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

• Perusahaan

• Alphabet Inc

  Mengikuti

• Amazon.com Inc

  Mengikuti

• Bp Plc

  Mengikuti

Lihat lebih banyak perusahaan

LONDON, 26 Maret (Reuters Breakingviews) - Terlepas dari semua kerisauan di pasar keuangan tentang gelembung kecerdasan buatan, investor mungkin justru menyoroti risiko yang keliru. Ketakutan yang berlaku adalah para raksasa teknologi akan menghabiskan ratusan miliar dolar untuk infrastruktur AI hanya agar permintaan ternyata tidak mencukupi. Namun, masalah yang lebih segera adalah perusahaan teknologi akan kesulitan membelanjakan anggaran besar mereka tahun 2026 dengan cara yang menghasilkan pusat data yang berfungsi.

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

Newsletter Reuters Iran Briefing membuat Anda tetap mendapat informasi tentang perkembangan terbaru dan analisis perang Iran. Daftar di sini.

Bahkan bagi perusahaan terbesar di dunia, ekspansi ini sangat mengejutkan. Keempat raksasa teknologi saat ini mengoperasikan sekitar 600 fasilitas pusat data di seluruh dunia, dan memiliki 544 fasilitas lagi dalam tahap perencanaan atau pembangunan, menurut data S&P Global Energy Horizons. Mengubah pipeline pengembangan itu menjadi daya komputasi yang berjalan bisa menjadi tantangan yang lebih besar daripada mengerahkan modal yang diperlukan.

Di atas kertas, ekonominya terlihat sederhana. Sebuah pusat data AI modern berkapasitas 100 megawatt dapat ​menelan biaya lebih dari $4 miliar, termasuk chip. Sekitar 70% belanja digunakan untuk server dan unit pemrosesan grafis, banyak di antaranya terkait dengan chip yang paling banyak dicari yang dirancang oleh Nvidia (NVDA.O), buka tab baru. Lahan biasanya menyerap hingga 6% dari anggaran itu, tergantung lokasi. ​Sisanya terbagi antara gedung, peralatan listrik, jaringan, sistem keamanan, dan sistem pendingin yang dibutuhkan untuk menjalankan beban kerja AI yang padat. Tantangannya adalah bottleneck terburuk industri ini tidak selalu ada pada semikonduktor, tetapi ⁠pada infrastruktur fisik dan izin setempat yang diperlukan untuk memasangnya.

Daya listrik adalah salah satu kendala utama. Mendapatkan sambungan ke jaringan listrik publik di pusat-pusat besar seperti London kini bisa memakan waktu hingga satu dekade. Untuk keluar dari masa sulit itu, operator mendorong ekspansi ke lokasi pedesaan seperti sebagian wilayah Texas. Namun, meski izin lebih mudah diperoleh di tempat terpencil, tenaga kerja terampil lebih sulit ditemukan. Dalam beberapa kasus, perusahaan harus membangun komunitas pendukung untuk menempatkan staf di fasilitas mereka. Bahkan demikian, solusi ini punya batas, karena permintaan pusat data bergeser dari pelatihan ​model bahasa besar ke inferensi — proses menjalankan model AI terlatih untuk menghasilkan keluaran bagi penggunaan di dunia nyata. Memberikan respons cepat kepada pelanggan memerlukan pusat data inferensi yang lebih dekat dengan area berpenduduk.

Operator mencoba menghindari jaringan listrik sama sekali dengan membangun pusat data “pulau” yang ditenagai turbin gas di lokasi. Sekitar sepertiga fasilitas AS yang saat ini dalam pembangunan bergantung pada pembangkitan daya di lokasi, menurut Diego Hernandez Diaz dari McKinsey. Namun, upaya ini telah menciptakan bottleneck baru: turbin gas baru yang cocok pada dasarnya habis terjual hingga 2029, mendorong pengembang mencari alternatif, kata Thomas Bumberger dari Boston Consulting Group. Geopolitik menambah lapisan kerapuhan lain. Sebagian besar ​pusat data mengandalkan generator cadangan diesel yang menyala jika sumber daya utama gagal, menurut McKinsey. Unit-unit ini diuji setiap hari, membuat boom AI rentan terhadap potensi kekurangan bahan bakar olahan akibat konflik di Timur Tengah.

Rantai pasokan industri yang lebih luas juga kesulitan mengejar permintaan yang begitu besar. Proses membuat perangkat seperti gardu, transformator, dan sistem pendingin tidak sejalan dengan siklus industri teknologi. Lead time untuk transformator yang disuplai oleh kelompok seperti Schneider Electric (SCHN.PA), buka tab baru, Eaton (ETN.N), buka tab baru, dan Hitachi Energy kini mencapai hingga 100 minggu di ⁠Eropa, sementara generator di Amerika Serikat bisa memakan sekitar 50 minggu untuk tiba, menurut BCG. Hampir 60% proyek pusat data tertunda lebih dari tiga bulan tahun lalu. Sekitar 88% proyek menghadapi kemunduran hanya untuk memasang fondasi beton, sementara 78% tertunda selama pemasangan sistem pendingin dan alarm kebakaran, menurut data dari perusahaan prakiraan proyek pusat data nPlan.

