Partner modal ventura membahas transformasi Nvidia: “Hyperscaler versi sintetis” akan menggantikan Microsoft dan Google
Partner Altimeter Capital, Clark Tang, baru-baru ini memposting bahwa Nvidia sedang menyelesaikan transformasi penentuan posisi yang, secara mengejutkan, hampir tidak disadari pihak luar—dengan kecepatan yang luar biasa. Nvidia sekaligus menguasai lapisan operasional hyperscaler (penyedia infrastruktur cloud skala sangat besar) serta lapisan pembiayaan/pendanaan. Hasilnya adalah “Hyperscaler versi sintetis (Synthetic Hyperscaler)”, yang kini sedang menggantikan posisi Amazon, Microsoft, dan Google dalam rantai pasokan komputasi AI. (Bagaimana Nvidia menanggapi “de-Nvidia” pada hyperscaler? Bongkar jalur transformasi pemimpin chip AI) Apa itu Hyperscaler? Era AI membuat model bisnis lama tidak lagi berfungsi
Tang pertama-tama menjelaskan esensi hyperscaler: sebagai kumpulan infrastruktur berskala besar, ia mencakup CPU, jaringan, dan penyimpanan, serta menyediakan platform pengembangan di atasnya. Model bisnis mereka bertumpu pada dua pilar. Secara finansial, mereka mengubah belanja modal pelanggan (Capex) menjadi biaya operasional (Opex), sehingga kewajiban keuangan klien perusahaan dapat diratakan. Secara operasional, melalui perangkat lunak, mereka mengabstraksi sumber daya tingkat bawah sehingga pengembang tidak perlu memahami detail perangkat keras untuk mengonsumsi daya komputasi.
Mereka mempertahankan margin laba operasional jangka panjang sekitar 35% hingga 40% melalui pembelian perangkat keras dalam jumlah besar, menekan biaya modal, lalu meningkatkan tingkat pemanfaatan perangkat keras lewat perangkat lunak—yang membuat AWS, Azure, dan GCP bertahan pada level tersebut. Namun, kehadiran era AI mengguncang fondasi dari model ini. Pelatihan model besar membutuhkan klaster GPU sinkron berskala masif; sementara beban kerja inferensi (Inference) untuk agen sangat sensitif terhadap jumlah Token per watt (Tokens per Watt) dan latensi token pertama (Time to First Token). Keduanya bertolak belakang dengan desain era cloud “multi-tenant dan memaksimalkan kepadatan mesin virtual”.
Dalam klaster pelatihan, keterlambatan pada satu node saja bisa menjatuhkan seluruh proses; sebaliknya, virtualisasi dan lapisan-lapisan jaringan yang biasa dipakai hyperscaler tradisional justru menjadi “pembunuh” efisiensi GPU. Tang menegaskan bahwa menghadapi pergeseran paradigma ini, hyperscaler terjebak dalam dilema inovator (Innovator’s Dilemma): “Mereka enggan melepas margin laba 35% hingga 40%, dan berharap menggunakan solusi ASIC milik sendiri untuk menekan ruang margin kotor Nvidia sebesar 75% menjadi hanya 25%, namun tetap tertinggal dalam kecepatan eksekusi dan fleksibilitas teknis.”
Neoclouds bangkit, tetapi terkendala neraca keuangan
Di tengah situasi ini, penyedia layanan cloud baru (Neoclouds) melihat peluang dan membangun ekosistem. Mereka menemukan bahwa hyperscaler pada dasarnya hanya membungkus perangkat keras Nvidia yang sudah tersedia dengan lapisan perangkat lunak tipis, lalu meraup keuntungan yang besar—sementara neocloud bisa ikut bersaing dengan margin kotor 20% atau bahkan lebih rendah. Yang lebih penting, Neocloud bekerja secara mendalam bersama Nvidia untuk mengembangkan perangkat lunak khusus bagi beban kerja AI, termasuk hot backup, pemeliharaan prediktif, serta perangkat lunak penyimpanan dengan tarif lebih rendah yang dioptimalkan untuk skenario pelatihan. Laboratorium AI mulai jelas lebih memilih bekerja sama dengan Neocloud; kritik mereka terhadap hyperscaler terutama menyoroti tiga hal: terlalu lambat bergerak, pembangunan klaster terlalu kaku, serta lapisan virtualisasi menekan efisiensi GPU.
