Mengapa Malinvestasi, Bukan Kelebihan Pasokan Chip, Dapat Mengakhiri Booming AI

Demam emas kecerdasan buatan saat ini didorong oleh siklus belanja modal yang belum pernah terjadi sebelumnya, namun peringatan signifikan telah muncul terkait keberlanjutan jangka panjangnya. Chris Wood, Global Head of Equity Strategy di Jefferies, menunjukkan bahwa perdagangan AI mungkin tidak berakhir karena kurangnya permintaan, melainkan karena krisis profitabilitas.

Risiko Malinvestasi dan Pendanaan Sirkular

Berbeda dengan siklus semikonduktor tradisional yang biasanya berakhir karena penumpukan inventaris yang tiba-tiba atau guncangan pasokan, Wood mengidentifikasi "malinvestasi" sebagai risiko utama bagi perdagangan AI. Kekhawatiran utamanya adalah bahwa para hyperscaler dan laboratorium AI terkemuka mungkin gagal menghasilkan pengembalian yang memadai atas belanja modal (capex) besar yang mereka lakukan.

Wood menyoroti loop umpan balik yang berpotensi berbahaya dalam ekosistem ini: pengaturan pendanaan sirkular di mana perusahaan seperti Nvidia memberikan pembiayaan kepada laboratorium AI seperti OpenAI, yang kemudian menggunakan modal tersebut untuk membeli lebih banyak chip Nvidia. Meskipun hal ini mendorong pertumbuhan jangka pendek, hal ini menciptakan kerentanan. Jika investor mulai meragukan kemampuan monetisasi jangka panjang dari investasi AI ini, loop umpan balik ini dapat berbalik secara tajam, memicu jeda yang menyakitkan di pasar.

Capex Masif dan Paradoks Jevons

Skala investasi yang disaksikan saat ini sangat bersejarah. TSMC telah menaikkan panduan capex tahun 2026 menjadi sekitar $56 miliar, naik dari $41 miliar tahun lalu, dengan beberapa proyeksi menunjukkan pengeluaran dapat mencapai $65–$70 miliar pada tahun 2027. Lonjakan ini telah secara signifikan mendorong ekonomi Taiwan, dengan pertumbuhan PDB riil mencapai 14,55% secara tahunan (year-on-year) pada Q1 2026.

Wood melihat hal ini melalui lensa "Paradoks Jevons"—gagasan bahwa saat biaya suatu sumber daya (dalam hal ini, token komputasi) turun karena peningkatan efisiensi, total konsumsi sumber daya tersebut justru meningkat. Paradoks ini menguntungkan para pemain "picks and shovels" (penyedia infrastruktur dasar), khususnya pemasok memori dan DRAM. Perusahaan seperti Micron sudah melihat pergeseran struktural ini, dengan Micron menandatangani 16 perjanjian pelanggan strategis yang mencakup 20% volume DRAM-nya dan sepertiga volume NAND-nya, seringkali dengan tenor lima tahun.

Komoditisasi Model AI

Tekanan lain yang meningkat pada ekonomi penyedia AI premium Barat adalah komoditisasi cepat dari Large Language Models (LLM). Munculnya model berkualitas tinggi dengan biaya rendah—terutama dari Tiongkok—menantang dominasi perusahaan-perusahaan berbasis di AS.

Sebagai contoh, peluncuran GLM-5.2 dari Z.ai telah digambarkan hampir setara dengan Anthropic untuk penggunaan korporat, tetapi hanya dengan seperempat biaya per token. Data dari OpenRouter menunjukkan pergeseran volume yang signifikan; pada akhir Juni, model AI teratas Tiongkok memproses 21,37 triliun token, secara signifikan mengungguli 5,76 triliun token yang diproses oleh model teratas AS. Masuknya alternatif murah dan mumpuni ini memberikan tekanan besar pada margin laba perusahaan-perusahaan yang memimpin perlombaan AI.

Poin-Poin Penting

  • Risiko Utama: Berakhirnya perdagangan AI lebih mungkin dipicu oleh kesadaran akan "malinvestasi" dan pengembalian capex yang buruk, daripada kelebihan pasokan semikonduktor tradisional.
  • Pergeseran Struktural dalam Memori: Pemasok DRAM dan memori saat ini adalah penerima manfaat "picks and shovels" yang paling terlindungi, memanfaatkan perjanjian strategis jangka panjang untuk mempertahankan kekuatan penetapan harga.
  • Ancaman Komoditisasi: Munculnya model AI berkinerja tinggi dengan biaya rendah secara cepat (terutama dari Tiongkok) mengomoditasi lanskap LLM, mengancam model margin tinggi dari para pemimpin AI Barat.