Dalam dua tahun terakhir, kecerdasan buatan tidak diragukan lagi merupakan pintu angin paling panas di pasar modal global, memicu pesta pora kekayaan yang menyapu seluruh rantai industri.

Dari perangkat keras inti di hulu hingga implementasi aplikasi di hilir, jalur AI mencatat serangkaian kenaikan yang bernilai epik: NVIDIA (NVDA.US) melonjak tajam berkat posisi monopoli komputasinya; perusahaan model besar seperti Zhipu (02513.HK), OpenAI, Anthropic, dan lainnya mengalami lonjakan valuasi. Raksasa semikonduktor seperti SK海力士 (SKHY.US) dan Intel (INTC.US) juga ikut menanjak. Modul optik, chip optik, material keramik khusus, dan segmen-segmen lain di bawahnya meroket hingga berkali-kali lipat. Bahkan sektor infrastruktur yang relatif lebih tradisional seperti pembangunan infrastruktur pusat data, dukungan kelistrikan, serta perangkat penyimpanan juga menikmati momentum karena pembangunan komputasi AI, sehingga mengalami tren berlawanan dengan kondisi pasar.

Dalam sekejap, modal mengalir deras tanpa henti, perusahaan menambah investasi dan penataan, serta sentimen optimisme industri mencapai puncaknya. Semua orang yakin bahwa AI akan membuka revolusi industri dan siklus pertumbuhan baru selama puluhan tahun.

Namun pada musim panas tahun 2026 yang gempar, gelombang panas di Silicon Valley masih terus terasa, tetapi industri AI justru mengalami kejadian “kabut dingin” bagi modal—yang menembus inti. Dalam 20 hari perdagangan terakhir, indeks semikonduktor Philadelphia turun kumulatif lebih dari 18%. Dari daftar saham chip berkinerja terbaik tahun ini, Micron Technology (MU.US) turun kumulatif mendekati 24% dalam 20 hari terakhir. Bahkan saham bintang yang dulu digembar-gemborkan oleh Huang Renxun, Marvell Technology (MRVL.US), turun lebih dari 37% dalam 20 hari. Narasi yang dulu dianggap kebenaran baku, “komputasi tidak pernah cukup,” mulai menunjukkan retakan.

Penurunan valuasi yang mendadak dan meredanya panas ini, mungkin hanya sekadar gelombang emosi pasar yang reda atau penghentian keuntungan dana jangka pendek. Namun, orang-orang tetap tidak bisa mengabaikan bahaya terselubung dalam pelarian kencang gelombang AI tersebut. Hal ini mungkin menentukan apakah hype ini bisa berkelanjutan.

Jeram pertama: dampak tirai regulasi yang turun

Kecepatan iterasi teknologi AI jauh melampaui ritme pembaruan regulasi hukum. Batas kemampuan teknologi yang masih kabur, risiko keamanan data, kekhawatiran etika algoritma, serta isu monopoli dan pelanggaran hak cipta—semuanya bisa mendorong regulasi AI global dari fase eksplorasi menuju pengetatan menyeluruh. Ini menjadi salah satu gerbang penting yang menghalangi ekspansi AI tanpa kendali.

Saat ini, sistem regulasi AI global telah masuk ke fase implementasi yang padat. Uni Eropa (Undang-Undang Kecerdasan Buatan) secara resmi berlaku: untuk sistem AI berisiko tinggi diterapkan kontrol masuk yang ketat; untuk model AI umum, diajukan persyaratan transparansi dan penilaian risiko. Di Tiongkok, aturan pengelolaan AI generatif terus disempurnakan: menetapkan persyaratan tegas seperti pendaftaran model besar, kepatuhan data, dan verifikasi konten. Sementara itu, AS menggunakan perintah eksekutif dan pedoman industri untuk melakukan pengawasan spesifik atas pelatihan model besar, pengumpulan data, dan perilaku monopoli AI. Selain itu, aturan khusus dari berbagai negara terkait transmisi data lintas batas AI, hak cipta konten yang dihasilkan AI, dan risiko penggantian pekerjaan oleh AI juga terus diterapkan.

