Tadi malam, kenaikan harian Meta lebih dari 11%; Intel dan AMD masing-masing mendorong sekitar 12% dan 10%. Penyebabnya adalah produk AI Agent personal Meta bernama Muse yang terus memanas. Hal ini layak dibahas karena berpotensi mengubah logika dasar di balik “komputasi AI”.
1. Apa yang sebenarnya diubah oleh Muse
Sebagian besar AI konsumen di pasaran pada dasarnya masih berupa alat tanya-jawab: Anda memasukkan satu paragraf, model menalar lalu mengembalikan hasil, dan tugas selesai. Muse menarik AI keluar dari jendela chat ke dalam alur kerja nyata: Anda memberi satu tujuan, lalu ia memecah langkah-langkahnya, login ke situs, memanggil layanan eksternal, membaca status halaman, dan kemudian memutuskan langkah berikutnya; ketika menemui pembayaran, mengirim email, mengubah jadwal, ia secara aktif meminta otorisasi Anda, menyelesaikan pekerjaan, lalu mengecek apakah tugas sudah tuntas.
Siklus tertutupnya adalah: memahami tujuan → menyusun rencana → memanggil alat → mengamati hasil → menyesuaikan rencana → melanjutkan eksekusi.
Jika AI tradisional unit kerjanya adalah “satu kali percakapan”, maka pada Agent unit kerjanya adalah “satu tugas utuh”. Meta juga menyiapkan lingkungan eksekusi yang persisten di cloud—matikan aplikasi pun ia tetap berjalan di latar belakang. Artinya, persaingan tidak lagi hanya melihat model dasar; Anda juga harus melihat pintu distribusi, data pengguna, dan ekosistem bisnis. Meta memegang pintu masuk pengguna yang sangat besar. Begitu Muse menumpuk email, jadwal, kebiasaan belanja, dan riwayat tugas, biaya perpindahannya menjadi sangat tinggi—yang harus dipindahkan bukan sekadar riwayat chat, melainkan keseluruhan cara bekerja.
2. Kenapa kali ini yang ditarik justru CPU
Dalam beberapa tahun terakhir, medan utama infrastruktur AI adalah GPU. Namun setelah Agent masuk ke alur kerja, struktur komputasi berubah: GPU bertugas untuk “berpikir” (memahami tujuan, menyusun rencana, mengenali halaman), sedangkan bagian yang benar-benar “mengerjakan”—menjalankan sistem, membuka virtual machine, memanggil API, mengelola izin, mengatur status tugas—semuanya dipusatkan pada CPU dan server tradisional.
Alur model chat adalah: input → penalaran → output → melepas sumber daya. Alur Agent adalah: penalaran → eksekusi CPU → menunggu respons eksternal → membaca status lagi → menalar lagi → mengeksekusi lagi; untuk satu tugas panjang, ia bisa berputar puluhan hingga ratusan kali. Browser, virtual machine, memori, dan status tugas harus terus online. Kebutuhan komputasi AI berubah dari “menghasilkan satu Token” menjadi “seluruh sumber daya sistem untuk menyelesaikan satu tugas”.
Jika Muse dibuka ke miliaran pengguna, bahkan bila hanya sebagian kecil yang menjalankan Agent secara bersamaan, ia tetap akan mendorong virtual machine, proses browser, dan pemanggilan API dalam jumlah sangat besar secara paralel. Karena personal Agent harus menangani email, pembayaran, izin akun, ia tidak bisa memasukkan tugas semua orang ke lingkungan yang sama. Semakin ditekankan isolasi keamanan, semakin harus disediakan sumber daya independen untuk tiap pengguna. Kebutuhan CPU di era Agent berasal dari tiga jalur: jumlah paralel meningkat, waktu tugas memanjang, dan isolasi keamanan makin ketat. Inilah juga alasan pasar kembali menyorot CPU server multi-core; bahkan ada penilaian bahwa kebutuhan core CPU di masa depan bisa berlipat, sementara rasio CPU dan GPU mendekati 1:1.
Ringkasan kerangka pengamatan dalam satu kalimat: ketika biaya penalaran turun, bottleneck AI akan bergeser dari “apakah model bisa berpikir” menjadi “apakah latar belakang bisa mengeksekusi secara paralel dengan biaya yang cukup rendah”.
3. Bagaimana kebutuhan komputasi berubah menjadi profit
Permintaan tidak otomatis berarti profit; kuncinya adalah model ekonomi per unit dari Muse. Ada dua tingkatan langganan—gratis ditambah 20 dolar dan 100 dolar. Ke depan, ia juga bisa menghasilkan uang lewat Agent perusahaan, antarmuka untuk developer, dan komisi transaksi. Muse bisa mengenali niat konsumsi yang sebenarnya; nilai teoritis per pengguna juga bisa lebih tinggi daripada klik iklan tradisional. Ada lembaga yang memperkirakan pendapatan masa depan bisa melampaui US$10 miliar.
