Ledakan AI di bawah beban kredit: Mengapa bahkan raksasa teknologi kini mencapai batas keuangan mereka?

Xpert Pra-Rilis

Available in 27 languages 📢

Diterbitkan pada: 12 November 2026 / Diperbarui pada: 12 November 2026 – Penulis: Konrad Wolfenstein

Ledakan AI di bawah beban kredit: Mengapa bahkan raksasa teknologi kini mencapai batas keuangan mereka – Gambar kreatif tentang topik ini, dengan AI: Xpert.Digital

Miliaran dolar untuk AI, tetapi kapan keuntungannya akan datang? Matematika di balik ledakan infrastruktur

Pusat data, utang, kontrak miliaran dolar: Seberapa berkelanjutankah ledakan AI sebenarnya?

Anthropic berkembang pesat – dan menyerap hampir $900 miliar daya komputasi

Ledakan AI mengungkap dua sisi: Permintaan akan kecerdasan buatan generatif tumbuh pesat, dan beberapa penyedia sudah menghasilkan pendapatan miliaran dolar. Namun, perluasan pusat data, chip, dan pasokan daya yang dibutuhkan menghabiskan dana yang sangat besar. Bagi perusahaan teknologi besar, investasi terkadang melebihi arus kas bebas; perusahaan AI seperti Anthropic juga berkomitmen pada kontrak infrastruktur jangka panjang yang ekstensif. Ini tidak secara otomatis berarti industri akan kehabisan uang atau bahwa teknologi tersebut adalah gelembung. Tetapi hal ini membuat pertanyaan penting menjadi semakin mendesak: Dapatkah pendapatan di masa depan menopang investasi dan kewajiban dalam jangka panjang? Karena meskipun AI secara fundamental mengubah perekonomian, itu tidak menjamin bahwa setiap perusahaan dan setiap investor akan mendapat keuntungan dari transformasi ini.

Ledakan AI pada kredit: Mengapa kegilaan infrastruktur mencapai batas keuangannya

Revolusi AI bisa berhasil – dan tetap saja akan menghabiskan banyak uang para investor

Fase paling berbahaya dari sebuah booming investasi tidak selalu dimulai dengan penurunan pendapatan. Hal itu justru dapat dimulai ketika permintaan terus tumbuh pesat, perusahaan-perusahaan mencatatkan rekor baru, dan teknologi menjadi semakin bermanfaat dalam kehidupan sehari-hari. Pertanyaan krusialnya adalah apakah pendapatan meningkat cukup cepat untuk membiayai komitmen yang telah dikeluarkan sebelumnya. Di sinilah tepatnya ekspansi global infrastruktur kecerdasan buatan berada.

Pertanyaan ekonomi inti bukanlah lagi apakah AI generatif memiliki pasar. Pasar ini ada, dan berkembang pesat. Poin perdebatan sebenarnya adalah apakah pengembalian di masa depan membenarkan investasi saat ini, struktur pembiayaan, dan valuasi perusahaan. Ada perbedaan antara signifikansi teknologi dan investasi yang menguntungkan, perbedaan yang mudah diabaikan selama fase pasar yang euforia.

Alphabet, Amazon, Meta, dan Microsoft secara kolektif melaporkan total arus kas bebas negatif sekitar $26,4 miliar pada kuartal ketiga tahun 2026, menurut kompilasi yang dipublikasikan. Pada saat yang sama, pengeluaran modal gabungan mereka mencapai sekitar $201,9 miliar. Angka-angka ini tidak mewakili kerugian operasional untuk keempat perusahaan tersebut, melainkan situasi di mana investasi mengonsumsi lebih banyak dana likuid daripada yang dihasilkan oleh aktivitas bisnis yang berkelanjutan, menurut perhitungan ini. Microsoft tetap positif dalam hal arus kas bebas di antara kelompok ini.

Hal ini mengubah sifat dari peningkatan tersebut. Ekspansi yang lebih banyak didanai dari luar tidak hanya bergantung pada permintaan akan AI. Hal ini juga bergantung pada apakah bank, pembeli obligasi, mitra strategis, dan pemegang saham baru tetap bersedia untuk menutupi kesenjangan tersebut hingga tercapai pengembalian yang cukup tinggi.

Bahkan mesin penghasil uang pun membutuhkan modal tambahan

Arus kas bebas lebih bermakna untuk perdebatan ini daripada pendapatan saja. Sederhananya, ini menunjukkan berapa banyak uang yang tersisa setelah aktivitas operasional dan pengeluaran modal. Perusahaan dapat menggunakan kas ini untuk melunasi utang, membangun cadangan likuiditas, membiayai dividen, atau membeli kembali saham mereka sendiri.

Angka negatif tidak selalu berarti masalah. Sebuah perusahaan mungkin sengaja berinvestasi lebih banyak karena ada peluang pertumbuhan yang menarik. Fase seperti itu cukup umum terjadi pada perusahaan industri muda. Namun, hal ini menjadi penting ketika beberapa perusahaan teknologi yang secara finansial paling kuat berada dalam situasi serupa secara bersamaan.

Oleh karena itu, ungkapan yang sering digunakan bahwa perusahaan "kehilangan" $26 miliar dalam satu kuartal perlu diklarifikasi. Ini tidak berarti bahwa faktur tetap tidak dibayar atau bahwa kebangkrutan sudah di depan mata. Sebaliknya, ini merujuk pada kesenjangan pendanaan antara dana yang dihasilkan secara internal dan investasi yang dipertimbangkan selama periode yang sama.

Selain itu, angka-angka perusahaan tidak dapat disamakan dengan akuntansi AI murni. Amazon juga berinvestasi di luar pusat data AI, dan perusahaan lain memiliki infrastruktur dan area produk yang berbeda. Oleh karena itu, tidak dapat disimpulkan dari pengeluaran agregat bahwa setiap dolar yang diinvestasikan dialokasikan secara eksklusif untuk AI generatif.

