Mengapa AI+blockchain sulit mendapatkan aplikasi yang luas di era AI?

Penulis: Ekko An, Ryan Yoon; Sumber: Tiger Research; Diterjemahkan oleh: Shaw, Golden Finance

Ringkasan Poin Penting

• Di tengah perkembangan pesat kecerdasan buatan (AI), kita perlu mengevaluasi industri blockchain dari sudut pandang sisi permintaan: masalah apa yang dipecahkannya yang tidak dapat dipecahkan oleh sistem yang ada, dan kemampuan unik apa yang dibawanya?

• Komputasi dan penyimpanan terdesentralisasi memiliki justifikasi yang masuk akal baik dari segi kedaulatan data maupun daya saing biaya. Namun, masalahnya adalah bagi pengguna yang sudah berinvestasi dalam infrastruktur cloud yang ada, keduanya belum menunjukkan keunggulan teknis yang cukup meyakinkan untuk mengimbangi risiko peralihan.

• Verifikasi model dan teknologi privasi tidak memecahkan masalah yang dianggap mendesak oleh perusahaan untuk diatasi secara proaktif. Jenis permintaan ini lebih mungkin muncul setelah peraturan ditetapkan, bukan mendahului peraturan tersebut. Undang-Undang AI Uni Eropa mencerminkan pola ini: standar terlebih dahulu, adopsi pasar kemudian.

• Di bidang kerangka kerja Agen, faktor pembatasnya bukanlah pada aspek teknis. Perusahaan arus utama masih berfokus pada otomatisasi alur kerja internal, sementara proyek blockchain sudah membangun lapisan infrastruktur berikutnya. Permintaan membutuhkan waktu untuk menyusul perkembangan teknologi.

• Di bidang pembayaran Agen, blockchain dan keuangan tradisional saling berimbang. Kedua belah pihak belum sepenuhnya menyelesaikan masalah ini, oleh karena itu, ini adalah satu-satunya bidang di mana kedua belah pihak menghadapi tantangan yang sama secara bersamaan.

• Kesulitan industri blockchain AI secara keseluruhan bukan berasal dari ketidakcocokan kombinasinya sendiri, melainkan karena adanya ketidaksesuaian: keempat kategori ini masing-masing menghadapi alasan yang berbeda mengapa permintaan belum muncul, dan saat ini hanya pembayaran Agen yang memiliki daya saing.

1. Proyek Blockchain yang Tertinggal dalam Gelombang Kecerdasan Buatan

Industri kecerdasan buatan sedang mengalami konsentrasi modal dan investasi infrastruktur yang belum pernah terjadi sebelumnya. Ekosistem model bahasa besar yang didominasi oleh perusahaan teknologi besar telah menjadi standar dalam kehidupan sehari-hari dan operasi industri. Di tengah ekspansi yang pesat ini, industri mata uang kripto juga berkembang pesat, mencari titik koneksi teknologi dengan AI.

Penelitian awal terutama berfokus pada melengkapi atau mereplikasi bagian-bagian tertentu dari rantai nilai AI tradisional: pasokan GPU terdesentralisasi, pemulihan kepemilikan data, dan verifikasi terenkripsi. Baru-baru ini, fokus penelitian beralih ke mengisi celah yang sulit dipecahkan oleh arsitektur terpusat, seperti aktivitas on-chain otonom agen AI dan penyelesaian antar-mesin secara real-time.

Menggambarkan bidang ini secara umum sebagai "AI + blockchain" menyembunyikan lebih banyak informasi daripada yang diungkapkannya. Kita perlu melakukan analisis sisi permintaan yang ketat: masalah apa yang ditargetkan oleh setiap sub-bidang? Apakah pendekatan asli blockchain dapat memberikan solusi yang benar-benar berbeda?

2. Fungsi Masing-masing Kategori

2.1 Komputasi Terdesentralisasi

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

Sistem terpusat mengkonsolidasikan sumber daya ke tangan pembeli terbesar, tanpa saluran netral untuk mendistribusikan kembali kapasitas GPU yang menganggur dalam jumlah besar di pasar.

