Tiga Tingkat Perubahan dalam Narasi AI

Sejak 2026, narasi AI global sedang mengalami perubahan marginal yang penting, setidaknya kita melihat tiga tingkat perubahan naratif.

Tingkat pertama naratif: mulai muncul beberapa ketidaksepakatan tentang Scaling Law.

Beberapa tahun terakhir, mesin penggerak utama investasi AI berasal dari aturan empiris Scaling Law: semakin besar model, semakin banyak data, semakin kuat komputasi, semakin baik kinerjanya. Tetapi aturan ini mulai menunjukkan keretakan:

Pertama, batasan fisik seperti pasokan listrik, transformator, dan komponen lainnya.

Kedua, hambatan data, karena data teks berkualitas tinggi yang tersedia untuk pra-pelatihan mulai habis.

Ketiga, penurunan efisiensi marginal dari investasi, meskipun arah Scaling Law tetap ada dan ada alasan untuk terus meningkatkan investasi, namun manfaat marginal terhadap model (yaitu peningkatan kemampuan model per unit investasi) mungkin menurun.

Oleh karena itu, selain pembangunan kapasitas komputasi, pengembangan algoritma secara bertahap menjadi fokus utama lain, seperti memperluas inference (Test-Time Compute) (misalnya reasoning chain CoT, memperluas inference-time scaling), post-training, efisiensi arsitektur (seperti LinearAttention, model ruang status SSM), dan kecerdasan di ujung perangkat (SLMs).

Tingkat kedua naratif: dari CAPEX “penghargaan” ke kekhawatiran “pengembalian investasi”.

Berdasarkan panduan terbaru, perusahaan teknologi besar AS telah mengumumkan bahwa pengeluaran modal terkait AI pada 2026 akan melebihi 700 miliar dolar AS, tetapi pasar mulai beralih dari penghargaan “pengeluaran modal” ke kekhawatiran “pengembalian yang terlalu lambat”. Dua kerangka acuan untuk memahami skala investasi ini:

(1) Kerangka sejarah: Pada 2025, pengeluaran modal perusahaan teknologi AS telah mencapai sekitar 1,9% dari PDB, dan pada 2026 diperkirakan akan naik lagi di atas 2%, hampir setara dengan total pembangunan infrastruktur besar abad ke-20: awal abad ini, pembangunan broadband nasional sekitar 1,2% dari PDB; ekspansi besar-besaran listrik, program Apollo, dan sistem jalan antarnegara bagian tahun 1960-an masing-masing sekitar 0,6%. Saat ini, tingkat investasi infrastruktur AI di AS berada pada level tertinggi dalam sejarah ekonomi negara.

(2) Kerangka arus kas perusahaan sendiri, menjadi pemicu utama kekhawatiran baru-baru ini: Menurut perhitungan, lima perusahaan cloud terbesar AS pada 2026 akan mengalokasikan sekitar 90% dari arus kas operasional mereka untuk pengeluaran modal (pada 2025 sekitar 65%). Bahkan, beberapa perusahaan memperkirakan pengeluaran modal mereka melebihi arus kas operasional, berpotensi menyebabkan arus kas bebas negatif pada 2026, sehingga peringatan laporan keuangan menjadi lebih realistis. Selain itu, eksposur pendanaan utang meningkat pesat, pasar memperkirakan total penerbitan obligasi perusahaan teknologi AS pada 2026 bisa mencapai 400 miliar dolar AS, termasuk penerbitan obligasi jangka panjang yang juga menarik perhatian pasar.

Tingkat ketiga naratif: kekhawatiran yang lebih dalam berasal dari kekhawatiran tentang disrupsi AI yang revolusioner, yang saat ini mengguncang banyak industri.

Perkembangan naratif ini mengikuti garis progresif yang jelas: dari mengubah cara pencarian dan memperoleh informasi, ke mengubah aplikasi perangkat lunak dan proses bisnis, hingga ke prediksi makro yang lebih luas, terkait erat dengan tahap perkembangan AI itu sendiri.