Terlepas dari keterbatasan ini, sinyalnya tetap jelas: Intensitas modal meningkat begitu tajam sehingga bahkan perusahaan platform yang sudah mapan pun harus menyesuaikan kembali keputusan pembiayaan mereka. Oleh karena itu, ekspansi AI bukan lagi sekadar strategi produk; ini menjadi masalah manajemen neraca keuangan.

Janji di bidang perangkat lunak ini berubah menjadi proyek industri besar

Citra tradisional perusahaan perangkat lunak didasarkan pada biaya pengembangan yang tinggi dan biaya yang relatif rendah untuk pengguna tambahan. Suatu produk, setelah dikembangkan, seringkali dapat dijual jutaan kali tanpa biaya yang meningkat secara proporsional.

AI generatif mengubah hubungan ini. Selain penelitian, pengembangan, dan distribusi, biaya signifikan muncul dari penyediaan model. Setiap penggunaan tambahan membutuhkan daya komputasi. Analisis dokumen yang ekstensif, tugas pemrograman, atau alur kerja berbasis agen yang kompleks dapat membutuhkan sumber daya yang jauh lebih banyak daripada respons teks singkat.

Hal ini membawa sebagian dari ekonomi AI lebih dekat ke model bisnis industri. Pusat data, catu daya, pendinginan, koneksi jaringan, dan semikonduktor harus dibangun atau diamankan melalui kontrak jangka panjang. Jangka waktu yang signifikan dapat berlalu antara perencanaan, pembiayaan, dan penggunaan produktif.

Hal ini menciptakan ketegangan mendasar. Permintaan digital berubah dengan cepat, sementara infrastruktur fisik berubah lambat. Perusahaan harus memesan kapasitas sebelum mereka mengetahui permintaan aktual di masa depan secara tepat. Jika mereka menunggu terlalu lama, mereka akan kehilangan pelanggan. Jika mereka memesan terlalu banyak, mereka akan menanggung beban kapasitas yang tidak terpakai atau pembayaran minimum jangka panjang.

Pasar digital yang tampaknya tak terbatas ini kemudian berhadapan dengan keterbatasan industri utilitas yang padat modal. Hubungan inilah yang membuat perkembangan pesat saat ini lebih menuntut secara ekonomi daripada yang mungkin disarankan oleh antarmuka pengguna chatbot.

Pasar modal sedang bertransformasi dari pendukung menjadi pengambil keputusan bersama

Selama perusahaan sebagian besar membiayai investasi mereka dari surplus internal, mereka dapat melewati periode ketidakpastian profitabilitas yang berkepanjangan dengan relatif mandiri. Dengan meningkatnya permintaan modal eksternal, keseimbangan kekuatan ini bergeser.

Para pemberi pinjaman tidak hanya tertarik pada kemungkinan teknologi. Mereka menuntut bunga, jaminan, arus kas yang transparan, dan seringkali perlindungan kontraktual. Investor ekuitas, di sisi lain, mengharapkan valuasi yang memungkinkan mereka memperoleh pengembalian yang wajar meskipun risikonya tinggi.

Oleh karena itu, mengambil utang tambahan bukanlah bukti krisis itu sendiri. Bahkan perusahaan yang sangat menguntungkan pun dapat menerbitkan obligasi untuk mengoptimalkan jatuh tempo atau membiayai investasi dengan murah. Demikian pula, peningkatan modal tidak secara otomatis berarti penjualan aset dengan harga murah. Masalah muncul ketika peningkatan kebutuhan modal bertepatan dengan persyaratan yang kurang menguntungkan.

Kemudian beberapa tekanan muncul secara bersamaan. Suku bunga yang lebih tinggi membuat ekspansi menjadi lebih mahal. Valuasi saham yang lebih rendah meningkatkan pengenceran selama peningkatan modal. Kondisi pinjaman yang lebih ketat membatasi fleksibilitas strategis. Proyek yang tampak menguntungkan dengan modal murah dapat menjadi tidak menarik di bawah perubahan biaya pembiayaan.

Dengan demikian, pasar modal menjadi faktor produksi dalam ekonomi AI. Tanpa pembiayaan yang tersedia secara terus-menerus, chip yang dipesan, bangunan yang direncanakan, dan pendapatan yang diharapkan dalam jangka panjang belum tentu dapat diterjemahkan menjadi daya komputasi yang benar-benar dapat digunakan.

Anthropic membuat skala masalah tersebut terlihat jelas

Perkembangan ini sangat terlihat di Anthropic. Perusahaan ini didirikan pada tahun 2021 oleh Dario dan Daniela Amodei, bersama dengan mantan karyawan OpenAI lainnya. Dengan keluarga model Claude-nya, perusahaan ini telah menjadi penyedia utama AI generatif, dengan pelanggan perusahaan memainkan peran sentral.

Pertumbuhan pendapatan sangat luar biasa. Setelah sekitar $41 juta pada tahun 2023 dan sekitar $4,6 miliar pada tahun 2025, Anthropic mencapai sekitar $33,24 miliar dalam sembilan bulan pertama tahun 2026. Kuartal ketiga saja menghasilkan hampir $17 miliar. Dibandingkan dengan kuartal yang sama tahun sebelumnya, ini menunjukkan pertumbuhan lebih dari 1.100 persen.

Perkembangan ini membantah anggapan bahwa seluruh ledakan AI hanyalah ilusi permintaan. Pendapatan yang signifikan sebenarnya sedang dihasilkan. Perusahaan membayar untuk menggunakan model-model tersebut, dan skala ekonomi telah berlipat ganda dalam waktu singkat.

