persentase saham belum diungkap. Token STORJ turun 11.2% dalam 24 jam setelah pengumuman. Di pasar penyimpanan terdesentralisasi, Storj kalah jauh dari pesaing seperti Filecoin dan Arweave dalam hal kapitalisasi pasar, meskipun unggul dalam kecepatan pengambilan data. Risiko utama selama restrukturisasi adalah migrasi node operator dan klien karena ketidakpastian.

marsbit18j yang lalu

Storj Labs Mengajukan Perlindungan Kebangkrutan, Dapatkah Pemegang Token Menukarnya dengan Ekuitas Perusahaan?

marsbit18j yang lalu

Kecemasan Memori Model Besar, Solusinya Ditemukan di Flash Drive

Berikut adalah ringkasan artikel tentang High Bandwidth Flash (HBF) untuk AI: Ansietas memori pada model AI besar mungkin dapat dikurangi dengan teknologi yang sama seperti di flash drive, yaitu **NAND Flash**. Meskipun terkenal lambat, terutama dalam penulisan, kecepatan baca NAND Flash sebenarnya memadai. **SanDisk dan SK Hynix** kini mengembangkan **High Bandwidth Flash (HBF)**, yang menerapkan metode *stacking* dan *packaging* canggih seperti pada HBM ke chip NAND Flash. Dengan menumpuk hingga 16 chip, satu *stack* HBF menargetkan kapasitas **512GB** dan bandwidth baca **1.6TB/s**, bahkan berencana meningkat ke **3.2TB/s**. Teknologi ini tidak dimaksudkan untuk menggantikan HBM, tetapi melengkapinya dengan menemukan ceruknya: **inferensi AI**. Selama inferensi, bobot model yang sudah terlatih bersifat statis dan hanya perlu dibaca, bukan ditulis ulang, sehingga cocok dengan kekuatan baca HBF. Ide dasarnya adalah menciptakan arsitektur memori berlapis untuk server AI: **HBM** menangani data panas dan komputasi intensif, **HBF** menyimpan bobot model besar yang bersifat *read-intensive*, dan **SSD** untuk penyimpanan massal yang lebih murah. Ini berpotensi meredakan kemacetan kapasitas HBM yang mahal, mengurangi jumlah kartu akselerator yang dibutuhkan, serta menurunkan biaya dan konsumsi daya keseluruhan sistem inferensi. Meski standar HBF masih dalam pengembangan di Open Compute Project (OCP) dan setidaknya membutuhkan satu tahun lagi sebelum tersedia, pendekatan ini menandakan perlunya pembagian kerja baru dalam hierarki memori untuk menghadapi tantangan model yang semakin besar dan mahal. Solusinya mungkin berasal dari teknologi yang sudah dikenal, dikemas ulang untuk era AI.

marsbit07/20 00:22

Kecemasan Memori Model Besar, Solusinya Ditemukan di Flash Drive

marsbit07/20 00:22

CT3 Umumkan Kontrak Penyimpanan Khusus untuk Perluas Infrastruktur Penyimpanan Terdesentralisasi

CT3 mengumumkan peralihan infrastruktur penyimpanan terdesentralisasinya ke model Kontrak Penyimpanan (Storage Contracts) untuk mendukung pertumbuhan platform, meningkatkan skalabilitas, dan memperluas kapasitas penyimpanan seiring meningkatnya permintaan. Perubahan ini menyusul pertumbuhan pesat ekosistem CT3, dengan lebih dari 180.000 pengguna unik dan 500.000 unggahan file, yang masing-masing terikat pada kunci akses NFT untuk verifikasi on-chain. Untuk mengatasi tekanan pada infrastruktur akibat permintaan layanan ct-3.cloud yang terus bertambah, unggahan baru akan didistribusikan ke berbagai Kontrak Penyimpanan khusus, bukan melalui satu kontrak utama. Setiap Kontrak Penyimpanan memiliki kontrak pintar sendiri, terkait dengan jumlah kapasitas penyimpanan tetap, dan beroperasi sebagai segmen infrastruktur independen. Model ini dimaksudkan untuk mendistribusikan beban kerja, meningkatkan transparansi utilisasi sumber daya, dan memungkinkan penambahan kapasitas penyimpanan baru. Peserta dapat mendanai penerapan Kontrak Penyimpanan baru dan mendapatkan bagian dari profit yang dihasilkan dari penggunaan kapasitas tersebut. Operasi setiap kontrak dapat diverifikasi melalui blockchain, di mana file yang disimpan diwakili oleh kunci NFT. Pengguna ct-3.cloud tidak perlu mengambil tindakan tambahan akibat transisi arsitektur baru ini. CT3 adalah infrastruktur penyimpanan data terdesentralisasi yang menggabungkan node independen, antarmuka ct-3.cloud, kunci akses NFT, dan verifikasi blockchain.

