China & DeepSeek | Kecerdasan Buatan: Bagaimana arsitektur baru mengguncang pasar chip

$294.000, bukan $100 juta: Kebenaran tentang perang harga DeepSeek

Rilis terbaru dari perusahaan AI Tiongkok, DeepSeek, memunculkan pertanyaan mendasar tentang masa depan kecerdasan buatan. Pada akhir Desember 2025, perusahaan tersebut memperkenalkan metode pelatihan baru (disebut Manifold-Constrained Hyper-Connections) yang berpotensi mengubah seluruh industri. Sementara raksasa teknologi Barat menginvestasikan ratusan miliar dolar dalam pusat data besar dan chip khusus, DeepSeek menunjukkan jalur alternatif yang didasarkan pada kecanggihan arsitektur daripada sekadar investasi modal. Perkembangan ini dapat mengguncang fondasi ekonomi industri AI dan mengantarkan transformasi di mana keberhasilan atau kegagalan ditentukan bukan hanya oleh ketersediaan sumber daya, tetapi oleh keahlian teknik.

Pendekatan Tiongkok tidak muncul dari pilihan, melainkan dari kebutuhan. Pembatasan ekspor yang diberlakukan oleh Amerika Serikat mencegah perusahaan-perusahaan Tiongkok mengakses chip AI terkuat Nvidia. Apa yang awalnya tampak sebagai kerugian strategis justru menjadi pendorong bagi jalur pengembangan alternatif. DeepSeek harus mencapai kinerja maksimal dengan perangkat keras yang terbatas, menciptakan metode yang kini menantang struktur biaya seluruh industri. Peluncuran model R1 pada Januari 2025, yang menyaingi model-model unggulan Amerika tetapi dikembangkan dengan biaya yang jauh lebih rendah, mengguncang pasar saham dan memaksa analis di seluruh dunia untuk mempertimbangkan kembali model valuasi mereka.

Cocok untuk:

• DeepSeek V3.2: Pesaing di level GPT-5 dan Gemini-3 DAN dapat diterapkan secara lokal di sistem Anda sendiri! Akhir dari pusat data AI gigabit?

Dari hiperkoneksi hingga stabilitas matematis

Dasar teknis dari metode DeepSeek yang baru terletak pada pengembangan lebih lanjut dari jaringan dalam AI. Jaringan saraf tradisional menggunakan apa yang disebut koneksi residual – semacam "jalan pintas" yang digunakan untuk meneruskan informasi antar lapisan jaringan. Jembatan ini memungkinkan pelatihan jaringan yang lebih dalam dengan mencegah sinyal pembelajaran memudar di sepanjang jalan. "Hiper-koneksi" DeepSeek memperluas konsep ini dengan memperluas aliran informasi antar lapisan dan memungkinkan pola yang lebih fleksibel. Hal ini menghasilkan peningkatan kinerja, tetapi memiliki kelemahan penting: kompleksitas tambahan mengganggu stabilitas, karena informasi tidak lagi diteruskan seandal koneksi klasik.

Dengan jalur pintas tradisional, informasi sebagian besar tetap tidak berubah saat melewati jaringan, sehingga menghasilkan pelatihan yang stabil. Koneksi hiper baru mengorbankan karakteristik ini untuk kemampuan belajar yang lebih besar, tetapi hal ini menyebabkan fluktuasi yang signifikan saat melatih model besar. DeepSeek mengamati dalam eksperimen bahwa tingkat kesalahan secara tak terduga meningkat setelah sekitar 12.000 langkah pelatihan—tanda jelas ketidakstabilan. Sinyal kontrol untuk proses pembelajaran berperilaku kacau, sehingga peningkatan skala ke model yang lebih kuat hampir tidak mungkin dilakukan. Secara bersamaan, koneksi yang lebih lebar meningkatkan lalu lintas data, karena lebih banyak informasi harus dipindahkan antara memori dan prosesor.

Solusi DeepSeek memproyeksikan koneksi kompleks ini ke dalam ruang matematika terkontrol ("manifold") dengan aturan tetap. Trik matematika ini mengembalikan stabilitas sekaligus mempertahankan manfaat pertukaran informasi yang lebih kaya. Ruang ini didefinisikan oleh matriks khusus di mana nilai-nilainya seimbang untuk menjaga stabilitas keseluruhan. Meskipun batasan ini mungkin terdengar teknis, ia memiliki konsekuensi praktis yang luas: ia menjamin bahwa sinyal tidak hilang atau tumbuh tak terkendali saat mengalir melalui jaringan.

