Beban kerugian yang ditanggung perusahaan-perusahaan pengembang kecerdasan artifisial (AI) skala besar dilaporkan melonjak drastis dalam satu tahun terakhir. Akumulasi defisit sejumlah pemain utama di industri ini disebut menembus angka setara Rp1.000 triliun, atau lebih dari US$60 miliar, seiring ekspansi pusat data, pembelian cip, dan perlombaan model bahasa yang belum diimbangi pendapatan.
Angka tersebut bukan kerugian satu perusahaan tunggal, melainkan gabungan dari hasil operasi sejumlah laboratorium AI terkemuka dan unit bisnis AI di dalam grup teknologi raksasa. Kerugian itu muncul di tengah pertumbuhan pendapatan yang tetap kuat, namun belum mampu mengejar laju belanja yang jauh lebih cepat.
Defisit Melebar Meski Pendapatan Naik
Sejumlah laporan keuangan dan proyeksi internal yang beredar menunjukkan pola yang sama di hampir semua pemain besar: pendapatan naik pesat, tetapi biaya operasional tumbuh lebih cepat lagi. Selisih antara keduanya menghasilkan defisit tahunan yang kini berada pada level yang belum pernah terjadi sebelumnya di sektor teknologi.
Pengamat industri menilai lonjakan kerugian itu merupakan konsekuensi langsung dari model bisnis yang dipilih para pengembang AI. Untuk menjual layanan, mereka harus lebih dulu membangun kapasitas komputasi dalam skala masif, merekrut ribuan peneliti, dan membeli hak lisensi data dalam jumlah besar. Semua pengeluaran itu dibukukan lebih awal, sementara pendapatan baru mengalir bertahap.
“Kerugian ini sebagian besar adalah biaya di muka untuk kapasitas yang belum terpakai penuh,” kata seorang analis teknologi yang meninjau struktur biaya industri tersebut. Ia menambahkan bahwa fase investasi semacam ini lazim terjadi pada teknologi yang baru memasuki tahap komersialisasi awal.
Komputasi Jadi Sumber Pembengkakan Terbesar
Penyebab utama membengkaknya defisit adalah biaya komputasi. Melatih dan menjalankan model AI berskala besar membutuhkan ribuan unit pemroses grafis berperforma tinggi yang harganya sangat mahal dan konsumsi listriknya besar. Setiap kali model baru dirilis dengan jumlah parameter lebih besar, kebutuhan daya dan perangkat keras ikut meningkat secara proporsional.
Biaya energi menjadi komponen yang semakin menonjol. Pusat data AI menyerap daya listrik dalam jumlah yang setara dengan kebutuhan sebuah kota kecil, sehingga perusahaan harus mengeluarkan anggaran tambahan untuk kontrak pasokan listrik jangka panjang, pendinginan, dan pembangunan infrastruktur pendukung.
Selain itu, biaya penyusutan perangkat keras membebani laporan keuangan. Cip akselerator memiliki masa pakai ekonomis yang relatif singkat karena generasi berikutnya hadir dalam siklus satu hingga dua tahun. Nilai aset yang menurun cepat itu harus dihapuskan dalam periode yang lebih pendek dibandingkan infrastruktur teknologi konvensional.
Perlombaan Belanja Modal yang Tak Berujung
Tekanan kerugian tidak hanya dialami laboratorium AI murni, tetapi juga merambat ke grup teknologi yang membiayainya. Raksasa komputasi awan menggelontorkan belanja modal ratusan miliar dolar untuk membangun kluster pusat data baru, sebagian besar ditujukan bagi beban kerja AI. Belanja modal sebesar itu belum tentu menghasilkan pendapatan yang sepadan dalam jangka pendek.
Dalam beberapa laporan kuartalan, sejumlah perusahaan tercatat membukukan kerugian dari penyertaan saham pada pengembang AI yang mereka danai. Kerugian tersebut muncul sebagai konsekuensi metode akuntansi ekuitas, yang mewajibkan investor mencatat bagian kerugian mitra sesuai porsi kepemilikan.
Meski demikian, para pelaku industri umumnya tidak memandang angka itu sebagai kegagalan. Mereka menempatkan defisit sebagai ongkos masuk untuk menguasai pasar yang diproyeksikan bernilai triliunan dolar dalam satu dekade mendatang.
Tekanan pada Investor dan Pasar
Besarnya kerugian mulai memunculkan pertanyaan dari kalangan investor mengenai batas toleransi terhadap pembakaran kas. Sejumlah pengelola dana meminta kejelasan soal jalur menuju profitabilitas, termasuk target waktu dan asumsi pertumbuhan pendapatan yang mendasarinya.
Kekhawatiran itu tercermin pada pergerakan harga saham emiten teknologi yang terpapar bisnis AI, yang beberapa kali mengalami koreksi ketika laporan keuangan menunjukkan kenaikan belanja tanpa diikuti percepatan pendapatan. Pasar obligasi pun mulai mencermati penerbitan surat utang perusahaan teknologi untuk membiayai ekspansi pusat data.
Selain itu, muncul perdebatan mengenai keberlanjutan model bisnis langganan. Harga langganan layanan AI saat ini dinilai belum menutup biaya inferensi per pengguna aktif. Sejumlah perusahaan dilaporkan menaikkan tarif untuk segmen korporasi dan menawarkan paket berbayar bertingkat agar margin membaik.
Efisiensi Menjadi Prioritas Baru
Di tengah tekanan tersebut, fokus industri mulai bergeser dari sekadar memperbesar model ke arah efisiensi. Teknik kompresi model, arsitektur yang lebih hemat daya, dan penggunaan kembali kapasitas komputasi menjadi prioritas riset. Beberapa perusahaan mengklaim berhasil menurunkan biaya inferensi secara signifikan tanpa mengorbankan kualitas keluaran.
Strategi lain yang ditempuh adalah mengalihkan sebagian beban kerja ke model berukuran lebih kecil yang dijalankan untuk tugas spesifik, sehingga tidak semua permintaan harus diproses oleh model terbesar. Pendekatan ini dinilai dapat memperbaiki struktur biaya dalam beberapa tahun ke depan.
Jalan Menuju Titik Balik
Sejumlah proyeksi industri memperkirakan titik balik keuntungan baru akan tercapai dalam beberapa tahun, bergantung pada kecepatan pertumbuhan pendapatan korporasi dan penurunan biaya komputasi. Namun proyeksi itu mengandung ketidakpastian tinggi karena persaingan harga, regulasi, dan ketersediaan energi ikut memengaruhi.
Yang jelas, lonjakan kerugian setara Rp1.000 triliun dalam satu tahun menandai fase paling intensif dalam sejarah komersialisasi AI. Industri ini kini berada pada persimpangan: membuktikan bahwa investasi raksasa berbuah pendapatan yang berkelanjutan, atau menghadapi tekanan untuk mengerem laju belanja sebelum kas menipis.
Komentar (0)