Claude memimpin 26% penelitian dan pengembangan, melontarkan "teori perlambatan AI" Anthropic yang memicu perdebatan tentang "AI mengembangkan AI"! Paradigma pelatihan RSI mendorong perluasan besar permintaan daya komputasi

Menurut aplikasi keuangan Zhihu, hasil pengukuran yang diumumkan oleh pemimpin aplikasi AI global, Anthropic, pada 17 September menunjukkan bahwa hingga bulan Agustus, Claude telah "mendominasi" 26% dari pekerjaan R&D AI, dengan persentase pekerjaan di tingkat atau melebihi "kolaborasi" lebih dari 90%. Dengan Anthropic dan OpenAI yang sepenuhnya memfokuskan diri pada RSI (Recursive Self-Improvement) sebagai paradigma pelatihan model AI terbaru, peningkatan kemampuan R&D laboratorium AI terdepan dan ekspansi skala modal berjalan secara bersamaan. Fokus investor industri AI global juga telah berkembang dari sekedar model AI besar atau produk agen AI, menuju platform R&D serta kapasitas dan cakupan infrastruktur daya komputasi AI jangka panjang.

Menurut laporan media yang baru-baru ini mengutip sumber yang mengetahui masalah ini, diskusi pendanaan baru antara investor dan pemimpin aplikasi AI lainnya, OpenAI, telah mencapai valuasi sebesar $1,2 triliun, sementara perusahaan sendiri mengincar valuasi sekitar $1,5 triliun. Valuasi pasca pendanaan Anthropic pada Mei adalah $965 miliar, dan skema IPO yang saat ini didiskusikan adalah untuk IPO pada valuasi sekitar $2 triliun dengan target penggalangan dana maksimum $100 miliar. Jika terjadi, skala penerbitan perusahaan tersebut berpotensi menyaingi atau bahkan melampaui SpaceX secara signifikan, menjadi rekor sejarah baru—angka $2 triliun yang disebutkan di sini adalah valuasi yang diusulkan dan bukan nilai pasar aktual yang telah tercatat pasca IPO.

Model besar Astra yang baru-baru ini diluncurkan oleh OpenAI semakin memperluas cakupan tugas profesional yang bisa diemban AI, dan CEO NVIDIA Jensen Huang kemudian mengumumkan di media sosial bahwa kelahiran GPT-6 Astra menandakan "AGI telah tiba". Rangkaian pendapatan NVIDIA yang kuat yang telah dikonfirmasi dan panduan pengiriman solid berikutnya, ditambah dengan fakta bahwa pengembangan model AI besar telah memasuki tahap inovatif "Recursive Self-Improvement (RSI)"—yaitu, Astra berpotensi memperbesar permintaan daya komputasi AI dari sisi aplikasi komersial, dan jalur riset RSI di mana AI mulai "menciptakan AI" kemungkinan akan meningkatkan investasi pada eksperimen operator AI canggih, evaluasi, dan pelatihan berkelanjutan jangka panjang, yang secara kolektif memperpanjang siklus investasi daya komputasi. Inilah alasan mengapa saham terkait daya komputasi AI di pasar saham AS naik tajam pada hari Kamis, di mana Indeks Semikonduktor Philadelphia melonjak lebih dari 3%.

Patut dicatat, sebelum Anthropic mengumumkan Claude telah berkontribusi pada 26% dari investasi R&D-nya dan berupaya keras untuk mencapai IPO dengan skala terbesar dalam sejarah peradaban manusia, CEO perusahaan ini pada akhir pekan lalu mengeluarkan pernyataan penting tentang "perlambatan AI", dan pasar mulai memperhitungkan risiko yang datang dari diskusi tentang perlambatan AI mulai minggu ini—Anthropic, OpenAI dan pemimpin AI global lainnya secara serempak pada akhir pekan menyerukan untuk memperlambat pengembangan model AI canggih.

Diskusi tentang “perlambatan AI” mempengaruhi penilaian pasar terhadap ritme R&D canggih, jalur pengeluaran modal, dan kompensasi risiko, dan tidak dapat secara langsung disamakan dengan berhentinya pertumbuhan permintaan aplikasi AI yang ada. Pada 12 September, Amodei menyerukan untuk memperlambat peningkatan kemampuan model, dan Altman kemudian menyatakan setuju bahwa perlunya mengontrol ritme pengembangan frontier, namun industri belum menemukan kesepakatan penuh mengenai mekanisme koordinasi, evaluasi eksternal, dan pengaturan regulasi.