TheNewsCrypto07/15 07:13

CT3 Umumkan Kontrak Penyimpanan Khusus untuk Perluas Infrastruktur Penyimpanan Terdesentralisasi

TheNewsCrypto07/15 07:13

AI Melanda Dunia, Mengapa Crypto + AI Terlihat Lesu?

**Ringkasan:** Meskipun AI melanda dunia, kombinasi Crypto + AI tampak suram. Analisis dari sisi permintaan mengungkap empat bidang utama dan tantangannya: 1. **Komputasi & Penyimpanan Terdesentralisasi:** Menawarkan kedaulatan data dan biaya potensial lebih rendah, tetapi belum memberikan keunggulan teknologi yang meyakinkan bagi perusahaan yang sudah terikat dengan penyedia cloud tradisional. Risiko ketidakstabilan menghalangi adopsi. 2. **Pasar Data & Validasi Model/Privasi:** Teknologi seperti ZKML memecahkan masalah transparansi dan kepemilikan data, tetapi ini bukan prioritas mendesak bagi bisnis saat ini. Permintaan kemungkinan akan mengikuti regulasi (misalnya, Undang-Undang AI UE). 3. **Infrastruktur Agen AI:** Mengembangkan dasar untuk interaksi otonom antar agen, tetapi fokus pasar saat ini adalah otomatisasi proses internal. Permintaan belum matang untuk infrastruktur tahap berikutnya ini. 4. **Pembayaran Agen AI:** Satu-satunya bidang di mana blockchain bersaing langsung dengan keuangan tradisional. Keduanya belum sepenuhnya memecahkan masalah pembayaran mikro real-time antar mesin. **Masalah Inti: Ketidaksesuaian Pasokan-Permintaan.** Visi blockchain (desentralisasi, transparansi) tidak selaras dengan kebutuhan mendesak industri AI (kinerja, stabilitas, ROI). Kurangnya kasus penggunaan percontohan skala besar semakin menghambat adopsi. **Nilai Jangka Panjang:** Kombinasi ini memiliki logika yang kuat, tetapi perkembangannya bergantung pada kemampuannya beradaptasi dengan kebutuhan pasar saat ini atau menunggu permintaan masa depan (seperti ekonomi agen otonom) menjadi matang. Jalannya akan ditentukan oleh keselarasan dengan kebutuhan pasar yang nyata.

Foresight News06/29 06:18

AI Melanda Dunia, Mengapa Crypto + AI Terlihat Lesu?

Foresight News06/29 06:18

Dari 'Saham Kuno' Menjadi 'Aset Berharga Baru': Bagaimana AI Menilai Ulang Infrastruktur Lama, dari Dell hingga Nokia?

Dilansir dari Jim, MSX Macrotong, artikel ini membahas bagaimana perusahaan teknologi lama seperti Dell, Nokia, Cisco, Corning, dan Western Data kembali menjadi tren di pasar AI. Selama ini, pasar cenderung fokus pada Nvidia dan perusahaan di sektor komputasi yang lebih baru. Namun, dengan perkembangan AI yang semakin nyata dalam pembangunan infrastruktur data center, perusahaan-perusahaan lama dengan kemampuan pengiriman, integrasi sistem, dan pengalaman infrastruktur yang mapan mulai dihargai kembali. Artikel ini membagi perusahaan-perusahaan tersebut ke dalam tiga kategori utama berdasarkan peran mereka dalam rantai infrastruktur AI: 1. **Server dan Integrasi Sistem**: Dell dan HPE dinilai kembali karena peran mereka sebagai integrator sistem yang mampu menyediakan server AI lengkap, dari GPU hingga pendinginan cair dan pengiriman ke pelanggan. 2. **Jaringan dan Konektivitas**: Perusahaan seperti Corning (serat optik), Nokia (jaringan nirkabel AI-RAN), dan Cisco (switch data center) menjadi penting karena AI membutuhkan koneksi berkecepatan tinggi antar pusat data dan ke perangkat tepi. 3. **Penyimpanan Data**: Western Digital dan Seagate mendapat perhatian karena ledakan data AI meningkatkan permintaan akan hard disk berkapasitas tinggi untuk data pelatihan, log, dan arsip. Namun, tidak semua perusahaan lama akan dihargai kembali. Artikel menekankan tiga kriteria untuk membedakan "penilaian ulang yang nyata": * Adanya realisasi pesanan dan pendapatan terkait AI. * Adanya peningkatan panduan (guidance) pendapatan dari manajemen. * Peningkatan kualitas laba yang berkelanjutan, bukan hanya pertumbuhan pendapatan. Kesimpulannya, AI yang memasuki fase penerapan nyata membutuhkan infrastruktur kompleks, sehingga aset dan kemampuan lama perusahaan-perusahaan mapan ini kembali bernilai. Namun, hanya perusahaan yang benar-benar terintegrasi ke dalam rantai pengeluaran modal data center AI-lah yang akan mengalami perubahan logika penilaian yang mendalam.