Komputasi terdesentralisasi mengatasi inefisiensi dan konsentrasi sumber daya ini melalui dua cara. Dalam model ekonomi berbagi, proyek mengagregasi sumber daya GPU yang menganggur dari individu dan pusat data kecil ke dalam satu jaringan terpadu, sehingga menciptakan rantai pasokan yang lebih fleksibel di luar monopoli teknologi yang ada.

Dalam model komputasi terdistribusi, pengguna dapat mengakses dan menyewa sumber daya komputasi secara global tanpa bergantung pada infrastruktur penyedia tunggal, sehingga meningkatkan pemanfaatan perangkat keras yang menganggur 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 secara efektif berpindah ke platform, sehingga memperkuat kendali monopoli platform atas data pelatihan AI. Infrastruktur terpusat juga menghadirkan risiko operasional: perubahan kebijakan, gangguan layanan, atau kegagalan platform dapat menyebabkan gangguan akses data atau kehilangan data.

Penyimpanan terdesentralisasi mengatasi masalah struktural ini melalui dua cara. Model ekonomi berbagi, yang diwakili oleh Filecoin dan Arweave, mengumpulkan ruang penyimpanan yang menganggur dari berbagai peserta ke dalam satu jaringan yang dapat menggantikan cloud terpusat yang ada.

Model penyimpanan permanen mereplikasi data ke simpul terdistribusi, memastikan ketahanan data terlepas dari status operasional server individu, dan mengurangi ketergantungan pada platform tunggal.

2.3 Pasar Data

Pengembang AI membutuhkan data pelatihan, tetapi pasar distribusi data saat ini adalah sistem tertutup di mana platform besar (misalnya Hugging Face) dan vendor cloud mengambil keuntungan ekonomi dan mengendalikan harga. Pembuat data menerima kompensasi yang sangat sedikit, dan mekanisme untuk memberi penghargaan atas pengumpulan dan kontribusi data kurang transparan.

Pasar on-chain menghilangkan perantara melalui kontrak pintar dan menetapkan ketentuan transaksi yang transparan. Dalam model perdagangan langsung seperti Ocean Protocol, pemilik data dan pengembang AI bertransaksi langsung melalui kontrak pintar, dan kompensasi didistribusikan secara transparan. Dalam model hadiah kontribusi seperti Grass, individu menghubungkan bandwidth yang menganggur ke pengumpulan data AI dan menerima kompensasi sesuai dengan nilai kontribusi mereka.

2.4 Verifikasi Model dan Inferensi/Privasi

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

Pembelajaran Mesin Tanpa Pengetahuan (ZKML) memperkenalkan lapisan verifikasi terenkripsi dalam proses inferensi AI, sehingga memungkinkan perlindungan privasi dan auditabilitas. Dalam arsitektur ini, model berjalan secara tradisional di luar rantai, tetapi proses komputasi menghasilkan bukti terenkripsi yang membuktikan bahwa proses tersebut telah dijalankan dengan benar sesuai dengan aturan yang telah ditentukan.

Bukti ini dicatat di rantai, bukan data yang mendasarinya. Contohnya: Dalam layanan penggantian biaya asuransi medis otomatis, rumah sakit hanya perlu menyerahkan bukti bahwa model AI berjalan dengan benar, tanpa perlu membagikan catatan medis lengkap. Perusahaan asuransi dapat memverifikasi keabsahan klaim tanpa mengakses data asli.

2.5 Kerangka Kerja Agen AI

Seiring agen AI (AI Agent) menjadi kendaraan utama untuk lalu lintas dan penciptaan nilai, mereka berevolusi dari alat menjadi entitas ekonomi otonom. Sistem keuangan yang ada dirancang di sekitar pola konsumsi manusia, dan strukturnya tidak kompatibel dengan lingkungan pembayaran yang berpusat pada mesin.