Namun struktur biaya Agent berbeda: perlu menjalankan virtual machine untuk pengguna, menggunakan memori, “membakar” jaringan, serta mengatur model; semakin intens penggunaannya, biaya latar belakang makin tinggi. Dua tingkatan langganan pada dasarnya juga adalah kontrol sumber daya—membatasi jumlah tugas, jumlah panggilan, dan durasi latar belakang. Dibanding langganan tetap, komisi transaksi lebih sejalan dengan struktur biaya Agent.
Tetapi skema transaksi dapat memicu konflik platform. Amazon telah memutuskan akses Muse di aplikasinya untuk berbelanja—setelah Agent menyelesaikan pencarian dan pemesanan untuk pengguna, pengguna melewati halaman rekomendasi dan iklan. Platform pihak ketiga kemungkinan besar menempuh tiga jalur: mengenakan biaya untuk antarmuka terbuka, meminta bagi hasil transaksi, atau memblokir akses yang belum diotorisasi. Jalur apa pun akan menekan batas layanan Muse dan margin profit.
4. Pahami rantai penyampaian ini
Bagi Meta: Muse adalah batu uji utama apakah belanja modal AI bisa diubah menjadi pendapatan kelas konsumen—unduhan membuktikan distribusi, tingkat penyelesaian menentukan nilai, retensi dan pembayaran menentukan pendapatan, dan biaya per tugas menentukan profit.
Bagi Intel: GPU mengurus “berpikir”, CPU mengurus “eksekusi”. Jika Agent konsumen berkembang secara besar-besaran, CPU server mungkin berubah dari komponen pendukung menjadi faktor kunci yang menentukan skala paralel dan biaya operasional.
Rantai penyampaian lengkapnya adalah: Agent kelas konsumen mendapat akses dari pengguna → tugas bergeser dari tanya-jawab menjadi eksekusi berkelanjutan → virtual machine, browser, dan pemanggilan alat meningkat pesat → kebutuhan CPU, memori, dan jaringan naik → biaya infrastruktur naik → pendapatan dari langganan dan transaksi memvalidasi unit ekonomi → pada akhirnya, kebutuhan chip bertransformasi menjadi profit pemasok.
GPU menentukan apakah Agent bisa memikirkan dengan jernih; CPU dan infrastruktur dasar menentukan apakah ia bisa menyelesaikan pekerjaan untuk cukup banyak orang secara bersamaan. Sedangkan pengembalian modal pada akhirnya bergantung pada apakah uang yang didapat dari tiap penyelesaian tugas bisa menutup biaya seluruh rantai eksekusi.
1. Apa yang sebenarnya diubah oleh Muse
Sebagian besar AI konsumen di pasaran pada dasarnya masih berupa alat tanya-jawab: Anda memasukkan satu paragraf, model menalar lalu mengembalikan hasil, dan tugas selesai. Muse menarik AI keluar dari jendela chat ke dalam alur kerja nyata: Anda memberi satu tujuan, lalu ia memecah langkah-langkahnya, login ke situs, memanggil layanan eksternal, membaca status halaman, dan kemudian memutuskan langkah berikutnya; ketika menemui pembayaran, mengirim email, mengubah jadwal, ia secara aktif meminta otorisasi Anda, menyelesaikan pekerjaan, lalu mengecek apakah tugas sudah tuntas.
Siklus tertutupnya adalah: memahami tujuan → menyusun rencana → memanggil alat → mengamati hasil → menyesuaikan rencana → melanjutkan eksekusi.
Jika AI tradisional unit kerjanya adalah “satu kali percakapan”, maka pada Agent unit kerjanya adalah “satu tugas utuh”. Meta juga menyiapkan lingkungan eksekusi yang persisten di cloud—matikan aplikasi pun ia tetap berjalan di latar belakang. Artinya, persaingan tidak lagi hanya melihat model dasar; Anda juga harus melihat pintu distribusi, data pengguna, dan ekosistem bisnis. Meta memegang pintu masuk pengguna yang sangat besar. Begitu Muse menumpuk email, jadwal, kebiasaan belanja, dan riwayat tugas, biaya perpindahannya menjadi sangat tinggi—yang harus dipindahkan bukan sekadar riwayat chat, melainkan keseluruhan cara bekerja.
2. Kenapa kali ini yang ditarik justru CPU
Dalam beberapa tahun terakhir, medan utama infrastruktur AI adalah GPU. Namun setelah Agent masuk ke alur kerja, struktur komputasi berubah: GPU bertugas untuk “berpikir” (memahami tujuan, menyusun rencana, mengenali halaman), sedangkan bagian yang benar-benar “mengerjakan”—menjalankan sistem, membuka virtual machine, memanggil API, mengelola izin, mengatur status tugas—semuanya dipusatkan pada CPU dan server tradisional.
