Lingkaran AI tidak punya waktu untuk blockchain.

Penulis: Ekko An, Ryan Yoon; Sumber: Tiger Research; Diterjemahkan oleh: BitpushNews

Industri kecerdasan buatan terus melaju kencang, tanpa tanda-tanda mendingin. Namun, situasi di bidang "Blockchain AI" sangat berbeda. Mengapa ia gagal menarik perhatian yang setara?

Poin Inti

• Dalam hiruk-pikuk AI, industri blockchain perlu meninjau dari sisi permintaan: masalah apa yang dipecahkannya yang tidak dapat diselesaikan oleh sistem yang ada, dan kemampuan unik apa yang dibawanya?

• Komputasi dan penyimpanan terdesentralisasi memang memiliki logika yang masuk akal dalam hal kedaulatan data dan daya saing biaya. Hambatannya terletak pada kenyataan bahwa keduanya saat ini belum menunjukkan keunggulan teknis yang cukup meyakinkan untuk membuat pelanggan yang sudah terikat dengan infrastruktur cloud yang ada bersedia menanggung risiko migrasi.

• Teknologi verifikasi model dan privasi menargetkan masalah yang belum mencapai tingkat urgensi yang mendorong perusahaan untuk mengambil tindakan secara proaktif. Permintaan semacam ini lebih mungkin mengikuti persyaratan regulasi, bukan mendahuluinya. "Undang-Undang AI Uni Eropa" adalah contoh tipikal: standar ditetapkan terlebih dahulu, pasar mengikutinya kemudian.

• Dalam kategori kerangka kerja agen, hambatannya tidak terletak pada teknologi. Perusahaan arus utama saat ini masih berfokus pada otomatisasi alur kerja internal, sementara proyek blockchain sudah membangun lapisan infrastruktur untuk tahap berikutnya. Permintaan membutuhkan waktu untuk menyusul teknologi.

• Pembayaran agen adalah satu-satunya area di mana blockchain dan keuangan tradisional berada di garis awal yang sama. Kedua belah pihak belum menyelesaikan masalah ini, menjadikannya satu-satunya kategori di mana keduanya menghadapi tantangan yang sama.

• Secara keseluruhan, industri blockchain AI kesulitan bukan karena kombinasi keduanya tidak masuk akal, melainkan karena adanya ketidakcocokan: empat kategori masing-masing menghadapi alasan berbeda mengapa permintaan belum terbentuk, dan hanya pembayaran agen yang saat ini memiliki kondisi untuk bersaing setara.

1. Proyek Blockchain yang Terlupakan dalam Hiruk-pikuk AI

Industri kecerdasan buatan sedang mengalami investasi modal dan infrastruktur yang belum pernah terjadi sebelumnya. Ekosistem model bahasa besar yang didominasi oleh perusahaan teknologi besar telah menjadi fitur standar dalam kehidupan sehari-hari dan operasi industri. Dalam ekspansi pesat ini, industri cryptocurrency juga berkembang pesat, mencari titik temu teknis dengan AI.

Upaya awal berfokus pada melengkapi atau meniru tautan dalam rantai nilai AI tradisional: pasokan GPU terdesentralisasi, pemulihan kepemilikan data, dan verifikasi kriptografis. Baru-baru ini, fokus beralih ke mengisi celah yang sulit dipecahkan oleh arsitektur terpusat, termasuk aktivitas on-chain otonom dari agen AI dan penyelesaian mesin-ke-mesin (M2M) secara real-time.

Menggambarkan bidang ini secara umum sebagai "AI plus blockchain" menutupi kompleksitasnya. Kita perlu melakukan analisis sisi permintaan yang ketat: masalah apa yang ditargetkan oleh setiap sub-bidang? Apakah solusi asli blockchain menawarkan solusi yang benar-benar terdiferensiasi?

2. Fungsi Setiap Kategori

2.1. Komputasi Terdesentralisasi

Pasar komputasi cloud saat ini secara struktural bergantung pada segelintir perusahaan teknologi besar yang mengendalikan sumber daya komputasi. GPU berkinerja tinggi sulit didapat dan mahal, menciptakan hambatan masuk yang curam bagi startup AI dan tim peneliti yang tidak memiliki akses ke infrastruktur skala besar.