Claude Mendominasi 26% Kerja R&D! Anthropic Mengungkap Investasi AI dalam Riset dan Keamanan

Laporan pengungkapan dari Anthropic PBC hari Kamis menyatakan, lebih dari seperempat pekerjaan R&D kecerdasan artifisial mereka didorong oleh rangkaian produk chatbot AI unggulan Claude atau agen AI-nya, menyediakan indikasi paling jelas hingga saat ini bahwa teknologi AI benar-benar dapat secara signifikan mempercepat pengembangan model-model mendatang.

Berdasarkan laporan resmi terbaru yang dirilis pada hari Kamis, Anthropic menemukan bahwa Claude telah “mendominasi” 26% dari pekerjaan R&D internal perusahaan, sementara pada awal tahun angka ini nyaris nol. Perusahaan developer AI ini juga menyebutkan Claude berkolaborasi pada kurang lebih 90% proses kerja karyawan atau tugas-tugas kompleks mereka.

Data ini adalah bagian dari laporan yang lebih luas yang bertujuan membantu publik memantau kemajuan pengembangan AI, menanggapi kekhawatiran yang semakin mendalam bahwa AI mungkin dengan sangat cepat memperbaiki dirinya sendiri dan keluar dari kendali manusia.

Perusahaan juga menegaskan kembali rencananya untuk memasukkan evaluator eksternal dari berbagai organisasi ke dalam internal perusahaan, memberi mereka akses terhadap proses internal, sistem, dan data yang setara dengan pegawai sendiri, serta memperbaiki sistem pengelolaan dan kontrol risiko keamanan teknologi AI dan aplikasi AI.

“Kemampuan sistem AI meningkat secara eksponensial dan mulai secara otomatisasi total lebih banyak proses pembuatan dirinya sendiri. Saat dunia mempertimbangkan perlambatan pengembangan AI frontier, publik perlu mendapatkan informasi yang lebih banyak,” tulis perusahaan tersebut.

Anthropic adalah salah satu dari beberapa perusahaan AI yang berfokus pada "Recursive Self-Improvement" (RSI). Konsep ini berarti bahwa sistem AI dapat meningkatkan kemampuannya sendiri dengan sedikit atau tanpa bantuan manusia. Beberapa perusahaan melihat ini sebagai masa depan pengembangan AI, namun kemampuan super jenis AI seperti ini, jika berhasil dicapai, juga menimbulkan kekhawatiran akan risiko keamanannya.

Anthropic dalam blognya menyebutkan, mereka berusaha membangun kerangka kerja untuk melacak agen-agen AI serta memantau seberapa banyak pekerjaan yang mereka selesaikan pada platformnya. Perusahaan menyatakan hingga Agustus, pada satu waktu, lebih dari 30.000 agen AI aktif melakukan riset dan rekayasa di dalam perusahaan.

Anthropic juga mengungkapkan pembagian sumber daya perusahaan antara mempercepat pengembangan AI dan memastikan keamanan AI. Bergantung pada jenis riset yang dilakukan, 6% hingga 12% dari sumber daya komputasi perusahaan didedikasikan untuk pemantauan keamanan.

Pada awal September, OpenAI—pesaing model AI besar terbesar—juga membagikan kemajuan terbaru mereka dalam otomatisasi riset, menyebutkan bahwa setelah mendeteksi salah satu model mereka mencoba menembus sistem eksternal startup Hugging Face, perusahaan menghentikan sebagian pelatihan model.

Pada minggu lalu, Jacob Cokson, pegawai Anthropic, mengundurkan diri secara terbuka, semakin menambah kecemasan masyarakat terhadap risiko eksistensi manusia dari AI. Dalam posting pengunduran dirinya di media sosial, ia menuduh perusahaan pengembang AI sedang “mempertaruhkan hidup kita”.

Beberapa hari terakhir, sejumlah pemimpin AI termasuk CEO Anthropic Dario Amodei dan CEO OpenAI Sam Altman telah menyerukan perlambatan pengembangan teknologi tersebut guna mengatasi risiko yang semakin tidak terduga—meskipun mereka memiliki perbedaan pendapat mengenai rincian implementasinya.

Pada hari Sabtu, Amodei dalam tulisan sepanjang 3800 kata menyerukan regulasi pemerintah dan mengajak industri teknologi mendukung gerakan perlambatan AI yang lebih luas. Hal ini menuai protes keras dari Presiden AS Donald Trump yang menyebut kekhawatiran terhadap risiko teknologi tersebut sebagai “tipuan teknologi” dan menolak gagasan soal pembuatan aturan baru.

