Persaingan global untuk pusat data AI: Apakah gelembung besar akan segera muncul? Rahasia yang dijaga ketat tentang tingkat pemanfaatan sebenarnya dari para raksasa AI

Menyewa alih-alih membangun: Mengapa pemenang AI yang tak terduga, Anthropic, tidak memiliki pusat data sendiri?

Pada tahun 2026, medan pertempuran yang menentukan dalam kecerdasan buatan telah bergeser secara dramatis. Ini bukan lagi hanya tentang model bahasa mana yang menghasilkan teks paling cerdas, mendesain gambar paling kreatif, atau menulis kode paling bebas kesalahan. Perlombaan yang sebenarnya, jauh lebih sengit, kini berlangsung di dunia fisik: dalam bentuk pusat data raksasa, kapasitas daya yang langka, dan investasi infrastruktur senilai triliunan dolar. Raksasa teknologi seperti Microsoft, Google, dan Meta, serta pemain baru dari Tiongkok, saat ini sedang menggelontorkan dana yang luar biasa untuk pembangunan apa yang disebut "gigafactory AI". Volume investasi global sekarang melebihi output ekonomi seluruh negara. Tetapi di balik layar pertempuran sumber daya yang belum pernah terjadi sebelumnya ini, masalah struktural yang serius mulai muncul. Sementara perusahaan rintisan seperti Anthropic terpaksa bergantung pada model sewa yang fleksibel, hambatan dramatis menjadi jelas di seluruh dunia, yang terutama berasal dari chip AI yang sangat dipuji, tetapi dari masalah sederhana seperti pasokan daya, biaya pendinginan yang melonjak, dan kurangnya koneksi jaringan. Dalam persaingan dahsyat antara AS dan Tiongkok ini, Eropa berisiko tertinggal jauh karena peraturan yang ketat dan kekurangan modal. Namun, pertanyaan yang paling mendesak adalah: Apakah di sinilah fondasi fisik yang sangat penting bagi perekonomian global masa depan sedang dibangun – ataukah gelembung investasi terbesar dan termahal dekade ini sedang mengembang di depan mata kita?

Berkaitan dengan ini:

• Informasi penting: Pusat data AI atau pusat data klasik – Ketika infrastruktur digital menjadi pabrik AI yang boros energi

Ketika daya komputasi menjadi lebih penting daripada model itu sendiri

Siapa pun yang mengikuti berita seputar kecerdasan buatan pada musim panas 2026 akan segera mendapat kesan bahwa persaingan sesungguhnya telah lama bergeser. Kekuatan pasar tidak lagi semata-mata ditentukan oleh model bahasa mana yang memberikan jawaban paling cerdas, tetapi lebih pada ketersediaan fisik daya komputasi, listrik, dan kapasitas pendinginan. Pengumuman dari OpenAI, Anthropic, Google, xAI, Meta, dan sejumlah penyedia Tiongkok yang terus bertambah seperti Alibaba, DeepSeek, Moonshot, dan Z.ai kini lebih mirip laporan konstruksi industri berat daripada peluncuran produk. Angka gigawatt, waktu pengiriman transformator, dan aplikasi koneksi jaringan telah menjadi metrik sebenarnya dari perlombaan AI, sementara model itu sendiri, sekuat apa pun, semakin tampak sebagai perangkat lunak yang dapat dipertukarkan di atas fondasi fisik yang langka dan mahal. Pergeseran ini signifikan secara ekonomi karena membentuk kembali keseimbangan kekuatan di seluruh sektor teknologi dan mengikat modal dalam skala yang tidak terpikirkan beberapa tahun yang lalu.

Mengapa kapasitas tidak lagi dapat diukur dalam satuan?

Masalah metodologis utama menghambat setiap analisis serius di bidang ini. Siapa pun yang mencoba menentukan jumlah "pusat data AI" per vendor atau model akan segera menemui batasan yang bahkan pengamat pasar khusus seperti Epoch AI atau AI Data Center Index pun tidak dapat atasi. Alasannya terletak pada sifat infrastruktur itu sendiri. Satu kampus pusat data sering kali melayani banyak tujuan secara bersamaan, menangani beban pelatihan untuk satu model dan beban inferensi untuk model lain, dioperasikan oleh penyedia layanan cloud besar tetapi sebagian disewakan kepada pesaing, dan mengubah alokasinya seiring dengan penandatanganan kontrak baru. Anthropic, misalnya, hampir tidak memiliki kampus pelatihan sendiri, tetapi menyewa kapasitas dari Amazon melalui chip Trainium miliknya, dari Google melalui komitmen TPU skala gigawatt, dari Microsoft, dari penyedia neocloud khusus seperti CoreWeave, Fluidstack, dan Nscale, dan bahkan dari pesaing langsungnya xAI, yang klaster Colossus-nya di Memphis mengalokasikan kapasitas kepada banyak pelanggan secara bersamaan. Angka pasti mengenai berapa banyak pusat data milik Anthropic yang dioperasikan sendiri tidak ada karena model bisnisnya berbasis penyewaan, bukan kepemilikan. Ketidakjelasan ini lazim terjadi di hampir seluruh industri dan menunjukkan bahwa pernyataan yang dapat diandalkan harus didasarkan pada angka megawatt dan gigawatt, lokasi spesifik, dan kesepakatan yang didokumentasikan secara kontraktual, bukan pada angka yang dianggap tepat.