Sistem terpusat memusatkan sumber daya ke pembeli terbesar, dan tidak ada saluran netral di pasar yang dapat mendistribusikan kembali kapasitas GPU yang menganggur dalam jumlah besar.

Komputasi terdesentralisasi mengatasi sentralisasi dan inefisiensi ini melalui dua cara:

• Model ekonomi berbagi: Proyek mengumpulkan sumber daya GPU yang menganggur yang dimiliki oleh individu dan pusat data kecil ke dalam jaringan terpadu, sehingga menciptakan rantai pasokan yang lebih fleksibel di luar monopoli teknologi yang ada.

• Model komputasi terdistribusi: Pengguna dapat menyewa sumber daya komputasi secara global tanpa bergantung pada infrastruktur pemasok tunggal, sehingga meningkatkan pemanfaatan perangkat keras dan menurunkan hambatan masuk untuk komputasi berkinerja tinggi.

2.2. Penyimpanan Terdesentralisasi

Arsitektur penyimpanan data saat ini hampir sepenuhnya bergantung pada infrastruktur cloud terpusat yang dioperasikan oleh perusahaan seperti Google dan Meta. Ketika pengguna mengunggah data ke platform ini, kepemilikan sebenarnya telah berpindah ke platform, memperkuat monopoli mereka atas data pelatihan AI. Infrastruktur terpusat juga memperkenalkan risiko operasional: perubahan kebijakan, gangguan layanan, atau kegagalan platform dapat memutus akses data atau menyebabkan kehilangan data.

Penyimpanan terdesentralisasi mengatasi masalah struktural ini melalui dua cara:

• Model ekonomi berbagi: Dengan contoh Filecoin dan Arweave, mengumpulkan ruang penyimpanan yang menganggur dari peserta ke dalam jaringan yang dapat menggantikan layanan cloud terpusat yang ada.

• Model penyimpanan permanen: Mendistribusikan data secara replikasi di seluruh node untuk memastikan ketahanan data, tanpa terpengaruh oleh status operasional server tunggal, dan mengurangi ketergantungan pada platform tunggal.

2.3. Pasar Data

Pengembang AI membutuhkan data pelatihan, tetapi pasar distribusi data saat ini beroperasi dengan model tertutup, di mana platform besar seperti Hugging Face dan penyedia cloud mengambil keuntungan ekonomi dan mengendalikan harga. Kreator data hampir tidak mendapat kompensasi, dan mekanisme penghargaan untuk pengumpulan dan kontribusi data kurang transparan.

Pasar on-chain menghilangkan perantara melalui kontrak pintar dan menetapkan persyaratan perdagangan yang transparan:

• Model perdagangan langsung: Seperti Ocean Protocol, pemilik data dan pengembang AI berdagang langsung melalui kontrak pintar, dengan kompensasi didistribusikan secara transparan.

• Model penghargaan kontribusi: Seperti Grass, individu menghubungkan bandwidth yang menganggur untuk pengumpulan data AI dan menerima kompensasi yang proporsional dengan nilai kontribusi mereka.

2.4. Verifikasi/Privasi Model dan Inferensi

Sistem AI tradisional beroperasi seperti "kotak hitam", tanpa sarana eksternal untuk memverifikasi apakah model berjalan dengan benar, atau apakah data pengguna sensitif telah ditangani dengan aman.

Pembelajaran Mesin Tanpa Pengetahuan (ZKML) memperkenalkan lapisan verifikasi kriptografis untuk inferensi AI, memungkinkan perlindungan privasi dan auditabilitas. Dalam arsitektur ini, model berjalan secara off-chain dengan cara tradisional, tetapi proses komputasi menghasilkan bukti kriptografis yang membuktikan bahwa proses tersebut telah dijalankan dengan benar sesuai aturan yang ditetapkan.

