Integrasi Kedalaman AI dan Web3: Membangun Infrastruktur Internet Generasi Baru
Web3 sebagai paradigma internet baru yang terdesentralisasi, terbuka, dan transparan, memiliki peluang integrasi yang alami dengan AI. Dalam arsitektur terpusat tradisional, sumber daya komputasi dan data AI dikendalikan secara ketat, menghadapi berbagai tantangan seperti hambatan daya komputasi, kebocoran privasi, dan kotak hitam algoritma. Web3 yang berbasis teknologi terdistribusi, melalui jaringan berbagi daya komputasi, pasar data terbuka, dan komputasi privasi, memberikan dorongan baru untuk perkembangan AI. Sementara itu, AI juga dapat memberikan banyak pemberdayaan bagi Web3, seperti optimasi kontrak pintar, algoritma anti-kecurangan, dan membantu membangun ekosistemnya. Menjelajahi kombinasi Web3 dan AI sangat penting untuk membangun infrastruktur internet generasi berikutnya, serta melepaskan nilai data dan daya komputasi.
Data yang Didorong: Dasar yang Kokoh untuk AI dan Web3
Data adalah kekuatan pendorong utama dalam perkembangan AI, seperti bahan bakar bagi mesin. Model AI perlu mencerna sejumlah besar data berkualitas tinggi untuk memperoleh pemahaman mendalam dan kemampuan penalaran yang kuat. Data tidak hanya memberikan dasar pelatihan bagi model pembelajaran mesin, tetapi juga menentukan akurasi dan keandalan model.
Model pengambilan dan pemanfaatan data AI terpusat tradisional memiliki masalah utama berikut:
Biaya pengambilan data yang tinggi, membuat usaha kecil dan menengah sulit untuk menanggungnya.
Sumber daya data didominasi oleh raksasa teknologi, membentuk pulau data.
Risiko kebocoran dan penyalahgunaan privasi data pribadi
Web3 menyelesaikan titik sakit model tradisional dengan paradigma data terdesentralisasi yang baru:
Pengguna dapat menjual jaringan yang tidak terpakai kepada perusahaan AI, menangkap data jaringan secara terdesentralisasi, untuk menyediakan data yang nyata dan berkualitas tinggi bagi pelatihan model AI.
Menggunakan model "label to earn", melalui insentif token untuk mendorong pekerja global berpartisipasi dalam penandaan data, mengumpulkan pengetahuan profesional global, dan meningkatkan kemampuan analisis data.
Platform perdagangan data blockchain menyediakan lingkungan perdagangan yang transparan dan terbuka bagi kedua belah pihak dalam permintaan dan penawaran data, mendorong inovasi dan berbagi data.
Namun, pengambilan data di dunia nyata juga memiliki beberapa masalah, seperti kualitas data yang bervariasi, kesulitan dalam pengolahan, kurangnya keberagaman dan representativitas, dan lain-lain. Data sintetis mungkin menjadi bintang masa depan di jalur data Web3. Berdasarkan teknologi AI generatif dan simulasi, data sintetis dapat mensimulasikan atribut data nyata, sebagai pelengkap yang efektif untuk data nyata, meningkatkan efisiensi penggunaan data. Dalam bidang seperti kendaraan otonom, perdagangan pasar keuangan, dan pengembangan permainan, data sintetis telah menunjukkan potensi aplikasi yang matang.
Perlindungan Privasi: Peran FHE dalam Web3
Di era data-driven, perlindungan privasi telah menjadi fokus perhatian global, regulasi seperti Peraturan Perlindungan Data Umum Uni Eropa (GDPR) mencerminkan perlindungan ketat terhadap privasi individu. Namun, ini juga membawa tantangan: beberapa data sensitif tidak dapat dimanfaatkan sepenuhnya karena risiko privasi, yang membatasi potensi dan kemampuan penalaran model AI.
FHE adalah enkripsi homomorfik penuh, yang memungkinkan operasi perhitungan dilakukan langsung pada data yang terenkripsi tanpa perlu mendekripsi data, dan hasil perhitungan konsisten dengan hasil perhitungan yang dilakukan pada data plaintext.
