Mengapa 'Teori Utilitas' Sam Altman Memicu Kontroversi Hak Cipta

marsbitDipublikasikan tanggal 2026-05-27Terakhir diperbarui pada 2026-05-27

Abstrak

Sam Altman, CEO OpenAI, mengibaratkan AI sebagai utilitas publik seperti listrik atau air yang akan dijual per token oleh perusahaannya. Pernyataan ini, yang ditujukan kepada investor infrastruktur seperti BlackRock untuk mendanai proyek pusat data, memicu kritik tajam. Kritikus menekankan perbedaan mendasar: utilitas seperti listrik dan air dibangun dari nol (*"incremental"*), sedangkan model AI dilatih dengan *"rekombinasi"* data milik publik—buku, seni, kode—seringkali tanpa izin atau kompensasi bagi pencipta aslinya. Pola "ambil gratis, jual kembali" ini dinilai tidak etis. Lebih lanjut, mekanisme penagihan per token AI dinilai bertentangan dengan prinsip *"layanan universal"* utilitas publik sejati. Tarif token bersifat diskriminatif (output lebih mahal daripada input) dan berfokus pada memaksimalkan pendapatan, bukan menjamin akses terjangkau bagi semua. Meski pertahanan hukum *"penggunaan wajar"* (fair use) masih kuat bagi perusahaan AI, praktik mereka sendiri—seperti membeli data berlisensi dari Reddit atau News Corp—secara tidak langsung menggugat argumen bahwa data pelatihan dapat diambil secara bebas. Kesimpulannya, meski AI semakin menjadi infrastruktur, klaim sebagai "utilitas publik" rapuh karena tiga celah: **celah kepemilikan** (sumber data), **celah penetapan harga** (token vs. tarif regulasi publik), dan **celah tata kelola** (kurangnya kerangka regulasi publik). Infrastrukturisasi AI perlu menyertakan mekanisme distribusi manfaat yang adil bagi para pen...

Minggu ini, CEO OpenAI Sam Altman mengemukakan sebuah analogi pada Konferensi Infrastruktur Amerika BlackRock: "Masa depan yang kami lihat adalah kecerdasan akan menjadi utilitas seperti listrik atau air, dan orang akan membelinya dari kami sesuai penggunaan."

Konsep ini sendiri bukan hal baru. Ungkapan "AI sebagai utilitas" setidaknya telah ada sejak satu dekade lalu. Namun kali ini, pernyataan Altman memiliki subjek dan arah yang jelas: "membeli dari kami sesuai penggunaan." Secara spesifik, itu berarti biaya berdasarkan token, membeli kecerdasan dari OpenAI.

Tak lama setelah itu, gelombang kritik dengan cepat terkumpul di platform seperti Reddit dan X. Sebuah komentar yang banyak dibagikan menulis: "Mereka memberi makan model dengan kehidupan dan kreativitas kita, menginjak-injak hukum hak cipta, dan sekarang ingin menjual kembali semua itu kepada kita dalam bentuk utilitas publik."

Mengajukan narasi besar yang ditujukan ke pasar modal, memicu interogasi etis dari komunitas kreator. Artikel ini tidak menilai motivasi pembicara, juga tidak memprediksi arah gugatan hukum. Poin minat inti dari masalah ini adalah: apakah perumpamaan "utilitas publik" ini berdiri secara logika, etika, dan bisnis. Membongkar perumpamaan ini dapat membantu kita melihat kontradiksi mendalam yang sedang terjadi di industri AI.

Dekonstruksi Narasi: Mengapa "Utilitas Publik"

Untuk memahami maksud perumpamaan ini, perlu kembali ke konteks pernyataan Altman.