marsbit06/05 00:59

Dari 'Saham Kuno' Menjadi 'Aset Berharga Baru': Bagaimana AI Menilai Ulang Infrastruktur Lama, dari Dell hingga Nokia?

marsbit06/05 00:59

"Saham Lama" Menjadi "Saham Unggulan Baru": Bagaimana AI Menilai Ulang Infrastruktur Lama, dari Dell hingga Nokia?

Setahun lalu, mungkin sulit dipercaya bahwa perusahaan teknologi mapan seperti Dell, Nokia, Cisco, Corning, dan Western Data akan menjadi favorit pasar terkait AI. Dulu, mereka sering dianggap "lambat" dan "kurang menarik" dibandingkan pemain AI seperti Nvidia. Namun, performa mereka belakangan ini menonjol, mendorong pasar mengevaluasi ulang. Alasannya: AI kini bergerak dari parameter model ke pembangunan pusat data nyata. Tahap ini membutuhkan kemampuan pengiriman dan infrastruktur yang kokoh — persis keunggulan perusahaan-perusahaan lama ini. Penilaian ulang ini terbagi dalam tiga area utama: 1. **Server & Integrasi Sistem:** Dell dan HPE unggul karena kemampuan pasokan, pengiriman, dan integrasi sistem mereka. Mereka seperti kontraktor utama yang membangun "pabrik AI," mengubah chip menjadi sistem server yang siap beroperasi. 2. **Jaringan & Konektivitas:** AI berskala besar membutuhkan jaringan yang tangguh. Corning (serat optik), Nokia (jaringan nirkabel AI-RAN), dan Cisco (sakelar pusat data) menjadi krusial untuk menghubungkan dan mengoptimalkan kluster komputasi. 3. **Penyimpanan:** Ledakan data AI meningkatkan permintaan akan kapasitas penyimpanan besar, termasuk hard disk berkapasitas tinggi dari Western Digital dan Seagate untuk data yang tidak terlalu sering diakses. Namun, tidak semua perusahaan tua akan diuntungkan. Penilaian ulang yang nyata harus didukung oleh: **1) realisasi pesanan dan pendapatan AI**, **2) peningkatan panduan bisnis (guidance) dari perusahaan**, dan **3) peningkatan kualitas laba** yang berkelanjutan, bukan hanya pertumbuhan pendapatan sementara. Kesimpulannya, AI sedang masuk ke fase konstruksi fisik. Perusahaan teknologi mapan tidak tiba-tiba menjadi muda, tetapi **aset infrastruktur mereka kembali berharga di era AI**. Hanya perusahaan yang benar-benar dapat memasuki rantai pasokan pembangunan AI dan mengubah permintaan baru menjadi keuntungan berkelanjutan yang akan mengalami penilaian ulang logika bisnis yang sejati.

marsbit06/04 11:45

"Saham Lama" Menjadi "Saham Unggulan Baru": Bagaimana AI Menilai Ulang Infrastruktur Lama, dari Dell hingga Nokia?

