Sebagian besar orang menganggap AI hanya sebagai chatbot.
Saya paham. Anda membuka ChatGPT, meminta perbaikan email, dan hasilnya langsung jadi. Rasanya ajaib. Anda pun merasa sudah memahami cara kerjanya. Namun, itu seperti menggesek kartu kredit di restoran dan mengira Anda tahu cara Visa memperoleh keuntungan. Anda memang memakai produknya, tetapi tidak melihat sistem di baliknya.
Selama hampir setahun, saya mencoba memahami ke mana aliran uang sebenarnya dalam AI, dan jujur saja, butuh waktu lama untuk berhenti melihat lapisan yang keliru. Saya terus menatap ChatGPT, Claude, dan Gemini—hal yang bisa Anda sentuh—sementara \$700 miliar diam-diam dialokasikan ke infrastruktur yang bahkan namanya pun asing bagi saya. Chip yang belum pernah saya dengar. Teknologi packaging dengan akronim yang terdengar seperti karangan. Sistem pendingin. Pembangkit listrik. Beton dituangkan di Texas, Iowa, dan Hyderabad.
Setahun lalu, tidak ada satu pun rekan saya yang membahas hal ini. Sekarang, semua membicarakannya.
Artikel ini akan panjang. Jika Anda belum punya waktu, tandai dulu dan kembali nanti. Saya ingin membahas seluruh rantai nilai AI, setiap lapisan, mulai dari listrik yang menggerakkan pusat data hingga aplikasi di ponsel Anda—dengan cara yang mudah dipahami, bahkan jika Anda belum pernah membaca laporan tahunan.
Istilah teknis akan saya jelaskan saat digunakan. Setiap klaim akan didukung angka nyata. Saya juga akan jujur mengenai bagian yang masih belum saya yakini, karena memang ada beberapa.
Mari kita mulai.
I - Kue lima lapis (dan mengapa empat lapisan terbawah jarang dibahas)
AI adalah infrastruktur. Sama seperti internet, sama seperti listrik, ia membutuhkan pabrik. ~ Jensen Huang
Kebanyakan orang memahami AI sebagai komputer pintar yang menjawab pertanyaan.
Itu seperti mengatakan internet hanyalah "tempat menonton video." Secara teknis benar, tapi tidak menangkap esensi.
Jensen Huang, CEO Nvidia, mendeskripsikan AI di Davos Januari 2026 sebagai sistem lima lapis: Energi, Chip, Cloud, Model, dan Aplikasi. Ia menyebutnya "pembangunan infrastruktur terbesar dalam sejarah manusia."
Coba renungkan kata itu: infrastruktur. Jalan, jaringan listrik, sistem air—semua yang menopang peradaban, dan orang baru sadar pentingnya saat rusak. AI sedang menjadi hal serupa: tak terlihat, esensial, dan sangat mahal untuk dibangun.
Saya menyebutnya AI Stack—lima lapisan yang saling bertumpuk, di mana setiap lapisan mendukung lapisan di atasnya, dan uang mengalir ke dua arah.
Berikut versi paling sederhana:
- Energi. Komputer butuh listrik—banyak sekali.
- Chip. Prosesor khusus untuk perhitungan. Bukan otak laptop Anda.
- Cloud. Gudang besar penuh chip, terhubung jaringan super cepat.
- Model. Perangkat lunak AI—"otak" yang belajar pola dari data.
- Aplikasi. Produk yang benar-benar digunakan orang: ChatGPT, Google Search, detektor penipuan bank Anda.
Setiap diskusi AI yang hanya fokus pada Lapisan 5 melewatkan 80% gambaran besar.
Dan bagi investor, founder, atau siapa pun yang ingin memahami arah dunia: uang tidak mengalir merata di setiap lapisan. Ia terkonsentrasi, berlipat ganda, dan saat ini, justru terkonsentrasi di tempat yang jarang diperhatikan.
II - Ikuti aliran uangnya (bukan di tempat yang Anda kira)
Pikiran orang langsung ke lapisan aplikasi. ChatGPT, Copilot, Claude, Perplexity—produk yang Anda sentuh, sehingga terasa seperti seluruh cerita.
Namun, inilah yang sering terlewatkan.
