Setelah AI menarik semua uang, apakah biaya pinjaman untuk industri lain akan menjadi lebih mahal? Pada hari ini, pejabat pengawas keuangan Tiongkok menanyakan hal ini di Hong Kong. Pada 3 November, Wakil Ketua Badan Pengawas Keuangan, Xiao Yuanqi, memperingatkan dalam Konferensi Investasi Pemimpin Keuangan Internasional bahwa masuknya sejumlah besar dana ke sektor teknologi dan perusahaan terkemuka berpotensi meningkatkan tingkat leverage dan menyebabkan ekspansi yang terlalu cepat. Tekanan terhadap industri tradisional akan tercermin dalam biaya pinjaman yang lebih tinggi, ruang yang lebih sedikit untuk reinvestasi, serta risiko kredit yang lebih besar. Dalam konferensi yang sama, CEO Blackstone, Jon Gray, mengatakan permintaan akan daya komputasi tetap sangat kuat, dengan permintaan melebihi pasokan, dan akan ada lebih banyak pendanaan lagi di masa depan. CEO Goldman Sachs, David Solomon, juga berpendapat bahwa perusahaan kuat dengan cerita yang baik masih dapat memperoleh dana, sekaligus memperingatkan investor bahwa memilih perusahaan yang salah akan mengakibatkan kerugian. Namun, keempat orang ini tidak saling berselisih. Xiao Yuanqi juga menyatakan bahwa munculnya gelembung lokal akibat revolusi teknologi bukanlah hal yang aneh, dan pertumbuhan jangka panjang kemungkinan akan menyerapnya. Yang menarik adalah apa yang mereka amati masing-masing. Lembaga keuangan melihat berapa banyak dana yang ingin dipinjam klien mereka dan aset apa yang layak dibeli; sementara regulator juga harus memperhatikan perusahaan-perusahaan yang tidak ikut duduk di meja AI—apakah syarat pembiayaannya akan semakin memburuk. Kita terbiasa menganggap jumlah pendanaan AI sebagai laporan kinerja industri, semakin besar angkanya semakin ramai. Namun, dari mana uang ini berasal dan ke mana seharusnya mengalir biasanya tidak ditanyakan lebih lanjut. Pernyataan ini belum bisa diartikan sebagai pembatasan regulasi baru, dan seberapa besar efek pengusiran juga perlu data pendukung. Namun, bagi mereka yang terus memantau valuasi putaran berikutnya, pertanyaan ini lebih layak diperhatikan daripada menebak lagi berapa triliun dolar nilai sebuah perusahaan model.

NVIDIA mulai meminta penyedia daya komputasi untuk mengendalikan proporsi pelanggan Tiongkok. Menurut laporan Financial Times pada 3 November, NVIDIA meminta seluruh pelanggan komputasi awan global untuk menjual setidaknya 51% daya komputasi kepada perusahaan di luar Tiongkok. Tim terkait telah menerapkan persyaratan ini secara lisan sejak musim panas tahun ini, tanpa dokumen tertulis, dan kontrak yang sudah ditandatangani tidak terpengaruh. Reuters, dalam kutipannya, mencatat bahwa informasi ini belum diverifikasi secara independen. Detail ini perlu diperhatikan oleh perusahaan AI Tiongkok. Ketika tidak dapat membeli chip, menyewa server di luar negeri selalu menjadi pilihan alternatif. Sekarang, menurut laporan ini, struktur pelanggan hilir penyedia layanan cloud pun mulai diatur. Jika menjalankan bisnis berdasarkan proporsi ini, sebuah perusahaan cloud yang ingin menerima lebih banyak pelanggan Tiongkok perlu menemukan cukup banyak pelanggan non-Tiongkok untuk memperbesar penjualan di sisi lainnya. Jumlah perangkat yang dapat dibeli dan jumlah pesanan Tiongkok yang dapat diterima akan menjadi dua batasan berbeda. Bagi tim Tiongkok, server yang tidak berada di dalam negeri tidak berarti ekspansi hanya bergantung pada anggaran. Ketersediaan pelanggan lain yang cukup banyak dari pihak penyedia cloud juga dapat memengaruhi seberapa banyak daya komputasi yang dapat mereka sewa. Ini adalah persyaratan perusahaan yang baru diungkapkan, bukan harus dipahami sebagai larangan baru yang dikeluarkan pemerintah AS hari ini, dan tidak sama dengan pemutusan daya komputasi yang segera terjadi. Kontrak lama mendapat pengecualian; yang perlu diawasi sebenarnya adalah pesanan baru, ekspansi putaran berikutnya, dan syarat-syarat setelah kontrak berakhir.

