Persoalan AI Bernilai $3 Trilion: Bolehkah Pendapatan Menandingi Perbelanjaan Infrastruktur?

Industri kecerdasan buatan kini sedang terlibat dalam perlumbaan berisiko tinggi antara perbelanjaan modal yang besar dan keperluan mendesak untuk menjana pendapatan. Memandangkan penyedia hyperscaler menyuntik trilion dolar ke dalam perkakasan, satu persoalan kritikal timbul: bolehkah lapisan perisian menjana nilai yang mencukupi untuk mewajarkan kos silikon yang sangat besar itu?

Jurang yang Semakin Melebar Antara CapEx dan Pendapatan

Skala pelaburan dalam infrastruktur AI sangat mengejutkan. Rakan kongsi Sequoia, David Cahn, yang sebelum ini menganggarkan keperluan pendapatan sebanyak $200 bilion berdasarkan hasil GPU Nvidia sebanyak $50 bilion, telah menyemak semula unjurannya secara signifikan. Disebabkan tiga tahun penskalaan hyperscaling yang tidak henti-henti, Cahn kini menganggarkan perbelanjaan infrastruktur AI akan mencecah $1.5 trilion menjelang 2026.

Untuk mendapatkan semula kos ini, industri mesti menjana anggaran pendapatan sebanyak $3 trilion. Angka ini berkemungkinan merupakan garis dasar yang konservatif. Peningkatan kos memori, penggunaan cip khusus inferens yang eksotik, dan peningkatan kos pembinaan pusat data sedang memacu keperluan pendapatan bagi setiap gigawatt (GW) CapEx ke tahap yang jauh lebih tinggi. Walaupun makmal perintis (frontier labs) sedang melihat pertumbuhan—dengan laporan Anthropic mencecah $60 bilion dalam ARR dan OpenAI mencapai $20 bilion ARR—masih terdapat jurang yang besar antara pendapatan semasa dengan ambang $3 trilion tersebut.

Pertaruhan Hyperscaler dan Risiko Deflasi

Penyedia hyperscaler gaya "Magnificent Seven"—Google, Meta, Microsoft, dan Amazon—merupakan pemacu utama perbelanjaan ini. Gergasi-gergasi ini bertaruh pada pecutan aliran tunai bebas yang besar menjelang 2028, berdasarkan idea bahawa perkhidmatan AI akan menjadi utiliti penting dengan margin tinggi.

Walau bagaimanapun, ketua ekonomi Apollo, Torsten Slok, memberi amaran tentang rintangan besar yang boleh menjejaskan pengiraan ini. Dua trend khusus mendatangkan ancaman kepada model perniagaan "kilang token":

  1. Kebangkitan Open Weights: Organisasi semakin beralih kepada model open-weight yang lebih murah, termasuk yang berasal dari China, daripada bergantung semata-mata kepada model perintis yang mahal.
  2. Deflasi Token: Apabila model menjadi lebih cekap, harga bagi setiap token semakin menjunam. Sebagai contoh, model terbaru OpenAI telah mencapai peningkatan 54% dalam kecekapan token untuk tugas pengkodan. Walaupun ini merupakan kemenangan bagi pembangun dan pengguna akhir, ia mewujudkan "perlumbaan ke bawah" (race to the bottom) bagi penyedia yang bergantung pada volum token yang tinggi untuk menampung kos infrastruktur yang besar.

Implikasi Makroekonomi Kegagalan Pulangan Pelaburan AI

Pertaruhan ini melangkaui lembaran imbangan gergasi teknologi. Oleh kerana kepimpinan pasaran semasa sangat tertumpu kepada beberapa nama sahaja, keseluruhan S&P 500 terikat kepada kejayaan kitaran pelaburan AI ini.

Jika hyperscaler gagal mencapai sasaran aliran tunai yang diunjurkan menjelang 2028, tindak balas pasaran boleh menjadi sistemik. Slok mencadangkan bahawa pulangan yang lebih perlahan daripada yang dijangkakan bukan sahaja akan mengakibatkan pembetulan khusus sektor; ia berpotensi menjerumuskan ekonomi yang lebih luas ke dalam kemelesetan. Bagi ekosistem AI, tahun-tahun mendatang akan menjadi ujian muktamad sama ada kecerdasan boleh dimonetisasi dengan cukup pantas untuk mengatasi kos perkakasan yang semakin meningkat yang menghasilkannya.

Ringkasan Utama

  • Keperluan Pendapatan yang Besar: Industri AI perlu menjana kira-kira $3 trilion dalam pendapatan untuk mewajarkan unjuran perbelanjaan infrastruktur sebanyak $1.5 trilion menjelang 2026.
  • Paradoks Kecekapan: Peningkatan kecekapan model (seperti peningkatan 54% OpenAI dalam tugas pengkodan) mengurangkan kos bagi pengguna tetapi mewujudkan tekanan harga bagi syarikat yang membiayai perkakasan tersebut.
  • Risiko Ekonomi Sistemik: Oleh kerana pertumbuhan hyperscaler merupakan pemacu utama S&P 500, kegagalan untuk merealisasikan pulangan AI boleh mencetuskan pembetulan pasaran atau kemelesetan yang lebih luas.