Hari ini kebetulan melihat ini, kenapa tidak ada yang membagikan postingan bahasa Tiongkok saya, haha Ngomong-ngomong, siapa sih Jim Cramer ini? Kok rasanya efek counter-indikatornya lebih kuat daripada Sun Ge, benar-benar lentera gaib pasar saham ya? 🤣
Sering melihat istilah seperti "bintang kelas" atau "bintang sekolah" di X, XHS, bahkan dalam novel-novel. Tapi sebenarnya, konsensus tentang hal ini tidak sekuat yang dibayangkan, bahkan sangat terpecah. Saya ingat sebelum ujian masuk perguruan tinggi, beberapa teman laki-laki di kelas kami berbincang santai saat istirahat siang tentang gadis-gadis cantik sekelas. Kami terkejut menemukan bahwa gadis tercantik versi masing-masing ternyata berbeda-beda. Dengan kata lain, ada kesepakatan umum tentang siapa saja gadis yang terlihat cantik di kelas, tetapi "bintang kelas" tersebar di antara 3 hingga 5 gadis berbeda. Ini baru sampel dari pihak laki-laki; jika seluruh kelas diminta menilai, kemungkinan besar penyebarannya akan lebih luas lagi. Jadi setiap kali saya melihat istilah "bintang jurusan" atau "bintang kampus", saya hanya mendengarkannya sekilas. Satu kelas bisa memiliki tiga atau lima bintang kelas; satu universitas mungkin memiliki puluhan bahkan ratusan bintang kampus. Tentu saja ada pengecualian—misalnya, muncul seseorang seperti Liu Yifei, maka hampir semua gelar bintang pasti jatuh kepadanya. Di kelas sebelah kami waktu itu ada seorang gadis berwajah selebritas (mirip gaya "chunyu" dari Nai Nai), dan konsensus di kalangan laki-laki di kelasnya sangat terkonsentrasi, karena kecantikannya dianggap sebagai penurunan dimensi bagi yang lain. Saya rasa jika dilihat secara keseluruhan tingkat SMA, dia pasti dianggap sebagai "bintang kelas tanpa kontroversi". Saya tiba-tiba teringat hal ini karena beberapa hari lalu, saya lupa melihat postingan seorang blogger di Tweet yang membahas masalah tingkat satu, dua, dan tiga dalam perdagangan Crypto. Tingkat satu: trader ritel mulai mempelajari fundamental sebuah aset. Tingkat dua: trader ritel mulai mempelajari bagaimana trader ritel lain memandang aset tersebut. Tingkat tiga: operasi Dev/penyedia likuiditas, yang mempelajari kapan trader ritel mulai mempelajari "bagaimana trader ritel lain memandang aset tersebut", lalu melakukan "manipulasi" yang sesuai. Tingkat satu dan dua adalah teori pemilihan kecantikan Keynes yang klasik. Tingkat satu: Siapa yang paling cantik? — Trader ritel Tingkat dua: Menurut orang-orang, siapa yang paling cantik? — Smart Money / Trader tingkat tinggi Tingkat tiga: Kapan orang-orang akan mulai mempelajari "menurut orang-orang, siapa yang paling cantik"? — Dev / Penyedia likuiditas Dev/penyedia likuiditas tingkat tiga akan merilis kabar baik, menaikkan harga, dan menciptakan topik pada waktu yang tepat. Sama seperti memposting foto seorang gadis populer di papan pengumuman sekolah pada waktu yang tepat. Tingkat satu melihat Value (fundamental), tingkat dua melihat Consensus (konsensus), tingkat tiga melihat Consensus Acceleration (akselerasi konsensus). Pada akhirnya, yang kita perdagangkan sebenarnya adalah konsensus itu sendiri, serta kecepatan pembentukannya. Saat menulis ini, saya tiba-tiba menyadari bahwa ini juga mirip dengan konsep dalam opsi: Tingkat satu: Spot (apakah gadis ini benar-benar cantik?) Tingkat dua: Delta (apakah semakin banyak orang mulai menganggap gadis ini sebagai bintang kelas?) Tingkat tiga: Gamma (apakah jumlah orang yang percaya gadis ini akan menjadi bintang kelas sedang meningkat dengan cepat?) Dalam pasar saat ini, apakah sebaiknya menjual aset tepat ketika Gamma mencapai puncaknya—misalnya Pons! Sial, sepertinya saya baru menyadarinya terlambat.