marsbit06/04 11:45

AI Menyelamatkan Sejumlah Investor Energi Baru

Saat pasar saham berfluktuasi, sektor pembangkit listrik justru meledak, dengan saham seperti Beijing Energy Power mencapai lima pembatasan kenaikan berturut-turut. Gelombang IPO perusahaan energi terbarukan, seperti Sige New Energy, juga muncul dengan keuntungan besar bagi investor awal, ada yang mencapai lebih dari 600 kali lipat. Momen pembalikan ini bagi investor energi terbarukan yang telah lama tertahan dipicu oleh perubahan logika mendasar sektor: dari siklus industri tradisional menjadi aset infrastruktur inti di era AI. Dua tahun lalu, sektor ini mengalami masa sulit dengan valuasi terpotong dan pendanaan yang mandek. Namun, segalanya berubah pada 2026. Dengan proyek infrastruktur komputasi dan jaringan listrik baru yang masuk tahap persetujuan, serta regulasi baru yang mewajibkan pusat data besar memiliki pasokan listrik hijau dan fasilitas penyimpanan energi, listrik hijau dan penyimpanan energi kini dipandang sebagai aset dengan kepastian tinggi. Kebijakan nasional seperti "Rencana Aksi untuk Mendorong Pemberdayaan Timbal Balik Kecerdasan Buatan dan Energi" menegaskan strategi "koordinasi komputasi-listrik". Narasi baru pun muncul: "tenaga komputasi adalah tenaga listrik, listrik hijau adalah aset". Perubahan logika ini langsung terlihat di data pendanaan. Valuasi proyek-proyek terkemuka, seperti China Resources New Energy, telah pulih sekitar 62%. Pendanaan besar mengalir ke aset-aset yang terkait dengan "fondasi komputasi", seperti manajemen jaringan listrik dan solusi penyimpanan energi. Laporan Morgan Stanley memprediksi kekurangan daya 55GW untuk pusat data yang didorong AI pada 2026, setara dengan 27 reaktor nuklir besar, yang membuka ruang investasi besar untuk pembangkit listrik, peningkatan jaringan, dan penyimpanan energi. Bagi investor yang bertahan di masa sulit, ini adalah musim panen. Sektor seperti penyimpanan energi, yang harganya pernah jatuh ke titik terendah, kini menjadi infrastruktur inti. Peluang investasi prioritas meliputi pendinginan cair, integrasi penyimpanan energi skala besar, pembangkit listrik virtual, dan jaringan distribusi tegangan ultra-tinggi. Raksasa private equity seperti KKR telah menuai hasil dengan fokus pada aset infrastruktur energi dasar AI, menunjukkan bahwa pertarungan pembalikan investor energi terbarukan mungkin baru dimulai.

marsbit05/20 11:58

AI Menyelamatkan Sejumlah Investor Energi Baru

marsbit05/20 11:58

Silicon Valley Wang Chuan: Bagaimana Tidak Cemas Ketika Tetangga Lao Wang Investasi di Saham Penyimpanan Untung 30 Kali Lipat?

Kecemasan sering kali berasal dari respons amygdala di otak. Untuk menguranginya, menuliskan penyebab kecemasan secara detail dapat membantu mengalihkan kendali ke prefrontal cortex yang lebih rasional. Misalnya, pada Mei 2026, indeks semiconductor Philadelphia naik 150%, dengan saham penyimpanan seperti SNDK melonjak 38x dalam setahun. Meski banyak perusahaan AI seperti Anthropic (Anth) melaporkan pendapatan tahunan berulang (ARR) yang tinggi—mencapai $400 miliar pada April 2026—kenyataannya, mereka masih mengalami kerugian besar. Anth, dengan ARR $400 miliar, diperkirakan rugi $11-17 miliar per bulan dan telah mengumpulkan $72,3 miliar dalam pendanaan sejak berdiri, sementara total pendapatannya hanya $108 miliar. Valuasinya yang mencapai $1,2 triliun bahkan $9 triliun dalam proposal pendanaan terbaru, kontras dengan Berkshire Hathaway (BRK) yang berpendapatan $370 miliar dan laba $66,9 miliar, namun hanya bernilai $1 triliun. Pertumbuhan valuasi Anth dan OpenAI mendorong peningkatan pengeluaran modal (capex) di industri AI, yang kemudian menguntungkan sektor penyimpanan. Namun, persaingan ketat—seperti dari OpenAI Codex dan XAI—serta tekanan biaya dan pergeseran preferensi pengguna, membuat masa depan perusahaan-perusahaan ini tidak pasti. Optimisme berlebihan terhadap valuasi AI yang tinggi, sementara kinerja keuangan nyatanya masih lemah, patut dipertanyakan.

marsbit05/11 11:31

Silicon Valley Wang Chuan: Bagaimana Tidak Cemas Ketika Tetangga Lao Wang Investasi di Saham Penyimpanan Untung 30 Kali Lipat?

marsbit05/11 11:31

活动图片

Kategori Populerright-arrow

Tag Populerright-arrow

Kebijakan Regulasiright-arrow