Pada 2026, empat perusahaan cloud terbesar (Amazon, Microsoft, Google, Meta) diperkirakan menghabiskan \$650 miliar hingga \$700 miliar untuk belanja modal. Gabungan. Dalam satu tahun. Jumlah itu setara dengan PDB Swiss. Hampir 75% atau sekitar \$450 miliar langsung dialokasikan ke infrastruktur AI.
Bukan ke chatbot, bukan ke aplikasi, tetapi ke bangunan, chip, kabel, dan sistem pendingin.
Hal-hal ini jarang dibahas di pesta koktail—itulah tanda bahwa di sanalah uang mengalir.
Pikirkanlah: sebelum seseorang bisa menggunakan ChatGPT, harus ada pusat data sebesar mal, berisi puluhan ribu prosesor khusus, terhubung perangkat jaringan yang nilainya melebihi sebagian besar perusahaan, dan diberi listrik cukup untuk menggerakkan kota kecil setiap hari.
Itulah Lapisan 1 hingga 3—lapisan tak terlihat, tempat modal besar dialokasikan.
"Tapi OpenAI, bukankah mereka menghasilkan miliaran?"
Benar. OpenAI mencapai pendapatan tahunan \$20 miliar di akhir 2025, naik dari \$6 miliar setahun sebelumnya dan \$2 miliar dua tahun sebelumnya. Pertumbuhan 10x dalam dua tahun—belum pernah ada perusahaan yang tumbuh secepat itu dari basis tersebut.
Namun, OpenAI membakar sekitar \$9 miliar uang tunai di 2025 dan memproyeksikan pembakaran \$17 miliar di 2026. Biaya inferensi (biaya menjalankan AI saat Anda bertanya) mencapai \$8,4 miliar di 2025 dan diproyeksikan mencapai \$14,1 miliar di 2026. Mereka tidak berharap positif arus kas hingga 2029 atau 2030.
Ke mana uang yang terbakar itu pergi?
Uangnya mengalir ke bawah stack: ke Microsoft Azure (OpenAI membayar Microsoft 20% dari total pendapatan hingga 2032), ke Nvidia untuk chip, ke perusahaan pembangun dan pelengkap pusat data, ke perusahaan listrik.
Jika diperhatikan, alirannya hampir melingkar. Microsoft berinvestasi di OpenAI, OpenAI membelanjakan dana di Azure, Azure membeli lebih banyak chip Nvidia, NVIDIA mencatat pendapatan rekor, semua merayakan, dan uang terus mengalir ke bawah.
Sebagian besar pengguna ada di puncak stack, sementara mayoritas keuntungan ada di bawah. Ketidaksesuaian itu adalah inti dari tesis ini.
Pelajaran pertama rantai nilai AI: pendapatan mengalir ke atas, modal mengalir ke bawah.
III - Anda sudah pernah melihat pola ini
Semua masalah manusia adalah masalah rekayasa, dan masalah rekayasa bisa diselesaikan. ~ Buckminster Fuller
Untuk memahami AI, pelajari sejarah listrik antara 1880 dan 1920.
Saat Thomas Edison membangun pembangkit listrik komersial pertama di Pearl Street, Manhattan (1882), orang menganggap listrik sekadar barang baru—cara mewah menerangi ruangan. Mengapa perlu, jika lampu gas sudah cukup?
Dalam 40 tahun, listrik mengubah seluruh industri: manufaktur, transportasi, komunikasi, kedokteran, hiburan. Perusahaan pemenang bukan pencipta bola lampu, tetapi pembangun pembangkit listrik, pemasang kabel tembaga, dan produsen generator.
General Electric, Westinghouse, perusahaan utilitas, penambang tembaga, pemborong.
Pola yang sama terjadi pada AI, hanya berlangsung dalam hitungan tahun, bukan dekade.
AI → pusat data → chip → bahan baku → energi
Listrik → pabrik → mesin → bahan baku → batu bara/air
Urutannya hampir identik. Pemenangnya lagi-lagi bukan di lapisan aplikasi, melainkan di lapisan infrastruktur.
Saya menyebutnya Gravitasi Infrastruktur. Setiap kali platform komputasi baru muncul, penciptaan kekayaan awal terjadi pada alat dan bahan. Aplikasi datang belakangan, mendapat sorotan, tetapi infrastruktur memperoleh margin.