Namun, pertumbuhan yang kuat saja tidak menjawab pertanyaan tentang pengembalian modal. Sebuah perusahaan dapat dengan cepat meningkatkan pendapatannya sambil secara bersamaan menanggung kewajiban yang tumbuh lebih cepat atau meluas jauh lebih lama ke masa depan.

Oleh karena itu, bisnis Anthropic yang dinamis dikontraskan dengan komitmen pengeluaran yang skalanya luar biasa bahkan dibandingkan dengan perusahaan industri besar. Kasus ini menarik bukan karena menyajikan skenario kegagalan yang sederhana. Sebaliknya, kasus ini menunjukkan betapa eratnya kesuksesan komersial dan risiko keuangan kini saling terkait.

Hampir 900 miliar dolar bukanlah tagihan yang harus dibayar segera

Anthropic telah mengungkapkan komitmen pembelian dan sewa dengan total sekitar $895,4 miliar, hampir seluruhnya terkait dengan daya komputasi dan infrastruktur. Angka ini cukup besar, tetapi perlu ditempatkan dalam konteks historis dan hukumnya.

Sekitar US$69,8 miliar akan jatuh tempo dalam waktu dua belas bulan setelah akhir September 2026. Total sekitar US$447,5 miliar diperkirakan akan jatuh tempo pada akhir tahun 2030. Jumlah sisanya sebagian besar tersebar selama tahun 2031 hingga 2045. Oleh karena itu, akan salah untuk menggambarkan semua kewajiban sebagai utang jangka pendek atau arus kas keluar yang akan segera terjadi.

Demikian pula, kita tidak boleh mengacaukan komitmen jangka panjang dengan pengeluaran investasi yang sudah tercatat. Kontrak untuk daya komputasi di masa depan relevan secara ekonomi, tetapi tidak sama dengan sistem server yang telah dibayar lunas hari ini.

Memperpanjang jangka waktu pembayaran mengurangi tekanan langsung untuk membayar, tetapi tidak menghilangkan risiko bisnis. Faktor-faktor penting meliputi persyaratan pembelian minimum, hak penghentian kontrak, klausul penyesuaian harga, ketentuan pengiriman, dan waktu ketersediaan kapasitas sebenarnya.

Komitmen jangka panjang dapat menguntungkan jika mampu mengamankan daya komputasi yang langka dengan harga yang menguntungkan. Namun, hal itu dapat menjadi beban jika permintaan mengecewakan, teknologi baru menurunkan biaya, atau pesaing memiliki kontrak yang lebih fleksibel.

Oleh karena itu, pertanyaan sebenarnya bukanlah hanya seberapa besar jumlah totalnya. Melainkan bagian mana yang harus ditanggung secara ekonomi, kapan, dan dalam kondisi apa.

Perbandingan antara pendapatan dan kewajiban memerlukan tolok ukur yang jelas

Anthropic memperkirakan pendapatan sekitar $69,8 miliar selama dua belas bulan ke depan, kira-kira setara dengan pendapatan tahunan kuartal ketiga. Berdasarkan pendapatan triwulanan hampir $17 miliar, ini berarti angka tahunan sekitar $68 miliar.

Ini adalah perbandingan yang informatif, tetapi bukan analisis arus kas yang lengkap. Pendapatan bukanlah uang tunai yang langsung tersedia. Pengeluaran lebih lanjut harus dibayar dari pendapatan tersebut. Selain itu, proyeksi bukanlah ramalan: proyeksi hanya mengasumsikan bahwa satu kuartal akan terulang empat kali.

Di sisi lain, akan salah juga jika membandingkan pembayaran yang akan datang hanya dengan pendapatan tahunan historis dari tahun 2025. Hal itu akan mengabaikan volume bisnis yang jauh lebih besar saat ini dan melebih-lebihkan bebannya.

Selain itu, terdapat poin penting yang menentang tesis krisis akut. Pada akhir September 2026, Anthropic memiliki aset likuid dan investasi jangka pendek sekitar US$131,8 miliar. Hal ini menunjukkan bahwa kewajiban yang tinggi tidak secara otomatis berarti kesulitan pembayaran segera.

Tantangan sebenarnya bersifat dinamis: Bagaimana pendapatan, biaya operasional, kewajiban pembayaran, dan arus kas masuk akan berkembang selama beberapa tahun ke depan? Gambaran sesaat tidak dapat memberikan kepastian maupun menjamin kegagalan.

Kerugian miliaran dolar tidak secara otomatis berarti arus keluar dana sebesar miliaran dolar

Kerugian bersih sekitar US$104 miliar dalam sembilan bulan pertama tahun 2026 pada awalnya tampak sebagai tanda peringatan yang jelas. Namun, signifikansinya berubah setelah metode akuntansi diperhitungkan.

Sebagian besar disebabkan oleh revaluasi obligasi konvertibel dan kewajiban derivatif. Jika nilai perusahaan meningkat, instrumen keuangan tersebut dapat menjadi lebih mahal di neraca. Hal ini menimbulkan pengeluaran meskipun jumlah uang yang sesuai tidak secara bersamaan keluar dari perusahaan.

Perbedaan ini sangat penting. Laba bersih, laba operasi, dan arus kas menjawab pertanyaan yang berbeda. Laba bersih juga mencakup dampak pembiayaan dan valuasi. Laba operasi lebih tepat menggambarkan profitabilitas operasi bisnis yang berkelanjutan. Arus kas menunjukkan arus kas aktual.

Kerugian operasional Anthropic untuk sembilan bulan pertama tahun 2026 adalah sekitar $1,3 miliar, dibandingkan dengan sekitar $5,2 miliar pada periode yang sama tahun sebelumnya. Ini menunjukkan peningkatan yang signifikan, tetapi belum membuktikan pertumbuhan berkelanjutan yang mampu menopang diri sendiri.

