Ekonomi Sebenarnya di Balik Pengembangan Infrastruktur AI: Mengapa Omongan Murah tentang Bubble Mengabaikan Intinya

Para skeptis muncul dengan kekuatan penuh. Artikel dari publikasi keuangan utama—seperti Financial Times yang memperingatkan tentang “pusat data phantom” yang menggelembungkan proyeksi daya listrik AS, dan artikel Wall Street Journal tentang “Hype AI vs. Realitas”—terus mempertanyakan apakah pengeluaran besar-besaran untuk infrastruktur AI masuk akal secara finansial. Artikel-artikel ini didasarkan pada premis yang menggoda: modal yang dibutuhkan untuk sistem AI tidak mungkin menghasilkan cukup pengembalian untuk membenarkan investasi tersebut. Tetapi kritik ini secara fundamental salah memahami apa yang terjadi dalam revolusi AI, dan sebagian besar hanyalah omong kosong yang menutupi transformasi ekonomi yang sebenarnya.

Masalah Pendapatan Tahunan $650 Miliar (Yang Bukan Benar-Benar Masalah)

Inilah argumen inti para skeptis: JPMorgan membangun model keuangan dengan asumsi investasi infrastruktur AI global sebesar $5 triliun pada tahun 2030. Mereka kemudian mengajukan pertanyaan sederhana: berapa banyak pendapatan tahunan tambahan yang harus dihasilkan oleh semua perangkat keras tersebut agar menghasilkan pengembalian tahunan yang wajar sebesar 10% bagi investor? Jawaban mereka: sekitar $650 miliar per tahun—lebih dari 150% dari penjualan tahunan Apple saat ini dan sekitar 30 kali lipat pendapatan saat ini OpenAI.

Ini terdengar tidak mungkin. Inilah sebabnya mengapa banyak investor dan analis menganggapnya sebagai bukti gelembung. Omong kosong tentang risiko gelembung mendapatkan klik dan kredibilitas di pasar yang cemas terhadap kelebihan.

Namun ada kekurangan kritis dalam kerangka ini. Ini memperlakukan pengeluaran infrastruktur AI seperti investasi satu kali yang statis—mirip dengan pendekatan pasar terhadap teknologi mobile, komputasi awan, atau konektivitas broadband. Masing-masing dari mereka penting, tetapi masing-masing beroperasi berdasarkan siklus komputasi yang relatif dapat diprediksi dan sudah ditentukan sebelumnya.

AI Sangat Berbeda: Kecerdasan Membutuhkan Pabrik Waktu Nyata

Perbedaan mendasar terletak pada bagaimana sistem AI benar-benar bekerja. Perangkat lunak tradisional dikompilasi sebelumnya. Anda menulis kode sekali, dan kebutuhan komputasi relatif modest dan dapat diprediksi. Sistem AI—terutama generatif dan agenik—beroperasi secara waktu nyata. Mereka menghasilkan informasi baru, token baru, nilai baru setiap saat. Mereka tidak dapat mempre-generasi kecerdasan sebelumnya dan menariknya nanti. Kecerdasan harus dibuat secara terus-menerus.

CEO NVIDIA Jensen Huang mengungkapkan perubahan ini di Konferensi Masa Depan AI Financial Times: “Perangkat lunak di masa lalu dikompilasi sebelumnya. Agar AI efektif, harus sadar konteks dan menghasilkan kecerdasan di saat itu juga. Perhitungan yang diperlukan untuk menghasilkan AI dengan permintaan tinggi cukup besar. Kami telah menciptakan industri yang membutuhkan pabrik—ratusan miliar dolar dalam pabrik—untuk menghasilkan token dan kecerdasan yang diperlukan untuk melayani industri bernilai triliunan dolar.”

Ini mengubah segalanya. Kita tidak membangun gudang untuk penyimpanan data pasif. Kita membangun sistem produksi kecerdasan waktu nyata. Daya komputasi tidak diam di antara penggunaan; ia beroperasi secara terus-menerus, menghasilkan nilai di setiap siklus. Ini sepenuhnya mengubah ekonomi unit.