Uji coba praktis dengan model yang memiliki 27 miliar parameter mengkonfirmasi efektivitasnya. Baik hyper-koneksi standar maupun yang distabilkan mengungguli model dasar, tetapi versi yang distabilkan secara konsisten mencapai hasil terbaik. Stabilitas pelatihan meningkat secara dramatis. Sementara model standar menunjukkan penurunan signifikan setelah 12.000 langkah, pelatihan dengan metode baru berjalan lancar dan mengikuti perilaku model dasar yang stabil. Sinyal pembelajaran tetap berada dalam kisaran normal sepanjang seluruh proses, menunjukkan solusi mendasar untuk masalah stabilitas.

Peningkatan kinerja ini memang ada harganya, tetapi biayanya terbilang cukup moderat. Metode ini meningkatkan upaya komputasi sekitar 6,7 persen dibandingkan dengan metode standar. Upaya tambahan yang sederhana ini dapat diabaikan dibandingkan dengan peningkatan kinerja yang sangat besar, menjadikan metode ini salah satu strategi paling efisien dalam penelitian saat ini. DeepSeek juga menerapkan optimasi infrastruktur yang ketat untuk mengurangi beban pada jalur transmisi data. Optimasi ini sangat penting karena, dengan model yang besar, hambatan utamanya seringkali bukan daya komputasi itu sendiri, melainkan kecepatan transfer data antara memori dan prosesor.

Cocok untuk:

• BARU! OCR DeepSeek adalah kemenangan diam-diam Tiongkok: Bagaimana AI sumber terbuka menggerogoti dominasi AS dalam chip

Realita ekonomi di balik berita utama

Diskusi publik seputar biaya DeepSeek sejak awal dipenuhi dengan kesalahpahaman. Ketika perusahaan meluncurkan model R1 pada Januari 2025, angka-angka yang beredar menunjukkan biaya pelatihan kurang dari enam juta dolar untuk model dasar V3. Angka ini sering dibandingkan dengan perkiraan seratus juta dolar untuk GPT-4 milik OpenAI, menciptakan kesan bahwa DeepSeek telah mencapai keunggulan biaya dua puluh lima kali lipat. Pada September 2025, DeepSeek menerbitkan sebuah artikel di jurnal Nature yang menyatakan bahwa biaya pelatihan untuk R1 hanya 294.000 dolar. Angka ini sekali lagi mendominasi pemberitaan media dan memperkuat persepsi tentang keunggulan biaya yang mendasar.

Namun, analisis yang lebih mendalam mengungkapkan gambaran yang lebih kompleks. Angka $294.000 tersebut secara eksklusif merujuk pada apa yang disebut fase pasca-pelatihan, di mana model yang sudah cerdas disempurnakan melalui latihan dan umpan balik. Total biaya sebenarnya melebihi $5,87 juta hanya untuk waktu komputasi, di samping investasi perangkat keras sekitar $51 juta. Angka-angka ini masih belum termasuk biaya untuk penelitian, persiapan data, personel, dan eksperimen yang gagal. Ketika faktor-faktor ini diperhitungkan, biaya pengembangan sebenarnya berada dalam kisaran yang, meskipun lebih rendah daripada angka yang sebanding di Barat, tidak mencapai besaran dramatis dari angka-angka yang sering dikutip.

Struktur biaya pengembangan AI pada dasarnya sulit dipahami. OpenAI tidak pernah menerbitkan angka pasti untuk GPT-4. Perkiraan yang sering dikutip sebesar $100 juta berasal dari Sam Altman, yang pada tahun 2023 berbicara tentang biaya pelatihan model dasar yang jauh lebih tinggi. Perkiraan serupa untuk model yang lebih baru seperti GPT-4o menunjukkan bahwa biaya telah menurun secara signifikan karena teknik modern seperti jaringan ahli khusus, metode yang lebih efisien, dan infrastruktur yang dioptimalkan. Beberapa analisis menempatkan biaya pelatihan untuk GPT-4o antara $5 dan $16 juta, yang berarti bahwa perbedaan biaya dengan DeepSeek jauh lebih kecil daripada yang diperkirakan publik.

Meskipun demikian, pencapaian DeepSeek tetap luar biasa. Perusahaan tersebut melatih model V3-nya dengan hampir 2,8 juta jam GPU pada 2.048 chip H800 selama periode dua bulan. H800 adalah versi yang dibatasi dari Nvidia H100 untuk pasar Tiongkok, dengan kecepatan transfer data yang dikurangi secara drastis untuk mematuhi peraturan ekspor AS. Chip ini jauh kurang bertenaga daripada chip asli yang digunakan di pusat data Barat atau bahkan prosesor Blackwell yang lebih baru. Fakta bahwa DeepSeek mampu mengembangkan model yang kompetitif dengan perangkat keras yang terbatas ini adalah terobosan yang sebenarnya.

