Kemakmuran daya komputasi AI mungkin hanyalah ilusi yang didukung oleh dua perusahaan

Komentator teknologi luar negeri Ed Zitron baru-baru ini mengajukan penilaian tajam: ekonomi AI saat ini mungkin tidak didukung oleh permintaan pasar yang luas dan sehat, melainkan sangat bergantung pada dua perusahaan, OpenAI dan Anthropic. Penyedia layanan cloud menginvestasikan ke dalam perusahaan AI, perusahaan AI kemudian menggunakan dana tersebut untuk membeli layanan cloud dan daya komputasi, membentuk narasi pertumbuhan siklus.

Pandangan ini mungkin tidak mewakili seluruh fakta, tetapi mengingatkan kita: untuk menilai apakah ledakan AI ini berkelanjutan, tidak cukup hanya melihat jumlah pendanaan dan skala pembangunan pusat data, tetapi juga harus memperhatikan pelanggan nyata, kualitas arus kas, dan kebutuhan akhir.

Pendahuluan

Dalam dua tahun terakhir, kisah pertumbuhan paling mencolok di industri AI bukan hanya lonjakan kemampuan model besar, tetapi juga gelombang pengeluaran modal yang berpusat pada GPU, layanan cloud, dan pusat data. Raksasa seperti Microsoft, Amazon, Google, Oracle terus meningkatkan investasi dalam infrastruktur AI, sementara NVIDIA menjadi penerima manfaat paling mencolok dalam siklus ini.

Namun, pertanyaan yang lebih tajam muncul: siapa sebenarnya yang akan menggunakan pusat data baru ini? Jika pelanggan utama hanyalah OpenAI dan Anthropic, maka apakah kemakmuran daya komputasi AI yang disebut-sebut hanyalah narasi siklus yang didukung oleh beberapa perusahaan, beberapa penyedia cloud, dan beberapa transaksi modal?

Penulis komentar teknologi AS Ed Zitron dalam artikel 《Premium: AI’s Circular Psychosis》 memberikan penilaian yang sangat agresif namun layak didiskusikan: ekonomi AI sedang membentuk semacam “delusi siklus”. Dalam siklus ini, raksasa cloud menginvestasikan ke perusahaan AI, perusahaan AI membayar kembali ke raksasa cloud untuk membeli daya komputasi; raksasa cloud kemudian mengonfirmasi pendapatan masa depan mereka, dan melanjutkan pembangunan pusat data dan pembelian GPU. Tampaknya setiap lingkaran berkembang, tetapi jika kebutuhan akhir tidak cukup, mekanisme ini bisa menjadi sangat rapuh.

I. Kemakmuran Daya Komputasi AI yang Disebut, Mungkin Sangat Bergantung pada Dua Perusahaan

Inti dari penilaian Zitron tidak rumit: sebagian besar ekonomi AI sebenarnya bergantung pada OpenAI dan Anthropic. Menurut analisisnya, kedua perusahaan ini tidak hanya menggunakan kapasitas daya komputasi AI dari Amazon, Google, dan Microsoft secara besar-besaran, tetapi juga menyumbang proporsi pendapatan AI dari perusahaan-perusahaan tersebut; yang lebih penting lagi, mereka mungkin juga menyumbang sebagian besar pesanan tertunda dari pendapatan masa depan penyedia cloud ini.

Ini berarti, apa yang dilihat pasar bukan hanya “pertumbuhan permintaan komputasi awan”, tetapi mungkin merupakan struktur pelanggan yang sangat terkonsentrasi: pesanan AI dari perusahaan cloud berasal dari perusahaan AI, dan kemampuan pembayaran perusahaan AI berasal dari pendanaan dan investasi cloud. Dengan kata lain, dana tidak hanya mengalir dari pelanggan akhir ke perusahaan model, lalu ke penyedia cloud; melainkan juga berputar di antara investor, penyedia layanan cloud, dan perusahaan AI.

