AI Penetapan Harga Keluar dari "Ruang Tersembunyi"? Bittensor Memberikan Jawabannya

Penulis: Prathik Desai Sumber: tokendispatch Terjemahan:善欧巴，金色财经

Industri AI saat ini sangat mirip dengan sistem keagamaan tertutup: pendanaan dan valuasi dilakukan secara tertutup. Sebagian kecil perusahaan terkemuka mengumpulkan dana besar, merekrut peneliti top, menyewa kumpulan komputasi skala besar, sementara pasar hanya dapat menebak nilainya melalui pengumuman pendanaan yang dilakukan setiap beberapa bulan sekali. Yang disebut “valuasi” seringkali hanyalah angka yang disepakati oleh beberapa orang di ruangan, bukan harga nyata yang ditemukan oleh pasar yang bebas bergerak. Ketika investor biasa akhirnya melihat harga, sebagian besar ruang kenaikan sudah dibagi habis oleh peserta awal.

Inti dari Bittensor adalah: AI tidak seharusnya didanai dengan cara seperti ini. Saya sangat tertarik dengan sistem yang sedang mereka bangun. Bukan karena mereka mampu menciptakan model yang lebih baik dari OpenAI, Anthropic, atau Google—setidaknya saat ini belum—tetapi karena mereka menemukan jalur desentralisasi yang memungkinkan penilaian, pendanaan, dan penetapan harga AI secara terbuka sebelum proyek AI berkembang menjadi perusahaan tradisional.

Model ini sangat berbeda dari berbagai upaya desentralisasi yang muncul dalam gelombang AI sebelumnya.

Sistem subnet Bittensor secara terus-menerus mendukung tim, memberi penghargaan kepada pelaku yang efisien, mengeliminasi proyek yang tertinggal, dan melakukan penetapan harga ulang secara real-time terhadap seluruh ekosistem AI. Ini adalah metode penetapan harga AI yang belum pernah ada sebelumnya. Saya akui, proses membangun AI dengan model ini sangat keras, tetapi juga lebih jujur.

Dalam analisis mendalam ini, saya akan membongkar logika operasional Bittensor dan mengapa sistem ini mungkin lebih unggul dibandingkan semua percobaan penetapan harga AI sebelumnya.

Ruang Tersembunyi Penetapan Harga AI

Hanya di kuartal pertama 2025, startup AI mendapatkan pendanaan sebesar 73,1 miliar dolar AS, mewakili 58% dari total investasi ventura global. Meskipun institusi seperti GIC, TPG telah memperingatkan bahwa valuasi di beberapa segmen terlalu tinggi, hampir tidak ada kinerja operasional yang mendukung valuasi tersebut.

Model ini menguntungkan pendiri, orang dalam, dan investor tahap akhir, tetapi mengeluarkan pihak lain: penyedia sumber daya komputasi utama, pengembang yang menggunakan model open-source, dan pengguna awal biasa tidak dapat berbagi keuntungan. Bahkan munculnya AI open-source pun tidak mampu mengubah situasi ini, karena dana tetap terkonsentrasi pada kontrak layanan cloud, lapisan deployment, pengemasan perusahaan, dukungan teknologi, keamanan, dan distribusi.

Dalam seluruh proses penciptaan nilai, masyarakat umum berpartisipasi secara luas, tetapi hasilnya hanya dinikmati oleh segelintir orang. Pola ini sudah berlangsung lama, tetapi perubahan nyata datang dari munculnya ekonomi AI berbasis model open-source.

Pengembang Red Hat dalam laporannya menyatakan bahwa perusahaan semakin banyak menggunakan model AI open-source untuk deployment lokal, kontrol mandiri, dan tugas profesional, terutama di industri yang diatur ketat seperti telekomunikasi dan perbankan. Yang dibutuhkan perusahaan adalah solusi deployment AI yang dapat digunakan untuk monitoring, otomatisasi, dan skala operasional, bukan sekadar mengacu pada satu model AI.