Menurut laporan Business Insider dan transkrip rapat dari Rev, titik awal pernyataan Altman kali ini bukan peluncuran produk, juga bukan roadmap teknologi, melainkan peringatan tentang "hambatan daya komputasi." Dia secara jelas menyatakan dalam konferensi bahwa jika fasilitas komputasi yang cukup tidak dibangun sekarang, tiga kemungkinan hasil di masa depan adalah: layanan AI tidak mencukupi permintaan sehingga harga melonjak, hanya orang kaya yang mampu membelinya, atau pemerintah harus turun tangan untuk mendistribusikannya.

Dengan kata lain, perumpamaan "utilitas publik" pertama-tama adalah sebuah narasi untuk investor infrastruktur, bukan skema penetapan harga untuk pengguna.

Membungkus AI sebagai listrik dan air memiliki logika bisnis yang jelas. Listrik dan air adalah industri dengan aset berat, siklus panjang, dan arus kas stabil, yang secara alami cocok dengan struktur modal dana pensiun dan infrastruktur. Ketika OpenAI perlu meyakinkan raksasa pengelola aset seperti BlackRock untuk mendanai proyek pusat data senilai triliunan dolar, "AI sebagai utilitas publik" lebih mudah disetujui oleh komite investasi daripada "AI sebagai produk teknologi."

Penilaian ini bukan spekulasi. Presiden OpenAI Greg Brockman pernah menyebutkan bahwa perusahaan membutuhkan komitmen investasi pusat data sekitar 1,4 triliun dolar dalam delapan tahun ke depan. Meskipun struktur spesifik dan perkembangan realisasi angka ini masih perlu diverifikasi, hal ini sudah cukup menjelaskan: "utilitas publik" yang disebut Altman, audiens utamanya adalah pasar modal, bukan pengguna akhir.

"Pembangunan Tambahan" atau "Rekonfigurasi Stok"

Kemarahan para kritikus berpusat pada perbedaan mendasar yang disembunyikan oleh perumpamaan "utilitas publik".

Listrik dan air adalah "pembangunan tambahan". Manusia membangun bendungan, memasang pipa, mendirikan jaringan listrik, menciptakan kapasitas pasokan yang pada awalnya tidak ada di alam. Investasi digunakan untuk membangun aset fisik baru, aset-aset ini sendiri tidak bergantung pada hasil kerja pihak lain yang sudah ada sebelumnya.

Pelatihan model AI adalah "rekonfigurasi stok". Data pelatihan untuk seri model GPT berasal dari pengambilan skala besar konten publik di seluruh web, mencakup buku, artikel, karya seni, postingan forum, repositori kode, bahkan termasuk catatan percakapan pribadi pengguna di media sosial. Ini adalah akumulasi kreasi manusia selama beberapa dekade, yang sebagian besar tidak diizinkan oleh penciptanya, dan tidak membayar biaya hak cipta apa pun.

Seorang penulis Medium menulis: "Mereka mencoba mengompresi kreasi kolektif manusia selama beberapa dekade ke dalam sebuah komoditas, lalu menetapkan harga ulang atas nama utilitas publik, menjualnya kembali berdasarkan token kepada orang-orang yang awalnya menyediakan bahan mentah secara gratis."

Ini bukan luapan emosi, melainkan pengidentifikasian yang tepat tentang logika kepemilikan. "Bahan mentah" perusahaan utilitas publik seperti listrik dan air dibangun sendiri (bendungan menampung air) atau dibeli dengan harga pasar (batubara dan gas). Sedangkan "bahan mentah" yang diperoleh perusahaan AI pada tahap pelatihan, secara hukum berada di area abu-abu "penggunaan wajar" (Fair Usage), dan secara komersial tidak menghasilkan transfer biaya apa pun.

Model "perolehan gratis, penjualan berbayar" ini membuat "utilitas publik" di mata para kritikus terdengar lebih seperti "enclosure movement": pertama-tama mengambil sumber daya domain publik sebagai milik sendiri, membangun tembok di sekelilingnya, lalu mengenakan biaya masuk kepada pengguna aslinya.

Jarak antara Biaya Token dan Layanan Universal

Bahkan jika kita kesampingkan kontroversi sumber data, "AI sebagai utilitas publik" sulit dipertahankan dalam mekanisme penetapan harga.

