#AnthropicDiscloses$84.5BComputeDealWithSpaceX

Kisah AI paling penting saat ini mungkin bukan peluncuran model lain. Bisa jadi, kisahnya adalah jumlah infrastruktur yang diperlukan untuk menjaga ekonomi AI tetap berjalan.

Pengajuan IPO terbaru Anthropic memberi kita gambaran yang jauh lebih jelas tentang seperti apa perlombaan infrastruktur ini. Perusahaan tersebut memperkirakan akan membelanjakan setidaknya 518 miliar dolar AS selama dekade berikutnya untuk enam mitra infrastruktur, sementara kesepakatan komputasinya dengan SpaceX dapat mencapai 84,5 miliar dolar AS hingga 2029. Ini bukan sekadar taruhan pada satu model AI. Ini adalah taruhan bahwa permintaan atas kapasitas komputasi akan tetap sangat besar selama bertahun-tahun.

Namun, inilah bagian yang menurut saya lebih menarik: komputasi mulai terlihat seperti kontrak pasokan jangka panjang, bukan pengeluaran teknologi biasa.

Perusahaan AI membutuhkan kapasitas komputasi dalam jumlah sangat besar sebelum mereka mengetahui secara pasti bagaimana permintaan akan berkembang. Karena itu, mereka harus membuat keputusan infrastruktur bertahun-tahun sebelumnya. Mengamankan kapasitas terlalu sedikit akan membuat ketersediaan model menjadi kendala. Mengamankan terlalu banyak kapasitas akan membuat perusahaan menanggung komitmen mahal yang mungkin menjadi tidak efisien jika ekonomi perangkat keras berubah lebih cepat dari perkiraan.

Hal itu menciptakan lanskap persaingan yang sepenuhnya berbeda.

Kendala berikutnya juga bergeser lebih jauh ke bawah rantai pasokan. TrendForce telah menaikkan prospek HBM 2027 secara tajam, memproyeksikan harga jual rata-rata HBM gabungan meningkat 121% secara tahunan, dengan pasokan diperkirakan tetap terbatas ketika server AI bersaing untuk mendapatkan kapasitas manufaktur canggih dan kapasitas wafer. Transisi menuju HBM4 dan HBM4e menambah lapisan biaya dan kompleksitas lainnya.

Jadi, ketika kita melihat perusahaan AI menandatangani kesepakatan komputasi besar, kita tidak boleh hanya memikirkan GPU.

Pikirkan seluruh rantai di balik GPU tersebut: memori canggih, jaringan, pembangkitan listrik, pendinginan, pembangunan pusat data, manufaktur semikonduktor, dan pendanaan yang diperlukan untuk mewujudkan semuanya.

Itulah sebabnya kisah infrastruktur AI dapat terus menyebar melampaui perusahaan-perusahaan yang membangun model. Kekurangan pada satu lapisan dapat memengaruhi ekonomi seluruh sistem.

Ada perkembangan lain yang patut diperhatikan: bagaimana infrastruktur ini didanai.

Reuters melaporkan hari ini bahwa pemberi pinjaman dan investor masih berhati-hati dalam memperlakukan GPU AI sebagai agunan tradisional. NVIDIA telah mendorong model pendanaan yang jauh lebih besar untuk infrastruktur AI, tetapi lembaga keuangan tetap khawatir terhadap depresiasi perangkat keras dan berapa lama akselerator mahal dapat mempertahankan nilai ekonominya. Alih-alih hanya menanyakan berapa nilai sebuah GPU, pemberi pinjaman semakin ingin mengetahui apakah ada pendapatan yang dapat diandalkan atau kontrak pelanggan yang kuat di baliknya.

Perbedaan itu bisa menjadi sangat penting.

Jika infrastruktur AI semakin banyak didanai melalui kontrak jangka panjang, industri ini mulai menyerupai bisnis infrastruktur sama besarnya dengan bisnis perangkat lunak. Arus kas masa depan, tingkat utilisasi, dan ketersediaan listrik menjadi sama pentingnya dengan tolok ukur model.

Dan hal ini membawa kita pada pertanyaan yang menurut saya lebih besar untuk beberapa tahun ke depan:

Dapatkah permintaan AI tumbuh cukup cepat untuk membenarkan infrastruktur yang sedang dibangun saat ini?

Sejauh ini, siklus investasi tetap agresif. Pemasok memori melihat permintaan kuat dari server AI, komitmen infrastruktur mencapai tingkat luar biasa, dan perusahaan bersaing memperebutkan kapasitas komputasi masa depan alih-alih menunggu hingga mereka benar-benar membutuhkannya. Hasil terbaru Micron juga menegaskan betapa kuatnya permintaan pusat data AI mengalir ke industri memori.

Namun, industri ini tidak dapat menyelesaikan setiap masalah hanya dengan menambahkan lebih banyak GPU.

Pada titik tertentu, efisiensi menjadi keunggulan kompetitif berikutnya.

Jika sebuah model dapat menghasilkan keluaran bermanfaat yang sama dengan setengah biaya inferensi, peningkatan itu bisa lebih penting secara ekonomi daripada menambahkan klaster besar lainnya. Arsitektur model yang lebih baik, optimalisasi inferensi, sparsitas, akselerator khusus, dan efisiensi memori yang lebih baik karena itu dapat menjadi sama pentingnya dengan daya komputasi mentah.

Itulah transisi yang akan saya amati.

Fase pertama AI adalah tentang siapa yang dapat membangun model paling mumpuni.

Fase kedua mulai berfokus pada siapa yang dapat mengamankan komputasi yang cukup.

Fase berikutnya bisa berfokus pada siapa yang dapat mengubah setiap unit komputasi menjadi nilai ekonomi terbesar.

Karena itu, kesepakatan Anthropic–SpaceX senilai 84,5 miliar dolar AS menarik bukan karena angkanya semata-mata sangat besar, melainkan karena kesepakatan tersebut memberi kita gambaran sekilas tentang betapa mahalnya fondasi fisik AI.

AI mungkin terlihat seperti revolusi perangkat lunak dari luar.

Di baliknya, ekonomi infrastruktur yang sangat besar sedang dibangun.

Dan ekonomi itu baru saja dimulai.

@GateSquare @Gate_Square