Arsitektur "campuran para ahli" memainkan peran sentral. DeepSeek V3 memiliki total 671 miliar parameter, tetapi hanya mengaktifkan 37 miliar per perhitungan kata. Ini berarti bahwa hanya sebagian kecil dari model yang benar-benar bekerja pada setiap kueri. Model ini terdiri dari banyak "pakar" khusus dan kumpulan pengetahuan bersama, dengan hanya beberapa spesialis yang dipilih untuk setiap langkah. Desain ini memungkinkan peningkatan pengetahuan model secara masif tanpa meningkatkan biaya komputasi secara proporsional. Setiap pakar dapat berspesialisasi dalam topik tertentu, menghasilkan kinerja yang lebih baik dan efisiensi yang lebih besar.

Tantangan dari pendekatan ahli ini terletak pada penyeimbangan beban. Jika beberapa ahli selalu dibutuhkan sementara yang lain menganggur, masalah efisiensi akan muncul. Pendekatan tradisional menggunakan apa yang disebut "fungsi penalti" yang memaksa model untuk memanfaatkan semua ahli secara merata. Namun, metode ini seringkali menghasilkan jawaban yang kurang baik, karena ahli terbaik tidak selalu dipilih. DeepSeek menerapkan strategi penyeimbangan beban yang cerdas tanpa penalti buatan semacam itu, memastikan pemanfaatan ahli yang seimbang tanpa mengorbankan kualitas. Inovasi ini sangat penting untuk keberhasilan penskalaan model.

Keharusan strategis Tiongkok untuk berinovasi

Perkembangan DeepSeek tidak dapat dipahami secara terpisah dari konteks geopolitik. Pada Oktober 2022, Amerika Serikat secara dramatis memperketat kontrol ekspornya terhadap chip AI dan peralatan manufaktur ke Tiongkok. Langkah-langkah ini bertujuan untuk membatasi kemampuan Tiongkok dalam mengembangkan sistem AI canggih dan aplikasi militernya. Nvidia terpaksa mengembangkan chip yang dimodifikasi khusus untuk pasar Tiongkok. A800 dan H800 muncul sebagai versi yang lebih kecil dari model unggulan, dengan kecepatan yang dikurangi secukupnya untuk mematuhi pembatasan ekspor AS.

Pada tahun 2023, AS kembali memperketat kontrol, bahkan memblokir solusi sementara ini. Pada saat yang sama, pembatasan ekspor diberlakukan pada memori berkinerja tinggi, komponen penting dari chip AI modern. Langkah-langkah ini memaksa perusahaan-perusahaan Tiongkok untuk mengembangkan alternatif atau menggunakan perangkat keras yang lebih tua dan kurang efisien. Huawei, yang dulunya merupakan kekuatan global di bidang telekomunikasi, secara efektif terputus dari akses ke teknologi chip Barat dan dipaksa untuk mengembangkan solusinya sendiri. Meskipun prosesor Ascend Huawei hanya mencapai sebagian kecil kinerja per chip dibandingkan dengan Nvidia, mereka dapat sebagian mengimbangi hal ini melalui volume produksi yang besar.

Angka produksi menggambarkan tantangan tersebut. Huawei diperkirakan akan memproduksi sekitar 200.000 chip AI pada tahun 2025, sementara China telah mampu mengimpor secara legal sekitar satu juta chip Nvidia yang dimodifikasi selama periode yang sama. Lebih jauh lagi, kesenjangan kinerja semakin melebar. Analisis menunjukkan bahwa chip Amerika terbaik saat ini sekitar lima kali lebih kuat daripada produk terbaik Huawei, dan kesenjangan ini diperkirakan akan meningkat secara dramatis pada tahun 2027. Bahkan jika Huawei meningkatkan produksinya secara besar-besaran, perusahaan tersebut tetap tidak akan mampu menyamai daya komputasi yang diberikan Nvidia di seluruh dunia pada tahun 2027.

Pembatasan ini memaksa para pengembang Tiongkok untuk menjadi sangat efisien. Pendiri DeepSeek, Liang Wenfeng, menyadari kebutuhan ini sejak awal dan, pada awal tahun 2021, sebelum pengetatan kontrol, membeli sepuluh ribu GPU Nvidia A100. Investasi yang berwawasan ke depan ini memberi DeepSeek keunggulan penting dibandingkan para pesaing yang kemudian hanya memiliki akses ke perangkat keras yang lebih rendah kualitasnya. Mantan manajer hedge fund ini menerapkan pandangan strategis yang sama yang telah membuatnya sukses di sektor keuangan. Dana miliknya, High-Flyer, mengelola miliaran dolar dan termasuk di antara perusahaan keuangan paling maju secara teknologi di Tiongkok.