Dimensi triliunan dolar dari taruhan infrastruktur

Besarnya investasi yang mengalir ke sektor ini sulit dipahami lagi menggunakan kategori keuangan perusahaan tradisional. Pengamat pasar memperkirakan volume investasi kumulatif oleh perusahaan hyperscaler besar pada tahun 2026 berkisar antara $630 miliar hingga $830 miliar. Meskipun angka pastinya bervariasi tergantung pada metodologi yang digunakan, semua perkiraan memiliki pesan mendasar yang sama: ini mewakili peningkatan sekitar 60 persen dibandingkan tahun sebelumnya. Goldman Sachs memperkirakan pengeluaran kumulatif untuk periode antara 2026 dan 2031 sekitar $7,6 triliun, sementara McKinsey sebelumnya memproyeksikan kebutuhan investasi sekitar $5,2 triliun pada tahun 2030 hanya untuk pusat data yang didukung AI. Jumlah ini melebihi output ekonomi negara-negara industri menengah dan menimbulkan pertanyaan mendasar tentang apakah pengembalian yang diharapkan dari layanan AI dapat membenarkan pengeluaran modal ini. Amazon berencana menginvestasikan sekitar $220 miliar dalam belanja modal tahun ini, Alphabet berkisar antara $180 hingga $200 miliar, Microsoft sekitar $175 hingga $190 miliar, dan Meta antara $125 hingga $145 miliar. Bersama dengan Oracle, yang investasinya berjumlah sekitar $50 hingga $56 miliar, ini menggambarkan gambaran di mana lima perusahaan secara efektif membiayai fondasi fisik global revolusi AI, sementara penyedia yang lebih kecil seperti OpenAI dan Anthropic tetap bergantung pada infrastruktur mereka atau pada pemilik lahan khusus.

Pabrik-pabrik raksasa Amerika sebagai pernyataan geopolitik

Realitas fisik dari gelombang investasi ini paling terlihat di Amerika Serikat, di mana proyek Stargate oleh OpenAI, Oracle, dan SoftBank sedang menciptakan jaringan lokasi pusat data. Pengumuman awalnya sebesar sepuluh gigawatt dan $500 miliar terbukti jauh lebih kompleks dalam praktiknya. Lokasi di Abilene, Texas, kini telah beroperasi, sementara lokasi lain di Michigan, Wisconsin, Ohio, dan New Mexico sedang dalam tahap pembangunan atau perencanaan. Para pengamat memperkirakan kapasitas AS yang direncanakan saat ini berada di kisaran gigawatt satu digit tinggi, jauh di bawah pengumuman awal. Secara paralel, Microsoft meluncurkan kluster miliknya sendiri, yang dirancang sebagai superkomputer tunggal dan berbasis arsitektur GB200, di kampus Fairwater di Wisconsin pada Juni 2026, yang menggarisbawahi kemandirian perusahaan dari hubungan pelanggan individual seperti kemitraannya dengan OpenAI. xAI, di sisi lain, telah membangun kapasitas sekitar satu gigawatt dengan kompleks Colossus di Memphis dan Southaven, dengan membangun beberapa gedung. Perusahaan tersebut tidak hanya menggunakan fasilitas itu untuk menjalankan pelatihan Grok sendiri, tetapi juga menyewakan daya komputasi kepada para pesaing seperti Anthropic dan Google—fakta yang mengungkapkan saling ketergantungan ekonomi yang erat bahkan antara laboratorium yang tampaknya bersaing. Meta meningkatkan kapasitas yang direncanakan untuk proyek Hyperion-nya di Louisiana menjadi lima gigawatt dan volume investasi lebih dari $50 miliar pada Juli 2026, meskipun fase pertama ekspansi secara realistis diperkirakan tidak akan berlaku sebelum tahun 2028. Jeda waktu ini merupakan hal yang umum di seluruh industri, di mana pengumuman biasanya dilakukan bertahun-tahun sebelum pengoperasian sebenarnya, dan investor pada dasarnya bergantung pada janji kapasitas di masa depan.