Selain itu, margin operasi yang disesuaikan tidak boleh disamakan dengan laba operasi yang tidak disesuaikan. Pengeluaran mana yang dikecualikan dapat sangat memengaruhi gambaran keseluruhan. Mereka yang menggambarkan kerugian bersih sebagai pengeluaran kas total melebih-lebihkan risikonya. Mereka yang menggunakan semua angka yang disesuaikan sebagai bukti stabilitas ekonomi mungkin meremehkannya.

Kekurangan kapasitas jangka pendek dapat mendorong investasi berlebihan dalam jangka panjang

Salah satu mekanisme yang sangat mengungkapkan adalah kurangnya daya komputasi yang mudah diakses secara bersamaan dengan akumulasi komitmen jangka panjang yang sangat besar. Sekilas, ini tampak kontradiktif. Padahal, keduanya bisa saling terkait.

Ketika permintaan saat ini tumbuh lebih cepat daripada infrastruktur yang tersedia, penyedia harus membeli kapasitas tambahan dalam waktu singkat. Hal ini bisa lebih mahal daripada sumber daya yang direncanakan atau dicadangkan dalam jangka panjang. Di Anthropic, pembelian kapasitas jangka pendek sekitar lima miliar dolar AS membebani struktur biaya; biaya komputasi dan infrastruktur mencapai sekitar 58 persen dari pendapatan pada kuartal ketiga.

Insentif bisnisnya jelas: Kapasitas jangka panjang yang lebih besar akan mengurangi biaya per unit dan menghindari hambatan di masa depan. Penjualan yang sukses, khususnya, dapat memicu komitmen besar lebih lanjut.

Bahayanya terletak pada kenyataan bahwa banyak pelaku pasar akan secara bersamaan menarik kesimpulan yang sama dari hambatan yang sama. Semua orang mengamankan infrastruktur tambahan karena saat ini infrastruktur yang tersedia terlalu sedikit. Ketika proyek-proyek ini kemudian masuk ke pasar secara bersamaan, situasinya bisa berubah.

Oleh karena itu, kekurangan yang terjadi saat ini tidak membuktikan bahwa setiap investasi jangka panjang akan menguntungkan. Hal itu hanya membuktikan, pada awalnya, bahwa penawaran dan permintaan belum cukup seimbang saat ini.

Perbedaan krusial terletak pada penggunaan dan kemauan untuk membayar

Penggunaan AI secara intensif oleh individu dan bisnis memiliki dampak ekonomi yang besar. Namun, yang lebih penting lagi adalah harga yang bersedia mereka bayarkan dalam jangka panjang.

Suatu alat dapat menghasilkan manfaat sosial yang signifikan sekaligus hanya memberikan keuntungan terbatas bagi penyedianya. Hal ini terutama berlaku ketika banyak pesaing menawarkan layanan serupa, pelanggan dapat beralih antar model, dan kemajuan teknologi secara teratur menghadirkan alternatif baru.

Bagi pelanggan perusahaan, bukan hanya kinerja model yang penting. Mereka membandingkan total biaya alur kerja: biaya lisensi atau penggunaan, integrasi, perlindungan data, jaminan kualitas, pelatihan, dan pengerjaan ulang manual.

Model yang menyelesaikan tugas lebih cepat tidak secara otomatis menghasilkan kesediaan membayar yang tinggi pula. Penyedia hanya dapat memperoleh sebagian dari manfaat yang dihasilkan. Seberapa besar bagian ini bergantung pada persaingan, kemampuan saling menggantikan, dan integrasi ke dalam proses bisnis.

Meningkatnya jumlah pelanggan besar Anthropic merupakan pertanda positif dalam konteks ini. Lebih dari 11.900 pelanggan dengan pengeluaran tahunan melebihi $100.000 menunjukkan stabilitas komersial yang signifikan. Namun, hal ini belum mengungkapkan seberapa berkelanjutan pengeluaran tersebut atau berapa margin yang tersisa setelah semua biaya.

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:

Solusi AI Terkelola - Layanan AI Industri: Kunci Daya Saing di Sektor Jasa, Industri, dan Teknik Mesin

Risiko strategis di sektor AI

Keamanan adalah upaya diferensiasi ekonomi

Anthropic sangat mengaitkan posisi pasarnya dengan keamanan AI. Sejarah pendiriannya, manajemen risiko, dan diferensiasi dari aplikasi tertentu semuanya merupakan bagian dari profil perusahaan.

Secara ekonomi, ini lebih dari sekadar pertimbangan etika. Bagi klien korporat, kepercayaan, kemampuan verifikasi, dan batasan penggunaan yang jelas dapat memengaruhi pengadaan. Pemasok yang dianggap andal dan sadar risiko dapat memperoleh akses ke area aplikasi yang sensitif.

Komunikasi mengenai model-model yang sangat ampuh, misalnya di bidang pertahanan siber, memenuhi beberapa fungsi secara bersamaan. Tujuannya adalah untuk menunjukkan kompetensi teknis, membenarkan risiko, dan menjelaskan perlunya akses terkontrol. Tidak ada kontradiksi inheren antara tindakan pencegahan keamanan dan pemasaran; keduanya dapat diterapkan secara bersamaan.

Namun, keunggulan kepercayaan tidak dapat dimonetisasi sesuka hati. Pelanggan korporat juga mengharapkan ketersediaan, kemampuan integrasi, kejelasan hukum, dan harga yang kompetitif. Keamanan hanya menjadi keunggulan kompetitif yang dapat diandalkan ketika diterjemahkan ke dalam karakteristik produk dan proses organisasi yang dapat diverifikasi.

Pembatasan aplikasi tertentu yang berkaitan dengan militer atau pengawasan juga memiliki konsekuensi ekonomi. Hal ini dapat membatasi peluang pendapatan individu sekaligus meningkatkan daya tarik bagi kelompok pelanggan lain. Nilai sebenarnya dari posisi ini hanya akan terlihat melalui loyalitas pelanggan jangka panjang.

