Bagaimana Eropa mengejar ketertinggalan dengan "AI Modular": Jebakan harga model bahasa utama AS
Xpert Pra-Rilis
Pemilihan bahasa 📢
Diterbitkan pada: 21 Februari 2026 / Diperbarui pada: 21 Februari 2026 – Penulis: Konrad Wolfenstein
Bagaimana Eropa mengejar ketertinggalan dengan "AI Modular": Jebakan harga model bahasa utama AS – Gambar: Xpert.Digital
Arsitektur Kebebasan: Mengapa Eropa Harus Mengandalkan Model Bahasa Modular
Siapa pun yang mengendalikan model-model tersebut, dialah yang mengendalikan pengetahuan – dan Eropa masih hanya menonton
Pasar global untuk model bahasa skala besar menyerupai oligopoli dengan pola yang familiar. Beberapa perusahaan teknologi AS menentukan model mana yang tersedia, dalam kondisi apa model tersebut dapat digunakan, dan arsitektur informasi mana yang didukungnya. Di segmen perusahaan, tiga penyedia menguasai sebagian besar pasar pada tahun 2025: Anthropic mengendalikan sekitar 40 persen pengeluaran perusahaan untuk model bahasa, OpenAI menyumbang 27 persen, dan Google 21 persen. Seluruh pasar perusahaan AS untuk AI generatif meningkat tiga kali lipat menjadi sekitar $37 miliar. Penyedia Eropa tidak memainkan peran yang terukur dalam statistik ini.
Konsentrasi ini bukan hanya masalah ekonomi; ini adalah masalah bagi demokrasi. Model bahasa monolitik beroperasi sebagai kotak hitam bagi penggunanya. Data pelatihannya, bobot internal, struktur bias, dan logika pengambilan keputusannya tetap buram. Dalam masyarakat terbuka yang bergantung pada keragaman pendapat, verifikasi, dan pengawasan kelembagaan, kurangnya transparansi ini menimbulkan risiko sistemik. Rezim otokratis dapat menggunakan arsitektur AI terpusat sebagai instrumen pengawasan dan pengendalian informasi. Demokrasi membutuhkan yang sebaliknya: transparansi, modularitas, dan kapasitas untuk koreksi diri.
Berkaitan dengan ini:
Kisah dongeng tentang AI terbuka dari luar negeri
Jawaban umum untuk masalah kedaulatan seringkali adalah bahwa Eropa dapat mengandalkan model kekuatan terbuka dari Amerika Serikat atau Tiongkok. Pendekatan ini naif dan berpandangan strategis jangka pendek karena beberapa alasan.
Model AI open-weight seperti keluarga Llama milik Meta beroperasi di bawah lisensi komunitas sepihak yang dapat dimodifikasi, dibatasi, atau dicabut kapan saja. Perusahaan-perusahaan di balik model ini tidak bertindak atas dasar altruisme, melainkan atas dasar perhitungan strategis. Pada Juli 2025, Meta menunjukkan ketidakpeduliannya terhadap kepentingan Eropa dengan menolak menandatangani Kode Praktik AI Uni Eropa yang bersifat sukarela. Joel Kaplan, Wakil Presiden Urusan Global Meta, secara terbuka menyatakan bahwa Eropa berada di jalur yang salah terkait AI dan mengkritik kode tersebut sebagai terlalu mengatur dan menghambat inovasi. Hal ini patut diperhatikan karena Meta secara bersamaan berencana untuk secara agresif memposisikan model AI-nya di pasar Eropa, misalnya, dengan mengintegrasikannya ke dalam ponsel pintar Qualcomm dan kacamata Ray-Ban.
Model-model buatan Tiongkok seperti DeepSeek secara teknologi sangat mengesankan. DeepSeek V3 dilatih hanya dengan biaya $5,6 juta, sementara GPT-4 berharga antara $78 dan $191 juta. Namun, untuk aplikasi yang berkaitan dengan keamanan, industri, atau publik di Eropa, model-model buatan Tiongkok seringkali tidak cocok, baik karena alasan regulasi, geopolitik, maupun perlindungan data.