Seseorang mencari lawan untuk Doge milik Musk, seekor capybara. Pada 2 November, WIRED melaporkan bahwa kelompok yang menyebut diri mereka Capytistas mengumumkan rencana bertahap untuk mempublikasikan informasi rumah para miliarder, dimulai dengan Musk dan dewan direksi Tesla. Nama tersebut diambil dari gerakan Zapatista di Meksiko, sementara capybara dipilih sebagai simbol penantang Doge. Alasan mereka adalah perusahaan teknologi mengumpulkan informasi dari masyarakat umum, tetapi para bosnya sendiri menikmati privasi. Seorang jurnalis telah melihat satu berkas, tetapi tidak bisa menganggap seluruh rencana publikasi sebagai sesuatu yang sudah dilaksanakan. Kontradiksi dalam respons ini sangat jelas: Apakah mengkritik penyalahgunaan data pribadi oleh perusahaan bisa dicapai dengan menghilangkan privasi kelompok lain? Menuntut perusahaan bertanggung jawab atas bisnis data berbeda secara mendasar dari menekan rumah pribadi. Kemarahan terhadap kekuasaan tidak otomatis menjawab mengapa keluarga dan tetangga juga harus menanggung risiko. Capybara bisa menjadi simbol perlawanan yang efektif, tetapi legitimasi mempublikasikan informasi rumah masih perlu dibahas secara terpisah.

Mantan Menteri Angkatan Darat AS bergabung dengan OpenAI. Salah satu tugasnya adalah mengajari perusahaan ini memahami apa yang sebenarnya dibutuhkan militer. OpenAI mengumumkan pada 2 November bahwa Dan Driscoll akan menjabat sebagai Penasihat Senior untuk Modernisasi Keamanan Nasional. Ini adalah posisi baru yang cakupan kerjanya mencakup membantu tim internal memahami kebutuhan nyata lembaga keamanan nasional, serta memajukan penerapan AI dan keamanan siber dengan sekutu-sekutu AS. Pihak resmi menghubungkan penunjukan ini dengan proyek keamanan siber Daybreak, dengan frasa yang berulang kali digunakan adalah “AI Demokratis”. Hal-hal yang dikenal Driscoll sangat spesifik. Saat menjabat sebagai Menteri Angkatan Darat, ia bertanggung jawab atas operasi pasukan dan alokasi sumber daya, serta mendorong reformasi pengadaan agar teknologi baru lebih cepat masuk ke tubuh militer. Kini, ia akan berpartisipasi dalam diskusi-diskusi ini dari sisi pemasok. Peristiwa ini dapat dilihat bersama dengan berita lain tahun lalu. Pada 2025, Angkatan Darat AS membentuk pasukan cadangan inovasi yang terdiri dari eksekutif teknologi, dengan anggota pertama termasuk Kevin Weil dari OpenAI dan mantan kepala riset Bob McGrew. Pada saat itu, orang-orang dari perusahaan teknologi mengenakan seragam militer; kini, orang yang dulu memimpin Angkatan Darat masuk ke perusahaan teknologi. Nilai dari pergerakan semacam ini sebagian besar berasal dari pemahaman terhadap institusi: departemen mana yang memiliki kebutuhan, bagaimana anggaran dialokasikan, dan bagaimana teknologi baru dapat melalui proses pengadaan serta masuk ke pekerjaan sehari-hari—pertanyaan-pertanyaan ini tidak bisa dijawab oleh skor model. Penunjukan ini sendiri tidak membuktikan pelanggaran, dan tidak ada pengumuman jumlah kontrak baru yang menyertainya. Namun, dalam mengamati bagaimana perusahaan AI menjalankan bisnis dengan pemerintah, selain melihat model dan pesanan, juga patut diperhatikan siapa saja yang mereka undang masuk ke kantor mereka.