Utilitas publik yang sebenarnya, seperti air, listrik, gas, di sebagian besar ekonomi memiliki kewajiban "layanan universal" (Universal Service). Regulator pemerintah mengharuskan mereka untuk menjamin pasokan kebutuhan pokok masyarakat, mekanisme penetapan harga biasanya berdasarkan "biaya plus margin", margin keuntungan dibatasi ketat. Harga listrik rumah tangga tidak dibedakan berdasarkan apakah penggunaannya untuk menyalakan lampu atau menjalankan server.

Penetapan harga token AI sangat berbeda dengan ini. Menurut data pemantauan biaya AI perusahaan dari KongHQ dan analisis Artefact, selama setahun terakhir harga absolut per-token turun sekitar 75%, tetapi pengeluaran AI aktual perusahaan justru meningkat, karena tingkat pertumbuhan penggunaan jauh melampaui penurunan harga. Model "harga satuan turun, harga total naik" ini disebut "Ilusi Biaya Token".

Perbedaan struktural biaya token yang lebih bernilai untuk dibandingkan adalah: harga token keluaran biasanya 3 sampai 10 kali lipat harga token masukan. Untuk jumlah informasi yang sama, biaya AI "membacanya" jauh lebih rendah daripada biaya "menuliskannya". Jika Anda menyerahkan dokumen kepada AI untuk diringkas, tahap masukan hampir gratis, tetapi setiap kata yang dihasilkan dalam ringkasan berada di zona tarif tinggi.

Logika penagihan jaringan listrik publik adalah: listrik itu sendiri homogen, 1 kWh untuk kulkas dan untuk server harganya sama. Logika penetapan harga token AI adalah: layanan itu sendiri dibagi menjadi perbedaan harga yang besar, dan perbedaan harga ini sepenuhnya didefinisikan sepihak oleh pemasok.

Dengan kata lain, ini bukan penetapan harga utilitas publik, ini disebut penetapan harga diskriminatif berdasarkan volume penggunaan. Tujuannya bukan agar setiap orang dapat menggunakan kecerdasan, melainkan untuk mengekstrak pendapatan maksimal dari tingkat konsumsi kecerdasan.

Parit Pertahanan "Penggunaan Wajar" Mulai Goyah

Meskipun suara para kritikus keras, di tingkat hukum, posisi perusahaan AI dalam masalah data pelatihan tidak begitu rapuh seperti yang terlihat di permukaan.

Menurut laporan "Tren AI 2026" yang dirilis firma hukum Morrison & Foerster dan pelacakan gugatan hak cipta AI oleh Norton Rose Fulbright, pengadilan Amerika Serikat saat ini cenderung menetapkan bahwa pelatihan model AI umum memiliki "sangat transformatif", sehingga lebih mudah memenuhi standar hukum "penggunaan wajar" (Fair Use). Putusan Anthropic yang berhasil membujuk pengadilan menolak gugatan hak cipta pada pertengahan 2025, meskipun detailnya masih perlu diverifikasi, telah menjadi sumber kepercayaan penting bagi industri AI.

Namun, parit pertahanan hukum secara logika bisnis sedang dihancurkan oleh tindakan industri AI sendiri.

Sebuah analisis oleh TechPolicy.press menunjukkan: seiring perusahaan AI mulai membeli data pelatihan berlisensi dalam skala besar, misalnya perjanjian OpenAI dengan Reddit, News Corp, pembelaan "pengambilan gratis adalah penggunaan wajar" sedang dilemahkan secara kontradiktif. Jika data pelatihan memang dapat "digunakan secara wajar" tanpa diskriminasi, lalu mengapa harus membayar mahal untuk lisensi sumber tertentu? Jika pemilik data memang tidak memiliki hak untuk mengklaim, lalu apa dasar hukum dari perjanjian lisensi ini?