Sebelum pergi ke 2049, saya kembali ke Tiongkok selama beberapa minggu. Karena saya biasanya tidak boleh berhenti berolahraga, setiap kali pulang ke Tiongkok, saya selalu mencari pasangan latihan bulutangkis di XHS dan Xianyu. Biasanya mereka perempuan generasi Z, ada yang lulusan profesional dari tim nasional level satu atau dua, ada juga yang belajar secara mandiri selama bertahun-tahun hingga mencapai puncak level amatir. Selama istirahat pertandingan tunggal dua jam, kami ngobrol santai tentang segala hal di seantero negeri—pengalaman cinta pun ikut terbawa. Lalu saya menyadari sikap umum yang cukup sering muncul di kalangan perempuan ini: Tentang hubungan asmara—tidak menolak, tapi juga tidak optimis. Tentang pernikahan dan punya anak—belum ingin, bahkan agak menolak. Ini sama sekali berbeda dengan pola pikir generasi kami yang lahir tahun 80-an, seolah hidup di dunia yang berbeda. Semakin saya renungkan, semakin saya merasa ini mirip dengan dunia kripto! 1. Cinta generasi 80-an seperti pasar kripto sebelum tahun 2021— Di masa itu, jika sudah memutuskan seseorang, menikah, beli rumah, lalu berjalan bersama sampai akhir. Sama seperti membeli kripto di tahun-tahun itu—percaya pada sebuah narasi, beli, tahan, HODL. Meski saat itu juga ada penipuan, ICO dan altcoin yang jatuh ke nol, tapi Beta-nya besar. Pada dasarnya, BTC dan aset utama hanya masalah waktu untuk kembali pulih; beli apa saja pasti untung. Pernikahan waktu itu juga begitu. Ekonomi tumbuh, gaji naik, harga rumah naik; menikah dan punya anak seperti berinvestasi bersama di masa depan. Banyak masalah hubungan yang tertutupi oleh Beta zaman itu. Bukan berarti generasi 80-an lebih paham cinta—mungkin kami hanya beruntung melewati pasar bull. 2. Cinta generasi Z seperti pasar kripto setelah 2022— LUNA, FTX, FDV tinggi tapi sirkulasi rendah… sudah terlalu sering dirugikan, ditambah dengan munculnya Hyperliquid, respons pertama terhadap narasi sekarang adalah: jangan cuma bercerita, tunjukkan datanya. Hingga tahun ini, bahkan mulai terasa seperti pasar saham—melihat pendapatan, jumlah pengguna, pembelian kembali, dan berbagai data lainnya… narasi kini hanya menjadi kunci masuk. Pernikahan dan hubungan generasi Z juga sama: berapa penghasilanmu? Kondisi keluargamu bagaimana? Orang tua punya beban? Emosimu stabil? Banyak influencer hubungan emosional bermunculan—perempuan punya Ququ, laki-laki punya Li Xinye. Laki-laki takut jadi Exit Liquidity, perempuan takut menghabiskan bertahun-tahun muda lalu dirugikan. Semua mulai melakukan DD, mengontrol posisi. Bahkan banyak yang memilih kosongkan portofolio. Bayangkan dulu, kalimat seperti “Saya pasti akan sukses nanti,” atau “Saya akan selalu baik padamu…”—banyak perempuan yang rela membelinya. Sekarang? Mustahil (perempuan sudah tidak gampang ditipu). Tren populer di internet tentang “rambut kuning dan otot tipis” punya nuansa era Pumpfun (nilai jangka panjang sulit dibangun, lebih baik fokus dulu pada perhatian jangka pendek!). Beta sudah hilang. Kita harus mencari Alpha sendiri. Bukan berarti generasi Z tidak percaya cinta—hanya saja, dalam hubungan mereka kini tercampur banyak perspektif penilaian risiko. Generasi 80-an hanya beruntung hidup di zaman dengan Beta yang besar. Generasi Z menghadapi pasar yang hanya bisa mengandalkan Alpha pilihan sendiri. Seperti orang yang masuk pasar tahun 2013—banyak yang jadi OG dengan tidur saja. Tapi yang masuk tahun 2023? Banyak yang jadi korban. Waktu dan takdir memang menentukan.
