Seberapa Besar Pemborosan AI $630 bln dari Big Tech akan Gagal

• Perusahaan

• Alphabet Inc

  Ikuti

• Amazon.com Inc

  Ikuti

• Bp Plc

  Ikuti

Tampilkan lebih banyak perusahaan

LONDON, 26 Maret (Reuters Breakingviews) - Untuk semua kegelisahan di pasar keuangan tentang gelembung kecerdasan buatan, investor mungkin sedang memfokuskan perhatian pada risiko yang salah. Ketakutan yang berlaku adalah bahwa raksasa teknologi akan menghabiskan ratusan miliar dolar untuk infrastruktur AI hanya untuk permintaan yang tidak terpenuhi. Namun, masalah yang lebih mendesak adalah bahwa perusahaan teknologi akan kesulitan untuk menghabiskan anggaran besar mereka pada tahun 2026 dengan cara yang menghasilkan pusat data yang berfungsi.

Skala ambisi Silicon Valley sudah bertabrakan dengan kenyataan fisik. Hanya empat perusahaan — Amazon.com (AMZN.O), Microsoft (MSFT.O), Alphabet (GOOGL.O), dan Meta Platforms (META.O) — diperkirakan akan menghabiskan sekitar $630 miliar untuk pusat data dan chip AI hanya pada tahun 2026, menurut perkiraan Morgan Stanley. Itu lebih dari ‌empat kali lipat angka tahun 2023, dan setara dengan sekitar 2,2% dari PDB AS. Luaskan lensa untuk memasukkan 11 penyedia teratas layanan cloud dan infrastruktur, seperti Oracle (ORCL.N) dan CoreWeave (CRWV.O), dan total belanja modal diperkirakan mencapai $811 miliar.

Buletin Reuters Iran Briefing membuat Anda tetap terinformasi dengan perkembangan dan analisis terbaru tentang perang Iran. Daftar di sini.

Bahkan untuk perusahaan terbesar di dunia, ekspansi ini sangat mengesankan. Empat raksasa teknologi saat ini mengoperasikan sekitar 600 fasilitas pusat data secara global, dan memiliki 544 lainnya dalam perencanaan atau sedang dalam konstruksi, menurut data S&P Global Energy Horizons. Mengubah jalur pengembangan itu menjadi daya komputasi langsung bisa menjadi tantangan yang lebih besar daripada menggerakkan modal yang diperlukan.

Di atas kertas, ekonominya terlihat sederhana. Sebuah pusat data AI modern dengan daya 100 megawatt dapat ​biayanya lebih dari $4 miliar, termasuk chip. Sekitar 70% dari pengeluaran digunakan untuk server dan unit pemrosesan grafis, banyak di antaranya terkait dengan chip yang paling dicari yang dirancang oleh Nvidia (NVDA.O). Tanah biasanya menyerap hingga 6% dari anggaran itu, tergantung pada lokasi. ​Sisanya dibagi antara bangunan, peralatan listrik, jaringan, keamanan, dan sistem pendingin yang diperlukan untuk menjalankan beban kerja AI yang padat. Masalahnya adalah bahwa hambatan terburuk di industri ini tidak selalu terdapat pada semikonduktor, tetapi ⁠pada infrastruktur fisik dan izin lokal yang diperlukan untuk memasangnya.

Daya adalah salah satu kendala utama. Mengamankan koneksi ke jaringan publik di pusat-pusat utama seperti London kini dapat memakan waktu hingga satu dekade. Untuk melarikan diri dari purgatori ini, operator mendorong ke lokasi pedesaan seperti bagian Texas. Namun, sementara izin lebih mudah didapat di tempat terpencil, tenaga kerja terampil lebih sulit ditemukan. Dalam beberapa kasus, perusahaan harus membangun komunitas pendukung untuk mengisi staf fasilitas mereka. Bahkan kemudian, solusi ini memiliki batasan saat permintaan pusat data beralih dari pelatihan ​model bahasa besar ke inferensi — proses menjalankan model AI yang terlatih untuk menghasilkan keluaran untuk penggunaan dunia nyata. Memberikan respons cepat kepada pelanggan membutuhkan pusat data inferensi yang lebih dekat dengan daerah yang padat penduduk.