Yang dicatat di on-chain adalah "bukti" ini, bukan data dasarnya. Contoh: Dalam layanan klaim asuransi medis otomatis, rumah sakit hanya perlu mengirimkan bukti bahwa model AI berjalan dengan benar, tanpa perlu berbagi catatan medis lengkap. Perusahaan asuransi dapat memverifikasi legitimasi klaim tanpa mengakses data asli.

2.5. Kerangka Kerja Agen AI

Seiring agen AI menjadi inti utama lalu lintas dan penciptaan nilai, mereka berevolusi dari alat menjadi partisipan ekonomi otonom. Sistem keuangan yang ada dirancang di sekitar pola konsumsi manusia, secara struktural tidak cocok dengan lingkungan pembayaran yang berpusat pada mesin.

Ekonomi agen membutuhkan pembayaran mikro, penyelesaian frekuensi tinggi, dan pembayaran lintas batas dalam milidetik, yang tidak dapat diakomodasi oleh infrastruktur keuangan yang ada.

Infrastruktur agen on-chain mengatasi masalah ini melalui dua mekanisme:

• Mekanisme eksekusi dan kontrol otonom: Memberikan dompet dan identitas unik untuk agen AI, memungkinkan mereka menandatangani transaksi secara langsung, dengan batas pengeluaran dan perlindungan terhadap perilaku yang tidak diantisipasi.

• Mekanisme penyelesaian berbasis protokol: Menggunakan protokol pembayaran stablecoin seperti x402 untuk menyelesaikan transaksi mikro dan pembayaran frekuensi tinggi secara real-time, melewatkan konversi mata uang dan proses persetujuan.

3. Mengapa Blockchain AI Menyimpang dari Rantai Nilai AI

Rantai nilai AI terbentuk di sekitar "penghapusan hambatan secara berurutan". Seiring pertumbuhan permintaan AI, kekurangan memori muncul, dan kapasitas listrik serta transmisi data juga terbatas. Perusahaan yang dapat dengan cepat menyelesaikan masalah ini (seperti produsen HBM dan penyedia infrastruktur listrik) menarik modal besar dan apresiasi pasar. Pasar secara jelas memberikan nilai pada solusi yang menghilangkan hambatan pertumbuhan.

Meskipun proyek blockchain AI mengidentifikasi masalah nyata, mereka tidak mendapatkan perhatian pasar yang setara. Jika masalah ini benar-benar mendesak seperti yang diklaim, seharusnya mereka sudah mendorong pergeseran pasar yang signifikan.

Proyek blockchain AI, sambil mendorong tujuan yang masuk akal seperti "mengurangi sentralisasi GPU" dan "memulihkan kedaulatan data", gagal menarik modal arus utama karena adanya kesenjangan besar antara prioritas pemasok teknologi dan prioritas pembeli yang mengendalikan alokasi modal.

Industri AI beroperasi pada garis waktu yang kompetitif, dan pembeli (terutama perusahaan teknologi besar dan klien perusahaan) berinvestasi besar-besaran dalam teknologi yang dapat menyelesaikan hambatan operasional langsung mereka secepat mungkin. Mereka tidak meluangkan waktu untuk mengevaluasi infrastruktur yang belum terbukti. Prioritas mereka adalah kinerja komputasi, keandalan infrastruktur, dan pengembalian investasi yang dapat diverifikasi.

Contoh: Ketika kecepatan transmisi data menjadi hambatan dalam pelatihan model, modal besar mengalir ke infrastruktur serat optik untuk menggantikan kabel tembaga; ketika bandwidth memori menjadi kendala utama, SK Hynix dan Samsung Electronics memecahkan masalah kritis ini melalui memori bandwidth tinggi (HBM), mendapatkan pengakuan global. Polanya konsisten: modal mengikuti mereka yang menghilangkan faktor yang menghambat kemajuan.

Masalah fundamental blockchain AI terletak pada "posisi". Pembeli dengan anggaran modal besar hanya fokus pada peningkatan kinerja jangka pendek dan pengurangan biaya. Sebaliknya, blockchain AI berfokus pada masalah yang dianggap "sekunder" atau "keadaan masa depan" oleh pembeli. Ambisi teknis sisi penawaran tidak selaras dengan persyaratan operasional langsung sisi permintaan.