Struktur ini tidak harus tidak berkelanjutan. Industri teknologi awal sering mengandalkan pendanaan untuk pertumbuhan, seperti halnya cloud computing, kendaraan listrik, dan layanan berbagi tumpangan yang pernah mengalami fase serupa. Masalahnya, skala investasi infrastruktur AI terlalu besar, dan saat ini perusahaan yang mampu terus mengkonsumsi GPU dalam skala besar tampaknya tidak sebanyak yang dibayangkan pasar.

Gambar menunjukkan bahwa komitmen pengeluaran OpenAI dan Anthropic terhadap Microsoft, Oracle, Google, dan Amazon menempati proporsi yang cukup tinggi dari pesanan tertunda pendapatan penyedia cloud ini. Warna merah muda menunjukkan komitmen pengeluaran OpenAI, oranye untuk Anthropic, dan abu-abu untuk pesanan tertunda pendapatan lainnya. Sumber gambar: The Information, dikutip dari Where’s Your Ed At;

Jika perhitungan ini benar, maka kesimpulan yang perlu diwaspadai adalah: sebagian besar pendapatan masa depan raksasa cloud tidak hanya bergantung pada permintaan AI, tetapi juga bergantung pada kemampuan OpenAI dan Anthropic untuk terus mendapatkan pendanaan, memperluas, dan membayar tagihan cloud yang besar secara berkelanjutan.

II. “Tagihan Siklus” antara Anthropic dan Raksasa Cloud

Kritik terhadap Anthropic oleh Zitron sangat tajam. Ia berpendapat bahwa masalah Anthropic bukan hanya kerugian, tetapi juga terbentuknya hubungan keuangan yang mirip siklus dengan Amazon dan Google: raksasa cloud menginvestasikan ke Anthropic, dan Anthropic kemudian menggunakan dana tersebut untuk membeli layanan cloud dan daya komputasi, sehingga raksasa cloud memperoleh ekspektasi pendapatan, dan terus memperluas infrastruktur.

Dari sudut pandang narasi keuangan, ini tampak saling menguntungkan. Perusahaan AI mendapatkan daya komputasi untuk pelatihan dan inferensi, perusahaan cloud mendapatkan pelanggan besar, dan pasar modal mendapatkan kisah pertumbuhan. Tetapi jika Anthropic sendiri tidak memiliki pendapatan dan laba yang cukup kuat, kemampuan membayar tagihan cloud sangat bergantung pada pendanaan eksternal.

Inilah inti dari “siklus” yang disebutkan dalam artikel: pendapatan masa depan dari satu perusahaan cloud mungkin bergantung pada apakah perusahaan AI yang mereka investasikan mampu terus mendapatkan pendanaan; dan perusahaan AI yang mampu terus menceritakan kisah pertumbuhan juga bergantung pada penyedia cloud yang terus menyediakan daya, investasi, dan diskon. Secara kasat mata, ini adalah rantai pertumbuhan yang cepat; dari sudut pandang lain, ini juga merupakan rantai risiko yang saling bergantung.

Bagi pembaca di China, ini bukan hal yang asing. Industri dengan investasi besar yang berkembang pesat sering kali mengalami logika “membangun infrastruktur dulu, lalu menunggu permintaan terwujud”. Perbedaannya, biaya per unit pembangunan daya komputasi AI sangat tinggi, dan depresiasi teknologi sangat cepat. Jika kebutuhan nyata tidak sesuai harapan, biaya tenggelam akan sangat berat.

III. Transfer Colossus-1 oleh xAI: Sinyal Kebutuhan yang Terabaikan

Kasus lain yang patut diperhatikan adalah pengambilalihan kapasitas pusat data Colossus-1 milik SpaceX, xAI, dan Elon Musk sebesar 300MW. Musk pernah menyebut Colossus-1 sebagai “sistem pelatihan AI terbesar di dunia”, dan menyatakan tujuannya adalah melatih Grok. Tetapi sekarang, kapasitas ini dialihkan ke Anthropic.

