Barclays membedah pola keuntungan AI: Dari setiap pendapatan 100 dolar yang diperoleh perusahaan model, 35-40 dolar mengalir ke perusahaan cloud, menghasilkan laba operasional sebesar 10-20 dolar bagi mereka.

Penulis | Kozmon

      Editor | Hard AI

Untuk setiap $100 yang dihasilkan perusahaan model AI, sekitar $35-40 dialirkan ke tiga penyedia cloud utama AWS, Azure, GCP dalam bentuk biaya komputasi inferensi. Pihak cloud meraup $10-20 laba operasional dari pendapatan ini, setara margin operasional 35%-45%.

Ini merupakan temuan inti dari laporan analisis ekonomi satuan industri AI yang dirilis oleh Barclays pada 28 Agustus.

Pada saat yang sama, margin keuntungan inferensi berbayar laboratorium AI telah melonjak dari belasan persen pada 2025 menjadi 50%-65% lebih pada 2026, dengan margin kotor yang disesuaikan naik 30-50 poin persentase dibanding tahun sebelumnya. Faktor pendorong utamanya adalah klien enterprise dan alur kerja agentic yang menjadi produk "wajib beli" di pasar.

Analis Barclays Ross Sandler menilai margin keuntungan aktual saat ini mungkin lebih tinggi dari estimasi laporan, namun seiring meningkatnya persaingan dan pasokan compute, margin ini diperkirakan akan perlahan turun.

Satu industri, dua wajah keuangan

Barclays membangun dua model laboratorium frontier imajiner untuk mengurai perbedaan laba. "Lab A" sekitar 70% pendapatannya dari API, 30% dari langganan; "Lab B" justru sebaliknya, 80% dari langganan, hanya 20% dari API.

API secara alami memiliki margin keuntungan inferensi yang lebih tinggi dibandingkan langganan. Ditambah perbedaan pembebanan biaya pelatihan dan bagi hasil dengan partner, margin kotor yang disesuaikan antara keduanya berbeda hingga 17 poin persentase—lab A sekitar 55%, sedangkan lab B sekitar 38%.

Cara pengakuan pendapatan memperbesar "distorsi" ini. Lab A mengakui pendapatan API tidak langsung secara bruto, sementara Lab B menggunakan metode neto, bahkan tidak mengakui sama sekali pendapatan API tidak langsung yang dioperasikan partner strategis. Barclays membandingkannya dengan UBER dan LYFT: satu bisnis inti yang disajikan dengan angka laporan yang berbeda akibat perbedaan pelaporan keuangan. Setelah laboratorium AI mulai mengungkapkan laporan GAAP, investor perlu mengurai perbedaan pelaporan ini untuk membandingkan antar perusahaan.

Pembengkakan margin keuntungan inferensi

Untuk tiap lini produk—

Produk langganan (seperti Claude Code, Codex) diperkirakan bermargin keuntungan inferensi sekitar 70%, justru yang terendah di antara tiga lini produk. Alasannya laboratorium AI bersedia mensubsidi biaya token demi menjaga pengguna. Langganan biasanya berbasis biaya bulanan dengan batasan volume, belakangan frekuensi reset batasan ini makin tinggi, mengindikasikan tekanan retensi dan peningkatan efisiensi model.

API langsung adalah model bisnis pertama laboratorium AI sekaligus yang paling menguntungkan. Developer seperti Cursor, Figma membayar sesuai jumlah token yang dikonsumsi. Barclays memperkirakan margin keuntungan inferensi API kini telah melampaui 80%. Peningkatan efisiensi token model (mengurangi jumlah token untuk menyelesaikan tugas yang sama), kenaikan harga nominal API, dan optimalisasi layanan inferensi di tingkat infrastruktur—seperti teknologi kuantisasi, spesulator, generasi baru daya komputasi—semua membantu memperluas margin laba. Barclays menyatakan margin keuntungan inferensi API pada Q2 2026 jauh di atas yang digambarkan grafik laporan, tetapi diharapkan turun di titik tertentu di masa depan.

API tidak langsung menawarkan pengalaman akhir yang sama dengan API langsung, hanya saja hubungan penagihan ada antara pengguna dan pihak cloud. Saat porsi API tidak langsung di pendapatan meningkat, perbedaan pengakuan pendapatan antar laboratorium akan makin memperlebar ketidakbandingan laporan keuangan.

Berapa banyak yang didapat cloud provider?

Untuk setiap $100 pemasukan laboratorium AI, Lab A setara kontribusi $35 bagi penyedia cloud, dan setelah dikurangi biaya infrastruktur, menghasilkan $11,8 laba dengan margin operasional 34%. Lab B, karena ada bagi hasil dengan partner strategis (20% dari pendapatan, dengan batas kumulatif), cloud menerima lebih banyak—$41 pendapatan, $19,1 laba, margin operasional 47%.

Barclays menegaskan, bagi hasil hanya menaikkan margin profitabilitas cloud secara tampilan, setelah dikurangi bagi hasil, margin laba per token sebenarnya setara. Bagi hasil ini diperkirakan akan menjadi nol setelah 2028.

Produk langganan agentic menciptakan nilai tambah bagi cloud. Produk runtime berstatus seperti ini lazimnya membutuhkan pemanggilan resource software seperti database, sehingga pendapatan per unit lebih bernilai, dan dalam beberapa skenario juga ada skema bagi hasil antara cloud dan laboratorium AI.

Dari dominasi pelatihan menuju dominasi inferensi

Barclays memperkirakan total pendapatan laboratorium AI akan naik dari $7 miliar pada 2024 menjadi $137 miliar pada 2026, dan mencapai $690 miliar pada 2028. Jika memakai basis ARR di akhir tahun, angkanya lebih agresif: sekitar $200 miliar pada akhir 2026, dan sekitar $782 miliar pada akhir 2028.

Saat ini, belanja pelatihan masih menyumbang sekitar 48% dari pemasukan laboratorium AI, artinya hampir setiap satu dolar pemasukan laboratorium setara satu dolar pemasukan bagi penyedia cloud. Tapi proporsi biaya pelatihan menurun drastis—dari 96% pada 2024, diproyeksikan 35% pada 2027, dan 30% pada 2028. Seiring margin keuntungan inferensi makin melampaui biaya pelatihan, profitabilitas laboratorium AI akan terus membaik.

Porsi pendapatan AI bagi cloud dibanding laboratorium AI pun menurun: dari 153% pada 2024 turun ke 90% pada 2026, dan diproyeksikan 73% pada 2028. Barclays memperkirakan AWS, Azure dan GCP masih akan mempertahankan pangsa pengeluaran compute laboratorium AI selama dua tahun ke depan, tetapi mulai 2028 proyek infrastruktur AI yang terjamin akan beroperasi dan menjadi pilihan utama laboratorium AI—sehingga tiga raksasa cloud itu bisa kehilangan pangsa di bidang pelatihan dan inferensi secara bertahap.