Jalur paralel Tiongkok melalui chip domestik

Sementara pengembangan Amerika sangat bergantung pada perangkat keras Nvidia, Tiongkok secara sengaja menempuh jalur yang berbeda, awalnya dipaksa oleh pembatasan ekspor AS, tetapi kemudian berkembang menjadi strategi kebijakan industri yang independen. Menurut laporan Bloomberg, Z.ai, yang sebelumnya dikenal sebagai Zhipu, meluncurkan sebagian kampus pusat data satu gigawatt pada Juli 2026, beroperasi secara eksklusif dengan chip buatan Tiongkok, meskipun lokasi pastinya masih dirahasiakan. Perusahaan tersebut mengklaim bahwa model GLM-5.3-Flash yang dilatih di sana akan dijalankan pada lebih dari 100.000 chip produksi dalam negeri untuk inferensi, angka yang belum diverifikasi secara independen. DeepSeek mengumumkan rencana pada Juli 2026 untuk membangun pusat data gigawatt sendiri di Ulanqab, Mongolia Dalam, dengan operasi parsial yang ditargetkan pada akhir 2027 atau awal 2028, yang menyoroti keterlambatannya dibandingkan proyek-proyek Amerika. Moonshot AI, perusahaan di balik model Kimi, memilih pendekatan yang lebih pragmatis, menandatangani perjanjian sewa dengan Alibaba Cloud pada musim panas 2026 untuk sekitar 20.000 prosesor grafis Nvidia. Ini menunjukkan bahwa bahkan vendor Tiongkok, terlepas dari ketegangan politik, terus mengakses perangkat keras Barat jika ada jalan pintas legal atau logistik yang dapat ditemukan. Laporan investigasi yang mengklaim bahwa Moonshot memperoleh akses ke generasi terbaru chip Nvidia Blackwell melalui negara ketiga di Asia Tenggara, khususnya Thailand, tetap merupakan tuduhan yang belum terkonfirmasi, tidak didukung oleh bukti rantai pasokan yang dapat diandalkan atau pernyataan resmi dari perusahaan yang terlibat. Alibaba sendiri sekarang mengoperasikan 105 zona ketersediaan di 32 wilayah di seluruh dunia dan telah berkomitmen $53 miliar untuk memperluas infrastruktur cloud-nya. Situs superkomputer Ulanqab adalah salah satu dari lima yang disebut pusat data super dan digunakan baik untuk model Qwen miliknya sendiri maupun pelanggan eksternal seperti Moonshot. Contoh yang lebih konkret dari skala ini adalah supernode Lingjun Zhenwu M890 di Ulanqab, yang diluncurkan secara komersial pada Agustus 2026. Arsitektur HPN 8.0 yang mendasarinya meningkatkan skala interkoneksi dari 16 menjadi 64 GPU per node dengan bandwidth 800 gigabyte per detik, secara teoritis memungkinkan klaster dengan hingga 130.000 GPU heterogen dan potensi perluasan ke jaringan mesh dengan jutaan map. Hal ini menjadikan fasilitas tersebut memenuhi syarat untuk melatih dan menyimpulkan model dengan hingga sepuluh triliun parameter. Di sisi lain, pesaing dari Tiongkok, Z.ai, secara eksklusif bergantung pada akselerator produksi dalam negeri dari Huawei, Cambricon, dan Moore Threads di kampus gigawatt-nya, yang sebagian telah beroperasi sejak Juli 2026. Hal ini karena perusahaan tersebut telah masuk dalam daftar kontrol ekspor AS sejak awal tahun 2025 dan karenanya sepenuhnya terputus dari akses ke perangkat keras Nvidia. Setiap klaster individual di fasilitas tersebut dilaporkan terdiri dari lebih dari 10.000 chip. Namun, DeepSeek masih belum memutuskan dan secara politis kontroversial mengenai komposisi chip untuk lokasi Ulanqab yang direncanakannya. Hal ini menyusul klaim perwakilan pemerintah AS pada Februari 2026 bahwa perusahaan tersebut telah secara ilegal menggunakan chip Nvidia Blackwell di sebuah fasilitas di Mongolia Dalam—sebuah tuduhan yang dibantah DeepSeek dan tidak dapat diverifikasi secara independen. Sebagai perkiraan biaya kasar untuk pusat data gigawatt dengan teknologi akselerator canggih, CEO Nvidia Jensen Huang menyebutkan angka sekitar $50 miliar, sebuah perkiraan kasar yang, bagaimanapun, tidak didasarkan pada jumlah investasi spesifik yang dikonfirmasi oleh DeepSeek sendiri. Indikasi tidak langsung yang menarik tentang efisiensi biaya relatif infrastruktur Tiongkok diberikan oleh harga API dari masing-masing model: Sementara GLM 4.7 Flash dari Z.ai, dengan harga sekitar $0,06 per juta token input, dan DeepSeek V4 Flash, dengan harga sekitar $0,09, termasuk di antara penawaran termurah di pasaran, kode Kimi K2.7 dari Moonshot, dengan harga sekitar $0,74, jauh lebih mahal. Hal ini sebagian dapat dikaitkan dengan ketergantungan pada GPU Nvidia yang disewa, karena Moonshot sendiri tidak memiliki fasilitas skala besar yang diketahui, melainkan, menurut pernyataan mereka sendiri, telah menyewa sekitar 20.000 GPU dari Alibaba Cloud.