Produk AI saat ini terlalu ahli dalam membuat orang terkesan selama sepuluh menit, yang sulit adalah membuat orang merasa aman menggunakannya selama sepuluh bulan. Terutama untuk Agent perdagangan. Meminta AI menganalisis pasar sekali saja tidak ada hambatan, tetapi ketika melibatkan data aset pribadi, dokumen penelitian, dan tugas pemantauan yang perlu dieksekusi secara berkelanjutan, harapan pengguna terhadap produk menjadi sama sekali berbeda. Baru saja menemukan bahwa Minara baru saja meluncurkan Web V2 dan membuka Early Access. Mereka menyediakan sandbox cloud terisolasi terpisah untuk setiap pengguna, sehingga data dan tugas berjalan di lingkungan masing-masing. Saya selalu merasa bahwa keuangan mungkin salah satu skenario Agent yang paling membutuhkan arsitektur semacam ini. Sebab perdagangan melibatkan uang sungguhan; pengguna perlu tahu di mana data mereka disimpan, di mana tugas berjalan, dan seberapa banyak kendali yang mereka miliki. Kemampuan analisis model menentukan apakah Anda akan mencoba, tetapi keamanan dan kepercayaanlah yang menentukan apakah Anda berani menggunakannya dalam jangka panjang. Selain itu, kali ini Minara juga memindahkan antarmuka dan kode desktop yang sama ke Web, Chat yang sebelumnya ditingkatkan menjadi Agent, serta melengkapi pengalaman seperti pratinjau file dan rekomendasi fitur. Workflow juga sedang ditingkatkan menuju Automation, dengan harapan agar Agent dapat terus menjalankan tugas di latar belakang—meskipun sebagian fungsi pemantauan masih berfokus pada versi desktop. Saya rasa ada tren produk yang patut diperhatikan di sini. Dulu, orang membuat alat perdagangan AI sering membandingkan siapa yang bisa menganalisis lebih banyak aset atau menghasilkan strategi yang lebih kompleks. Namun, kemampuan-kemampuan ini seiring kemajuan model, kemungkinan besar akan semakin menyempit perbedaannya. Persaingan berikutnya kemungkinan besar akan beralih ke siapa yang bisa membuat Agent benar-benar masuk ke alur kerja harian pengguna: melindungi data, terus melakukan tugas, dan berjalan mulus di berbagai perangkat.

Robot humanoid Meta ternyata dibuat bersama perusahaan Tiongkok. Menurut laporan The Information, Meta bekerja sama dengan Unitree Intelligent di Shanghai, dan hanya membutuhkan tiga bulan untuk mengembangkan prototipe humanoid pertama, Max, yang kini sudah memasuki tahap pengembangan generasi kedua, Max 2. Max memiliki tinggi sekitar 1,5 meter, berat sekitar 48 kg, dilengkapi chip NVIDIA Jetson Thor, tangan mekanis lima jari, serta layar wajah untuk mensimulasikan ekspresi. Wakil Presiden Produk Robot Meta bahkan tinggal di pabrik Unitree di Shanghai selama hampir dua bulan, secara langsung terlibat dalam pengembangan. Yang lebih menarik, Meta berharap suatu hari nanti robot humanoid ini menjadi wadah fisik dari AI Agent Muse miliknya, sehingga dapat masuk ke rumah tangga dan menjalankan tugas sehari-hari. Saat ini, Meta menekankan bahwa robot-robot ini hanya digunakan untuk pengembangan internal, tanpa rencana penjualan. Hal ini cukup menarik. Raksasa teknologi Amerika menginvestasikan dana besar dalam model AI dan perangkat lunak, tetapi ketika mulai mengembangkan robot humanoid, mereka justru harus bergantung pada pabrik-pabrik Tiongkok dan bekerja sama dengan perusahaan rintisan Tiongkok untuk mengembangkan perangkat keras. Terlebih lagi, di tengah meningkatnya pembatasan Amerika terhadap industri robot Tiongkok, Meta tetap memilih bekerja sama dengan Unitree, bahkan mengirim manajer puncaknya untuk tinggal di pabrik. Posisi rantai pasok robot Tiongkok dalam persaingan global kecerdasan tubuh mungkin jauh lebih penting daripada yang banyak orang bayangkan.