Langkah pertama adalah era Chat, yang mengubah cara pencarian dan memperoleh informasi. Sejak munculnya ChatGPT hingga awal 2025, AI terutama hadir sebagai asisten percakapan—menjawab pertanyaan, menghasilkan teks, membantu pencarian. Tahap ini dampaknya relatif lembut, tidak secara langsung menggantikan perangkat lunak bisnis tertentu atau posisi kerja, dan narasi pasar berfokus pada “siapa yang bisa melatih model terbaik” dan “siapa yang menyediakan komputasi dasar”.

Langkah kedua adalah era Agen, yang mengubah aplikasi perangkat lunak dan proses bisnis. Pada awal Februari tahun ini, Anthropic meluncurkan ClaudeCowork, menandai pergeseran AI dari “jawaban generatif” ke “pelaksanaan otomatis alur kerja lintas fungsi”, memicu penjualan besar-besaran saham perangkat lunak (dikenal sebagai “SaaSpocalypse”, kekhawatiran kiamat SaaS), dan menyebar ke layanan keuangan, manajemen aset alternatif, layanan hukum, properti komersial, bahkan industri transportasi.

Langkah ketiga adalah era AI secara menyeluruh, sebagai prediksi masa depan. Artikel Substack “THE2028GLOBALINTELLIGENCECRISIS” tidak menawarkan banyak inovasi, tetapi memiliki daya baca yang baik dan pandangan tajam, mengangkat isu “GhostGDP” dan penggantian pekerja kantoran, memicu diskusi tentang perubahan paradigma makro. Ketika AI menggantikan bukan hanya satu industri, tetapi juga bukan sekadar mendukung tenaga kerja, melainkan langsung menggantikan faktor produksi “tenaga kerja” itu sendiri, paradigma ekonomi makro yang selama ini berlaku mungkin menghadapi tantangan besar.

Paradigma tradisional adalah siklus tertutup “produksi→ distribusi→ konsumsi→ reproduksi”, di mana “manusia” adalah produsen sekaligus konsumen—baik sebagai faktor produksi di sisi penawaran maupun sebagai sumber permintaan—menghasilkan sirkulasi ekonomi lima sektor. Tetapi jika di era AI yang menyeluruh, tenaga kerja digantikan secara langsung, beberapa hasil yang mungkin terjadi adalah:

① Dari aspek faktor, pentingnya faktor tenaga kerja semakin menurun, sementara model, data, dan komputasi (yang secara esensial adalah faktor modal) menjadi semakin penting. ② Dari sisi penawaran, AI mengubah kurva penawaran secara fundamental, biaya marginal turun secara signifikan, elastisitas penawaran meningkat pesat, dan ekonomi skala mencapai puncaknya. ③ Dari sisi permintaan, alienasi dari upah tenaga kerja dapat mempengaruhi struktur pendapatan dan permintaan, hubungan penawaran dan permintaan tradisional serta hubungan investasi dan tabungan mungkin terganggu. Siklus ekonomi dan mekanisme distribusi pun berpotensi berubah, serta menimbulkan tantangan besar terhadap siklus ekonomi berbasis permintaan dan mekanisme harga, bahkan berpotensi merevolusi sistem keuangan dan kontrak sosial.

Karena perubahan marginal dalam narasi AI ini, pasar tidak lagi membeli “cerita”, di satu sisi mulai khawatir AI tidak cukup (pengembalian lambat), di sisi lain khawatir AI terlalu revolusioner (disrupsi besar). Bagaimana memahami sikap yang tampak kontradiktif ini?

Secara logis, ketiga tingkat naratif tersebut memang menunjuk pada masalah yang nyata dan dapat diprediksi, dan memang menimbulkan pertanyaan serius. Tetapi yang lebih penting adalah jadwal perubahan dan batas akhirnya, yang sebenarnya sangat sulit diperkirakan sebelumnya. Saat ini, pasar melakukan proyeksi linier berdasarkan emosi kepanikan, menilai skenario terburuk.

Salah satu penyebab utama mungkin juga berasal dari overvaluasi dan kerentanan struktur transaksi, yang memperbesar kepanikan. Sebelum penyesuaian ini, valuasi sektor terkait AI berada di level tertinggi dalam sejarah, dan valuasi perangkat lunak utama juga tidak rendah, sehingga narasi ini menjadi pemicu konsentrasi pelepasan valuasi.

