Kekuatan komputasi sedang terkonsentrasi kembali: Setelah penurunan harga DeepSeek, siapa yang akan mengendalikan infrastruktur dasar AI?

null

——Dimulai dari pidato Gonka di LA Hacks 2026

26 April, DeepSeek mengumumkan harga baru API seri V4: seluruh harga cache input turun menjadi sepersepuluh dari harga peluncuran, setelah diskon terbatas waktu pada versi Pro, biaya pengolahan satu juta Token hanya 0,025 yuan—lebih murah hampir seratus kali dibanding setahun lalu. Industri kapasitas komputasi A-share langsung menguatkan batas atas, suasana pasar memanas.

Namun di balik sorak sorai, ada satu masalah yang tidak dibahas secara langsung: ketika model menjadi semakin murah, daya komputasi yang dibutuhkan untuk menjalankan model semakin terkonsentrasi.

Data tidak berbohong. Pada kuartal keempat 2025, pengeluaran modal gabungan dari empat penyedia cloud Microsoft, Amazon, Meta, dan Google meningkat 64% YoY menjadi 118,6 miliar dolar AS; diperkirakan pengeluaran modal total tahun 2026 akan meningkat lagi 53% YoY, mencapai 570,8 miliar dolar AS. Google juga menaikkan target pengiriman chip TPU tahun 2026 sebesar 50% menjadi 6 juta unit. Siklus pengiriman seri H100 dari Nvidia di beberapa pasar sudah mencapai beberapa bulan.

Kendali harga di lapisan model sedang bergeser ke pengembang, tetapi kendali atas kapasitas komputasi semakin cepat terkonsentrasi ke beberapa raksasa. Ini adalah kontradiksi tersembunyi namun mendalam di era AI.

Dalam konteks ini, pada 24 April 2026, pendiri bersama Gonka, Daniil dan David Liberman, naik ke panggung utama LA Hacks 2026. Hackathon tahunan terbesar UCLA ini tahun ini diisi oleh Liberman bersaudara sebagai pembicara utama, dihadapkan pada ratusan insinyur top yang akan memasuki industri ini. Pertanyaan yang mereka lontarkan, saat ini menjadi sangat jelas: apakah desentralisasi kapasitas komputasi masih mungkin?

一、Sisi Lain dari Gelombang Penurunan Harga

Logika penurunan harga DeepSeek V4 secara kasat mata adalah keuntungan efisiensi dari kemajuan teknologi—mekanisme perhatian baru yang mengompresi dimensi Token, dikombinasikan dengan perhatian jarang DSA, secara signifikan mengurangi kebutuhan komputasi dan memori GPU. Tapi penurunan harga ini bisa terus berlangsung, asalkan ada sumber daya komputasi yang cukup besar dan murah di suatu tempat.

Faktanya, sumber daya komputasi yang cukup ini sedang cepat terkonsentrasi ke beberapa node di seluruh dunia. CEO Lumentum, Michael Hurlston, baru-baru ini menyatakan bahwa berdasarkan tren saat ini, kapasitas produksi perusahaan hampir habis terjual pada 2028. Ini bukan masalah satu perusahaan, melainkan ketegangan kolektif dari seluruh rantai pasokan infrastruktur AI yang sedang berkembang pesat menghadapi permintaan yang melonjak.

Daniil dalam pidatonya di LA Hacks menggunakan perbandingan sederhana namun kuat: kekuatan komputasi jaringan Bitcoin sudah melebihi jumlah gabungan dari tiga pusat data cloud Google, Microsoft, dan Amazon—tapi apa yang mereka lakukan dengan kekuatan ini? Menyelesaikan teka-teki hash yang tidak dibutuhkan jawaban. Kapasitas GPU yang tidak terpakai di seluruh dunia juga demikian: kartu grafis di mesin gamer, server di pusat universitas, sisa kapasitas dari penyedia cloud kecil dan menengah—jumlahnya sangat besar, tetapi karena kurangnya mekanisme koordinasi, tidak bisa digunakan untuk inferensi AI.

Gonka berusaha menyelesaikan masalah koordinasi ini—menggunakan mekanisme insentif bukti kerja untuk mengorganisasi GPU yang tersebar di seluruh dunia menjadi sebuah jaringan yang mampu menangani tugas inferensi AI nyata.

二、Inferensi adalah Medan Perang Baru

Penurunan harga DeepSeek memicu diskusi luas tentang “kesetaraan AI” di internet berbahasa Mandarin. Tapi ada satu detail yang diabaikan: penurunan harga adalah penurunan “biaya panggilan”, bukan “biaya kapasitas komputasi”. Dengan skala aplikasi AI yang membesar, pertumbuhan volume inferensi bersifat eksponensial—menurut prediksi industri, pada 2026, inferensi akan menyumbang sekitar dua pertiga dari konsumsi kapasitas AI global.

Apa artinya ini? Setiap penurunan satu tingkat dalam harga panggilan, kebutuhan kapasitas komputasi secara total justru akan meningkat. “Demokratisasi” model besar, dalam beberapa hal, malah mempercepat konsentrasi kapasitas—karena hanya pemain dengan kapasitas besar yang mampu bertahan di bawah margin sangat tipis untuk layanan inferensi.

Ini adalah struktur terkunci yang sedang terbentuk: siapa yang menguasai kapasitas fisik inferensi, dia yang mengendalikan akses ke infrastruktur dasar di era AI. Dari sudut pandang ini, jaringan kapasitas desentralisasi bukan hanya soal “mengurangi biaya 50%”, tetapi menyediakan jalur alternatif struktural sebelum pengkonsentrasian lengkap terjadi.