Institusi besar seperti McKinsey juga mengakui tren ini. Survei mereka menunjukkan bahwa lebih dari separuh perusahaan yang disurvei telah mengintegrasikan AI open-source secara penuh dalam tumpukan teknologi mereka. Survei ini mencakup 41 negara dan lebih dari 700 profesional teknologi dan pengembang tingkat tinggi.

Model Bittensor didasarkan pada perubahan industri ini dan menantang sistem penetapan harga proyek AI saat ini.

Investor kripto asli sedang mengalami euforia terhadap token asli Bittensor, TAO, yang harganya dalam sebulan terakhir telah berlipat ganda. Ada juga yang berdebat tentang keunggulan AI desentralisasi versus AI terpusat. Tapi bagi saya, yang lebih penting adalah mencari cara penetapan harga AI yang lebih akurat. Jawaban yang diberikan Bittensor adalah: mengumpulkan semua pihak yang menyediakan dana, pengembangan, verifikasi, dan penggunaan AI dalam satu pasar, dan menetapkan harga AI berdasarkan indikator terbuka.

Membawa AI ke Pasar Terbuka

Jika melihat Bittensor sebagai jaringan yang terdiri dari sejumlah ekonomi AI mini, bukan satu token tunggal, maka ini menjadi lebih mudah dipahami.

Setiap subnet adalah pasar spesialisasi dalam tumpukan teknologi AI untuk tugas tertentu, mungkin fokus pada reasoning, pelatihan terdistribusi, sinyal prediksi, atau penyediaan komputasi. Pembuat subnet menetapkan mekanisme insentif dan target tugas, penambang menjalankan tugas, verifikator memberi penilaian hasil, dan staker dapat mendukung verifikator tertentu dengan men-stake TAO.

Setelah peluncuran upgrade dinamis TAO pada Februari 2025, mekanisme insentif menjadi lebih inovatif: setiap subnet memiliki token dan dana sendiri. Sejak saat itu, Bittensor bukan lagi sekadar target investasi AI umum, melainkan ekosistem yang menampung banyak proyek AI kecil.

Pada paruh kedua 2025, Bittensor akan lebih banyak mengaitkan distribusi insentif dengan aliran bersih TAO daripada harga token yang kaku. Pada Desember tahun yang sama, TAO mengalami halving pertama, dengan jumlah penerbitan harian turun menjadi 3600 token, mendorong modal untuk memilih secara selektif dan mengubah pasar AI menjadi arena survival of the fittest.

Peneliti Web3 dan penulis Jeff merangkum ini sebagai “mekanisme dinamis AI Darwinisme,” dan dalam newsletter 0xJeff, dia memberikan rangkuman yang sangat baik:

Inti dari Darwinisme adalah seleksi alam, di mana individu bersaing, dan sifat-sifat yang menguntungkan untuk bertahan hidup akan diwariskan dari generasi ke generasi.

Logika serupa diterapkan di berbagai tingkatan dalam Bittensor:

• Kompetisi subnet: setiap subnet bersaing untuk mendapatkan bagian insentif harian 3600 TAO, subnet teratas bertahan lebih lama berkat insentif tersebut

• Kompetisi penambang: penambang bersaing untuk menghasilkan hasil terbaik, peserta global bersaing berdasarkan indikator utama subnet, dan penambang teratas dapat memperoleh 41% dari reward alpha subnet

• Kompetisi verifikator dan investor: verifikator bersaing untuk memvalidasi tugas penambang, dan investor bersaing untuk menaruh taruhan pada subnet yang menunjukkan performa terbaik

Apa yang terjadi jika tidak ikut bersaing atau tampil buruk? Eliminasi. Subnet akan langsung dihapus dari sistem (ya, dihapus secara langsung).

Ini adalah perbedaan utama dengan model AI tradisional.

