Mengapa AI China Berkembang Begitu Cepat? Jawabannya Tersembunyi di Dalam Laboratorium

marsbitDipublikasikan tanggal 2026-05-10Terakhir diperbarui pada 2026-05-10

Abstrak

Pengarang mencatat bahwa laboratorium AI China telah menjadi kekuatan yang semakin sulit diabaikan dalam kompetisi model besar global. Keunggulannya tidak hanya terletak pada banyaknya talenta, kemampuan rekayasa yang kuat, dan iterasi cepat, tetapi juga berasal dari cara organisasi yang sangat realistis: lebih banyak fokus pada pembuatan model daripada konsep, lebih menekankan eksekusi tim daripada individu bintang, dan lebih memilih menguasai tumpukan teknologi inti sendiri daripada bergantung pada layanan eksternal. Dari kunjungan ke sejumlah laboratorium AI terkemuka China, penulis menemukan ekosistem AI China tidak sepenuhnya sama dengan AS. AS lebih menekankan orisinalitas, investasi modal, dan pengaruh ilmuwan puncak, sedangkan China lebih mahir dalam mengejar cepat arah yang sudah ada. Melalui sumber terbuka, optimasi rekayasa, dan kontribusi banyak peneliti muda, China mendorong kemampuan model ke garis depan dengan cepat. Yang paling menarik untuk diperhatikan bukanlah apakah AI China telah melampaui AS, melainkan dua jalur pengembangan berbeda yang terbentuk: AS lebih seperti kompetisi garis depan yang digerakkan modal dan laboratorium bintang, sedangkan China lebih seperti kompetisi industri yang didorong oleh kemampuan rekayasa, ekosistem sumber terbuka, dan kesadaran penguasaan teknologi mandiri. Ini berarti kompetisi AI di masa depan tidak hanya soal peringkat model, tetapi juga kemampuan organisasi, ekosistem pengembang, dan eksekusi industri. Perubahan nya...

Catatan Editor: Laboratorium AI China semakin menjadi kekuatan yang sulit diabaikan dalam persaingan model besar global. Keunggulan mereka bukan hanya karena banyaknya talenta, rekayasa yang kuat, dan iterasi yang cepat, tetapi juga berasal dari cara organisasi yang sangat realistis: sedikit bicara konsep, lebih banyak membuat model; sedikit menekankan bintang individu, lebih menekankan eksekusi tim; sedikit bergantung pada layanan eksternal, lebih cenderung menguasai sendiri tumpukan teknologi inti.

Setelah mengunjungi beberapa laboratorium AI terkemuka di China, penulis Nathan Lambert menemukan bahwa ekosistem AI China tidak sepenuhnya sama dengan Amerika Serikat. AS lebih menghargai paradigma orisinal, investasi modal, dan pengaruh pribadi ilmuwan terkemuka; China lebih ahli dalam mengejar dengan cepat arah yang sudah ada, melalui sumber terbuka, optimisasi rekayasa, dan kontribusi sejumlah besar peneliti muda, mendorong kemampuan model dengan cepat ke garis depan.

Yang paling patut diperhatikan, bukan apakah AI China telah melampaui AS, tetapi bahwa dua jalur perkembangan yang berbeda sedang terbentuk: AS lebih seperti perlombaan garis depan yang digerakkan oleh modal dan laboratorium bintang, sementara China lebih seperti kompetisi industri yang didorong bersama oleh kemampuan rekayasa, ekosistem sumber terbuka, dan kesadaran kendali teknologi mandiri.

Ini berarti, kompetisi AI di masa depan bukan hanya persaingan peringkat model, tetapi juga persaingan kemampuan organisasi, ekosistem pengembang, dan kekuatan eksekusi industri. Perubahan sebenarnya AI China terletak pada kenyataan bahwa ia tidak lagi hanya meniru Silicon Valley, tetapi berpartisipasi dalam garis depan global dengan caranya sendiri.

Berikut adalah teks aslinya:

Duduk di kereta api berkecepatan tinggi modern dari Hangzhou ke Shanghai, saya melihat ke luar jendela, melihat punggung bukit yang naik turun jelas, dihiasi dengan turbin angin di atasnya, membentuk siluet di bawah cahaya matahari terbenam. Pegunungan membentuk latar belakang, sementara di depan mata ada pemandangan ladang luas dan kumpulan gedung pencakar langit yang saling berselang-seling.

Saya kembali dari China dengan kerendahan hati yang besar. Pergi ke tempat yang begitu asing, namun disambut dengan begitu hangat, adalah pengalaman yang sangat hangat dan manusiawi. Saya beruntung bertemu dengan banyak orang di ekosistem AI, mereka yang sebelumnya hanya saya kenal dari jauh; dan mereka menyambut saya dengan senyum cerah dan keramahan, membuat saya sekali lagi menyadari bahwa pekerjaan saya dan seluruh ekosistem AI itu sendiri adalah bersifat global.

Mentalitas Peneliti China

Perusahaan-perusahaan China yang sedang membangun model bahasa bisa dikatakan sangat cocok sebagai "pengikut cepat" teknologi ini. Mereka dibangun di atas tradisi panjang budaya pendidikan dan kerja China, sekaligus memiliki cara membangun perusahaan teknologi yang sedikit berbeda dengan Barat.

Jika hanya melihat hasil, yaitu model terbaru dan terbesar, serta alur kerja mirip agen yang didukung model-model ini; lalu melihat faktor input, seperti ilmuwan hebat, data skala besar, dan sumber daya komputasi akselerasi, maka laboratorium China dan AS terlihat pada dasarnya serupa. Perbedaan yang benar-benar bertahan lama, muncul dalam bagaimana faktor-faktor ini diorganisasikan dan dibentuk.

Saya selalu berpikir, salah satu alasan mengapa laboratorium China sangat ahli dalam mengejar dan tetap berada di dekat garis depan, adalah karena mereka secara budaya sangat cocok dengan tugas ini. Tetapi sebelum berbicara langsung dengan orang, saya merasa tidak pantas untuk mengaitkan intuisi ini dengan pengaruh penting tertentu. Setelah berbicara dengan banyak ilmuwan yang hebat, rendah hati, dan terbuka di laboratorium terkemuka China, banyak pemikiran saya menjadi lebih jelas.

Saat ini, membangun model bahasa besar terbaik sangat bergantung pada pekerjaan teliti yang menembus seluruh tumpukan teknologi: dari data, hingga detail arsitektur, hingga implementasi algoritma pembelajaran penguatan. Setiap bagian model berpotensi membawa beberapa peningkatan, dan bagaimana menggabungkan peningkatan-peningkatan ini menjadi satu adalah proses yang kompleks. Dalam proses ini, pekerjaan yang dilakukan oleh beberapa individu yang sangat cerdas, mungkin harus ditangguhkan, agar model keseluruhan dapat dimaksimalkan dalam optimisasi multi-tujuan.

Peneliti AS jelas juga sangat ahli dalam memecahkan masalah komponen tunggal, tetapi AS lebih memiliki budaya "bersuara untuk diri sendiri". Sebagai ilmuwan, ketika Anda secara aktif memperjuangkan perhatian untuk pekerjaan Anda, Anda seringkali lebih sukses; dan budaya kontemporer juga sedang mendorong jalur baru menuju ketenaran, yaitu menjadi "ilmuwan AI terkemuka". Ini menimbulkan konflik langsung.

Terdapat rumor luas di luar bahwa organisasi Llama pernah runtuh karena tekanan politik setelah kepentingan-kepentingan ini tertanam dalam organisasi berjenjang. Saya juga mendengar dari laboratorium lain bahwa terkadang mungkin perlu "menenangkan" seorang peneliti terkemuka, membuat mereka berhenti mengeluh bahwa ide mereka tidak dimasukkan ke dalam model akhir. Apakah ini sepenuhnya benar atau tidak, maksudnya jelas: kesadaran diri dan keinginan untuk promosi karier memang dapat mengganggu orang membangun model terbaik. Antara AS dan China, bahkan hanya perbedaan arah budaya kecil seperti ini, dapat berdampak berarti pada hasil akhir.

Sebagian dari perbedaan ini terkait dengan siapa sebenarnya yang membangun model-model ini di China. Di semua laboratorium, kenyataan langsungnya adalah: proporsi besar dari kontributor inti adalah siswa yang masih bersekolah. Laboratorium-lab ini cukup muda, mengingatkan saya pada cara kami berorganisasi di Ai2: siswa diperlakukan sebagai rekan dan diintegrasikan langsung ke dalam tim model bahasa besar.

