Harga GPU: Pertempuran Tanpa Wasit

Penulis naskah asli: David Lopez Mateos

Terjemahan naskah asli: 深潮 TechFlow

Pengantar: Media suka memakai satu angka untuk merangkum naik-turunnya harga daya komputasi GPU, tetapi kenyataannya: di terminal Bloomberg, kutipan yang diberikan oleh empat penyedia indeks berbeda satu sama lain lebih dari 2 dolar, baik dari segi arah maupun ritmenya juga tidak selaras. Penulis artikel ini adalah pendiri platform perdagangan daya komputasi Compute Desk, David Lopez Mateos; ia mengurai struktur penetapan harga sebenarnya untuk H100 dan B200 dengan data transaksi langsung, mengungkapkan pasar mentah yang tidak memiliki patokan konsensus, tidak memiliki kontrak standar, dan tidak memiliki kurva forward—daya komputasi sedang ditimbun dan disewakan ulang seperti apartemen sewa jangka pendek.

Judul media akan membuat Anda merasa bahwa harga daya komputasi GPU sedang melonjak tajam. Narasi ini terasa nyaman, sangat pas masuk ke kerangka makro “pengetatan pasokan + permintaan AI yang tak ada habisnya”, dan juga menyiratkan sesuatu yang menenangkan: ada pasar yang beroperasi dengan baik, sinyal harga jelas dan mudah dibaca.

Namun tidak ada. Narasi ini hampir sepenuhnya dibangun di atas satu indeks saja; implikasi yang diciptakannya tidak semestinya disiratkan: pasar penyewaan GPU sudah begitu efisien sehingga bisa diwakili oleh satu angka untuk kondisi global.

Kelangkaan pasokan itu nyata, tetapi kelangkaan yang dirasakan setiap orang benar-benar berbeda—tergantung siapa Anda, Anda berada di mana, dan kontrak apa serta aset daya komputasi apa yang Anda perdagangkan. Menghadapi ketidakjelasan seperti itu, respons alami pasar bukanlah penemuan harga yang teratur, melainkan penimbunan: mengunci durasi GPU yang mungkin masih belum Anda perlukan, karena Anda tidak yakin apakah bulan depan GPU tersebut masih bisa dibeli dengan harga apa pun. Di tempat ada penimbunan dan tidak ada patokan transparan, pasar sekunder yang terfragmentasi akan muncul. Di Compute Desk, kami sudah memfasilitasi para penyewa untuk menyewakan ulang cluster mereka seperti apartemen saat berlangsungnya ajang besar. Ini bukan sekadar asumsi—ini sedang terjadi.

Indeks Tidak Konvergen

Di pasar komoditas besar yang sudah matang, indeks yang disusun berdasarkan metodologi berbeda akan cenderung mengerucut. Minyak Brent dan WTI, misalnya, memiliki selisih beberapa dolar karena posisi geografis dan kualitas minyak, tetapi pergerakannya searah (Gambar 1). Konvergensi ini adalah tanda pasar efisien.

Keterangan gambar: Perbandingan pergerakan harga minyak Brent dan WTI, arahnya sangat konsisten

Sekarang di terminal Bloomberg terdapat tiga penyedia indeks penetapan harga GPU: Silicon Data, Ornn AI, dan Compute Desk. SemiAnalysis baru saja mengumumkan yang keempat—sebuah indeks harga kontrak bulanan untuk opsi satu tahun H100 yang dibangun dari data survei yang melibatkan lebih dari 100 partisipan pasar. Silicon Data dan Ornn merilis indeks sewa harian H100; Compute Desk mengagregasi data pada tingkat arsitektur Hopper; sementara SemiAnalysis menangkap harga kontrak setelah negosiasi, bukan harga yang dipasang atau harga dari crawling. Metodologi berbeda, frekuensi berbeda, dan sudut pandang wawasan terhadap pasar yang sama juga berbeda. Jika semuanya ditumpuk, perbedaan terlihat jelas (Gambar 2).