Alur model chat adalah: input → penalaran → output → melepas sumber daya. Alur Agent adalah: penalaran → eksekusi CPU → menunggu respons eksternal → membaca status lagi → menalar lagi → mengeksekusi lagi; untuk satu tugas panjang, ia bisa berputar puluhan hingga ratusan kali. Browser, virtual machine, memori, dan status tugas harus terus online. Kebutuhan komputasi AI berubah dari “menghasilkan satu Token” menjadi “seluruh sumber daya sistem untuk menyelesaikan satu tugas”.
Jika Muse dibuka ke miliaran pengguna, bahkan bila hanya sebagian kecil yang menjalankan Agent secara bersamaan, ia tetap akan mendorong virtual machine, proses browser, dan pemanggilan API dalam jumlah sangat besar secara paralel. Karena personal Agent harus menangani email, pembayaran, izin akun, ia tidak bisa memasukkan tugas semua orang ke lingkungan yang sama. Semakin ditekankan isolasi keamanan, semakin harus disediakan sumber daya independen untuk tiap pengguna. Kebutuhan CPU di era Agent berasal dari tiga jalur: jumlah paralel meningkat, waktu tugas memanjang, dan isolasi keamanan makin ketat. Inilah juga alasan pasar kembali menyorot CPU server multi-core; bahkan ada penilaian bahwa kebutuhan core CPU di masa depan bisa berlipat, sementara rasio CPU dan GPU mendekati 1:1.
Ringkasan kerangka pengamatan dalam satu kalimat: ketika biaya penalaran turun, bottleneck AI akan bergeser dari “apakah model bisa berpikir” menjadi “apakah latar belakang bisa mengeksekusi secara paralel dengan biaya yang cukup rendah”.
3. Bagaimana kebutuhan komputasi berubah menjadi profit
Permintaan tidak otomatis berarti profit; kuncinya adalah model ekonomi per unit dari Muse. Ada dua tingkatan langganan—gratis ditambah 20 dolar dan 100 dolar. Ke depan, ia juga bisa menghasilkan uang lewat Agent perusahaan, antarmuka untuk developer, dan komisi transaksi. Muse bisa mengenali niat konsumsi yang sebenarnya; nilai teoritis per pengguna juga bisa lebih tinggi daripada klik iklan tradisional. Ada lembaga yang memperkirakan pendapatan masa depan bisa melampaui US$10 miliar.
Namun struktur biaya Agent berbeda: perlu menjalankan virtual machine untuk pengguna, menggunakan memori, “membakar” jaringan, serta mengatur model; semakin intens penggunaannya, biaya latar belakang makin tinggi. Dua tingkatan langganan pada dasarnya juga adalah kontrol sumber daya—membatasi jumlah tugas, jumlah panggilan, dan durasi latar belakang. Dibanding langganan tetap, komisi transaksi lebih sejalan dengan struktur biaya Agent.
Tetapi skema transaksi dapat memicu konflik platform. Amazon telah memutuskan akses Muse di aplikasinya untuk berbelanja—setelah Agent menyelesaikan pencarian dan pemesanan untuk pengguna, pengguna melewati halaman rekomendasi dan iklan. Platform pihak ketiga kemungkinan besar menempuh tiga jalur: mengenakan biaya untuk antarmuka terbuka, meminta bagi hasil transaksi, atau memblokir akses yang belum diotorisasi. Jalur apa pun akan menekan batas layanan Muse dan margin profit.
4. Pahami rantai penyampaian ini
Bagi Meta: Muse adalah batu uji utama apakah belanja modal AI bisa diubah menjadi pendapatan kelas konsumen—unduhan membuktikan distribusi, tingkat penyelesaian menentukan nilai, retensi dan pembayaran menentukan pendapatan, dan biaya per tugas menentukan profit.
Bagi Intel: GPU mengurus “berpikir”, CPU mengurus “eksekusi”. Jika Agent konsumen berkembang secara besar-besaran, CPU server mungkin berubah dari komponen pendukung menjadi faktor kunci yang menentukan skala paralel dan biaya operasional.
Rantai penyampaian lengkapnya adalah: Agent kelas konsumen mendapat akses dari pengguna → tugas bergeser dari tanya-jawab menjadi eksekusi berkelanjutan → virtual machine, browser, dan pemanggilan alat meningkat pesat → kebutuhan CPU, memori, dan jaringan naik → biaya infrastruktur naik → pendapatan dari langganan dan transaksi memvalidasi unit ekonomi → pada akhirnya, kebutuhan chip bertransformasi menjadi profit pemasok.
GPU menentukan apakah Agent bisa memikirkan dengan jernih; CPU dan infrastruktur dasar menentukan apakah ia bisa menyelesaikan pekerjaan untuk cukup banyak orang secara bersamaan. Sedangkan pengembalian modal pada akhirnya bergantung pada apakah uang yang didapat dari tiap penyelesaian tugas bisa menutup biaya seluruh rantai eksekusi.