Pengetatan regulasi secara menyeluruh secara langsung menaikkan ambang batas masuk industri. Bagi perusahaan AI skala kecil dan menengah, biaya kepatuhan yang melonjak berarti tekanan untuk bertahan hidup meningkat; bagi raksasa teknologi di posisi teratas, kendala regulasi membuat siklus peluncuran produk lebih panjang dan strategi penerapan global terpaksa disesuaikan. Regulasi bukan untuk menghambat proses komersialisasi AI, tetapi akan mengubah aturan permainan.

Jeram kedua: keberlanjutan ekspansi modal—tinjauan terhadap biaya dan manfaat

Ledakan valuasi industri AI pada paruh pertama tahun ini jelas lebih condong ke rantai industri hulu. Raksasa teknologi yang berhadapan dengan pengguna akhir—seperti model besar dan aplikasi di hilir—menggelontorkan dana besar untuk membangun komputasi, melatih model, mendirikan pusat data, dan melakukan riset teknologi. Ini menjadi dukungan penting untuk mendorong performa rantai hulu membaik, sehingga valuasi melonjak. Serupa, jika raksasa-raksasa teknologi ini—atau entitas berdaulat—menurunkan investasi pada AI atau memperlambat investasinya, logika valuasi ini akan goyah.

Saat menilai investasi AI, ada dua hal utama yang terutama diukur: tingkat pengembalian investasi dan kemampuan investasi itu sendiri. Investasi untuk AI telah dilakukan selama beberapa tahun, sehingga efek yang dihasilkan mulai tampak. Penilaian terhadap rantai industri AI saat ini masih mengandung ekspektasi monetisasi AI. Jika dilihat dari kecepatan dan skala “pengejaran harga” pada rantai hulu dalam waktu dekat, pasar saat ini sangat optimistis terhadap prospek investasi AI. Namun jika perkembangan AI tidak sesuai ekspektasi, kemajuan investasi AI akan melambat dan jumlah investasi akan menyusut. Nilai pasar keseluruhan di sektor hulu pun akan mengecil.

Kinerja pada kuartal fiskal bulan Juni mendatang akan menjadi indikator arah penting untuk memprediksi belanja modal AI. Google (GOOG.US), Microsoft (MSFT.US), Amazon (AMZN.US), Meta (META.US) dan para raksasa teknologi luar negeri lainnya, serta perusahaan internet terkemuka di dalam negeri seperti Tencent (00700.HK), Alibaba (09988.HK), semuanya akan diamati dengan sangat ketat. Ekspektasi mereka terhadap investasi AI, kemajuan pengembangan AI, dan bagaimana aplikasi AI terintegrasi ke dalam layanan ekosistem mereka akan menjadi bahan peninjauan yang lebih ketat lagi. Jika bisnis AI para raksasa tidak memenuhi ekspektasi, sulit dipastikan adanya visibilitas arus kas positif. Jika rasio biaya untuk investasi komputasi, riset dan pengembangan, maupun pembangunan infrastruktur tidak membaik, perusahaan pasti akan memangkas belanja modal berikutnya secara proaktif. Dampaknya langsung adalah penyusutan permintaan di hulu rantai industri AI.

Sementara itu, kinerja bisnis yang ada dan kondisi arus kas perusahaan-perusahaan tersebut juga akan secara langsung memengaruhi investasi AI di masa depan. Laba dan arus kas dari bisnis intinya menjadi alasan utama para raksasa teknologi ini terus menambah investasi pada jalur teknologi, sekaligus menyiapkan fondasi untuk AI.

Namun penetrasi teknologi AI yang cepat sedang terus merombak lanskap industri tradisional. Bisnis iklan Google, ritel e-commerce Amazon, paket Office Microsoft, iklan media sosial Meta… justru sumber sebenarnya dari belanja modal raksasa-raksasa teknologi tersebut. Namun, perombakan AI terhadap industri tradisional justru memantulkan dampak ke “sponsor emas” mereka sendiri.

