Skip to main content

🆚 Unit 3 — Centralized AI vs Decentralized AI

Goal Unit Ini

Setelah baca unit ini, kamu akan paham:

  1. Cara kerja AI tersentralisasi hari ini (OpenAI, Google, Anthropic, Meta)
  2. Masalah nyata yang muncul dari model tersentralisasi
  3. Apa itu Decentralized AI dan bagaimana dia solve masalah di atas
  4. Trade-off antara keduanya — bukan hitam-putih

Unit ini adalah jembatan dari Phase 0 ke Bittensor. Di sini kamu akan paham "kenapa Bittensor ada" sebelum masuk ke "bagaimana Bittensor kerja" di Phase 1.

🏢 Gambaran Besar: Siapa yang Kontrol AI Hari Ini?​

Per 2026, AI global didominasi segelintir "Big AI":

Fakta menarik:

  • OpenAI sendiri punya valuasi >$150 miliar (2025)
  • Microsoft invest >$13 miliar ke OpenAI
  • Biaya training GPT-4 diperkirakan >$100 juta
  • Satu model besar butuh ribuan GPU H100 yang harganya $30k+ per unit

Akibatnya: hanya segelintir perusahaan raksasa yang mampu train AI kelas atas. Kamu dan saya cuma bisa jadi user — bayar biaya API, pakai fitur yang mereka izinkan.

🔍 Arsitektur Centralized AI (Status Quo)​

Yang perusahaan kontrol:

  • ✅ Data training (apa yang model belajar)
  • ✅ Weights model (bisa diubah tanpa notice)
  • ✅ Akses API (bisa block country, region, user)
  • ✅ Harga (naik turun sesuka hati)
  • ✅ Uptime (down = seluruh app yang bergantung juga down)
  • ✅ Policy (apa yang bisa & nggak bisa ditanya)
  • ✅ Data kamu (setiap prompt kamu bisa mereka review)

⚠️ Masalah Nyata dari Centralized AI​

1. 🚫 Single Point of Failure​

Kasus Nyata

November 2023 — OpenAI board mendadak pecat Sam Altman. Perusahaan hampir pecah. Ribuan startup yang bangun di atas API OpenAI panik karena masa depan produk mereka nggak pasti.

Kalau OpenAI runtuh besok, 50% use case GenAI global terdampak. Itulah masalah single point of failure.

2. 💰 Monopoli Harga​

  • GPT-4 API: $30 per 1 juta token input
  • Claude Sonnet: $3 per 1 juta token input
  • Kamu nggak bisa "pindah vendor" — tiap model punya karakter sendiri
  • Naikkan harga 2x besok? Kamu cuma bisa pasrah

3. 🌍 Censorship & Geo-blocking​

  • OpenAI block akses dari China, Iran, Rusia, dll.
  • Model dilatih dengan "safety guidelines" perusahaan — topik tertentu dijawab dengan template "I can't help with that"
  • Siapa yang putuskan apa yang "safe"? Perusahaan, bukan user.

4. 🔒 Data Privacy — Kamu Bukan Klien, Kamu Produknya​

Kenyataan Pahit

Kecuali kamu bayar enterprise tier dengan data processing agreement khusus:

  • 📊 Prompt kamu bisa dipakai untuk training versi berikutnya
  • 🔍 Karyawan perusahaan bisa review prompt untuk safety research
  • 🌐 Data bisa tersimpan di server negara lain dengan hukum berbeda

5. 🎨 Model Behavior Tanpa Transparansi​

  • Update model GPT-4 dari versi lama ke baru bisa ubah output drastis tanpa notice
  • Startup yang prompt engineering-nya di-tune untuk versi lama: tiba-tiba rusak
  • Nggak ada "versi stable" yang bisa kamu andalkan selamanya

6. 💸 Concentration of Wealth​

Economic flow AI global:

Pengguna → Bayar API → Perusahaan AI → Profit untuk investor & founder

Kamu (sebagai contributor potensial — developer, data annotator, researcher) nggak kebagian dari value yang tercipta. Cuma "Big AI" yang menang.

🌐 Decentralized AI — Alternatif Web3​

Decentralized AI (DeAI) = bangun infrastruktur AI tanpa single company yang kontrol, pakai blockchain sebagai koordinasi layer.