三、Pertanyaan Nyata untuk Pembangun Muda

Peserta LA Hacks—insinyur dan product manager dari universitas top di California—segera akan menghadapi pilihan engineering yang tidak romantis: membangun produk mereka di atas lapisan kapasitas mana.

Produk AI-mu, siapa yang menjalankan server untuk inferensi?

Ketika platform tersebut mengubah strategi harga atau kebijakan akses, apakah kamu punya kemampuan untuk bermigrasi?

Skala pengguna yang kamu bangun, apakah menciptakan nilai untuk dirimu sendiri, atau memberi platform keuntungan?

Pertanyaan-pertanyaan ini sudah dialami pengembang di era Web2: ketika nasib aplikasi terikat dalam-dalam dengan algoritma platform atau aturan distribusi, “kemandirian” menjadi kata yang harus didefinisikan ulang kapan saja. Ketergantungan pada infrastruktur kapasitas di era AI akan mengulangi logika ini, dan karena biaya switching lebih tinggi, efek penguncian akan semakin kuat.

Hackathon, sebagai sebuah format, memiliki ironi internal: dalam 36 jam, membangun sesuatu yang bisa berjalan dengan sumber daya minimal dan kecepatan maksimal—ini justru adalah kondisi yang diidamkan oleh mekanisme insentif jaringan desentralisasi. Daniil di panggung LA Hacks tidak hanya berbicara tentang Gonka, tetapi seperti bertanya kepada peserta: apa yang akan kalian lakukan di masa depan—membantu tren terkonsentrasi ini semakin cepat, atau menciptakan kemungkinan baru?

四、PoW 2.0: Sebuah Tantangan Engineering

Gonka mengalihkan insentif bukti kerja dari perhitungan hash ke inferensi AI, sehingga hampir 100% kekuatan komputasi dalam jaringan langsung terkait dengan tugas nyata. Mekanisme ini memiliki satu syarat penting secara engineering: tugas inferensi AI harus dapat diverifikasi dan diulang—dengan model yang sama, seed acak yang sama, dan input yang sama, setiap node harus bisa mereproduksi hasil dan memverifikasi keabsahannya. Ini adalah tantangan utama dari prototipe akademik Gonka menuju jaringan yang bisa dijalankan secara nyata.

Dari sudut pandang ekonomi, mekanisme ini berarti: nilai token secara alami terikat pada biaya kapasitas fisik, bukan sentimen likuiditas. Penambang yang menyumbang kapasitas mendapatkan imbalan, pengembang yang memanggil kapasitas membayar biaya, dan seluruh insentif tidak bergantung pada niat baik pihak ketiga.

Tentu saja, kelayakan teknis hanyalah sebagian. Masalah yang lebih sulit adalah: di tengah permintaan kapasitas yang melonjak dan pengeluaran modal miliaran dolar dari pemain besar, apakah jaringan kapasitas terdistribusi yang dibangun komunitas secara sukarela mampu bersaing secara skala?

Data awal Gonka memberi gambaran: kurang dari satu tahun sejak peluncuran mainnet, kekuatan gabungan dari jaringan ini berkembang dari 60 H100 ke lebih dari 10.000 H100—kecepatan ini berasal dari ratusan node independen di seluruh dunia yang bergabung secara sukarela, bukan dari pengaturan terpusat. Ini belum membuktikan masalah skala sudah teratasi, tetapi menunjukkan bahwa mekanisme insentif efektif mendorong pertumbuhan awal.

五、Masalah Window of Opportunity

Secara historis, dominasi infrastruktur sering kali terkonsentrasi secara cepat di awal—begitu juga di era kereta api, internet, dan mobile internet. Setiap kali, ada yang menemukan celah sebelum standar benar-benar kaku, dan ada yang baru menyadari bahwa hak partisipasi sudah sangat terbatas setelah konsentrasi selesai.

Di mana posisi infrastruktur kapasitas AI saat ini? Melihat dari proyeksi pengeluaran modal dari empat raksasa cloud sebesar 570,8 miliar dolar pada 2026, konsentrasi sudah mempercepat; tetapi dari pola penggunaan pengembang, masih banyak sumber daya yang belum terintegrasi secara efektif. Celah ini adalah ruang yang bisa diisi oleh jaringan desentralisasi secara struktural.

Daniil mengutip perbandingan: setelah gelembung internet 2000 meledak, yang tersisa bukan reruntuhan, melainkan jaringan serat optik yang menyebar ke seluruh dunia, mendukung ekonomi digital selama dua puluh tahun berikutnya. Setelah gelombang investasi infrastruktur AI mereda, protokol kapasitas dan mekanisme insentif yang tertinggal akan menjadi fondasi infrastruktur berikutnya—pertanyaannya adalah, protokol mana yang memiliki logika dasar cukup kokoh untuk tetap berfungsi di bawah tekanan?

Ini bukan soal satu proyek tertentu, tetapi tantangan besar yang harus dihadapi seluruh jalur AI desentralisasi: apakah desain tata kelola mampu benar-benar menahan serangan kontrol tunggal? Apakah mekanisme insentif tetap efektif saat skala membesar? Apakah desentralisasi jaringan kapasitas, dari segi teknologi, token, dan pengambilan keputusan, dapat terpenuhi secara bersamaan?

Penutup

Penurunan harga DeepSeek kembali menghidupkan narasi “demokratisasi AI”. Tapi, demokratisasi inferensi dan demokratisasi infrastruktur kapasitas adalah dua hal berbeda. Yang pertama sedang berlangsung; yang kedua tergantung pada seberapa banyak orang yang benar-benar menganggap ini sebagai masalah rekayasa yang layak diselesaikan, bukan sekadar narasi yang menarik.