Baru-baru ini, muncul tren perkembangan yang tidak terduga di bidang AI, yang mempengaruhi pasar dengan cara yang mengejutkan. Tren ini bukanlah penggabungan AI dengan Aset Kripto, melainkan dampak berantai AI terhadap pasar modal tradisional dan pasar Aset Kripto.
Pada 27 Januari, jumlah unduhan model AI besar China, DeepSeek, untuk pertama kalinya melampaui ChatGPT, menjadi yang teratas di App Store AS. Berita ini menarik perhatian luas di kalangan teknologi, investasi, dan media global.
Kejadian ini tidak hanya memicu pemikiran tentang kemungkinan perubahan dalam pola teknologi AS-China di masa depan, tetapi juga memicu kepanikan sesaat di pasar modal AS. Sebagai dampaknya, banyak saham raksasa teknologi mengalami penurunan harga yang signifikan, di antaranya Nvidia turun 5,3%, ARM turun 5,5%, Broadcom turun 4,9%, dan TSMC turun 4,5%. Selain itu, harga saham perusahaan seperti Micron, AMD, dan Intel juga mengalami penurunan. Kontrak berjangka Nasdaq 100 mengalami penurunan yang meluas hingga 400 poin, berpotensi menciptakan penurunan harian terbesar dalam waktu dekat. Diperkirakan, nilai pasar saham AS mungkin telah menguap lebih dari 1 triliun dolar AS dalam perdagangan hari itu.
Pasar Aset Kripto yang mengikuti pergerakan pasar saham AS juga mengalami penurunan yang signifikan. Harga Bitcoin jatuh di bawah 40500 dolar, dengan penurunan 24 jam mencapai 4,48%. Ethereum jatuh di bawah 3200 dolar, dengan penurunan 24 jam sebesar 3,83%. Banyak investor merasa bingung dengan penurunan cepat di pasar Aset Kripto ini, beberapa berspekulasi bahwa hal ini mungkin terkait dengan penurunan ekspektasi suku bunga Federal Reserve atau faktor makro lainnya.
Sumber ketakutan pasar tampaknya berasal dari kemajuan terobosan DeepSeek. Berbeda dengan perusahaan AI terkenal lainnya, DeepSeek tidak bergantung pada modal dan sumber daya perangkat keras yang besar. Sebagai perbandingan, OpenAI didirikan sepuluh tahun yang lalu dengan 4500 karyawan dan telah mengumpulkan dana sebesar 6,6 miliar dolar; sebuah raksasa media sosial menginvestasikan 60 miliar dolar untuk mengembangkan pusat data AI besar. Sementara itu, DeepSeek didirikan kurang dari dua tahun yang lalu dengan hanya 200 karyawan, biaya pengembangannya kurang dari 10 juta dolar, dan tidak banyak menggunakan GPU kelas atas.
Keberhasilan DeepSeek tidak hanya memecahkan batas biaya di tingkat modal dan teknologi, tetapi juga menantang konsep dan pola pikir yang telah lama dipegang oleh masyarakat.
Seorang wakil presiden produk dari perusahaan penyimpanan awan yang terkenal menyatakan di media sosial bahwa cerita DeepSeek mencerminkan inovasi yang mengganggu. Perusahaan tradisional fokus pada pengoptimalan proses yang ada, sementara para pengganggu memikirkan kembali pendekatan dasar. DeepSeek mengusulkan pemikiran baru: bagaimana menyelesaikan masalah dengan cara yang lebih cerdas, bukan hanya dengan menambah investasi perangkat keras?
Saat ini, biaya untuk melatih model AI besar terbaik sangat tinggi. Beberapa perusahaan AI utama hanya dalam sumber daya komputasi telah menginvestasikan lebih dari 100 juta dolar. Mereka perlu dilengkapi dengan pusat data besar yang memiliki ribuan GPU senilai 40 ribu dolar, dengan konsumsi energi setara dengan sebuah pembangkit listrik.
Namun, DeepSeek mengusulkan pemikiran baru: bagaimana mencapai tujuan yang sama dengan 5 juta dolar? Mereka tidak hanya mengajukan ide ini, tetapi juga berhasil menerapkannya. Model mereka setara atau bahkan lebih baik daripada model AI terkemuka di industri dalam beberapa tugas. Rahasia mereka terletak pada pemikiran ulang secara mendasar terhadap keseluruhan proses. Model AI tradisional menggunakan desimal 32-bit untuk mewakili setiap angka, sedangkan DeepSeek mencoba menggunakan desimal 8-bit, dan menemukan bahwa akurasi masih cukup, sementara kebutuhan memori berkurang 75%.
Hasilnya mengejutkan: biaya pelatihan turun dari 100 juta dolar menjadi 5 juta dolar, jumlah GPU yang diperlukan berkurang dari 100.000 menjadi 2.000, dan biaya API turun 95%. Yang lebih penting, model mereka dapat berjalan di GPU game biasa, tanpa memerlukan perangkat keras pusat data khusus. Selain itu, mereka juga memilih strategi sumber terbuka.
