Xpeng dan Nio Gencar di Komputasi, Ideal Ganti Arsitektur

marsbitDipublikasikan tanggal 2026-06-16Terakhir diperbarui pada 2026-06-16

Abstrak

Pada 15 Juni, Li Auto memperkenalkan chip self-driving buatan sendiri, Ma He M100, yang dikembangkan khusus untuk L9 Livis generasi baru. CTO Li Auto, Xie Yan, menekankan bahwa fokusnya bukan hanya meningkatkan kecepatan, tetapi mengubah arsitektur chip secara fundamental. Di tengah tren produsen mobil yang berlomba-lomba mengembangkan chip sendiri pada tahun 2026, pesaing seperti Nio (chip Shenji NX9031), Xpeng (chip Turing), dan Huawei (MDC 810 Pro) umumnya mengandalkan angka TOPS (komputasi) sebagai senjata pemasaran utama. Namun, Li Auto memilih jalur berbeda dengan mengubah logika arsitektur dasar dari chip tersebut. Ma He M100 mengadopsi arsitektur Dynamic Data Flow, bukan arsitektur von Neumann tradisional. Pendekatan ini dirancang untuk komputasi paralel matriks berskala besar yang diperlukan untuk inferensi model AI (seperti VLA), dengan mengurangi bolak-balik data antara memori dan unit pemrosesan. Hasil klaim Li Auto adalah efisiensi komputasi efektif 3 kali lipat dibandingkan Nvidia Thor U dan penurunan latency 40%. Keberhasilan arsitektur ini mendapat pengakuan eksternal melalui penerimaan makalahnya di konferensi akademis bergengsi ISCA 2026. Namun, keunggulan 3x ini sangat tergantung pada algoritma Li Auto (VLA2.1) dan mungkin tidak berlaku untuk tugas komputasi umum. Dengan chip ini, Li Auto menyelesaikan rantai teknologi "full-stack" yang meliputi chip, compiler, sistem operasi (Star Ring OS), model AI, dan pengontrol domain, menciptakan ekosistem tertutu...

Pada 15 Juni, Ideal Motors secara rinci mengungkap detail chip swarancangnya, Mache M100, dalam konferensi pers. Ini adalah chip kecerdasan mengemudi swarancang untuk generasi baru L9 Livis. CTO Xie Yan menekankan: Tidak boleh hanya membuat chip yang lebih cepat dari sebelumnya, melainkan perlu membuat chip yang benar-benar berbeda. "Berbeda" ini merujuk pada arsitektur chip.

Di tahun 2026, ketika produsen mobil berbondong-bondong mengembangkan chip swarancang, TOPS adalah amunisi promosi yang paling sering digunakan oleh semua pihak. Nio Shenji NX9031, Xpeng Turing, Huawei MDC 810 Pro, semuanya menempatkan angka komputasi di posisi yang paling mencolok. Ideal memilih untuk mengubah dari arsitektur dasar.

Mache M100 ingin membuktikan bahwa arsitektur lebih penting daripada angka komputasi. Namun, benar atau tidaknya, masih perlu diuji oleh pasar.

01. Perbedaan Membuat Chip di Bawah Inflasi Komputasi

Mengembangkan chip swarancang telah menjadi pilihan bersama bagi produsen mobil terkemuka di dalam negeri.

Nio Shenji NX9031 adalah chip kecerdasan mengemudi kinerja tinggi 5nm pertama di dunia. Keunikannya terletak pada ISP swarancang, dengan tingkat pengenalan pejalan kaki pada kondisi cahaya rendah 1 lux di malam hari 40% lebih tinggi dibandingkan chip generik, memperkuat lapisan persepsi secara khusus.

Chip Turing Xpeng juga sangat terkustomisasi, dirancang khusus untuk model kecerdasan mengemudi besar Xpeng, dan berencana untuk diperluas ke mobil terbang dan robot.