Ini sangat berbeda dengan laboratorium terkemuka AS. Di AS, perusahaan seperti OpenAI, Anthropic, Cursor tidak menawarkan magang sama sekali. Perusahaan lain seperti Google secara nominal menawarkan magang terkait Gemini, tetapi banyak orang khawatir apakah magang mereka akan diisolasi dari pekerjaan inti yang sebenarnya.

Singkatnya, perbedaan budaya ringan ini dapat meningkatkan kemampuan membangun model dengan cara: orang lebih bersedia melakukan pekerjaan yang kurang glamor untuk meningkatkan model akhir; orang yang baru mulai terlibat dalam pembangunan AI mungkin tidak terpengaruh oleh siklus hype AI sebelumnya, sehingga dapat beradaptasi lebih cepat dengan metode teknologi modern baru. Faktanya, seorang ilmuwan China yang saya ajak bicara sangat eksplisit menganggap hal ini sebagai keunggulan; kesadaran diri yang lebih rendah membuat struktur organisasi agak lebih mudah diskalakan, karena orang lebih sedikit mencoba "memanipulasi sistem"; banyak talenta sangat cocok untuk menyelesaikan masalah yang sudah memiliki bukti konsep di tempat lain, dan sebagainya.

Kecenderungan kemampuan yang lebih mendukung pembangunan model bahasa saat ini ini, berlawanan dengan stereotip yang diketahui: orang sering berpikir bahwa peneliti China menghasilkan lebih sedikit penelitian akademik yang lebih kreatif, mampu membuka bidang baru, "dari 0 ke 1".

Dalam beberapa kunjungan laboratorium yang lebih akademis selama perjalanan ini, banyak kepala laboratorium berbicara tentang bagaimana mereka sedang membudayakan budaya penelitian yang lebih ambisius ini. Sementara itu, beberapa kepala teknis yang kami ajak bicara meragukan apakah transformasi cara penelitian ilmiah ini mungkin terjadi dalam jangka pendek, karena membutuhkan perancangan ulang sistem pendidikan dan sistem insentif, dan perubahan ini terlalu besar, sulit terjadi dalam keseimbangan ekonomi saat ini.

Budaya ini tampaknya sedang melatih sekelompok siswa dan insinyur yang sangat ahli dalam "permainan membangun model bahasa besar". Tentu saja, jumlah mereka juga sangat melimpah.

Siswa-siswa ini memberi tahu saya bahwa China juga mengalami aliran keluar talenta serupa dengan AS: banyak orang yang sebelumnya mempertimbangkan jalur akademis, sekarang berencana tinggal di industri. Salah satu kalimat paling menarik datang dari seorang peneliti yang awalnya ingin menjadi profesor, mengatakan dia ingin menjadi profesor karena ingin dekat dengan sistem pendidikan; tetapi kemudian dia berkomentar bahwa pendidikan sudah diselesaikan oleh model bahasa besar—"Mengapa siswa masih mau ngobrol dengan saya!"

Siswa memasuki bidang model bahasa besar dengan pandangan segar, ini adalah keunggulan. Dalam beberapa tahun terakhir, kita melihat paradigma kunci model bahasa besar terus berubah: dari perluasan MoE, ke perluasan pembelajaran penguatan, hingga dukungan agen. Melakukan salah satu hal ini dengan baik membutuhkan penyerapan informasi latar belakang yang sangat besar dengan sangat cepat, baik literatur yang lebih luas, maupun tumpukan teknologi internal perusahaan tempat mereka berada.

Siswa terbiasa melakukan hal semacam ini, dan bersedia dengan sikap rendah hati melepaskan semua asumsi tentang "apa yang seharusnya berhasil". Mereka terjun langsung, mendedikasikan hidup mereka, hanya untuk mendapatkan kesempatan memperbaiki model.

Siswa-siswa ini juga luar biasa lugas, dan tanpa obrolan filosofis yang dapat mengalihkan perhatian ilmuwan. Ketika saya bertanya bagaimana pandangan mereka tentang dampak ekonomi model atau risiko sosial jangka panjang, peneliti China yang memiliki pandangan kompleks dan ingin memengaruhi isu-isu ini jauh lebih sedikit. Mereka menganggap peran mereka adalah membangun model terbaik.

Perbedaan ini halus dan mudah disangkal. Tetapi paling mudah dirasakan ketika Anda berbicara lama dengan seorang peneliti yang elegan, cerdas, mampu mengekspresikan diri dengan jelas dalam bahasa Inggris: ketika Anda menanyakan beberapa pertanyaan filosofis lebih mendasar tentang AI, pertanyaan-pertanyaan dasar ini akan menggantung di udara, dan lawan bicara menunjukkan kebingungan sederhana. Bagi mereka, ini adalah kesalahan kategori.

Bahkan seorang peneliti mengutip penilaian terkenal Dan Wang: Dibandingkan dengan AS yang dipimpin pengacara, China diperintah oleh insinyur. Saat membicarakan masalah-masalah ini, dia menggunakan analogi ini untuk menekankan keinginan mereka membangun. Di China, tidak ada jalur sistematis yang dapat membangun pengaruh bintang ilmuwan China seperti yang dilakukan podcast super-mainstream seperti Dwarkesh atau Lex.

Saya mencoba meminta ilmuwan China mengomentari ketidakpastian ekonomi masa depan yang dipicu AI, pertanyaan melampaui kemampuan AGI sederhana, atau perdebatan moral tentang bagaimana seharusnya model berperilaku; pertanyaan-pertanyaan ini akhirnya membuat saya melihat latar belakang pertumbuhan dan pendidikan ilmuwan-ilmuwan ini (diedit 1). Mereka sangat fokus pada pekerjaan mereka, tetapi mereka tumbuh dalam sistem yang tidak mendorong diskusi dan ekspresi tentang bagaimana masyarakat harus diorganisir dan diubah.

Dilihat dari perspektif yang lebih luas, terutama Beijing, memberi saya kesan mirip Bay Area: laboratorium yang kompetitif mungkin hanya berjarak beberapa menit berjalan kaki atau naik taksi. Setelah turun pesawat, dalam perjalanan ke hotel, saya mampir ke kampus Alibaba Beijing. Dalam 36 jam berikutnya, kami pergi ke Zhipu AI, Moonshot AI, Universitas Tsinghua, Meituan, Xiaomi, dan 01.ai.

Naik Didi di China sangat mudah. Jika Anda memilih kendaraan XL, sering dialokasikan minivan listrik dengan kursi pijat. Kami bertanya kepada peneliti tentang perang perebutan talenta, mereka mengatakan ini sangat mirip dengan yang kami alami di AS. Peneliti pindah kerja adalah hal normal, dan pilihan orang tentang ke mana pergi sangat tergantung pada suasana mana yang terbaik saat ini.

Di China, komunitas model bahasa besar terasa lebih seperti ekosistem daripada suku-suku yang saling berperang. Dalam banyak percakapan non-publik, yang hampir seluruhnya saya dengar adalah rasa hormat kepada rekan sejawat. Semua laboratorium China sangat waspada terhadap ByteDance dan model Doubao yang populer, karena itu adalah satu-satunya laboratorium garis depan sumber tertutup di China. Sementara itu, semua laboratorium sangat menghormati DeepSeek, menganggapnya sebagai laboratorium dengan cita rasa penelitian terbaik dalam hal eksekusi. Di AS, ketika Anda melakukan percakapan non-publik dengan anggota laboratorium, percikan api sering dengan cepat menyala.

Salah satu hal yang paling membuat saya terkesan dari kerendahan hati peneliti China adalah, di tingkat komersial mereka juga sering mengangkat bahu, mengatakan itu bukan masalah mereka. Sementara di AS, sepertinya semua orang terobsesi dengan berbagai tren industri tingkat ekosistem, dari penjual data, hingga daya komputasi, hingga pendanaan.

Perbedaan dan Kesamaan Industri AI China dengan Laboratorium Barat

Yang membuat membangun model AI hari ini begitu menarik adalah karena ini tidak lagi sekadar mengumpulkan sekelompok peneliti hebat di gedung yang sama, bersama-sama menciptakan keajaiban rekayasa. Dulu memang lebih seperti ini, tetapi untuk mempertahankan bisnis AI, model bahasa besar sedang berubah menjadi hibrida: ini melibatkan pembangunan, penyebaran, pendanaan, serta mendorong adopsi ciptaan ini.