Sebagai contoh di industri periklanan: AI generatif membuat pembuatan konten menjadi sangat murah. Banyak informasi berkualitas rendah yang dihasilkan AI membanjiri platform, angka jangkauan iklan yang benar-benar menyentuh audiens turun, sehingga brand mulai mempertanyakan rasio biaya-manfaat iklan digital. Sementara itu, pencarian berbasis AI sedang menggerogoti porsi iklan mesin pencari tradisional—ketika pengguna bisa mendapatkan jawaban langsung dari model besar, siapa lagi yang mau mengklik “tautan sponsor”?

Yang lebih penting lagi, layanan inti dari raksasa teknologi ini menghasilkan pendapatan, dan hal itu bergantung pada kemampuan membayar serta kebutuhan konsumsi pengguna. Tenaga kerja yang digantikan oleh AI karena pendapatan berkurang akan menurunkan konsumsi. Pada akhirnya, hal itu akan memantul kembali ke para raksasa teknologi tersebut, menyebabkan perusahaan-perusahaan yang bergantung pada keuntungan industri tradisional mengalami penurunan pendapatan yang sangat besar. Di bawah tekanan pada pendapatan mereka sendiri, pihak pemodal tentu tidak lagi sanggup mendukung belanja modal tahunan bernilai hingga seribu miliar untuk jalur AI.

Jeram ketiga: Komersialisasi AI “bagus diucapkan, tidak laku dijual”

Apakah gelombang AI bisa terus berlanjut, pada akhirnya bergantung pada pertanyaan sederhana: apakah itu benar-benar bisa menghasilkan uang?

Model besar sebagai ujung depan monetisasi paling inti dalam rantai industri AI adalah tolok ukur utama untuk menguji kemampuan komersialisasi industri. Saat ini, perusahaan domestik seperti Zhipu (智谱), Baidu (09888.HK) Wenxin Yiyan, Alibaba Tongyi Qianwen, serta model besar arus utama di luar negeri seperti seri GPT dan Claude, semuanya menghadapi kesulitan yang serupa: biaya pelatihan sekali jalan bisa mencapai puluhan juta hingga bahkan lebih dari seratus juta dolar. Konsumsi komputasi inferensi harian, iterasi data, serta biaya operasi dan pemeliharaan terus meningkat, tetapi model monetisasinya sangat terkonsentrasi pada tiga jalur: pemanggilan API, layanan kustomisasi perusahaan, dan langganan anggota.

Yang paling penting lagi, kebanyakan perusahaan yang memperkenalkan AI kesulitan untuk mengukur secara kuantitatif imbal hasil ekonominya dalam jangka pendek. Bagi pengguna individual, kemampuan menanggung biaya langganan bulanan terbatas sehingga tingkat konversi umumnya rendah. Sedangkan bagi pelanggan perusahaan memang anggaran lebih longgar, tetapi anggaran yang besar juga berarti tuntutan imbal hasil yang tinggi—mereka biasanya berharap agar investasi AI dapat dipercepat dari “pos biaya” menjadi “pos pendapatan”, dan dalam jangka pendek sering kali sulit dicapai.

Di saat yang bersamaan, biaya inferensi model besar sedang turun dengan sangat cepat—ini sekaligus kabar baik dan kutukan: biaya rendah membuat lebih banyak skenario aplikasi menjadi layak, tetapi juga terus menggerus posisi tawar perusahaan-perusahaan model besar dalam penetapan harga, sehingga meningkatkan kesulitan komersialisasi mereka.

Jeram keempat: siklus kenaikan suku bunga membuat investasi AI menjadi mahal

Ekspansi pesat industri AI tidak lepas dari kondisi lingkungan suku bunga rendah global. Dalam beberapa tahun terakhir, kebijakan moneter global yang longgar membuat perusahaan teknologi dapat menerbitkan utang, mengambil pinjaman, dan melakukan pendanaan dengan biaya yang sangat rendah—lalu secara membabi buta menambah investasi pembangunan komputasi AI serta riset teknologi. Namun ketika bank-bank sentral utama global memasuki siklus kenaikan suku bunga, “dividen kelonggaran” berakhir. Hal ini akan membuat biaya investasi dan pendanaan di seluruh rantai industri AI meningkat, dan tuntutan atas imbal hasil proyek AI pun akan jauh lebih tinggi.