NVIDIA membukukan pendapatan tahunan \$215,9 miliar untuk tahun fiskal 2026 (berakhir Januari 2026), naik 65% dari tahun sebelumnya. Segmen pusat data mereka sendiri menghasilkan \$62,3 miliar di kuartal terakhir, tumbuh 75% year-over-year. Segmen tunggal itu kini mewakili lebih dari 91% total pendapatan Nvidia. Bayangkan: perusahaan menghasilkan \$68 miliar dalam satu kuartal, dan sembilan dari sepuluh dolar berasal dari satu lini bisnis.
TSMC, produsen chip Nvidia (dan hampir semua chip lainnya), menguasai hampir 70% pasar foundry global pada 2025, dengan penjualan \$122,5 miliar. Samsung, pesaing terdekat, hanya 7,2%. Dominasi seperti itu akan membuat Standard Oil tidak nyaman.
Infrastruktur selalu menang duluan. Pertanyaannya, berapa lama jendela itu terbuka.
Tanya siapa pun soal revolusi internet, mereka akan bilang Google, Amazon, dan Facebook. Tanya di mana uang awal benar-benar dihasilkan, jawabannya: Cisco, Corning, dan perusahaan pemasang serat optik. Cerita yang sama, dekade berbeda.
IV - Bagian yang jarang ingin didengar
Pasar saham adalah alat pemindah uang dari yang tidak sabar ke yang sabar. ~ Charlie Munger
Saya akan jujur. Saat pertama kali memperhatikan AI sebagai investor, saya melakukan kesalahan yang sama seperti kebanyakan orang.
Saya melihat lapisan aplikasi: pertumbuhan ChatGPT, Anthropic menggalang miliaran. Saya berpikir, perusahaan AI akan menang, jadi investasikan di perusahaan AI.
Tiga hal mengubah pikiran saya, terjadi berurutan, dan saling membangun.
Pertama, saya menyadari hampir semua "perusahaan AI" membakar uang tunai besar-besaran: OpenAI, Anthropic, Mistral, xAI. Semua membakar uang lebih cepat dari pendapatan. Bukan karena bisnis buruk, tetapi karena biaya komputasi bersifat struktural. Setiap kali Anda bertanya ke model AI, butuh uang nyata untuk menghasilkan jawaban. Semakin pintar model, semakin besar kebutuhan komputasi, semakin mahal dijalankan.
Perusahaan yang dianggap "pemenang AI" justru yang paling banyak membelanjakan.
Kedua, saya menyadari perusahaan infrastruktur mencetak uang dengan margin luar biasa—belum pernah saya lihat sejak awal Google. Margin kotor NVIDIA sekitar 75%. TSMC memperluas kapasitas dan menaikkan harga sekaligus karena permintaan jauh melebihi pasokan. Mereka tidak punya masalah "kapan monetisasi", tetapi "kami benar-benar tidak bisa membangun cukup cepat". Masalah yang sangat berbeda.
Ketiga, dan ini yang tidak nyaman, saya menyadari saya berpikir tentang AI seperti konsumen, bukan insinyur. Konsumen melihat aplikasi, insinyur melihat stack.
Setelah Anda melihat stack, Anda tidak bisa tidak melihatnya.
Setiap pengumuman AI menjadi pengumuman belanja modal. Setiap peningkatan model menjadi pesanan chip. Setiap fitur baru menjadi sewa pusat data. Industri mulai tampak seperti serangkaian lingkaran konsentris, dan semakin ke pusat, semakin terkonsentrasi keuntungannya.
Jadi, mungkin Anda insinyur perangkat lunak yang mengikuti model AI. Mungkin investor ritel yang membeli Nvidia di \$300 dan ingin tahu langkah berikutnya. Mungkin Anda di India mengamati revolusi ini dari jauh, bertanya-tanya bagaimana semua ini terkait portofolio Anda.
(Atau mungkin Anda ketiganya—posisi paling menarik.)
Di mana pun Anda berada, prinsipnya sama. Konsumen melihat produk, investor melihat rantai pasok, investor terbaik melihat rantai pasok sebelum produk dikirim.