Ekonomi Agen membutuhkan transaksi mikro yang dieksekusi dalam milidetik, penyelesaian frekuensi tinggi, dan pembayaran lintas batas, yang tidak dapat dipenuhi oleh infrastruktur keuangan yang ada.

Infrastruktur agen on-chain mengatasi masalah ini melalui dua mekanisme. Mekanisme kontrol dan eksekusi otonom memberikan dompet dan identitas unik kepada agen AI, memungkinkan mereka untuk menandatangani transaksi secara langsung, dan menetapkan batas pengeluaran yang dapat dikonfigurasi serta langkah-langkah keamanan untuk mencegah perilaku yang tidak diinginkan.

Mekanisme penyelesaian berbasis protokol menggunakan protokol pembayaran stablecoin (misalnya x402) untuk menyelesaikan transaksi mikro dan pembayaran frekuensi tinggi secara real-time, melewati konversi mata uang dan proses persetujuan.

3. Perbedaan Antara Blockchain AI dan Rantai Nilai AI

Pembentukan rantai nilai AI berpusat pada penghapusan hambatan secara bertahap. Seiring dengan meningkatnya permintaan AI, kekurangan memori menjadi semakin menonjol, dan kapasitas transmisi data serta daya listrik juga menghadapi tekanan yang besar. Perusahaan yang dapat dengan cepat mengatasi masalah ini, seperti produsen HBM dan penyedia infrastruktur listrik, akan menarik modal besar dan mendapatkan peningkatan nilai pasar yang signifikan. Pasar memberikan pengakuan yang jelas terhadap solusi yang dapat menghilangkan hambatan pertumbuhan.

Proyek blockchain AI telah menemukan beberapa masalah yang sebenarnya ada, tetapi mereka belum menarik perhatian pasar yang semestinya. Jika masalah ini memang mendesak seperti yang mereka klaim, maka mereka seharusnya sudah memicu perubahan yang terukur di pasar.

Meskipun proyek blockchain AI memajukan tujuan yang sah seperti mengurangi konsentrasi GPU dan memulihkan kedaulatan data, ketidakmampuan mereka untuk menarik modal arus utama disebabkan oleh kesenjangan yang jelas antara prioritas penyedia teknologi dan prioritas pembeli yang mengendalikan alokasi modal.

Industri AI memiliki tempo yang ketat, dan pembeli (terutama perusahaan teknologi besar dan klien korporat) akan berinvestasi besar-besaran dalam solusi yang dapat menyelesaikan hambatan operasional mereka saat ini dengan cepat. Mereka tidak akan meluangkan waktu untuk mengevaluasi infrastruktur yang belum teruji. Pertimbangan utama mereka adalah kinerja komputasi, keandalan infrastruktur, dan pengembalian investasi yang terukur.

Contohnya: Ketika kecepatan transmisi data menjadi hambatan dalam pelatihan model, sejumlah besar modal mengalir ke infrastruktur serat optik untuk menggantikan kabel tembaga. Ketika bandwidth memori menjadi kendala utama, pembeli menganggapnya sebagai masalah kritis, dan SK Hynix serta Samsung Electronics menyelesaikannya dengan menyediakan memori bandwidth tinggi, sehingga terkenal secara global. Pola ini konsisten: modal mengikuti mereka yang dapat menghilangkan faktor pembatas dan mendorong kemajuan.

Masalah mendasar yang dihadapi blockchain AI terletak pada kerangka pembangunan. Pembeli dengan anggaran besar hanya fokus pada peningkatan kinerja jangka pendek dan pengurangan biaya. Sebaliknya, blockchain AI justru berfokus pada aspek lain yang dianggap pembeli sebagai masalah sekunder atau tahap masa depan.

Tujuan teknis sisi penawaran tidak selaras dengan kebutuhan operasional langsung sisi permintaan.

3.1 Keterbatasan Teknis

Beberapa proyek menggunakan tolok ukur untuk menunjukkan potensi dan konsep desain infrastruktur terdesentralisasi. Namun, masalah yang lebih mendasar adalah bahwa upaya ini belum menghasilkan terobosan teknis yang signifikan yang cukup untuk mengguncang perusahaan mapan yang mengakar di pasar arus utama.