Namun, Neocloud memiliki satu kelemahan struktural yang sulit diatasi: neraca keuangan yang tipis. Hyperscaler, karena skala dan kredit yang tinggi, mampu membiayai pembangunan kapasitas lebih dulu sebelum permintaan benar-benar jelas; kemudian melakukan arbitrase saat permintaan datang. Sementara itu, pemberi pinjaman neocloud hanya bersedia menyalurkan dana untuk perangkat keras yang didukung kontrak yang sudah ada, dan di tahap awal, reputasi kredit laboratorium AI cenderung lebih spekulatif, sehingga biaya pembiayaan pun lebih tinggi. Hambatan ini membuat Neocloud tidak pernah bisa berani “menaruh taruhan pada kapasitas” seperti Colossus milik Musk, sebelum realisasi permintaan.
Permainan catur Nvidia: menguasai sekaligus lapisan operasional dan lapisan pembiayaan
Tang berpendapat demikian: dalam beberapa tahun terakhir, Nvidia secara diam-diam telah meniru dua kemampuan kunci hyperscaler skala besar, dan ini bukan kebetulan—melainkan rangkaian langkah catur yang ditempuh bertahap. Pada lapisan operasional, Nvidia meluncurkan DSX OS dan Mission Control untuk mengelola armada GPU. Dengan DSX reference design dan Omniverse sebagai cetak biru standar untuk pembangunan pusat data, lalu menggunakan framework Dynamo untuk menangani layanan inferensi. Kombinasi alat-alat ini membentuk satu sistem operasi lengkap untuk pusat data AI, yang kemudian dibuka untuk tim mana pun yang memiliki kemampuan teknis dan lokasi/ruang pusat data.
Pada lapisan pembiayaan, Nvidia lebih dulu menstandarkan aset perangkat kerasnya sendiri: melalui desain referensi untuk membuktikan “interchangeability dan transferabilitas lintas pelanggan” kepada investor infrastruktur, sehingga aset seperti ini dapat melewati due diligence sistem keuangan dengan imbal hasil tanpa leverage (Unlevered Yield) sekitar 7% hingga 8%. Setelah itu, Nvidia menghadirkan modal pihak ketiga dengan skala hingga 500 miliar dolar, dengan mitra yang mencakup Apollo, BlackRock, Blackstone, Goldman Sachs, dan KKR, serta secara bertahap membangun enam platform pembiayaan independen.
Dari timeline terlihat bahwa ini adalah strategi yang sudah diperhitungkan sejak lama: Nvidia menandatangani perjanjian induk dengan CoreWeave pada 2023, memfasilitasi kemitraan infrastruktur AI dengan BlackRock pada 2024, mendorong dana Brookfield senilai 100 miliar dolar pada 2025, dan melanjutkan kerja sama dengan KKR Helix pada 2026. Huang Renxun pada 2025 melakukan kunjungan intensif ke Eropa, Timur Tengah, dan Asia Tenggara—yang tujuannya adalah pembangunan di lapangan untuk lokasi-lokasi stasiun komputasi baru tersebut.
Perputaran dana dan keraguan soal keterbiayaan: Tang bantah satu per satu
Menanggapi keraguan utama pasar terhadap narasi ini, Tang juga menjawab satu per satu. Terkait kekhawatiran tentang perputaran dana, ia menegaskan bahwa enam lembaga seperti Apollo dan BlackRock masing-masing menanggung sindikasi secara independen, tidak saling terhubung, ...