3.1. Keterbatasan Teknis

Beberapa proyek menggunakan tolok ukur untuk menunjukkan potensi dan filosofi desain infrastruktur terdesentralisasi. Namun masalah yang lebih mendasar adalah bahwa pekerjaan ini belum menghasilkan lompatan teknis yang menentukan untuk menggantikan raksasa yang sudah mapan di pasar arus utama.

Agar teknologi baru dapat mengambil pangsa dari penyedia cloud terpusat seperti AWS atau GCP yang sudah memiliki modal dan infrastruktur besar, ia harus menawarkan keunggulan kinerja yang sangat besar, sehingga kesenjangan dengan raksasa yang ada menjadi tidak relevan.

Ketika Apple beralih dari chip Intel ke chip M1 (dan menanggung risiko besar karena merusak kompatibilitas perangkat lunak), langkah itu dibenarkan oleh peningkatan efisiensi energi tiga kali lipat — kesenjangan yang cukup besar untuk membuat peralihan itu berharga.

Bagi pembeli perusahaan yang membutuhkan sinkronisasi data PB-level dan latensi sangat rendah sebagai kondisi dasar, blockchain AI belum memberikan kasus yang cukup jelas bagi mereka untuk menerima risiko peralihan.

3.2. Ketidakcocokan Permintaan

Dalam komputasi terdesentralisasi, beberapa proyek memperkenalkan "Perjanjian Tingkat Layanan" (SLA) sebagai mekanisme mitigasi risiko, tetapi pembeli perusahaan masih belum yakin. Alasannya bersifat struktural, bukan kontraktual. Penyedia cloud besar menawarkan pusat data yang terkontrol dan eksklusif. Jaringan blockchain bergantung pada partisipasi node yang tersebar dan anonim.

Jika sebuah node mati dan mengganggu tugas pelatihan model senilai ratusan miliar won, kompensasi token atau ganti rugi finansial tidak dapat mengembalikan biaya peluang dan waktu yang hilang. Bagi pembeli perusahaan yang beroperasi pada garis waktu kompetitif, stabilitas sistem bukanlah parameter yang dapat dinegosiasikan. Bahkan dengan mekanisme lindung nilai, sebagian besar pembeli tidak memiliki insentif untuk menanggung risiko ketidakpastian yang tersisa.

3.3. Permintaan Belum Terbentuk

Kerangka kerja agen blockchain dirancang untuk ekosistem yang kompleks (yaitu, beberapa agen AI berkolaborasi secara otonom), tetapi visi ini memiliki kesenjangan kematangan dengan keadaan pasar arus utama.

Adopsi agen AI oleh perusahaan, yang dipimpin oleh perusahaan seperti Microsoft dan Salesforce, sedang dipercepat, tetapi fokus saat ini dengan tegas pada "otomatisasi alur kerja" yang berjalan dalam jaringan internal yang terkontrol. Infrastruktur yang dibangun proyek blockchain menargetkan tahap berikutnya: agen AI independen yang berjalan secara otonom di jaringan eksternal di luar batas organisasi mana pun. Sebagian besar perusahaan saat ini masih fokus pada membangun stabilitas dan ROI dari sistem AI yang telah mereka gunakan. Kolaborasi multi-agen di seluruh jaringan eksternal belum menjadi prioritas dalam peta jalan infrastruktur perusahaan.

Keterbatasan permintaan pada tahap ini mencerminkan "waktu" daripada "kegagalan teknologi". Ini lebih dipahami sebagai investasi infrastruktur jangka panjang untuk ekonomi agen masa depan daripada peluang pendapatan jangka pendek.

3.4. Prasyarat Regulasi

Bukti tanpa pengetahuan dan teknologi perlindungan privasi adalah solusi inti untuk membangun kepercayaan AI, tetapi pada tahap awal adopsi AI, permintaan nyata perusahaan untuk infrastruktur privasi terbatas. Adopsi sukarela oleh perusahaan tidak mungkin mendorong penetrasi yang berarti; jalur yang lebih mungkin adalah bahwa standar regulasi menciptakan permintaan, dan kemudian teknologi mengikutinya.