Agar teknologi baru dapat merebut pangsa pasar dari penyedia cloud terpusat seperti AWS atau GCP (yang sudah memiliki modal dan infrastruktur yang sangat besar), teknologi tersebut harus memberikan keunggulan kinerja yang sangat besar sehingga kesenjangan dengan penyedia yang ada menjadi tidak relevan.

Ketika Apple beralih dari chip Intel ke chip M1, meskipun mereka mengambil risiko besar dalam merusak kompatibilitas perangkat lunak, langkah ini dapat dibenarkan karena efisiensi energinya meningkat tiga kali lipat, kesenjangan yang cukup untuk membuat transisi tersebut berharga.

Bagi pembeli korporat yang membutuhkan sinkronisasi data dalam skala PB dan latensi sangat rendah sebagai kondisi dasar, blockchain AI belum memberikan alasan yang cukup jelas bagi mereka untuk menerima risiko peralihan.

3.2 Ketidaksesuaian Permintaan

Di bidang komputasi terdesentralisasi, beberapa proyek telah memperkenalkan Perjanjian Tingkat Layanan (SLA) sebagai mekanisme mitigasi risiko, tetapi pembeli korporat masih tidak tertarik. Alasannya adalah masalah struktural, bukan masalah kontrak. Penyedia cloud besar menawarkan pusat data khusus yang terkontrol, sementara jaringan blockchain bergantung pada partisipasi simpul yang tersebar dan anonim.

Jika sebuah simpul mati dan mengganggu pelatihan model senilai ratusan miliar won, pengembalian token atau kompensasi finansial apa pun tidak dapat menutupi biaya peluang dan waktu yang hilang. Bagi pembeli korporat yang sensitif terhadap waktu, stabilitas sistem tidak dapat dikompromikan.

Bahkan dengan mekanisme lindung nilai, ketidakpastian yang tersisa bukanlah risiko yang sebagian besar pembeli termotivasi untuk ambil.

3.3 Permintaan Belum Terbentuk

Kerangka kerja agen blockchain dirancang untuk ekosistem kompleks di mana beberapa agen AI bekerja sama secara otonom, tetapi visi ini memiliki kesenjangan dengan tingkat kedewasaan pasar arus utama saat ini.

Dipimpin oleh perusahaan seperti Microsoft dan Salesforce, adopsi agen AI oleh perusahaan semakin cepat, tetapi fokus saat ini masih terletak pada otomatisasi alur kerja dalam jaringan internal yang terkendali. Infrastruktur yang dibangun oleh proyek blockchain mengarah pada tahap berikutnya: agen AI independen yang dapat beroperasi secara otonom di jaringan eksternal di luar batas organisasi. Saat ini, sebagian besar perusahaan masih fokus pada memastikan stabilitas dan ROI dari sistem AI yang telah diterapkan. Kolaborasi multi-agen di seluruh jaringan eksternal belum menjadi prioritas dalam peta jalan infrastruktur perusahaan.

Permintaan yang terbatas pada tahap ini mencerminkan masalah waktu, bukan cacat teknis. Ini lebih harus dipahami sebagai investasi infrastruktur jangka panjang untuk ekonomi agen, daripada peluang keuntungan jangka pendek.

3.4 Prasyarat Regulasi

Bukti tanpa pengetahuan dan teknologi perlindungan privasi adalah solusi inti untuk membangun kredibilitas AI, tetapi pada tahap awal penerapan AI, permintaan aktual perusahaan untuk infrastruktur privasi masih terbatas. Adopsi sukarela oleh perusahaan tidak mungkin mendorong adopsi massal teknologi; skenario yang lebih mungkin adalah bahwa standar regulasi akan menciptakan permintaan, dan teknologi harus mengejar ketinggalan.