Keterangan gambar: Empat indeks GPU ditumpuk untuk perbandingan; level harga dan tren keduanya jelas berbeda

Di Mana Tepatnya Kenaikan Harga Terjadi

Dengan data dari Compute Desk, kita bisa menguraikan perubahan harga H100 berdasarkan tipe penyedia dan struktur kontrak, lalu menumpangkan indeks Silicon Data SDH100RT (Gambar 3). Semua indikator menunjukkan harga sedang naik, tetapi titik awal dan besarnya sangat berbeda tergantung indeks dan jenis kontraknya.

Keterangan gambar: Tren harga H100 yang dipilah berdasarkan jenis kontrak, ditumpangkan dengan indeks SDH100RT

Data “new cloud” H100 dari Compute Desk menceritakan kisah yang lebih spesifik daripada sekadar indeks agregat. Penetapan harga sesuai permintaan relatif stabil sepanjang musim dingin, sekitar 3,00 dolar per jam, lalu melonjak tajam pada bulan Maret menjadi 3,50 dolar. Penetapan harga spot lebih berisik dan lebih rendah, hingga ada tren kenaikan kecil pada bulan Maret. SDH100RT dari Silicon Data menunjukkan kenaikan yang lebih mulus dan bertahap; pada waktu yang sama naik dari 2,00 dolar menjadi 2,64 dolar. Dua indeks terus berada pada level harga yang berbeda, dan juga berbeda dalam mendeskripsikan ritme waktu: Compute Desk mengatakan terjadi lonjakan pada bulan Maret, sedangkan Silicon Data mengatakan terjadi kenaikan lambat.

Harga cadangan (reserved) satu tahun secara dasar tetap sejajar sebelum Februari, lalu pada akhir Maret melonjak dari 1,90 dolar ke 2,64 dolar—bukan mengejar secara bertahap, melainkan penyesuaian harga ulang yang tiba-tiba. Ini lebih mirip penyesuaian yang terpusat pada tarif kontrak setelah pasar on-demand mengencang, bukan dorongan kebutuhan yang terus-menerus.

Kisah bulan Maret untuk B200 jauh lebih ganas (Gambar 4). Indeks on-demand Compute Desk dalam hitungan minggu melonjak dari 5,70 dolar ke lebih dari 8,00 dolar. Indeks SDB200RT Silicon Data melonjak dari 4,40 dolar menjadi 6,11 dolar, lalu turun lagi menjadi 5,47 dolar. Kedua indeks merekam gelombang ini, tetapi titik awalnya berbeda lebih dari 2 dolar, dan bentuk kenaikan maupun penurunannya juga berbeda. B200 hanya memiliki data kurang dari lima bulan, lebih sedikit penyedia, serta selisih harga yang lebih besar; kedua indeks ini sedang mengamati peristiwa yang sama melalui lensa yang sangat berbeda.

Keterangan gambar: Tren harga on-demand dan reserved B200; data Compute Desk dan Silicon Data ditumpangkan

Masalah Infrastruktur, Bukan Hanya Perbedaan Wilayah

Pasar komoditas besar memiliki basis (basis differential). Gas alam Appalachia adalah contoh buku teks: sejumlah besar cadangan berada di atas kapasitas angkut pipa yang secara struktural terbatas; utilisasi koridor Pennsylvania-Ohio sering kali melebihi 100%, dan proyek-proyek baru seperti Borealis Pipeline baru akan beroperasi pada akhir dekade 2020-an.

