Model kecil "mengambil alih" permintaan daya komputasi cloud, belanja modal pusat data triliunan dolar menghadapi ujian

Aplikasi AI terus berkembang, namun investasi pusat data skala besar yang menopang gelombang panas ini sedang menghadapi tantangan baru dari sisi permintaan.

Laporan Jefferies menunjukkan, dengan meningkatnya kinerja model bahasa kecil dan menurunnya biaya, penerapan AI perusahaan mungkin akan beralih dari cloud terpusat ke lokal. Hal ini memberikan tekanan pada permintaan komputasi awan dan belanja modal pusat data yang sangat besar.

Salah satu dasar penting dari kesimpulan ini adalah pengamatan terkini terhadap penggunaan server AI secara aktual. Pada September 2026, Swerve Research Technologies membangun "Indeks Kemacetan" dengan melacak waktu tunggu antrian permintaan server Anthropic, dan menemukan bahwa tingkat pemanfaatan server terkait turun 26% dibandingkan puncaknya pada Januari hingga Februari 2026. Indikator ini tidak secara langsung berkaitan dengan pendapatan perusahaan, tetapi jika tingkat pemanfaatan terus menurun, mungkin ini menandakan sebagian pasokan komputasi mulai menganggur.

Di saat yang sama, investasi infrastruktur AI masih tumbuh pesat. Saat ini pasar memperkirakan belanja modal gabungan Meta, Alphabet, Amazon, dan Microsoft Amerika Serikat pada 2027 mungkin mencapai 990 miliar dolar. Laporan tersebut menyatakan, jika pertumbuhan permintaan komputasi AI akhirnya tidak dapat mengimbangi skala investasi yang sangat besar ini, sebagian pusat data mungkin menghadapi risiko pengembalian yang tidak memadai atau bahkan menjadi "aset terbengkalai".

Tingkat Pemanfaatan Server Menurun, Pasokan Komputasi AI Diuji

Produk AI personal Meta, Muse, diluncurkan pada 8 September dan mendorong harga saham Meta naik 21% dalam beberapa minggu, menjadi sorotan aplikasi AI konsumsi saat ini. Namun, laporan tersebut menyatakan bahwa keberhasilan satu aplikasi saja tidak cukup untuk membuktikan siklus investasi infrastruktur AI keseluruhan dapat berlanjut.

Yang lebih perlu diperhatikan, perusahaan AI itu sendiri juga menunjukkan beberapa sinyal yang berbeda dari ekspektasi pasar yang optimis. CEO Anthropic, CEO OpenAI Sam Altman, serta Elon Musk baru-baru ini juga secara terbuka membahas perlunya memperlambat pengembangan AI; rencana IPO Anthropic pun ditunda hingga November.

Di saat bersamaan, Anthropic sebelumnya telah menandatangani kontrak komputasi dengan SpaceX senilai USD 45 miliar selama tiga tahun, serta kerja sama komputasi bernilai miliaran dolar dengan Amazon dan Google Cloud. Jika laju pertumbuhan pendapatan AI melambat, sementara kontrak komputasi berskala besar yang telah disepakati masih harus terus direalisasikan, tekanan biaya perusahaan mungkin semakin meningkat.

Menurut laporan, Meta juga telah bernegosiasi dengan Anthropic pada bulan Juli, berencana menyewakan kapasitas komputasi pusat data senilai hingga USD 10 miliar dalam dua tahun. Laporan tersebut menyatakan bahwa perusahaan teknologi besar mulai aktif mencari klien eksternal untuk menyerap kapasitas komputasi, yang juga mencerminkan bahwa seiring ekspansi cepat pasokan infrastruktur, bagaimana meningkatkan tingkat pemanfaatan aset telah menjadi masalah baru.

Performa Model Kecil Meningkat, Penerapan Lokal Bisa Alihkan Permintaan Cloud

Dibanding perubahan jangka pendek dalam tingkat pemanfaatan server, laporan lebih menyoroti perubahan yang sedang terjadi pada arsitektur model AI.

Studi bersama Stanford University dan Together AI berjudul "Intelligence per Watt" menunjukkan bahwa kinerja model bahasa kecil berkembang pesat mendekati model bahasa besar, sementara konsumsi energi dan biaya komputasi 50% hingga 85% lebih rendah. Jika tren ini berlanjut, skala komputasi dan struktur biaya penerapan AI di perusahaan mungkin akan berubah secara signifikan.

Sebelumnya, perusahaan lebih mengandalkan model besar terpusat di cloud untuk menyelesaikan tugas-tugas AI; seiring peningkatan kemampuan model kecil, beberapa skenario mungkin mulai berpindah ke penerapan lokal. Untuk industri seperti perbankan yang memiliki persyaratan keamanan data tinggi, penerapan lokal sudah menjadi kebutuhan yang kuat; ketika model kecil makin mengurangi biaya implementasi, cakupan penerapannya mungkin juga terus berkembang.

Hal ini berarti, pertumbuhan aplikasi AI tidak harus diikuti pertumbuhan permintaan komputasi cloud dalam proporsi yang sama. Perusahaan bisa memperluas aplikasi AI sambil mengurangi ketergantungan pada API model besar dan komputasi cloud terpusat.

Inilah sebabnya laporan meragukan belanja modal hampir satu triliun dolar: jika di masa depan lebih banyak aplikasi AI dijalankan oleh model lokal berbiaya rendah dan berskala kecil, skala investasi yang sekarang terkonsentrasi pada pusat data skala besar kemungkinan tidak sesuai dengan permintaan komputasi secara nyata.

Dalam skenario ini, yang benar-benar perlu dievaluasi ulang bukan apakah permintaan AI ada atau tidak, melainkan seberapa banyak komputasi terpusat yang dibutuhkan oleh permintaan AI, dan apakah pusat data ini bisa mendapatkan pengembalian yang sepadan dengan skala investasi mereka.