Tindakan pembelian itu sendiri merupakan penyangkalan komersial terhadap asumsi "bahan mentah gratis".

Kembali ke "teori listrik dan air" Altman, kontradiksi ini menjadi semakin tajam. Perusahaan listrik dan air, saat membangun infrastruktur, tidak akan menghadapi pertanyaan kolektif "apakah sumber air Anda diperoleh secara legal". Sedangkan perusahaan AI, ketika mengklaim diri sebagai utilitas publik generasi berikutnya, pertanyaan "bahan mentah dari mana" ini masih belum memiliki jawaban yang meyakinkan.

Infrastrukturisasi Perlu Menyelesaikan Masalah Distribusi

"Teori listrik dan air" Altman menangkap tren nyata perkembangan AI. Model besar sedang berubah dari produk laboratorium menjadi kemampuan dasar, tertanam ke dalam mesin pencari, perangkat lunak perkantoran, alat desain, bahkan proses industri. Ketika AI ada di mana-mana, ia memang dalam fungsi mendekati "infrastruktur".

Namun, tiga celah dari perumpamaan ini pada tahap evolusi saat ini tidak boleh diabaikan.

Pertama, celah kepemilikan. Listrik dan air menciptakan tambahan, AI merekonfigurasi stok. Rekonfigurasi itu sendiri memiliki nilai, tetapi prasyarat rekonfigurasi adalah "stok dapat digunakan tanpa bayar", prasyarat ini belum mencapai konsensus secara moral, juga belum mendapat konfirmasi akhir secara hukum.

Kedua, celah penetapan harga. "Layanan universal" utilitas publik berarti margin keuntungan rendah dan penetapan harga non-diskriminatif, sedangkan penetapan harga token bersifat pasar, berlapis, dan didefinisikan sepihak oleh pemasok. Keduanya hampir tidak memiliki irisan dalam logika bisnis.

Ketiga, celah tata kelola. Industri listrik dan air memiliki badan pengatur independen, akuntansi biaya transparan, dan mekanisme dengar pendapat harga dengan partisipasi publik. Industri AI saat ini kekurangan kerangka tata kelola publik dalam bentuk apa pun, aturan "biaya sesuai penggunaan" ditetapkan sendiri oleh beberapa perusahaan.

Bagi pengguna biasa, tren AI berbayar sesuai penggunaan tidak akan berubah dalam waktu dekat. Manfaat penurunan harga token berlanjut, tetapi "penggunaan semakin banyak" juga akan mengimbangi manfaat ini. Disarankan saat memilih alat AI, tidak hanya memperhatikan harga satuan, tetapi juga mengevaluasi tren perubahan volume penggunaan aktual Anda.

Bagi pengembang dan klien perusahaan, keterkendalian biaya untuk skenario konsumsi token tinggi seperti pembuatan kode, analisis teks panjang, lebih layak diperhatikan daripada harga satuan. Ketergantungan pada sistem penetapan harga token pemasok tunggal berarti struktur biaya sepenuhnya dikendalikan oleh pihak lain.

Bagi pencipta, penyebaran narasi "AI utilitas publik" sendiri adalah sebuah sinyal: kemungkinan karya Anda digunakan untuk pelatihan meningkat, sedangkan mekanisme untuk mendapatkan imbalan belum muncul. Infrastrukturisasi industri seharusnya tidak hanya membuat perusahaan model menjadi perusahaan listrik berikutnya, tetapi juga termasuk membangun mekanisme distribusi pendapatan data yang wajar dan dapat dilacak.

Fakta saat ini adalah: AI sedang berubah menjadi infrastruktur, tetapi belum menjadi utilitas publik. Gelar yang terakhir membutuhkan lebih banyak hal untuk mendukungnya, bukan hanya skala komputasi dan biaya token.

Pertanyaan Terkait

QMengapa pernyataan Sam Altman yang menyamakan AI dengan utilitas seperti listrik dan air memicu kontroversi hak cipta?