IPO tidak akan menyelesaikan masalah pembiayaan secara permanen

Rencana IPO Anthropic dengan simbol saham ANT menjadikan perusahaan ini sebagai studi kasus untuk menguji kemampuan pasar modal dalam menyerap saham tersebut. Tanggal dan ketentuan penawaran yang dibahas pada bulan November belum sepenuhnya final.

Sangatlah penting untuk dicatat bahwa angka-angka yang sebelumnya beredar yang menunjukkan penempatan dana hingga sekitar US$69,3 miliar kemudian ditarik kembali atau dianggap keliru. Investasi strategis tambahan sekitar US$26 miliar juga termasuk dalam dokumen pendahuluan ini. Oleh karena itu, angka-angka tersebut tidak boleh dianggap sebagai hasil penawaran yang telah dikonfirmasi secara final.

Penawaran umum perdana (IPO) dapat menghasilkan likuiditas yang signifikan. Namun, hal itu bukanlah pengganti model bisnis yang layak. Selain itu, tidak setiap dolar dari volume penawaran secara otomatis mengalir ke perusahaan. Ketika saham yang ada dijual, pemilik sebelumnya menerima hasilnya. Hanya penerbitan saham baru yang secara langsung meningkatkan cadangan kas perusahaan.

Bagi investor baru, bukan hanya kualitas perusahaan yang penting, tetapi juga harga investasinya. Penyedia teknologi terkemuka bisa menjadi investasi yang buruk jika valuasi perusahaan terlalu tinggi.

Semakin besar komitmen yang telah dibuat, semakin penting pula pertanyaan tentang seberapa besar kesuksesan di masa depan telah tercermin dalam harga penerbitan.

OpenAI menunjukkan ketergantungan yang sama dari arah yang berbeda

OpenAI juga menghadapi tantangan dalam menyeimbangkan pertumbuhan, kebutuhan infrastruktur, dan pendanaan eksternal. Adopsi ChatGPT yang meluas menggambarkan jangkauan AI generatif. Namun, hal ini saja tidak banyak menjelaskan tentang proporsi pengguna berbayar atau profitabilitas dari masing-masing penawaran.

Dalam putaran pendanaan, sangat penting untuk membedakan antara volume target, komitmen yang mengikat, dan dana yang sebenarnya diterima. Putaran pendanaan yang diumumkan tidak serta merta berarti arus kas masuk telah selesai. Demikian pula, penempatan sebagian awal tidak secara otomatis membuktikan bahwa dana yang tersisa tidak dapat dikumpulkan.

Jumlah sekitar sebelas miliar dolar AS yang dibahas pada awal November merupakan bagian dari putaran pendanaan yang lebih besar. Pada saat yang sama, laporan mengenai target ukuran putaran ini berbeda; baik ekspektasi sebelumnya sebesar 30 miliar dolar AS maupun target yang sekarang lebih rendah hingga 20 miliar dolar AS disebutkan. Oleh karena itu, menyajikannya sebagai kesenjangan terbuka yang tidak berubah sebesar 19 miliar dolar AS akan terlalu menyederhanakan masalah.

Poin yang relevan secara ekonomi terletak lebih dalam: semakin sering putaran pendanaan besar dibutuhkan, semakin besar pula ruang lingkup strategis untuk bertindak bergantung pada lingkungan pasar masing-masing.

Akses terhadap modal kemudian menjadi bukan hanya prasyarat untuk ekspansi lebih lanjut. Akses tersebut menjadi prasyarat untuk dapat melanjutkan jalur pembangunan yang telah dimulai.

Kantor keluarga (family office) bukanlah penyelamat atau pertanda kehancuran

Fakta bahwa perusahaan AI tidak hanya menargetkan investor institusional besar tetapi juga keluarga yang sangat kaya dan kantor keluarga, dengan sendirinya, tidak memungkinkan diagnosis krisis yang jelas.

Investor semacam itu mungkin memiliki fokus jangka panjang, menerima fluktuasi yang lebih besar, dan mencari investasi di luar pasar saham tradisional. Partisipasi mereka dapat memperluas basis pembiayaan dan mengurangi ketergantungan pada investor besar individual.

Pada saat yang sama, pencarian investor yang lebih luas dapat menunjukkan bahwa modal yang dibutuhkan melebihi kapasitas pemberi pinjaman yang ada. Hal ini menjadi sangat relevan jika dana baru hanya tersedia sebagai imbalan atas langkah-langkah perlindungan tambahan, pembayaran preferensial, atau konsesi ekonomi lainnya.

Oleh karena itu, yang penting bukanlah kelas sosial investor, melainkan struktur kontraknya. Valuasi perusahaan yang dinyatakan secara publik tinggi tidak banyak menjelaskan tentang kesepakatan mendasar mengenai pembagian keuntungan dan kerugian.

Bahkan nama baru untuk pusat data, seperti "kampus komputasi," tidak mengubah prinsip-prinsip dasar ini. Istilah yang berbeda mungkin memengaruhi persepsi publik, tetapi tidak akan menurunkan tagihan listrik atau mengurangi kebutuhan modal.

Komunikasi dapat mendorong penerimaan. Namun, pendanaan tetap harus didukung oleh arus kas aktual, kontrak yang mengikat, atau modal ventura baru.

Neocloud terjebak di antara fasilitas yang mahal dan permintaan yang terkonsentrasi

Penyedia daya komputasi AI khusus, yang sering disebut sebagai neocloud, sangat sensitif. Model bisnis mereka lebih bergantung pada keberhasilan ekonomi dari kategori infrastruktur tertentu daripada perusahaan platform besar.

Meskipun Alphabet, Amazon, Meta, dan Microsoft memiliki beragam aliran pendapatan, operator khusus mungkin bergantung pada beberapa pelanggan besar, generasi chip tertentu, dan pembiayaan ulang yang berkelanjutan. Hal ini meningkatkan pentingnya pemanfaatan kapasitas dan kualitas kontrak.