Pertimbangkan implikasinya: hampir setiap industri akan meningkatkan tenaga kerja dan kemampuan manusia dengan AI. Kebanyakan orang saat ini tidak menggunakan AI, tetapi dalam beberapa tahun, hampir setiap interaksi dan transaksi akan melibatkan sistem AI dalam beberapa bentuk. Antara penggunaan AI yang rendah saat ini dan penerapan terus-menerus di masa depan, permintaan akan komputasi akan meningkat secara eksponensial.

Pembuat Perangkat Keras Seperti NVIDIA dan TSMC Masih Kurang Dihitung

Analis Wall Street secara konsisten meremehkan potensi sistem komputasi berbasis GPU. Proyeksi saat ini dari bank-bank besar memodelkan penjualan NVIDIA sekitar $275 miliar pada tahun fiskal 2027 (dimulai Februari 2025). Namun total pasar yang dapat dijangkau perusahaan, yang tumbuh dengan kecepatan meningkat, bisa mendukung angka pendapatan yang jauh lebih tinggi saat pengeluaran infrastruktur AI global melampaui $1 triliun pada tahun 2028 (menurut riset Goldman Sachs dan Bank of America).

Taiwan Semiconductor—yang memproduksi chip yang mendukung revolusi AI—menghadapi peluang serupa. Saat permintaan inferensi dan pelatihan AI berkembang di seluruh perusahaan teknologi besar dan perusahaan, kapasitas produksi TSM menjadi kendala, bukan hal yang pasti. Dinamika ini saja sudah menunjukkan bahwa valuasi saham saat ini mungkin kurang menghargai potensi jalur pengembangan selama beberapa dekade.

Pengganda AI Fisik: Mengapa Ini Baru Permulaan

Setelah generatif AI dan agenik AI menambah ratusan basis poin ke PDB selama lima tahun ke depan, munculnya Physical-AI akan memperkuat kebutuhan infrastruktur bahkan lebih jauh lagi. Kendaraan otonom, robot humanoid, pabrik otomatis, dan sistem kota pintar akan membutuhkan komputasi tidak hanya di pusat data tetapi juga tersebar di tepi—redundan, tangguh, dan mampu offline untuk operasi yang kritis terhadap keselamatan.

Infrastruktur yang diperlukan untuk melatih dan inferensi sistem Physical-AI mungkin melebihi apa yang dapat diproyeksikan sebagian besar analis saat ini. Jika generatif AI membutuhkan “pabrik,” maka Physical-AI membutuhkan ekosistem komputasi yang sama sekali baru yang tersebar di seluruh dunia fisik.

Memisahkan Investasi Cerdas dari Omong Kosong

Judul keuangan berkembang pesat karena konflik naratif. Peringatan gelembung menghasilkan keterlibatan. Tetapi kekayaan jangka panjang di pasar berasal dari investor institusional yang beroperasi dengan horizon multi-dekade—perusahaan seperti Baillie Gifford, yang mendukung “investasi nyata” dengan mendukung perusahaan yang paling berkontribusi terhadap kemajuan selama beberapa dekade daripada kuartal. Mereka adalah investor awal Tesla; NVIDIA sekarang menjadi posisi terbesar mereka.

Ini bukan antusiasme buta atau spekulasi ceroboh. Ini pengakuan bahwa perubahan teknologi tertentu berakumulasi seiring waktu dengan cara yang mengejutkan pengamat yang fokus pada siklus kuartalan dan sentimen jangka pendek.

Kesimpulan: Pantau Siklus Beat-and-Raise

Harapkan NVIDIA menyampaikan kuartal lain dengan hasil lebih baik dan panduan ke depan yang meningkat saat sistem rack-scale Blackwell diluncurkan untuk permintaan yang kuat. Wall Street akan kembali menaikkan estimasi pertumbuhan dan target harga. Ketika itu terjadi, ingatlah bahwa analis masih mengejar ketertinggalan dari jalur pengembangan infrastruktur AI—jalur yang akan mempercepat, bukan memperlambat, saat industri berkembang.

Omong kosong tentang gelembung AI akan terus ada. Tetapi ekonomi nyata—kebutuhan akan produksi kecerdasan waktu nyata secara terus-menerus dan skala di seluruh industri—mengarah ke kesimpulan yang berbeda: kita masih dalam tahap awal penerapan, dan pembangunan infrastruktur baru saja dimulai. Investor yang mampu melewati omong kosong skeptis dan fokus pada permintaan infrastruktur jangka panjang mungkin menemukan peluang terbaik masih di depan.