Kerangka regulasi global yang semakin spesifik (termasuk "Undang-Undang AI" Uni Eropa) adalah perkembangan positif dalam hal ini. Seiring persyaratan hukum tentang sumber data dan keamanan menjadi spesifik, kemampuan verifikasi canggih blockchain diharapkan menjadi persyaratan kepatuhan dalam penerapan perusahaan, bukan fitur opsional.

Perkembangan regulasi di bidang ini paling baik dipahami sebagai katalis untuk pembentukan pasar, bukan sebagai hambatan. Standar regulasi yang jelas mengurangi ketidakpastian pasar, dan dengan demikian menciptakan jalur yang stabil bagi blockchain AI untuk membangun permintaan arus utama dalam kerangka kelembagaan.

3.5. Kurangnya Kasus Penggunaan yang Memadai

Faktor-faktor struktural ini bergabung untuk menghasilkan masalah yang lebih mendasar: kurangnya "kasus sukses yang mendefinisikan" yang dapat membuktikan nilainya dalam skala besar. Industri AI tradisional membangun posisinya saat ini melalui roda gila adopsi yang dipicu oleh ChatGPT, memanfaatkan produk yang spesifik dan sangat terlihat untuk menarik modal dan bakat yang diperlukan untuk mempertahankan pertumbuhan lebih lanjut.

Proyek blockchain AI belum menghasilkan bukti Kesesuaian Produk-Pasar (Product-Market Fit) yang setara dalam skala. Terlepas dari antusiasme komunitas awal, tidak ada proyek yang membuktikan tingkat adopsi dalam operasi perusahaan atau kehidupan sehari-hari konsumen yang cukup untuk menarik perhatian serius dari modal arus utama. Kurangnya referensi yang meyakinkan tetap menjadi hambatan terbesar untuk menarik investasi institusional konservatif yang dapat mempercepat adopsi yang lebih luas.

4. Apakah Kombinasi Keduanya Bernilai?

Blockchain AI belum menemukan pijakan dalam rantai nilai AI arus utama. Tetapi apakah ini berarti bahwa kombinasi keduanya tidak berarti?

Tidak demikian.

Alasan mendasar mengapa proyek blockchain AI saat ini diabaikan bukan karena logika kombinasi keduanya kontradiktif, melainkan karena di setiap sub-bidang, terdapat ketidakcocokan antara persyaratan industri yang ada dengan arah yang ditawarkan oleh teknologi.

Prioritas industri AI tradisional jelas: kinerja jangka pendek, optimalisasi biaya, dan keandalan infrastruktur yang ketat. Sementara banyak proposal blockchain AI saat ini berfokus pada kepemilikan data, transparansi komputasi, dan desentralisasi.

Masalah-masalah ini bukanlah "hambatan langsung" yang dianggap oleh pelaku industri yang sudah mapan, dan mengejar tujuan ini seringkali memerlukan penerimaan penurunan kinerja yang terlalu mahal dibandingkan dengan manfaatnya.

Sebelum hiruk-pikuk AI, perusahaan infrastruktur listrik secara luas diklasifikasikan sebagai perusahaan matang dengan pertumbuhan rendah. Lonjakan permintaan listrik yang didorong oleh pusat data mengubah hal ini, dan sejak itu mereka menarik perhatian pasar yang besar. Sikap dingin saat ini terhadap blockchain AI mungkin mencerminkan kelambanan yang serupa — yaitu masa transisi sebelum paradigma baru menciptakan kondisi yang dapat mewujudkan nilainya.

Selama masa transisi ini, kuncinya terletak pada bagaimana industri merespons permintaan nyata pasar.

Jalan ke depan terbagi dalam dua arah: secara aktif beradaptasi dengan standar rantai nilai AI yang ada untuk menjembatani kesenjangan kinerja sesegera mungkin, atau bertahan dengan kemampuan saat ini sambil terus membangun infrastruktur yang diperlukan untuk penerapan AI generasi berikutnya.

Hasil akhirnya akan tergantung pada pilihan mana yang lebih sesuai dengan arah permintaan selanjutnya.