Dalam model tradisional, pendiri memperkenalkan perusahaan, mengumpulkan ekuitas, membangun tim, melakukan pembangunan internal, dan berharap pasar mengakui valuasi mereka.

Bittensor membalikkan model ini: mereka membuka proyek investasi sejak awal di pasar. Dalam model ini, pengusaha pertama-tama memulai subnet, kemudian operator GPU menyumbangkan sumber daya komputasi. Setelah itu, pengembang dan peneliti menyumbangkan hasil kerja, dan investor membeli bagian investasi melalui TAO atau token subnet tertentu. Akhirnya, pelanggan membayar untuk menggunakan layanan dasar. Pada akhirnya, pasar secara keseluruhan mempertimbangkan semua faktor dan menentukan harga proyek.

Satu hal yang paling saya sukai adalah, sistem ini merancang ulang pasar modal untuk setiap pemangku kepentingan.

Berbeda dengan perusahaan startup swasta, investor dapat terus-menerus menemukan harga tanpa harus menunggu putaran pendanaan berikutnya. Faktanya, Bittensor memungkinkan mereka melihat seluruh ekosistem melalui platform TAO, atau fokus pada subnet tertentu yang paling mereka percaya, untuk investasi yang lebih tepat sasaran.

Bagi pengembang, daya tariknya adalah mereka tidak perlu bergantung pada Anthropico, OpenAI, atau pusat data besar lainnya untuk berpartisipasi dalam perkembangan AI dan mendapatkan manfaatnya.

Ini memberi pengusaha sebuah pasar modal yang berpusat pada ide mereka, bahkan sebelum ide tersebut berkembang menjadi perusahaan matang—sesuatu yang belum pernah terjadi dalam industri modal ventura. Hal ini terlihat dari cara modal internal terkumpul di jaringan. Beberapa subnet menarik aliran TAO yang tidak proporsional masuk dan keluar, sementara subnet lain tertinggal. Lima subnet terbesar berdasarkan kapitalisasi pasar hampir menyumbang sepertiga dari total kapitalisasi 128 subnet.

Bagi pelanggan, sistem ini menawarkan akses infrastruktur terbuka yang lebih murah dan lebih fleksibel.

Selain itu, model Bittensor lebih mampu menarik semua pemangku kepentingan karena tidak hanya terdengar lebih adil, tetapi juga lebih layak secara bisnis.

Pasar Menuju Matang

Investor institusi secara bertahap mulai menganggap Bittensor sebagai aset yang patuh regulasi dan dapat diperdagangkan, tren ini semakin jelas.

Pada Desember 2025, Grayscale Bittensor Trust terdaftar di OTCQX, pasar OTC utama, menyediakan saluran yang familiar bagi investor tradisional untuk berpartisipasi dalam aset yang awalnya asing dan permintaannya tinggi ini.

Tanda utama kematangan pasar baru adalah: memiliki kemasan yang sesuai regulasi, kode perdagangan, kutipan di layar, dan akses melalui akun broker, seperti yang dialami oleh ETF Bitcoin, Ethereum, dan obligasi aset digital (DATs). Mungkin Bittensor belum sepopuler Bitcoin dan Ethereum di pasar kripto, tetapi keberadaan trust Grayscale menandai minat institusional yang beralih dari teori ke produk nyata.

Bittensor bahkan mendapatkan pengakuan dari tokoh industri terkemuka yang berpotensi merevolusi bidang ini.

Ketika investor ventura terkenal dan pengusaha Chamath Palihapitiya menyebutkan Bittensor kepada CEO Nvidia Jensen Huang tentang sistem pelatihan terdistribusi, Huang tidak meremehkan, malah menganggapnya sebagai pencapaian tingkat rendah di dunia kripto. Ia menyebutnya sebagai “versi modern Folding@home,” yang merupakan proyek distribusi terdesentralisasi yang memanfaatkan sisa daya komputasi komputer sukarelawan untuk mensimulasikan pelipatan protein atau masalah kompleks lainnya.