Huawei mengambil jalan lain, menggunakan Ascend untuk MDC, menekankan keselarasan penuh antara pelatihan di cloud dan inferensi di kendaraan, "satu menit latihan di cloud, satu menit mengikuti di kendaraan".

Beberapa perusahaan ini adalah varian dari arsitektur von Neumann: unit pemrosesan pusat, data dipindahkan bolak-balik antara unit komputasi dan memori. Semakin maju proses manufakturnya, semakin cepat pemindahannya, tetapi Mache M100 ingin mengubah hal itu sendiri.

02. Mengubah Logika Dasar

Arsitektur von Neumann tidak bermasalah di era komputasi umum, tetapi inferensi model besar adalah bentuk komputasi lain. Inferensi VLM adalah paralelisme matriks skala besar, bukan menjalankan instruksi secara berurutan. Hambatan hampir seluruhnya ada pada bandwidth memori, hilangnya data yang keluar masuk memori berulang kali langsung menelan sebagian besar komputasi efektif.

Gagasan arsitektur aliran data dinamis adalah membiarkan data mengalir sepanjang grafik komputasi, tanpa perlu berulang kali disimpan kembali ke memori. Hasil yang diberikan Ideal adalah, komputasi efektif tunggal Mache M100 kira-kira 3 kali lipat dari NVIDIA Thor U, dengan penundaan ujung ke ujung turun 40%.

Seberapa dapat dipercaya angka "3 kali lipat" ini? Ada satu validasi eksternal yang bisa dijadikan referensi. Makalah arsitektur Mache M100 terpilih untuk bagian industri ISCA 2026. ISCA adalah konferensi akademik top di bidang arsitektur komputer, makalah di bagian industri melalui tinjauan sejawat, detail desain arsitektur terbuka untuk umum. Ideal adalah perusahaan mobil pertama yang terpilih sejak bagian industri ini didirikan.

Tetapi angka 3 kali lipat ini memiliki prasyaratnya. Komputasi efektif bergantung pada beban kerja spesifik. Angka 3 kali lipat yang dihasilkan pada algoritma VLA2.1 Ideal, belum tentu berlaku pada sistem lain. Mache M100 adalah chip native algoritma, chip dan model dikembangkan secara bersamaan, diadaptasi secara mendalam untuk algoritma sendiri. Paling kuat untuk menjalankan model sendiri, belum tentu untuk tugas umum.

Ini memiliki logika desain yang mirip dengan Turing Xpeng, chip FSD Tesla juga seperti ini. Perbedaannya adalah, Tesla dan Xpeng tidak melakukan perubahan paradigma di tingkat arsitektur, Mache M100 mengubah logika dasarnya. Apakah perusahaan mobil dapat membuat arsitektur baru yang dapat diandalkan untuk produksi massal, itu sendiri adalah tantangan tanpa preseden.

Dengan diluncurkannya Mache M100, Ideal telah menyelesaikan swarancang penuh tumpukan: chip, compiler, sistem operasi, algoritma AI, dan pengontrol domain. Lingkaran tertutup ini jarang terlihat di antara rekan-rekan.

Nio memiliki chip swarancang tetapi ketergantungan pada OS berbeda, Xpeng memiliki chip swarancang tetapi compiler dan OS masih memiliki ketergantungan eksternal, Huawei adalah lingkaran tertutup tetapi bukan perusahaan mobil. Makna strategis rantai Ideal ini terletak pada kemampuannya agar tidak dikendalikan rantai pasok oleh NVIDIA, data tidak keluar dari platformnya sendiri, ruang optimasi kerja sama perangkat lunak dan keras sepenuhnya mandiri.

03. Menduduki Posisi "Kecerdasan Berwujud" Terlebih Dahulu

Chip hanyalah salah satu protagonis konferensi pers. Li Xiang juga mengusulkan definisi "mobil kecerdasan berwujud empat dalam satu" dalam konferensi pers: sebuah mobil listrik, seorang pengemudi profesional, sebuah komputer AI, dan seorang asisten kehidupan.

