Kalau kita jeli melihat lonjakan belanja artificial intelligence (AI) oleh raksasa teknologi hingga US$448 miliar pada 2025 seperti diungkapkan Visual Capitalist, sebenarnya tren lonjakan itu menandai adanya perubahan mendasar yang kasat mata dalam industri dimana perkembangan AI tidak lagi ditentukan oleh inovasi algoritma, melainkan oleh kekuatan modal dan infrastruktur. Di saat biaya komputasi menyerap hingga 70% pengeluaran, industri chip memori justru menjadi pihak yang paling diuntungkan, memperlihatkan bagaimana AI semakin terkonsentrasi pada segelintir pemain dengan kapasitas finansial besar.
Fokus:
■ Belanja AI melonjak dari US$162 miliar ke US$448 miliar, menandai pergeseran dari eksperimen ke kebutuhan inti bisnis berbasis infrastruktur.
■ Biaya komputasi menyerap 57%–70%, menunjukkan AI semakin bergantung pada modal besar, bukan sekadar talenta atau inovasi.
■ Lonjakan permintaan AI mengerek valuasi produsen chip memori, memperkuat ketergantungan industri pada rantai pasok terbatas.
Oleh Deddy H. Pakpahan *)
Lonjakan belanja AI oleh raksasa teknologi global dalam tiga tahun terakhir sering diartikan sebagai bukti percepatan inovasi. Namun angka US$448 miliar yang digelontorkan pada 2025 justru membuka realitas yang lebih dalam—dan sorry to say, hal itu tidak selalu nyaman.
AI hari ini semakin menjauh dari narasi awalnya sebagai teknologi berbasis kecerdasan. Ia bergerak menuju sesuatu yang lebih material: infrastruktur, energi, dan modal.
Lima perusahaan besar—Microsoft, Amazon, Alphabet, Meta, dan Oracle—secara kolektif meningkatkan belanja modal hampir tiga kali lipat sejak 2022. Kenaikan ini bukan sekadar ekspansi bisnis, melainkan refleksi perubahan paradigma, AI kini menjadi biaya wajib untuk bertahan dalam kompetisi.
Perubahan arah ini sebenarnya mulai terlihat jelas sejak pertengahan 2023. Pada fase awal, kemajuan AI didorong oleh terobosan algoritma dan pendekatan baru dalam machine learning. Kini, fokus bergeser ke skala—berapa banyak data center yang dibangun, seberapa besar kapasitas komputasi, dan seberapa cepat model bisa dilatih.
Dengan pertumbuhan belanja rata-rata 72% per tahun, industri ini semakin menyerupai perlombaan infrastruktur, bukan perlombaan ide.
Infrastruktur Mengalahkan Talenta
Salah satu ironi terbesar dalam ekonomi AI saat ini adalah peran talenta yang mulai terpinggirkan. Di tengah narasi perebutan insinyur AI dengan gaji tinggi, data justru menunjukkan bahwa biaya terbesar bukan pada manusia, melainkan mesin.
Analisis terhadap perusahaan seperti Anthropic menunjukkan bahwa komputasi—baik untuk training maupun inference—menyerap hingga 70% dari total pengeluaran. Dari total sekitar US$9,7 miliar yang dibelanjakan pada 2025, sekitar US$6,8 miliar digunakan hanya untuk komputasi.
Artinya, dalam ekonomi AI modern, chip dan server lebih menentukan daripada insinyur.
Hal ini tentu membawa Implikasi yang tidak sederhana. Jika sebelumnya keunggulan teknologi dapat dibangun dari kreativitas dan keahlian, kini ia semakin ditentukan oleh kemampuan finansial. Inovasi tetap penting, tetapi tidak lagi cukup.
Konsekuensi langsung dari pergeseran ini adalah meningkatnya hambatan masuk (entey barrier). Startup atau pemain baru menghadapi tantangan bukan karena kekurangan ide, melainkan keterbatasan akses terhadap infrastruktur mahal.
AI menjadi semakin eksklusif.