Keberhasilan DeepSeek menantang berbagai pandangan tradisional di bidang AI, termasuk stereotip tentang model pengembangan teknologi China, posisi terdepan Silicon Valley di bidang AI, hambatan teknologi dari beberapa perusahaan AI, investasi besar yang diperlukan untuk mengembangkan model AI terbaik, teori akumulasi nilai model, serta hubungan linier antara kinerja model dan biaya yang dikeluarkan.
Sebuah lembaga investasi terkenal di Amerika Serikat dalam laporan mereka menyatakan bahwa DeepSeek mewakili kemenangan penting dari sumber terbuka dibandingkan dengan sumber tertutup. Kontribusi komunitas sumber terbuka akan dengan cepat mendorong perkembangan seluruh bidang. Namun, mereka juga menunjukkan bahwa beberapa perusahaan yang mengadopsi strategi investasi sumber daya besar mungkin akan mengalami terobosan baru di masa depan. Dari sejarah perkembangan AI, daya komputasi masih mungkin menjadi faktor kunci.
Keberhasilan DeepSeek telah membuat model sumber terbuka setara dalam kinerja bahkan melampaui beberapa model tertutup, sambil meningkatkan efisiensi, yang mengurangi kebutuhan bagi perusahaan untuk membeli API AI komersial. Penyebaran pribadi dan penyesuaian mandiri akan memberikan ruang pengembangan yang lebih besar untuk aplikasi hulu. Diperkirakan dalam satu atau dua tahun ke depan, kita mungkin akan melihat produk chip inferensi yang lebih beragam dan ekosistem aplikasi model bahasa besar yang lebih makmur.
Meskipun demikian, permintaan terhadap daya komputasi diperkirakan tidak akan menurun. Ini dapat menyebabkan fenomena yang mirip dengan "paradoks Jevons": meskipun efisiensi per unit meningkat, karena perluasan cakupan aplikasi, permintaan keseluruhan mungkin justru meningkat. Ini mirip dengan jalur perkembangan dari telepon seluler awal hingga era popularitas ponsel Nokia: justru karena penurunan biaya yang memungkinkan popularitas, dan popularitas itu menyebabkan peningkatan total konsumsi pasar.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Mode DeepSeek mengguncang industri AI, pasar saham AS menguap 1 triliun dolar, berdampak pada pasar kripto
AI dan Aset Kripto yang Mengagetkan di Pasar
Baru-baru ini, muncul tren perkembangan yang tidak terduga di bidang AI, yang mempengaruhi pasar dengan cara yang mengejutkan. Tren ini bukanlah penggabungan AI dengan Aset Kripto, melainkan dampak berantai AI terhadap pasar modal tradisional dan pasar Aset Kripto.
Pada 27 Januari, jumlah unduhan model AI besar China, DeepSeek, untuk pertama kalinya melampaui ChatGPT, menjadi yang teratas di App Store AS. Berita ini menarik perhatian luas di kalangan teknologi, investasi, dan media global.
Kejadian ini tidak hanya memicu pemikiran tentang kemungkinan perubahan dalam pola teknologi AS-China di masa depan, tetapi juga memicu kepanikan sesaat di pasar modal AS. Sebagai dampaknya, banyak saham raksasa teknologi mengalami penurunan harga yang signifikan, di antaranya Nvidia turun 5,3%, ARM turun 5,5%, Broadcom turun 4,9%, dan TSMC turun 4,5%. Selain itu, harga saham perusahaan seperti Micron, AMD, dan Intel juga mengalami penurunan. Kontrak berjangka Nasdaq 100 mengalami penurunan yang meluas hingga 400 poin, berpotensi menciptakan penurunan harian terbesar dalam waktu dekat. Diperkirakan, nilai pasar saham AS mungkin telah menguap lebih dari 1 triliun dolar AS dalam perdagangan hari itu.
Pasar Aset Kripto yang mengikuti pergerakan pasar saham AS juga mengalami penurunan yang signifikan. Harga Bitcoin jatuh di bawah 40500 dolar, dengan penurunan 24 jam mencapai 4,48%. Ethereum jatuh di bawah 3200 dolar, dengan penurunan 24 jam sebesar 3,83%. Banyak investor merasa bingung dengan penurunan cepat di pasar Aset Kripto ini, beberapa berspekulasi bahwa hal ini mungkin terkait dengan penurunan ekspektasi suku bunga Federal Reserve atau faktor makro lainnya.
