Tang Jie Mengalihkan Posisi Zhipu Setelah IPO: Perpindahan Strategis Kembali ke Penguasaan Model Dasar

Pada 8 Januari 2026, Zhipu mencapai tonggak bersejarah dengan menjadi perusahaan model bahasa besar pertama yang terdaftar secara publik di dunia—prestasi luar biasa yang tidak diduga oleh analis maupun pesaing. Dalam hari yang sama, Tang Jie, profesor ilmu komputer dari Universitas Tsinghua dan pendiri visioner Zhipu, mengungkapkan surat internal lengkap yang menandai penyesuaian strategi secara dramatis. Alih-alih merayakan kemenangan komersial, pesan Jie menekankan kembali filosofi: pengejaran tanpa henti terhadap keunggulan model dasar sebagai satu-satunya jalan menuju kecerdasan buatan umum. Surat tersebut menolak narasi komersialisasi jangka pendek dan justru mengartikulasikan agenda ambisius tahun 2026 yang berfokus pada peluncuran GLM-5 yang akan datang bersama tiga fokus teknologi transformatif—arsitektur model baru, pembelajaran penguatan umum, dan kemampuan pembelajaran berkelanjutan.

Obrolan Kopi yang Mengubah Misi Zhipu

Saat berkunjung ke kafe laboratorium Universitas Sains dan Teknologi Hong Kong, Tang Jie bertemu dengan profesor terhormat Yang Qiang dan berbagi pengamatan santai: dia belakangan ini terlalu banyak mengonsumsi kopi. Respon Yang sepenuhnya mengubah percakapan: “Kecanduan tidak selalu negatif. Bayangkan jika kita bisa mengarahkan kecanduan kita terhadap kopi ke penelitian dengan intensitas yang sama—bukankah kita akan mencapai hal-hal luar biasa?” Dialog sederhana ini merangkum fondasi filosofi Zhipu dan pandangan dunia Jie.

Sejak berdirinya resmi Zhipu pada 2019, perusahaan beroperasi berdasarkan satu prinsip utama—“membiarkan mesin berpikir seperti manusia.” Inspirasi berasal dari 2018 ketika Tang Jie dan kolektif penelitiannya merancang sistem kognitif mesin yang menggabungkan teori sistem ganda dari psikologi kognitif manusia, memadukan paradigma berpikir cepat dan lambat. Namun meskipun lebih dari tiga tahun perkembangan industri yang pesat sejak munculnya ChatGPT, Tang Jie mengamati dalam diskusi internal terbaru bahwa “masih belum ada konsensus nyata di industri; semua orang maju melalui coba-coba.”

Dari GLM-130B ke Pengakuan SOTA: Titik Infleksi Teknis

Perjalanan teknis Zhipu menunjukkan pola pengambilan risiko yang dihitung, sering kali menentang ortodoksi industri. Pada 2020, saat model berskala BERT mendominasi diskusi, perusahaan meluncurkan arsitektur algoritma GLM miliknya dan melatih model dasar dengan 10 miliar parameter—langkah berani yang menarik pengguna awal seperti Meituan. Yang penting, keberhasilan ini tetap jauh dari aspirasi AGI karena keterbatasan arsitektur: basis pengetahuan yang tidak cukup dan kemampuan penalaran setara manusia yang belum ada.

Periode 2021-2022 terbukti krusial. Sementara sebagian besar peserta industri menganggap visi “mesin berpikir manusiawi” sebagai fantasi moonshot, Zhipu justru memperkuat tekadnya. Perusahaan melatih model dengan 130 miliar parameter pada dataset yang diperluas secara eksponensial, membentuk dua divisi inovasi paralel yang beroperasi secara independen: tim riset GLM yang fokus pada pelatihan model, dan tim terpisah membangun platform MaaS yang akhirnya akan mendukung bigmodel.cn. Pada pertengahan 2022, GLM-130B mencapai terobosan teknis yang menarik perhatian global sekaligus mengumpulkan pengguna API produksi pertama platform—titik validasi penting yang membedakan Zhipu dari perusahaan riset murni.