Pendirian DeepSeek pada Juli 2023 lebih dari sekadar eksperimen. Liang melihat pengembangan kecerdasan buatan umum sebagai proyek teknologi kunci abad ini dan ingin memposisikan Tiongkok di garis depan. Dalam sebuah wawancara, ia menjelaskan bahwa perusahaan rintisan AI muda berada pada posisi yang baik untuk bersaing dengan perusahaan mapan karena pasar sedang mengalami transformasi mendasar. Faktor penentu, menurutnya, bukanlah mengikuti aturan lama, melainkan kemampuan untuk beradaptasi secara fleksibel dan menanggapi perubahan.

Filosofi ini tercermin dalam pendekatan pengembangan DeepSeek. Sejak awal, perusahaan ini fokus pada pencapaian hasil maksimal dengan sumber daya terbatas. Sementara perusahaan-perusahaan Barat seperti OpenAI dan Anthropic menginvestasikan miliaran dolar dalam model yang semakin besar dan pusat data yang masif, DeepSeek mengoptimalkan arsitektur, pelatihan, dan aplikasi untuk efisiensi. Model R1 secara mengesankan menunjukkan strategi ini. Model ini mencapai hasil pada tugas-tugas matematika yang setara dengan model-model terbaik AS, tetapi membutuhkan arsitektur yang mengonsumsi daya komputasi jauh lebih sedikit per jawaban.

Dimensi baru transformasi digital dengan 'Managed AI' (Kecerdasan Buatan) – Platform & Solusi B2B | Xpert Consulting - Gambar: Xpert.Digital

Di sini Anda akan mempelajari bagaimana perusahaan Anda dapat menerapkan solusi AI yang disesuaikan dengan cepat, aman, dan tanpa hambatan masuk yang tinggi.

Platform AI Terkelola adalah paket lengkap dan bebas repot untuk kecerdasan buatan. Alih-alih berurusan dengan teknologi yang rumit, infrastruktur yang mahal, dan proses pengembangan yang panjang, Anda akan mendapatkan solusi siap pakai yang disesuaikan dengan kebutuhan Anda dari mitra spesialis – seringkali dalam beberapa hari.

Manfaat utama sekilas:

⚡ Implementasi cepat: Dari ide hingga aplikasi operasional dalam hitungan hari, bukan bulan. Kami memberikan solusi praktis yang menciptakan nilai langsung.

Keamanan data maksimal: Data sensitif Anda tetap menjadi milik Anda. Kami menjamin pemrosesan yang aman dan sesuai aturan tanpa membagikan data dengan pihak ketiga.

💸 Tanpa risiko finansial: Anda hanya membayar untuk hasil. Investasi awal yang tinggi untuk perangkat keras, perangkat lunak, atau personel sepenuhnya dihilangkan.

🎯 Fokus pada bisnis inti Anda: Fokuslah pada keahlian Anda. Kami menangani seluruh implementasi teknis, operasional, dan pemeliharaan solusi AI Anda.

📈 Tahan Masa Depan & Skalabel: AI Anda tumbuh bersama Anda. Kami memastikan pengoptimalan dan skalabilitas berkelanjutan, serta menyesuaikan model secara fleksibel dengan kebutuhan baru.

Lebih lanjut tentang itu di sini:

• Solusi AI Terkelola - Layanan AI Industri: Kunci daya saing di sektor jasa, industri, dan teknik mesin

Gangguan sistemik dan reaksi pasar

Peluncuran DeepSeek R1 pada Januari 2025 mengguncang dunia teknologi jauh melampaui kalangan teknis. Pasar saham bereaksi dengan kerugian bagi perusahaan yang telah berinvestasi besar-besaran dalam infrastruktur AI. Nvidia, yang nilainya sebagian besar didasarkan pada asumsi bahwa permintaan akan chip mahalnya akan terus meningkat pesat, kehilangan nilainya dalam hitungan hari. Investor mempertanyakan apakah pengeluaran yang diumumkan sebesar ratusan miliar dolar itu benar-benar diperlukan jika sebuah perusahaan rintisan Tiongkok dapat mencapai hasil yang sebanding dengan sebagian kecil dari jumlah tersebut.

Reaksi dari raksasa teknologi Tiongkok sangat cepat dan tegas. ByteDance, Tencent, Baidu, dan Alibaba secara drastis menurunkan harga layanan AI mereka. Model Doubao milik ByteDance menjadi hampir 99 persen lebih murah dari tahun ke tahun. Pemotongan harga ini menyebabkan lonjakan penggunaan yang sangat besar. Permintaan harian melonjak dari 120 miliar menjadi lebih dari 500 miliar dalam beberapa bulan. Pasar keseluruhan untuk layanan AI di Tiongkok dinilai dengan jumlah yang relatif kecil, menunjukkan margin yang sangat rendah mengingat volume penggunaan yang sangat besar.