Kontrak pelanggan jangka panjang dapat memberikan keamanan. Namun, kontrak tersebut juga memusatkan risiko jika sebagian besar bisnis berasal dari penyedia model individual. Jika pelanggan tersebut mengalami tekanan, hal itu tidak hanya memengaruhi neraca keuangan mereka sendiri.

Kenaikan suku bunga dan revaluasi infrastruktur AI telah memberikan tekanan pada saham dan obligasi operator individual, serta menyebabkan penundaan atau pembatalan rencana IPO. Namun, ini tidak berarti bahwa pembiayaan obligasi tidak lagi memungkinkan untuk seluruh kelompok penyedia. Syarat dan ketentuan bervariasi tergantung pada kelayakan kredit, jaminan, dan model bisnis.

Kelemahan krusial terletak pada kombinasi: investasi padat modal, perubahan teknologi, konsentrasi pelanggan, dan biaya pembiayaan. Masing-masing faktor ini dapat dikelola secara individual. Namun, jika digabungkan, faktor-faktor ini dapat secara signifikan membatasi pilihan yang tersedia.

Entitas tujuan khusus mengalihkan risiko, tetapi tidak menghilangkannya

Proyek infrastruktur besar sering kali dibiayai melalui perusahaan-perusahaan terpisah. Perusahaan-perusahaan ini dapat menggabungkan bangunan, fasilitas teknis, atau hubungan kontraktual tertentu. Hal ini memungkinkan risiko untuk dikendalikan secara organisasi dan melibatkan investor yang berbeda.

Oleh karena itu, badan usaha tujuan khusus (SPV) bukanlah sesuatu yang secara inheren mencurigakan atau otomatis menjadi alat untuk menyembunyikan sesuatu. SPV dapat menjadi struktur proyek yang berguna. Namun, untuk evaluasi ekonomi, harus tetap jelas siapa yang pada akhirnya menanggung kewajiban apa.

Hal yang sangat penting adalah jaminan, perjanjian pembelian minimum, kewajiban pembelian kembali, dan ketentuan penghentian kontrak. Sebuah proyek yang secara resmi dialihdayakan dapat tetap mengikat secara ekonomi bagi sebuah perusahaan jika perusahaan tersebut menjamin arus kas yang penting.

Demikian pula, pembiayaan bank yang disebutkan di atas tidak boleh disamakan dengan dana yang tersedia langsung bagi penyedia model tanpa pertimbangan yang matang. Pinjaman untuk perusahaan infrastruktur berbeda dengan likuiditas yang tersedia secara bebas untuk penelitian, personel, atau penyediaan model yang berkelanjutan.

Oleh karena itu, pertanyaan utamanya adalah: Siapa yang menanggung kerugian jika infrastruktur tersebut kemudian tidak dibutuhkan atau pelanggan utama membayar kurang dari yang diharapkan? Hanya alokasi inilah yang mengungkapkan apakah risiko benar-benar telah didistribusikan atau hanya terkonsentrasi di lokasi yang kurang terlihat.

Keterkaitan antara investor, pemasok, dan pelanggan membuat sulit untuk mempertahankan gambaran menyeluruh

Ekonomi AI ditandai dengan hubungan erat antara penyedia model, perusahaan cloud, pengembang chip, dan investor keuangan. Satu perusahaan dapat sekaligus menjadi investor, pemasok, distributor, dan pesaing perusahaan lain.

Di Anthropic, Google dan Amazon adalah contoh utama dari peran ganda ini. Keduanya memberikan dukungan finansial kepada perusahaan dan sekaligus menyediakan infrastruktur dan saluran distribusi yang penting.

Keterkaitan semacam ini dapat menguntungkan secara ekonomi. Investor strategis mendapatkan akses ke permintaan, sementara penyedia model menerima modal dan sumber daya. Hal ini dapat mengarah pada kemitraan yang stabil.

Risiko terletak pada saling ketergantungan. Jika sebuah perusahaan infrastruktur berinvestasi pada penyedia model, yang kemudian membeli kapasitas besar dari perusahaan tersebut, maka hubungan bisnis yang nyata akan terjalin. Meskipun demikian, perlu diteliti berapa proporsi pembiayaan akhir yang ditanggung oleh pelanggan akhir yang independen.

Faktor krusial bukanlah apakah uang mengalir antar perusahaan dalam sistem tersebut. Hal itu terjadi di setiap rantai nilai. Faktor krusialnya adalah apakah ada cukup kemauan eksternal untuk membayar pada akhirnya agar seluruh rantai tersebut menguntungkan.

Semakin besar pertumbuhan yang dijamin melalui kepemilikan saham bersama dan komitmen jangka panjang, semakin penting pertimbangan ini.

Texas dan Georgia mengubah kebijakan lokasi menjadi risiko pembiayaan

Debat politik seputar pusat data semakin penting setelah pemilihan paruh waktu AS. Di Texas dan Georgia, kandidat yang mendukung pembatasan atau penangguhan sementara proyek pusat data baru memenangkan pemilihan. Debat serupa juga terjadi di negara bagian lain.

Penting untuk membedakan antara janji-janji kampanye, langkah-langkah administratif yang ada, dan peraturan yang akan benar-benar berlaku nantinya. Moratorium yang diumumkan tidak secara otomatis berarti bahwa semua proyek konstruksi yang sedang berjalan akan dihentikan. Fasilitas yang telah disetujui, permohonan baru, dan prosedur penyambungan jaringan listrik mungkin ditangani secara berbeda.

Dampak ekonominya masih bisa signifikan. Bahkan penundaan pun menunda dimulainya pendapatan, sementara biaya perencanaan dan pengeluaran pembiayaan terus berlanjut. Jika daya komputasi yang dijanjikan baru tersedia kemudian, pelanggan mungkin harus membeli kapasitas sementara yang mahal.

