Bisnis AI tidak menguntungkan? DeAI harapan telah muncul.

Penulis: Zhang Feng

Kecerdasan buatan (AI) tanpa diragukan lagi adalah puncak teknologi terpanas di dunia, teknologi AI sedang membentuk kembali berbagai industri dengan kecepatan yang belum pernah terjadi sebelumnya. Namun, di balik kemeriahan tersebut, ada kenyataan pahit bahwa sebagian besar bisnis AI, terutama perusahaan rintisan, belum menemukan jalur keuntungan yang stabil dan berkelanjutan. Mereka terjebak dalam dilema “mendapat pujian tetapi tidak mendapatkan penjualan”, di mana kemakmuran teknologi berdampingan dengan kerugian bisnis.

Satu, mengapa “rugi tapi dapat perhatian”?

Dilema profitabilitas bisnis AI tidak berasal dari kegagalan teknologi itu sendiri, tetapi disebabkan oleh model pengembangan terpusat yang mengakibatkan kontradiksi struktural. Secara spesifik, dapat diringkas menjadi tiga penyebab utama berikut:

Desentralisasi ekstrem: Biaya selangit dan monopoli oligarki. AI arus utama saat ini, terutama model besar, adalah contoh industri “aset berat” yang khas. Proses pelatihan dan inferensinya memerlukan konsumsi daya komputasi (GPU), penyimpanan, dan listrik yang sangat besar. Hal ini mengakibatkan pemisahan dua kutub: di satu sisi adalah raksasa teknologi dengan modal kuat (seperti Google, Microsoft, OpenAI) yang mampu menanggung investasi ratusan juta bahkan miliaran dolar; di sisi lain adalah banyak perusahaan startup yang terpaksa memberikan sebagian besar pendanaan mereka “sebagai persembahan” kepada penyedia layanan cloud untuk mendapatkan daya komputasi, sehingga margin keuntungan mereka sangat tertekan. Pola ini membentuk “oligarki daya komputasi” yang membunuh semangat inovasi. Misalnya, bahkan OpenAI pada awal perkembangannya sangat bergantung pada investasi besar dari Microsoft dan sumber daya komputasi awan Azure, yang mendukung pengembangan dan operasional ChatGPT. Bagi sebagian besar pemain, biaya tetap yang tinggi membuatnya sulit untuk mencapai profitabilitas skala.

Dilema data: hambatan kualitas dan risiko privasi. Bahan bakar AI adalah data. Perusahaan AI terpusat sering menghadapi dua tantangan besar untuk mendapatkan data pelatihan berkualitas tinggi dan dalam skala besar. Pertama, biaya pengambilan data yang tinggi. Baik melalui pengumpulan berbayar, penandaan data, atau memanfaatkan data pengguna, semuanya melibatkan investasi waktu dan dana yang besar. Kedua, risiko privasi data dan kepatuhan yang besar. Seiring dengan pengetatan regulasi data global (seperti GDPR, CCPA), pengumpulan dan penggunaan data tanpa izin eksplisit dari pengguna dapat memicu tuntutan hukum dan denda besar kapan saja. Misalnya, beberapa perusahaan teknologi terkenal pernah menghadapi denda yang sangat tinggi karena masalah penggunaan data. Ini membentuk sebuah paradoks: tanpa data, AI tidak dapat berkembang, tetapi pengambilan dan penggunaan data menjadi sangat sulit.

Ketidakseimbangan distribusi nilai: Kontributor dan pencipta dikecualikan dari keuntungan. Dalam ekosistem AI saat ini, distribusi nilai sangat tidak adil. Pelatihan model AI bergantung pada data perilaku yang dihasilkan oleh banyak pengguna, konten yang diproduksi oleh pencipta (teks, gambar, kode, dll.), serta kode sumber terbuka yang disumbangkan oleh pengembang global. Namun, kontributor inti ini hampir tidak bisa mendapatkan imbalan dari nilai komersial besar yang dihasilkan oleh model AI. Ini bukan hanya masalah etika, tetapi juga merupakan model bisnis yang tidak berkelanjutan. Hal ini mengurangi semangat kontributor data dan pencipta konten, dan dalam jangka panjang, dapat menggerogoti dasar dari optimasi dan inovasi berkelanjutan model AI. Salah satu contoh khas adalah banyak seniman dan penulis yang menuduh perusahaan AI menggunakan karya mereka untuk pelatihan dan meraih keuntungan, namun tidak memberikan kompensasi apapun, yang memicu kontroversi dan sengketa hukum yang luas.