Angka-angka ini menggambarkan sebuah masalah: Persaingan bergeser dari kualitas AI ke efisiensi infrastruktur dan harga. Alibaba Cloud, pemimpin pasar di Tiongkok, meskipun demikian mengumumkan investasi miliaran dolar dalam infrastruktur AI. ByteDance juga berencana melakukan pembelian chip besar-besaran. Tencent, yang agak tertinggal dalam pengadaan chip, mengimbangi hal ini melalui kapasitas komputasi sewaan dan penggunaan teknologi efisien DeepSeek.

Konsolidasi pasar semakin cepat. Para ahli memprediksi bahwa bidang penyedia AI Tiongkok akan menyempit menjadi beberapa pemain utama. Pemenangnya adalah mereka yang menjadikan teknologi mereka sebagai standar dengan menggabungkan kinerja dengan aplikasi praktis. Proses ini mencerminkan perkembangan di sektor teknologi lainnya, di mana periode inovasi yang cepat diikuti oleh konsolidasi, dengan hanya perusahaan yang memiliki kombinasi terbaik dari teknologi, skala, dan kekuatan pasar yang akan bertahan.

Tren serupa juga terjadi di Barat. Dominasi OpenAI terlihat semakin melemah. Pangsa pasar ChatGPT telah turun secara signifikan, sementara Google Gemini telah meraih keuntungan. Pergeseran ini lebih dari sekadar fluktuasi statistik. Ini menandakan bahwa keuntungan menjadi "yang pertama di pasar" semakin berkurang, sementara para pesaing dengan platform yang sudah mapan sedang mengejar ketertinggalan. Google dapat mengintegrasikan AI-nya langsung ke dalam Pencarian dan Android, yang merupakan keunggulan struktural dibandingkan penyedia AI murni.

Penetapan harga mencerminkan dinamika ini. Penyedia layanan Barat seperti Anthropic dan OpenAI juga telah menurunkan harga mereka dan memperkenalkan varian model yang lebih efisien. Harga per juta kata yang diproses telah turun drastis dalam dua tahun terakhir. Perkembangan ini menunjukkan bahwa AI menjadi komoditas pasar massal. Setelah beberapa penyedia menawarkan kualitas yang serupa, harga akan menjadi faktor penentu, mengurangi keuntungan dan membuat skala menjadi lebih penting.

Cocok untuk:

• Mana yang lebih baik: Infrastruktur AI yang terdesentralisasi, terfederasi, antirapuh atau AI Gigafactory atau pusat data AI skala besar?

Batasan Revolusi Penalaran

Seiring dengan peningkatan efisiensi, terjadi perkembangan yang awalnya tampak seperti terobosan besar berikutnya. Apa yang disebut "model penalaran," yang membutuhkan lebih banyak waktu untuk memikirkan masalah dan secara eksplisit menelusuri langkah-langkahnya, mencapai hasil yang spektakuler. Model o1 dari OpenAI, R1 dari DeepSeek, dan model serupa menunjukkan kemampuan yang mengesankan dalam matematika dan pemrograman. Idenya sederhana: jika Anda memberi model lebih banyak waktu untuk "berpikir" dan membiarkannya merumuskan jalur solusi, jawabannya akan meningkat.

Namun, pada Juni 2025, Apple menerbitkan sebuah studi yang mengungkap keterbatasan. Para peneliti menguji model-model canggih tersebut dengan teka-teki logika yang tingkat kesulitannya dapat dikontrol secara tepat. Hasilnya mengecewakan: Model-model tersebut menunjukkan perilaku yang kontradiktif. Upaya pemrosesan mereka awalnya meningkat seiring dengan kompleksitas, tetapi kemudian menurun lagi pada titik tertentu, meskipun mereka memiliki cukup waktu – dan solusi yang diberikan menjadi salah.

Studi ini mengidentifikasi tiga fase. Untuk masalah sederhana, model bahasa normal seringkali lebih baik dan lebih ekonomis daripada model "berpikir". Untuk masalah yang cukup sulit, proses berpikir menawarkan keuntungan yang jelas. Namun, untuk masalah yang sangat kompleks, kedua jenis model tersebut benar-benar gagal. Mereka tidak hanya gagal dengan selisih yang tipis, tetapi juga tidak mampu menemukan solusi yang benar sekalipun.