Memanfaatkan momen mobil gila Pak Ma hari ini, saya akan mengisi lubang yang baru saja saya gali dua hari lalu—tentang Jev, Strata, dan Atlas, tiga hal menarik di dunia AI belakangan ini. Saya akan menyatukan ketiganya lewat satu adegan film—Terminator! Bayangkan T-800 dikirim kembali ke tahun 1984, dengan misi: menemukan dan membunuh Sarah Connor! Untuk itu, ia membutuhkan tiga fungsi dasar: memahami ruang, membuat keputusan instan, dan berpikir tanpa koneksi internet (tahun 1984 belum ada SkyNet untuk terhubung). Ternyata, ketiganya secara tepat sesuai dengan Atlas, Jev, dan Strata. 1. Pertama, Atlas dari Prof. Li Fei-Fei — Memahami Ruang Saat Schwarzenegger (T-800) masuk ke sebuah ruangan, ia hanya perlu sekilas melihat untuk langsung tahu apa yang ada di balik pintu atau di bawah meja. Itulah yang dilakukan Atlas saat ini: dari beberapa gambar, ia memprediksi seperti apa pemandangan dari sudut pandang baru. LLM memprediksi kata berikutnya. Model video (seperti Seedance) menghasilkan frame sepanjang sumbu waktu. Atlas memprediksi sudut pandang baru. Saat ini banyak model video menyebut diri mereka “world models.” Beberapa bulan lalu, Li Fei-Fei mengklasifikasikannya menjadi tiga: renderer, simulator, planner. Simulator bisa diubah menjadi renderer, tapi planner harus berbasis simulator yang kuat. T-800 yang sekilas tahu isi ruangan — itu simulator. Menghitung apa yang terjadi jika melompat atau ke mana peluru akan mengenai — juga simulator. Memilih untuk mengejar, bersembunyi, atau menabrak mobil — kemungkinan besar butuh planner. Renderer hampir tidak digunakan. Tujuan Atlas adalah menjadi simulator terkuat, lalu nantinya berkembang menjadi planner. Peta jalan mereka seperti ini: Ruang 3D statis (saat ini) → dinamis (4D) → dapat diedit → dapat diinteraksi → simulator sebagai planner (akhirnya) Perjalanan panjang baru saja memulai langkah pertama, tapi untuk menciptakan Terminator, ini mutlak diperlukan — LLM murni tidak cukup. 2. Lalu ada Jev — Keputusan Instan Ingat adegan itu? T-800 di motel, petugas mengetuk pintu. Di pandangannya langsung muncul serangkaian opsi jawaban, ia pilih satu dan langsung balas — tanpa menyusun kalimat sama sekali. (Saya ingat dia pilih yang paling kasar…) Itulah Jev: tidak perlu LLM menghasilkan teks panjang, tidak perlu berpikir melalui chain-of-thought. Hanya memilih dari opsi yang tersedia, lalu memberi tingkat kepercayaan. Jev TypeSafe bekerja seperti ini: tidak menghasilkan teks, hanya memilih dari opsi yang diberikan, dengan probabilitas yang sudah dikalibrasi. Jawaban dengan probabilitas 0.97 → langsung kirim. Yang tertinggi hanya 0.60 → jangan kirim dulu, serahkan ke model besar yang lebih lambat tapi lebih cerdas. Dalam demo video TypeSafe, mereka menilai apakah faktur itu palsu atau tidak: LLM