Pembangunan AI mungkin perlahan apabila kos, tenaga dan bekalan cip menjadi kekangan

​Gergasi teknologi melabur ratusan bilion dolar dalam kecerdasan buatan. Namun, perlumbaan untuk membina model yang semakin berkuasa berdepan kos yang meningkat, kekurangan sumber dan keraguan pelabur yang semakin ketara. Adakah AI menghampiri had keupayaannya?

Berbilion dolar yang mungkin masih tidak mencukupi

Ketua Pegawai Eksekutif Broadcom, Hock Tan, memberi amaran bahawa kekurangan modal boleh menjadi halangan terbesar kepada pembangunan AI. Ketika berucap di sebuah persidangan di Singapura, beliau menyatakan bahawa kekurangan cip, memori dan tenaga elektrik boleh berkurangan dari semasa ke semasa apabila kapasiti pengeluaran dan infrastruktur berkembang. Namun, akses kepada modal boleh menjadi kekangan utama terhadap pertumbuhan industri pada masa hadapan.

Lihat siaran di X Memuatkan...

Tweet telah dipadam oleh pengarang.

Tetapi kami telah menyimpan semuanya 🙂.

Syarikat teknologi terbesar terus meningkatkan perbelanjaan untuk infrastruktur AI. Pada suku kedua 2026, jumlah perbelanjaan modal oleh Microsoft, Alphabet, Amazon dan Meta mencecah $165 bilion, meningkat 87% berbanding setahun sebelumnya. Sebahagian besar perbelanjaan ini disalurkan kepada pembinaan pusat data dan pembelian peralatan yang diperlukan untuk melatih serta menjalankan model AI.

Dalam situasi perbelanjaan besar-besaran ini, Ketua Pegawai Eksekutif Intel, Lip-Bu Tan, mengetengahkan satu lagi masalah: kos modal dan tempoh yang diperlukan untuk mendapatkan semula pelaburan. Hasil bon yang meningkat menjadikan pinjaman lebih mahal, sekali gus meningkatkan kos pembinaan pusat data dan pembelian peralatan. Pada masa yang sama, pelabur ingin mengetahui bila pelaburan besar dalam AI akan mula menjana keuntungan.

Namun begitu, kedua-dua eksekutif itu tidak menjangkakan kelembapan mendadak dalam industri AI dalam beberapa tahun akan datang. Hock Tan meramalkan bahawa permintaan terhadap kapasiti pengkomputeran akan melebihi bekalan sehingga 2029 dan mungkin berlanjutan ke 2030. Pada masa yang sama, Ketua Pegawai Eksekutif Broadcom itu mengkritik pelabur yang mencurahkan wang ke dalam AI tanpa memahami prospek industri tersebut. "Ramai pelabur tidak tahu apa yang mereka laburkan, tetapi menetapkan jangkaan yang sangat ekstrem, sebelum menyedari bahawa mereka seolah-olah berjudi di kasino," katanya.

Apabila AI berdepan had fizikal

Walaupun pembiayaan mencukupi, pembangunan AI boleh menjadi perlahan akibat kekurangan tenaga elektrik. Menurut Agensi Tenaga Antarabangsa (IEA), pusat data di seluruh dunia menggunakan 485 TWh tenaga elektrik pada 2025, meningkat 17% berbanding tahun sebelumnya. Penggunaan elektrik oleh pusat data yang berfokus pada AI melonjak 50%. Menjelang 2030, jumlah penggunaan elektrik pusat data boleh mencecah 950 TWh, atau kira-kira 3% daripada permintaan elektrik global.

Masalahnya bukan sekadar jumlah tenaga elektrik yang tersedia, tetapi juga keupayaan untuk menyambungkan kemudahan baharu kepada grid kuasa. IEA menganggarkan bahawa kira-kira 20% kapasiti pusat data yang dirancang mungkin mengalami kelewatan akibat keterbatasan infrastruktur grid. Sebagai contoh, pembinaan talian penghantaran baharu di negara maju boleh mengambil masa empat hingga lapan tahun. Sementara itu, tempoh penghantaran transformer dan kabel telah meningkat dua kali ganda dalam tempoh tiga tahun lalu.