Hal ini menimbulkan risiko politik dan keuangan secara langsung. Sebuah proyek mungkin secara teknis baik dan memiliki permintaan jangka panjang, tetapi penundaan dapat menyebabkan fase likuiditas yang bermasalah.

Pada saat yang sama, penolakan terhadap pusat data tidak secara otomatis berarti anti-teknologi. Banyak konflik berputar di sekitar distribusi biaya: Siapa yang membayar jaringan listrik tambahan? Siapa yang menanggung beban pencemaran air? Insentif pajak mana yang dibenarkan? Jawaban atas pertanyaan-pertanyaan ini memengaruhi pengembalian investasi aktual untuk proyek-proyek tersebut.

Harga listrik dan penerimaan sosial harus dimasukkan dalam setiap perhitungan pengembalian investasi

Pusat data menciptakan nilai tambah, tetapi pada saat yang sama membutuhkan infrastruktur energi dan pasokan berkinerja tinggi. Jika biaya yang diperlukan sebagian dialihkan ke pelanggan listrik lain atau anggaran publik, maka akan timbul konflik distribusi politik.

Dari perspektif investor individu, biaya jaringan yang rendah atau keringanan pajak dapat meningkatkan profitabilitas. Namun, dari perspektif makroekonomi, hal ini belum menentukan apakah proyek tersebut efisien. Beberapa biaya ditanggung oleh kelompok lain.

Oleh karena itu, strategi lokasi yang berkelanjutan harus mempertimbangkan apakah konsumen besar mampu membiayai infrastruktur tambahan secara memadai dan beban apa yang akan ditanggung oleh pengguna yang sudah ada. Transparansi terhadap pemerintah daerah dan proses perizinan yang andal juga memiliki nilai ekonomi.

Pembatasan politik dapat meningkatkan biaya ekspansi. Namun, pembatasan tersebut juga dapat mencegah kondisi awal yang terlalu menguntungkan memicu investasi berlebihan, yang biaya selanjutnya akan ditanggung oleh masyarakat.

Oleh karena itu, garis pemisah yang relevan bukanlah antara ekspansi tanpa batas dan stagnasi total. Garis pemisah tersebut berada di antara proyek-proyek yang layak secara ekonomi dengan alokasi biaya yang transparan dan proyek-proyek yang profitabilitasnya sebagian besar bergantung pada subsidi tersembunyi.

Kemajuan teknologi bisa bermanfaat sekaligus merugikan

Argumen utama untuk pandangan optimis adalah bahwa AI akan menjadi lebih efisien. Jika tugas yang sama membutuhkan daya komputasi yang lebih sedikit di masa depan, biaya penerapannya dapat menurun. Hal ini berpotensi meningkatkan margin keuntungan, atau harga yang lebih rendah dapat membuka permintaan tambahan.

Mekanisme ini masuk akal, tetapi tidak sepihak. Model yang lebih efisien juga dapat mengubah nilai kapasitas yang telah direncanakan. Jika pesaing menawarkan layanan yang sebanding dengan harga lebih rendah, harga akan tertekan. Biaya tetap jangka panjang belum tentu menyesuaikan diri dengan cepat.

Selain itu, efisiensi teknis dapat menyebabkan aplikasi yang lebih kompleks. Langkah perhitungan tunggal yang lebih murah belum tentu mengurangi biaya keseluruhan jika pengguna kemudian menjalankan lebih banyak langkah secara signifikan.

Hal ini menciptakan ketidakpastian ganda bagi investor. Mereka harus menilai seberapa cepat biaya per unit output akan turun dan seberapa kuat permintaan akan bereaksi terhadap hal ini. Baik biaya komputasi yang konstan maupun pertumbuhan permintaan yang otomatis tidak terbatas bukanlah asumsi yang dapat diandalkan.

Kemajuan teknologi tidak selalu menyelamatkan setiap investasi yang ada. Kemajuan teknologi dapat memajukan seluruh industri sekaligus menurunkan nilai model bisnis atau aset individual.

Tiga skenario menjelaskan lebih dari sekadar pertanyaan pilihan ganda sederhana

Dalam skenario yang menguntungkan, permintaan pembayaran tumbuh cukup cepat untuk memanfaatkan sepenuhnya kapasitas baru. Infrastruktur tersedia tepat waktu, biaya per aplikasi menurun, dan pelanggan perusahaan secara permanen mengintegrasikan AI ke dalam proses produksi mereka. Jika dilihat ke belakang, gelombang investasi saat ini akan tampak mahal, tetapi sebagian besar dapat dibenarkan.

Dalam skenario menengah, AI mendapatkan daya tarik ekonomi, sementara beberapa asumsi pembiayaan dan valuasi gagal. Perusahaan mengurangi rencana ekspansi mereka, operator khusus diakuisisi, investor menerima valuasi yang lebih rendah, dan proyek-proyek individual ditunda. Teknologi tersebut menjadi semakin penting, meskipun beberapa investor mengalami kerugian.

Dalam skenario terburuk, beberapa tekanan terjadi secara bersamaan: pertumbuhan penjualan yang lebih lemah, penurunan harga, pembayaran minimum yang tinggi, keterlambatan infrastruktur, dan pembiayaan yang lebih ketat. Dalam kasus seperti itu, masalah likuiditas juga dapat memengaruhi perusahaan yang produknya tetap diminati.

Skenario-skenario ini menunjukkan mengapa pertanyaan tentang gelembung AI terlalu sederhana. Peningkatan produktivitas riil, valuasi yang melambung, dan investasi infrastruktur yang salah arah dapat terjadi secara bersamaan.

Oleh karena itu, pendekatan yang paling masuk akal bukanlah menyamakan keberhasilan teknologi dengan keberhasilan finansial secara menyeluruh. Kedua perkembangan tersebut harus dinilai secara terpisah.