Masalah sebenarnya terletak pada strategi ekonomi platform: perusahaan-perusahaan AS memikat pelanggan dengan harga masuk yang rendah dan pembobotan yang transparan. Perusahaan-perusahaan menerapkan model ini dalam proses mereka, mengganti pekerja manusia dengan mesin, dan menjadi bergantung. Setelah ketergantungan ini terbentuk dan model-model tersebut matang, harga pun naik. Pelanggan harus meneruskan biaya ini, tanpa jaminan bahwa pelanggan mereka bersedia menerima kenaikan harga tersebut. OpenAI mampu menerapkan strategi penetapan harga yang agresif karena langganan ChatGPT saja menghasilkan $3,6 miliar per tahun, sehingga mensubsidi silang harga API. Perusahaan-perusahaan Eropa tidak memiliki posisi tawar yang sebanding dalam permainan ini.
Kesenjangan investasi: defisit struktural Eropa
Angka-angka tersebut berbicara sendiri. Pada tahun 2023, diperkirakan $8 miliar diinvestasikan dalam AI di Uni Eropa. Di Amerika Serikat, jumlahnya mencapai $68 miliar, dan di Tiongkok, $15 miliar. Startup AI Eropa hanya menarik 6 persen dari pendanaan AI global, sementara startup AS menerima 61 persen. Komisi Eropa telah mengumumkan program senilai €200 miliar dengan inisiatif InvestAI-nya, di mana €50 miliar akan berasal dari dana publik dan €150 miliar dari investor swasta. Apakah jumlah tersebut benar-benar akan dimobilisasi masih harus dilihat. Sebagai perbandingan, pemerintahan Trump saja menjanjikan $500 miliar untuk program pengembangan AI yang sebanding.
Dengan latar belakang menurunnya keandalan komunikasi transatlantik, Eropa menghadapi keputusan strategis mendasar. Sejauh ini, belum memungkinkan untuk menggabungkan data, talenta, dan sumber daya keuangan sedemikian rupa sehingga dapat menciptakan model dasar dengan beberapa ratus miliar parameter dalam berbagai bahasa Eropa. Hambatan kelembagaan antara negara, lembaga penelitian, dan perusahaan sangat besar. Politik perusahaan, pemikiran yang terkotak-kotak, dan persyaratan peraturan seringkali mencegah penggabungan data dalam jumlah yang relatif kecil sekalipun.
Kecerdasan modular: Keunggulan asimetris Eropa
Jika Eropa tidak dapat memenangkan perlombaan untuk model monolitik terbesar, mereka harus mengubah aturan mainnya. Arsitektur modular menawarkan kemungkinan ini. Arsitektur ini membutuhkan sumber daya yang jauh lebih sedikit dalam hal GPU, data, dan talenta, serta dapat dikembangkan secara terdesentralisasi. Ini adalah aspek penting di masa pasar yang tidak pasti dan anggaran penelitian yang seringkali berjangka pendek.
Blok bangunan utama dari pendekatan modular adalah arsitektur Mixture-of-Experts (MoE). Model-model besar seperti ChatGPT, DeepSeek, dan Mistral sudah menggunakan mekanisme MoE secara internal. Untuk setiap input, hanya pakar khusus terpilih yang diaktifkan, sehingga menggunakan sumber daya komputasi secara efisien. Allen Institute for AI telah secara signifikan memajukan pendekatan ini dengan FlexOlmo dan merilisnya sebagai solusi open-source yang tersedia secara komersial. FlexOlmo menggunakan arsitektur 7x7B dengan total 33 miliar parameter, di mana setiap pakar dilatih secara independen pada dataset lokal yang tidak dibagi. Hasilnya luar biasa: peningkatan relatif 41 persen dibandingkan model publik murni dan keunggulan 10,1 persen dibandingkan metode penggabungan sebelumnya, yang dikonfirmasi di 31 benchmark dan dipresentasikan di NeurIPS 2025.