Perusahaan AI terkemuka ada dalam ekosistem yang kompleks. Ekosistem ini menyediakan dana, daya komputasi, data, dan lebih banyak sumber daya, untuk terus mendorong garis depan maju.

Di ekosistem Barat, cara berbagai faktor input yang dibutuhkan untuk menciptakan dan mempertahankan model bahasa besar diintegrasikan telah relatif cukup dikonseptualisasikan dan dipetakan. Anthropic dan OpenAI adalah perwakilan tipikal. Oleh karena itu, jika kita dapat menemukan perbedaan jelas dalam cara berpikir laboratorium China tentang masalah-masalah ini, kita dapat melihat perbedaan bermakna apa yang mungkin dipertaruhkan perusahaan berbeda di masa depan. Tentu saja, masa depan ini juga akan sangat dipengaruhi oleh kendala pendanaan dan/atau daya komputasi.

Saya merangkum beberapa pelajaran terbesar tingkat "industri AI" yang didapat setelah berdiskusi dengan laboratorium-laboratorium ini sebagai berikut:

Pertama, ada tanda-tanda awal permintaan AI domestik.
Ada hipotesis yang banyak dibahas bahwa pasar AI China akan lebih kecil, karena perusahaan China biasanya enggan membayar untuk perangkat lunak, sehingga tidak akan pernah melepaskan pasar inferensi yang cukup besar untuk menopang laboratorium.

Namun penilaian ini hanya berlaku untuk pengeluaran perangkat lunak yang sesuai dengan ekosistem SaaS. Dan ekosistem SaaS dalam sejarah China selalu kecil. Di sisi lain, China jelas masih memiliki pasar cloud yang besar.

Pertanyaan kunci dan belum terjawab adalah: pengeluaran perusahaan China untuk AI, akankah lebih mirip pasar SaaS, yaitu skala lebih kecil; atau lebih mirip pasar cloud, yaitu pengeluaran mendasar. Masalah ini bahkan didiskusikan di dalam laboratorium China. Secara keseluruhan, saya merasa AI sedang lebih mendekati pasar cloud, dan tidak ada yang benar-benar khawatir bahwa pasar yang terbentuk di sekitar alat baru tidak akan tumbuh.

Kedua, sebagian besar pengembang sangat dipengaruhi Claude.
Meskipun Claude secara nominal diblokir di China, sebagian besar pengembang AI China sangat terpikat oleh Claude, dan bagaimana itu mengubah cara mereka membangun perangkat lunak. Hanya karena China di masa lalu kurang bersedia membeli perangkat lunak, tidak berarti saya akan berpikir China tidak akan mengalami gelombang besar pertumbuhan permintaan inferensi.

Teknisi China sangat pragmatis, rendah hati, dan termotivasi. Ini memberi saya kesan yang lebih kuat daripada kebiasaan historis "tidak membeli perangkat lunak" apa pun.

Beberapa peneliti China akan menyebutkan bahwa mereka menggunakan alat mereka sendiri untuk membangun, seperti alat baris perintah Kimi atau GLM, tetapi semua orang akan menyebutkan mereka menggunakan Claude. Yang mengejutkan, sedikit yang menyebutkan Codex, padahal Codex di Bay Area jelas sedang cepat populer.

Ketiga, perusahaan China memiliki mentalitas kepemilikan teknologi.
Budaya China sedang bergabung dengan mesin ekonomi yang berdentum, menghasilkan beberapa hasil yang sulit diprediksi. Salah satu kesan mendalam yang saya dapatkan adalah, banyaknya model AI mencerminkan keseimbangan pragmatis dalam kenyataan banyak perusahaan teknologi di sini. Tidak ada rencana induk.

Industri ini didefinisikan oleh rasa hormat terhadap ByteDance dan Alibaba. Mereka adalah pemain besar mapan yang dianggap akan memenangkan banyak pasar dengan sumber daya kuat. DeepSeek adalah pemimpin teknologi yang dihormati, tetapi jauh dari pemimpin pasar. Mereka menetapkan arah, tetapi tidak memiliki struktur untuk memenangkan pasar secara ekonomi.

Ini menyisakan perusahaan seperti Meituan atau Ant Group. Orang Barat mungkin heran mengapa mereka juga membangun model-model ini. Tetapi pada kenyataannya, mereka jelas menganggap model bahasa besar sebagai inti produk teknologi masa depan, sehingga mereka membutuhkan fondasi yang kuat.

Ketika mereka melakukan penyesuaian halus pada model umum yang kuat, umpan balik komunitas sumber terbuka terhadap model akan membuat tumpukan teknologi mereka lebih kokoh, sementara mereka juga dapat menyimpan versi penyesuaian halus internal untuk produk mereka sendiri. Mentalitas "prioritas terbuka" di industri ini sangat banyak didefinisikan oleh pragmatisme: ini membantu model mendapatkan umpan balik kuat, dapat memberi kembali kepada komunitas sumber terbuka, dan memberdayakan misi mereka sendiri.

Keempat, dukungan pemerintah itu nyata, tetapi skalanya belum jelas.
Sering diklaim bahwa pemerintah China secara aktif membantu kompetisi model bahasa besar terbuka. Tetapi ini adalah sistem pemerintah yang relatif terdesentralisasi dengan banyak lapisan, dan setiap lapisan tidak memiliki manual operasi jelas yang menentukan apa sebenarnya yang harus mereka lakukan.

Berbagai distrik di Beijing akan bersaing, berusaha membuat perusahaan teknologi mendirikan kantor di sana. "Bantuan" yang diberikan kepada perusahaan-perusahaan ini hampir pasti termasuk menghilangkan birokrasi dan formalitas berlebihan dalam proses perizinan. Tetapi sejauh mana bantuan ini bisa diberikan? Dapatkah tingkat pemerintah yang berbeda membantu menarik talenta? Dapatkah mereka membantu menyelundupkan chip?

Sepanjang kunjungan, memang ada banyak sebutan tentang minat atau bantuan pemerintah, tetapi informasinya jauh dari cukup bagi saya untuk melaporkan detail dengan cara menegaskan, juga tidak cukup bagi saya untuk membentuk pandangan dunia yang percaya diri tentang bagaimana pemerintah sebenarnya dapat mengubah lintasan perkembangan AI China.

Tentu saja, sama sekali tidak ada tanda-tanda bahwa tingkat tertinggi pemerintah China memengaruhi keputusan teknis apa pun dari model.

Kelima, industri data jauh kurang berkembang dibanding Barat.
Kami sebelumnya mendengar bahwa Anthropic atau OpenAI akan menghabiskan lebih dari $10 juta untuk satu lingkungan tunggal, dengan pengeluaran kumulatif tahunan mencapai ratusan juta dolar untuk mendorong garis depan pembelajaran penguatan. Oleh karena itu, kami ingin tahu apakah laboratorium China juga membeli lingkungan yang sama dari perusahaan AS, atau apakah ada ekosistem domestik cerminan yang mendukung mereka.

Jawabannya bukan "tidak ada industri data" dalam arti lengkap, tetapi menurut pengalaman mereka, kualitas industri data relatif buruk, sehingga seringkali lebih baik membangun lingkungan atau data secara internal. Peneliti sendiri akan menghabiskan banyak waktu membuat lingkungan pelatihan pembelajaran penguatan, sementara perusahaan besar seperti ByteDance, Alibaba dapat memiliki tim anotasi data internal untuk mendukung hal ini. Semua ini menggema mentalitas "membangun sendiri daripada membeli" yang disebutkan sebelumnya.

Keenam, keinginan akan lebih banyak chip Nvidia sangat kuat.
Daya komputasi Nvidia adalah standar emas untuk pelatihan, dan kemajuan setiap orang dibatasi oleh tidak adanya lebih banyak daya komputasi. Jika pasokan melimpah, jelas mereka akan membeli. Akselerator lain termasuk namun tidak terbatas pada Huawei, mendapat penilaian positif dalam hal inferensi. Banyak laboratorium dapat menggunakan chip Huawei.

Poin-poin ini menggambarkan ekosistem AI yang sangat berbeda. Jika dengan cepat menerapkan cara kerja laboratorium Barat pada rekan China, seringkali akan menimbulkan kesalahan kategori. Pertanyaan kuncinya adalah, apakah ekosistem berbeda ini akan menghasilkan jenis model yang berbeda secara substansial; atau apakah model China akan selalu ditafsirkan mirip dengan model garis depan AS 3 hingga 9 bulan sebelumnya.