Bagaimana koreksi bertahap dapat dikenali?

Jika pertumbuhan ekonomi perlahan mulai melambat, hal ini belum tentu terlihat pertama kali dalam bentuk keruntuhan yang spektakuler. Yang lebih menunjukkan hal tersebut adalah penurunan berulang di beberapa bidang.

Hal ini mencakup penurunan arus kas operasional relatif terhadap investasi, penggalangan modal yang lebih sering, biaya pembiayaan yang lebih tinggi, dan persyaratan jaminan tambahan bagi pemberi pinjaman. Sama relevannya adalah penundaan proyek, jangka waktu pembayaran yang lebih panjang, atau peningkatan ketergantungan pada beberapa investor strategis.

Dari sisi pelanggan, tingkat perpanjangan kontrak, penggunaan aktual, pengurangan harga, dan distribusi pendapatan layak mendapat perhatian khusus. Jumlah pelanggan yang besar tidak banyak artinya jika sebagian besar pendapatan dihasilkan oleh beberapa pelanggan besar atau hanya dipertahankan melalui diskon agresif.

Infrastruktur bukan hanya tentang kapasitas gigawatt yang diumumkan atau chip yang dipesan. Yang terpenting adalah kapasitas operasional, pasokan listrik yang aman, pemanfaatan yang ekonomis, dan kemampuan untuk memenuhi kewajiban bisnis yang berkelanjutan.

Oleh karena itu, indikator yang paling bermakna bukanlah pengumuman pendapatan rekor tunggal. Yang terpenting adalah perkembangan rasio antara arus kas masuk yang dihasilkan secara berkelanjutan dan semua pengeluaran yang mengikat secara ekonomi.

Eropa harus belajar dari pertumbuhan ekonomi tersebut, bukan sekadar menirunya

Hal ini memiliki implikasi strategis bagi Eropa. Membangun keahlian AI sendiri itu penting, tetapi kedaulatan ekonomi tidak secara otomatis muncul dari memiliki pusat data sebesar mungkin atau meniru skala pembiayaan Amerika.

Khususnya di sektor industri, logistik, dan bisnis menengah, manfaatnya seringkali bergantung pada integrasi ke dalam proses spesifik. Kualitas data, antarmuka, keahlian, dan perubahan organisasi bisa jadi lebih penting daripada menggunakan model terbesar yang tersedia.

Oleh karena itu, strategi infrastruktur yang terdiferensiasi masuk akal secara ekonomi. Beberapa tugas memerlukan model kelas atas dan daya komputasi yang besar. Tugas lainnya dapat diselesaikan secara lebih ekonomis dengan sistem yang lebih kecil, khusus, atau dioperasikan secara lokal.

Bagi pengguna, ini berarti mengevaluasi kinerja teknologi dan total biaya secara bersamaan. Bagi investor infrastruktur, ini berarti memeriksa permintaan regional yang sebenarnya, ketersediaan energi, dan loyalitas pelanggan, alih-alih secara membabi buta mengadopsi asumsi pertumbuhan global.

Peluangnya bukan terletak pada meniru setiap mata rantai nilai Amerika. Peluangnya terletak pada menggabungkan aplikasi produktif dengan pembiayaan yang tetap layak bahkan dalam kondisi pasar yang kurang euforia.

Ledakan ekonomi tidak harus gagal – tetapi pendanaannya harus membuktikan diri

Teori pelepasan bertahap memiliki dasar ekonomi yang masuk akal. Investasi yang tinggi, komitmen jangka panjang, dan ketergantungan yang semakin besar pada modal eksternal dapat membuat suatu industri rentan, bahkan jika produknya sukses.

Sama pentingnya adalah pandangan yang berlawanan. Pendapatan yang meroket, cadangan kas yang besar, dan klien korporat yang nyata membantah anggapan bahwa seluruh bisnis AI hanya terdiri dari spekulasi. Anthropic dengan sempurna menggambarkan simultanitas ini: pertumbuhan luar biasa di satu sisi, kewajiban yang sangat besar di sisi lain.

Oleh karena itu, perspektif yang paling dapat diandalkan bukanlah prediksi malapetaka secara menyeluruh atau asumsi bahwa signifikansi teknologi membenarkan investasi modal apa pun. Pasar harus membuktikan bahwa arus kas masa depannya benar-benar dapat mendukung infrastruktur yang telah dibangun.

Koreksi bisa terjadi secara bertahap: lebih sedikit pembelian kembali saham, lebih banyak utang, pengenceran saham yang lebih besar, persyaratan kontrak yang lebih ketat, penundaan proyek konstruksi, dan penurunan valuasi. Baru setelah itu kebangkrutan atau pengambilalihan perusahaan mungkin akan terlihat.

Ujian terpenting bukanlah apakah kecerdasan buatan akan tetap penting. Melainkan siapa yang akan memperoleh keuntungan darinya secara berkelanjutan dalam kondisi biaya dan pembiayaan yang realistis. Teknologi ini berpotensi mengubah perekonomian, sementara sebagian investornya saat ini pada akhirnya akan membayar harga yang mahal.

🎯🎯🎯 Pusat industri B2B berbasis data sebagai solusi semi-internal

Solusi semi-internal: Bagaimana Xpert.Digital menutup kesenjangan operasional dalam pemasaran dan penjualan B2B – Bisnis Cerdas Berbasis Konten - Gambar: Xpert.Digital

Xpert.Digital adalah pusat industri B2B berbasis data yang dipimpin oleh Konrad Wolfenstein . Perusahaan ini bertindak sebagai solusi eksternal, yang hampir bersifat internal, bagi mitra industri, menutup kesenjangan operasional dalam pemasaran, konten, dan penjualan – tanpa memerlukan sumber daya tambahan di pihak klien.