Dalam kondisi seperti ini, kompetisi cenderung mengerucut. Infrastruktur berskala besar hanya bisa dibangun oleh perusahaan dengan neraca keuangan kuat. Dalam jangka panjang, hal ini berpotensi mendorong industri menuju struktur oligopolistik—dikendalikan oleh segelintir pemain yang menguasai data, komputasi, dan distribusi.
Siapa yang Sebenarnya Diuntungkan?
Lalu kalau sudah seperti ini, pertanyaannya siapa sebenarnya pihak yang diuntungkan?
Jika melihat lebih jauh ke hulu, ada pihak lain yang menikmati dampak paling nyata dari ledakan AI: industri semikonduktor, khususnya produsen chip memori. Perusahaan seperti Samsung Electronics, SK Hynix, dan Micron Technology mencatat lonjakan valuasi signifikan. Permintaan server AI mendorong kebutuhan memori berperforma tinggi, terutama DRAM dan NAND.
Beberapa perusahaan bahkan mengalami lonjakan harga saham ekstrem—di atas 500% dalam periode tertentu. Hingga April 2026, tren kenaikan masih berlanjut, mencerminkan betapa strategisnya posisi mereka dalam rantai pasok AI.
Fenomena ini memperlihatkan bahwa AI bukan hanya soal software atau model, tetapi juga tentang komponen fisik yang menopangnya. Tanpa chip memori, tidak ada AI dalam skala besar.
Dari kacamata bisnis, investasi besar ini dapat dipahami sebagai upaya meningkatkan efisiensi dan mempercepat inovasi. Namun dari perspektif yang lebih luas, muncul pertanyaan tentang ketergantungan baru.
Ketika AI semakin bergantung pada infrastruktur mahal, akses terhadap teknologi ini juga menjadi terbatas. Negara atau perusahaan dengan sumber daya terbatas berpotensi tertinggal, bukan karena kurang inovatif, tetapi karena tidak mampu membiayai komputasi. Ironis bukan?
Nah, pada titik ini, AI berisiko menjadi teknologi yang tidak lagi inklusif.
Menuju Ekonomi AI yang Lebih Tertutup
Perkembangan ini mengarah pada satu kesimpulan yang sulit diabaikan: AI semakin ditentukan oleh skala, bukan kecerdasan.
Jika tren ini berlanjut, masa depan industri tidak lagi ditentukan oleh siapa yang memiliki algoritma terbaik, melainkan siapa yang mampu membangun dan membiayai infrastruktur terbesar.
Pertanyaannya kemudian menjadi lebih mendasar. Apakah AI masih merupakan alat untuk memperluas akses teknologi, atau justru menjadi mekanisme baru konsentrasi kekuatan ekonomi?
Jawaban atas pertanyaan ini akan menentukan arah ekonomi digital global dalam satu atau dua dekade mendatang. ■
*) Deddy H. Pakpahan, senior editor digitalbank.id.
Digionary:
● AI Infrastructure: Infrastruktur teknologi seperti data center dan chip untuk menjalankan sistem AI.
● Capex: Pengeluaran perusahaan untuk investasi jangka panjang seperti fasilitas dan teknologi.
● Cloud Computing: Layanan komputasi berbasis internet untuk pemrosesan dan penyimpanan data.
● Data Center: Fasilitas fisik untuk menyimpan dan mengolah data dalam skala besar.
● DRAM: Memori jangka pendek untuk menjalankan aplikasi secara real-time.
● Hyperscaler: Perusahaan teknologi dengan infrastruktur cloud berskala global.
● Inference: Proses penggunaan model AI untuk menghasilkan output dari data baru.
● NAND: Memori penyimpanan data jangka panjang dalam perangkat digital.
● Oligopoli: Struktur pasar yang didominasi oleh sedikit perusahaan besar.
● Training AI: Proses melatih model AI menggunakan data dalam jumlah besar.
#AI #BigTech #ArtificialIntelligence #EkonomiDigital #DataCenter #CloudComputing #Semikonduktor #ChipAI #TeknologiGlobal #AIInfrastructure #Microsoft #Amazon #Google #Meta #Oracle #Samsung #Micron #SKHynix #TransformasiDigital #IndustriTeknologi
