{ "type": "tldr", "lang": "zh", }"lang": "zh",[TL;DR Pilihan Harian] Saya akan bilang jujur: ketika Sam Altman menyebut DRAM yang lama menganggur di komputermu sebagai "sangat buruk" dalam penggunaan sumber daya, dia sebenarnya tidak hanya membicarakan memori—tapi mengajukan pertanyaan lebih besar: siapa yang seharusnya menguasai kekuatan komputasi, agen, dan infrastruktur di masa depan? Komputer pribadimu yang sesekali menjalankan model, atau pusat data云端 yang terus-menerus memaksimalkan pemanfaatan? Pernyataannya tajam, jadi wajar jika komunitas langsung heboh. 🍺 Wawancara ini penuh informasi. Secara permukaan membahas 'AI lokal vs AI云端', tapi intinya membahas tiga hal: Pertama, AI sedang mengembalikan chip, memori, energi, dan pusat data sebagai sumber daya strategis; Kedua, masalah keamanan sudah bukan lagi masalah kecil yang bisa diatasi dengan patch, tapi mungkin memerlukan penulisan ulang seluruh tumpukan teknologi; Ketiga, imajinasi Altman tentang masyarakat masa depan bukanlah satu superinteligensi ilahi yang menguasai segalanya, melainkan sekelompok besar agen "sedikit lebih cerdas dari manusia" yang saling menyeimbangkan dan bekerja sama. Dengan kata lain, ia menginginkan bukan Tuhan digital, tapi seluruh masyarakat agen. 📌 Memori Jangan Menganggur? Altman Ingin Menyimpan Semua DRAM di云端 • Altman secara langsung mengatakan: menyimpan DRAM yang langka di komputer pribadi dengan tingkat penggunaan hanya 5% adalah "sangat buruk" dari sudut pandang alokasi sumber daya global. • Logikanya sederhana: karena memori, kekuatan komputasi, dan kapasitas wafer hulu semuanya terbatas, sumber daya harus dikonsentrasikan di pusat data云端 untuk memaksimalkan tingkat pemanfaatan. • Pernyataan ini juga menyentuh titik kontroversial—karena ini bukan hanya soal efisiensi, tapi juga apakah pengguna akan semakin kehilangan kedaulatan atas perangkat keras dan perangkat lunak lokal, lalu bergantung pada "AI yang disewa". • Jangan lupa, memori yang digunakan di PC, ponsel, dan kartu akselerasi AI meskipun tidak identik, tetap bersaing dalam kapasitas produksi hulu. Siapa yang memesan dalam jumlah besar biasanya punya lebih banyak kekuatan. Realistis, dan sangat kapitalis. 📌 Pasar Tidak Memperbaiki Kelangkaan Secara Otomatis, Altman Bilang "Tangan Tak Terlihat Gagal" • Ia berpendapat produsen memori terlalu konservatif dalam memperluas produksi, bukan karena tidak menguntungkan, tapi karena trauma historis yang dalam—industri ini lama sekali terasa seperti "menghabiskan $20 miliar capex untuk mendapat laba $1,9 miliar". • Menurutnya, saat ini produsen mungkin bisa menghasilkan sekitar $100 miliar arus kas bebas per tahun, tetapi bayangan kegagalan akibat pembangunan pabrik berlebihan di masa lalu masih menghantui, sehingga mereka enggan berkembang agresif. • Maka kesimpulannya: permintaan akan memori, chip, dan energi di era AI meledak, tetapi mekanisme pasar tradisional terlalu lambat merespons. • Strategi OpenAI pun sangat keras: merancang chip sendiri, membangun pusat data sendiri, melibatkan robot dalam pembangunan infrastruktur, bahkan mengusulkan konsep "pusat data yang bisa mereplikasi dirinya sendiri"—di mana AI mengendalikan robot untuk mengoperasikan pabrik wafer dan membangun listrik serta pusat data. Terdengar seperti film fiksi ilmiah, tapi jelas ia tidak bercanda. 📌 Keamanan AI Sedang Memasuki Tahap "Patch Tidak Cukup Lagi" • Mengenai gelombang kerentanan perangkat lunak yang baru-baru ini menimbulkan kekhawatiran, penilaian Altman sangat dingin: kemampuan model besar untuk menemukan kerentanan akan terus meningkat pesat, sementara kode internet sangat luas. • Artinya, ketika AI digunakan secara sistematis untuk memindai kode, kita mungkin menemukan bahwa "kerentanan serius jauh lebih banyak dari yang diperkirakan". • Kesimpulannya bukanlah merekrut lebih banyak insinyur keamanan, tapi pendekatan yang lebih radikal: router, sistem operasi, dan lapisan aplikasi mungkin perlu dibangun ulang untuk dunia di mana "kerentanan juga menjadi cerdas". • Mengenai mengurung model superkuat dalam "sandbox tingkat keamanan tertinggi"? Ia tidak optimis. Sandbox, pemantauan, peninjauan rantai pemikiran, dan pemantauan aktivasi hanya bisa bertahan sementara—pada akhirnya semua kembali pada pertanyaan: "Apakah Anda benar-benar percaya alignment?" Masalah ini tidak bisa diselesaikan hanya dengan menempelkan stiker. 