Yang sangat mengkhawatirkan adalah bahkan memberikan rumus solusi yang benar pun hampir tidak membantu. Model-model tersebut masih gagal pada tingkat kesulitan yang serupa. Ini menunjukkan bahwa masalahnya lebih dalam: Model-model tersebut kesulitan untuk mengeksekusi langkah-langkah logis secara ketat dan untuk memeriksa penalaran mereka sendiri.

Analisis "protokol pemikiran" mengungkapkan pola-pola tertentu. Untuk masalah sederhana, model-model tersebut menemukan solusi sejak awal, tetapi kemudian terus menggali detail yang tidak perlu. Dengan kompleksitas tinggi, mereka sering tersesat di jalur yang salah. Di luar tingkat kesulitan tertentu, mereka tidak lagi mampu menghasilkan pendekatan yang benar sama sekali. Mereka sering terpaku pada ide-ide awal yang salah dan membuang waktu komputasi mereka untuk membenarkannya alih-alih memperbaiki kesalahan tersebut.

Studi lain memperingatkan bahwa peningkatan model-model ini dapat segera mengalami stagnasi. Meskipun mereka mencapai skor yang lebih baik dalam pengujian karena upaya komputasi yang besar, hal ini membuat mereka lambat dan mahal. Konsekuensi ekonominya signifikan: model "berpikir" membutuhkan biaya operasional berkali-kali lipat lebih banyak daripada versi standar. Jika model-model ini gagal memberikan terobosan yang diharapkan dan mencapai batas kemampuannya, maka muncul pertanyaan apakah investasi yang tinggi tersebut dapat dibenarkan. Temuan bahwa model yang lebih sederhana seringkali lebih efisien menunjukkan bahwa di masa depan, perlu untuk memilih dengan lebih tepat alat mana yang paling sesuai untuk tugas tertentu.

Cocok untuk:

• AI Fisik Otonom (APAI): Revolusi diam-diam kecerdasan terdesentralisasi

Persaingan infrastruktur dan kelaparan energi

Meskipun perangkat lunak semakin efisien, konsumsi sumber daya industri terus meningkat. Perkiraan menunjukkan bahwa permintaan listrik pusat data akan meningkat drastis pada akhir dekade ini. Pangsa aplikasi AI dalam konsumsi listrik pusat data global dapat berlipat ganda. Sejumlah besar uang diinvestasikan untuk memenuhi permintaan ini—triliunan dolar di seluruh dunia. Inisiatif seperti "Stargate" dari OpenAI dan para mitranya, atau program investasi Eropa, mencerminkan skala tantangan yang sangat besar.

Distribusi regional sedang bergeser. Meskipun Asia dan Amerika Utara saat ini memimpin, sebagian besar kapasitas baru akan dibangun di AS. Eropa juga merencanakan ekspansi besar-besaran, yang dapat secara signifikan meningkatkan permintaan listrik di benua tersebut.

Pada saat yang sama, kepadatan daya di pusat data semakin meningkat. Karena chip AI menghasilkan panas yang sangat besar dalam ruang yang kecil, pendinginan menjadi tantangan yang semakin besar. Sistem pendingin udara konvensional seringkali tidak lagi memadai, itulah sebabnya dibutuhkan sistem pendingin cair yang canggih, yang pada gilirannya mahal dan kompleks.

Pasar menunjukkan tanda-tanda kelebihan permintaan. Pemanfaatan pusat data meningkat, mendorong kenaikan harga. Hal ini diperkirakan tidak akan mereda sampai lebih banyak proyek konstruksi selesai atau pertumbuhan permintaan AI melambat. Namun, jika metode efisien seperti DeepSeek menjadi meluas, kebutuhan akan pusat data baru bisa lebih rendah dari yang diperkirakan. Hal ini akan mempertanyakan investasi besar-besaran yang direncanakan dan menyebabkan kelebihan kapasitas – risiko bagi siapa pun yang telah bertaruh pada peningkatan permintaan perangkat keras yang stabil.

Strategi nasional dan kedaulatan teknologi

Perkembangan DeepSeek terkait erat dengan upaya Tiongkok untuk mencapai kemerdekaan. Rencana lima tahun memprioritaskan semikonduktor, dan tujuan swasembada sedang diupayakan dengan usaha yang sangat besar. Regulasi baru memaksa produsen chip Tiongkok untuk menggunakan lebih banyak mesin produksi dalam negeri. Dana milik negara menginvestasikan hampir 50 miliar dolar AS di industri chip lokal untuk mengurangi ketergantungan pada Barat.