Kesimpulan: Keseimbangan Global

Sebelum perjalanan ini, saya terlalu sedikit tahu tentang China; dan saat pergi, saya merasa baru mulai belajar. China bukan tempat yang dapat diekspresikan dengan aturan atau resep, tetapi tempat dengan mekanisme dinamika dan reaksi kimia yang sangat berbeda. Budayanya begitu kuno, begitu dalam, dan masih sepenuhnya terjalin dengan cara pembangunan teknologi domestik. Saya masih banyak yang harus dipelajari.

Banyak bagian dari struktur kekuasaan AS saat ini menggunakan pandangan mereka yang ada tentang China sebagai alat mental kunci dalam pengambilan keputusan. Setelah saya melakukan komunikasi tatap muka formal atau informal dengan hampir setiap laboratorium AI terkemuka China, saya menemukan bahwa China memiliki banyak kualitas dan naluri yang sulit dimodelkan oleh cara pengambilan keputusan Barat.

Bahkan ketika saya bertanya langsung mengapa laboratorium ini merilis terbuka model terkuat mereka, saya masih sulit menyatukan sepenuhnya persimpangan antara "mentalitas kepemilikan" dan "dukungan tulus terhadap ekosistem".

Laboratorium di sini sangat pragmatis, belum tentu absolutis dalam sumber terbuka, tidak setiap model yang mereka bangun akan dirilis terbuka. Tetapi mereka memiliki niat mendalam dalam mendukung pengembang, mendukung ekosistem, dan menggunakan keterbukaan sebagai cara untuk lebih memahami model mereka sendiri.

Hampir setiap perusahaan teknologi besar China sedang membangun model bahasa besar umumnya sendiri. Kita telah melihat perusahaan layanan platform seperti Meituan, perusahaan teknologi konsumen besar seperti Xiaomi, merilis model dengan bobot terbuka. Perusahaan sejenis di AS biasanya hanya akan membeli layanan.

Perusahaan-perusahaan ini membangun model bahasa besar, bukan untuk sekadar eksis dalam hal baru yang trendi, tetapi karena keinginan mendasar dan mendalam: mengendalikan tumpukan teknologi mereka sendiri, dan mengembangkan teknologi terpenting saat ini. Ketika saya mengangkat kepala dari laptop, selalu melihat kelompok-kelompok derek di cakrawala, ini jelas selaras dengan budaya dan energi pembangunan China yang lebih luas.

Kehangatan manusia, pesona, dan ketulusan yang ada pada peneliti China sangat mudah didekati. Di tingkat pribadi, diskusi geopolitik kejam yang biasa kita lakukan di AS sama sekali tidak meresap pada mereka. Dunia dapat memiliki lebih banyak keaktifan sederhana semacam ini. Sebagai anggota komunitas AI, saya sekarang lebih khawatir bahwa retakan sedang muncul di antara anggota dan kelompok, seputar label kebangsaan.

Jika saya mengatakan tidak berharap laboratorium AS menjadi pemimpin jelas di setiap bagian tumpukan teknologi AI, itu bohong. Terutama di bidang model terbuka di mana saya banyak menghabiskan waktu, saya orang Amerika, ini preferensi jujur.

Sementara itu, saya berharap ekosistem terbuka itu sendiri dapat berkembang makmur secara global, karena ini dapat menciptakan AI yang lebih aman, lebih mudah diakses, dan lebih berguna bagi dunia. Dan masalah saat ini adalah, apakah laboratorium AS akan mengambil tindakan untuk menduduki posisi kepemimpinan ini.

Saat saya menulis artikel ini, lebih banyak rumor tentang pengaruh perintah eksekutif pada model terbuka sedang beredar. Ini mungkin semakin memperumit hubungan sinergi antara kepemimpinan AS dan ekosistem global—ini tidak membuat saya lebih percaya diri.

Terima kasih kepada semua orang hebat yang saya beruntung ajak bicara di Moonshot AI, Zhipu, Meituan, Xiaomi, Tongyi Qianwen, Ant Lingguang, 01.ai, dan institusi lainnya. Setiap orang begitu hangat, dan begitu murah hati meluangkan waktu mereka. Saat pemikiran saya semakin terbentuk, saya akan terus berbagi pengamatan tentang China, baik tingkat budaya yang lebih luas, maupun bidang AI itu sendiri.

Jelas, pengetahuan ini akan langsung berkaitan dengan kisah perkembangan garis depan AI yang sedang terbuka.

Pertanyaan Terkait

QMenurut artikel, apa perbedaan utama antara cara pengembangan AI di China dan di Amerika Serikat?

AMenurut artikel, pengembangan AI di AS lebih didorong oleh modal dan laboratorium bintang dengan fokus pada orisinalitas, sementara di China lebih mengandalkan kemampuan rekayasa, ekosistem open-source, dan eksekusi industri untuk mengejar dengan cepat.

QApa keuntungan yang disebutkan dari banyaknya mahasiswa yang terlibat dalam pembangunan model AI di China?

AKeuntungannya adalah mahasiswa memiliki pandangan segar, rendah hati, sangat fokus pada pekerjaan teknis, dan lebih bersedia melakukan tugas-tugas yang kurang glamor untuk meningkatkan model akhir tanpa terlalu terpengaruh oleh siklus hype AI sebelumnya.

QBagaimana sikap dan budaya peneliti AI China terhadap isu-isu filosofis atau risiko jangka panjang AI seperti yang digambarkan dalam artikel?

AArtikel menyatakan banyak peneliti AI China sangat fokus pada tugas teknis membangun model terbaik. Ketika ditanya tentang dampak ekonomi atau risiko sosial jangka panjang AI, mereka cenderung tidak memiliki pandangan yang kompleks dan menganggap pertanyaan semacam itu sebagai 'kesalahan kategori' di luar peran teknis mereka.

QApa saja beberapa karakteristik ekosistem AI China yang disebutkan berbeda dengan ekosistem Barat?

ABeberapa karakteristik yang disebutkan adalah: mentalitas 'kepemilikan teknologi' dengan preferensi membangun sendiri daripada membeli, industri data yang kurang berkembang sehingga lebih mengandalkan pembuatan internal, kebutuhan kuat akan chip Nvidia, dan dukungan pemerintah yang ada tetapi skalanya tidak jelas.

QMenurut penulis, apa implikasi dari perbedaan jalur pengembangan AI antara China dan AS untuk kompetisi AI global di masa depan?

AImplikasinya adalah kompetisi AI global di masa depan tidak hanya tentang peringkat model, tetapi juga menjadi persaingan kemampuan organisasi, ekosistem pengembang, dan eksekusi industri. China telah mengembangkan caranya sendiri untuk berpartisipasi dalam frontier global, tidak hanya meniru Silicon Valley.

Bacaan Terkait

Menarik Modal Global, Siklus "Super" Baru Asia Sedang Berlangsung

Investor memusatkan perhatian pada Asia sebagai celah pertumbuhan selanjutnya dalam pasar saham global. Di bawah dorongan gelombang kecerdasan buatan (AI), pasar saham Korea Selatan unggul, menarik arus modal besar dan meningkatkan volatilitas implisit di pasar opsi. Siklus "super" Asia ini didorong oleh percepatan belanja modal, terutama untuk infrastruktur AI seperti chip, server, pusat data, dan sistem listrik. Investasi global di pusat data AI diperkirakan mencapai $2,8 triliun pada 2026-2028. Asia, sebagai pusat rantai pasok perangkat keras AI, akan diuntungkan. Morgan Stanley memperkirakan investasi tetap Asia akan tumbuh dari sekitar $11 triliun (2025) menjadi $16 triliun (2030). China memainkan peran kunci dengan sistem AI lengkapnya, termasuk chip domestik yang diperkirakan mencapai $67 miliar pada 2030. Selain AI, ekspor manufaktur China meluas dari "tiga hal baru" (mobil listrik, baterai, PV) ke robotika. China mendominasi sekitar 90% pengiriman robot humanoid global awal tahun 2025, menyerupai tahap awal ekspor mobil listrik. Dua pendorong utama lainnya adalah keamanan energi (investasi dalam energi terbarukan, listrik, penyimpanan) dan pengeluaran pertahanan yang meningkat di seluruh Asia, memberikan investasi yang tahan lama untuk manufaktur canggih. Ekonomi yang paling diuntungkan adalah China (rantai pasok lengkap, ekspor baru), Korea Selatan (memori, HBM, baterai), dan Jepang (peralatan semikonduktor, otomasi). Namun, risiko termasuk kelebihan pasokan, tekanan margin, pembatasan teknologi, dampak AI pada lapangan kerja, dan volatilitas pasar yang meningkat.