II. Paradigma Baru Keuntungan

DeAI (Kecerdasan Buatan Terdesentralisasi) bukanlah sebuah teknologi tunggal, melainkan sebuah paradigma baru yang menggabungkan blockchain, kriptografi, dan komputasi terdistribusi. Tujuannya adalah untuk membangun kembali hubungan produksi AI secara terdesentralisasi, sehingga dapat secara spesifik mengatasi tiga titik sakit yang disebutkan di atas dan membuka kemungkinan untuk profit.

DeAI melalui mode “crowdsourcing” mendistribusikan permintaan daya komputasi ke node yang tidak terpakai di seluruh dunia (komputer pribadi, pusat data, dll). Ini mirip dengan “Airbnb untuk GPU”, membentuk pasar daya komputasi global yang kompetitif, yang dapat secara signifikan mengurangi biaya daya komputasi. Peserta mendapatkan insentif token melalui kontribusi daya komputasi, mencapai pengoptimalan alokasi sumber daya.

DeAI melalui teknologi “pembelajaran federasi” dan “kriptografi homomorfik” mewujudkan “data tidak bergerak, model bergerak”. Ini tidak perlu mengumpulkan data asli di satu tempat, melainkan mendistribusikan model ke setiap sumber data untuk pelatihan lokal, hanya menggabungkan pembaruan parameter yang telah dienkripsi. Ini secara fundamental melindungi privasi data, sambil secara sah dan sesuai regulasi memanfaatkan nilai data yang terdistribusi. Pemilik data dapat memutuskan secara mandiri apakah akan menyediakan data dan mendapatkan keuntungan dari situ.

DeAI membangun sistem distribusi nilai yang transparan dan adil melalui “ekonomi token” dan “kontrak pintar”. Kontributor data, penyedia daya komputasi, pengembang model, hingga pengguna model, dapat secara otomatis mendapatkan imbalan token yang sesuai berdasarkan kontribusi mereka melalui kontrak pintar. Ini mengubah AI dari “kotak hitam” yang dikuasai oleh raksasa menjadi ekonomi terbuka yang dibangun, dikelola, dan dibagikan oleh komunitas.

Tiga, Mengubah Struktur Tiga Tingkat

Migrasi bisnis AI terpusat tradisional ke dalam paradigma DeAI memerlukan rekonstruksi sistematis di tiga level: teknologi, bisnis, dan tata kelola.

(1) Rekonstruksi teknologi dari terpusat ke terdistribusi

Lapisan komputasi bergantung pada jaringan infrastruktur fisik terdesentralisasi (DePIN) seperti Akash Network, Render Network, dan lainnya, untuk membangun kolam komputasi terdistribusi yang fleksibel dan biaya rendah, menggantikan layanan cloud terpusat tradisional.

Lapisan data menggunakan pembelajaran federasi sebagai kerangka pelatihan inti, menggabungkan teknik kriptografi seperti enkripsi homomorfik dan komputasi multi-pihak yang aman, untuk memastikan privasi dan keamanan data. Membangun pasar data berbasis blockchain, seperti Ocean Protocol, agar data dapat diperdagangkan dengan kepemilikan dan keamanan yang terjamin.

Lapisan model akan menerapkan model AI yang sudah dilatih dalam bentuk “kontrak pintar AI” di blockchain, membuatnya menjadi transparan, dapat diverifikasi, dan dapat dipanggil tanpa izin. Setiap penggunaan model dan pendapatan yang dihasilkan dapat dicatat dan dialokasikan dengan tepat.

(II) Rekonstruksi bisnis dari layanan penjualan ke pembangunan ekosistem bersama

Dari SaaS ke DaaS (Data sebagai Layanan) dan MaaS (Model sebagai Layanan), perusahaan tidak hanya menjual jumlah panggilan API, tetapi juga sebagai pembangun ekosistem, dengan menerbitkan token fungsional atau token tata kelola untuk mendorong partisipasi komunitas dalam pembangunan jaringan. Sumber pendapatan telah berkembang dari biaya layanan tunggal menjadi apresiasi token yang dihasilkan dari pertumbuhan nilai ekosistem, pembagian biaya transaksi, dan lainnya.

Oleh karena itu, membangun platform tugas terdesentralisasi yang menerbitkan tugas seperti penandaan data, penyempurnaan model, dan pengembangan aplikasi untuk skenario tertentu dalam bentuk “hadiah”, yang dapat diambil oleh anggota komunitas global dan mendapatkan imbalan, secara signifikan mengurangi biaya operasional dan mendorong inovasi.