FHE memberikan perlindungan yang kuat untuk perhitungan privasi AI, memungkinkan kekuatan komputasi GPU untuk menjalankan pelatihan model dan tugas inferensi dalam lingkungan yang tidak menyentuh data asli. Ini memberikan keuntungan besar bagi perusahaan AI, dapat membuka layanan API dengan aman sambil melindungi rahasia bisnis.
FHEML mendukung pemrosesan enkripsi data dan model sepanjang siklus pembelajaran mesin, memastikan informasi sensitif aman dan mencegah risiko kebocoran data. Dengan cara ini, FHEML memperkuat privasi data dan menyediakan kerangka komputasi yang aman untuk aplikasi AI.
FHEML adalah pelengkap dari ZKML, ZKML membuktikan pelaksanaan yang benar dari pembelajaran mesin, sementara FHEML menekankan perhitungan pada data terenkripsi untuk menjaga privasi data.
Revolusi Kekuatan: Komputasi AI dalam Jaringan Terdesentralisasi
Kompleksitas komputasi sistem AI saat ini meningkat dua kali lipat setiap 3 bulan, menyebabkan lonjakan permintaan daya komputasi yang jauh melebihi pasokan sumber daya komputasi yang ada. Misalnya, pelatihan model AI terkenal membutuhkan daya komputasi yang sangat besar, setara dengan waktu pelatihan 355 tahun di satu perangkat. Kekurangan daya komputasi seperti ini tidak hanya membatasi kemajuan teknologi AI, tetapi juga membuat model AI tingkat lanjut menjadi tidak terjangkau bagi sebagian besar peneliti dan pengembang.
Sementara itu, penggunaan GPU global kurang dari 40%, ditambah dengan perlambatan peningkatan kinerja mikroprosesor, serta kekurangan chip yang disebabkan oleh faktor rantai pasokan dan geopolitik, semua ini membuat masalah pasokan daya komputasi semakin parah. Praktisi AI terjebak dalam dilema: harus membeli perangkat keras sendiri atau menyewa sumber daya cloud, mereka sangat membutuhkan cara layanan komputasi yang sesuai permintaan dan ekonomis.
Sebuah jaringan kekuatan komputasi AI terdesentralisasi menggabungkan sumber daya GPU yang tidak terpakai di seluruh dunia, menyediakan pasar kekuatan komputasi yang ekonomis dan mudah diakses bagi perusahaan AI. Pihak yang membutuhkan kekuatan komputasi dapat memposting tugas perhitungan di jaringan, kontrak pintar akan mendistribusikan tugas kepada node penambang yang berkontribusi kekuatan komputasi, penambang melaksanakan tugas dan mengirimkan hasil, setelah diverifikasi mereka mendapatkan imbalan poin. Solusi ini meningkatkan efisiensi penggunaan sumber daya dan membantu mengatasi masalah kekurangan kekuatan komputasi di bidang seperti AI.
Selain jaringan komputasi terdesentralisasi yang umum, ada juga platform yang fokus pada pelatihan AI, serta jaringan komputasi khusus yang fokus pada inferensi AI.
Jaringan komputasi terdesentralisasi menyediakan pasar komputasi yang adil dan transparan, memecahkan monopoli, menurunkan ambang aplikasi, dan meningkatkan efisiensi pemanfaatan komputasi. Dalam ekosistem web3, jaringan komputasi terdesentralisasi akan memainkan peran kunci, menarik lebih banyak dapp inovatif untuk bergabung, bersama-sama mendorong perkembangan dan aplikasi teknologi AI.
DePIN: Web3 memberdayakan Edge AI
Bayangkan, ponsel Anda, jam tangan pintar, bahkan perangkat pintar di rumah Anda, semua memiliki kemampuan untuk menjalankan AI—inilah daya tarik Edge AI. Ini memungkinkan komputasi terjadi di sumber data, mewujudkan latensi rendah, pemrosesan waktu nyata, sambil melindungi privasi pengguna, teknologi Edge AI telah diterapkan di bidang-bidang penting seperti mengemudi otomatis.
Di bidang Web3, kami memiliki nama yang lebih familiar—DePIN. Web3 menekankan desentralisasi dan kedaulatan data pengguna, DePIN dapat meningkatkan perlindungan privasi pengguna dengan memproses data secara lokal, mengurangi risiko kebocoran data; mekanisme ekonomi Token asli Web3 dapat mendorong node DePIN untuk menyediakan sumber daya komputasi, membangun ekosistem yang berkelanjutan.