Tentu, semua ini terdengar rapi jika dilihat ke belakang. Tidak demikian kenyataannya. Saya menghabiskan berminggu-minggu bolak-balik soal ini. Saya harus melupakan pola dari era SaaS, di mana nilai utama ada di aplikasi. Saya terus mencari "OpenAI berikutnya" padahal seharusnya mencari siapa yang menerima cek dari OpenAI. AI berbeda dari SaaS—kebutuhan komputasi begitu besar sehingga lapisan infrastruktur menangkap lebih banyak nilai, setidaknya di fase siklus ini.
Memahami stack mengubah cara Anda membaca berita utama, menilai perusahaan, dan mengalokasikan modal.
Saya akan menulis lebih banyak seperti ini: penelusuran mendalam soal investasi, AI, dan sistem di balik perpindahan kekayaan. Jika Anda tidak ingin bergantung pada algoritma untuk tulisan berikutnya, langkah terbaik adalah mengikuti dan aktifkan notifikasi.
V - Peta investor: rincian tiap lapisan
Oke, ini sudah panjang, jadi saya percepat. Berikut rincian tiap lapisan AI Stack: apa yang terjadi, siapa pemain utama, dan di mana peluang investasi.
Tetap bersama saya.
Lapisan 1: Energi
Pusat data AI sangat rakus daya. Satu pelatihan AI besar bisa mengonsumsi listrik sebanyak kota kecil setahun. Fasilitas ini diproyeksikan mengonsumsi sekitar 90 terawatt-jam listrik per tahun pada 2026—sepuluh kali lipat level 2022.
Tesis investasinya sederhana: siapa pun yang dapat menghasilkan, mentransmisikan, dan menyediakan listrik andal ke pusat data akan mendapat keuntungan. Perusahaan nuklir, gas alam, dan energi terbarukan di dekat klaster pusat data utama. Perusahaan utilitas dengan kapasitas lebih. Perusahaan pembangun infrastruktur jaringan listrik.
Jensen Huang mengatakan pada Oktober 2025: "Listrik yang dihasilkan sendiri oleh pusat data bisa bergerak jauh lebih cepat daripada mengandalkan jaringan." Perusahaan sudah membangun pembangkit listrik khusus langsung ke pusat data, melewati jaringan listrik. Ini mengejutkan saya. Perusahaan teknologi kini menjadi penyedia utilitas sendiri.
Siapa yang diuntungkan: perusahaan utilitas (terutama yang punya kapasitas nuklir), produsen listrik mandiri, perusahaan produsen trafo, switchgear, dan infrastruktur kelistrikan lainnya. Di India, perusahaan peralatan dan transmisi listrik akan mendapat keuntungan seiring ekspansi kampus hyperscaler di Asia.
Lapisan 2: Chip
Inilah lapisan yang paling dikenal karena Nvidia, tapi lebih kompleks dari satu perusahaan.
Lapisan chip punya sub-lapisan sendiri, masing-masing dengan struktur persaingan berbeda. Di puncak, desainer chip: Nvidia (GPU), AMD (GPU dan CPU), Broadcom (ASIC custom), Qualcomm, dan hyperscaler sendiri (TPU Google, Trainium Amazon, Maia Microsoft). Manufaktur: TSMC mendominasi fabrikasi dengan hampir 70% pangsa pasar foundry global. Samsung jauh di bawah dengan 7,2%. Intel membangun ulang bisnis foundry—proyek bertahun-tahun tanpa hasil pasti.
Lapisan peralatan: perusahaan pembuat mesin chip. ASML satu-satunya di dunia yang membuat mesin litografi ultraviolet ekstrim untuk chip tercanggih. Applied Materials, Lam Research, dan Tokyo Electron bersanding dengannya. Di bawahnya, memori (model AI butuh memori bandwidth tinggi dalam jumlah besar—SK Hynix, Samsung, Micron adalah tiga pemain utama) dan packaging (packaging chip canggih seperti CoWoS TSMC menjadi bottleneck nyata).
Konsentrasi di sini sangat tinggi. Nvidia memegang sekitar 92% pangsa pasar GPU pusat data AI. TSMC memproduksi chip untuk Nvidia, AMD, Broadcom, Qualcomm, Apple, dan hampir semua desainer chip besar lainnya. ASML benar-benar satu-satunya pemasok mesin litografi EUV di dunia.