Partner Altimeter Capital, Clark Tang, baru-baru ini memposting bahwa Nvidia sedang menyelesaikan transformasi penentuan posisi yang, secara mengejutkan, hampir tidak disadari pihak luar—dengan kecepatan yang luar biasa. Nvidia sekaligus menguasai lapisan operasional hyperscaler (penyedia infrastruktur cloud skala sangat besar) serta lapisan pembiayaan/pendanaan. Hasilnya adalah “Hyperscaler versi sintetis (Synthetic Hyperscaler)”, yang kini sedang menggantikan posisi Amazon, Microsoft, dan Google dalam rantai pasokan komputasi AI. (Bagaimana Nvidia menanggapi “de-Nvidia” pada hyperscaler? Bongkar jalur transformasi pemimpin chip AI) Apa itu Hyperscaler? Era AI membuat model bisnis lama tidak lagi berfungsi
Tang pertama-tama menjelaskan esensi hyperscaler: sebagai kumpulan infrastruktur berskala besar, ia mencakup CPU, jaringan, dan penyimpanan, serta menyediakan platform pengembangan di atasnya. Model bisnis mereka bertumpu pada dua pilar. Secara finansial, mereka mengubah belanja modal pelanggan (Capex) menjadi biaya operasional (Opex), sehingga kewajiban keuangan klien perusahaan dapat diratakan. Secara operasional, melalui perangkat lunak, mereka mengabstraksi sumber daya tingkat bawah sehingga pengembang tidak perlu memahami detail perangkat keras untuk mengonsumsi daya komputasi.
Mereka mempertahankan margin laba operasional jangka panjang sekitar 35% hingga 40% melalui pembelian perangkat keras dalam jumlah besar, menekan biaya modal, lalu meningkatkan tingkat pemanfaatan perangkat keras lewat perangkat lunak—yang membuat AWS, Azure, dan GCP bertahan pada level tersebut. Namun, kehadiran era AI mengguncang fondasi dari model ini. Pelatihan model besar membutuhkan klaster GPU sinkron berskala masif; sementara beban kerja inferensi (Inference) untuk agen sangat sensitif terhadap jumlah Token per watt (Tokens per Watt) dan latensi token pertama (Time to First Token). Keduanya bertolak belakang dengan desain era cloud “multi-tenant dan memaksimalkan kepadatan mesin virtual”.
Dalam klaster pelatihan, keterlambatan pada satu node saja bisa menjatuhkan seluruh proses; sebaliknya, virtualisasi dan lapisan-lapisan jaringan yang biasa dipakai hyperscaler tradisional justru menjadi “pembunuh” efisiensi GPU. Tang menegaskan bahwa menghadapi pergeseran paradigma ini, hyperscaler terjebak dalam dilema inovator (Innovator’s Dilemma): “Mereka enggan melepas margin laba 35% hingga 40%, dan berharap menggunakan solusi ASIC milik sendiri untuk menekan ruang margin kotor Nvidia sebesar 75% menjadi hanya 25%, namun tetap tertinggal dalam kecepatan eksekusi dan fleksibilitas teknis.”
Neoclouds bangkit, tetapi terkendala neraca keuangan
Di tengah situasi ini, penyedia layanan cloud baru (Neoclouds) melihat peluang dan membangun ekosistem. Mereka menemukan bahwa hyperscaler pada dasarnya hanya membungkus perangkat keras Nvidia yang sudah tersedia dengan lapisan perangkat lunak tipis, lalu meraup keuntungan yang besar—sementara neocloud bisa ikut bersaing dengan margin kotor 20% atau bahkan lebih rendah. Yang lebih penting, Neocloud bekerja secara mendalam bersama Nvidia untuk mengembangkan perangkat lunak khusus bagi beban kerja AI, termasuk hot backup, pemeliharaan prediktif, serta perangkat lunak penyimpanan dengan tarif lebih rendah yang dioptimalkan untuk skenario pelatihan. Laboratorium AI mulai jelas lebih memilih bekerja sama dengan Neocloud; kritik mereka terhadap hyperscaler terutama menyoroti tiga hal: terlalu lambat bergerak, pembangunan klaster terlalu kaku, serta lapisan virtualisasi menekan efisiensi GPU.