Operator berusaha untuk menghindari jaringan listrik sepenuhnya dengan membangun pusat data “pulau” yang ditenagai oleh turbin gas di lokasi. Sekitar sepertiga fasilitas AS yang saat ini sedang dalam konstruksi bergantung pada pembangkit listrik di lokasi, menurut Diego Hernandez Diaz dari McKinsey. Tetapi solusi ini telah menciptakan hambatan tersendiri: turbin gas baru yang cocok efektifnya terjual habis hingga 2029, mendorong pengembang untuk mencari alternatif, kata Thomas Bumberger dari Boston Consulting Group. Geopolitik menambah lapisan kerentanan lebih lanjut. Sebagian besar ​pusat data bergantung pada generator cadangan diesel yang dinyalakan jika sumber daya utama gagal, menurut McKinsey. Unit-unit ini diuji setiap hari, meninggalkan gelembung AI terpapar pada potensi kekurangan bahan bakar olahan yang disebabkan oleh konflik di Timur Tengah.

Rantai pasokan industri yang lebih luas juga berjuang untuk mengikuti permintaan yang luar biasa. Proses pembuatan peralatan seperti gardu induk, transformator dan sistem pendingin tidak sinkron dengan siklus industri teknologi. Waktu tunggu untuk transformator yang disuplai oleh kelompok seperti Schneider Electric (SCHN.PA), Eaton (ETN.N) dan Hitachi Energy kini mencapai ‌100 minggu di ⁠Eropa, sementara generator di Amerika Serikat bisa memakan waktu sekitar 50 minggu untuk tiba, menurut BCG. Hampir 60% proyek pusat data mengalami penundaan lebih dari tiga bulan tahun lalu. Sekitar 88% proyek menghadapi kemunduran hanya dalam meletakkan fondasi beton, sementara 78% tertunda selama pemasangan sistem pendingin dan alarm kebakaran, menurut perusahaan peramalan proyek pusat data nPlan.

Inovasi yang cepat menambah backlog. Chip Blackwell terbaru dari Nvidia — dan arsitektur Rubin yang akan datang — menghasilkan jauh lebih banyak panas dibandingkan versi sebelumnya. Ini memaksa pusat data untuk beralih dari pendinginan udara ke sistem cair yang lebih kompleks, yang memerlukan infrastruktur perpipaan dan pemurnian air yang baru. Sementara itu, rak server generasi berikutnya akan menarik begitu banyak daya sehingga cara tradisional untuk menyuplai listrik tidak lagi berfungsi secara efisien. Untuk mengatasinya, operator pusat data beralih ke transformator solid-state (SST) yang lebih canggih, yang juga ​memungkinkan pengisian cepat kendaraan listrik. Akibatnya, perusahaan teknologi ​bersaing dengan produsen mobil untuk mendapatkan komponen.

Beberapa operator seperti Amazon Web ​Services menggunakan solusi sementara, seperti merancang peralatan khusus. Lainnya seperti Microsoft menyewa kapasitas dari operator “neocloud” yang gesit seperti CoreWeave dan Nebius (NBIS.O). Perusahaan-perusahaan ini, banyak di antaranya memiliki fasilitas pertambangan bitcoin yang telah dialihfungsikan, sering kali telah mengamankan tanah, daya, dan izin yang berharga.