marsbit29m yang lalu

Menarik Modal Global, Siklus "Super" Baru Asia Sedang Berlangsung

marsbit29m yang lalu

38 Ribu Aplikasi Terpapar, 2.000+ Aplikasi Bocor, Pemrograman AI Mengubah 'Jaringan Internal' Menjadi Jaringan Publik

“Alat pengkodean AI seperti ‘vibe coding’ membocorkan data sensitif perusahaan dan pribadi secara besar-besaran ke internet terbuka,” demikian temuan penelitian oleh startup keamanan siber RedAccess. Sekitar 38 ribu aplikasi yang dibuat menggunakan alat AI seperti Lovable, Base44, Netlify, dan Replit dapat diakses publik, dengan hampir 2.000 di antaranya terbukti mengekspos informasi rahasia seperti rekam medis, data keuangan, dokumen internal perusahaan, dan percakapan chatbot berisi detail pelanggan. Peneliti menemukan banyak aplikasi web ini hampir tidak memiliki mekanisme keamanan atau autentikasi. Bahkan, beberapa memberi akses admin kepada siapapun yang menemukan URL-nya. Masalahnya diperparah oleh pengaturan default platform yang membuat aplikasi bersifat publik dan terindeks mesin pencari, serta dikembangkan oleh “pengembang warga” tanpa latar belakang keamanan yang melewati proses peninjauan internal. Perusahaan platform seperti Replit dan Wix (pemilik Base44) menekankan bahwa konfigurasi keamanan adalah tanggung jawab pengguna, sementara Lovable menyatakan sedang menyelidiki laporan tersebut. Insiden ini menyoroti risiko keamanan sistemik dari alat pembuat aplikasi berbasis AI yang memudahkan pembuatan tanpa pemahaman keamanan yang memadai.

marsbit33m yang lalu

38 Ribu Aplikasi Terpapar, 2.000+ Aplikasi Bocor, Pemrograman AI Mengubah 'Jaringan Internal' Menjadi Jaringan Publik

marsbit33m yang lalu

Penciptaan Kekayaan Internal Terbesar OpenAI: 600 Orang Total Mencairkan $66 Miliar, 75 Orang Ambil Maksimal $30 Juta

_Journal Wall Street_ mengungkapkan skala penciptaan kekayaan internal OpenAI yang belum pernah terjadi sebelumnya. Dalam penjualan saham karyawan pada Oktober lalu, perusahaan meningkatkan batas penjualan per individu dari $10 juta menjadi $30 juta. Lebih dari 600 karyawan, baik yang masih aktif maupun mantan, berpartisipasi, menguangkan total sekitar $6,6 miliar. Sekitar 75 orang mengambil jumlah penuh maksimum $30 juta. Presiden dan salah satu pendiri, Greg Brockman, dalam persidangan mengonfirmasi kepemilikan sahamnya bernilai sekitar $30 miliar. Secara keseluruhan, karyawan OpenAI secara kolektif memegang sekitar 26% saham perusahaan, dengan kekayaan kertas rata-rata per karyawan sekitar $1 miliar. Paket kompensasi berbasis saham per karyawan OpenAI tahun 2025 dilaporkan sekitar $1,5 juta, 34 kali lipat dari rata-rata 18 perusahaan teknologi besar sebelum IPO dalam 25 tahun terakhir. OpenAI baru saja menyelesaikan putaran pendanaan senilai $122 miliar dengan valuasi $852 miliar pada Maret, memecahkan rekor pendanaan swasta terbesar di Silicon Valley. Perusahaan ini dilaporkan sedang mempersiapkan IPO pada kuartal keempat 2026, dengan valuasi target potensial mencapai $1 triliun.

marsbit1j yang lalu

Penciptaan Kekayaan Internal Terbesar OpenAI: 600 Orang Total Mencairkan $66 Miliar, 75 Orang Ambil Maksimal $30 Juta

marsbit1j yang lalu

Pasar Obligasi Jepang, Siap Tersambung Sepenuhnya ke 'Blockchain'

**Ringkasan: Pasar Obligasi Jepang Bergerak ke Blockchain** Pada April 2026, beberapa institusi keuangan besar Jepang memulai proyek percontohan untuk memindahkan Obligasi Pemerintah Jepang (JGB) sebagai jaminan ke dalam *Canton Network*, sebuah jaringan berbasis blockchain. JGB, dengan nilai beredar lebih dari $9 triliun, merupakan aset jaminan kunci di pasar keuangan Asia. Langkah ini diambil sebagai respons terhadap percepatan adopsi teknologi serupa di AS, di mana obligasi pemerintah AS telah mulai ditokenisasi. Sistem jaminan tradisional untuk JGB lambat, hanya beroperasi pada jam kerja Tokyo, dan menyebabkan triliunan yen tertahan. Tokenisasi di *Canton Network* menjanjikan penyelesaian transaksi (*settlement*) atomik secara real-time, 24/7, lintas batas, yang dapat membebaskan modal yang terikat, mengurangi risiko, dan meningkatkan efisiensi. *Canton Network* dipilih karena arsitekturnya yang memungkinkan privasi data dan kepatuhan regulasi yang ketat, memenuhi kebutuhan unik pergerakan jaminan antar lembaga keuangan global. Jaringan ini semakin mengukuhkan posisinya sebagai infrastruktur inti untuk pergerakan aset jaminan global, menyatukan obligasi pemerintah AS, Jepang, dan Eropa. Migrasi ini merevolusi cara kerja pasar dengan memungkinkan penggunaan jaminan secara langsung saat tekanan pasar, mengurangi siklus jual paksa, dan menghilangkan risiko kredit dalam transaksi seperti *repo*. Pada akhirnya, ini merupakan peningkatan efisiensi sistem keuangan tradisional yang signifikan, meskipun masih melibatkan pemain institusional utama yang sama.

marsbit1j yang lalu

Pasar Obligasi Jepang, Siap Tersambung Sepenuhnya ke 'Blockchain'

marsbit1j yang lalu

Laporan Mingguan Pendanaan | 14 Peristiwa Pendanaan Publik, Kalshi Selesaikan Putaran Pendanaan Baru US$10 Miliar dengan Valuasi US$220 Miliar, Dipimpin oleh Coatue Management

Laporan Mingguan Pendanaan: 14 Acara Pendanaan Terbuka, Total Lebih dari $10.49 Miliar Menurut statistik PANews yang tidak lengkap, terjadi 14 acara pendanaan di sektor blockchain global pekan lalu (4-10 Mei), dengan total nilai lebih dari $10.49 miliar. Rinciannya sebagai berikut: * **DeFi:** 4 acara. OnRe, perusahaan reasuransi on-chain, mengumpulkan $5 juta dalam pendanaan Seri A. Saturn Credit mengamankan $2 juta. * **Infrastruktur & Alat:** 4 acara. OpenTrade mengumpulkan $17 juta untuk mengembangkan infrastruktur pendapatan stablecoin. Balcony mengamankan $12.7 juta. * **Keuangan Terpusat (CeFi):** 1 acara. Platform perdagangan Stockcoin.ai yang digerakkan AI menyelesaikan putaran pendanaan benih. * **Pasar Prediksi:** 3 acara. **Kalshi**, platform pasar prediksi, menyelesaikan putaran pendanaan $1 miliar dengan valuasi $22 miliar yang dipimpin Coatue Management. Elastics mengumpulkan $2 juta. * **Aplikasi Web3 Lainnya:** 2 acara. SC Ventures dari Standard Chartered berinvestasi strategis di market maker kripto GSR. **Sorotan Pendanaan Besar:** * **Kalshi** meraih $1 miliar dengan valuasi $22 miliar, dipimpin Coatue Management. * **OpenTrade** mendapatkan $17 juta untuk ekspansi infrastruktur RWA dan stablecoin. * **Centrifuge**, infrastruktur tokenisasi, menerima investasi strategis "tujuh digit" dari Coinbase. * **Haun Ventures**, firma VC Katie Haun, menyelesaikan pengumpulan dana baru sebesar $1 miliar. Sektor Infrastruktur dan RWA (Aset Dunia Nyata) tetap menjadi fokus utama bagi investor.