Zitron berpendapat bahwa ini mengirimkan sinyal yang sangat tidak biasa: jika perusahaan model besar seperti xAI tidak perlu membangun kapasitas sendiri sepenuhnya, lalu siapa sebenarnya pembeli GPU besar di pasar selain OpenAI dan Anthropic?

Pertanyaan ini sangat penting. Dalam setahun terakhir, narasi pasar sering menganggap “daya komputasi AI tidak pernah cukup”. Tetapi, “daya tidak cukup” membutuhkan pelanggan yang nyata. Siapa yang akan membeli secara jangka panjang? Siapa yang mampu membayar? Siapa yang pendapatannya cukup untuk menutupi biaya inferensi dan pelatihan? Pertanyaan-pertanyaan ini tidak bisa hanya dijawab dengan “kebutuhan di masa depan”.

Zitron menyebutkan bahwa statistik Sightline Climate menunjukkan saat ini ada 15,2GW kapasitas yang sedang dibangun, dan diperkirakan selesai sebelum akhir 2027. Jika kapasitas ini akhirnya harus diserap oleh ratusan perusahaan melalui sewa GPU dalam skala besar, pasar harus membuktikan: di mana perusahaan-perusahaan ini, apa model bisnis mereka, dan apakah mereka memiliki pendapatan yang cukup untuk membayar biaya daya komputasi.

IV. Uang Perusahaan Startup AI, Ke Mana Arah Akhirnya?

Penilaian penting lainnya dari artikel ini adalah bahwa pendapatan perangkat lunak AI sangat berkorelasi dengan pendapatan daya komputasi. Banyak perusahaan startup AI tampaknya mendapatkan pendapatan, tetapi untuk menyediakan layanan, mereka harus memanggil model dari OpenAI atau Anthropic, atau menyewa GPU dari penyedia cloud. Akibatnya, pendanaan dan pendapatan startup akhirnya mengalir ke perusahaan model utama dan infrastruktur cloud.

Pengaturan ini akan menyebabkan dua hasil. Pertama, pendapatan industri semakin terkonsentrasi di bagian atas. Kedua, perusahaan aplikasi menengah dan bawah meskipun pendapatannya meningkat, mungkin sulit mendapatkan profit yang sehat karena biaya panggilan model dan daya komputasi terus menyedot arus kas.

Ini juga mengapa, kemakmuran lapisan aplikasi AI tidak bisa disamakan dengan kemakmuran industri secara keseluruhan. Jika banyak perusahaan aplikasi hanya mengubah pendanaan menjadi biaya API, dan tidak memiliki kekuatan penetapan harga dan ruang laba, mereka lebih mirip saluran bagi perusahaan model utama daripada entitas bisnis yang mandiri dan stabil.

Dari sudut pandang media, hal ini sangat penting untuk diperhatikan oleh pengusaha AI di China. Industri model besar domestik juga menghadapi masalah serupa: apakah perusahaan lapisan aplikasi mampu mengurangi ketergantungan biaya tinggi terhadap model dasar dan sumber daya cloud, serta membangun data, skenario, dan ketergantungan pelanggan yang kuat, akan menentukan apakah mereka hanya “lapisan demonstrasi kemampuan model” atau benar-benar perusahaan yang berkelanjutan.

V. Raksasa cloud, produsen GPU, dan perusahaan cloud baru terlibat dalam narasi yang sama

Zitron lebih jauh menunjukkan bahwa pengaruh OpenAI dan Anthropic tidak terbatas pada penyedia cloud. Kebutuhan daya komputasi mereka juga menyebar ke NVIDIA, produsen server ODM, perusahaan cloud baru, dan pengembang pusat data. Selama pasar percaya bahwa permintaan daya komputasi AI akan terus tumbuh tanpa batas, penjualan GPU, pesanan server, pembangunan pusat data, dan valuasi perusahaan cloud akan tetap didukung.

