David Cahn, mitra di Sequoia, tiga tahun lalu menjadi salah satu yang pertama kali menghitung implikasi belanja infrastruktur kecerdasan buatan (AI) yang masif di Silicon Valley.
Pada tahun 2023, ia merespons pendapatan tahunan Nvidia dari penjualan Unit Pemrosesan Grafis (GPU) sebesar 50 miliar dolar AS (sekitar Rp815 triliun). Dari angka tersebut, dengan menambahkan biaya operasional pusat data dan margin bagi operatornya, Cahn menyimpulkan bahwa pendapatan sebesar 200 miliar dolar AS (sekitar Rp3.260 triliun) akan diperlukan untuk menutup investasi awal tersebut.
Cahn kemudian melontarkan tantangan kepada para wirausahawan untuk menciptakan produk dan layanan AI yang dapat memanfaatkan, sekaligus menghasilkan pendapatan dari, seluruh infrastruktur yang telah dibangun.
Melaju cepat hingga kini, setelah tiga tahun percepatan investasi besar-besaran (hyperscaling), Cahn memiliki proyeksi angka baru untuk belanja infrastruktur AI pada tahun 2026, yakni 1.500 miliar dolar AS (sekitar Rp24.450 triliun).
Secara total, ia menghitung bahwa industri AI harus mampu menghasilkan 3.000 miliar dolar AS (sekitar Rp48.900 triliun) demi membenarkan seluruh investasi chip dan pengeluaran pusat data lainnya. Angka ini bahkan mungkin masih perkiraan konservatif.
Lonjakan biaya memori serta peningkatan penggunaan chip khusus atau spesifik inferensi diperkirakan akan mendorong angka tersebut lebih tinggi.
Cahn menulis, “Pendapatan yang dibutuhkan per gigawatt belanja modal (CapEx) baru-baru ini meningkat tajam karena dinamika kemacetan dan kenaikan biaya konstruksi.”
Di sisi lain, perusahaan AI seperti Anthropic diperkirakan telah mencapai pendapatan berulang tahunan (ARR) sebesar 60 miliar dolar AS (sekitar Rp978 triliun). Sementara itu, OpenAI dilaporkan meraup 13 miliar dolar AS (sekitar Rp211,9 triliun) pada tahun 2025, meskipun pada November 2025 menyatakan ARR-nya mencapai 20 miliar dolar AS (sekitar Rp326 triliun), dan kemungkinan besar lebih tinggi tahun ini.
Namun, jelas ada kesenjangan besar yang perlu ditutup antara pendapatan yang dihasilkan dan investasi yang telah digelontorkan.
Torsten Slok, kepala ekonom di Apollo, manajer aset raksasa, turut mencermati kesenjangan tersebut.
Dalam catatan terbarunya, ia menyoroti bahwa para pemain "hyperscaler"—perusahaan teknologi besar seperti Google, Meta, Microsoft, dan Amazon—semua memproyeksikan percepatan signifikan dalam arus kas bebas mereka pada tahun 2028. Ini menandakan ekspektasi mereka terhadap pengembalian modal dari seluruh chip yang telah mereka beli.
Namun, bagaimana jika ekspektasi tersebut tidak terpenuhi?
Slok melihat adanya risiko yang kini terlihat dalam penggunaan AI: semakin banyak organisasi beralih ke model "open weight" yang lebih murah, seringkali dari Tiongkok, bukan model yang dibangun oleh laboratorium-laboratorium AI terkemuka (frontier labs).
Fenomena ini juga dibarengi dengan penurunan harga "token" secara keseluruhan, unit dasar dalam pemrosesan AI. Model terbaru OpenAI, menurut CEO Sam Altman, 54% lebih efisien dalam hal token untuk tugas pengodean.
Efisiensi ini baik bagi pengguna yang khawatir akan biaya agen AI mereka. Namun, hal tersebut bisa berdampak buruk bagi perusahaan pembuat "pabrik token" jika pengguna tidak secara drastis meningkatkan total penggunaan token mereka.
Slok mengkhawatirkan bahwa jika para hyperscaler gagal memenuhi target arus kas mereka, reaksi pasar bisa sangat parah.
Ia menulis, “Dengan begitu banyak hal bergantung pada segelintir nama besar, pengembalian yang lebih lambat tidak hanya akan menjadi masalah sektor, tetapi juga berisiko mendorong ekonomi ke resesi dan indeks S&P 500 ke koreksi.”
Ini adalah sesuatu yang perlu diingat saat para pengguna mengarahkan agen AI mereka menuju penggunaan token yang lebih ekonomis.
Baca juga tulisan lainnya dari Beritana Update
Penulis: Beritana Update
Editor: Beritana Editor