marsbit1j yang lalu

Laporan Mingguan Pendanaan | 14 Peristiwa Pendanaan Publik, Kalshi Selesaikan Putaran Pendanaan Baru US$10 Miliar dengan Valuasi US$220 Miliar, Dipimpin oleh Coatue Management

marsbit1j yang lalu

Trading

Spot
Futures

Artikel Populer

Apa Itu GROK AI

Grok AI: Merevolusi Teknologi Percakapan di Era Web3 Pendahuluan Dalam lanskap kecerdasan buatan yang terus berkembang dengan cepat, Grok AI menonjol sebagai proyek yang patut diperhatikan yang menjembatani domain teknologi canggih dan interaksi pengguna. Dikembangkan oleh xAI, sebuah perusahaan yang dipimpin oleh pengusaha terkenal Elon Musk, Grok AI berupaya untuk mendefinisikan ulang cara kita berinteraksi dengan kecerdasan buatan. Seiring dengan berkembangnya gerakan Web3, Grok AI bertujuan untuk memanfaatkan kekuatan AI percakapan untuk menjawab pertanyaan kompleks, memberikan pengguna pengalaman yang tidak hanya informatif tetapi juga menghibur. Apa itu Grok AI? Grok AI adalah chatbot AI percakapan yang canggih yang dirancang untuk berinteraksi dengan pengguna secara dinamis. Berbeda dengan banyak sistem AI tradisional, Grok AI menerima berbagai pertanyaan yang lebih luas, termasuk yang biasanya dianggap tidak pantas atau di luar respons standar. Tujuan inti proyek ini meliputi: Penalaran yang Andal: Grok AI menekankan penalaran akal sehat untuk memberikan jawaban logis berdasarkan pemahaman kontekstual. Pengawasan yang Dapat Diskalakan: Integrasi bantuan alat memastikan bahwa interaksi pengguna dipantau dan dioptimalkan untuk kualitas. Verifikasi Formal: Keamanan adalah hal yang utama; Grok AI menggabungkan metode verifikasi formal untuk meningkatkan keandalan output-nya. Pemahaman Konteks Panjang: Model AI unggul dalam mempertahankan dan mengingat riwayat percakapan yang luas, memfasilitasi diskusi yang bermakna dan sadar konteks. Ketahanan Adversarial: Dengan fokus pada peningkatan pertahanannya terhadap input yang dimanipulasi atau berbahaya, Grok AI bertujuan untuk mempertahankan integritas interaksi pengguna. Intinya, Grok AI bukan hanya perangkat pengambilan informasi; ini adalah mitra percakapan yang imersif yang mendorong dialog yang dinamis. Pencipta Grok AI Otak di balik Grok AI tidak lain adalah Elon Musk, seorang individu yang identik dengan inovasi di berbagai bidang, termasuk otomotif, perjalanan luar angkasa, dan teknologi. Di bawah naungan xAI, sebuah perusahaan yang fokus pada kemajuan teknologi AI dengan cara yang bermanfaat, visi Musk bertujuan untuk membentuk kembali pemahaman tentang interaksi AI. Kepemimpinan dan etos dasar sangat dipengaruhi oleh komitmen Musk untuk mendorong batasan teknologi. Investor Grok AI Meskipun rincian spesifik mengenai investor yang mendukung Grok AI masih terbatas, secara publik diakui bahwa xAI, inkubator proyek ini, didirikan dan didukung terutama oleh Elon Musk sendiri. Usaha dan kepemilikan Musk sebelumnya memberikan dukungan yang kuat, lebih lanjut memperkuat kredibilitas dan potensi pertumbuhan Grok AI. Namun, hingga saat ini, informasi mengenai yayasan investasi tambahan atau organisasi yang mendukung Grok AI tidak tersedia secara mudah, menandai area untuk eksplorasi potensial di masa depan. Bagaimana Grok AI Bekerja? Mekanisme operasional Grok AI sama inovatifnya dengan kerangka konseptualnya. Proyek ini mengintegrasikan beberapa teknologi mutakhir yang memfasilitasi fungsionalitas uniknya: Infrastruktur yang Kuat: Grok AI dibangun menggunakan Kubernetes untuk orkestrasi kontainer, Rust untuk kinerja dan keamanan, dan JAX untuk komputasi numerik berkinerja tinggi. Ketiga elemen ini memastikan bahwa chatbot beroperasi secara efisien, dapat diskalakan dengan efektif, dan melayani pengguna dengan cepat. Akses Pengetahuan Real-Time: Salah satu fitur pembeda Grok AI adalah kemampuannya untuk mengakses data real-time melalui platform X—sebelumnya dikenal sebagai Twitter. Kemampuan ini memberikan AI akses ke informasi terbaru, memungkinkannya untuk memberikan jawaban dan rekomendasi yang tepat waktu yang mungkin terlewat oleh model AI lainnya. Dua Mode Interaksi: Grok AI menawarkan pengguna pilihan antara “Mode Menyenangkan” dan “Mode Reguler.” Mode Menyenangkan memungkinkan gaya interaksi yang lebih bermain dan humoris, sementara Mode Reguler fokus pada memberikan respons yang tepat dan akurat. Fleksibilitas ini memastikan pengalaman yang disesuaikan yang memenuhi berbagai preferensi pengguna. Intinya, Grok AI menggabungkan kinerja dengan keterlibatan, menciptakan pengalaman yang kaya dan menghibur. Garis Waktu Grok AI Perjalanan Grok AI ditandai oleh tonggak penting yang mencerminkan tahap pengembangan dan penerapannya: Pengembangan Awal: Fase dasar Grok AI berlangsung selama sekitar dua bulan, di mana pelatihan awal dan penyempurnaan model dilakukan. Rilis Beta Grok-2: Dalam kemajuan signifikan, beta Grok-2 diumumkan. Rilis ini memperkenalkan dua versi chatbot—Grok-2 dan Grok-2 mini—masing-masing dilengkapi dengan kemampuan untuk chatting, coding, dan penalaran. Akses Publik: Setelah pengembangan beta, Grok AI menjadi tersedia untuk pengguna platform X. Mereka yang memiliki akun yang diverifikasi dengan nomor telepon dan aktif selama setidaknya tujuh hari dapat mengakses versi terbatas, membuat teknologi ini tersedia untuk audiens yang lebih luas. Garis waktu ini mencakup pertumbuhan sistematis Grok AI dari awal hingga keterlibatan publik, menekankan komitmennya untuk perbaikan berkelanjutan dan interaksi pengguna. Fitur Utama Grok AI Grok AI mencakup beberapa fitur kunci yang berkontribusi pada identitas inovatifnya: Integrasi Pengetahuan Real-Time: Akses ke informasi terkini dan relevan membedakan Grok AI dari banyak model statis, memungkinkan pengalaman pengguna yang menarik dan akurat. Gaya Interaksi yang Beragam: Dengan menawarkan mode interaksi yang berbeda, Grok AI memenuhi berbagai preferensi pengguna, mengundang kreativitas dan personalisasi dalam berkomunikasi dengan AI. Dasar Teknologi yang Canggih: Pemanfaatan Kubernetes, Rust, dan JAX memberikan proyek ini kerangka kerja yang solid untuk memastikan keandalan dan kinerja optimal. Pertimbangan Diskursus Etis: Penyertaan fungsi penghasil gambar menunjukkan semangat inovatif proyek ini. Namun, hal ini juga menimbulkan pertimbangan etis seputar hak cipta dan penggambaran yang menghormati tokoh-tokoh yang dikenali—diskusi yang sedang berlangsung dalam komunitas AI. Kesimpulan Sebagai entitas perintis di bidang AI percakapan, Grok AI mencakup potensi untuk pengalaman pengguna yang transformatif di era digital. Dikembangkan oleh xAI dan didorong oleh pendekatan visioner Elon Musk, Grok AI mengintegrasikan pengetahuan real-time dengan kemampuan interaksi yang canggih. Ini berupaya untuk mendorong batasan apa yang dapat dicapai oleh kecerdasan buatan sambil tetap fokus pada pertimbangan etis dan keselamatan pengguna. Grok AI tidak hanya mewujudkan kemajuan teknologi tetapi juga mewakili paradigma percakapan baru di lanskap Web3, menjanjikan untuk melibatkan pengguna dengan pengetahuan yang mahir dan interaksi yang menyenangkan. Seiring proyek ini terus berkembang, ia berdiri sebagai bukti apa yang dapat dicapai di persimpangan teknologi, kreativitas, dan interaksi yang mirip manusia.