Sejarah memberikan peringatan yang jelas tentang bahaya dari pemborosan investasi. Ambil contoh gelembung komoditas pada akhir 2000-an, ketika kelompok minyak besar, termasuk Exxon Mobil (XOM.N), Shell (SHEL.L), BP (BP.L) dan ​Chevron (CVX.N), secara tajam meningkatkan pengeluaran modal untuk memanfaatkan harga minyak mentah yang mencapai rekor. Investasi global dalam pencarian, pengeboran dan pemompaan minyak dan gas hampir tiga kali lipat, dari sekitar $250 miliar pada tahun 2000 menjadi hampir $700 miliar pada tahun ​2013. Namun kekurangan tenaga kerja, peralatan khusus, dan keterbatasan izin memberikan dampaknya. Produksi keseluruhan hampir tidak bergerak sementara biaya melambung. Hasilnya runtuh, diperburuk oleh penurunan tajam harga minyak dari $147 per barel pada pertengahan 2008 menjadi di bawah $60 beberapa bulan kemudian.

Kenaikan biaya konstruksi dan penundaan juga mengancam pengembalian raksasa teknologi. Sebuah pusat data yang awalnya dianggarakan sebesar $1 miliar dapat dengan mudah membengkak menjadi $1,3 miliar atau lebih, menurut nPlan. Sementara itu, penyedia cloud hanya dapat memonetisasi pusat data setelah terhubung dan disewakan kepada pelanggan. Jika sebuah perusahaan menghabiskan $10 miliar untuk chip AI canggih tetapi tidak dapat mengamankan transformator untuk memberdayakannya, semikonduktor tersebut menjadi ⁠modal terjebak, menyusut dengan cepat tanpa menghasilkan satu sen pun pendapatan.

Semua ini akan mempersempit margin keuntungan dan menarik kembali pengembalian investasi raksasa teknologi. Pengembalian modal yang diinvestasikan Alphabet setelah ​pajak diperkirakan akan turun dari 51% tahun lalu menjadi sekitar 36% pada tahun 2030, menurut perkiraan yang disusun oleh Visible Alpha. Microsoft diperkirakan akan turun bahkan lebih tajam, dari 95% pada tahun 2020 menjadi 36% pada tahun 2030.

Kecerdasan buatan mungkin merupakan teknologi yang lebih transformatif daripada minyak, tetapi jika Silicon Valley menganggap uang dapat membengkokkan hukum ​fisika, pemborosan mereka mungkin tidak tercapai.

Ikuti Karen Kwok di LinkedIn dan X.

Untuk lebih banyak wawasan seperti ini, klik di sini untuk mencoba Breakingviews secara gratis.

Pengeditan oleh Peter Thal Larsen; Produksi oleh Pranav Kiran

• Topik yang Disarankan:
• Breakingviews
• Eksplorasi & Produksi
• Penyulingan

Breakingviews
Reuters Breakingviews adalah sumber utama wawasan keuangan yang menetapkan agenda di dunia. Sebagai merek Reuters untuk komentar keuangan, kami menganalisis cerita bisnis dan ekonomi besar saat mereka terjadi di seluruh dunia setiap hari. Tim global yang terdiri dari sekitar 30 koresponden di New York, London, Hong Kong, dan kota-kota utama lainnya memberikan analisis ahli secara real-time.

Daftar untuk percobaan gratis layanan penuh kami dan ikuti kami di X @Breakingviews dan di www.breakingviews.com. Semua opini yang diungkapkan adalah milik penulis.

• X

• Facebook

• Linkedin

• Email

• Tautan

Beli Hak Lisensi

Karen Kwok

Thomson Reuters

Karen adalah seorang kolumnis yang fokus pada sektor teknologi global dan modal ventura, menulis cerita tentang kecerdasan buatan, fintech, dan perusahaan semikonduktor. Dia juga meliput kesepakatan di wilayah Timur Tengah dan sektor pertambangan logam global. Sebelum bergabung dengan Breakingviews, dia adalah seorang reporter gas dan listrik Eropa di S&P Global Platts di London dan meliput dana dan ekuitas di Morningstar UK. Karen juga sempat bekerja di Bloomberg. Lahir dan dibesarkan di Hong Kong, dia fasih berbahasa Mandarin dan Kanton.

• Email

• X

• Instagram

• Linkedin