tradisional butuh 8 detik, Jev hanya 0.1 detik. Cepat karena hanya menjawab pilihan ganda, bukan menghasilkan teks. Akurat karena teknologi canggih RLCD — Reinforcement Learning for Calibrated Decisions (Pembelajaran Penguatan untuk Keputusan yang Dikalibrasi). Arsitektur belum dirilis, tapi saya rasa kemungkinan besar masih berbasis Transformer, hanya saja bagian generasi teks dihapus total. Bisa dianggap sebagai ASIC LLM dalam konteks tertentu: tidak bisa ngobrol, tidak bisa nulis kode, hanya membuat keputusan frekuensi tinggi — semua langkah penilaian tradisional LLM disederhanakan menjadi satu pertanyaan pilihan ganda. Kecepatan dan biayanya berbeda satu hingga dua orde besar. Mirip dengan sistem satu dalam buku terkenal Daniel Kahneman “Thinking, Fast and Slow.” LLM tradisional adalah sistem dua. Saya rasa jika T-800 mengandalkan kecepatan penilaian LLM saat ini, ia tidak akan bisa menyelesaikan satu pun misi dalam film — akan bergerak seperti siput (kok tiba-tiba saya ingat Flash di Zootopia…). Di sinilah Jev muncul — potongan kedua puzzle Terminator sudah terpasang. 3. Potongan terakhir — Strata — Menjalankan Model Besar Secara Lokal Tahun 1984 memang ada internet, tapi sangat lambat, hanya tersedia di militer dan universitas. Lagipula, tidak ada cloud dengan SkyNet untuk terhubung! Jadi T-800 harus membawa model lokal di dalam otaknya saat kembali ke masa lalu. Strata memungkinkan GPU konsumen dengan 12GB VRAM + 64GB RAM menjalankan model Qwen3.8-Flash-Next dengan 125 miliar parameter. Teknologi rahasia: pertama-tama kuantisasi parameter dari 16-bit menjadi 2–3-bit, mengurangi ukuran beberapa kali lipat. Lalu 20% ekspert (salinan) dimuat ke VRAM, seluruh ekspert dimuat ke RAM 64GB, dan terakhir ada tabel pencarian besar 30GB (buku referensi pelatihan) disimpan di SSD. Benar-benar offline, privasi data terjaga. Tentu saja kemampuannya turun karena kompresi, dan membaca dokumen panjang jadi lambat. Tapi sekarang konsol game high-end bisa menjalankan model raksasa ratusan miliar parameter — ini masalah dari nol menjadi ada. Parameter GPU, memori, dan CPU di dalam T-800 tidak kita ketahui. Tapi Strata memungkinkan Anda menjalankan model MOE besar di lingkungan perangkat keras terbatas (saat ini hanya mendukung Qwen, tapi pendekatannya berlaku umum untuk model MOE). Dari sini tampaknya kita semakin dekat dengan era SkyNet dan Terminator! @drfeifei @theworldlabs @typesafeai P.S — Siapa yang sudah pesan Roadster? Tolong bawa saya uji coba tahun 2028 ya, mohon banget!
WC! WC!!! Akhir pekan lalu baru saja mencoba Model Y L + FSD, kesan saya sangat mendalam. Minggu ini, Elon Musk mengeluarkan kejutan besar! Otak saya langsung blank membacanya! Mengapa masih pakai mobil bensin! Kenapa butuh kulkas, TV, dan sofa besar! Berkendara itu pakai Tesla!