Saat ini, pasar obligasi global terus mengalami tekanan. Defisit fiskal di negara-negara maju tinggi, mendorong imbal hasil obligasi pemerintah terus melonjak sehingga suku bunga pembiayaan di pasar secara keseluruhan naik. Di saat yang bersamaan, raksasa teknologi seperti Google, Amazon, Meta terus melakukan penataan investasi AI secara agresif, dengan menerbitkan utang dalam skala besar untuk menghimpun dana, yang berpotensi semakin mendorong kenaikan suku bunga pasar. Bagi perusahaan AI, kenaikan biaya pendanaan berarti setiap kebutuhan investasi komputasi, investasi riset dan pengembangan, serta investasi infrastruktur harus menghasilkan pengembalian yang lebih tinggi. Ketika investor menilai proyek-proyek ini, mereka juga akan semakin ketat.

Jeram kelima: kekhawatiran tersembunyi terkait kelebihan kapasitas

Pada periode investasi yang sangat panas, para raksasa sering terjebak dalam “kultus skala”, namun mengabaikan hukum penawaran dan permintaan. Untuk chip penyimpanan, chip komputasi, modul optik, server, dan jalur inti lainnya, investasi kapasitas produksi mencapai level triliunan. Namun ekspansi yang buta ini sedang menciptakan krisis ketidakseimbangan serius antara penawaran dan permintaan, dan berpotensi menjadi faktor penting yang menghambat industri terus bergerak ke atas.

Sebagai contoh, untuk chip memori: investasi raksasa yang mencapai lebih dari puluhan triliun dolar kemungkinan besar akan bertransformasi menjadi kondisi kelebihan kapasitas yang serius dalam beberapa tahun mendatang. Ketika pasar dipenuhi model besar yang homogen dan perangkat keras yang berlebih, perang harga tidak dapat dihindari, dan ruang keuntungan akan tertekan secara ekstrem.

Jeram keenam: penggantian pekerjaan memicu “balik serang ekonomi”

Penyebaran teknologi AI sedang bergeser dari menggantikan pekerjaan berulang yang sederhana, menuju menggantikan pekerjaan kognitif tingkat menengah hingga tinggi, yang memicu restrukturisasi besar-besaran atas lapangan kerja. Sebelumnya, masyarakat luas umumnya percaya bahwa AI hanya akan menggantikan pekerja di lini produksi dan staf layanan dasar. Namun sekarang, model pembangkit kode dapat menggantikan programmer pemula dan menengah untuk menyelesaikan pekerjaan pemrograman; alat kantor berbasis AI dapat menggantikan peran penulis naskah, operasional, keuangan, serta hukum dasar. Pemutusan massal tenaga kerja oleh perusahaan teknologi besar telah menjadi hal yang lumrah, dan banyak posisi kognitif berpenghasilan tinggi digantikan oleh AI.

Penggantian pekerjaan seperti ini bukan fenomena individual, melainkan perubahan struktural yang bersifat massal dan lintas industri. Orang-orang yang pekerjaannya tergantikan umumnya menanggung beban tegas seperti cicilan rumah, kredit konsumsi, serta biaya pensiun dan pengasuhan keluarga. Pengangguran skala besar berarti adanya putusnya arus pendapatan, yang langsung memicu serangkaian reaksi berantai ekonomi: pendapatan warga turun sehingga konsumsi menyusut; risiko gagal bayar cicilan rumah meningkat; dan tingkat gagal bayar kredit terus naik. Pada akhirnya hal ini menekan pasar properti dan vitalitas pasar konsumsi, serta memunculkan tekanan deflasi lokal.