Pimpinan industri teknologi lainnya juga memberi tanggapan. Altman dan CEO NVIDIA Jensen Huang berpendapat bahwa perusahaan AI dapat sendiri mengendalikan ritme perkembangan AI dengan cara aman; sedangkan CEO Meta Platforms, Mark Zuckerberg menyatakan laboratorium AI harus mengandalkan evaluator independen dan penasihat operasi keamanan untuk menjamin keamanan model.

Dari “AI untuk Riset” ke Recursive Self-Improvement, Apakah Permintaan Kapasitas Komputasi AI Membuka Dimensi Baru?

Makna investasi Astra dan Recursive Self-Improvement (RSI) terletak pada fakta bahwa model AI besar berperforma tinggi frontier dan R&D AI itu sendiri kini menjadi skenario penggunaan kapasitas komputasi berkelanjutan yang baru. Pada 6 September, OpenAI mengungkapkan telah mencapai target “Magang Riset Otomatisasi”, mampu menyelesaikan sebagian tugas yang biasanya membutuhkan peneliti terlatih selama beberapa hari, kini dapat dikerjakan dalam waktu lebih singkat dengan arahan manusia. Hingga pertengahan Agustus, setiap hari kerja manusia setara sekitar 3,1 hari kerja agen AI. Pengukuran ini berbasis durasi operasi, bukan tiga kali lipat output riset. Dari sini dapat disimpulkan bahwa otomatisasi riset sekaligus meningkatkan kebutuhan inferrer, pembuatan kode, evaluasi eksperimen, dan pelatihan model kandidat. Namun, RSI yang lengkap belum menjadi paradigma utama yang telah mapan, arah penelitian dan alokasi sumber daya masih ditentukan oleh manusia.

GPT-6 Astra dari OpenAI dan RSI yang menjadi fokus para pemimpin AI diprediksi menjadi dua penggerak inti ekspansi eksponensial permintaan daya komputasi AI: model AI yang lebih kuat dan alat aplikasi AI yang digunakan secara lebih luas, serta jalur pelatihan AI generasi berikutnya yang memerlukan daya komputasi lebih besar, mendukung fondasi pertumbuhan permintaan infrastruktur daya komputasi AI secara berkelanjutan. Belum lama ini, OpenAI mengungkapkan kemampuan Astra dalam pemrograman, browsing, operasi komputer, dan tugas-tugas kompleks semakin diperkuat, memperluas cakupan kerja yang bisa dilakukan model. Kepala produk menyatakan permintaan Astra yang meningkat menambah beban pada infrastruktur; mulai 10 September, perusahaan menghentikan upgrade dan langganan Pro 20X seharga $200 per bulan, sementara langganan yang ada masih dapat diperpanjang secara normal.

Inti dari Recursive Self-Improvement (RSI) adalah melibatkan AI dalam pengembangan AI yang lebih kuat, lalu menggunakan model yang bahkan lebih canggih untuk terus mempertajam kemampuan pengembangan—menciptakan siklus umpan balik yang terus menerus. RSI bukan pengganti pre-training ataupun reinforcement learning, melainkan paradigma R&D yang mencakup desain riset, penulisan kode, pelaksanaan eksperimen, evaluasi hasil, dan iterasi model. Kemajuan yang saat ini dipertontonkan Anthropic dan OpenAI terutama otomatisasi riset di bawah supervisi manusia, belum mencapai improvement mandiri, tanpa intervensi manusia.

Hingga Agustus, Claude telah “mendominasi” 26% pekerjaan R&D AI, dan pekerjaan yang berkolaborasi dengannya menembus 90%. Pada platform internal perusahaan yang paling sering digunakan, sekitar 30.000 agen AI secara paralel mengerjakan riset dan rekayasa. Signifikansi sektor dari data ini adalah AI tidak lagi sekadar alat bantu sesekali, melainkan sumber daya eksekusi utama dalam proses R&D berkelanjutan; aktivitas R&D itu sendiri menjadi sumber permintaan daya inferensi berkelanjutan yang penting.

Anthropic dan OpenAI berfokus pada RSI, pertama-tama bertujuan meningkatkan efisiensi seluruh proses riset iteratif, yang memang menuntut lebih banyak eksperimen paralel dan agen riset beroperasi secara terus-menerus. Dari perspektif mekanisme rekayasa, agen riset bisa membantu merumuskan dan menyaring solusi, mengubah kode pelatihan, menghasilkan konfigurasi eksperimen, melakukan pengujian, dan menganalisis hasil—sehingga peneliti dapat mengeksplorasi lebih banyak opsi secara bersamaan. Proses berpikir dan pemrograman agen memerlukan daya inferensi, dan validasi solusi juga membutuhkan sumber daya pelatihan, evaluasi, dan pengolahan data.

