Guojin Securities: AI Agent Mendorong Pertumbuhan Non-Linier Permintaan Komputasi Perhatikan Peluang Investasi Rantai Industri

23 Maret, 248.000 bintang di GitHub, konsumsi Token empat kali lipat, pertumbuhan pertanyaan perusahaan sebesar 1445%—serangkaian data menggambarkan perubahan kunci yang sedang terjadi di industri AI: loncatan paradigma dari Prompt ke Agent panjang telah dimulai. Data dari platform OpenRouter menunjukkan bahwa inferensi multi-langkah semakin cepat menggantikan interaksi satu putaran; pengujian dari Anthropic menunjukkan bahwa konsumsi Token oleh satu Agent sekitar empat kali lipat dari mode percakapan; sistem multi-Agent bahkan mencapai 15 kali lipat. Seiring peningkatan durasi operasional Agent, kebutuhan daya komputasi sedang memasuki tahap ekspansi non-linear yang baru.

Loncatan paradigma kebutuhan komputasi: dari Prompt ke Agent panjang

1. Paradigma interaksi kecerdasan buatan sedang mengalami transformasi mendasar, sistem AI telah berevolusi dari alat tanya jawab tunggal menjadi Agent otonom yang mampu melakukan penalaran, perencanaan, dan berjalan secara berkelanjutan. Tren ini telah terbukti secara jelas: data dari platform OpenRouter menunjukkan bahwa inferensi multi-langkah dan pemanggilan alat berantai dengan cepat menggantikan interaksi satu putaran tradisional. Kerangka Agent sumber terbuka OpenClaw yang dirilis hanya dalam empat bulan telah meraih lebih dari 248.000 bintang di GitHub dan menduduki puncak daftar proyek sumber terbuka global, menandai bahwa Agent yang berjalan panjang dari tahap eksperimen telah sepenuhnya memasuki produksi dan deployment. 2) Konsumsi Token oleh tugas Agent telah jauh melampaui skenario tanya jawab tradisional: pengujian dari Anthropic menunjukkan bahwa satu Agent mengkonsumsi sekitar empat kali lipat dari mode percakapan; sistem multi-Agent bahkan mencapai 15 kali lipat. NVIDIA dalam blog teknologinya bulan Januari 2026 juga secara tegas menyatakan bahwa pabrik AI generasi berikutnya harus mampu memproses ratusan ribu Token input untuk mendukung penalaran berbasis Agent yang membutuhkan konteks panjang. Loncatan paradigma ini telah terjadi, dan logika pertumbuhan kebutuhan daya komputasi yang baru pun terbentuk.

Lonjakan kebutuhan daya komputasi yang dipicu oleh Agent panjang

Beberapa alasan utama mengapa kebutuhan daya komputasi oleh Agent panjang meningkat secara signifikan: 1) Mekanisme teknologi: pertama, biaya komputasi dari mekanisme perhatian diri (self-attention) model besar meningkat kuadratik terhadap panjang konteks; kedua, tahap decoding inferensi secara alami terbatas oleh bandwidth memori, seiring KVCache yang membesar secara linear mengikuti konteks, utilisasi GPU terus menurun, dan bottleneck throughput semakin nyata. Struktur harga dari produsen utama mencerminkan biaya fisik ini: Google Gemini 3.1 Pro dan Alibaba Cloud Qwen keduanya menggunakan skema harga bertingkat berdasarkan panjang konteks. 2) Kemunculan arsitektur multi-Agent yang kolaboratif memperkenalkan dimensi biaya komunikasi tambahan. Data Gartner menunjukkan bahwa dari kuartal pertama 2024 hingga kuartal kedua 2025, volume pertanyaan perusahaan tentang sistem multi-Agent melonjak 1445%; sementara penelitian dari Google DeepMind menunjukkan bahwa pengiriman konteks global secara paralel antar Agent akan menghasilkan “pajak koordinasi” yang tak terhindarkan, di mana biaya komunikasi meningkat secara non-linear seiring jumlah Agent. 3) Paradoks Jevons semakin memperbesar efek ini, CEO Microsoft, Nadella, memperkirakan bahwa peningkatan efisiensi inferensi model yang menurunkan biaya justru mendorong peningkatan penggunaan dengan kecepatan yang lebih cepat.

Analisis komprehensif menunjukkan bahwa peningkatan durasi operasional Agent adalah tren teknologi yang tak terelakkan. Dalam waktu dekat, kebutuhan terhadap bandwidth memori, throughput jaringan, dan densitas komputasi cerdas akan terus berkembang secara non-linear.