📌 Ledakan Kecerdasan Tidak Akan Hanya Satu Mesin Ilahi, Tapi Seluruh Masyarakat Agen • Altman secara eksplisit menyatakan bahwa ia tidak suka istilah "agent swarms", lebih suka menyebutnya "agent teams". Pemilihan kata bukan hanya soal estetika, tapi logika tata kelola: tim berarti kolaborasi sekaligus saling menyeimbangkan. • Penilaian intinya sangat menarik: alih-alih membiarkan satu superinteligensi tunggal dengan IQ triliunan masuk ke masyarakat, ia lebih suka melihat "triliunan agen AI yang sedikit lebih cerdas dari manusia" bergabung dengan masyarakat. • Alasannya adalah robustness. Masyarakat manusia bisa berjalan bukan karena ada satu otak serba tahu, tapi karena banyak individu saling membatasi, berbagi tugas, dan memperbaiki kesalahan. • Pendekatan ini secara tak langsung sangat mirip dengan semangat dasar AgentFi—nilai, kekuasaan, dan kemampuan eksekusi sebaiknya tersebar di jaringan agen kolaboratif yang banyak, bukan dikunci dalam satu otak terpusat. 📌 Penelitian Ilmiah Sedang Diubah oleh AI, Kurva Biaya Juga Dihitung Ulang • Altman menyebut contoh ekstrem tapi penting: sebuah pembuktian terkait Navier-Stokes memakan biaya sekitar $10 juta per percobaan, dan sempat "keluar kendali selama seminggu". • Namun prediksinya: dalam setahun mendatang dengan model yang lebih cerdas dan metode yang lebih matang, biayanya bisa turun menjadi 1/100. • Ini mencerminkan tren: di era GPT-4 dulu, mengalokasikan $1 biaya komputasi untuk satu masalah saja sulit; kini dengan chain of thought dan tim agen, sistem sudah bisa melakukan ribuan kali "pemikiran intens" secara paralel. • Yang lebih mengejutkan adalah emosi yang ia ungkapkan—antusiasme, kurang tidur, keterkejutan—sekaligus sedikit kesedihan. Karena jika banyak soal paling sulit dalam karier ilmiah mulai dipecahkan oleh model secara massal, maka identitas ilmuwan, rasa pencapaian, dan jalur pelatihan mereka akan didefinisikan ulang. 📌 Model Bisnis Juga Harus Berubah: Pengguna Ingin "AI yang Mengerjakan Tugas untuk Saya", Bukan Lebih Banyak Form Web • Altman menilai "saat Macintosh" untuk agen pribadi belum tiba. Orang merasa produk-produk ini keren, tapi belum sampai pada tingkat "tidak bisa hidup tanpanya". • Pemenang sebenarnya mungkin bukan yang paling banyak fitur, tapi yang paling andal—yang bisa menangani tugas kompleks dan benar-benar "berjalan sempurna". • Dalam hal komersialisasi, ia menyentuh kontradiksi nyata: perusahaan masih bertahan pada pop-up AI dan halaman HTML di produk mereka, takut kehilangan akses pengguna; tetapi konsumen sebenarnya ingin menyelesaikan semua tugasnya di aplikasi obrolan utama mereka. • Ia bahkan menyebut banyak form web saat ini sebagai "pekerjaan palsu". Kalimatnya agak kasar, tapi tepat menyentuh inti masalah—di masa depan kamu mungkin tidak butuh kamu yang lebih pandai mengisi formulir, tapi agen yang bisa bergerak lintas platform untuk menyelesaikan tugasmu. 📌 Harga, Kekuatan Komputasi & Deflasi: Akuntansi Ekonomi AI Masih Jauh dari Selesai • OpenAI secara internal tidak mendorong konsumsi token tinggi—bahkan "peringkat konsumsi token tinggi sedikit memalukan", karena menumpuk konsumsi tidak sama dengan efisiensi nyata. • Mereka sempat mempertimbangkan model penagihan seperti AWS—berdasarkan tugas alih-alih token—butuh penolakan kuat dari pelanggan: orang ingin tahu persis apa yang mereka bayar. • Altman juga memberikan data keras: biaya total kepemilikan 5 tahun untuk 1GW kekuatan komputasi AI terdepan saat ini sekitar $70 miliar; ia percaya jika bisa turun menjadi $20 miliar akan lebih ideal. • Dengan kata lain, masa depan AI bukan hanya kompetisi model—tapi pertempuran komprehensif dalam kompresi energi, desain chip, dan struktur marjin infrastruktur. Siapa yang bisa membuat rantai "dari pasir hingga token" lebih ramping, ia akan lebih dekat dengan posisi unggul di tahap berikutnya. Penilaian saya sendiri: hal paling penting untuk diperhatikan dari wawancara ini bukanlah perdebatan permukaan seperti "haruskah DRAM di komputermu tetap ada", tapi pergeseran yang lebih dalam—AI sedang berubah dari masalah kemampuan perangkat lunak menjadi masalah pengaturan sumber daya, tata kelola sosial, dan organisasi ekonomi. Memori, chip, energi, kolaborasi agen, dan hak penetapan harga—topik-topik yang dulu terpisah—kini disatukan oleh satu benang merah. Jika masa depan benar-benar bukan 'satu super AI', melainkan sejumlah besar tim agen yang bersama-sama berpartisipasi dalam produksi, perdagangan, dan tata kelola—maka pertanyaannya adalah: bagaimana agen-agen ini mendapatkan anggaran, otoritas, reputasi, dan aturan kolaborasi? Saat membicarakan ini tentu saya langsung melirik AgentFi. Karena begitu agen mulai bekerja, mereka pasti butuh sistem ekonomi sendiri. Menurutmu—lebih suka punya AI superkuat lokal atau bergabung dengan masyarakat云端 yang terdiri dari ribuan agen?}