Tadi malam, saat kembali melihat Ondo Intelligent Portfolios yang dirilis oleh @Ondo, saya tiba-tiba menyadari bahwa ini mungkin merupakan Milestone yang menandai masuknya RWA ke era 2.0. Sebelumnya, saya terus-menerus menyatakan bahwa RWA adalah tema terbesar dalam siklus ini, dan saat ini bisa disebut sebagai RWA 1.0 — yaitu memindahkan berbagai aset ke blockchain: obligasi AS, saham, ETF, emas, dan lainnya. Saya menyebutnya sebagai era Tokenize Assets, dan Ondo tanpa diragukan lagi adalah pemimpin di era ini. Tidak terduga bahwa RWA 2.0 juga dibuka oleh Ondo — saya bersedia menyebutnya sebagai era Tokenize Strategies. Dengan kata lain, 1.0 adalah tentang aset keuangan di blockchain, yang menyelesaikan pertanyaan: "Apa aset yang bisa kita beli?" Sedangkan 2.0 adalah tentang layanan keuangan di blockchain, yang menyelesaikan pertanyaan: "Bagaimana kita memegang/mengelola aset?" Ambil contoh Intelligent Portfolios ini, strukturnya sebenarnya tidak rumit: Lapisan dasarnya tetap merupakan saham dan ETF yang sudah di-Tokenize, seperti Ondo Stocks; di atasnya, strategi Portfolio yang telah ditentukan sebelumnya menentukan apa yang harus dibeli, berapa bobot masing-masing, dan kapan harus melakukan rebalance. Dalam produk perdana ini, tiga strategi Portfolio pertama dikembangkan oleh BlackRock untuk Ondo, sementara Ondo bertanggung jawab menerapkan strategi-strategi ini secara nyata di blockchain, melakukan alokasi aset dasar, rebalance berkala, dan operasional produk. Pada akhirnya, Anda tidak perlu memegang selusin token berbeda — cukup satu Portfolio Token saja. Proses sebelumnya yang melibatkan pemilihan aset → penetapan bobot → pembelian → pemantauan berkelanjutan → rebalance, semuanya telah otomatis diselesaikan oleh Ondo. Tentu saja, Anda mungkin secara alami bertanya: Bukankah membeli ETF yang di-Tokenize di era 1.0, seperti QQQ atau SPY, sama saja? Secara permukaan memang tampak serupa, karena keduanya merupakan keranjang aset dan tidak perlu repot-repot mengelolanya. Namun perbedaan intinya terletak pada biaya dan cara pembuatannya. Di TradFi, untuk meluncurkan produk kombinasi baru, dibutuhkan struktur dana, lisensi, penitipan, dan penerbitan — ambang batasnya sangat tinggi, sehingga hanya ada beberapa kombinasi "standar" di pasar. Di blockchain berbeda. Ketika semakin banyak aset telah di-Tokenize, membuat produk kombinasi baru pada dasarnya hanyalah menyusun Building Blocks ini dengan kontrak cerdas: alokasi, bobot, rebalance — semua ditulis sebagai aturan yang dieksekusi otomatis, dan setiap penyesuaian portofolio dapat diperiksa di blockchain. Inilah mengapa saya mengatakan bahwa ruang imajinasi untuk 2.0 masih di depan. Pihak resmi telah secara jelas menyatakan bahwa ke depannya akan secara bertahap memasukkan aset seperti Perps, Spot Crypto, dan opsi. Pada saat itu, kombinasi seperti saham AS + BTC atau komoditas + opsi Overlay — yang sangat sulit dilakukan di TradFi — akan memiliki dasar untuk direalisasikan. Tentu saja, saat ini aset dasar dari Portfolio yang diluncurkan masih berupa saham dan ETF yang di-Tokenize. Masih ada satu poin yang sering diabaikan: Portfolio Token itu sendiri adalah sebuah Token! Sebuah Token dapat dipindahkan secara bebas antara dompet, bursa, dan DeFi! Lebih jauh lagi, seluruh Portfolio bisa menjadi jaminan pinjaman, margin Perps, bahkan dimasukkan ke dalam Portfolio lain. Bagian ini masih berupa arah, tetapi begitu berhasil dijalankan, blok bangunan DeFi akan naik dari aset individu menjadi seluruh portofolio. Inilah visi akhir "Lego Keuangan" yang pernah kita impikan selama DeFi Summer! Jadi, jika kita melihat kembali jalur Ondo selama beberapa tahun terakhir, sangat jelas: USDY menyelesaikan imbal hasil dolar, Ondo Stocks menyelesaikan saham AS, Perps menyelesaikan leverage, Network menyelesaikan infrastruktur. Setiap kali satu aset ditokenisasi lagi, jumlah kombinasi yang bisa dibangun oleh Intelligent Portfolios bertambah satu. Semakin banyak blok 1.0, semakin besar rumah yang bisa dibangun di 2.0. RWA 1.0 memberi kita aset; RWA 2.0 memberi kita kemampuan untuk mengonfigurasi aset. Dulu ini hanya layanan yang dimiliki oleh bank swasta dan klien berkekayaan tinggi; sekarang investor non-AS yang memenuhi syarat dapat mengaksesnya hanya dengan dompet mereka. Dari Tokenized Assets 1.0 menuju Tokenized Strategies 2.0, inilah cara Wall Street menuju blockchain — dan inilah saat RWA benar-benar mulai menjadi menarik. Terima kasih kepada @Ondo atas dukungan terhadap konten penelitian saya ini.