507 Total TayanganDipublikasikan pada 2024.12.26Diperbarui pada 2024.12.26

Apa Itu GROK AI

Apa Itu ERC AI

Euruka Tech: Gambaran Umum tentang $erc ai dan Ambisinya di Web3 Pendahuluan Dalam lanskap teknologi blockchain dan aplikasi terdesentralisasi yang berkembang pesat, proyek-proyek baru muncul dengan frekuensi tinggi, masing-masing dengan tujuan dan metodologi yang unik. Salah satu proyek tersebut adalah Euruka Tech, yang beroperasi di domain cryptocurrency dan Web3 yang luas. Fokus utama Euruka Tech, khususnya tokennya $erc ai, adalah untuk menghadirkan solusi inovatif yang dirancang untuk memanfaatkan kemampuan teknologi terdesentralisasi yang terus berkembang. Artikel ini bertujuan untuk memberikan gambaran komprehensif tentang Euruka Tech, eksplorasi tujuannya, fungsionalitas, identitas penciptanya, calon investor, dan signifikansinya dalam konteks yang lebih luas dari Web3. Apa itu Euruka Tech, $erc ai? Euruka Tech dicirikan sebagai proyek yang memanfaatkan alat dan fungsionalitas yang ditawarkan oleh lingkungan Web3, dengan fokus pada integrasi kecerdasan buatan dalam operasinya. Meskipun rincian spesifik tentang kerangka proyek ini agak samar, proyek ini dirancang untuk meningkatkan keterlibatan pengguna dan mengotomatiskan proses di ruang crypto. Proyek ini bertujuan untuk menciptakan ekosistem terdesentralisasi yang tidak hanya memfasilitasi transaksi tetapi juga menggabungkan fungsionalitas prediktif melalui kecerdasan buatan, sehingga penamaan tokennya, $erc ai. Tujuannya adalah untuk menyediakan platform intuitif yang memfasilitasi interaksi yang lebih cerdas dan pemrosesan transaksi yang efisien dalam lingkup Web3 yang terus berkembang. Siapa Pencipta Euruka Tech, $erc ai? Saat ini, informasi mengenai pencipta atau tim pendiri di balik Euruka Tech masih tidak ditentukan dan agak tidak jelas. Ketidakhadiran data ini menimbulkan kekhawatiran, karena pengetahuan tentang latar belakang tim sering kali penting untuk membangun kredibilitas dalam sektor blockchain. Oleh karena itu, kami telah mengkategorikan informasi ini sebagai tidak diketahui sampai rincian konkret tersedia di domain publik. Siapa Investor Euruka Tech, $erc ai? Demikian pula, identifikasi investor atau organisasi pendukung untuk proyek Euruka Tech tidak disediakan dengan mudah melalui penelitian yang tersedia. Aspek yang sangat penting bagi pemangku kepentingan atau pengguna potensial yang mempertimbangkan keterlibatan dengan Euruka Tech adalah jaminan yang datang dari kemitraan keuangan yang mapan atau dukungan dari perusahaan investasi yang terkemuka. Tanpa pengungkapan tentang afiliasi investasi, sulit untuk menarik kesimpulan komprehensif tentang keamanan finansial atau keberlangsungan proyek. Sesuai dengan informasi yang ditemukan, bagian ini juga berada pada status tidak diketahui. Bagaimana Euruka Tech, $erc ai Bekerja? Meskipun kurangnya spesifikasi teknis yang mendetail untuk Euruka Tech, penting untuk mempertimbangkan ambisi inovatifnya. Proyek ini berusaha memanfaatkan kemampuan komputasi kecerdasan buatan untuk mengotomatiskan dan meningkatkan pengalaman pengguna dalam lingkungan cryptocurrency. Dengan mengintegrasikan AI dengan teknologi blockchain, Euruka Tech bertujuan untuk menyediakan fitur seperti perdagangan otomatis, penilaian risiko, dan antarmuka pengguna yang dipersonalisasi. Esensi inovatif dari Euruka Tech terletak pada tujuannya untuk menciptakan koneksi yang mulus antara pengguna dan kemungkinan luas yang ditawarkan oleh jaringan terdesentralisasi. Melalui pemanfaatan algoritma pembelajaran mesin dan AI, proyek ini bertujuan untuk meminimalkan tantangan bagi pengguna baru dan menyederhanakan pengalaman transaksional dalam kerangka Web3. Simbiosis antara AI dan blockchain ini menggarisbawahi signifikansi token $erc ai, yang berdiri sebagai jembatan antara antarmuka pengguna tradisional dan kemampuan canggih dari teknologi terdesentralisasi. Garis Waktu Euruka Tech, $erc ai Sayangnya, sebagai akibat dari informasi yang terbatas mengenai Euruka Tech, kami tidak dapat menyajikan garis waktu yang mendetail tentang perkembangan utama atau tonggak dalam perjalanan proyek ini. Garis waktu ini, yang biasanya sangat berharga dalam memetakan evolusi suatu proyek dan memahami trajektori pertumbuhannya, saat ini tidak tersedia. Ketika informasi tentang peristiwa penting, kemitraan, atau penambahan fungsional menjadi jelas, pembaruan pasti akan meningkatkan visibilitas Euruka Tech di dunia crypto. Klarifikasi tentang Proyek “Eureka” Lainnya Penting untuk dicatat bahwa banyak proyek dan perusahaan berbagi nomenklatur serupa dengan “Eureka.” Penelitian telah mengidentifikasi inisiatif seperti agen AI dari NVIDIA Research, yang fokus pada pengajaran robot tugas kompleks menggunakan metode generatif, serta Eureka Labs dan Eureka AI, yang meningkatkan pengalaman pengguna dalam analitik pendidikan dan layanan pelanggan, masing-masing. Namun, proyek-proyek ini berbeda dari Euruka Tech dan tidak boleh disamakan dengan tujuan atau fungsionalitasnya. Kesimpulan Euruka Tech, bersama dengan token $erc ai-nya, mewakili pemain yang menjanjikan namun saat ini masih samar dalam lanskap Web3. Meskipun rincian tentang pencipta dan investor masih belum diungkapkan, ambisi inti untuk menggabungkan kecerdasan buatan dengan teknologi blockchain tetap menjadi titik fokus yang menarik. Pendekatan unik proyek ini dalam mendorong keterlibatan pengguna melalui otomatisasi canggih dapat membedakannya seiring dengan kemajuan ekosistem Web3. Seiring dengan terus berkembangnya pasar crypto, pemangku kepentingan harus memperhatikan kemajuan seputar Euruka Tech, karena pengembangan inovasi yang terdokumentasi, kemitraan, atau peta jalan yang terdefinisi dapat menghadirkan peluang signifikan di masa depan. Saat ini, kami menunggu wawasan yang lebih substansial yang dapat mengungkap potensi Euruka Tech dan posisinya dalam lanskap crypto yang kompetitif.