Ini adalah lompatan yang cukup besar dari narasi merek Ideal sebelumnya.

Pada 2023, L9 menembus pasar 300-500 ribu RMB dengan "SUV keluarga besar enam kursi", dan lini produk generasi pertama mengikutinya. Masalah dengan posisi ini adalah biaya replikasinya terlalu rendah. AITO M9, Nio ES9, Zeekr 9X semuanya masuk, kulkas, TV, dan sofa besar menjadi standar industri, tidak ada yang bisa menciptakan jarak, hanya perang harga yang tersisa.

"Mobil kecerdasan berwujud" memindahkan dimensi persaingan dari konfigurasi ke kemampuan sistem. Dalam kerangka ini, kulkas dan layar belakang adalah konfigurasi dasar, titik perbedaan menjadi "sistem siapa yang bisa merasakan, berpikir, dan tumbuh". Mendefinisikan kategori itu sendiri adalah aset strategis, siapa yang mengatakannya terlebih dahulu menduduki posisi.

Ideal melengkapi narasi ini dengan rantai teknologi yang relatif lengkap. Landasan komputasi Mache M100, model kecerdasan mengemudi besar Mache VLA2.1, model dasar sisi perangkat Mache Mind-Pro dan Mind-Edge, OS Bintang (Star Ring) menghubungkan seluruh tumpukan, setiap lapisan memiliki produk yang sesuai untuk diluncurkan.

Konferensi pers mendemonstrasikan kendaraan bergerak mengikuti irama musik, simulator balap 4D, parkir dengan perintah, ini adalah pengalaman yang dapat dirasakan. Li Xiang juga mengatakan dalam konferensi pers, mengemudi otonom hanyalah "babak pertama" kecerdasan berwujud, robot humanoid umum adalah "babak kedua", tetapi jadwal dan jalur implementasi spesifik babak kedua belum jelas.

04. Perintah Militer Q4

Ada juga pernyataan kunci dalam konferensi pers, model kecerdasan mengemudi besar Mache VLA Ideal akan sepenuhnya menyamai Tesla FSD V14 pada Q4 tahun ini.

Gaya konsisten Li Xiang adalah komitmen publik, menggunakan tekanan eksternal untuk memaksa eksekusi internal. Setelah mengatakan akan menyamai FSD V14 di Q4, semua orang akan mengukur dengan tolok ukur ini di akhir tahun.

Secara rute, Ideal dan Tesla memilih struktur yang sangat mirip: ujung ke ujung + model besar VLA + terutama penglihatan murni. Huawei mengambil jalan sensor laser + fusi multi-sensor + campuran aturan dan jaringan saraf, stabil untuk implementasi rekayasa jangka pendek, kebutuhan komputasi rendah. Tetapi dalam jangka panjang, jika rute penglihatan murni + model besar akhirnya menang, sistem Huawei akan menghadapi biaya peralihan yang lebih besar. Ideal bertaruh pada keyakinan teknologi yang sama dengan Tesla, apakah penilaian ini benar sekarang, harus dilihat di akhir tahun.

Janji OTA semester kedua spesifik hingga bulan. Juli peningkatan efisiensi kecerdasan mengemudi 30%, September realisasi pertemuan di jalan sempit dan mundur memberi jalan, Desember kecepatan reaksi kendaraan dikurangi menjadi 0,2 detik. Setiap titik memiliki indikator teknis yang jelas, akan ada data untuk dibandingkan di akhir tahun.

05. Beberapa Data di Luar Konferensi Pers

Saat ini kondisi keuangan Ideal tidak mudah. Sejak Q4 2025, pendapatan Ideal turun secara tahunan, margin kotor bisnis mobil menyempit secara nyata. Sementara itu, anggaran R&D 2026 dipertahankan sekitar 12 miliar RMB, dengan bagian terkait AI sekitar 50%, pada dasarnya sama dengan 11,3 miliar RMB dan 50% bagian pada 2025. Investasi R&D tidak berkurang, tekanan profitabilitas masih ada.