Kunci dari FlexOlmo adalah paradigma kolaborasi data tanpa berbagi data. Setiap pemilik data membuat pakar mereka secara lokal, berdasarkan model dasar publik yang digunakan bersama. Sebuah router mempelajari pakar mana yang memberikan jawaban terbaik untuk kueri tertentu. Pakar dapat diaktifkan atau dinonaktifkan kapan saja, dan dalam serangan rekonstruksi yang ditargetkan, maksimal 0,7 persen dari data pelatihan dapat dipulihkan. Dengan langkah-langkah pseudonimisasi, angka ini dapat dikurangi hingga di bawah 0,1 persen, yang bahkan akan memenuhi persyaratan perlindungan data Eropa yang ketat. Konsep ini cocok untuk digunakan baik di dalam perusahaan di berbagai divisi maupun untuk pembelajaran terdistribusi antar beberapa perusahaan.
Dimensi baru transformasi digital dengan 'Managed AI' (Kecerdasan Buatan) - Platform & solusi B2B | Xpert Consulting
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 mengimplementasikan solusi AI yang disesuaikan dengan cepat, aman, dan tanpa hambatan masuk yang tinggi.
Platform AI terkelola adalah solusi lengkap dan bebas khawatir Anda untuk kecerdasan buatan. Alih-alih berurusan dengan teknologi yang kompleks, infrastruktur yang mahal, dan proses pengembangan yang panjang, Anda menerima solusi siap pakai yang disesuaikan dengan kebutuhan Anda dari mitra khusus – seringkali hanya dalam beberapa hari.
Keunggulan utama secara sekilas:
⚡ Implementasi cepat: Dari ide hingga aplikasi siap pakai dalam hitungan hari, bukan bulan. Kami menghadirkan solusi praktis yang menciptakan nilai tambah langsung.
🔒 Keamanan data maksimal: Data sensitif Anda tetap aman. Kami menjamin pemrosesan yang aman dan sesuai peraturan 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: Konsentrasikan pada apa yang Anda kuasai. Kami mengurus seluruh implementasi teknis, pengoperasian, dan pemeliharaan solusi AI Anda.
📈 Tahan masa depan & dapat diskalakan: AI Anda tumbuh bersama Anda. Kami memastikan optimasi dan skalabilitas berkelanjutan, serta secara fleksibel menyesuaikan model dengan kebutuhan baru.
Informasi selengkapnya di sini:
Proyek SOOFI: Pabrik AI Jerman sedang mengembangkan jawaban Eropa untuk ChatGPT
Model penalaran: Logika, bukan ukuran
Komponen penting kedua adalah Model Penalaran Besar. Model seperti ChatGPT-o3, DeepSeek R1, atau OLMo 2 dirancang untuk memecahkan masalah kompleks melalui penalaran logis langkah demi langkah, menciptakan rangkaian argumentasi yang koheren. Mereka menggunakan teknik seperti pemberian petunjuk rantai pemikiran untuk memecah masalah menjadi langkah-langkah individual dan penalaran simbolik untuk menganalisis hubungan logis. Tahun 2025 secara luas dijuluki Tahun Penalaran, tahun di mana RLVR dan GRPO menempatkan pengajaran model untuk penalaran logis sebagai inti dari upaya pengembangan mereka.
Yang sangat relevan bagi Eropa adalah efisiensi biaya dari model-model ini. Melatih DeepSeek R1 berdasarkan DeepSeek V3 hanya membutuhkan biaya tambahan sebesar $294.000. Model penalaran menggunakan dan memperluas pengetahuan dari model dasar, itulah sebabnya model ini dapat dibangun bahkan dengan infrastruktur komputasi yang terbatas. Model penalaran khusus domain sudah ada untuk pemrograman, matematika, dan kedokteran. Proyek SOOFI secara eksplisit berencana untuk mengembangkan model penalaran bersamaan dengan LLM dasar.
Hal ini membuka peluang bisnis nyata bagi perusahaan: pertanyaan pelanggan, analisis kesalahan, tinjauan hukum, dan penilaian medis awal dapat diproses secara otomatis dan transparan. Ini tidak hanya menghemat waktu tetapi juga mengurangi biaya yang terkait dengan kesalahan. Bisnis menengah dan departemen spesialis dapat mengembangkan solusi AI yang disesuaikan tanpa investasi besar, awalnya berdasarkan model sumber terbuka yang ada dan kemudian dimigrasikan ke model berbasis Eropa.