Satu perusahaan merancang, satu membangun, satu membuat mesin pembuatnya. Tingkat konsentrasi ini adalah tesis investasi sekaligus risiko geopolitik. Tidak cukup banyak orang mempertimbangkan kedua hal itu sekaligus.
Lapisan 3: Cloud dan pusat data
Di sinilah chip berada. Fasilitas skala gudang besar penuh server, terhubung jaringan berkecepatan tinggi, didinginkan dengan sistem termal rumit (pendingin cair kini standar).
Pasar didominasi tiga hyperscaler: Amazon Web Services (31% pangsa pasar), Microsoft Azure (24%), Google Cloud (11%). Oracle juga agresif tumbuh, dengan target belanja modal \$50 miliar untuk 2026.
Lapisan cloud lebih dalam dari hyperscaler. Foxconn (Hon Hai) merakit sekitar 40% server AI dunia. Arista Networks dan Credo Technology (sahamnya naik 117% di 2025 berkat transfer data hemat energi) membangun infrastruktur jaringan. Vertiv menangani pendingin cair. REIT pusat data seperti Equinix dan Digital Realty memiliki tanah dan bangunan. Bahkan ada yang menuangkan beton. Setiap lapisan punya rantai pasok sendiri.
Hyperscaler menghabiskan 90% arus kas operasional untuk belanja modal di 2026 (Bank of America), naik dari 65% di 2025. Morgan Stanley memperkirakan mereka meminjam lebih dari \$400 miliar tahun ini untuk membiayai pembangunan, lebih dari dua kali lipat \$165 miliar di 2025. Angka itu membuat saya tertegun: \$400 miliar utang dalam satu tahun, hanya untuk membangun gudang komputer.
Lapisan 4: Model
Inilah lapisan "otak". Perusahaan yang melatih dan membangun model AI.
Nama besar: OpenAI (seri GPT, ARR \$20B+), Anthropic (Claude, diperkirakan \$19B pendapatan tahunan di awal 2026), Google DeepMind (Gemini), Meta AI (Llama, open source), Mistral, xAI (Elon Musk, Grok).
Lapisan ini paling hype sekaligus paling tidak menguntungkan. Pendapatan OpenAI tumbuh sangat cepat, tapi membakar \$17 miliar uang tunai di 2026. Anthropic tumbuh cepat, sangat bergantung pada pendanaan besar (\$5B dengan valuasi \$170B di awal 2026).
Masalah model bisnisnya struktural: model semakin baik jika pengeluaran komputasi meningkat, tapi pengeluaran tumbuh lebih cepat dari pendapatan. Seperti menjalankan restoran di mana setiap hidangan butuh bahan lebih mahal dari sebelumnya, tapi harga tetap. Margin tetap tertekan. Saya tidak tahu kapan berubah, mungkin tidak.
Bagi investor, lapisan ini berisiko tinggi, potensi imbal hasil tinggi. Sebagian besar perusahaan masih privat. Eksposur pasar publik datang dari penyedia cloud yang menampung mereka (Microsoft punya saham besar di OpenAI dan menjalankan komputasi di Azure) dan perusahaan chip yang produknya dikonsumsi selama pelatihan.
Lapisan 5: Aplikasi
Inilah lapisan yang Anda lihat setiap hari: ChatGPT, Google Search powered by Gemini, Microsoft Copilot di Office, deteksi penipuan AI di bank, rekomendasi Netflix, peningkatan foto di ponsel.
Lapisan aplikasi terluas dan paling ramai. Ribuan startup dan pemain lama membangun di sini. Kelak akan jadi lapisan terbesar berdasarkan total pasar (perkiraan di atas \$2 triliun di awal 2030-an), tapi saat ini margin paling tipis dan ketidakpastian terbesar soal siapa yang menang.
Pembeda di lapisan ini adalah data. Perusahaan dengan data unik dan proprietary akan membangun keunggulan berkelanjutan. Salesforce punya data CRM korporasi, Bloomberg punya data keuangan, Epic punya rekam medis. Perusahaan dengan benteng data seperti itu bisa menyesuaikan model AI dengan cara yang chatbot generik tidak bisa.