Fenomena DeepSeek, bagaimanapun, mengubah dinamika kompetitif. Kemunculannya pada 2025 menciptakan apa yang disebut pengamat industri sebagai “gelombang kejut di antara perusahaan model besar China,” terutama mempengaruhi Zhipu mengingat kesamaan DNA tim riset akademik dan kontribusi ekosistem open-source yang tumpang tindih. Alih-alih bersikap defensif, Tang Jie memandang tekanan kompetitif sebagai pencerahan: “DeepSeek membangunkan kami,” memicu sebuah “penguatan” sistematis di bidang teknis dan komersial.

Konvergensi GLM: Bagaimana Zhipu Menyamai Front Global

Eksekusi Zhipu pada 2025 terhadap tonggak strategis internalnya terbukti sangat tepat. Perusahaan merilis model “stabilisasi” GLM-4.1 pada April, mencapai status “kursi di meja” dengan merilis GLM-4.5 di pertengahan tahun, dan menutup tahun dengan GLM-4.7—posisi sebagai pesaing Top 1 di antara model dasar global. Menurut indeks evaluasi Artificial Analysis, GLM-4.7 meraih peringkat pertama secara domestik dan mencapai parity global dengan Claude 4.5 Sonnet.

Katalis utama, secara tak terduga, adalah pemrograman. Saat pasar secara umum terjun ke perang harga dan narasi komoditisasi, Zhipu mengidentifikasi pembuatan kode sebagai titik masuk yang membedakannya dari pesaing. Peluncuran GLM-4.5 Juli menjadi titik kunci—dengan tim teknis, platform, dan komersial beroperasi dalam mode sprint berisiko tinggi. Setelah kemenangan, iterasi GLM-4.6 dan GLM-4.7 mengukuhkan keunggulan ini: pengembang dari 184 negara (lebih dari 150.000 individu) terlibat dalam Rencana Kode GLM, menghasilkan antusiasme profesional dan kecepatan adopsi yang terukur.

Ledakan Pendapatan: Ekonomi MaaS Terbukti

Validasi komersial sangat meyakinkan. Dalam waktu hanya sepuluh bulan, pendapatan tahunan platform MaaS Zhipu meningkat dari 20 juta menjadi 500 juta—penggandaan dua puluh lima kali yang secara fundamental mengubah perhitungan ROI kompetitif. Yang menarik, pendapatan dari luar negeri melebihi 200 juta, menunjukkan bahwa pasar non-China menyumbang sekitar 40% dari ekonomi platform. Performa ini sangat kontras dengan narasi publik yang menyatakan ekonomi model besar China masih belum matang.

Dimensi internasional patut diberi penekanan khusus. Inisiatif “Sovereign AI” Zhipu memanfaatkan infrastruktur MaaS nasional Malaysia untuk menjadikan GLM model besar resmi negara tersebut—menjadi kasus pertama teknologi model dasar China yang berhasil terintegrasi secara pemerintah di tingkat global. Tang Jie menyebut keberhasilan ini sebagai hasil keberanian dan tekad tim internasional, menempatkan ekspansi luar negeri sebagai respons strategis terhadap panggilan Beijing agar “AI China mencapai deployment global.”

Manifesto Teknis Jie 2026: Membalik Paradigma yang Ada

Alih-alih mengejar optimisasi bertahap, agenda 2026 Tang Jie menargetkan gangguan arsitektur dasar. Surat tersebut mengidentifikasi empat vektor prioritas:

Peluncuran GLM-5: Melalui peningkatan skala dan perbaikan teknis multi-vektor, model generasi berikutnya diklaim mampu menyelesaikan tugas dunia nyata secara luar biasa, menetapkan standar performa baru.

Eksplorasi Arsitektur Model Baru: Paradigma Transformer—yang mendominasi selama hampir sepuluh tahun—menunjukkan keterbatasan yang semakin meningkat dalam komputasi konteks super-panjang, mekanisme memori, dan protokol pembaruan. Zhipu berkomitmen menemukan paradigma arsitektur segar sambil mengejar optimisasi co-design chip-algoritma.

