Pengembangan AI Terancam Melambat akibat Kenaikan Biaya dan Kendala Sumber Daya

​Raksasa teknologi menginvestasikan ratusan miliar dolar dalam kecerdasan buatan. Namun, perlombaan untuk membangun model yang semakin canggih menghadapi kenaikan biaya, kelangkaan sumber daya, dan skeptisisme investor yang kian besar. Apakah AI mulai mendekati batas kemampuannya?

Miliaran dolar yang mungkin belum cukup

CEO Broadcom Hock Tan memperingatkan bahwa kekurangan modal dapat menjadi hambatan terbesar bagi pengembangan AI. Berbicara dalam sebuah konferensi di Singapura, ia mencatat bahwa kekurangan chip, memori, dan listrik dapat mereda seiring waktu ketika kapasitas produksi dan infrastruktur berkembang. Namun, akses terhadap modal dapat menjadi kendala utama bagi pertumbuhan industri ini di masa depan.

Lihat postingan di X Memuat...

Tweet tersebut telah dihapus oleh penulis.

Tapi kami menyimpan semuanya 🙂.

Perusahaan teknologi terbesar terus meningkatkan belanja untuk infrastruktur AI. Pada kuartal kedua 2026, belanja modal gabungan Microsoft, Alphabet, Amazon, dan Meta mencapai $165 miliar, naik 87% dibandingkan tahun sebelumnya. Sebagian besar belanja ini dialokasikan untuk membangun pusat data serta membeli peralatan yang diperlukan untuk melatih dan menjalankan model AI.

Di tengah belanja besar-besaran ini, CEO Intel Lip-Bu Tan menyoroti masalah lain: biaya modal dan waktu yang dibutuhkan untuk mengembalikan investasi. Kenaikan imbal hasil obligasi membuat biaya pinjaman lebih mahal, sehingga meningkatkan biaya pembangunan pusat data dan pembelian peralatan. Sementara itu, investor ingin mengetahui kapan investasi besar-besaran dalam AI mulai menghasilkan keuntungan.

Meski demikian, tidak satu pun dari kedua eksekutif tersebut memperkirakan perlambatan tajam dalam industri AI selama beberapa tahun ke depan. Hock Tan memprediksi bahwa permintaan kapasitas komputasi akan melampaui pasokan hingga 2029 dan mungkin berlanjut sampai 2030. Pada saat yang sama, CEO Broadcom mengkritik investor yang menggelontorkan dana ke AI tanpa memahami prospek industri tersebut. "Banyak investor sama sekali tidak memahami apa yang mereka investasikan, tetapi menetapkan ekspektasi yang sangat ekstrem, lalu menyadari bahwa mereka seolah-olah sedang berjudi di kasino," ujarnya.

Ketika AI mencapai batas fisik

Bahkan dengan pendanaan yang memadai, pengembangan AI dapat melambat akibat kekurangan listrik. Menurut International Energy Agency (IEA), pusat data di seluruh dunia mengonsumsi 485 TWh listrik pada 2025, naik 17% dibandingkan tahun sebelumnya. Konsumsi listrik pusat data yang berfokus pada AI melonjak 50%. Pada 2030, total konsumsi listrik pusat data dapat mencapai 950 TWh, atau sekitar 3% dari permintaan listrik global.

Masalahnya bukan hanya jumlah listrik yang tersedia, tetapi juga kemampuan untuk menghubungkan fasilitas baru ke jaringan listrik. IEA memperkirakan sekitar 20% kapasitas pusat data yang direncanakan dapat mengalami penundaan akibat keterbatasan infrastruktur jaringan. Sebagai contoh, pembangunan saluran transmisi baru di negara maju dapat memakan waktu empat hingga delapan tahun. Sementara itu, waktu pengiriman transformator dan kabel telah berlipat ganda selama tiga tahun terakhir.

Kendala lainnya adalah produksi chip canggih. Perusahaan Belanda ASML, yang memproduksi peralatan untuk membuat semikonduktor mutakhir, memperkirakan permintaan dari industri AI akan melampaui pasokan setidaknya hingga 2028. Perusahaan tersebut sedang mempertimbangkan untuk memperluas kapasitas produksi karena para pelanggan sudah menanyakan pengiriman peralatan untuk 2029–2030.

Lihat postingan di X Memuat...

Tweet tersebut telah dihapus oleh penulis.

Tapi kami menyimpan semuanya 🙂.

Pada saat yang sama, tuntutan terhadap pusat data semakin meningkat. Menurut estimasi IEA, konsumsi listrik server AI meningkat sebelas kali lipat antara 2020 dan 2025 dan dapat kembali meningkat empat kali lipat pada 2027. Satu rak server seukuran kulkas besar berpotensi mengonsumsi listrik sebanyak 65 rumah tangga. Hal ini meningkatkan tuntutan terhadap sistem pendingin, pasokan listrik, dan peralatan yang harus mampu menghadapi perubahan beban kerja secara tiba-tiba saat menjalankan model AI.

Di mana batas kemajuan?

Kekurangan listrik, chip, dan pusat data bukan satu-satunya hambatan bagi perkembangan teknologi lebih lanjut. Bahkan jika masalah-masalah tersebut teratasi, pertanyaan lain tetap ada: apakah model-model baru akan mengalami peningkatan yang cukup untuk membenarkan kenaikan biaya? Hock Tan mengakui bahwa permintaan kapasitas komputasi dapat melambat jika generasi baru model AI berhenti mengungguli pendahulunya secara signifikan. Namun, saat ini belum ada tanda-tanda bahwa kemajuan telah terhenti.

Pada saat yang sama, peningkatan daya komputasi tidak menjamin AI bekerja sama baiknya dalam semua tugas. Sebagai contoh, model canggih sudah mampu memecahkan masalah matematika yang kompleks, tetapi masih kesulitan bekerja secara mandiri dengan komputer. Dalam benchmark OSWorld, yang menguji kemampuan AI untuk menjalankan tugas di aplikasi komputer, sistem terbaik berhasil menyelesaikan sekitar dua pertiga tugas.

Manfaat praktis AI bagi bisnis juga sama pentingnya. Pada Agustus 2026, McKinsey menerbitkan hasil survei terhadap 1.719 perwakilan perusahaan di 97 negara. Sekitar 80% responden mengatakan AI meningkatkan produktivitas pribadi mereka. Namun, hanya 37% yang melaporkan dampak positif terhadap laba operasional organisasi mereka.

Realitas baru dalam perlombaan teknologi

Saat ini tidak ada alasan untuk menyimpulkan bahwa kecerdasan buatan mulai mendekati batas kemampuannya. Namun, mempertahankan laju pengembangan saat ini dapat menjadi terlalu mahal bahkan bagi perusahaan teknologi terbesar. Jika belanja terus tumbuh lebih cepat daripada pendapatan, investor mungkin harus meninjau kembali ekspektasi mereka, sementara pengembang mungkin perlu menekan biaya pembuatan dan pengoperasian model baru.

Hal ini kemungkinan besar akan mendorong pergeseran prioritas, bukan mengakhiri kemajuan teknologi. Alih-alih berlomba membangun model paling canggih, perusahaan dapat berfokus pada solusi yang lebih murah dan efisien serta mampu menghasilkan keuntungan nyata. Dalam kondisi tersebut, masa depan pengembangan AI akan lebih bergantung pada kemampuan teknologi untuk menyelesaikan masalah praktis bagi bisnis dan pengguna sehari-hari, bukan pada besarnya investasi.