Menurut Bloomberg pada 25 Juni mengutip lembaga riset Exponential View yang menganalisis kumpulan data pengeluaran AI dari lebih dari 1.000 perusahaan, menyimpulkan: pada kuartal pertama 2026, pendapatan AI global (tidak termasuk China) mencapai 25 miliar dolar AS, untuk pertama kalinya melampaui biaya depresiasi dan amortisasi sebesar 21 miliar dolar AS pada periode yang sama. Namun, komitmen infrastruktur senilai 850 miliar dolar AS menunggu untuk kembali modal.
Kerapuhan Asumsi Depresiasi Enam Tahun: Jika Umur GPU Memendek, Garis Dasar 21 Miliar Dolar AS Akan Naik
Perusahaan teknologi dan cloud saat ini umumnya menyebarkan biaya perangkat seperti chip AI dalam siklus penggunaan sekitar enam tahun, yang secara langsung menentukan angka biaya depresiasi setiap kuartal. Garis dasar depresiasi 21 miliar dolar AS dari Exponential View sepenuhnya didasarkan pada asumsi enam tahun ini.
Jika umur sebenarnya dari klaster GPU lebih pendek dari enam tahun — misalnya karena lonjakan kinerja chip generasi berikutnya menyebabkan peralatan yang ada dihapus lebih awal — depresiasi dan amortisasi akan dipercepat, garis dasar 21 miliar dolar AS akan bergerak naik, dan pendapatan kuartalan 25 miliar dolar AS akan kembali dari 'melampaui' menjadi 'tidak mampu mengejar'.
Artikel tersebut menunjukkan bahwa chip AI Jalapeno yang diluncurkan bersama oleh OpenAI dan Broadcom diklaim menghemat sekitar 50% biaya dibandingkan solusi GPU yang ada, dan dijadwalkan akan masuk ke pusat data mitra seperti Microsoft pada akhir tahun ini; persaingan biaya sisi pasokan semacam ini baru saja dimulai.
Dampak Potensial Model Berbiaya Rendah Seperti DeepSeek terhadap Harga Layanan AI
Di sisi pendapatan, sebagian pengguna telah mulai beralih ke model China yang lebih murah atau bahkan gratis seperti DeepSeek. Begitu perusahaan besar beralih ke model berbiaya rendah, harga satuan layanan AI dari penyedia cloud hyperscaler akan terpaksa mengikuti: meskipun jumlah pengguna terus bertambah, pendapatan per pengguna juga bisa terencerkan secara bersamaan, membuat garis depresiasi yang baru saja dilewati kembali sulit dipertahankan.
Komitmen Infrastruktur 850 Miliar Dolar AS vs Pendapatan Kuartalan 25 Miliar Dolar AS
Data Bloomberg pada periode yang sama menunjukkan: komitmen sewa pusat data baru Meta mencapai 79 miliar dolar AS; Microsoft mencapai 41 miliar dolar AS; total kewajiban sewa pusat data di masa depan untuk seluruh industri cloud mencapai 850 miliar dolar AS.
Komitmen infrastruktur 850 miliar dolar AS berbanding dengan pendapatan kuartalan 25 miliar dolar AS; hanya untuk satu item garis depresiasi ini saja, diperlukan pelampauan yang stabil selama beberapa tahun berturut-turut agar gelombang pembangunan ini dapat memasuki periode pemulihan yang sebenarnya. Kesimpulan artikel: 'Melewati garis depresiasi adalah fakta, tetapi apakah itu awal dari era baru, atau hanya angka sementara yang meyakinkan diri sendiri dari gelombang pembangunan ini, mungkin harus menunggu data dari beberapa kuartal mendatang untuk berbicara.'
Pertanyaan Umum
Apa yang dimaksud dengan 'biaya depresiasi dan amortisasi', dan mengapa perbandingan ini bermakna?
Depresiasi dan amortisasi (depreciation/amortization) adalah metode akuntansi yang membagi pengeluaran modal besar (seperti pembelian GPU) ke dalam setiap periode akuntansi selama masa pakainya. Membandingkan dengan biaya depresiasi daripada jumlah pembelian aktual karena lebih mendekati 'konsumsi' modal aktual setiap periode, dan juga merupakan cara standar bagi perusahaan untuk mengevaluasi apakah investasi mulai menghasilkan pengembalian. Pendapatan AI kuartalan melampaui biaya depresiasi berarti dari sudut pandang akuntansi, bisnis AI mulai mampu 'menutupi' amortisasi biaya infrastruktur yang telah diinvestasikan.
Apakah asumsi depresiasi enam tahun masuk akal?
Menurut penjelasan artikel, enam tahun adalah masa depresiasi perangkat AI yang saat ini umum digunakan oleh perusahaan teknologi dan cloud, dan merupakan praktik industri. Namun, kecepatan pembaruan perangkat keras AI sangat cepat; jika chip generasi berikutnya secara signifikan melampaui GPU yang ada dalam tiga hingga empat tahun, masa pakai efektif aktual perangkat yang ada mungkin lebih pendek dari enam tahun, menyebabkan biaya depresiasi aktual lebih tinggi. Oleh karena itu, asumsi enam tahun adalah standar industri saat ini dan juga merupakan variabel ketidakpastian terbesar dari hasil analisis.
Bagaimana chip Jalapeno OpenAI mempengaruhi persamaan ini?
Menurut artikel, Jalapeno adalah chip AI buatan sendiri yang diluncurkan bersama oleh OpenAI dan Broadcom, diklaim menghemat sekitar 50% biaya dibandingkan solusi GPU yang ada, dan dijadwalkan akan masuk ke pusat data mitra seperti Microsoft pada akhir tahun ini. Jika chip yang lebih efisien dan berbiaya rendah diterapkan secara luas, di satu sisi dapat menurunkan dasar depresiasi di masa depan (menguntungkan sisi pendapatan), di sisi lain juga dapat mempercepat penghapusan perangkat GPU yang ada, meningkatkan tekanan depresiasi jangka pendek.