OpenAI mengungkapkan bahwa hingga pertengahan Agustus, setiap hari kerja manusia pada divisi riset mereka setara sekitar 3,1 hari kerja agen AI standar; peneliti menengah menurut volume penggunaan, konsumsi inferensi per hari setara lebih dari $600 harga API—ini adalah hitungan waktu operasi dan harga layanan, bukan kelipatan produktivitas ataupun biaya kas internal aktual. Perusahaan juga menambahkan, seiring dengan melemahnya bottleneck R&D lain, sumber daya komputasi mungkin menjadi batasan paling signifikan. Penelitian keamanan juga menjadi beban kerja terpisah—pada sampel Anthropic 13–20 Juli, sekitar 6% dari total kapasitas daya komputasi R&D AI dan 12% dari kapasitas R&D AI yang digerakkan oleh AI digunakan untuk proses kerja terkait keamanan AI.

Kemajuan riset terbaru terkait RSI dan kemunculan model besar Astra yang memicu perbincangan AGI, semuanya mengindikasikan begitu model-model AI besar benar-benar mengambil alih lebih banyak tugas R&D, sektor tidak lagi sekadar “menanam modal daya komputasi untuk melatih model”, melainkan “mengoperasikan agen riset memakai komputasi, lalu agen tersebut menyusun lebih banyak eksperimen”. Otomatisasi R&D memperluas cakupan eksperimen yang dapat dieksplorasi dan menambah tuntutan terhadap kapasitas komputasi, efisiensi penjadwalan, serta keandalan yang tersedia.

Peran RSI dan Astra sebagai katalis tema investasi daya komputasi AI yang paling penting, bukan hanya “parameter model makin besar”, tapi juga rentang pekerjaan yang dapat diemban AI kian meluas dan kedalaman proses eksekusi setiap tugas bertambah: inference untuk aplikasi ke user dan inference untuk riset pengembangan model bersama-sama memperluas ruang permintaan jangka panjang untuk sumber daya infrastruktur AI. RSI dan Astra menyediakan sinyal permintaan langsung dari aplikasi komersial, memungkinkan "otomatisasi riset + inference pengguna" berjalan seiring sebagai dua jalur utama pertumbuhan permintaan daya komputasi.

Laporan prediksi lembaga riset pasar terkenal, TrendForce, menunjukkan volume pengiriman rack NVL72 pada 2027 tumbuh lebih dari 50% secara tahunan, dan total output sistem rack NVL berbasis NVIDIA AI GPU yang mencakup GB200/GB300 dan generasi selanjutnya berbasis arsitektur Vera Rubin dapat melampaui $710 miliar dengan pertumbuhan tahunan 214%, termasuk dampak dari peningkatan produk dan kenaikan harga. Dengan permintaan daya komputasi AI yang semakin kuat dipicu model canggih seperti Astra, Morgan Stanley memprediksi belanja modal gabungan dari empat raksasa pusat data dan aplikasi AI cloud Amerika Utara akan naik dari $917 miliar pada 2026 menjadi $1,47 triliun pada 2027, dan $1,64 triliun pada 2028, dengan kapasitas implementasi melonjak dari 35 GW pada 2025 ke 145 GW pada 2028.

Dari sisi arsitektur sistem inferensi, tugas yang lebih kompleks biasanya melibatkan konteks lebih panjang, multi-panggilan model, eksekusi alat, dan verifikasi hasil: Prefill untuk memproses input, Decode secara terus-menerus menghasilkan output, dan Key-Value Cache (KV Cache) akan makan lebih banyak memori karena konteks dan skala paralel bertambah, menuntut throughput komputasi, bandwidth, dan kapasitas memori agar meningkat secara sinergis. Implikasi sektor berikutnya adalah GPU dan TPU menjalankan komputasi model, CPU menjalankan eksekusi alat dan orkestrasi tugas, HBM, DRAM server, penyimpanan, dan infrastruktur jaringan berperforma tinggi pusat data serta perangkat interkoneksi optik mendukung efisiensi transportasi dan pengelolaan data, akhirnya membutuhkan klaster server daya komputasi AI futuristik dan semakin besar untuk menjalankan layanan berkesinambungan.