Upaya Eropa untuk mengambil posisi independen

Uni Eropa berada dalam posisi yang secara struktural lebih lemah dalam persaingan global ini, baik karena kekuatan modal yang lebih rendah dari perusahaan teknologi domestiknya maupun karena keengganan regulasi yang nyata. Perusahaan Prancis Mistral AI saat ini mengoperasikan lokasi di dekat Paris, sementara lokasi kedua di Swedia sedang dibangun, dengan tujuan yang dinyatakan untuk mencapai kapasitas 200 megawatt pada tahun 2027 dan satu gigawatt pada tahun 2030. Patut dicatat bahwa pada Juli 2026, Microsoft menandatangani perjanjian sewa multi-tahun untuk kapasitas Mistral di Eropa. Meskipun jumlah pastinya tidak diungkapkan, Reuters melaporkan bahwa jumlahnya mencapai puluhan miliar euro. Kesepakatan ini menyoroti keterbatasan klaim kedaulatan Eropa, karena penyewa utama infrastruktur AI yang seharusnya milik Eropa tidak lain adalah raksasa teknologi Amerika, yang prosesor grafisnya masih sebagian besar diproduksi di AS. Sebagai respons terhadap ketergantungan struktural ini, Komisi Eropa meluncurkan sebuah proses pada Juli 2026 untuk membangun tujuh apa yang disebut gigafactory AI, yang untuk itu sekitar €30 miliar dana publik dan swasta telah dialokasikan. Namun, proyek ini saat ini masih dalam tahap pembentukan konsorsium dan belum menciptakan kapasitas operasional apa pun. Pada saat yang sama, lingkungan regulasi untuk pusat data baru di Eropa menjadi semakin ketat, seperti yang ditunjukkan oleh contoh Spanyol, di mana rancangan undang-undang diperkenalkan pada Agustus 2026 yang akan mewajibkan fasilitas baru dengan kapasitas lebih dari satu megawatt untuk menunjukkan bahwa mereka menghasilkan setidaknya 80 persen listrik terbarukan tambahan per jam. Persyaratan tersebut secara signifikan meningkatkan biaya lokasi di Uni Eropa dan dapat menyebabkan semakin banyak kapasitas pelatihan AI global yang secara permanen berlokasi di luar benua tersebut.

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

Listrik sebagai hambatan utama dekade ini

Mereka yang mereduksi perdebatan publik seputar infrastruktur AI hanya pada unit pemrosesan grafis (GPU) salah memahami dinamika sebenarnya dari sektor ini. Banyak ahli dan analis sekarang menunjukkan bahwa faktor pembatas yang menentukan bukanlah ketersediaan chip, melainkan ketersediaan listrik dan infrastruktur jaringan terkait. Pada Juni 2026, otoritas pengatur Amerika, FERC, mengeluarkan arahan yang bertujuan untuk mempercepat koneksi beban besar ke jaringan listrik—sebuah pengakuan langsung bahwa proses persetujuan koneksi jaringan yang ada tidak lagi memadai untuk rencana ekspansi operator pusat data. Bersamaan dengan itu, pada Juli 2026, Gedung Putih memperluas Janji Perlindungan Pembayar Tarif, sebuah komitmen politik oleh operator pusat data untuk tidak membebankan biaya jaringan tambahan yang dihasilkan oleh fasilitas mereka kepada pelanggan listrik perumahan. Langkah kebijakan ini muncul sebagai respons langsung terhadap meningkatnya penolakan publik terhadap kenaikan harga listrik di wilayah dengan kepadatan pusat data yang tinggi dan menunjukkan bahwa perluasan infrastruktur AI telah lama menjadi isu yang sensitif secara politik. Contoh xAI, yang untuk sementara waktu mengandalkan turbin gas bergerak di Memphis untuk memastikan pasokan listrik fasilitasnya tanpa harus menunggu koneksi jaringan listrik reguler, menggambarkan betapa intensnya tekanan waktu dalam persaingan kapasitas komputasi. Analis di lembaga think tank BloombergNEF memperkirakan bahwa kapasitas pusat data global yang sedang dibangun sekarang melebihi 23 gigawatt, sementara volume investasi operator terbesar saja mendekati $750 miliar pada tahun 2026. Angka-angka ini memperjelas bahwa hambatan sebenarnya dalam beberapa tahun mendatang bukan terletak pada industri semikonduktor, tetapi pada sektor energi dan proses perizinan terkaitnya, termasuk waktu pengiriman transformator dan komponen jaringan listrik penting lainnya, yang sekarang dapat berlangsung selama beberapa tahun.

Berkaitan dengan ini:

• Ketika kelaparan digital mematikan lampu: Bagaimana pusat data mendorong pasokan energi Virginia ke ambang kehancuran

• Terlambat 16 tahun: Masalah tembaga yang mengkhawatirkan dalam kecerdasan buatan