Kerangka regulasi global (termasuk Undang-Undang AI Uni Eropa) yang semakin jelas merupakan perkembangan yang menguntungkan dalam hal ini. Seiring dengan semakin spesifiknya persyaratan hukum terkait sumber data dan keamanan, fungsi verifikasi canggih blockchain diharapkan menjadi persyaratan kepatuhan dalam penerapan perusahaan, bukan sekadar opsi.

Perkembangan regulasi di bidang ini lebih merupakan katalis pembentukan pasar daripada faktor pembatas. Standar regulasi yang jelas dapat mengurangi ketidakpastian pasar, sehingga menciptakan jalur yang stabil bagi blockchain AI untuk membangun permintaan arus utama dalam kerangka kelembagaan.

3.5 Kasus Penggunaan yang Tidak Mencukupi

Faktor-faktor struktural ini bersama-sama mengarah pada masalah yang lebih mendasar: kurangnya kisah sukses ikonik yang dapat menunjukkan nilai dalam skala besar. Industri AI tradisional dapat mencapai posisinya saat ini berkat efek roda gila yang dipicu oleh ChatGPT: ia menggunakan produk yang spesifik dan dikenal luas untuk menarik modal dan bakat yang diperlukan untuk mempertahankan pertumbuhan yang berkelanjutan.

Proyek blockchain AI belum menunjukkan bukti kesesuaian produk-pasar dalam skala besar. Selain antusiasme komunitas awal, tidak ada proyek yang dapat menunjukkan aplikasi pada tingkat operasi perusahaan atau kehidupan konsumen sehari-hari yang cukup untuk menarik perhatian modal arus utama. Kurangnya studi kasus referensi yang meyakinkan masih menjadi hambatan terbesar dalam menarik investasi institusional yang konservatif, yang sebenarnya dapat mempercepat adopsi blockchain AI yang lebih luas.

4. Apakah Kombinasi Ini Bernilai?

Terlepas dari ekspektasi pasar, blockchain AI belum menemukan pijakan yang stabil dalam rantai nilai AI arus utama. Apakah ini berarti kombinasi ini tidak bernilai?

Tidak demikian.

Alasan mendasar mengapa proyek blockchain AI saat ini diabaikan bukan karena kontradiksi intrinsik dalam diri mereka sendiri, melainkan karena di setiap subkategori, terdapat ketidaksesuaian antara kebutuhan industri yang ada dan tujuan yang ingin dicapai oleh teknologi.

Prioritas industri AI tradisional jelas: kinerja jangka pendek, optimalisasi biaya, dan keandalan infrastruktur. Sebaliknya, banyak solusi AI berbasis blockchain saat ini berfokus pada kepemilikan data, transparansi komputasi, dan desentralisasi.

Bagi pemain industri yang mapan, masalah ini bukanlah hambatan yang mendesak, dan menyelesaikannya seringkali membutuhkan pengorbanan kinerja yang terlalu besar dibandingkan dengan manfaatnya.

Sebelum munculnya gelombang AI, perusahaan infrastruktur listrik biasanya diklasifikasikan sebagai perusahaan yang matang dan tumbuh lambat. Lonjakan permintaan listrik yang digerakkan oleh pusat data telah mengubah situasi ini, dan sejak itu mereka telah menarik perhatian pasar yang besar. Sikap apatis saat ini terhadap blockchain AI mungkin juga mencerminkan efek penundaan yang serupa, di mana nilai infrastruktur belum sepenuhnya terwujud sebelum paradigma baru muncul.

Dalam masa transisi ini, yang penting adalah bagaimana industri merespons permintaan aktual pasar.

Jalan ke depan terbagi menjadi dua arah: secara aktif menyesuaikan diri dengan standar rantai nilai AI yang telah mapan dan menutup kesenjangan kinerja jangka pendek; atau mempertahankan kemampuan yang ada sambil terus membangun infrastruktur yang diperlukan untuk penerapan AI generasi mendatang.

Hasilnya akan tergantung pada pilihan mana yang lebih sesuai dengan arah permintaan di masa depan.