Inovasi cepat menambah antrean penumpukan. Chip Blackwell terbaru Nvidia — dan arsitektur Rubin yang akan datang — menghasilkan panas jauh lebih besar daripada versi sebelumnya. Hal ini memaksa pusat data beralih dari pendinginan udara ke sistem cair yang lebih kompleks, yang membutuhkan instalasi pipa dan infrastruktur pemurnian air baru. Sementara itu, rak server generasi berikutnya akan menarik begitu banyak daya sehingga cara tradisional dalam menyalurkan listrik tidak lagi bekerja secara efisien. Untuk mengatasinya, operator pusat data beralih ke transformator padat yang lebih canggih (SSTs), yang juga ​memungkinkan pengisian cepat kendaraan listrik. Akibatnya, perusahaan teknologi ​bersaing dengan produsen mobil untuk komponen.

Beberapa operator seperti Amazon Web ⁠Services menggunakan solusi pengganti, seperti merancang peralatan milik sendiri. Yang lain seperti Microsoft menyewa kapasitas dari operator “neocloud” yang lincah seperti CoreWeave dan Nebius (NBIS.O), buka tab baru. Perusahaan-perusahaan ini, banyak di antaranya memiliki fasilitas penambangan bitcoin lama yang sudah dialihfungsikan, sering kali telah mengamankan lahan, daya, dan izin yang bernilai.

Sejarah memberikan peringatan keras tentang bahaya lonjakan investasi. Ambil contoh boom komoditas di akhir 2000-an, ketika kelompok minyak besar, termasuk Exxon Mobil (XOM.N), buka tab baru, Shell (SHEL.L), buka tab baru, BP (BP.L), buka tab baru, dan ​Chevron (CVX.N), buka tab baru, meningkatkan belanja modal secara tajam untuk memanfaatkan rekor harga minyak mentah. Investasi global untuk mencari, mengebor, dan memompa minyak dan gas hampir tiga kali lipat, buka tab baru dari sekitar $250 miliar pada 2000 menjadi hampir $700 miliar pada 2013. Namun, kekurangan tenaga kerja, peralatan khusus, ⁠dan kendala perizinan menimbulkan dampak. Produksi total hampir tidak bergerak sementara biaya melonjak. Imbal hasil anjlok, diperparah oleh penurunan tajam harga minyak dari $147 per barel pada pertengahan 2008 menjadi di bawah $60 beberapa bulan kemudian.

Biaya konstruksi yang naik dan keterlambatan juga menjadi ancaman bagi imbal hasil para raksasa teknologi. Sebuah pusat data yang awalnya dianggarkan sebesar $1 miliar bisa dengan mudah membengkak menjadi $1,3 miliar atau lebih, menurut nPlan. Sementara itu, penyedia cloud hanya memonetisasi sebuah pusat data setelah pusat itu terpasang dan disewakan kepada pelanggan. Jika sebuah perusahaan menghabiskan $10 miliar untuk chip AI canggih tetapi tidak bisa mengamankan transformator untuk menyalurkannya, maka semikonduktor itu menjadi ⁠modal yang terlantar, mengalami depresiasi ​dengan cepat tanpa menghasilkan sen pun pendapatan.

Semua ini akan menekan margin laba dan menyeret imbal hasil raksasa teknologi atas investasinya. Imbal hasil Alphabet atas modal yang diinvestasikan setelah ​pajak diperkirakan turun dari 51% tahun lalu menjadi sekitar 36% pada 2030, menurut prakiraan yang disusun oleh Visible Alpha. Microsoft diproyeksikan turun bahkan lebih tajam, dari 95% pada 2020 menjadi 36% pada 2030.

Kecerdasan buatan mungkin merupakan teknologi yang lebih transformatif daripada minyak, tetapi jika Silicon Valley mengasumsikan uang dapat melenturkan hukum ​fisika, lonjakannya bisa jadi tidak memenuhi target.

Ikuti Karen Kwok di LinkedIn, buka tab baru dan X, buka tab baru.

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

Diedit oleh Peter Thal Larsen; Diproduksi oleh Pranav Kiran

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

Breakingviews
Reuters Breakingviews adalah sumber terkemuka dunia untuk wawasan keuangan yang menentukan agenda. Sebagai merek Reuters untuk komentar keuangan, kami bedah kisah bisnis besar dan ekonomi saat hal itu terungkap di seluruh dunia setiap hari. Tim global sekitar 30 koresponden di New York, London, Hong Kong, dan kota-kota besar lainnya menyediakan analisis ahli secara real time.

Daftar untuk uji coba gratis layanan lengkap kami di dan ikuti kami di X @Breakingviews dan di www.breakingviews.com. Semua pendapat yang diungkapkan adalah pendapat para penulis.

• X

• Facebook

• Linkedin

• Email

• Link

Beli Hak Lisensi

Karen Kwok

Thomson Reuters

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

• Email

• X

• Instagram

• Linkedin