Kebijakan ini memberikan dampak, dalam beberapa kasus tidak sesuai dengan yang diharapkan. Sebelumnya, pabrik-pabrik di Tiongkok lebih menyukai peralatan buatan AS. Namun, karena sanksi AS, mereka tidak lagi memiliki pilihan dan harus bekerja sama dengan pemasok dalam negeri, yang mempercepat perkembangan mereka. Tiongkok mungkin akan segera mengendalikan sebagian besar produksi global chip sederhana yang digunakan dalam mobil dan peralatan rumah tangga.

Namun, kesenjangan tersebut tetap signifikan dalam hal AI kelas atas. Chip Huawei tidak dapat bersaing dengan Nvidia dalam hal kinerja, dan volume produksinya terlalu rendah. Bahkan peningkatan produksi besar-besaran pun tidak akan menutup kesenjangan tersebut selama bertahun-tahun. Karena permintaan akan daya komputasi tumbuh lebih cepat daripada produksi Tiongkok, kekurangan tersebut kemungkinan besar akan semakin memburuk.

Hal ini menuntut solusi kreatif. Keberhasilan DeepSeek juga didasarkan pada akuisisi chip Nvidia yang tepat waktu. Pihak lain menggunakan jalur penyelundupan atau metode tidak langsung. Pemerintah menanggapi dengan tindakan balasan, seperti pembatasan ekspor unsur tanah jarang dan penyelidikan terhadap perusahaan teknologi Barat. Tekanan pada perusahaan-perusahaan Tiongkok untuk membeli chip produksi dalam negeri semakin meningkat, meskipun secara teknis kualitasnya lebih rendah.

Lanskap regulasi dan tata kelola global

Sementara AS dan Tiongkok terlibat dalam perlombaan teknologi, Uni Eropa berfokus pada regulasi. "Undang-Undang AI" adalah undang-undang AI komprehensif pertama di dunia. Undang-undang ini melarang aplikasi yang sangat berisiko dan menetapkan aturan ketat untuk model AI yang canggih. Pelanggaran akan dikenakan denda yang besar.

Pendekatan Eropa berupaya menetapkan standar etika tanpa menghambat inovasi. Para kritikus khawatir akan kerugian bagi perusahaan-perusahaan Eropa, sementara para pendukung melihat keuntungan jangka panjang dalam hal kepercayaan dan keamanan. Namun, secara global, regulasi masih bersifat tambal sulam. AS mengandalkan komitmen sukarela, sementara Tiongkok memprioritaskan kontrol negara. Fragmentasi ini menyulitkan penetapan standar umum.

Isu keamanan AI semakin menjadi sorotan. Para ahli memperingatkan risiko yang ditimbulkan oleh kecerdasan super manusia. Jangka waktu untuk mencapai "kecerdasan buatan umum" (AGI) telah dipersingkat. Para pengembang terkemuka tidak lagi berbicara tentang puluhan tahun, tetapi hanya beberapa tahun. Apakah ini realistis atau hanya sekadar promosi pemasaran masih harus dilihat, tetapi industri sedang mempersiapkannya.

Model yang gagal dan penyesuaian strategis

Penundaan model penerus DeepSeek, R2, menunjukkan bahwa kesuksesan tidak dijamin. Awalnya direncanakan untuk dirilis lebih awal, model ini mengalami masalah. Upaya untuk melatih model tersebut pada chip Huawei buatan China tampaknya gagal meskipun mendapat bantuan dari para insinyur Huawei.

Oleh karena itu, perusahaan terus menggunakan stok Nvidia yang dimilikinya untuk pelatihan, tetapi semakin bergantung pada Huawei untuk penerapan model-model tersebut – sebuah kompromi yang dipaksakan secara politik. Penundaan tersebut menyebabkan minat pengguna untuk sementara menurun, karena persaingan tidak berhenti.

Masalah lain adalah data. Untuk mencapai level selanjutnya diperlukan data pelatihan yang lebih banyak dan lebih baik. Di negara-negara berbahasa Inggris, data ini mudah didapatkan secara online. Di Tiongkok, akses ke data berkualitas tinggi lebih sulit, sebagian karena sensor dan sebagian lagi karena banyak konten yang tidak dapat diakses publik. Ditambah dengan perangkat keras yang kurang mumpuni, hal ini memperlambat pengembangan. Jika pelatihan memakan waktu lebih lama dan menjadi lebih menantang, keuntungan biaya akan berkurang.

Perubahan struktural dalam industri AI

Industri ini sedang menghadapi transformasi. Slogan sebelumnya "lebih banyak lebih baik"—lebih banyak data, lebih banyak chip, lebih banyak uang—telah mencapai batasnya atau menjadi terlalu mahal. DeepSeek telah menunjukkan bahwa arsitektur cerdas bisa lebih penting daripada kekuatan mentah.