Saat ini, DePIN berkembang pesat dalam ekosistem beberapa blockchain publik, menjadi salah satu platform blockchain publik pilihan untuk pengembangan proyek. Tingginya TPS, rendahnya biaya transaksi, dan inovasi teknologi dari blockchain publik ini memberikan dukungan kuat bagi proyek DePIN. Saat ini, nilai pasar proyek DePIN di blockchain publik ini telah melebihi 10 miliar USD, dan beberapa proyek terkenal telah mencapai kemajuan yang signifikan.
IMO：Model AI Menerbitkan Paradigma Baru
Konsep IMO pertama kali diusulkan oleh suatu protokol untuk men-tokenisasi model AI.
Dalam model tradisional, karena kurangnya mekanisme pembagian keuntungan, begitu model AI dikembangkan dan diluncurkan di pasar, pengembang sering kali kesulitan untuk mendapatkan keuntungan yang berkelanjutan dari penggunaan model tersebut, terutama ketika model diintegrasikan ke dalam produk dan layanan lain, pencipta asli sulit untuk melacak penggunaan, apalagi mendapatkan keuntungan darinya. Selain itu, kinerja dan efektivitas model AI sering kali kurang transparan, sehingga membuat investor dan pengguna potensial kesulitan untuk menilai nilai sebenarnya, membatasi pengakuan pasar dan potensi komersial model.
IMO menyediakan cara baru untuk mendukung pendanaan dan berbagi nilai untuk model AI sumber terbuka, di mana investor dapat membeli token IMO untuk berbagi keuntungan yang dihasilkan oleh model di masa mendatang. Protokol tertentu menggunakan dua standar ERC, menggabungkan oracle AI dan teknologi OPML untuk memastikan keaslian model AI dan agar pemegang token dapat berbagi keuntungan.
Mode IMO meningkatkan transparansi dan kepercayaan, mendorong kolaborasi sumber terbuka, menyesuaikan dengan tren pasar kripto, dan memberikan dorongan untuk pengembangan teknologi AI yang berkelanjutan. IMO saat ini masih dalam tahap percobaan awal, tetapi seiring dengan peningkatan penerimaan pasar dan perluasan jangkauan partisipasi, inovasi dan nilai potensialnya patut kita nantikan.
AI Agent: Era baru pengalaman interaktif
AI Agent dapat merasakan lingkungan, berpikir secara independen, dan mengambil tindakan yang sesuai untuk mencapai tujuan yang telah ditetapkan. Didukung oleh model bahasa besar, AI Agent tidak hanya dapat memahami bahasa alami, tetapi juga merencanakan keputusan dan melaksanakan tugas-tugas kompleks. Mereka dapat berfungsi sebagai asisten virtual, belajar tentang preferensi pengguna melalui interaksi, dan menyediakan solusi yang dipersonalisasi. Tanpa instruksi yang jelas, AI Agent juga dapat secara mandiri menyelesaikan masalah, meningkatkan efisiensi, dan menciptakan nilai baru.
Sebuah platform aplikasi AI asli menyediakan kumpulan alat kreasi yang lengkap dan mudah digunakan, mendukung pengguna untuk mengonfigurasi fungsi robot, penampilan, suara, serta menghubungkan ke basis pengetahuan eksternal, berkomitmen untuk membangun ekosistem konten AI yang adil dan terbuka, memanfaatkan teknologi AI generatif untuk memberdayakan individu menjadi pencipta super. Platform ini telah melatih model bahasa besar khusus, membuat peran lebih manusiawi; teknologi kloning suara dapat mempercepat interaksi personalisasi produk AI, mengurangi biaya sintesis suara sebesar 99%, dan kloning suara hanya memerlukan 1 menit untuk direalisasikan. Dengan AI Agent yang dikustomisasi dari platform ini, saat ini dapat diterapkan dalam berbagai bidang seperti obrolan video, pembelajaran bahasa, dan generasi gambar.