463 Total TayanganDipublikasikan pada 2025.01.02Diperbarui pada 2025.01.02

Apa Itu ERC AI

Apa Itu DUOLINGO AI

DUOLINGO AI: Mengintegrasikan Pembelajaran Bahasa dengan Inovasi Web3 dan AI Dalam era di mana teknologi membentuk kembali pendidikan, integrasi kecerdasan buatan (AI) dan jaringan blockchain menandai batasan baru untuk pembelajaran bahasa. Masuklah DUOLINGO AI dan cryptocurrency terkaitnya, $DUOLINGO AI. Proyek ini bercita-cita untuk menggabungkan kekuatan pendidikan dari platform pembelajaran bahasa terkemuka dengan manfaat teknologi Web3 yang terdesentralisasi. Artikel ini menggali aspek-aspek kunci dari DUOLINGO AI, menjelajahi tujuannya, kerangka teknologi, perkembangan sejarah, dan potensi masa depan sambil mempertahankan kejelasan antara sumber daya pendidikan asli dan inisiatif cryptocurrency independen ini. Gambaran Umum DUOLINGO AI Pada intinya, DUOLINGO AI berusaha untuk membangun lingkungan terdesentralisasi di mana pelajar dapat memperoleh imbalan kriptografi untuk mencapai tonggak pendidikan dalam kemahiran bahasa. Dengan menerapkan kontrak pintar, proyek ini bertujuan untuk mengotomatiskan proses verifikasi keterampilan dan alokasi token, sesuai dengan prinsip Web3 yang menekankan transparansi dan kepemilikan pengguna. Model ini menyimpang dari pendekatan tradisional dalam akuisisi bahasa dengan sangat bergantung pada struktur tata kelola yang dipimpin oleh komunitas, memungkinkan pemegang token untuk menyarankan perbaikan pada konten kursus dan distribusi imbalan. Beberapa tujuan notable dari DUOLINGO AI meliputi: Pembelajaran Gamified: Proyek ini mengintegrasikan pencapaian blockchain dan token non-fungible (NFT) untuk mewakili tingkat kemahiran bahasa, mendorong motivasi melalui imbalan digital yang menarik. Penciptaan Konten Terdesentralisasi: Ini membuka jalan bagi pendidik dan penggemar bahasa untuk berkontribusi pada kursus mereka, memfasilitasi model pembagian pendapatan yang menguntungkan semua kontributor. Personalisasi Berbasis AI: Dengan menggunakan model pembelajaran mesin yang canggih, DUOLINGO AI mempersonalisasi pelajaran untuk beradaptasi dengan kemajuan belajar individu, mirip dengan fitur adaptif yang ditemukan di platform yang sudah mapan. Pencipta Proyek dan Tata Kelola Hingga April 2025, tim di balik $DUOLINGO AI tetap anonim, praktik yang umum dalam lanskap cryptocurrency terdesentralisasi. Anonimitas ini dimaksudkan untuk mempromosikan pertumbuhan kolektif dan keterlibatan pemangku kepentingan daripada fokus pada pengembang individu. Kontrak pintar yang diterapkan di blockchain Solana mencatat alamat dompet pengembang, yang menandakan komitmen terhadap transparansi terkait transaksi meskipun identitas penciptanya tidak diketahui. Menurut peta jalannya, DUOLINGO AI bertujuan untuk berkembang menjadi Organisasi Otonom Terdesentralisasi (DAO). Struktur tata kelola ini memungkinkan pemegang token untuk memberikan suara pada isu-isu penting seperti implementasi fitur dan alokasi kas. Model ini sejalan dengan etos pemberdayaan komunitas yang ditemukan dalam berbagai aplikasi terdesentralisasi, menekankan pentingnya pengambilan keputusan kolektif. Investor dan Kemitraan Strategis Saat ini, tidak ada investor institusi atau modal ventura yang dapat diidentifikasi secara publik yang terkait dengan $DUOLINGO AI. Sebaliknya, likuiditas proyek ini terutama berasal dari bursa terdesentralisasi (DEX), menandai kontras yang tajam dengan strategi pendanaan perusahaan teknologi pendidikan tradisional. Model akar rumput ini menunjukkan pendekatan yang dipimpin oleh komunitas, mencerminkan komitmen proyek terhadap desentralisasi. Dalam whitepapernya, DUOLINGO AI menyebutkan pembentukan kolaborasi dengan “platform pendidikan blockchain” yang tidak ditentukan yang bertujuan untuk memperkaya penawaran kursusnya. Meskipun kemitraan spesifik belum diungkapkan, upaya kolaboratif ini menunjukkan strategi untuk menggabungkan inovasi blockchain dengan inisiatif pendidikan, memperluas akses dan keterlibatan pengguna di berbagai jalur pembelajaran. Arsitektur Teknologi Integrasi AI DUOLINGO AI menggabungkan dua komponen utama yang didorong oleh AI untuk meningkatkan penawaran pendidikannya: Mesin Pembelajaran Adaptif: Mesin canggih ini belajar dari interaksi pengguna, mirip dengan model kepemilikan dari platform pendidikan besar. Ia secara dinamis menyesuaikan kesulitan pelajaran untuk mengatasi tantangan spesifik pelajar, memperkuat area yang lemah melalui latihan yang ditargetkan. Agen Percakapan: Dengan menggunakan chatbot bertenaga GPT-4, DUOLINGO AI menyediakan platform bagi pengguna untuk terlibat dalam percakapan yang disimulasikan, mendorong pengalaman pembelajaran bahasa yang lebih interaktif dan praktis. Infrastruktur Blockchain Dibangun di atas blockchain Solana, $DUOLINGO AI memanfaatkan kerangka teknologi yang komprehensif yang mencakup: Kontrak Pintar Verifikasi Keterampilan: Fitur ini secara otomatis memberikan token kepada pengguna yang berhasil melewati tes kemahiran, memperkuat struktur insentif untuk hasil pembelajaran yang nyata. Lencana NFT: Token digital ini menandakan berbagai tonggak yang dicapai pelajar, seperti menyelesaikan bagian dari kursus mereka atau menguasai keterampilan tertentu, memungkinkan mereka untuk memperdagangkan atau memamerkan pencapaian mereka secara digital. Tata Kelola DAO: Anggota komunitas yang memiliki token dapat terlibat dalam tata kelola dengan memberikan suara pada proposal kunci, memfasilitasi budaya partisipatif yang mendorong inovasi dalam penawaran kursus dan fitur platform. Garis Waktu Sejarah 2022–2023: Konseptualisasi Landasan untuk DUOLINGO AI dimulai dengan pembuatan whitepaper, menyoroti sinergi antara kemajuan AI dalam pembelajaran bahasa dan potensi terdesentralisasi dari teknologi blockchain. 2024: Peluncuran Beta Peluncuran beta terbatas memperkenalkan penawaran dalam bahasa-bahasa populer, memberikan imbalan kepada pengguna awal dengan insentif token sebagai bagian dari strategi keterlibatan komunitas proyek. 2025: Transisi DAO Pada bulan April, peluncuran mainnet penuh terjadi dengan peredaran token, mendorong diskusi komunitas mengenai kemungkinan ekspansi ke bahasa Asia dan pengembangan kursus lainnya. Tantangan dan Arah Masa Depan Hambatan Teknis Meskipun memiliki tujuan ambisius, DUOLINGO AI menghadapi tantangan signifikan. Skalabilitas tetap menjadi perhatian yang berkelanjutan, terutama dalam menyeimbangkan biaya yang terkait dengan pemrosesan AI dan mempertahankan jaringan terdesentralisasi yang responsif. Selain itu, memastikan penciptaan konten berkualitas dan moderasi di tengah penawaran terdesentralisasi menimbulkan kompleksitas dalam mempertahankan standar pendidikan. Peluang Strategis Melihat ke depan, DUOLINGO AI memiliki potensi untuk memanfaatkan kemitraan mikro-credentialing dengan institusi akademis, menyediakan validasi keterampilan bahasa yang diverifikasi oleh blockchain. Selain itu, ekspansi lintas rantai dapat memungkinkan proyek ini untuk menjangkau basis pengguna yang lebih luas dan ekosistem blockchain tambahan, meningkatkan interoperabilitas dan jangkauannya. Kesimpulan DUOLINGO AI mewakili perpaduan inovatif antara kecerdasan buatan dan teknologi blockchain, menghadirkan alternatif yang berfokus pada komunitas untuk sistem pembelajaran bahasa tradisional. Meskipun pengembangannya yang anonim dan model ekonomi yang muncul membawa risiko tertentu, komitmen proyek terhadap pembelajaran gamified, pendidikan yang dipersonalisasi, dan tata kelola terdesentralisasi menerangi jalan ke depan untuk teknologi pendidikan di ranah Web3. Seiring kemajuan AI dan evolusi ekosistem blockchain, inisiatif seperti DUOLINGO AI dapat mendefinisikan ulang bagaimana pengguna terlibat dengan pendidikan bahasa, memberdayakan komunitas dan memberikan imbalan atas keterlibatan melalui mekanisme pembelajaran yang inovatif.

524 Total TayanganDipublikasikan pada 2025.04.11Diperbarui pada 2025.04.11

Apa Itu DUOLINGO AI

Diskusi

Selamat datang di Komunitas HTX. Di sini, Anda bisa terus mendapatkan informasi terbaru tentang perkembangan platform terkini dan mendapatkan akses ke wawasan pasar profesional. Pendapat pengguna mengenai harga AI (AI) disajikan di bawah ini.

活动图片

Kategori Populerright-arrow

Tag Populerright-arrow