(Tiga) Dari restrukturisasi tata kelola perusahaan menjadi DAO

Berdasarkan tata kelola komunitas, melalui kepemilikan token tata kelola, peserta komunitas (kontributor, pengguna) memiliki hak untuk memberikan suara pada keputusan penting, seperti arah penyesuaian parameter model, penggunaan dana kas, prioritas pengembangan fitur baru, dan lain-lain. Ini mewujudkan benar-benar “pengguna adalah pemilik”.

Berdasarkan keterbukaan dan transparansi, semua kode, model (beberapa dapat diopen source), catatan transaksi, dan keputusan tata kelola dicatat di blockchain, memastikan proses yang terbuka dan transparan, membangun hubungan kolaborasi yang tidak memerlukan kepercayaan, ini sendiri merupakan aset merek yang kuat dan dukungan kepercayaan.

Sebagai contoh transformasi dari platform data logistik tradisional ke DeAI, kesulitan yang dihadapi oleh platform data logistik tradisional adalah meskipun telah mengumpulkan data dari berbagai sumber seperti pengiriman laut, pengiriman darat, dan penyimpanan, para peserta “tidak mau berbagi” karena khawatir akan kebocoran rahasia bisnis, yang mengakibatkan pulau data dan nilai platform yang terbatas. Inti dari transformasi ke DeAI adalah melepaskan nilai data dan memberikan insentif yang adil tanpa mengekspos data mentah:

Secara teknis membangun jaringan komputasi yang dapat dipercaya. Platform tidak lagi menyimpan data secara terpusat, tetapi bertransformasi menjadi lapisan koordinasi berbasis blockchain. Mengadopsi model teknologi seperti pembelajaran federasi, memungkinkan model AI “mendarat” di server lokal berbagai perusahaan (seperti perusahaan pelayaran, gudang) untuk dilatih, hanya mengumpulkan pembaruan parameter yang terenkripsi, bersama-sama mengoptimalkan model prediksi global (seperti waktu kedatangan kapal, risiko overstock gudang), mewujudkan “data tidak bergerak, nilai bergerak.”

Menerapkan aset data dan insentif token dalam bisnis. Menerbitkan poin utilitas untuk platform, perusahaan logistik mendapatkan imbalan poin melalui kontribusi data (parameter model) untuk “menambang”. Sementara itu, pelanggan hulu (seperti pemilik barang) membayar token untuk mengakses “hasil prediksi” yang akurat tinggi (misalnya: tingkat ketepatan waktu rute tertentu untuk minggu depan), bukan membeli data mentah. Pendapatan secara otomatis dibagikan kepada pihak yang menyumbangkan data melalui kontrak pintar.

Membangun DAO industri dalam hal tata kelola, keputusan kunci (seperti pengembangan fitur baru, penyesuaian tarif) diambil melalui pemungutan suara bersama oleh pemegang token (yaitu peserta inti), mengubah platform dari yang dipimpin oleh perusahaan swasta menjadi komunitas industri.

Platform ini telah berevolusi dari lembaga terpusat yang berusaha menarik biaya perantara data, menjadi sistem saraf yang dibangun, dikelola, dan dibagikan oleh seluruh rantai industri logistik, yang secara signifikan meningkatkan efisiensi kolaborasi industri dan kemampuan mitigasi risiko dengan menyelesaikan masalah kepercayaan.

Empat, Kepatuhan dan Keamanan

Meskipun prospek DeAI sangat luas, perkembangannya masih berada pada tahap awal dan menghadapi serangkaian tantangan yang tidak dapat diabaikan.

Kepatuhan dan ketidakpastian hukum. Dalam hal peraturan data, bahkan jika data tidak bergerak, model seperti pembelajaran federasi masih harus mematuhi persyaratan dalam peraturan seperti GDPR mengenai “batasan tujuan”, “minimalisasi data”, dan hak pengguna (seperti hak untuk dilupakan) saat menangani data pribadi. Pihak proyek harus merancang mekanisme otorisasi data dan keluar yang sesuai.

Dalam hal regulasi sekuritas, token yang diterbitkan oleh proyek sangat mudah dianggap sebagai sekuritas oleh lembaga pengatur di berbagai negara (seperti SEC AS), sehingga menghadapi pemeriksaan regulasi yang ketat. Bagaimana menghindari risiko hukum saat merancang model ekonomi token adalah kunci untuk kelangsungan hidup proyek.

