Titik Balik Era Berikutnya AI—Bagaimana Gradient Menata Masa Depan Kecerdasan Terbuka

Penulis: Kontributor inti Biteye @anci_hu49074

Blockchain secara bertahap menjadi infrastruktur keuangan AI, idealisme desentralisasi mendesak untuk terobosan

Dulu, terkait pertanyaan bagaimana blockchain dan AI bisa digabungkan, komunitas telah melahirkan banyak istilah baru: Web3 AI merujuk pada berbagai bentuk integrasi, Crypto AI cenderung pada pendekatan konservatif dan pragmatis, berharap menyediakan infrastruktur keuangan dasar untuk AI melalui bentuk Crypto; sedangkan DeAI mewakili idealisme desentralisasi yang progresif, berupaya membangun AI yang demokratis dan adil untuk semua orang dengan cara blockchain.

Dalam kondisi ideal, kedua jalur ini dapat berjalan beriringan, bersama-sama mendorong ekosistem Web3 AI yang efisien dan adil. Namun kenyataannya selalu penuh drama: euforia trading token AI yang dipicu oleh Nof1 belum juga reda, X402 dengan dukungan dari raksasa seperti Google, Cloudflare, Coinbase, dengan cepat memanas, membuat semakin banyak orang yakin bahwa blockchain akan menjadi infrastruktur pembayaran dasar AI, yaitu arah Crypto AI.

Namun, perkembangan pesat Crypto AI ini, dalam beberapa hal juga membuat kita semakin bergantung pada raksasa tradisional, dan mempercepat langkah ekspansi mereka—bagaimana agar orang biasa bisa berpartisipasi dalam distribusi nilai AI, menghindari ketergantungan lebih lanjut pada raksasa tradisional? DeAI membutuhkan terobosan baru.

Dalam latar belakang seperti ini, Gradient sedang memberikan jawabannya sendiri.

Cloud atau lokal? Ini adalah isu penting bagi AI desentralisasi

Cloud atau lokal, adalah pilihan yang sering kita hadapi.

Dulu, kemudahan cloud membuat kita optimis meneriakkan “semua hal ke cloud”, mengira dengan percepatan 5G, kita bisa lepas dari belenggu perangkat keras, mendapatkan penyimpanan dan daya komputasi dengan harga murah melalui sistem “sewa”, yang merupakan pilihan fleksibel dan ekonomis.

Namun di era AI, “hak memilih” ini diam-diam mulai dirampas—sebuah chip Nvidia yang sangat dibutuhkan bisa berharga puluhan ribu dolar, orang biasa yang ingin terjun hanya bisa memilih cloud, terpaksa mengikuti “naskah Si Tukang Becak”, tanpa sadar menyerahkan lebih banyak kekuasaan kepada raksasa cloud.

Memilih produk cloud yang sudah dikemas, di permukaan adalah efisiensi dan kemudahan, namun di baliknya adalah hilangnya kedaulatan penuh atas “aset AI” pribadi. Di era sebelum AI, kita menukar data untuk layanan gratis, mungkin masih bisa diterima; namun seiring batas kemampuan AI terus berkembang, suatu hari AI akan mengelola aset kita, menentukan investasi kita, memahami keinginan dan luka terdalam kita—menjadi bagian tak terpisahkan dari hidup kita.

Dan jika Anda memilih solusi cloud, maka bagian yang tak tergantikan ini akan dikuasai oleh penyedia layanan cloud. Masih ingat keputusasaan besar di internet saat ChatGPT4 ditarik dari peredaran?

Apa yang ingin dilakukan Gradient adalah memberikan kemampuan untuk mendistribusikan model kepada setiap orang, agar semua orang memiliki kedaulatan penuh atas “aset AI” mereka sendiri, serta membantu Anda menyimpan data secara lokal, menjaga privasi dan keamanan sebagai garis bawah.

Tentu saja, ini tidak berarti Gradient sepenuhnya berpihak pada lokal, meninggalkan keunggulan performa dan skalabilitas cloud. Sebaliknya, melalui jaringan kolaboratif, Gradient dapat menggabungkan performa cloud dengan keunggulan privasi lokal. Pengguna dapat menikmati efisiensi dan fleksibilitas cloud, sekaligus menjamin keamanan data dan otonomi, serta menekan biaya melalui kolaborasi jaringan. Untuk skenario dengan permintaan tinggi seperti AI companion, AI trading, model ini membawa keunggulan menyeluruh yang belum pernah ada sebelumnya.

Dan semua ini, akan kita mulai dari Parallax.