Misteri yang menyelimuti penggunaan kapasitas yang sebenarnya

Salah satu dimensi yang sering diabaikan dalam perdebatan ini menyangkut pemanfaatan aktual kapasitas yang dibangun relatif terhadap beban terhubung nominal. Angka gigawatt yang beredar dalam laporan publik umumnya menggambarkan kapasitas terpasang maksimum suatu lokasi, tetapi tidak banyak menjelaskan berapa banyak dari kapasitas ini yang sebenarnya digunakan untuk pelatihan atau inferensi yang produktif dan berapa banyak yang tetap tidak terpakai sebagai cadangan atau karena hambatan teknis. Perbedaan ini signifikan secara ekonomi karena secara langsung memengaruhi pengembalian investasi aktual untuk proyek-proyek bernilai miliaran dolar ini. Pusat data yang secara formal memiliki beban terhubung satu gigawatt tetapi hanya dimanfaatkan 60 atau 70 persen karena masalah pendinginan, optimasi perangkat lunak, atau hanya kurangnya permintaan, secara alami akan menghasilkan pengembalian yang jauh lebih rendah daripada yang disarankan dalam presentasi investor. Data yang andal dan terverifikasi secara independen tentang pemanfaatan aktual dari masing-masing lokasi praktis tidak ada, karena operator tidak mengungkapkan informasi ini karena alasan persaingan. Kurangnya transparansi ini tidak hanya menyulitkan penilaian eksternal terhadap keputusan investasi, tetapi juga memicu meningkatnya skeptisisme dari beberapa pengamat pasar yang melihat tanda-tanda reaksi spekulatif berlebihan dalam arus modal saat ini, yang sebanding dengan fase-fase sebelumnya dari investasi infrastruktur yang berlebihan di industri telekomunikasi pada awal tahun 2000-an.

Anthropic sebagai contoh utama dari pendekatan aset ringan

Kasus Anthropic sangat penting untuk memahami logika ekonomi sektor ini, karena model bisnisnya sengaja mengandalkan kepemilikan fisik minimal dan fleksibilitas kontraktual maksimal. Pada Agustus 2026, perusahaan tersebut menandatangani kontrak dengan penyedia neocloud Inggris, Nscale, untuk kapasitas 460 megawatt di West Virginia, yang total nilainya, menurut laporan Bloomberg, diperkirakan mencapai sekitar US$45 miliar selama enam tahun. Pada saat yang sama, Anthropic mempertahankan perjanjian kapasitas paralel dengan Amazon, yang chip Trainium yang dikembangkan sendiri semakin banyak digunakan sebagai alternatif perangkat keras Nvidia; dengan Google, yang komitmen TPU-nya juga berada dalam kisaran gigawatt; dan dengan penyedia khusus lainnya seperti Fluidstack dan bahkan dengan pesaingnya sendiri, xAI, yang fasilitas Colossus-nya menyewakan kapasitas kepada banyak pelanggan secara bersamaan. Strategi ini memungkinkan Anthropic untuk membiayai pertumbuhannya tanpa investasi awal yang sangat besar seperti yang harus dikelola oleh perusahaan seperti Meta atau OpenAI, tetapi pada saat yang sama mengalihkan risiko yang signifikan kepada pemilik tempat penyimpanan dan membuat perusahaan secara struktural bergantung pada kekuatan negosiasi dan keputusan kapasitas pihak ketiga. Dari perspektif ekonomi, pendekatan ini merupakan pertaruhan bahwa biaya sewa kapasitas komputasi tidak akan meningkat lebih cepat daripada pendapatan perusahaan sendiri dalam jangka panjang—suatu asumsi yang sama sekali tidak pasti mengingat kekurangan chip berkinerja tinggi dan kapasitas daya saat ini.

Gambaran umum ukuran pusat data AI terpenting

Meskipun, seperti yang dijelaskan di atas, tidak ada angka pasti dan diterima secara universal untuk jumlah pusat data AI per penyedia model yang dapat ditentukan, perkiraan yang andal untuk kinerja, volume investasi, dan inventaris chip kini tersedia untuk klaster terbesar. Hal ini didokumentasikan oleh pelacak khusus seperti Epoch AI dan AI Data Center Index, serta oleh data perusahaan dan dokumen peraturan. Gambaran umum berikut merangkum urutan besaran lokasi terpenting, selalu membedakan antara kapasitas operasional saat ini dan kapasitas akhir yang diproyeksikan.