Posisi ini menempatkan Bittensor dalam konteks sejarah komputasi terdistribusi jangka panjang, bukan sekadar narasi siklus token.

Salah satu subnet terkemuka, Templar, baru-baru ini menunjukkan hasil yang membuktikan kemampuannya: Covenant-72B, model besar 720 miliar parameter, dikembangkan oleh lebih dari 20 peserta global melalui kolaborasi di Bittensor, dan dilatih dari nol menggunakan 1,1 triliun Token. Dalam pengujian benchmark terbuka, Covenant-72B meraih skor MMLU 67,11, lebih tinggi dari LLaMA-2-70B yang mencapai 65,63.

Secara sederhana, saat ini model ini belum mampu mengungguli OpenAI atau Anthropic, tetapi cukup untuk membuktikan bahwa kolaborasi desentralisasi dapat membangun infrastruktur AI yang bernilai komersial.

Subnet seperti Chutes secara eksplisit menargetkan platform komputasi AI tanpa server yang terdesentralisasi, dan dokumen resmi Bittensor menyebutkan subnet sebagai pasar kompetisi independen untuk produk digital seperti reasoning dan pelatihan. Ini menunjukkan bahwa pasar tidak lagi menilai narasi AI yang kabur, melainkan menilai modul tertentu dari tumpukan teknologi secara terpisah.

Kendala di Sisi Permintaan

Transparansi pasokan Bittensor jauh melampaui pasar AI lain mana pun: jumlah penerbitan, aliran staking, dan data subnet yang mengumpulkan modal semuanya jelas terlihat. Masalah utama terletak pada kurangnya transparansi di sisi permintaan.

Blockchain hanya mencatat pergerakan token, tetapi tidak mengumpulkan data tentang retensi pengguna, kualitas penggunaan API, margin keuntungan, atau pendapatan yang diaudit. Bahkan jika sebuah subnet tampak makmur secara komersial, investor sering hanya dapat menebak kualitas bisnis berdasarkan struktur pasar, bukan laporan keuangan.

Pine Analytics dalam analisisnya tentang “Transparansi Pasokan vs. Ketidaktransparanan Permintaan” dan “Chutes (SN64): Subsidi sebagai Dukungan Harga Rendah” mengkritik tajam: performa bisnis yang menonjol dari Bittensor mungkin masih didorong oleh subsidi, yang esensinya adalah reward penerbitan TAO internal subnet. Pine memperkirakan bahwa pendapatan eksternal yang dapat diverifikasi dari seluruh jaringan sangat kecil dibandingkan nilai yang tersirat dari harga TAO.

Contoh paling nyata adalah subnet terbesar, Chutes: menerima subsidi penerbitan TAO senilai 52 juta dolar AS per tahun, sementara pendapatan eksternal hanya 2,4 juta dolar. Jika subsidi dihentikan, biaya operasionalnya akan menjadi tidak mampu ditanggung. Ini bukan menolak model Bittensor, tetapi menunjukkan bahwa saat ini pasar lebih menilai visi AI daripada arus kasnya.

Karena itu, saya sangat memperhatikan perkembangan Bittensor. Ia menunjukkan tanda-tanda ekosistem yang matang, meskipun belum mengakhiri perdebatan tentang “AI desentralisasi,” dan masih mengasah metode penilaian proyek AI yang paling akurat. Ia telah membuka masalah yang selama ini sengaja diabaikan pasar swasta, dan menilai kepercayaan serta valuasi melalui pasar terbuka.

Ketika raksasa AI swasta meminta dunia percaya bahwa beberapa orang di ruangan menentukan valuasi triliunan dolar, Bittensor memilih percaya pada pasar terbuka. Saya tahu bahwa yang terakhir tidak sempurna, tetapi saya menghargai dan mengakui transparansi yang dibawanya.