Cloud

Lokal

Gradient Parallax

Investasi dana

Rendah

Tinggi

Hampir gratis

Tingkat kesulitan

Mudah

Sulit

Mudah

<p Per lindungan privasi

Rendah

Tinggi

Tinggi

Kedaulatan data

Tidak ada

Ada

Ada

Cara terbaik membuka model open source: Parallax

Apakah Anda pernah mengalami kebingungan seperti ini? Model open source memang bagus, skalanya juga tinggi, tapi dalam praktiknya seolah tidak ada hubungannya dengan saya—orang biasa tidak punya GPU, juga tidak bisa mengatasi instalasi yang rumit, meski model-model itu gratis di HuggingFace, model yang katanya bisa dijalankan di laptop biasanya hanya terbatas pada Macbook Pro M4 kelas atas, performanya pun sangat terbatas.

Bagaimana menembus batas antara model open source dan pengguna biasa, melepaskan potensi besar model open source? Gradient membawa solusinya: Parallax.

Gratis—Parallax adalah sistem operasi AI open source sepenuhnya, Anda dapat mengunduh dan menginstalnya secara gratis di PC atau Mac Anda, lalu memilih model yang sesuai dari lebih dari 40 model open source yang saat ini disediakan Parallax, dan mengunduhnya ke perangkat lokal Anda, menjalankan secara mandiri, mewujudkan privasi mutlak dan nol biaya (jika tidak memperhitungkan biaya listrik).

Mudah—seluruh proses instalasi sangat cepat, Anda hanya perlu sedikit pengetahuan tentang terminal komputer (bisa minta bantuan AI dengan mudah), biasanya selesai dalam tiga menit.

Dapat diperluas—seperti disebutkan sebelumnya, performa perangkat tunggal terbatas, bahkan PC kelas atas pun sulit memenuhi kebutuhan performa LLM. Oleh karena itu, selain mode Local-Host (mode lokal) yang berjalan di satu perangkat, Parallax juga menyediakan:

-  Co-Host (mode kolaborasi): berbagi daya komputasi PC teman dalam jaringan lokal (LAN), jika Anda memiliki beberapa perangkat, Anda juga dapat menghubungkannya dengan cara ini.

-  Global Host (mode global): hosting terdistribusi lintas wilayah WAN, memungkinkan kolaborasi daya komputasi terdistribusi yang lebih luas, menjalankan model yang lebih besar.

Sampai di sini, model open source akhirnya terbuka untuk semua orang. Baik privasi maksimal maupun performa fleksibel, semuanya bisa didapatkan secara bersamaan.

Sisi nyata dari idealisme DeAI: bagaimana membuat produk yang baik?

Mudah digunakan dan menghormati pengguna adalah kesan paling langsung setelah mencoba produk Gradient.

Parallax menyederhanakan proses instalasi lokal dan inferensi kolaboratif yang rumit secara ekstrem dan elegan, pengalaman pengguna sangat lancar dan ramah. Selain itu, tim juga meluncurkan Chatbot Demo yang menarik, berbeda dari chatbot biasa, demo ini menampilkan proses inferensi setiap node di jaringan secara real-time saat menjawab pertanyaan, memungkinkan pengguna melihat secara langsung keseluruhan proses inferensi desentralisasi.

Selain ketulusan terhadap pengguna, Gradient juga sangat komprehensif dan solid dalam tata letak bisnis DeAI secara keseluruhan.

Berdasarkan Parallax yang bertanggung jawab untuk inferensi desentralisasi, Gradient juga meluncurkan protokol pelatihan desentralisasi untuk reinforcement learning bernama Echo, dan arsitektur Lattica sebagai dasar transmisi data, membentuk tumpukan teknologi AI desentralisasi yang lengkap.

Echo adalah kerangka inovatif untuk pelatihan reinforcement learning (RL) desentralisasi, memisahkan dua langkah “inferensi sampling” (menghasilkan data) dan “pelatihan model”, lalu mendistribusikannya ke perangkat keras yang paling sesuai. Misalnya, komputer sehari-hari dan laptop bertanggung jawab untuk pengumpulan data dan interaksi lingkungan, sedangkan server berkinerja tinggi fokus pada pelatihan dan pembaruan model. Ini tidak hanya dapat mengintegrasikan daya komputasi terdistribusi heterogen secara efisien, tetapi juga meningkatkan efisiensi pelatihan, menurunkan biaya, dan mewujudkan penerapan desentralisasi yang lebih fleksibel.

Lattica sebagai mesin transmisi data umum, bertanggung jawab untuk mentransmisikan data penting seperti bobot model dan token inferensi secara efisien dan aman di jaringan desentralisasi. Latensinya serendah 98ms, mencakup lebih dari 3.300 kota dan 37.000+ node di seluruh dunia, disebut sebagai “pembuluh darah data” ekosistem Gradient.