Sumber ketakutan pasar tampaknya berasal dari kemajuan terobosan DeepSeek. Berbeda dengan perusahaan AI terkenal lainnya, DeepSeek tidak bergantung pada modal dan sumber daya perangkat keras yang besar. Sebagai perbandingan, OpenAI didirikan sepuluh tahun yang lalu dengan 4500 karyawan dan telah mengumpulkan dana sebesar 6,6 miliar dolar; sebuah raksasa media sosial menginvestasikan 60 miliar dolar untuk mengembangkan pusat data AI besar. Sementara itu, DeepSeek didirikan kurang dari dua tahun yang lalu dengan hanya 200 karyawan, biaya pengembangannya kurang dari 10 juta dolar, dan tidak banyak menggunakan GPU kelas atas.
Keberhasilan DeepSeek tidak hanya memecahkan batas biaya di tingkat modal dan teknologi, tetapi juga menantang konsep dan pola pikir yang telah lama dipegang oleh masyarakat.
Seorang wakil presiden produk dari perusahaan penyimpanan awan yang terkenal menyatakan di media sosial bahwa cerita DeepSeek mencerminkan inovasi yang mengganggu. Perusahaan tradisional fokus pada pengoptimalan proses yang ada, sementara para pengganggu memikirkan kembali pendekatan dasar. DeepSeek mengusulkan pemikiran baru: bagaimana menyelesaikan masalah dengan cara yang lebih cerdas, bukan hanya dengan menambah investasi perangkat keras?
Saat ini, biaya untuk melatih model AI besar terbaik sangat tinggi. Beberapa perusahaan AI utama hanya dalam sumber daya komputasi telah menginvestasikan lebih dari 100 juta dolar. Mereka perlu dilengkapi dengan pusat data besar yang memiliki ribuan GPU senilai 40 ribu dolar, dengan konsumsi energi setara dengan sebuah pembangkit listrik.
Namun, DeepSeek mengusulkan pemikiran baru: bagaimana mencapai tujuan yang sama dengan 5 juta dolar? Mereka tidak hanya mengajukan ide ini, tetapi juga berhasil menerapkannya. Model mereka setara atau bahkan lebih baik daripada model AI terkemuka di industri dalam beberapa tugas. Rahasia mereka terletak pada pemikiran ulang secara mendasar terhadap keseluruhan proses. Model AI tradisional menggunakan desimal 32-bit untuk mewakili setiap angka, sedangkan DeepSeek mencoba menggunakan desimal 8-bit, dan menemukan bahwa akurasi masih cukup, sementara kebutuhan memori berkurang 75%.
Hasilnya mengejutkan: biaya pelatihan turun dari 100 juta dolar menjadi 5 juta dolar, jumlah GPU yang diperlukan berkurang dari 100.000 menjadi 2.000, dan biaya API turun 95%. Yang lebih penting, model mereka dapat berjalan di GPU game biasa, tanpa memerlukan perangkat keras pusat data khusus. Selain itu, mereka juga memilih strategi sumber terbuka.
Keberhasilan DeepSeek menantang berbagai pandangan tradisional di bidang AI, termasuk stereotip tentang model pengembangan teknologi China, posisi terdepan Silicon Valley di bidang AI, hambatan teknologi dari beberapa perusahaan AI, investasi besar yang diperlukan untuk mengembangkan model AI terbaik, teori akumulasi nilai model, serta hubungan linier antara kinerja model dan biaya yang dikeluarkan.
Sebuah lembaga investasi terkenal di Amerika Serikat dalam laporan mereka menyatakan bahwa DeepSeek mewakili kemenangan penting dari sumber terbuka dibandingkan dengan sumber tertutup. Kontribusi komunitas sumber terbuka akan dengan cepat mendorong perkembangan seluruh bidang. Namun, mereka juga menunjukkan bahwa beberapa perusahaan yang mengadopsi strategi investasi sumber daya besar mungkin akan mengalami terobosan baru di masa depan. Dari sejarah perkembangan AI, daya komputasi masih mungkin menjadi faktor kunci.
Keberhasilan DeepSeek telah membuat model sumber terbuka setara dalam kinerja bahkan melampaui beberapa model tertutup, sambil meningkatkan efisiensi, yang mengurangi kebutuhan bagi perusahaan untuk membeli API AI komersial. Penyebaran pribadi dan penyesuaian mandiri akan memberikan ruang pengembangan yang lebih besar untuk aplikasi hulu. Diperkirakan dalam satu atau dua tahun ke depan, kita mungkin akan melihat produk chip inferensi yang lebih beragam dan ekosistem aplikasi model bahasa besar yang lebih makmur.
Meskipun demikian, permintaan terhadap daya komputasi diperkirakan tidak akan menurun. Ini dapat menyebabkan fenomena yang mirip dengan "paradoks Jevons": meskipun efisiensi per unit meningkat, karena perluasan cakupan aplikasi, permintaan keseluruhan mungkin justru meningkat. Ini mirip dengan jalur perkembangan dari telepon seluler awal hingga era popularitas ponsel Nokia: justru karena penurunan biaya yang memungkinkan popularitas, dan popularitas itu menyebabkan peningkatan total konsumsi pasar.