Kesuksesan yang Didukung oleh Listrik Industri: Bagaimana China Mencapai Kemandirian dalam Kecerdasan Buatan

Delapan tahun yang lalu, kisah ZTE menjadi pelajaran pahit tentang ketergantungan pada teknologi asing. Pada 16 April 2018, larangan Amerika Serikat memberhentikan operasi perusahaan secara langsung, meninggalkan perusahaan dengan 80 ribu karyawan dan pendapatan tahunan lebih dari satu triliun yuan dalam keadaan lumpuh total. Hari ini, setelah delapan tahun, industri menceritakan kisah yang berbeda sama sekali. Pada Februari 2026, DeepSeek mengumumkan model multimodal yang sepenuhnya bergantung pada chip lokal China, mencapai solusi terintegrasi yang independen dari NVIDIA untuk pertama kalinya. Perubahan ini bukan kebetulan, melainkan hasil strategi komprehensif yang menggabungkan inovasi dalam algoritma dan chip, yang terpenting: listrik industri yang melimpah.

Mengatasi Blokade: Dari Monopoli CUDA ke Pengembangan Mandiri

Masalah utama yang dihadapi perusahaan AI China bukan hanya chip, tetapi platform CUDA dari NVIDIA. Platform ini, yang diluncurkan NVIDIA pada 2006, menjadi tulang punggung seluruh industri AI global. Pada 2025, ada 4,5 juta pengembang yang terkait, dan lebih dari 90% pengembang AI dunia bekerja dalam ekosistem ini.

Intinya, CUDA adalah roda penggerak yang mempercepat: semakin banyak pengguna, semakin berkembang alat dan pustaka, menarik lebih banyak pengembang. Seiring waktu, mengalihkan komitmen ke CUDA menjadi urusan menulis ulang dekade pengalaman dan kode yang telah terkumpul.

Namun larangan berulang dari AS—tiga gelombang pembatasan antara 2022 dan 2024—memaksa perusahaan China memilih jalan yang lebih sulit. Mereka memilih jalur tidak langsung, yang dimulai dari algoritma, bukan chip.

Persamaan Baru: Optimalisasi Algoritma dan Efisiensi Ekonomi

Dari akhir 2024 hingga 2025, perusahaan AI China secara luas mengadopsi teknologi model ahli campuran (MoE). Alih-alih mengaktifkan model besar secara penuh, tugas dibagi di antara beberapa ahli kecil, secara dramatis mengurangi konsumsi sumber daya.

DeepSeek V3 adalah contoh ideal pendekatan ini: 671 miliar parameter, tetapi hanya 37 miliar yang diaktifkan (5,5%) saat inferensi. Biaya pelatihan: 5,576 juta dolar menggunakan 2048 unit GPU H800 selama 58 hari, dibandingkan 78 juta dolar untuk GPT-4.

Namun revolusi sesungguhnya terletak pada harga. Harga API DeepSeek: 0,028 dolar per juta token input, dibandingkan 5 dolar untuk GPT-4 dan 15 dolar untuk Claude Opus. Perbedaan faktor 25 hingga 75 kali lipat.

Perbedaan efisiensi ekonomi ini bukan sekadar angka; ini adalah transformasi struktur pasar. Ketika aplikasi AI beralih dari percakapan sederhana ke agen cerdas (yang mengonsumsi 10 hingga 100 kali lipat token), harga menjadi faktor strategis utama. Pada Februari 2026 saja, penggunaan model China di OpenRouter meningkat 127% dalam tiga minggu.

Chip Lokal: Lompatan dari Inferensi ke Pelatihan

Namun, menurunkan biaya inferensi saja tidak cukup. Tantangan nyata adalah kemampuan pelatihan berkelanjutan pada data baru. Di sinilah chip lokal masuk ke panggung.

Pada 2025, sebuah perusahaan China membuka jalur produksi komputer sepanjang 148 meter di kota kecil untuk memproduksi server komputasi, menggunakan prosesor Loongson 3C6000 dan kartu grafis lokal Taichu Yuanqi. Produksi diperkirakan mencapai 100 ribu unit per tahun dengan investasi 1,1 miliar yuan.

Langkah terpenting: chip ini beralih dari tahap “kemampuan inferensi” ke “kemampuan pelatihan”. Pada Januari 2026, Zhipu AI meluncurkan model GLM-Image, model generasi gambar canggih yang sepenuhnya dilatih dengan chip China. Pada Februari, model komunikasi besar “Bintang” dilatih pada arsitektur komputasi China yang melibatkan puluhan ribu unit pemrosesan.

Ini adalah transformasi besar: pelatihan membutuhkan pengolahan data dalam jumlah besar dan perhitungan gradien kompleks, meningkatkan kebutuhan daya komputasi, bandwidth, dan lingkungan perangkat lunak sepuluh kali lipat dibandingkan inferensi saja.

Prosesor Huawei Ascend menjadi tulang punggung sistem ini. Pada akhir 2025, lebih dari 4 juta pengembang menggunakan ekosistem Ascend, dengan lebih dari 3000 mitra dan 43 model utama yang dilatih.

Dasar Utama: Listrik Industri dan Stabilitas Geopolitik

Jika algoritma adalah kecerdasan dan chip adalah ototnya, maka listrik industri adalah darah yang menyuplai seluruh proses. Di sinilah keunggulan strategis terbesar China terletak.