Berdasarkan Echo, Gradient sedang melatih serangkaian model vertikal industri, mendekati atau bahkan melampaui performa GPT-5 dan Claude Sonnet 4.5 di lingkungan nyata, secara tidak langsung mendorong adopsi Infra.

Selain itu, dengan mengandalkan kecepatan dan keunggulan biaya dari jaringan daya komputasi terdistribusi yang kuat, Gradient juga meluncurkan layanan Gradient Cloud untuk pengguna korporat, dan berencana membangun lapisan kepercayaan AI di bidang verifikasi inferensi dan pelatihan LLM, serta privasi pengguna yang tidak dapat dilacak. Berdasarkan ini, Gradient juga akan membangun jaringan kolaborasi multi AI Agent, mendorong inovasi di lapisan aplikasi, membentuk siklus bisnis yang lengkap.

Bagaimana melihat jalan AI desentralisasi Gradient?

Tantangan AI desentralisasi tidak kalah sulit dari menantang kapitalisme, membutuhkan keselarasan waktu, tempat, dan manusia.

Saat ini, pendanaan tahap seed Gradient telah mencapai 10 juta dolar AS, dipimpin oleh Pantera Capital dan Multicoin Capital, dengan partisipasi Sequoia China. Dari dua pendiri, Eric berasal dari Sequoia China, sedangkan Yuan sebelumnya mendalami proyek seperti Helium dan Neo. Anggota tim inti mencakup lulusan Tsinghua Yao Class, peraih medali emas ACM, Berkeley, CMU, ETH, dan universitas top lainnya, dengan latar belakang di Google, Apple, ByteDance, Microsoft, dan perusahaan teknologi papan atas lainnya.

Dari sisi riset, tim terus produktif di bidang pembelajaran mesin terdistribusi, AI Agent, komputasi yang dapat diverifikasi, dan makalah terkait sangat lengkap. Khususnya dalam masalah penjadwalan perangkat keras heterogen pada pelatihan desentralisasi, Gradient diperkirakan akan mengungkap inovasi algoritma penjadwalan kompleks inti di konferensi AI top ICLR 2026.

Kemampuan produk dan riset Gradient yang luar biasa terus mendapat pengakuan dan dukungan, Parallax saat ini menempati peringkat pertama di Product Hunt, dan telah menjalin kerja sama dengan laboratorium AI open source terkemuka seperti @Kimi_Moonshot, @Alibaba_Qwen, dan lainnya, sehingga satu set PC/Mac dapat menjalankan model besar seperti Kimi K2, Qwen3 235B dengan lancar.

Dari sisi infrastruktur, Gradient menggunakan SGLang dari @LMSYSOrg, perusahaan AI Infra populer Silicon Valley, sebagai backend inferensi paralel tinggi, mendukung batch processing berkelanjutan dan reuse cache KV; serta mendapat dukungan native MLX LM di Apple Silicon, mewujudkan throughput tinggi dan latensi rendah dalam skala besar.

Selain itu, Gradient juga sedang membangun pengaruh di ekosistem Solana. Proyek ini juga merupakan salah satu sponsor Solana x402 Hackathon yang sedang hangat, berdampingan dengan Visa, Phantom, dan mitra ekosistem lainnya, berkomitmen menjadi infrastruktur AI penting di ekosistem Solana.

Bisa dikatakan, di saat seluruh industri DeAI masih berada pada tahap “meraba-raba menyeberangi sungai”, Gradient telah menunjukkan performa yang baik dalam kemampuan produk, latar belakang tim, dan pengakuan industri.

Kata penutup

Drama internal OpenAI yang ramai beberapa hari ini membuat kita tercengang, sekaligus mengungkap risiko sistemik yang dibawa oleh AI terpusat—ketika kekuasaan terlalu terpusat, biaya kehilangan kendali dan berbuat jahat menjadi terlalu tinggi. AI desentralisasi bukan hanya idealisme teknologi, tetapi juga tuntutan tak terelakkan untuk perkembangan industri yang sehat.

Selama ini, AI desentralisasi dan open source kebanyakan masih berada di menara gading, pengguna biasa terhalang “tembok teknologi” yang tebal, hanya bisa menonton. Untungnya, Gradient sedang mencoba menjadi jembatan—tidak hanya terus mengasah kegunaan produk, tetapi juga melangkah hati-hati dalam riset inovatif dan tata letak menyeluruh, agar lebih banyak orang benar-benar dapat mengakses dan memperoleh manfaat dari kemampuan AI terbuka.

Tentu saja, jalan AI desentralisasi ini masih panjang, performa, keamanan, etika, tata kelola, setiap aspek penuh tantangan, namun setidaknya, sudah ada yang benar-benar melangkah maju.