Berkaitan dengan ini:
Agen dalam komputasi waktu pengujian: Kecerdasan pada waktu eksekusi
Komponen ketiga dari sistem modular adalah agen dalam komputasi waktu pengujian. Dalam pendekatan ini, model bahasa awalnya menghasilkan jawaban potensial selama inferensi. Agen yang sangat khusus kemudian secara independen memverifikasi jawaban-jawaban ini. Keuntungan utamanya: Biaya komputasi waktu pengujian telah menurun secara signifikan selama bertahun-tahun, dan penyesuaian model selama pelatihan tidak diperlukan.
Contoh paling mengesankan dari kekuatan pendekatan ini diberikan oleh Microsoft dengan AI Diagnostic Orchestrator (MAI-DxO). MAI-DxO menggunakan lima agen AI khusus, masing-masing memenuhi peran medis yang berbeda: generator hipotesis, pemilih tes, penafsir bukti, pembangun konsensus, dan diagnostik akhir. Dalam perbandingan menggunakan 304 kasus kompleks dari New England Journal of Medicine, sistem ini mencapai tingkat diagnosis 85,5 persen, sementara dokter berpengalaman, dalam kondisi terbatas, hanya mendiagnosis dengan benar 20 persen kasus. Secara bersamaan, sistem ini mengurangi kebutuhan akan tes laboratorium dan pencitraan sebesar 28 persen.
Paradigma generator-verifier ini dapat diimplementasikan oleh masing-masing perusahaan, bahkan dengan staf TI mereka sendiri. Agen dapat dikembangkan secara independen, memungkinkan pengembangan terdistribusi. Banyak perusahaan sekarang mampu menerapkan pendekatan ini karena tidak memerlukan penyesuaian model yang kompleks.
Proyek SOOFI: Jawaban Eropa mulai terbentuk
Proyek SOOFI menunjukkan bahwa Eropa tidak hanya mampu bertindak secara teoritis tetapi juga secara praktis. SOOFI adalah singkatan dari Sovereign Open Source Foundation Models dan merupakan salah satu proyek paling ambisius untuk memperkuat kedaulatan AI Eropa. Sebuah konsorsium yang terdiri dari enam lembaga penelitian Jerman, termasuk Fraunhofer IAIS, Fraunhofer IIS, DFKI, dan Universitas Würzburg, Hannover, dan TU Darmstadt, sedang mengembangkan model bahasa terbuka dengan sekitar 100 miliar parameter bersama dengan dua perusahaan rintisan.
Kementerian Ekonomi dan Energi Federal Jerman mendanai proyek ini sebesar €20 juta hingga Juli 2026. Model ini dilatih di Industrial AI Cloud milik T-Systems, salah satu pabrik AI terbesar di Eropa dengan lebih dari 10.000 GPU, daya komputasi 0,5 exaFLOPS, dan kapasitas penyimpanan sekitar 20 petabyte. SOOFI dimaksudkan untuk menggantikan model Teuken-7B yang ada, yang dikembangkan Fraunhofer pada tahun 2024 sebagai model Eropa multibahasa dengan tujuh miliar parameter. Selain model dasar, model penalaran yang mampu berpikir terstruktur dan memecahkan masalah multi-tahap juga sedang dikembangkan.
Pendanaan disediakan melalui inisiatif 8ra, yang didirikan oleh dua belas negara anggota Uni Eropa. Secara paralel, Jerman dan Prancis telah meluncurkan inisiatif lain, Dialog Eksekutif AI Prancis-Jerman, yang melibatkan perusahaan-perusahaan terkemuka Eropa seperti Siemens Energy, Deutsche Telekom, Arte, dan Schwarz Digits. Tujuannya adalah peta jalan AI yang berorientasi industri dan berfokus pada implementasi untuk Eropa, yang didorong oleh Fraunhofer, Inria, dan Institut Mines-Telecom sebagai mitra inti.