Dilihat dari transmisi dalam rantai industri, lemahnya pasar konsumsi di hilir akan secara bertahap merembet ke industri-industri nyata dan industri teknologi di hulu. Tekanan pada profit perusahaan-perusahaan di berbagai sektor akan membuat mereka lebih berhati-hati dalam menimbang rasio biaya-manfaat dari investasi AI, dan tidak lagi membabi buta mengikuti tren untuk menambah alokasi AI. Selain itu, tekanan deflasi ekonomi secara keseluruhan juga akan memaksa kebijakan moneter global untuk beradaptasi secara pasif, yang selanjutnya memengaruhi likuiditas pasar modal. Pada akhirnya, semua ini akan membatasi ekspansi berkelanjutan industri AI dari lapisan dasarnya.

Batas fisik dan penghalang abstrak

Selain kendala ekonomi dan sosial, AI sendiri juga menghadapi batas langit-langit fisik dan kognitif yang sulit dilewati.

Pertama, hambatan kaku pada infrastruktur fisik. Pelatihan dan inferensi model besar secara sah disebut “banteng listrik”. Diperkirakan pada tahun 2030, konsumsi listrik pusat data global akan menjadi dua kali lipat. Faktor pembatas di masa depan mungkin tidak lagi pasokan chip, melainkan listrik skala gigawatt yang diperlukan untuk menyuplai daya.

Selain itu, ada kesenjangan yang tidak dapat dihilangkan antara simulasi virtual AI dan dunia materi yang nyata. Model digital hanya dapat memfitting korelasi, tidak bisa meniru sepenuhnya sebab-akibat fisik seperti deformasi termal dan tegangan material. Pada bidang manufaktur dan penerbangan dengan tingkat toleransi kesalahan yang sangat rendah, “halusinasi” AI dapat menimbulkan risiko yang fatal.

Dari sisi kognitif, saat ini sistem AI pada dasarnya masih bekerja dalam kerangka kognisi manusia. Ia dapat mengulang pola-pola dalam teks, tetapi tidak memiliki pemahaman tentang logika sebab-akibat dunia nyata. Ia juga tidak bisa seperti manusia menemukan konsep-konsep baru dan menciptakan sesuatu yang baru melalui interaksi dengan dunia fisik. Jika tidak ada data baru yang segar dan nyata secara terus-menerus, meskipun parameter model diperbesar, model bisa saja terjebak dalam jalan buntu pengulangan pemfittingan yang sama.

Pelajaran: dari kegilaan kembali menjadi penuh rasa hormat

Yang menghalangi gelombang AI, tidak pernah semata-mata satu hambatan teknis. Melainkan jaring besar yang saling terkait antara regulasi, modal, ekonomi, masyarakat, fisika, dan kognisi. Ini memberi kita pelajaran mendalam: titik balik kunci revolusi teknologi seringkali bukan saat teknologi semakin kuat, melainkan ketika masyarakat dan perusahaan akhirnya menemukan bentuk organisasi baru yang selaras dengan teknologi baru.

Setelah mesin uap diciptakan selama lebih dari setengah abad, barulah sistem pabrik benar-benar melepaskan produktivitasnya; puluhan tahun setelah listrik hadir, barulah lini produksi mengubah manufaktur secara menyeluruh. AI juga demikian—titik belok sesungguhnya mungkin bukan pada hari ketika terobosan komputasi terjadi, melainkan pada saat kita akhirnya belajar cara mengorganisasi talenta, menyusun ulang proses, dan merancang mekanisme insentif, agar AI dan manusia menjalankan tugasnya masing-masing, serta berevolusi bersama secara selaras.

Regulasi harus menyusul, modal harus diperhitungkan, model bisnis harus divalidasi, lapangan kerja harus bertransformasi, dan hambatan fisik harus ditembus—semuanya tidak bisa selesai dalam semalam. Namun justru “hambatan-hambatan” inilah yang membuat perkembangan AI beralih dari gelisah menjadi tenang, dari spekulasi kembali ke nilai.

Oleh: Wu Yan