Namun, Neocloud memiliki satu kelemahan struktural yang sulit diatasi: neraca keuangan yang tipis. Hyperscaler, karena skala dan kredit yang tinggi, mampu membiayai pembangunan kapasitas lebih dulu sebelum permintaan benar-benar jelas; kemudian melakukan arbitrase saat permintaan datang. Sementara itu, pemberi pinjaman neocloud hanya bersedia menyalurkan dana untuk perangkat keras yang didukung kontrak yang sudah ada, dan di tahap awal, reputasi kredit laboratorium AI cenderung lebih spekulatif, sehingga biaya pembiayaan pun lebih tinggi. Hambatan ini membuat Neocloud tidak pernah bisa berani “menaruh taruhan pada kapasitas” seperti Colossus milik Musk, sebelum realisasi permintaan.
Permainan catur Nvidia: menguasai sekaligus lapisan operasional dan lapisan pembiayaan
Tang berpendapat demikian: dalam beberapa tahun terakhir, Nvidia secara diam-diam telah meniru dua kemampuan kunci hyperscaler skala besar, dan ini bukan kebetulan—melainkan rangkaian langkah catur yang ditempuh bertahap. Pada lapisan operasional, Nvidia meluncurkan DSX OS dan Mission Control untuk mengelola armada GPU. Dengan DSX reference design dan Omniverse sebagai cetak biru standar untuk pembangunan pusat data, lalu menggunakan framework Dynamo untuk menangani layanan inferensi. Kombinasi alat-alat ini membentuk satu sistem operasi lengkap untuk pusat data AI, yang kemudian dibuka untuk tim mana pun yang memiliki kemampuan teknis dan lokasi/ruang pusat data.
Pada lapisan pembiayaan, Nvidia lebih dulu menstandarkan aset perangkat kerasnya sendiri: melalui desain referensi untuk membuktikan “interchangeability dan transferabilitas lintas pelanggan” kepada investor infrastruktur, sehingga aset seperti ini dapat melewati due diligence sistem keuangan dengan imbal hasil tanpa leverage (Unlevered Yield) sekitar 7% hingga 8%. Setelah itu, Nvidia menghadirkan modal pihak ketiga dengan skala hingga 500 miliar dolar, dengan mitra yang mencakup Apollo, BlackRock, Blackstone, Goldman Sachs, dan KKR, serta secara bertahap membangun enam platform pembiayaan independen.
Dari timeline terlihat bahwa ini adalah strategi yang sudah diperhitungkan sejak lama: Nvidia menandatangani perjanjian induk dengan CoreWeave pada 2023, memfasilitasi kemitraan infrastruktur AI dengan BlackRock pada 2024, mendorong dana Brookfield senilai 100 miliar dolar pada 2025, dan melanjutkan kerja sama dengan KKR Helix pada 2026. Huang Renxun pada 2025 melakukan kunjungan intensif ke Eropa, Timur Tengah, dan Asia Tenggara—yang tujuannya adalah pembangunan di lapangan untuk lokasi-lokasi stasiun komputasi baru tersebut.
Perputaran dana dan keraguan soal keterbiayaan: Tang bantah satu per satu
Menanggapi keraguan utama pasar terhadap narasi ini, Tang juga menjawab satu per satu. Terkait kekhawatiran tentang perputaran dana, ia menegaskan bahwa enam lembaga seperti Apollo dan BlackRock masing-masing menanggung sindikasi secara independen, tidak saling terhubung, ...