Dalam penggabungan Web3 dan AI, saat ini lebih banyak eksplorasi pada lapisan infrastruktur, bagaimana mendapatkan data berkualitas tinggi, melindungi privasi data, bagaimana mengelola model di blockchain, bagaimana meningkatkan penggunaan daya komputasi terdesentralisasi yang efisien, dan bagaimana memverifikasi model bahasa besar, serta masalah penting lainnya. Seiring dengan perbaikan infrastruktur ini, kita memiliki alasan untuk percaya bahwa penggabungan Web3 dan AI akan melahirkan serangkaian model bisnis dan layanan inovatif.
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
AI dan Web3: Membangun Fondasi Internet Desentralisasi yang Baru
Integrasi Kedalaman AI dan Web3: Membangun Infrastruktur Internet Generasi Baru
Web3 sebagai paradigma internet baru yang terdesentralisasi, terbuka, dan transparan, memiliki peluang integrasi yang alami dengan AI. Dalam arsitektur terpusat tradisional, sumber daya komputasi dan data AI dikendalikan secara ketat, menghadapi berbagai tantangan seperti hambatan daya komputasi, kebocoran privasi, dan kotak hitam algoritma. Web3 yang berbasis teknologi terdistribusi, melalui jaringan berbagi daya komputasi, pasar data terbuka, dan komputasi privasi, memberikan dorongan baru untuk perkembangan AI. Sementara itu, AI juga dapat memberikan banyak pemberdayaan bagi Web3, seperti optimasi kontrak pintar, algoritma anti-kecurangan, dan membantu membangun ekosistemnya. Menjelajahi kombinasi Web3 dan AI sangat penting untuk membangun infrastruktur internet generasi berikutnya, serta melepaskan nilai data dan daya komputasi.
Data yang Didorong: Dasar yang Kokoh untuk AI dan Web3
Data adalah kekuatan pendorong utama dalam perkembangan AI, seperti bahan bakar bagi mesin. Model AI perlu mencerna sejumlah besar data berkualitas tinggi untuk memperoleh pemahaman mendalam dan kemampuan penalaran yang kuat. Data tidak hanya memberikan dasar pelatihan bagi model pembelajaran mesin, tetapi juga menentukan akurasi dan keandalan model.
Model pengambilan dan pemanfaatan data AI terpusat tradisional memiliki masalah utama berikut:
Web3 menyelesaikan titik sakit model tradisional dengan paradigma data terdesentralisasi yang baru:
Namun, pengambilan data di dunia nyata juga memiliki beberapa masalah, seperti kualitas data yang bervariasi, kesulitan dalam pengolahan, kurangnya keberagaman dan representativitas, dan lain-lain. Data sintetis mungkin menjadi bintang masa depan di jalur data Web3. Berdasarkan teknologi AI generatif dan simulasi, data sintetis dapat mensimulasikan atribut data nyata, sebagai pelengkap yang efektif untuk data nyata, meningkatkan efisiensi penggunaan data. Dalam bidang seperti kendaraan otonom, perdagangan pasar keuangan, dan pengembangan permainan, data sintetis telah menunjukkan potensi aplikasi yang matang.
Perlindungan Privasi: Peran FHE dalam Web3
Di era data-driven, perlindungan privasi telah menjadi fokus perhatian global, regulasi seperti Peraturan Perlindungan Data Umum Uni Eropa (GDPR) mencerminkan perlindungan ketat terhadap privasi individu. Namun, ini juga membawa tantangan: beberapa data sensitif tidak dapat dimanfaatkan sepenuhnya karena risiko privasi, yang membatasi potensi dan kemampuan penalaran model AI.
FHE adalah enkripsi homomorfik penuh, yang memungkinkan operasi perhitungan dilakukan langsung pada data yang terenkripsi tanpa perlu mendekripsi data, dan hasil perhitungan konsisten dengan hasil perhitungan yang dilakukan pada data plaintext.
FHE memberikan perlindungan yang kuat untuk perhitungan privasi AI, memungkinkan kekuatan komputasi GPU untuk menjalankan pelatihan model dan tugas inferensi dalam lingkungan yang tidak menyentuh data asli. Ini memberikan keuntungan besar bagi perusahaan AI, dapat membuka layanan API dengan aman sambil melindungi rahasia bisnis.
FHEML mendukung pemrosesan enkripsi data dan model sepanjang siklus pembelajaran mesin, memastikan informasi sensitif aman dan mencegah risiko kebocoran data. Dengan cara ini, FHEML memperkuat privasi data dan menyediakan kerangka komputasi yang aman untuk aplikasi AI.