Dalam hal penjualan, target Ideal untuk 2026 adalah 550 ribu unit. Pengiriman aktual 2025 adalah 406 ribu unit, pengiriran bulanan Mei 33 ribu unit, masih turun secara tahunan. L9 Livis mendapatkan lebih dari 10 ribu pemesanan tetap dalam dua minggu setelah peluncuran, kinerja pasar di atas 500 ribu RMB stabil, tetapi volume pengiriman keseluruhan masih perlu digantikan oleh pembaruan seluruh seri L dan lini produk listrik murni yang dirilis pada semester kedua.

Di tingkat chip, Mache M100 yang terikat dalam dengan algoritma sendiri adalah pilihan desain, membawa keunggulan efisiensi kerja sama perangkat lunak dan keras. Ini juga berarti, jika rute teknologi perlu disesuaikan di masa depan, biaya peralihan akan lebih tinggi daripada produsen yang menggunakan skema chip pihak ketiga. Turing Xpeng dan Shenji Nio menghadapi situasi serupa, chip FSD Tesla juga demikian, ini adalah kesamaan industri chip native algoritma swarancang.

06. Kartu Terungkap di Kuartal Ketiga

Peluncuran L9 baru, diikuti L8, titik OTA pertama Juli, efektivitas awal tindakan ini akan terlihat dalam laporan keuangan Q3.

Xie Yan mengatakan, dia perlu membuat chip yang benar-benar berbeda. Makalah arsitektur lolos tinjauan sejawat, dapat dianggap sebagai pengakuan eksternal terhadap gagasan desain ini. Tetapi dari desain ke produksi massal, hingga umpan balik nyata dalam mengemudi sehari-hari pengguna, masih ada jalan panjang. Titik OTA Juli adalah ujian pertama, menyamai FSD V14 di akhir tahun adalah ujian yang lebih kritis.

Artikel ini dari akun WeChat "Qiang Diao Next" (ID: leo89203898), penulis: Yi Xiu, editor: Xiao Bai

Pertanyaan Terkait

QMengapa Li Auto memilih untuk merombak arsitektur chip daripada hanya meningkatkan angka TOPS dalam mengembangkan chip M100?

ALi Auto percaya bahwa dalam era komputasi AI, khususnya untuk inferensi model besar seperti VLA, arsitektur chip yang ada menjadi hambatan karena perpindahan data yang berulang antara memori dan unit komputasi. Oleh karena itu, mereka memilih untuk mengembangkan arsitektur 'Dynamic Data Flow' yang memungkinkan data mengalir melalui grafik komputasi, mengurangi latensi dan meningkatkan efisiensi, sehingga memberikan keunggulan efektif yang lebih besar daripada sekadar meningkatkan kecepatan chip.

QApa yang dimaksud dengan 'kendaraan berbasis kecerdasan fisik' (embodied intelligent car) yang diusung oleh Li Auto, dan mengapa ini dianggap sebagai strategi baru mereka?

AKonsep 'kendaraan berbasis kecerdasan fisik' dari Li Auto didefinisikan sebagai gabungan dari mobil listrik, supir profesional, komputer AI, dan asisten kehidupan. Strategi ini menggeser fokus persaingan dari spesifikasi konfigurasi (seperti kulkas dan layar belakang) ke kemampuan sistem untuk merasakan, berpikir, dan berkembang. Dengan mendefinisikan kategori baru ini, Li Auto berusaha untuk memimpin dan mengokohkan posisinya di pasar yang semakin kompetitif, menghindari perang harga yang hanya berfokus pada konfigurasi.

QApa komitmen yang dibuat Li Auto terkait dengan model AI mengemudi otonom mereka, Maha VLA, untuk kuartal keempat tahun ini?