Terima kasih atas undangan dari @168MrZ, kembali mengunjungi 168X, ngobrol santai lebih dari satu jam, sangat menyenangkan berbincang dengan Z. Mungkin ini putaran bull market terakhir yang "layak" — rasanya ke depannya akan semakin mirip pasar saham AS, dan coin "山寨VC" tanpa fundamental dan data seharusnya tidak punya peluang lagi — Dengan kata lain, pada putaran ini saya merasa banyak coin sampah masih bisa ikut terdorong oleh coin yang bagus, menyelesaikan "exit" terakhir dalam sejarah 🤨
Ingat tahun lalu, seorang teman mengalami dua pukulan sekaligus: margin call dan putus cinta, sedikit depresi plus somatisasi. Saat itu, saya menenangkannya dengan mengatakan: Dalam hidup, selain kematian, tidak ada yang benar-benar besar. Anggap dirimu sebagai tokoh utama di Earth Online, orang lain hanyalah NPC, termasuk mantan pacarmu, termasuk aku. Pada dasarnya ini adalah sudut pandang orang ketiga. Kemudian dia mengatakan bahwa setelah mencobanya, efeknya tidak langsung terasa, tetapi rasa sakit dan pemborosan energi emosional memang berkurang sedikit. Seperti yang dikomentari oleh Xiao Mao — mainkan saja!
Setuju dengan ide haotian, tapi saya tetap memegang keduanya dan tidak akan menjual. Saya sebelumnya membeli $SHROOM di separuh jalan, rasanya sulit. Tapi tadi tiba-tiba terpikir, hal yang ingin dilakukan SHROOM sebenarnya secara teoritis juga bisa dilakukan oleh $AI, bahkan mungkin memiliki keunggulan lebih besar jika benar-benar dijalankan. Pertama, AI saat ini sudah menjadi aset pasangan bagi banyak Meme lainnya. Jika di masa depan Meme-meme ini tidak hanya terhubung dalam dengan AI, tetapi juga mulai berpasangan dengan saham yang ditokenisasi kapitalisasi kecil-menengah, maka melalui rute multi-hop, AI pada dasarnya bisa menjadi simpul tengah yang menghubungkan aset-aset long tail ini. Tentu saja, ini masih hanya “ada jalan”, bukan berarti AI sendiri memiliki likuiditas tersebut. Yang lebih patut diperhatikan adalah poin kedua: Saat ini, selain NVDA, Vault/Treasury AI sudah mulai memuat saham yang ditokenisasi lainnya. Jika pengembang melangkah satu langkah lebih jauh di versi berikutnya—langsung membuat kolam likuiditas antara AI dan saham selain NVDA, serta terus mengubah modal yang dihasilkan dari perdagangan Meme menjadi berbagai POL saham, lalu mereinvestasikan biaya transaksi untuk memperluas likuiditas—maka pada dasarnya mereka sedang mengikuti jalur SHROOM, mengambil jalan orang lain dan membuat orang lain tidak punya jalan lagi! Selain itu, AI mungkin memiliki keunggulan lebih besar dibanding SHROOM: SHROOM merancang jaringan likuiditas saham terlebih dahulu, baru mencoba mengalirkan energi spekulatif Meme ke dalamnya; AI sudah memiliki Meme, volume perdagangan, dan kemampuan pembentukan modal, lalu secara alami tumbuh jaringan likuiditas saham dari sana. Satu adalah membangun jalan dulu lalu menunggu kendaraan datang; yang lain sudah punya arus kendaraan, baru mulai membangun jalan. Jika AI benar-benar meningkat ke arah ini, maka “jaringan likuiditas saham long tail” yang ingin dibangun $SHROOM mungkin akhirnya dimakan oleh $AI.