AKarena pernyataan tersebut menyiratkan bahwa orang akan membeli kecerdasan dari OpenAI berdasarkan jumlah token, sementara model AI mereka dilatih menggunakan data kreatif milik publik (seperti buku, artikel, dan karya seni) yang sering kali diambil tanpa izin atau kompensasi kepada penciptanya. Ini dipandang sebagai upaya memonopolisasi dan menjual kembali karya kolektif manusia tanpa membayar sumber aslinya.

QMenurut artikel, apa tujuan utama Sam Altman menggunakan analogi 'AI sebagai utilitas' dalam konteks Konferensi Infrastruktur BlackRock?

ATujuan utamanya adalah narasi untuk menarik investor infrastruktur, seperti dana pensiun dan dana infrastruktur. Dengan menyamakan AI dengan utilitas (listrik/air) yang membutuhkan aset berat, siklus panjang, dan arus kas stabil, OpenAI berharap dapat meyakinkan investor seperti BlackRock untuk mendanai proyek pusat data senilai miliaran dolar yang mereka butuhkan.

QApa perbedaan mendasar antara pembangunan utilitas tradisional (seperti listrik) dan pelatihan model AI menurut kritik dalam artikel?

AUtilitas tradisional seperti listrik dan air adalah 'pembangunan tambahan' (incremental), di mana infrastruktur baru (seperti bendungan, jaringan listrik) dibangun dari nol tanpa bergantung pada karya orang lain. Sebaliknya, pelatihan model AI adalah 'reorganisasi stok' (reorganization of存量), karena model dilatih dengan mengumpulkan dan menggunakan data yang sudah ada (karya kreatif manusia selama puluhan tahun) yang sering diambil tanpa izin atau kompensasi.

QBagaimana mekanisme penagihan berbasis token (token billing) AI berbeda dengan prinsip penetapan harga layanan utilitas publik?

AUtilitas publik umumnya memiliki kewajiban 'layanan universal' (universal service) dengan harga berdasarkan biaya plus margin terbatas yang diatur, tanpa diskriminasi penggunaan. Sebaliknya, penagihan token AI bersifat diskriminatif: harga token keluaran bisa 3-10 kali lebih mahal daripada token masukan, dan harga ditetapkan sepihak oleh penyedia. Pola 'harga turun, tetapi penggunaan dan total biaya naik' juga bertentangan dengan logika harga utilitas publik yang stabil dan terjangkau.

QMengapa pembelian data berlisensi oleh perusahaan AI (seperti kesepakatan OpenAI dengan Reddit) justru dapat melemahkan argumen 'penggunaan wajar' (fair use) mereka?

AKarena tindakan membayar untuk data lisensi secara tidak langsung menyangkal anggapan bahwa data pelatihan dapat diambil secara gratis di bawah 'penggunaan wajar'. Jika semua data dapat digunakan secara wajar dan gratis, tidak ada alasan untuk membeli lisensi mahal. Pembelian ini menunjukkan bahwa perusahaan AI sendiri mengakui nilai dan hak kepemilikan data, sehingga melemahkan dasar hukum mereka untuk menggunakan data tanpa izin dari sumber lain.