Pembelajaran Penguatan Umum (Generalized Reinforcement Learning): Pendekatan RLVR saat ini unggul di domain terbatas (matematika, kode) tetapi semakin menunjukkan batas struktural saat menghadapi lingkungan tak terbatas. Tujuan 2026 adalah mengembangkan paradigma RL yang memungkinkan sistem AI memproses dan mengeksekusi tugas temporal panjang—berjam-jam atau berhari-hari—melampaui sekadar mengikuti instruksi menuju agen sejati.

Pembelajaran Berkelanjutan dan Evolusi Otonom: Model AI produksi saat ini secara fundamental bersifat statis setelah dideploy. Mereka mengakumulasi pengetahuan melalui siklus pelatihan satu kali yang mahal, lalu secara perlahan menurun nilainya seiring perubahan konteks dunia nyata. Zhipu bertujuan merancang paradigma pembelajaran generasi berikutnya yang meniru plastisitas neural manusia—kerangka kerja pembelajaran online dan berkelanjutan yang memungkinkan interaksi dunia yang terus-menerus dan akumulasi kemampuan.

Inovasi Institusional: Taruhan X-Lab pada Disrupsi

Menyadari bahwa inersia organisasi cenderung menuju optimisasi bertahap, Zhipu mendirikan divisi riset eksperimental bernama X-Lab. Dirancang untuk merekrut talenta melalui mekanisme terbuka, X-Lab mengejar eksplorasi mutakhir meliputi arsitektur baru, paradigma kognitif yang muncul, dan inkubasi proyek beragam—tanpa dibatasi oleh batasan perangkat lunak saja. Sejalan dengan inovasi internal, Zhipu mengumumkan perluasan investasi ventura eksternal di luar portofolio yang ada, secara eksplisit menargetkan kemakmuran ekosistem daripada kompetisi zero-sum.

Arsitektur kelembagaan ini mencerminkan keyakinan filosofi Tang Jie bahwa “kami bukan perusahaan tradisional, dan kami juga tidak beraspirasi menjadi satu.” Sebaliknya, Zhipu menargetkan munculnya operasi sebagai perusahaan AI-native di mana kemungkinan revolusioner menggantikan kebiasaan inkremental—menggunakan AI sendiri untuk optimalisasi tata kelola, efisiensi, dan keadilan sistemik.

Epilog Filosofis: Endorfin Lebih Baik dari Dopamin

Tang Jie mengakhiri surat strategisnya dengan membedakan antara modal reward yang bersaing. Prestasi IPO menghasilkan kepuasan dopamin sesaat—kegembiraan sementara. Kepuasan sejati justru berasal dari akumulasi endorfin yang terkumpul sepanjang jalur menuju AGI: fokus berkelanjutan, dasar operasional, kemajuan terus-menerus menuju batas tertinggi kecerdasan. Ekspresi formalnya—mencapai “keadaan tertinggi kecerdasan” di mana Z melambangkan puncak alfabet—menandai komitmen Zhipu terhadap posisi frontier daripada optimisasi pasar.

Bagi pengamat industri, maknanya melampaui strategi perusahaan individu. Pencatatan publik Zhipu dan reposisi filosofis Jie mencerminkan pematangan industri yang lebih luas: pengakuan bahwa keunggulan kompetitif yang langgeng muncul bukan dari optimisasi lapisan aplikasi, tetapi dari kemampuan dasar—penguasaan arsitektur model, inovasi paradigma pembelajaran, dan kemajuan teoretis yang tak henti-hentinya. Apakah komitmen ini akan terwujud dalam keunggulan teknis yang berkelanjutan tetap menjadi pertanyaan terbuka, tetapi tekad Tang Jie tampaknya tegas: tahun 2026 Zhipu akan menentukan apakah keyakinan filosofis sejalan dengan kemungkinan teknologi.