Hal ini berdampak bagi para investor. Mereka yang telah menginvestasikan miliaran dolar ke dalam perangkat keras dapat menghadapi masalah jika perangkat lunak yang lebih efisien mengurangi permintaan. Pada saat yang sama, pemain baru memiliki peluang karena Anda tidak lagi perlu memiliki kekayaan yang besar untuk berpartisipasi.

Seiring dengan semakin murah dan serupanya kinerja AI, model itu sendiri bukan lagi satu-satunya faktor; yang penting adalah seberapa baik integrasinya ke dalam produk. Google dan Microsoft memiliki keunggulan di sini karena mereka sudah memiliki pengguna. Startup AI murni menghadapi tantangan yang lebih besar. Perangkat lunak sumber terbuka, atau perangkat lunak yang tersedia secara gratis, memainkan peran yang semakin penting. Model seperti yang dari DeepSeek atau Meta dapat diakses oleh semua orang, yang mempercepat inovasi.

Pada saat yang sama, investor bertanya-tanya kapan uang akan mulai mengalir kembali. ChatGPT memiliki banyak pengguna, tetapi biayanya sangat mahal. Keuntungan besar masih jauh di depan. Pekerjaan baru untuk para ahli AI muncul di pasar tenaga kerja, sementara tugas-tugas kantor sederhana diotomatisasi – sebuah tantangan sosial yang hingga kini belum ada solusi mudahnya.

Setelah euforia AI mereda: Kini pertempuran sesungguhnya untuk monetisasi dimulai

Inovasi DeepSeek menandai titik balik. Mereka membuktikan bahwa teknologi kelas dunia dapat dibangun bahkan dengan sumber daya terbatas. Ini menantang asumsi bahwa hanya perusahaan AS terkaya yang dapat menang. Ini menggeser persaingan dari "Siapa yang memiliki uang paling banyak?" menjadi "Siapa yang memiliki insinyur terbaik?".

Secara geopolitik, jelas bahwa sanksi dapat memperlambat kemajuan, tetapi juga dapat mendorong inovasi. China sedang membangun industrinya sendiri di bawah tekanan. Secara ekonomi, kita baru berada di awal. Harga-harga turun, dan model-model tersebut menjadi komoditas sehari-hari. Mereka yang ingin menang di masa depan tidak hanya harus membangun AI yang baik, tetapi juga mampu menghasilkan uang darinya.

Kendala teknis masih ada. Metode saat ini telah mencapai batasnya, dan apakah kita benar-benar akan melihat kecerdasan seperti manusia dalam waktu dekat masih belum pasti. Beberapa tahun ke depan akan menunjukkan apakah industri ini mampu mengatasi hambatan-hambatan ini atau apakah euforia tersebut akan mereda. Mungkin pelajaran terpenting dari DeepSeek bukanlah hal teknis sama sekali, melainkan strategis: selalu ada cara lain jika Anda terpaksa mencarinya.

☑️ Bahasa bisnis kami adalah Inggris atau Jerman

☑️ BARU: Korespondensi dalam bahasa nasional Anda!

Konrad Wolfenstein

Saya akan dengan senang hati melayani Anda dan tim saya sebagai penasihat pribadi.

Anda dapat menghubungi saya dengan mengisi formulir kontak atau cukup hubungi saya di +49 89 89 674 804 (Munich) . Alamat email saya adalah: wolfenstein ∂ xpert.digital

Saya menantikan proyek bersama kita.

☑️ Dukungan UKM dalam strategi, konsultasi, perencanaan dan implementasi

☑️ Penciptaan atau penataan kembali strategi digital dan digitalisasi

☑️ Perluasan dan optimalisasi proses penjualan internasional

☑️ Platform perdagangan B2B Global & Digital

☑️ Pelopor Pengembangan Bisnis/Pemasaran/Humas/Pameran Dagang

Manfaatkan keahlian Xpert.Digital yang luas dan lima kali lipat dalam paket layanan yang komprehensif | R&D, XR, PR & Optimalisasi Visibilitas Digital - Gambar: Xpert.Digital

Xpert.Digital memiliki pengetahuan mendalam tentang berbagai industri. Hal ini memungkinkan kami mengembangkan strategi khusus yang disesuaikan secara tepat dengan kebutuhan dan tantangan segmen pasar spesifik Anda. Dengan terus menganalisis tren pasar dan mengikuti perkembangan industri, kami dapat bertindak dengan pandangan ke depan dan menawarkan solusi inovatif. Melalui kombinasi pengalaman dan pengetahuan, kami menghasilkan nilai tambah dan memberikan pelanggan kami keunggulan kompetitif yang menentukan.

Lebih lanjut tentang itu di sini:

• Gunakan 5x keahlian Xpert.Digital dalam satu paket - mulai dari €500/bulan