Bagi investor, lapisan aplikasi adalah tempat upside terbesar akhirnya berada, tapi juga tempat sebagian besar modal akan hilang. Sebagian besar startup AI akan gagal, yang bertahan akan tumbuh sangat cepat.
Imbal hasil terbaik 3-5 tahun ke depan: infrastruktur sekarang, aplikasi nanti. Modal cerdas sudah diposisikan demikian.
Perusahaan pemenang di Lapisan 5 adalah yang punya data yang tidak bisa didapatkan siapa pun. Kebanyakan bahkan belum menyebut diri mereka perusahaan AI.
VI - "Apakah ini hanya gelembung?"
Masalah utama investor, bahkan musuh terburuknya, adalah dirinya sendiri. ~ Benjamin Graham
Izinkan saya langsung menanggapi pertanyaan besar.
"Tapi bagaimana dengan kejatuhan dot-com? Bukankah ini sama saja? Belanja infrastruktur besar-besaran, tidak ada keuntungan, semua terjebak hype?"
Pertanyaan yang wajar, layak mendapat jawaban serius.
Inilah bedanya. Di era dot-com, perusahaan membelanjakan infrastruktur untuk permintaan yang belum muncul. Mereka membangun jaringan serat optik dan server web untuk audiens internet yang masih pakai dial-up. Infrastruktur dibangun, permintaan baru muncul 5-7 tahun kemudian, dan semua di antaranya dilikuidasi.
Pada 2026, permintaan AI sudah ada. NVIDIA tidak bisa membuat chip cukup cepat. Kapasitas packaging canggih TSMC habis terjual. Harga sewa cloud computing naik, bukan turun. OpenAI menambah 400 juta pengguna aktif mingguan antara Maret dan Oktober 2025. Modelnya digunakan, komputasi dikonsumsi, pelanggan membayar.
Bukan berarti tidak ada risiko. Risikonya sangat besar, dan saya memikirkannya lebih dari yang ingin saya akui. Tiga hal utama:
Pertama, salah alokasi modal. Perusahaan membelanjakan \$650 miliar lebih untuk pusat data di 2026. Jika pendapatan dari layanan AI tidak muncul cukup cepat untuk membenarkan pengeluaran itu, beberapa perusahaan akan menghadapi tekanan margin serius. Arus kas bebas Amazon bahkan bisa negatif tahun ini. Itu Amazon, pencipta cloud computing.
Kedua, risiko konsentrasi. Rantai pasok AI sangat terkonsentrasi: TSMC membuat hampir 70% chip dunia, ASML satu-satunya pemasok mesin EUV, NVIDIA merancang 92% GPU pusat data AI. Gangguan apa pun (geopolitik, bencana alam, atau persaingan) bisa merambat ke seluruh stack. Satu gempa di Hsinchu, Taiwan, bisa memundurkan pengembangan AI global bertahun-tahun. Pemikiran itu seharusnya membuat Anda tidak nyaman.
Ketiga, pertanyaan DeepSeek. Januari 2025, lab AI China DeepSeek merilis model yang mendekati performa frontier dengan biaya pelatihan jauh lebih rendah. Ini menantang asumsi bahwa belanja lebih besar otomatis menghasilkan AI lebih baik. Jika model open-source dan efisien terus menutup gap, tesis belanja infrastruktur melemah. Saya tidak berpikir DeepSeek membunuh tesisnya, tapi ia memperkenalkan variabel baru, dan variabel seperti itu tidak begitu saja hilang.
Namun, kerangka yang saya pegang: McKinsey memperkirakan investasi pusat data kumulatif bisa mencapai \$6,7 triliun pada 2030. PwC memperkirakan AI bisa menyumbang \$15,7 triliun pada PDB global di 2030. IDC memproyeksikan solusi dan layanan AI akan menghasilkan dampak kumulatif \$22,3 triliun pada 2030.
Bahkan jika angka itu salah 50%, kita masih bicara tentang perubahan ekonomi terbesar yang didorong teknologi sejak internet. Pertanyaannya soal besaran, bukan arah.
Saya sering mendengar orang berkata "Saya skeptis soal AI," seolah itu sebuah posisi. Silakan skeptis soal model atau timeline-nya, tapi jangan ignoransi soal rantai pasoknya. Itu hal berbeda. Satu adalah sikap intelektual sehat, yang lain akan merugikan Anda secara finansial.