Bacaan Terkait

GitHub, Ditembus oleh AI

Tanggal 9 Februari pukul 12 malam WIB, GitHub mengalami gangguan global yang parah. Situs web, API, GitHub Actions, hingga Copilot semuanya down. Penyebabnya adalah perubahan sederhana: memperpendek waktu refresh cache dari 12 jam menjadi 2 jam, yang memicu badai penulisan ulang cache dan menyebabkan kegagalan berantai. Ini bukan insiden tunggal. Pada kuartal pertama 2026, GitHub mengalami setidaknya 8 gangguan besar. Polanya aneh: setiap kali penyebabnya berbeda, tetapi akar masalahnya sama: infrastruktur yang mulai retak di bawah beban baru yang sangat masif. Beban baru itu datang dari AI Agent. Pada 2026, jumlah commit mingguan mencapai 275 juta. Jika berlanjut, total tahunan bisa 14 miliar, atau 14 kali lipat dari tahun 2025. AI Agent seperti Claude Code sekarang menyumbang 4,5% dari semua commit publik. Mereka bekerja tanpa henti, menghasilkan PR dalam jumlah besar, dan memperlakukan repository sebagai "output" alih-alih "ruang kerja" manusia. Pola lalu lintas yang bisa diprediksi telah berubah total. Masalah lainnya adalah model bisnis. Harga flat Copilot tidak lagi sesuai karena sesi Agentic AI menghabiskan sumber daya yang sangat besar, jauh melebihi biaya langganan. Sejak 1 Juni, GitHub beralih ke model pembayaran berdasarkan penggunaan (AI Credits). Untuk mengatasinya, GitHub tidak sekadar menambah kapasitas, tetapi merancang ulang arsitektur untuk menanggung beban 30 kali dari skala saat ini. Mereka berencana memisahkan layanan penting, memperkenalkan mekanisme kontrol lalu lintas, dan menghilangkan titik kegagalan tunggal. Intinya, GitHub sedang berubah dari "alat kolaborasi manusia" menjadi "pipa pembuangan AI". Gangguan pada 9 Februari bukan sekadar kecelakaan, melainkan pertanda era baru di mana AI mengubah fundamental alur kerja pengembangan perangkat lunak.

marsbit12m yang lalu

GitHub, Ditembus oleh AI

marsbit12m yang lalu

Di Mana Sebenarnya Gelembung AI: Lapisan Mana yang Berenang Tanpa Pakaian?

**Gelembung AI Sebenarnya di Mana: Lapisan Mana yang Berenang Tanpa Pakaian** Pertanyaan yang tepat bukan "apakah ada gelembung AI?", tetapi "di lapisan mana gelembung AI itu?". Analisis mendetail terhadap rantai pasokan AI menunjukkan pola: **semakin dekat dengan kendala fisik, semakin kecil gelembungnya.** * **Lapisan Terbawah (L0) Aman:** **TSMC** bertindak sebagai "bank sentral" AI, mengontrol suplai chip dengan ketat. Ekspansi mereka konservatif, dibatasi oleh siklus pembangunan pabrik 3-5 tahun dan investasi miliaran dolar. **Kendala listrik** untuk data center juga membatasi ekspansi tanpa terkendali. Lapisan ini tidak mendukung gelembung. * **Lapisan Inti (Large Cap) Mahal, Tapi Kokoh:** Raksasa seperti Microsoft, Google, Meta, Amazon, dan NVIDIA memiliki **pendapatan nyata, kontrak nyata, dan utilisasi penuh**. Pertumbuhan pendapatan yang eksplosif (contoh: satu perusahaan dari $1B ke $450B dalam 18 bulan) mendukung valuasi, meski mahal. * **Area Pertarungan (L1 - Memori):** Profitabilitas HBM yang melonjak (hingga 70%) bisa menjadi awal siklus baru atau puncak "siklus babi" lama. Struktur oligopoli (hanya 3 pemain) mencegah ekspansi berlebihan, tetapi kenaikan harga yang didorong oleh spekulasi tetap menjadi risiko. * **Lapisan dengan Bau Gelembung:** * **L2 - Modul Optik (Fotonik):** Harga saham naik 4-10x, jauh melampaui pertumbuhan pendapatan (~60%). Ini adalah satu-satunya segmen hardware di mana suplai dapat merespons dengan cepat, menciptakan ruang bagi spekulasi. Teknologi seperti *co-packaged optics* juga mengancam model bisnis lama. * **L3 - Penyedia Cloud GPU "Tuan Tanah Kedua":** Mereka hidup dari **kelangkaan sementara** di antara raksasa cloud. Begitu kendala listrik dan ekspansi cloud besar mereda, atau teknologi seperti *data center luar angkasa* muncul, model bisnis mereka terancam. * **L4 - Ekor Panjang Aplikasi & Ekosistem VC:** Konsentrasi modal ventura di AI (>80% pada Q1) dua kali lipat lebih tinggi daripada puncak gelembung dotcom 1999. Banyak startup tanpa pendapatan yang solid meminjam logika valuasi perusahaan besar, menciptakan risiko **valuasi terbalik** saat pendanaan berikutnya turun. * **Risiko Sistemik Potensial:** 1. **Revolusi Efisiensi Algoritma:** Jika algoritma baru secara drastis mengurangi kebutuhan komputasi. 2. **Kredit GPU yang Dileverage:** Munculnya struktur pembiayaan di luar neraca (SPV) yang membungkus GPU sebagai agunan dapat menciptakan leverage tersembunyi, mengingatkan pada krisis 2008. 3. **TSMC Menjadi Kurang Konservatif:** Jika monopoli suplai chip canggih pecah dan ekspansi menjadi tidak terkendali. **Kesimpulan:** AI memiliki fondasi yang kuat di lapisan inti dengan permintaan nyata, tetapi terdapat tanda-tanda kepanikan dan valuasi berlebihan di lapisan yang lebih dekat ke aplikasi dan memiliki kendala suplai yang lebih longgar. **Gelembung tidak merata.** Kunci untuk menilai adalah dengan menanyakan: (1) Di lapisan mana sebuah entitas berada? (2) Apakah pendapatannya nyata atau dipinjam dari valuasi orang lain? (3) Apakah ia menghasilkan uang dari struktur yang berkelanjutan atau hanya dari kelangkaan sementara? Selama TSMC dan kendala fisik lainnya tetap menjadi "penjaga", gelembung sistemik dapat dihindari.