Tiga pilar kedaulatan Eropa
Landasan teknologi tersebut menghasilkan rencana konkret tiga tahap yang layak dilaksanakan dalam kerangka kerja Eropa yang ada.
Langkah pertama melibatkan promosi model dasar Eropa sebagai inisiatif gabungan para ahli, yang dirancang sebagai langkah infrastruktur sumber terbuka. Mengembangkan model terbuka berkinerja tinggi adalah padanan digital dari jaringan listrik atau transportasi. SOOFI dan Teuken menjadi titik awalnya. Model dasar ini dapat diperluas secara bertahap dengan data spesifik domain berkualitas tinggi dan sebagai arsitektur Model Perusahaan (MoE).
Langkah kedua melibatkan pembangunan model penalaran khusus, yang didukung oleh perusahaan. Proyek-proyek ini jauh lebih sederhana daripada pelatihan model dasar. Model penalaran awalnya akan dibangun berdasarkan model dasar sumber terbuka yang sudah ada dari AS atau Mistral dan kemudian bermigrasi ke model dasar Eropa. Tim yang lebih kecil dapat mencapai hasil yang substansial dengan anggaran dalam kisaran enam hingga tujuh digit.
Langkah ketiga melibatkan perluasan penggunaan agen dalam komputasi waktu pengujian, menciptakan modularitas, lingkaran umpan balik, dan ekosistem. Perusahaan dapat memperluas model dengan agen secara paralel. Data umpan balik yang dihasilkan meningkatkan model penalaran, yang pada gilirannya memperkaya model dasar dengan pengetahuan dunia tambahan. Ini menciptakan sistem melingkar yang meningkatkan dirinya sendiri dengan setiap ahli baru yang ditambahkan ke model dasar. Ekosistem pembelajaran ini akan terbuka untuk bisnis, akademisi, dan komunitas sumber terbuka.
Kesempatan semakin sempit: Bertindaklah, jangan hanya berharap
Situasi strategisnya jelas. Selama akses ke model terbuka dipertahankan, Eropa dapat menempuh jalur model bahasa modular. Prasyaratnya sudah terpenuhi: tingkat integrasi vertikal yang tinggi di industri, kumpulan talenta yang kaya di universitas dan lembaga penelitian, dan kerangka peraturan yang menuntut transparansi dan perlindungan data, yang, dengan arsitektur modular, bukanlah kerugian tetapi keunggulan kompetitif.
Namun, peluang ini tidak tak terbatas. Meskipun tren menuju model bahasa regional dan khusus meningkat di seluruh dunia, dominasi penyedia AS semakin menguat setiap kuartalnya. Pada tahun 2026, pergeseran yang jelas dari model bahasa monolitik ke agen AI otonom dan khusus akan terlihat. Perusahaan-perusahaan Eropa yang gagal mengembangkan keahlian mereka sendiri sekarang akan sepenuhnya bergantung pada penyedia eksternal dalam beberapa tahun ke depan, mirip dengan situasi layanan cloud, di mana Eropa telah menjadi sekadar pengguna teknologi inti asing.
Teknologi yang dibutuhkan sudah ada, konsep-konsepnya telah diuji, dan proyek-proyek pertama sedang berjalan. Yang kurang bukanlah kelayakan teknis, tetapi kemauan politik dan kewirausahaan untuk meningkatkan skala pendekatan-pendekatan ini. Eropa dihadapkan pada pilihan antara otonomi teknologi melalui arsitektur cerdas dan ketergantungan abadi melalui kelambatan bertindak. Keputusan harus dibuat sekarang.
Mitra pemasaran dan pengembangan bisnis global Anda
☑️ Bahasa bisnis kami adalah bahasa Inggris atau Jerman
☑️ BARU: Korespondensi dalam bahasa ibu Anda!
Konrad Wolfenstein
Saya dan tim saya dengan senang hati siap membantu Anda sebagai penasihat pribadi Anda.
Anda dapat menghubungi saya dengan mengisi formulir kontak di sini atau cukup hubungi saya di +49 89 89 674 804 ( Munich) . Alamat email saya adalah: [email protected]
Saya sangat menantikan proyek bersama kita.