Pasar GPU memiliki situasi serupa: satu unit H100 di Virginia dan satu unit H100 di Frankfurt bukan komoditas ekonomi yang sama. Namun hanya mengandalkan perbedaan wilayah tidak cukup menjelaskan mengapa perbedaan indeks yang mengukur pasar yang sama bisa begitu besar. Salah kaprah pasar GPU lebih dalam daripada gas alam Appalachia. Masalah gas alam ada pada satu mata rantai yang hilang: kapasitas pipa yang menghubungkan sisi penawaran dan permintaan. Kesenjangan infrastruktur pada pasar daya komputasi ada di kedua sisi—penawaran dan permintaan. Infrastruktur fisik—jaringan yang konsisten untuk distribusi daya komputasi yang andal, konfigurasi yang dapat diprediksi, ketersediaan yang dapat diprediksi—belum matang, dan kadang sama sekali tidak bisa diandalkan. Infrastruktur keuangan—meskipun perbedaan fisik ada yang dapat dipangkas melalui kontrak standar, patokan transparan, dan mekanisme arbitrase untuk menekan selisih harga—juga belum ada.

Data menceritakan sebuah kisah. Pengalaman nyata saat mencoba membeli daya komputasi pada awal 2026 menceritakan kisah yang lebih menyakitkan. Kapasitas on-demand untuk semua tipe GPU nyatanya sudah habis terjual. Mencari 64 unit H100 itu sulit: Compute Desk menunjukkan bahwa 90% klaster penyedia pada pasar on-demand memiliki ketersediaan nol; pasar reserved juga tidak jauh lebih baik. Di pasar yang beroperasi dengan baik, tingkat kelangkaan seperti ini seharusnya sudah mendorong harga ke titik keseimbangan baru. Namun kenyataannya tidak. Ini menunjukkan bahwa para penyedia sendiri kekurangan informasi penetapan harga secara real-time untuk menyesuaikan diri. Harga memang naik, tetapi kenaikannya terlalu lambat—tidak cukup untuk membersihkan pasar. Kesenjangan antara harga yang dipasang dan kemauan bayar yang sebenarnya sedang diisi oleh penimbunan, penyewaan ulang, dan transaksi pasar sekunder yang bersifat informal.

Apa yang Perlu Diubah

Saat ini terdapat tujuh masalah inti pada pasar daya komputasi GPU:

Tidak ada patokan konsensus. Berbagai indeks hadir bersamaan, metodologinya berbeda-beda, dan kesimpulannya saling bertentangan.

Narasi agregat menutupi struktur. Angka “harga H100” menutupi perbedaan besar antara tipe penyedia yang berbeda dan tenor kontrak yang berbeda.

Kurangnya data level transaksi. Dalam pasar bilateral, deviasi antara harga yang dipasang dan harga transaksi aktual sangat besar.

Tidak ada standardisasi kontrak. Sebagian besar sewa GPU adalah negosiasi bilateral, dengan ketentuan yang berbeda-beda. Tenor kontrak yang lebih pendek dan lebih distandardisasi dapat meningkatkan likuiditas dan penemuan harga.

Kualitas pengiriman tidak terjamin. Perbedaan topologi interkoneksi, pasangan CPU, network stack, dan durasi running sangat besar. Pembeli perlu mengetahui kualitas seperti apa dari daya komputasi yang mereka beli sebelum membuat komitmen.

Kontrak tidak likuid. Jika permintaan berubah selama periode reserved, pilihan menjadi sangat terbatas: baik menelan biaya, atau menyewa ulang secara informal. Pasar membutuhkan mekanisme transfer atau penjualan infrastruktur atas daya komputasi yang sudah dikomitmen, agar kapasitas mengalir ke pihak yang paling membutuhkannya.

Tidak ada kurva forward. Tanpa kemampuan memberi harga forward, tidak bisa melakukan lindung nilai (hedging). Inilah sebabnya pemberi pinjaman mengenakan diskon 40%-50% untuk jaminan GPU, sehingga biaya pembiayaan tetap tinggi.

Membangun pasar yang beroperasi normal untuk komoditas besar terpenting pada abad ini tidak bisa hanya didorong oleh satu garis saja. Pengukuran, standardisasi, struktur kontrak, kualitas pengiriman, likuiditas—semuanya harus bergerak bersama; sebelum itu, tidak ada yang benar-benar bisa menjelaskan berapa nilai satu jam daya komputasi GPU.