OpenAI juga mulai merasakan sikap dingin dari pasar modal. Menurut The Wall Street Journal, putaran pendanaan terbaru OpenAI awalnya berencana mengumpulkan $30 miliar, tetapi hingga kini baru mendapatkan komitmen investasi sekitar $11 miliar, belum mencapai separuh target. Lebih memalukan lagi, valuasi yang awalnya diharapkan mencapai $1,4 triliun kini turun menjadi $1,25 triliun. Financial Times lebih lanjut mengungkap bahwa OpenAI telah menurunkan target pendanaan dari $30 miliar menjadi $20 miliar, dan selanjutnya berencana terus menggalang dana dari kantor keluarga dan investor perorangan kaya. Menariknya, sebelumnya OpenAI selalu berusaha memposisikan putaran pendanaan ini sebagai kesempatan terakhir sebelum go public, demi menciptakan FOMO di kalangan investor. Namun kini tampaknya bahkan OpenAI tidak lagi bisa dengan mudah mendapatkan dana melalui cara semacam itu. Pasar sedang menghitung ulang pengembalian investasi di bidang AI. Apakah pendapatan dari model bisa mengejar pengeluaran untuk kekuatan komputasi? Valuasi yang mencapai triliunan dolar, sebenarnya membutuhkan keuntungan seberapa besar untuk menopangnya? $11 miliar tetap merupakan angka yang sangat besar, tetapi bagi perusahaan yang valuasinya melebihi triliunan dolar dan terus menghabiskan uang secara besar-besaran, ketidakberhasilan pendanaan kali ini menyiratkan sinyal yang patut diperhatikan. Toh, ketika OpenAI saja harus menurunkan harga dalam pendanaannya, perusahaan AI lainnya akan menghadapi pasar modal yang jauh lebih selektif di masa mendatang.

CEO baru Apple, John Ternus, baru menjabat kurang dari dua bulan, namun sudah memberi peringatan kepada seluruh industri AI: jangan membuat AI hanya karena harus membuat AI. Dalam wawancara terbarunya dengan Wired, ia mengatakan bahwa Apple tentu akan menggunakan AI, tetapi secara ideal, pengguna sama sekali tidak perlu peduli apakah sebuah fitur menggunakan AI atau perangkat lunak tradisional—yang penting adalah apakah produknya mudah digunakan. Ia juga tidak sepenuhnya setuju dengan pandangan bahwa AI Agent pada akhirnya akan menggantikan aplikasi yang ada saat ini, karena ia percaya bahwa penciptaan produk tetap merupakan hal yang sangat bergantung pada manusia. Saya sebenarnya cukup setuju dengan pandangan ini. Saat ini, banyak perusahaan teknologi berusaha memasukkan AI ke setiap sudut produk mereka, memperlihatkan puluhan fitur di acara peluncuran, tetapi hanya sedikit yang benar-benar bisa digunakan pengguna setiap hari. Namun, Apple juga memiliki masalahnya sendiri. Siri tertinggal begitu jauh—apakah filosofi produk Ternus ini merupakan bentuk kebijaksanaan yang sadar, atau sekadar cara untuk menghindari kenyataan bahwa mereka masih berada dalam fase mengejar teknologi, akan terlihat dari produk apa yang akan mereka rilis selanjutnya. Ada satu detail menarik dalam wawancara tersebut: Ternus hingga kini belum pernah bertemu Trump, sementara Cook yang telah meletakkan jabatannya sebagai CEO tetap berperan sebagai Ketua Eksekutif, membantu dalam urusan kebijakan dan hubungan pemerintah-bisnis. Tampaknya Apple telah membagi peran antara CEO lama dan baru. Ternus bertanggung jawab atas produk, sementara Cook terus menangani masalah di Washington.

