Chris Wood Memperingatkan: Risiko Malinvestasi Dapat Memicu Berakhirnya Perdagangan AI

Lonjakan pengeluaran Kecerdasan Buatan (AI) yang tak henti-hentinya menghadapi peringatan kritis dari salah satu ahli strategi Wall Street yang paling berpengalaman. Chris Wood, Global Head of Equity Strategy di Jefferies, menyatakan bahwa ledakan AI tidak akan berakhir karena kurangnya permintaan, melainkan karena krisis profitabilitas yang membayangi.

Ancaman Malinvestasi Dibandingkan Kelebihan Pasokan

Berbeda dengan siklus semikonduktor tradisional yang biasanya runtuh karena penumpukan inventaris yang tiba-tiba atau guncangan pasokan, Wood berpendapat bahwa perdagangan AI menghadapi risiko struktural yang unik: malinvestasi. Ia percaya bahwa "akhir permainan" bagi ledakan AI akan dipicu ketika para hyperscaler dan laboratorium AI terkemuka menyadari bahwa mereka tidak dapat menghasilkan imbal hasil yang memadai atas belanja modal (capital expenditure atau capex) besar yang mereka lakukan.

Wood menyoroti siklus umpan balik yang berpotensi berbahaya di mana perusahaan seperti Nvidia memberikan pembiayaan kepada entitas seperti OpenAI, yang kemudian menggunakan modal tersebut untuk membeli lebih banyak chip Nvidia. Meskipun siklus ini mendorong pertumbuhan yang cepat, hal ini sangat bergantung pada asumsi monetisasi yang optimis. Jika investor mulai meragukan visibilitas pendapatan jangka panjang dari tumpukan teknologi (AI stack), model pendanaan sirkular ini dapat mengalami kemunduran tajam.

Capex Masif dan Kebangkitan Raksasa Memori

Skala investasi saat ini belum pernah terjadi sebelumnya. Wood menggambarkan pembangunan yang sedang berlangsung sebagai "siklus capex paling dramatis" yang pernah ia saksikan. Contoh utamanya adalah TSMC, yang telah menaikkan panduan capex tahun 2026 menjadi sekitar $56 miliar, dengan proyeksi dari Fubon Research yang menunjukkan angka tersebut bisa mencapai $65–$70 miliar pada tahun 2027. Lonjakan ini telah mendorong ekonomi Taiwan secara signifikan, dengan pertumbuhan PDB riil mencapai 14,55% secara tahunan (year-on-year) pada kuartal pertama (Q1) 2026.

Menariknya, sementara lapisan perangkat lunak dan model menghadapi risiko, penyedia "alat pendukung" (picks and shovels) industri ini—khususnya pemasok memori—melihat manfaat struktural. Wood merujuk pada Paradoks Jevons, di mana peningkatan efisiensi justru menyebabkan konsumsi total yang lebih tinggi. Hal ini telah mengubah DRAM dan memori dari komponen periferal menjadi mesin inti produktivitas AI. Pemain besar seperti Micron sudah mengamankan daya tawar jangka panjang, dengan 16 perjanjian strategis yang mencakup 20% volume DRAM mereka dan sepertiga volume NAND mereka.

Komoditisasi Model AI

Hambatan signifikan bagi penyedia AI Barat adalah komoditisasi cepat dari Large Language Models (LLM). Wood mencatat bahwa biaya model berperforma tinggi sedang merosot tajam, terutama dengan munculnya model-model Tiongkok yang efisien.

Data dari OpenRouter mengungkapkan pergeseran masif: pada akhir Juni, model AI teratas asal Tiongkok memproses 21,37 triliun token, sebuah lonjakan signifikan dari 4,37 triliun pada bulan April. Volume ini jauh melampaui 5,76 triliun token yang diproses oleh model-model teratas AS. Karena model seperti GLM-5.2 milik Z.ai menawarkan performa yang hampir setara dengan penyedia premium Barat dengan biaya seperempatnya, tekanan terhadap ekonomi layanan AI "premium" terus meningkat.

Poin-Poin Penting

  • Risiko Utama: Perdagangan AI lebih mungkin berakhir karena kesadaran akan "malinvestasi" dan imbal hasil modal yang buruk, daripada kelebihan pasokan chip tradisional.
  • Ketahanan Memori: Meskipun perangkat lunak AI menghadapi komoditisasi, produsen memori (DRAM/NAND) mendapatkan kekuatan penetapan harga struktural dan stabilitas kontrak jangka panjang.
  • Siklus Umpan Balik: Investor harus memantau hubungan sirkular antara produsen chip yang membiayai laboratorium AI, karena siklus ini sangat sensitif terhadap pergeseran sentimen investor.