Dalam hal tanggung jawab konten, jika model DeAI yang diterapkan di blockchain menghasilkan konten yang berbahaya, bias, atau ilegal, siapa yang bertanggung jawab? Apakah itu pengembang model, penyedia daya komputasi, atau pemegang token tata kelola? Ini membawa tantangan baru bagi sistem hukum yang ada.

Dalam hal tantangan keamanan dan kinerja, keamanan model yaitu model yang diterapkan di blockchain publik mungkin menghadapi vektor serangan baru, seperti eksploitasi kerentanan pada kontrak pintar, atau merusak sistem pembelajaran federasi melalui data yang teracuni.

Keterbatasan kinerja adalah kecepatan transaksi (TPS) dan batasan penyimpanan dari blockchain itu sendiri, yang mungkin tidak dapat mendukung permintaan inferensi model besar dengan frekuensi tinggi dan latensi rendah. Ini memerlukan kombinasi yang efektif dari solusi penskalaan Layer 2 dan komputasi off-chain.

Efisiensi kolaborasi dalam kolaborasi terdistribusi memang adil, tetapi efisiensi pengambilan keputusan dan eksekusi mungkin lebih rendah dibandingkan dengan perusahaan terpusat. Bagaimana mencapai keseimbangan antara efisiensi dan keadilan adalah seni yang perlu dijelajahi terus-menerus dalam tata kelola DAO.

DeAI sebagai revolusi dalam hubungan produksi, melalui teknologi terdistribusi, ekonomi token, dan tata kelola komunitas, diharapkan dapat memecahkan monopoli raksasa, membebaskan kekuatan komputasi dan nilai data yang tidak terpakai secara global, serta membangun ekosistem AI baru yang lebih adil, berkelanjutan, dan mungkin lebih menguntungkan.

Lima, Arah Eksplorasi Saat Ini

Perkembangan alat AI saat ini masih jauh dari mencapai kecerdasan buatan terdesentralisasi yang ideal. Saat ini, kita masih berada di tahap awal yang didominasi oleh layanan terpusat, tetapi beberapa eksplorasi telah menunjukkan arah masa depan.

Eksplorasi saat ini dan tantangan di masa depan. Meskipun DeAI yang ideal belum terwujud, industri sudah melakukan upaya yang berharga, yang membantu kita melihat jalur masa depan dan hambatan yang perlu dilalui.

Seperti bentuk awal kolaborasi sistem multi-agen. Beberapa proyek sedang menjelajahi pembangunan lingkungan di mana agen AI dapat berkolaborasi dan berevolusi bersama. Misalnya, proyek AMMO bertujuan untuk menciptakan “jaringan simbiosis manusia dan AI”, di mana kerangka multi-agen yang dirancang dan lingkungan simulasi RL Gyms memungkinkan agen AI belajar berkolaborasi dan bersaing dalam skenario yang kompleks. Ini dapat dilihat sebagai upaya untuk membangun aturan interaksi dasar di dunia DeAI.

Contoh lain adalah upaya model insentif awal. Dalam konsep DeAI, pengguna yang menyumbangkan data dan node yang menyediakan kekuatan komputasi harus mendapatkan imbalan yang adil. Beberapa proyek sedang mencoba untuk langsung mendistribusikan kembali nilai kepada para kontributor ekosistem melalui sistem insentif berbasis kripto. Tentu saja, bagaimana model ekonomi ini dapat beroperasi secara besar-besaran, stabil, dan adil, masih merupakan tantangan besar.

Contoh lainnya adalah menuju AI yang lebih mandiri: Produk jenis Deep Research menunjukkan otonomi yang kuat dari AI dalam tugas-tugas tertentu (seperti pencarian informasi, analisis). Mereka dapat merencanakan secara mandiri, melaksanakan operasi multi-langkah, dan mengoptimalkan hasil secara iteratif, kemampuan otomatisasi tugas ini adalah dasar bagi agen AI untuk bekerja secara independen di jaringan DeAI di masa depan.

Bagi para profesional AI yang berjuang di Laut Merah, alih-alih terjebak dalam paradigma lama, lebih baik dengan berani merangkul DeAI yang merupakan Laut Biru baru. Ini bukan hanya perubahan jalur teknologi, tetapi juga perombakan filosofi bisnis—dari “mengekstraksi” menjadi “mendorong”, dari “tertutup” menjadi “terbuka”, dari “monopoli profit” menjadi “pertumbuhan inklusif”.