FHEML adalah pelengkap dari ZKML, ZKML membuktikan pelaksanaan yang benar dari pembelajaran mesin, sementara FHEML menekankan perhitungan pada data terenkripsi untuk menjaga privasi data.
Revolusi Kekuatan: Komputasi AI dalam Jaringan Terdesentralisasi
Kompleksitas komputasi sistem AI saat ini meningkat dua kali lipat setiap 3 bulan, menyebabkan lonjakan permintaan daya komputasi yang jauh melebihi pasokan sumber daya komputasi yang ada. Misalnya, pelatihan model AI terkenal membutuhkan daya komputasi yang sangat besar, setara dengan waktu pelatihan 355 tahun di satu perangkat. Kekurangan daya komputasi seperti ini tidak hanya membatasi kemajuan teknologi AI, tetapi juga membuat model AI tingkat lanjut menjadi tidak terjangkau bagi sebagian besar peneliti dan pengembang.
Sementara itu, penggunaan GPU global kurang dari 40%, ditambah dengan perlambatan peningkatan kinerja mikroprosesor, serta kekurangan chip yang disebabkan oleh faktor rantai pasokan dan geopolitik, semua ini membuat masalah pasokan daya komputasi semakin parah. Praktisi AI terjebak dalam dilema: harus membeli perangkat keras sendiri atau menyewa sumber daya cloud, mereka sangat membutuhkan cara layanan komputasi yang sesuai permintaan dan ekonomis.
Sebuah jaringan kekuatan komputasi AI terdesentralisasi menggabungkan sumber daya GPU yang tidak terpakai di seluruh dunia, menyediakan pasar kekuatan komputasi yang ekonomis dan mudah diakses bagi perusahaan AI. Pihak yang membutuhkan kekuatan komputasi dapat memposting tugas perhitungan di jaringan, kontrak pintar akan mendistribusikan tugas kepada node penambang yang berkontribusi kekuatan komputasi, penambang melaksanakan tugas dan mengirimkan hasil, setelah diverifikasi mereka mendapatkan imbalan poin. Solusi ini meningkatkan efisiensi penggunaan sumber daya dan membantu mengatasi masalah kekurangan kekuatan komputasi di bidang seperti AI.
Selain jaringan komputasi terdesentralisasi yang umum, ada juga platform yang fokus pada pelatihan AI, serta jaringan komputasi khusus yang fokus pada inferensi AI.
Jaringan komputasi terdesentralisasi menyediakan pasar komputasi yang adil dan transparan, memecahkan monopoli, menurunkan ambang aplikasi, dan meningkatkan efisiensi pemanfaatan komputasi. Dalam ekosistem web3, jaringan komputasi terdesentralisasi akan memainkan peran kunci, menarik lebih banyak dapp inovatif untuk bergabung, bersama-sama mendorong perkembangan dan aplikasi teknologi AI.
DePIN: Web3 memberdayakan Edge AI
Bayangkan, ponsel Anda, jam tangan pintar, bahkan perangkat pintar di rumah Anda, semua memiliki kemampuan untuk menjalankan AI—inilah daya tarik Edge AI. Ini memungkinkan komputasi terjadi di sumber data, mewujudkan latensi rendah, pemrosesan waktu nyata, sambil melindungi privasi pengguna, teknologi Edge AI telah diterapkan di bidang-bidang penting seperti mengemudi otomatis.
Di bidang Web3, kami memiliki nama yang lebih familiar—DePIN. Web3 menekankan desentralisasi dan kedaulatan data pengguna, DePIN dapat meningkatkan perlindungan privasi pengguna dengan memproses data secara lokal, mengurangi risiko kebocoran data; mekanisme ekonomi Token asli Web3 dapat mendorong node DePIN untuk menyediakan sumber daya komputasi, membangun ekosistem yang berkelanjutan.
Saat ini, DePIN berkembang pesat dalam ekosistem beberapa blockchain publik, menjadi salah satu platform blockchain publik pilihan untuk pengembangan proyek. Tingginya TPS, rendahnya biaya transaksi, dan inovasi teknologi dari blockchain publik ini memberikan dukungan kuat bagi proyek DePIN. Saat ini, nilai pasar proyek DePIN di blockchain publik ini telah melebihi 10 miliar USD, dan beberapa proyek terkenal telah mencapai kemajuan yang signifikan.