Satu lagi kekangan ialah pengeluaran cip canggih. Syarikat Belanda, ASML, yang mengeluarkan peralatan untuk menghasilkan semikonduktor termaju, menjangkakan permintaan daripada industri AI akan melebihi bekalan sehingga sekurang-kurangnya 2028. Syarikat itu sedang mempertimbangkan untuk memperluas kapasiti pengeluaran apabila pelanggan sudah mula bertanya tentang penghantaran peralatan bagi 2029–2030.

Lihat siaran di X Memuatkan...

Tweet telah dipadam oleh pengarang.

Tetapi kami telah menyimpan semuanya 🙂.

Pada masa yang sama, tuntutan terhadap pusat data semakin meningkat. Menurut anggaran IEA, penggunaan tenaga oleh pelayan AI meningkat sebelas kali ganda antara 2020 dan 2025 dan boleh meningkat empat kali ganda lagi menjelang 2027. Satu rak pelayan sebesar peti sejuk besar berpotensi menggunakan tenaga elektrik sebanyak 65 isi rumah. Keadaan ini meningkatkan tuntutan terhadap sistem penyejukan, bekalan kuasa dan peralatan yang perlu menahan perubahan beban kerja secara mendadak ketika menjalankan model AI.

Di manakah had kemajuan?

Kekurangan tenaga elektrik, cip dan pusat data bukan satu-satunya halangan kepada pembangunan teknologi selanjutnya. Walaupun masalah ini dapat diselesaikan, satu persoalan lain masih kekal: adakah model baharu akan bertambah baik dengan cukup ketara untuk mengjustifikasikan kos yang meningkat? Hock Tan mengakui bahawa permintaan terhadap kapasiti pengkomputeran boleh menjadi perlahan jika generasi baharu model AI tidak lagi mengatasi model terdahulu dengan ketara. Namun, setakat ini tiada tanda-tanda bahawa kemajuan telah terhenti.

Pada masa yang sama, peningkatan kuasa pengkomputeran tidak menjamin AI akan berfungsi sama baik untuk semua tugasan. Sebagai contoh, model termaju sudah mampu menyelesaikan masalah matematik yang kompleks tetapi masih sukar mengendalikan komputer secara bebas. Dalam penanda aras OSWorld, yang menguji keupayaan AI untuk melaksanakan tugasan dalam aplikasi komputer, sistem terbaik berjaya menyelesaikan kira-kira dua pertiga daripada tugasan.

Manfaat praktikal AI untuk perniagaan juga sama penting. Pada Ogos 2026, McKinsey menerbitkan hasil tinjauan terhadap 1,719 wakil syarikat dari 97 negara. Kira-kira 80% responden berkata AI telah meningkatkan produktiviti peribadi mereka. Namun, hanya 37% melaporkan kesan positif terhadap keuntungan operasi organisasi mereka.

Realiti baharu dalam perlumbaan teknologi

Pada masa ini, tiada alasan untuk membuat kesimpulan bahawa kecerdasan buatan sedang menghampiri had keupayaannya. Namun, mengekalkan kadar pembangunan semasa mungkin menjadi terlalu mahal walaupun bagi syarikat teknologi terbesar. Jika perbelanjaan terus berkembang lebih pantas daripada hasil, pelabur mungkin perlu menilai semula jangkaan mereka, manakala pembangun mungkin perlu mengurangkan kos mencipta dan mengendalikan model baharu.

Keadaan ini lebih berkemungkinan membawa kepada perubahan keutamaan berbanding menamatkan kemajuan teknologi. Daripada berlumba-lumba membina model paling berkuasa, syarikat mungkin memberi tumpuan kepada penyelesaian yang lebih murah dan cekap, yang mampu menjana keuntungan sebenar. Dalam keadaan itu, masa depan pembangunan AI akan kurang bergantung pada saiz pelaburan dan lebih bergantung pada keupayaan teknologi untuk menyelesaikan masalah praktikal bagi perniagaan dan pengguna harian.