Di Silicon Valley, bahkan mencari pasangan kaya sekarang mulai menekankan investasi tahap Pre-seed. Baru-baru ini saya menemukan podcast baru bernama SOTA Wives, yang dibawakan oleh Vivian Midha Shen, mitra YC, dan Sarah Chieng, kepala ekosistem pengembang Cerebras. Satu topik menarik di episode pertama: “Temukan suamimu sebelum ia berhasil keluar.” Sarah berbagi kisahnya. Saat ia pertama kali mengenal suaminya, Tyler, ia tinggal di bawah tangga sebuah rumah kos pemula di San Francisco. Baru saja mereka mulai berkencan, Tyler—sebagai insinyur pendiri—berhasil menjual Brev kepada NVIDIA, dan timnya mendapat imbalan yang sangat besar. Setelah itu, akun resmi podcast bahkan mengunggah tweet khusus: saran pertama untuk perempuan muda di San Francisco adalah, “Kunci dia sebelum akuisisi.” Vivian menggambarkan hubungan semacam ini sebagai investasi malaikat pada tahap Pre-seed. Lalu bagaimana cara tahu apakah pasanganmu adalah orang yang tepat? Jawabannya: kamu harus berani bertaruh. Saya hampir tidak bisa menahan diri. Tentu saja, keduanya adalah perempuan karier yang sangat sukses, dan mereka memang membahas dukungan pernikahan terhadap karier, serta nilai membangun ikatan saat keduanya masih tidak punya apa-apa. Namun saya sangat membenci narasi semacam ini. Ia mengubah hal paling penting dalam hubungan intim menjadi semacam penilaian terhadap nilai ekonomi masa depan. Ketika kamu mengenal seseorang sebelum ia sukses, lalu ia menjadi kaya—maka pilihan pernikahanmu dianggap sebagai investasi awal yang sangat menguntungkan. Yang lebih absurd lagi, narasi ini berasal dari dua perempuan yang sudah memiliki banyak sumber daya dan status sosial. Para elit Silicon Valley sudah terbiasa menjelaskan segala sesuatu dengan return on investment; sekarang cinta pun tidak luput dari logika ini. Menikah harus dilakukan sebelum Exit, memilih pasangan harus melihat valuasi potensial, memilih pasangan hidup harus punya mata investor tahap awal. Lalu apa yang harus dikatakan tentang pasangan biasa yang tidak pernah berhasil keluar dan tidak pernah menghasilkan uang besar? Apa arti sepuluh atau dua puluh tahun bersama yang mereka lewati dalam narasi semacam ini? Menurut saya, hal paling buruk dari ini adalah ia mengemas pengalaman segelintir orang beruntung sebagai strategi hidup yang layak ditiru. Akhirnya, cinta pun berubah menjadi proyek yang harus membuktikan ketajaman selera kita.

Konten sebenarnya mencakup banyak lapisan, bukan hanya ekspresi itu sendiri. Di era sekarang, semakin penting bagi seseorang untuk mengomentari hal-hal apa saja dan membagikan konten apa saja—yang biasa disebut sebagai kurasi. Ekspresi itu sendiri mungkin sudah tidak lagi begitu penting, karena AI mungkin bisa menyampaikan pandangan saya dengan lebih baik dan lebih lancar. Namun, menggunakan AI untuk mempercepat penyampaian pandangan saya adalah hal yang sangat menarik: ini memungkinkan saya untuk mengungkapkan pendapat tentang lebih banyak hal yang saya minati, dengan logika intinya tetap meningkatkan efisiensi melalui AI. Di masa depan, personal IP akan semakin penting. Manusia adalah makhluk multidimensi; citra utuh baru terbentuk ketika berbagai sisi diri kita yang terlihat di berbagai platform sosial digabungkan: 1. Twitter/X: Saat ini, saya menggunakannya untuk membaca banyak berita, memilih konten yang layak dilihat lebih banyak orang, menyampaikan satu pandangan, lalu meminta AI mengembangkan pandangan itu menjadi teks yang lebih panjang. Di era ini, sangat sedikit orang yang punya kesabaran membaca tulisan panjang, jadi bagi saya, yang lebih penting adalah menunjukkan kepada orang-orang berita apa yang saya ikuti, dinamika industri apa yang saya perhatikan, dan aspek dunia mana yang menjadi fokus saya—ini lebih mencerminkan wawasan dan pemahaman saya daripada bagaimana saya secara tepat mengatakannya. Sekaligus, ini membantu saya menangkap dinamika industri secara lebih komprehensif dan cepat; informasi terkait yang ditambahkan AI saat mengembangkan teks juga membantu saya membangun peta pikiran yang utuh. Saya juga bisa mengumpulkan pengikut dan mendapatkan sedikit hadiah kreator dari Musk. 2. Jike, WeChat Moments, dan公众号 pribadi: Menyimpan pandangan dan pemikiran yang lebih pribadi dan mendalam. 3.公众号 “Dongcha”: Menerbitkan konten mendalam yang telah saya pilih, susun ulang, dan reorganisasi. Membangun personal IP sangat penting, tetapi harus dibuat secara multidimensi, sehingga membentuk representasi menyeluruh. Jika Anda hanya secara mekanis membagikan berita di Twitter tanpa jelas mengetahui tujuan Anda sendiri, sebenarnya tidak ada artinya sama sekali. Pada akhirnya, Anda harus jelas tentang tujuan akhir Anda, dan memahami bagaimana menggunakan berbagai platform dan alat untuk mencapai tujuan yang berbeda.