marsbit18m yang lalu

Di Mana Sebenarnya Gelembung AI: Lapisan Mana yang Berenang Tanpa Pakaian?

marsbit18m yang lalu

Keduanya Menderita Kerugian Lebih dari 90 Miliar Dolar, Mana yang Lebih Berbahaya, Strategy atau Bitmine?

**Bitmine dan Strategy Rugi Miliaran Dolar, Siapa Lebih Berisiko?** Dalam pasar yang terus turun, dua raksasa perusahaan aset kripto berbasis perbendaharaan (DAT), Strategy dan Bitmine, menghadapi kerugian mengambang yang sangat besar. Saat ini, Strategy dilaporkan rugi sekitar 100 miliar dolar AS, sementara Bitmine sekitar 90 miliar dolar AS. Meski sama-sama rugi, tekanan keuangan keduanya berbeda. Bitmine terutama mendanai pembelian ETH melalui penerbitan saham, tanpa utang besar. Perusahaan ini masih memiliki cadangan tunai sekitar 446 juta dolar AS dan pendapatan dari staking ETH. Mereka juga berencana mengumpulkan 300 juta dolar AS lagi melalui penerbitan saham prioritas. Sebaliknya, Strategy membeli BTC dengan menggunakan utang besar, termasuk sekitar 6,7 miliar dolar AS dalam obligasi konversi. Perusahaan ini juga memiliki kewajiban membayar dividen saham prioritas (STRC) yang besar, sekitar 1,7 miliar dolar AS per tahun. Dengan cadangan tunai yang terbatas, Strategy menghadapi tekanan likuiditas yang signifikan jika harga BTC terus turun, berpotensi memaksa mereka menjual BTC untuk memenuhi kewajiban. Kesimpulannya, meski kedua perusahaan menghadapi tekanan pasar, **Strategy dianggap lebih berisiko karena struktur pendanaan berbasis utang dan kewajiban dividen yang memberatkan,** sementara Bitmine memiliki posisi keuangan yang lebih fleksibel.

marsbit20m yang lalu

Keduanya Menderita Kerugian Lebih dari 90 Miliar Dolar, Mana yang Lebih Berbahaya, Strategy atau Bitmine?

marsbit20m yang lalu

Trading

Spot
Futures
活动图片