Operator / Model	Pabrik pusat	Kinerja saat ini	Kapasitas akhir yang direncanakan	Jumlah chip (kira-kira)	Volume investasi
Google / Gemini, Gemma	44 lokasi yang dilacak di 26 negara	Total kapasitas yang dipantau sekitar 9,0 GW, di mana sekitar 75 persennya beroperasi	Proyek ini terus berkembang; belum ada tanggal akhir yang pasti	Didominasi oleh TPU, termasuk sekitar 1 juta TPU Ironwood untuk kesepakatan Anthropic saja	Investasi individual per lokasi biasanya berkisar antara 12 hingga 17 miliar dolar AS, misalnya, Google New Albany sekitar 17,2 miliar dolar AS
xAI / Grok	Colossus 1-3, Memphis dan Southaven	Kapasitas TI sekitar 1,0 hingga 1,4 GW, angka pastinya bervariasi tergantung sumbernya	Target sekitar 2 GW	Antara 555.000 dan sekitar 1,02 juta GPU tergantung pada tanggal penghitungan, sebagian besar adalah Nvidia GB200/GB300	Diperkirakan 18 hingga 38 miliar dolar AS hanya untuk perangkat keras; total biaya modal menurut Epoch saat ini berada di angka 35,8 miliar dolar AS, dan diproyeksikan mencapai 58 miliar dolar AS
Keluarga OpenAI/GPT (Stargate)	Abilene (Texas) dan tujuh hingga delapan lokasi AS lainnya ditambah UEA	Sekitar 1,2 GW beroperasi di lokasi utama Abilene, dengan total sekitar 7 GW dalam tahap perencanaan atau pembangunan	Target kapasitas nominal 10 GW dari program awal, secara realistis lebih mendekati 7 GW pada akhir tahun 2020-an	Jumlah total chip tidak tersedia untuk umum; setiap lokasi memiliki ratusan ribu chip setara H100	Komitmen nominal sebesar $500 miliar selama empat tahun, ditambah kontrak Oracle Cloud senilai $300 miliar, sehingga total komitmen nominal mencapai lebih dari $1,4 triliun
Meta / Llama	Hyperion (Louisiana), Prometheus (Ohio)	Hyperion saat ini masih dalam tahap pembangunan, belum ada fase yang beroperasi penuh, Prometheus direncanakan akan online pada tahun 2026	Kapasitas 5 GW untuk Hyperion pada sekitar tahun 2030/2032, dengan langkah perantara 1,5 GW pada akhir tahun 2027	Memproyeksikan sekitar 4,25 juta unit setara H100 untuk Hyperion pada tahun 2028, dengan lebih dari 1,3 juta GPU dalam citra target	Biaya untuk Hyperion meningkat dari perkiraan awal $10 miliar menjadi lebih dari $50 miliar, dengan perkiraan lain mencapai hingga $200 miliar termasuk infrastruktur energi
Antropik / Claude	Tidak memiliki kampus sendiri, kapasitas berada di Google (TPU), Amazon, Nscale, xAI, dll.	Sekitar 1 GW kapasitas TPU telah dipesan untuk tahun 2026, dengan rencana ekspansi menjadi 3,5 hingga 5 GW mulai tahun 2027 dan seterusnya	Kapasitas TPU hingga 5 GW sesuai kesepakatan Google mulai April 2026	hingga 1 juta TPU (kesepakatan Google)	Investasi Google di Anthropic mencapai 40 miliar dolar AS, dengan kontrak tambahan dari Nscale senilai sekitar 45 miliar dolar AS selama enam tahun untuk kapasitas 460 MW
Microsoft / Phi (sebagai tulang punggung Azure)	Fairwater Wisconsin, Fairwater Atlanta, lokasi Azure lainnya	Fairwater Wisconsin telah beroperasi sejak Juni 2026, dengan kapasitas sekitar 446.000 setara H100 menurut Epoch	terus berkembang seiring dengan perluasan Azure secara keseluruhan	beberapa ratus ribu GPU per lokasi	Belanja modal seluruh grup diperkirakan mencapai 175 hingga 190 miliar dolar AS untuk tahun 2026 saja
Z.ai (keluarga GLM)	Kampus berkapasitas gigawatt, lokasinya tidak diketahui publik	Kapasitas sekitar 1 GW, sebagian beroperasi sejak Juli 2026, terdiri dari beberapa klaster dengan lebih dari 10.000 chip di setiap klaster	tidak ada tahap ekspansi yang dipublikasikan	Hanya menggunakan akselerator buatan China (Huawei Ascend, Cambricon, Moore Threads), tanpa perangkat keras Nvidia, karena Z.ai telah masuk dalam daftar entitas AS sejak awal tahun 2025	Tidak ada jumlah investasi resmi; harga API yang menguntungkan secara tidak langsung (GLM 4.7 Flash sekitar US$0,06 per juta token input) berfungsi sebagai indikator efisiensi
DeepSeek	kampus yang direncanakan di Ulanqab, Mongolia Dalam	Masih dalam tahap pembangunan, pengoperasian sebagian diperkirakan baru akan dimulai pada akhir tahun 2027 atau awal tahun 2028	Target kapasitas 1 GW	Komposisi chip belum ditentukan, tuduhan kontroversial AS tentang penggunaan ilegal chip Nvidia Blackwell dibantah oleh DeepSeek	Tidak ada angka pasti, tetapi menurut CEO Nvidia, perkiraan kasar di industri ini adalah sekitar 50 miliar dolar AS per gigawatt untuk perangkat keras kelas atas
Alibaba / Qwen (termasuk Kimi sebagai pengguna bersama)	Super DC Ulanqab dengan supernode Lingjun Zhenwu M890	Tersedia secara komersial sejak Agustus 2026, merupakan bagian dari lima pusat data super Alibaba di seluruh negeri	Arsitektur HPN 8.0 secara teoritis dapat diskalakan hingga 130.000 GPU heterogen per klaster, dengan perluasan mesh hingga level jutaan kartu telah diumumkan	Interkoneksi yang dapat diskalakan dari 16 hingga 64 GPU per node, bandwidth 800 GB/s, cocok untuk model dengan hingga 10 triliun parameter	Ini merupakan bagian dari komitmen investasi perusahaan sebesar $53 miliar untuk infrastruktur cloud; angka spesifik untuk setiap kampus tidak dirilis
Moonshot AI / Kimi	Tidak memiliki pembangkit listrik skala besar sendiri yang diketahui; kapasitas sewa tersedia di Alibaba Cloud	sekitar 20.000 GPU Nvidia yang disewa	tidak ada rencana ekspansi yang dipublikasikan	Rekomendasi untuk pengoperasian mandiri Kimi K3: setidaknya 64 akselerator dan sekitar 1,6 terabyte memori GPU gabungan per klaster inferensi	Jumlah investasi tidak diketahui; harga API jauh lebih tinggi daripada harga pesaing (kode Kimi K2.7 berharga sekitar US$0,74 per juta token input)