ALi Auto berkomitmen bahwa model AI mengemudi otonom mereka, Maha VLA, akan sepenuhnya setara dengan Tesla FSD V14 pada kuartal keempat tahun ini. Mereka juga menjadwalkan pembaruan OTA yang jelas, termasuk peningkatan efisiensi mengemudi otonom sebesar 30% pada bulan Juli, kemampuan mundur dan memberi jalan di jalan sempit pada bulan September, serta mengurangi waktu reaksi kendaraan menjadi 0,2 detik pada bulan Desember.

QApa tantangan dan keunggulan utama dari chip Maha M100 yang dikembangkan sendiri oleh Li Auto?

AKeunggulan utama Maha M100 terletak pada arsitektur 'Dynamic Data Flow' yang secara khusus dioptimalkan untuk algoritma VLA2.1 mereka, menghasilkan efisiensi komputasi yang lebih tinggi dan latensi yang lebih rendah dibandingkan dengan chip konvensional. Namun, tantangannya adalah bahwa chip ini sangat terikat dengan algoritma internal Li Auto. Jika ada perubahan besar dalam jalur teknologi di masa depan, biaya untuk beralih akan lebih tinggi dibandingkan dengan menggunakan solusi chip dari pihak ketiga. Selain itu, mengimplementasikan arsitektur baru ini hingga tahap produksi massal yang andal juga merupakan tantangan tanpa preseden di industri ini.

QBagaimana kondisi keuangan dan target penjualan Li Auto pada tahun 2026, berdasarkan artikel tersebut?

APada tahun 2026, Li Auto menargetkan penjualan 550.000 unit. Namun, kondisi keuangannya tidak ringan: sejak kuartal keempat 2025, pendapatan mereka turun secara tahunan dan margin keuntungan dari bisnis mobil menyempit. Meskipun demikian, anggaran penelitian dan pengembangan mereka tetap dipertahankan sekitar 12 miliar yuan, dengan sekitar 50% dialokasikan untuk AI. Pre-order untuk L9 Livis melebihi 10.000 unit dalam dua minggu, menunjukkan performa yang kuat di segmen pasar di atas 500.000 yuan, namun untuk mencapai target keseluruhan, mereka bergantung pada pembaruan seluruh seri L dan peluncuran lini produk listrik murni di paruh kedua tahun ini.

Bacaan Terkait

Setelah Aset Ditokenisasi, Bagaimana Cara Keluarnya?

Setelah aset di-tokenisasi, masalah setengah lainnya yang belum terpecahkan adalah bagaimana cara keluar atau menebusnya dengan cepat. Artikel ini membahas tiga model arsitektur likuiditas instan untuk aset tokenisasi (RWA) dan membandingkan kekurangan serta keunggulannya. Tiga model tersebut adalah: 1. **Model Neraca (Contoh: Grove Basin):** Menyediakan likuiditas instan dari cadangan satu entitas tunggal (neraca). Cocok untuk aset seperti Treasury yang penyelesaiannya cepat, tetapi kapasitas terbatas pada satu neraca dan aksesnya terbatas. 2. **Model Brankas Khusus Aset (Contoh: Upshift Clear):** Likuiditas disediakan oleh Penyedia Likuiditas (LP) independen ke dalam brankas terpisah untuk setiap aset yang didukung. Lebih fleksibel dan memisahkan risiko, tetapi modal terisolasi per aset sehingga kurang efisien. 3. **Model Lapisan Likuiditas Bersama (Contoh: Symbiotic Liquid Lane):** Menggunakan lapisan likuiditas bersama yang didanai oleh banyak penyedia modal untuk mendukung berbagai jenis aset sekaligus. Modal digunakan secara efisien dengan tetap menghasilkan pendapatan di antara peristiwa penebusan, dan penyelesaiannya melalui pasar RFQ kompetitif. Dirancang untuk aset likuiditas lebih rendah seperti kredit privat. Kesimpulannya, untuk skala pasar yang luas, diperlukan infrastruktur likuiditas bersama yang efisien, fleksibel, dan dapat tumbuh bersama partisipasi pasar—seperti yang dituju Liquid Lane—bukan solusi terpisah untuk setiap aset atau penerbit.