Arsitektur Decentralized AI (Bittensor)​

Komponen kunci:

  • Miners — kontributor yang sediakan AI service (jalanin model, scraping data, dll.)
  • Validators — evaluator yang score kualitas miner
  • Subnets — kategori spesifik (inference, data, sports prediction, dll.)
  • TAO token — insentif ekonomi untuk kontributor

📊 Comparison Langsung: Centralized vs Decentralized AI​

AspekCentralized AI 🏢Decentralized AI 🌐
Siapa train model?Satu perusahaanRibuan miners global
Siapa own data?PerusahaanKontributor individual
AksesPermissioned (bisa di-ban)Permissionless (siapa pun bisa)
HargaDitetapkan perusahaanKompetitif market-driven
CensorshipAda (sesuai policy perusahaan)Minimal (protocol level)
Uptime99.5% (tapi kalau down, semua down)99.9%+ (redundansi global)
KontribusiCuma jadi userBisa jadi miner & dapat TAO
TransparansiClosed (model weights rahasia)Open (on-chain verifiable)
Reward contributorGaji karyawan (limited)Token-based (global, permissionless)
Innovation speedTop-downBottom-up, swarm-style

🎯 Trade-offs — Ini Bukan Hitam Putih​

Realistis

Decentralized AI bukan solusi sempurna. Ada trade-off yang harus kamu paham:

✅ Keunggulan Decentralized AI​

  • Censorship-resistant
  • Contributor bisa dapat reward ekonomi
  • Transparent & auditable
  • Nggak ada single point of failure
  • Innovation bisa muncul dari siapa saja

❌ Kekurangan Decentralized AI (Current State)​

  • Kualitas belum seragam — miner jelek bisa bikin response buruk
  • Latency lebih tinggi — karena perlu routing + konsensus
  • UX lebih kompleks — user harus paham wallet, token, dll.
  • Model terbaik masih di centralized — GPT-5/Claude masih lead di frontier AI
  • Regulatory unclear — pemerintah belum tahu mau regulate gimana

💡 Insight​

Dua model ini akan coexist. Analoginya seperti:

  • AWS (centralized cloud) masih dominan untuk enterprise
  • Cloudflare / Akamai (distributed CDN) dominan untuk edge & bandwidth

Di AI pun sama: Centralized akan tetap kuat untuk frontier research. Decentralized akan menang di domain-specific + cost-sensitive + privacy-sensitive use cases.

Bittensor bet-nya: ada market yang sangat besar di "long tail" AI — sports prediction, specialized inference, niche datasets — yang nggak akan pernah jadi prioritas OpenAI, tapi bisa dihandle network decentralized dengan reward ekonomi yang tepat.

🦆 Kenapa Pilihan Individual Kamu Penting​

Sebagai developer Indonesia di 2026, kamu punya 3 pilihan sikap terhadap AI:

Pilihan 1: Consumer Saja 🙈​

Pakai ChatGPT/Claude untuk kerja. Bayar subscription. Done.

  • Pro: gampang
  • Con: value terkunci 100% di perusahaan Amerika/China

Pilihan 2: Builder di Ekosistem Centralized 🏢​

Bangun produk pakai OpenAI/Anthropic API.

  • Pro: cepat ship, model terbaik
  • Con: margin tipis (vendor ambil potongan), risk dependency

Pilihan 3: Contributor di Ekosistem Decentralized 🌐​

Jadi miner di Bittensor. Dapat reward TAO. Kontribusi langsung ke network.

  • Pro: own piece of the pie, unlimited upside
  • Con: learning curve lebih tinggi, butuh effort setup awal

Co-Learning Camp ini fokus ke Pilihan 3. Kita ajarin kamu dari nol sampai bisa jadi miner aktif yang dapat reward TAO sendiri.

🎯 Rangkuman​

Yang Harus Kamu Ingat
  1. Centralized AI hari ini = 5–7 perusahaan raksasa kontrol ~95% kapasitas AI global
  2. Masalahnya: single point of failure, monopoli harga, censorship, privacy, concentration of wealth
  3. Decentralized AI = jaringan tanpa bos, contributor dapat reward, open & permissionless
  4. Trade-off ada — decentralized belum se-polished centralized, tapi model terbaik di niche sudah bisa terdesentralisasi
  5. Bittensor bet besar di long-tail AI dengan insentif ekonomi via token TAO

✅ Quick Check​

  • ❓ Sebutkan 3 masalah dari AI yang sepenuhnya dikontrol satu perusahaan
  • ❓ Apa bedanya jadi "user" Centralized AI dengan jadi "miner" Decentralized AI?
  • ❓ Kenapa decentralized AI cocok untuk use case long-tail (niche)?

Next: Unit 4 — Kenapa Bittensor Penting? 👉

Kamu udah paham konteksnya. Sekarang kita zoom ke pemain utama yang akan kamu pelajari 2 minggu ke depan — Bittensor. 🦆