Pada 2024, pusat data AS mengonsumsi 183 TWh listrik, sekitar 4% dari konsumsi nasional. Diperkirakan akan berlipat ganda menjadi 426 TWh pada 2030, hampir 12% dari total konsumsi. CEO ARM memperkirakan pusat data AI akan mengkonsumsi 20-25% listrik AS pada 2030.

Masalahnya, jaringan listrik AS sudah penuh beban. Wilayah PJM di Timur menghadapi kekurangan kapasitas sebesar 6 GW. AS memperkirakan kekurangan kapasitas sebesar 175 GW pada 2033, cukup untuk 130 juta rumah tangga. Biaya listrik grosir di daerah pusat data meningkat 267% dalam lima tahun.

Sebaliknya, China memiliki kapasitas listrik 2,5 kali lipat AS: 10,4 triliun kWh per tahun dibandingkan 4,2 triliun. Lebih penting lagi, konsumsi listrik domestik hanya 15% dari total, sedangkan di AS mencapai 36%. Ini berarti ada energi industri yang besar tersedia.

Dari segi harga, biaya listrik di kawasan pusat AI AS berkisar antara 0,12 hingga 0,15 dolar per kWh. Sementara di China Barat, listrik industri sekitar 0,03 dolar—seperempat hingga seperlima biaya AS.

Perbedaan besar ini memungkinkan China membangun infrastruktur komputasi dengan biaya sangat rendah. ByteDance, Tencent, dan Baidu semuanya menargetkan menggandakan impor server lokal pada 2026. Total kapasitas komputasi China telah mencapai 1590 EFLOPS.

Ekspansi Global: Dari Manufaktur ke Ekspor Token

Sementara AS menghadapi krisis listrik, AI China secara diam-diam memperluas pengaruh secara global. Tapi kali ini, yang diekspor bukan produk atau pabrik, melainkan token—unit data kecil yang diproses model AI.

DeepSeek menceritakan kisahnya: 30,7% pengguna berasal dari China, 13,6% dari India, 6,9% dari Indonesia, 4,3% dari AS. Mendukung 37 bahasa dan menguasai pasar berkembang seperti Brasil. 26.000 perusahaan global memiliki akun, 3.200 institusi meluncurkan versi perusahaan.

Di China sendiri, DeepSeek menguasai 89% pangsa pasar. Di negara-negara yang dikenai sanksi, pangsa pasar berkisar antara 40% hingga 60%. Pada 2025 saja, 58% perusahaan AI startup global telah mengadopsi DeepSeek dalam teknologi mereka.

Pasar berkembang, didorong oleh kebutuhan efisiensi ekonomi, beralih ke model-model China. Ini adalah kekosongan struktural yang sangat langka: pasar yang membutuhkan alternatif dari NVIDIA karena tekanan geopolitik.

Pelajaran dari Jepang dan Jalan Berbeda China

Pada 1986, Jepang menandatangani perjanjian semikonduktor dengan AS. Hasilnya bencana: pangsa pasar DRAM Jepang turun dari 80% menjadi 10%. Pada 2017, pangsa pasar IC Jepang tersisa hanya 7%.

Perbedaan utama: Jepang hanya menjadi produsen terbaik dalam ekosistem yang dikuasai kekuatan luar. Mereka tidak pernah membangun ekosistem mandiri.

China memilih jalan yang lebih sulit namun lebih berkelanjutan: dari peningkatan algoritma ekstrem, ke loncatan chip lokal dari inferensi ke pelatihan, mengumpulkan 4 juta pengembang dalam ekosistem Ascend, dan akhirnya menyebarkan token secara global di pasar berkembang dan internasional. Setiap langkah membangun sistem industri mandiri yang tidak pernah dimiliki Jepang.

Harga dan Perang Sejati

Pada 27 Februari 2026, tiga perusahaan chip China merilis laporan kinerja hari yang sama:

• Kimotech: pendapatan +453%, laba tahunan pertama
• Moistech: pendapatan +243%, rugi bersih 1 miliar
• Moxtech: pendapatan +121%, rugi bersih 800 juta

Setengah api, setengah air. Api adalah nafsu pasar yang berlebihan. Kekosongan 95% yang ditinggalkan NVIDIA secara bertahap diisi angka-angka lokal.

Airnya adalah biaya besar membangun ekosistem—setiap kerugian adalah uang nyata yang harus dibayar: investasi R&D, dukungan perangkat lunak, jam kerja insinyur yang dikirim untuk menyelesaikan masalah kompatibilitas satu per satu. Bukan kerugian akibat manajemen buruk, melainkan “pajak perang” yang diperlukan untuk membangun ekosistem mandiri.

Ketiga laporan keuangan ini mencerminkan gambaran paling nyata dari perang atas kekuatan komputasi—bukan kemenangan yang menginspirasi, melainkan pertempuran sengit yang berlangsung di garis depan dan mengalirkan darah.

Titik Kunci

Delapan tahun lalu, kita bertanya, “Bisakah kita bertahan hidup?”. Sekarang, pertanyaannya berbeda: “Berapa harga yang harus dibayar untuk bertahan hidup?”.

Harga itu sendiri adalah kemajuan nyata. China tidak lagi berjuang untuk bertahan, melainkan untuk membangun—dengan sistem komputasi mandiri yang didukung listrik industri melimpah, algoritma yang ditingkatkan, chip lokal, dan jutaan pengembang. Ini sangat berbeda dari jalur Jepang. Ini adalah jalan menuju kemandirian sejati.