链捕手1m yang lalu

Setelah Aset Ditokenisasi, Bagaimana Cara Keluarnya?

链捕手1m yang lalu

Tahun Pertama Penerapan AI, Hanya Bilang Iya, Abai Risiko? Log Pelayaran Pengembangan Perangkat Lunak Sepenuhnya Sumber Terbuka

Tahun 2026 disebut sebagai era aplikasi AI. Kode dibuat semakin cepat, namun dengan pengawasan yang semakin sedikit saat diterapkan. Risiko dari kode yang ditulis AI sering kali tersembunyi dalam kode yang tampak benar secara sintaksis dan melewati semua pemeriksaan, tetapi dapat menyebabkan kebocoran data atau kerugian aset. Contoh nyata adalah insiden konfigurasi oracle cbETH Moonwell, di mana kesalahan semantik dalam harga melewati proses pengembangan dan pemeriksaan, mengakibatkan kerugian finansial yang signifikan. Risiko pengkodean AI telah berevolusi dari pelengkap lokal ke agen yang dapat membaca file, mengubah konfigurasi, menginstal dependensi, dan menghasilkan skrip infrastruktur, sehingga menciptakan jalur risiko yang lebih panjang dan sulit dilacak dalam rekayasa perangkat lunak. Untuk mengatasi masalah ini, Narwhal-Lab Universitas Peking meluncurkan proyek sumber terbuka **Narwhal AI Code Risks**. Proyek ini mengumpulkan dan mengkategorikan fragmen informasi risiko yang tersebar ke dalam tiga lapisan: `cases/` (peristiwa nyata), `inferred/` (sinyal awal), dan `scenarios/` (skenario risiko tipikal). Risiko diklasifikasikan menjadi 7 kategori: Rantai Pasok, Kerentanan Tingkat Kode, Konfigurasi Cloud & Infrastruktur, Risiko Agen, Risiko Domain Vertikal, Risiko Kekayaan Intelektual & Kepatuhan, serta Faktor Manusia. Tujuan proyek ini adalah untuk mengubah kasus risiko menjadi pengetahuan yang dapat digunakan kembali, membantu pengembang mengidentifikasi masalah serupa, menjadi basis sampel bagi peneliti keamanan, serta menyediakan aturan deteksi dan tolok ukur bagi vendor alat. Dengan menyediakan "log pelayaran" sumber terbuka untuk dunia perangkat lunak, proyek ini bertujuan untuk mencatat dan meneruskan pengalaman, sehingga pihak lain tidak perlu terjebak dalam perangkap yang sama.

marsbit1j yang lalu

Tahun Pertama Penerapan AI, Hanya Bilang Iya, Abai Risiko? Log Pelayaran Pengembangan Perangkat Lunak Sepenuhnya Sumber Terbuka

marsbit1j yang lalu

Landasan Valuasi Triliunan Dollar SpaceX: Siapa yang Mengambil Alih Pengeluaran Modal Tahunan Ratusan Miliar Milik Musk?