Perlu kehati-hatian dalam menafsirkan angka-angka ini, karena hampir setiap spesifikasi mengenai kinerja atau kapasitas diukur secara berbeda oleh berbagai sumber. Contoh Colossus secara jelas menggambarkan hal ini, di mana laporan bervariasi antara 300.000 dan lebih dari satu juta prosesor grafis, dan antara 500 megawatt dan 1,4 gigawatt, tergantung pada waktu dan metode penghitungan. Epoch AI, salah satu pelacak yang paling transparan secara metodologis, menghasilkan total kapasitas TI sekitar 13,3 gigawatt dan sekitar 14,6 juta setara H100 untuk seluruh datasetnya yang terdiri dari 86 pusat data AI di seluruh dunia, yang didistribusikan di antara 18 pemilik yang berbeda. Sebagai aturan umum untuk intensitas modal, Epoch AI menghitung investasi tipikal sekitar 30 hingga 44 miliar dolar AS per gigawatt kapasitas server, yang sebagian besar untuk perangkat keras aktual, dengan sisanya mencakup bangunan, pendinginan, dan konektivitas jaringan. Gambar ini menggambarkan mengapa satu lokasi berkapasitas gigawatt saja sudah mencapai volume investasi yang melebihi total aset neraca kelompok industri menengah, dan mengapa persaingan untuk kapasitas komputasi semakin terkonsentrasi pada beberapa pemain yang kuat secara finansial dan memiliki akses yang diperlukan ke modal.

Regulasi sebagai front kedua persaingan

Bersamaan dengan infrastruktur fisik, regulasi semakin menjadi faktor kompetitif independen, yang secara signifikan memengaruhi keputusan strategis para penyedia. Di Amerika Serikat, OpenAI awalnya merilis model GPT-5.6 dalam varian Sol, Terra, dan Luna sebagai versi pra-rilis yang sangat terbatas pada Juni 2026, setelah berkonsultasi dengan pemerintah AS—sebuah langkah yang belum pernah terjadi sebelumnya yang menunjukkan hubungan yang semakin erat antara laboratorium AI terkemuka Amerika dan para pemimpin politik. Keterlibatan pemerintah dalam keputusan persetujuan untuk produk AI komersial ini menandai perubahan yang jelas dari praktik sebelumnya berupa rilis model yang relatif terbuka dan dapat diinterpretasikan sebagai respons terhadap kekhawatiran keamanan terkait kemampuan sistem yang semakin canggih. Di Uni Eropa, apa yang disebut Paket Omnibus AI mulai berlaku pada Juli 2026. Meskipun menunda tenggat waktu kepatuhan terhadap peraturan yang lebih ketat untuk sistem AI berisiko tinggi, paket ini tidak mengubah arsitektur peraturan dasar hukum AI. Penundaan ini sebagian besar disambut baik oleh industri, karena memberikan waktu tambahan untuk adaptasi, tetapi dikritik oleh organisasi perlindungan konsumen karena semakin menunda penegakan peraturan keselamatan penting. Selain itu, pada Agustus 2026, pemerintah AS mengeluarkan perintah eksekutif mengenai peralatan jaringan listrik asing, yang konsekuensi praktisnya adalah waktu pengiriman transformator dan komponen jaringan listrik penting lainnya yang sudah lama akan semakin meningkat, yang pada gilirannya kemungkinan akan memperlambat perluasan kapasitas pusat data baru di Amerika Serikat.

Keterbatasan informasi yang tersedia untuk umum

Terlepas dari detail pelaporan yang cermat, perlu dicatat bahwa sebagian besar angka yang beredar di publik tentang pusat data AI pada akhirnya bergantung pada sumber anonim, pengumuman terkait perusahaan, atau pelacak dengan metodologi yang beragam yang komposisinya tidak dapat dibandingkan dengan mudah. ​​Jumlah pasti bangunan di lokasi Colossus milik xAI, jumlah pasti prosesor grafis di sana, dan apakah fasilitas tersebut benar-benar telah mencapai dua gigawatt atau jauh lebih banyak, semuanya dikuantifikasi secara berbeda tergantung pada sumbernya, tanpa kemungkinan verifikasi independen. Hal yang sama berlaku untuk lokasi pasti kampus gigawatt Z.ai di Tiongkok, yang keberadaannya telah dilaporkan oleh beberapa media, tetapi lokasi geografisnya belum dikonfirmasi secara publik. Demikian pula, infrastruktur pelatihan dari penyedia yang lebih kecil, tetapi relevan secara komersial seperti MiniMax dari Shanghai, yang angka keuangannya menunjukkan pertumbuhan pendapatan yang kuat disertai dengan kerugian dan pengeluaran penelitian yang tinggi, tetap berada di luar penilaian publik yang dapat diandalkan karena perusahaan tersebut tidak mengungkapkan sumber daya pusat datanya. Kurangnya transparansi secara sistematis ini bukanlah suatu kebetulan, melainkan mengikuti logika persaingan dalam industri di mana infrastruktur fisik itu sendiri telah menjadi rahasia strategis, yang sebanding dengan kerahasiaan seputar kapasitas produksi industri di industri teknologi tinggi lainnya.