Lima tahun dari sekarang, nama-nama pemenang siklus ini akan terasa jelas. Selalu begitu. Permainannya sekarang adalah melihat struktur sebelum orang lain menyusul.
VII - Mainkan game di lapisan yang tepat
Pikirkan AI sebagai video game dengan lima level bertumpuk.
Level 1 (Energi) adalah tahap tutorial: penting, tidak glamor, hampir mustahil kalah jika Anda mainkan. Risiko rendah, imbal hasil stabil. Seperti quest giver yang selalu membayar.
Level 2 (Chip) adalah pertarungan bos: konsentrasi kekuatan tertinggi, margin tertinggi, tapi juga lapisan paling rentan gangguan dan risiko geopolitik. Imbalan besar, tingkat kesulitan tinggi.
Level 3 (Cloud) adalah server multiplayer: semua main di sini, hyperscaler adalah admin server, mereka mengambil potongan dari semuanya.
Level 4 (Model) adalah arena PvP: kompetisi brutal, inovasi cepat, sebagian besar pemain tersingkir. Hanya yang paling siap bertahan.
Level 5 (Aplikasi) adalah dunia terbuka: kemungkinan tak terbatas, tidak ada loot dijamin, Anda harus mencari quest sendiri.
Strategi utamanya sederhana. Anda tidak harus main di semua level. Kebanyakan orang mencoba main di Level 5 karena paling terlihat. Modal cerdas sedang bertani di Level 2 dan 3 karena XP tertinggi ada di sana saat ini.
Posisi Anda di stack menentukan fokus Anda.
Untuk yang non-teknis: Anda tidak perlu memahami cara kerja GPU, cukup tahu ada yang membuat, menempatkan, dan memberi dayanya. "Mereka" adalah perusahaan publik dengan laporan keuangan triwulanan.
Untuk yang teknis, Anda tahu model makin baik. Yang mungkin Anda remehkan adalah seberapa cepat batas fisik (daya, pendingin, packaging chip) jadi bottleneck utama. Dekade berikutnya kemajuan AI akan ditentukan oleh rekayasa, bukan makalah arsitektur.
Untuk investor, rantai nilai AI adalah lima perdagangan bertumpuk, masing-masing dengan profil risiko-imbalan, horizon waktu, dan pemenang berbeda. Menganggap "AI" sebagai satu sektor seperti menganggap "teknologi" sebagai satu sektor pada 1998. Rentang hasil terbaik dan terburuk di dalam "AI" sangat besar.
Ini tidak akan berlangsung selamanya. Pada titik tertentu, pembangunan infrastruktur akan matang, aplikasi terkonsolidasi, dan nilai akan naik ke atas stack—seperti internet. Amazon, Google, dan Facebook (aplikasi era internet) akhirnya menangkap nilai lebih besar daripada perusahaan kabel serat optik dan produsen server.
Namun, AI belum sampai di sana. Kita masih di fase infrastruktur, fase alat dan bahan. Dan alat serta bahan sedang mencetak uang.
Orang yang memahami seluruh stack akan melihat transisi sebelum terjadi. Yang lain akan terus terkejut tentang ke mana uang sebenarnya mengalir.
Dalam 10 tahun, memahami AI stack akan jadi dasar seperti memahami neraca keuangan.
Pelajari stack-nya. Peta lapisannya. Ikuti aliran modal.
Itulah permainannya.
~ Anish Moonka
Disclaimer:
-
Artikel ini diterbitkan ulang dari [AnishA_Moonka]. Semua hak cipta milik penulis asli [AnishA_Moonka]. Jika ada keberatan atas penerbitan ulang ini, silakan hubungi tim Gate Learn, dan mereka akan menanganinya segera.
-
Penafian Tanggung Jawab: Pandangan dan opini yang diungkapkan dalam artikel ini sepenuhnya milik penulis dan tidak merupakan saran investasi apa pun.
-
Terjemahan artikel ke dalam bahasa lain dilakukan oleh tim Gate Learn. Kecuali disebutkan, menyalin, mendistribusikan, atau menjiplak artikel terjemahan dilarang.