Penulis berpendapat bahwa peluang investasi terbesar dalam eksplosifnya SpaceX saat ini bukan pada saham SpaceX itu sendiri (yang mahal dan masih rugi), melainkan pada para pemasoknya. Ini mengikuti pola sejarah seperti rantai pasokan Apple, Tesla, dan NVIDIA, di mana perusahaan "super terminal" mendorong pertumbuhan luar biasa bagi pemasoknya. SpaceX mengalokasikan ratusan miliar dolar untuk pengeluaran modal tahunan, didanai terutama oleh bisnis Starlink yang menguntungkan. Uang ini dialirkan ke pengembangan roket (untuk menurunkan biaya peluncuran) dan AI/pusat data orbital. Pesanan pembelian besar-besaran ini mengalir ke tiga jenis pemasok: 1. **Pengganti yang Sulit:** NVIDIA (GPU & CUDA), Eutelsat (spektrum satelit), Filtronic (penguat sinyal), Materion (berilium), STMicroelectronics (chip antena). 2. **Pengganti yang Mahal:** Honeywell (kontrol penerbangan), Carpenter Technology (baja khusus), Hexcel (serat karbon), Broadcom (pertukaran data). 3. **Pemasok Produksi Massal:** Wistron NeWeb (perakitan terminal Starlink), dan beberapa perusahaan Tiongkok seperti Shenzhen Sunway (konektor), Paixin New Materials (tempaan), Western Superconductor (paduan niobium), Yingliu Co. (cetakan), serta perusahaan seperti Trimble (sinkronisasi waktu) dan Astronics (distribusi daya). Mengapa sekarang adalah saat yang tepat? (1) Volume pembelian SpaceX baru akan meningkat pesat (target 100 peluncuran/tahun, 3000 juta terminal Starlink). (2) Transparansi data melalui IPO memungkinkan pelacakan pesanan. (3) Siklus rantai pasokan mirip dengan tahap awal Tesla (sekitar 2018), menawarkan peluang pertumbuhan jangka panjang. Kesimpulannya, alih-alih membeli saham SpaceX yang fantastis, investor dapat mempertimbangkan perusahaan-perusahaan di balik layar yang menerima pesanan besar dan stabil, terlepas dari volatilitas harga saham SpaceX. Namun, setiap perusahaan perlu dianalisis secara individual dengan mempertimbangkan risiko seperti siklus komoditas, geopolitik, dan perubahan teknologi.

marsbit1j yang lalu

Landasan Valuasi Triliunan Dollar SpaceX: Siapa yang Mengambil Alih Pengeluaran Modal Tahunan Ratusan Miliar Milik Musk?

marsbit1j yang lalu

Trading

Spot
Futures

Artikel Populer

Cara Membeli HOUSE

Selamat datang di HTX.com! Kami telah membuat pembelian Housecoin (HOUSE) menjadi mudah dan nyaman. Ikuti panduan langkah demi langkah kami untuk memulai perjalanan kripto Anda.Langkah 1: Buat Akun HTX AndaGunakan alamat email atau nomor ponsel Anda untuk mendaftar akun gratis di HTX. Rasakan perjalanan pendaftaran yang mudah dan buka semua fitur.Dapatkan Akun SayaLangkah 2: Buka Beli Kripto, lalu Pilih Metode Pembayaran AndaKartu Kredit/Debit: Gunakan Visa atau Mastercard Anda untuk membeli Housecoin (HOUSE) secara instan.Saldo: Gunakan dana dari saldo akun HTX Anda untuk melakukan trading dengan lancar.Pihak Ketiga: Kami telah menambahkan metode pembayaran populer seperti Google Pay dan Apple Pay untuk meningkatkan kenyamanan.P2P: Lakukan trading langsung dengan pengguna lain di HTX.Over-the-Counter (OTC): Kami menawarkan layanan yang dibuat khusus dan kurs yang kompetitif bagi para trader.Langkah 3: Simpan Housecoin (HOUSE) AndaSetelah melakukan pembelian, simpan Housecoin (HOUSE) di akun HTX Anda. Selain itu, Anda dapat mengirimkannya ke tempat lain melalui transfer blockchain atau menggunakannya untuk memperdagangkan mata uang kripto lainnya.Langkah 4: Lakukan trading Housecoin (HOUSE)Lakukan trading Housecoin (HOUSE) dengan mudah di pasar spot HTX. Cukup akses akun Anda, pilih pasangan perdagangan, jalankan trading, lalu pantau secara real-time. Kami menawarkan pengalaman yang ramah pengguna baik untuk pemula maupun trader berpengalaman.

460 Total TayanganDipublikasikan pada 2025.04.27Diperbarui pada 2026.06.02

Cara Membeli HOUSE

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 HOUSE (HOUSE) disajikan di bawah ini.

活动图片