IMO：Model AI Menerbitkan Paradigma Baru
Konsep IMO pertama kali diusulkan oleh suatu protokol untuk men-tokenisasi model AI.
Dalam model tradisional, karena kurangnya mekanisme pembagian keuntungan, begitu model AI dikembangkan dan diluncurkan di pasar, pengembang sering kali kesulitan untuk mendapatkan keuntungan yang berkelanjutan dari penggunaan model tersebut, terutama ketika model diintegrasikan ke dalam produk dan layanan lain, pencipta asli sulit untuk melacak penggunaan, apalagi mendapatkan keuntungan darinya. Selain itu, kinerja dan efektivitas model AI sering kali kurang transparan, sehingga membuat investor dan pengguna potensial kesulitan untuk menilai nilai sebenarnya, membatasi pengakuan pasar dan potensi komersial model.
IMO menyediakan cara baru untuk mendukung pendanaan dan berbagi nilai untuk model AI sumber terbuka, di mana investor dapat membeli token IMO untuk berbagi keuntungan yang dihasilkan oleh model di masa mendatang. Protokol tertentu menggunakan dua standar ERC, menggabungkan oracle AI dan teknologi OPML untuk memastikan keaslian model AI dan agar pemegang token dapat berbagi keuntungan.
Mode IMO meningkatkan transparansi dan kepercayaan, mendorong kolaborasi sumber terbuka, menyesuaikan dengan tren pasar kripto, dan memberikan dorongan untuk pengembangan teknologi AI yang berkelanjutan. IMO saat ini masih dalam tahap percobaan awal, tetapi seiring dengan peningkatan penerimaan pasar dan perluasan jangkauan partisipasi, inovasi dan nilai potensialnya patut kita nantikan.
AI Agent: Era baru pengalaman interaktif
AI Agent dapat merasakan lingkungan, berpikir secara independen, dan mengambil tindakan yang sesuai untuk mencapai tujuan yang telah ditetapkan. Didukung oleh model bahasa besar, AI Agent tidak hanya dapat memahami bahasa alami, tetapi juga merencanakan keputusan dan melaksanakan tugas-tugas kompleks. Mereka dapat berfungsi sebagai asisten virtual, belajar tentang preferensi pengguna melalui interaksi, dan menyediakan solusi yang dipersonalisasi. Tanpa instruksi yang jelas, AI Agent juga dapat secara mandiri menyelesaikan masalah, meningkatkan efisiensi, dan menciptakan nilai baru.
Sebuah platform aplikasi AI asli menyediakan kumpulan alat kreasi yang lengkap dan mudah digunakan, mendukung pengguna untuk mengonfigurasi fungsi robot, penampilan, suara, serta menghubungkan ke basis pengetahuan eksternal, berkomitmen untuk membangun ekosistem konten AI yang adil dan terbuka, memanfaatkan teknologi AI generatif untuk memberdayakan individu menjadi pencipta super. Platform ini telah melatih model bahasa besar khusus, membuat peran lebih manusiawi; teknologi kloning suara dapat mempercepat interaksi personalisasi produk AI, mengurangi biaya sintesis suara sebesar 99%, dan kloning suara hanya memerlukan 1 menit untuk direalisasikan. Dengan AI Agent yang dikustomisasi dari platform ini, saat ini dapat diterapkan dalam berbagai bidang seperti obrolan video, pembelajaran bahasa, dan generasi gambar.
Dalam penggabungan Web3 dan AI, saat ini lebih banyak eksplorasi pada lapisan infrastruktur, bagaimana mendapatkan data berkualitas tinggi, melindungi privasi data, bagaimana mengelola model di blockchain, bagaimana meningkatkan penggunaan daya komputasi terdesentralisasi yang efisien, dan bagaimana memverifikasi model bahasa besar, serta masalah penting lainnya. Seiring dengan perbaikan infrastruktur ini, kita memiliki alasan untuk percaya bahwa penggabungan Web3 dan AI akan melahirkan serangkaian model bisnis dan layanan inovatif.