Apa arti perkembangan ini untuk tahun-tahun mendatang?

Tinjauan komprehensif terhadap informasi yang tersedia menunjukkan penilaian yang bernuansa namun jelas dapat dibenarkan. Ledakan pembangunan pusat data AI saat ini tidak diragukan lagi merupakan salah satu gelombang investasi industri terbesar dalam sejarah ekonomi baru-baru ini, skalanya telah melampaui, secara absolut, investasi dalam siklus teknologi sebelumnya seperti perluasan jaringan serat optik pada akhir tahun 1990-an atau elektrifikasi seluruh wilayah pada awal abad ke-20. Pada saat yang sama, pemeriksaan lebih dekat mengungkapkan bahwa sebagian besar angka kapasitas yang dikomunikasikan kepada publik lebih merupakan pengumuman daripada kenyataan yang dapat diandalkan, bahwa pemanfaatan aktual fasilitas yang dibangun tetap tersembunyi, dan bahwa faktor pembatas sebenarnya semakin bukan lagi ketersediaan semikonduktor, melainkan ketersediaan energi listrik dan kapasitas koneksi jaringan. Bagi Eropa, perkembangan ini menimbulkan tantangan struktural, karena benua tersebut kekurangan sumber daya modal dari perusahaan hyperscaler Amerika dan kekuatan investasi yang diarahkan negara dari penyedia Tiongkok, sementara secara bersamaan menerima kerugian kompetitif tambahan karena peraturan lingkungan dan energi yang lebih ketat. Apakah investasi besar-besaran di tahun-tahun mendatang dapat dibenarkan oleh pengembalian ekonomi yang sepadan dari aplikasi AI masih menjadi pertanyaan terbuka, yang jawabannya akan sangat bergantung pada apakah infrastruktur yang dibangun benar-benar digunakan secara produktif atau apakah sebagian darinya terbukti sebagai kapasitas berlebih, yang penyusutan ekonominya kemungkinan akan membebani perusahaan-perusahaan yang terlibat selama bertahun-tahun mendatang.

Dalam bisnis B2B industri, hubungan bisnis yang berkelanjutan jarang muncul dalam semalam. Hubungan tersebut berkembang selangkah demi selangkah – melalui visibilitas, relevansi profesional, titik kontak yang berulang, dan kepercayaan yang tumbuh. Model 4 tahap Xpert.Digital menjawab hal ini secara tepat: Model ini menawarkan jalur terstruktur yang dimulai dengan titik masuk yang mudah dikelola dan dapat berkembang menjadi kolaborasi yang lebih dalam dalam pengembangan bisnis jika diperlukan.

Alih-alih mengandalkan janji pemasaran yang bombastis, model ini menempatkan hubungan sebagai prioritas utama. Perusahaan memulai dengan ukuran yang jelas dan mudah dihitung, kemudian memutuskan, berdasarkan pengalaman mereka sendiri, sejauh mana mereka ingin memperluas kolaborasi. Faktor kunci untuk proses membangun kepercayaan yang tidak terganggu ini: Platform sepenuhnya menghindari iklan yang mengganggu, sehingga fokus editorial tetap semata-mata pada keahlian perusahaan.

Informasi selengkapnya di sini:

• Dari visibilitas hingga kepercayaan: Jalur skalabel Anda dengan Xpert.Digital

☑️ Bahasa bisnis kami adalah bahasa Inggris atau Jerman

☑️ BARU: Korespondensi dalam bahasa ibu Anda!

 

Saya dan tim saya dengan senang hati siap membantu Anda sebagai penasihat pribadi Anda.

Anda dapat menghubungi saya dengan mengisi formulir kontak di sini wolfenstein@xpert.digital:atau cukup hubungi saya di +49 7348 4088 965. Alamat email saya adalah

Saya sangat menantikan proyek bersama kita.

 

 

☑️ Dukungan UKM dalam strategi, konsultasi, perencanaan, dan implementasi

☑️ Pembuatan atau penyesuaian kembali strategi digital dan digitalisasi

☑️ Perluasan dan optimalisasi proses penjualan internasional

☑️ Platform perdagangan B2B global & digital

☑️ Pelopor Pengembangan Bisnis / Pemasaran / Humas / Pameran Dagang