Vitalik Buterin: Ethereum membuat lapisan penyelesaian untuk AI, tetapi ada risiko besar di baliknya

Vitalik Buterin baru saja mengumumkan sebuah proposal penelitian baru, tetapi alih-alih menjawab pertanyaan yang paling banyak ditanyakan — apakah blockchain dapat menjalankan model AI secara langsung — pendekatan ini mengambil arah yang berbeda.

Penelitian ini berpendapat bahwa Ethereum dapat menjadi lapisan pembayaran dan penyelesaian yang melindungi privasi untuk penggunaan AI dan API berdasarkan model biaya sesuai penggunaan. Artikel yang ditulis oleh Vitalik Buterin bersama Davide Crapis di Ethereum Research menekankan bahwa peluang nyata tidak terletak pada membawa model LLM ke dalam rantai.

Sebaliknya, peluang terletak pada pembangunan infrastruktur yang memungkinkan pengguna dan agen AI membayar ribuan panggilan API tanpa mengungkap identitas atau meninggalkan jejak pengawasan melalui data pembayaran.

Momen krusial saat agen AI (agentic AI) beralih dari tahap percobaan ke jalur implementasi di tingkat perusahaan. Gartner memprediksi bahwa hingga akhir tahun 2026, sekitar 40% aplikasi perusahaan akan mengintegrasikan agen AI khusus berdasarkan tugas, meningkat pesat dari kurang dari 5% pada tahun 2025.

Gartner memprediksi bahwa aplikasi perusahaan yang menggunakan agen AI khusus akan meningkat dari kurang dari 5% pada tahun 2025 menjadi 40% pada akhir tahun 2026.## Agen AI memasuki tahap adopsi luas

Perpindahan ini menyiratkan dunia di mana perangkat lunak otomatis menghasilkan volume besar panggilan API. Saat itu, sistem pembayaran sesuai penggunaan tidak lagi menjadi infrastruktur pendukung, melainkan menjadi lapisan infrastruktur strategis.

Sistem pengukuran dan penagihan saat ini memaksa pengguna memilih antara dua model:

Mekanisme Kredit Penggunaan API ZK

Usulan ini memperkenalkan kredit penggunaan API ZK — sebuah mekanisme pembayaran dan pencegahan penyalahgunaan berbasis Rate-Limiting Nullifiers (RLN).

RLN adalah alat zero-knowledge yang dirancang untuk mencegah spam dalam sistem anonim. Penelitian ini menggunakan kembali RLN untuk akses layanan berbayar sesuai penggunaan.

Proses kerjanya:

Contoh ilustrasi:

Dirancang untuk model “banyak panggilan per pengisian”, yaitu aktivitas on-chain meningkat sesuai jumlah akun dan frekuensi penyelesaian, bukan berdasarkan total volume inferensi AI.

Sistem ini juga mendukung biaya variabel: pengguna membayar di muka untuk batas maksimum setiap panggilan, server mengembalikan tiket refund yang telah ditandatangani untuk bagian yang tidak digunakan, dan pengguna dapat mengakumulasi refund secara privat untuk membuka batasan tambahan tanpa perlu mengisi ulang.

Infrastruktur pembayaran sudah siap

Usulan ini muncul di tengah infrastruktur pembayaran on-chain yang telah mencapai skala yang signifikan.

Desain ini secara aktif menghindari membawa LLM ke dalam rantai. Blockchain tidak bersaing dalam kekuatan komputasi atau kecepatan inferensi, melainkan bersaing dalam peran sebagai penyelesaian netral, escrow yang dapat diprogram, dan mekanisme eksekusi yang dapat diverifikasi.

Inferensi AI diproses off-chain, sementara blockchain berperan memastikan pembayaran, pengukuran, dan penyelesaian sengketa secara andal tanpa memerlukan pengguna mempercayai penyedia tertentu atau mengungkap identitas mereka.

Jika penyedia AI menerima uang jaminan dan bergantung pada smart contract di Ethereum atau layer 2 untuk mengelola pengurangan jaminan, pengembalian dana, dan sengketa, jaringan ini dapat menjadi lapisan pelaksanaan untuk perdagangan AI — mirip dengan bagaimana ia pernah menjadi lapisan penyelesaian untuk stablecoin dan DeFi.

Masalah metadata dan tantangan implementasi

Meskipun mekanisme pembayaran mungkin tidak dapat dikaitkan secara kriptografis, tetap ada risiko korelasi metadata. Server dapat mengaitkan pengguna melalui pola waktu, jumlah token, tingkat cache hit, dan tanda-tanda perilaku lainnya.

Beberapa usulan menyarankan mekanisme harga berdasarkan “bucket” dengan lapisan input/output tetap untuk mengurangi kebocoran informasi. Ketegangan antara privasi kriptografi dan metadata perilaku adalah faktor penentu apakah desain ini benar-benar mencapai anonimitas.

Dalam hal implementasi, RLN saat ini tidak lagi dipelihara secara aktif dalam proyek Privacy and Scaling Explorations. Mengintegrasikan kredit penggunaan ZK API ke lingkungan produksi mungkin memerlukan fork atau pembangunan alat baru.

Benchmark RLNJS menunjukkan:

Ini baru sekadar pengujian performa awal; masih ada pertanyaan tentang perangkat mobile dan rangkaian ZK dalam skala besar.

Selain aspek teknis, ada juga tantangan koordinasi pasar. Penyedia API Web2 sudah memiliki infrastruktur pembayaran dan kerangka hukum yang jelas untuk transaksi beridentitas. Untuk meyakinkan mereka beralih ke model ZK, perlu dibuktikan keunggulan biaya atau membuka segmen pelanggan baru yang menganggap privasi sebagai keharusan.

Dampak potensial terhadap Ethereum

Jika model ini diterima, posisi nilai Ethereum akan bergeser lebih jauh ke peran sebagai lapisan pelaksanaan netral untuk perdagangan digital, bukan sebagai platform komputasi serba guna.

Blockchain dipandang sebagai lapisan penyelesaian di mana aturan ekonomi dieksekusi secara dapat diverifikasi, bukan tempat aplikasi berjalan langsung.

Dampaknya bisa meliputi:

Kesempatan terletak pada melayani kelompok pengguna yang menganggap privasi pembayaran sebagai syarat utama: perusahaan yang khawatir data bocor melalui log pembayaran, pengembang yang membangun alat AI agent yang perlu pengukuran dan audit tanpa pengawasan, dan pengguna tingkat tinggi yang ingin mengakses layanan dengan frekuensi tinggi secara anonim.

Usulan ini menyatakan bahwa Ethereum dapat menegakkan perjanjian pembayaran, menyelesaikan sengketa, dan mendukung akses berbayar tanpa mengungkap identitas — sesuatu yang sulit dilakukan oleh infrastruktur tradisional secara struktural. Apakah hal ini akan menjadi kenyataan akan bergantung pada penyelesaian masalah korelasi metadata, keberlanjutan implementasi ZK yang kokoh, dan membuktikan nilai ekonomi yang cukup besar agar penyedia mau mengintegrasikan.