Namun, inti dari semuanya tetap pada kualitas permintaan. Sebuah industri dapat menciptakan kemakmuran jangka pendek melalui pengeluaran modal, tetapi tidak dapat bertahan lama hanya dengan pengeluaran modal sebagai pengganti kebutuhan nyata. Jika pelanggan utama perusahaan cloud baru tetap berasal dari OpenAI, Anthropic, Meta, atau perusahaan cloud besar yang melayani mereka, maka tingkat konsentrasi pelanggan dalam ekosistem ini akan sangat tinggi.

Ini tidak berarti AI tidak memiliki nilai, atau model besar tidak memiliki kebutuhan jangka panjang. Sebaliknya, AI sedang mengubah perangkat lunak, konten, pencarian, pemrograman, dan layanan perusahaan. Tetapi yang dinilai pasar modal bukanlah “AI berguna”, melainkan “apakah AI cukup untuk mendukung ekspansi infrastruktur bernilai ratusan miliar dolar”. Ada jarak besar antara keduanya.

VI. Artikel ini agresif, tetapi pertanyaan yang diajukan tidak bisa diabaikan

Perlu dicatat bahwa posisi Zitron sangat tegas, bahkan penuh kritik. Ia menyebut ekonomi daya komputasi AI saat ini sebagai “penipuan besar, ilusi, dan kesalahan”. Penilaian ini jelas bukan konsensus industri, dan tidak boleh langsung dianggap sebagai kebenaran mutlak.

Namun, beberapa pertanyaan yang diajukan memang layak didiskusikan secara serius.

Bagi pasar China, yang lebih berharga bukan sekadar menilai “apakah gelembung AI akan pecah”, tetapi mengamati gelombang investasi AI dari sudut pandang berbeda: jangan hanya melihat parameter model, jumlah pendanaan, GPU, dan skala pusat data, tetapi juga siapa pelanggan akhirnya, dari mana pendapatan berasal, siapa yang menanggung biaya, dan apakah profit dapat tertutup.

Jika AI benar-benar menciptakan peningkatan produktivitas yang cukup besar, maka pembangunan daya komputasi pasti akan terpakai. Tetapi jika sebagian besar pertumbuhan berasal dari siklus modal, tagihan cloud, dan pesanan berkelanjutan di antara beberapa perusahaan, maka kerentanan dari ledakan ini akan jauh lebih tinggi daripada yang terlihat.

Penutup: Masalah utama AI, dari “Apakah ada permintaan” menjadi “Bagaimana kualitas permintaan”

Nilai jangka panjang AI tidak otomatis setara dengan semua investasi infrastruktur AI saat ini yang masuk akal. Model besar mungkin terus berkembang, aplikasi AI mungkin terus menyebar, dan perusahaan mungkin terus meningkatkan otomatisasi. Tetapi, hubungan siklus antara pengeluaran modal, pendapatan cloud, dan permintaan GPU tetap harus diawasi secara lebih transparan.

Poin paling berharga dari artikel ini bukanlah seberapa akurat, tetapi bahwa ia mengingatkan kita: risiko utama industri AI mungkin bukan “tidak ada yang menggunakan AI”, melainkan “pendapatan dari penggunaan AI tidak cukup untuk menutupi biaya pembangunan AI”.

Ketika sebuah industri semakin bergantung pada beberapa pelanggan super, beberapa raksasa cloud, dan pendanaan berkelanjutan untuk mempertahankan narasi pertumbuhan, investor, pengusaha, dan pengamat harus bertanya satu pertanyaan yang sama: ini sebenarnya adalah pembangunan infrastruktur teknologi baru, atau ilusi modal yang didukung oleh pendapatan masa depan dan pembayaran berulang?