Sebaliknya, kondisi fundamental banyak perusahaan yang terdampak tetap tangguh: laporan keuangan perusahaan perangkat lunak terkemuka menunjukkan pertumbuhan pendapatan yang stabil dan margin yang membaik, beberapa perusahaan memiliki integrasi pelanggan yang mendalam, biaya switching tinggi, serta hambatan data dan kepatuhan, jika AI dapat diinternalisasi sebagai fitur nilai tambah, justru bisa menguntungkan.

Terkait perubahan paradigma makro, ada beberapa argumen kontra. Pertama, “Paradoks Jevons” menunjukkan bahwa peningkatan efisiensi sering kali memicu lonjakan permintaan secara eksponensial, bukan sekadar penggantian, bahkan jika produktivitas AI meningkat pesat, manfaat deflasi (penurunan harga produk dan layanan) yang dihasilkannya juga bisa merangsang permintaan dan industri baru. Kedua, AI mungkin menciptakan jenis pekerjaan baru yang saat ini tak terbayangkan, dan kemampuan adaptasi masyarakat biasanya lebih kuat dari prediksi model. Ketiga, dalam hal regulasi, kepatuhan, interaksi dunia fisik, hubungan manusia yang kompleks, dan penilaian yang sangat tidak standar, biaya substitusi AI jauh lebih tinggi dari asumsi pasar yang panik, dan sistem hukum serta kebiasaan sosial secara alami memperlambat proses ini.

Oleh karena itu, perubahan AI layak dipandang serius, tetapi prosesnya mungkin tidak langsung terjadi sekaligus. Jadwal, batas, dan ketidakpastian terkait perubahan ini sebenarnya menciptakan peluang diferensiasi dan struktural. Jika dilihat secara dinamis dan struktural, yang perlu dilakukan investor adalah beralih dari “membeli satu keranjang AI” ke “menyaring target secara lebih rinci”. Terutama setelah emosi kepanikan dan valuasi terkonsolidasi, pertanyaan utama adalah: perubahan apa yang kemungkinan besar terjadi, yang tidak, yang akan terjadi lebih dulu, yang nanti, dan mana yang bersifat substitusi atau komplementer? Perbedaan ini akan semakin melebar.

Kami menyarankan beberapa sudut pandang penyaringan:

(1) Lapisan perangkat keras, cari “rantai batasan keras”. Dalam kondisi ekspektasi pengeluaran modal yang sudah cukup agresif, mendapatkan keuntungan berlebih dari hardware menjadi semakin sulit. Pasar tidak lagi memberi insentif pada pengeluaran modal, sehingga perlu fokus pada bagian yang paling terbatas pasokannya dan memiliki kekuatan penetapan harga terbesar, terutama bagian yang kapasitasnya berkembang lambat, siklus ekspansi berikutnya panjang, dan alternatifnya terbatas, seperti penyimpanan, batasan jaringan listrik, transformator yang terbatas, kapasitas kemasan canggih, serat optik, dan lain-lain. Bottleneck pasokan ini memberi kekuatan tawar yang lebih besar.

(2) Lapisan model: persaingan semakin ketat, selain bobot model, logika penyaringan harus berfokus pada: apakah memiliki data pribadi eksklusif untuk melatih model diferensial? apakah memiliki infrastruktur inferensi dengan biaya sangat rendah? dan apakah mampu mengubah kemampuan model menjadi solusi tertutup dan aplikasi yang cepat diimplementasikan, yaitu mencari kombinasi “kemampuan model + flywheel data + hambatan bisnis”. Sejak pertengahan 2025, korelasi harga saham perusahaan teknologi besar AS dari sekitar 0,8 turun ke sekitar 0,2, dan pasar saat ini menggali rantai Anthropic dan ByteDance, serta terus terjadi diferensiasi di lapisan model.

(3) Lapisan aplikasi: prioritas pada target yang bisa cepat diimplementasikan dan sudah terbukti mengubah nilai AI, aplikasi yang mampu langsung mengukur penghematan biaya dan peningkatan efisiensi (ROI), aplikasi yang bisa langsung masuk ke alur kerja inti perusahaan, dan aplikasi AI asli di bidang vertikal.

Untuk bidang SaaS yang mengalami penyesuaian besar akhir-akhir ini, pasar mungkin secara bertahap membedakan antara “SaaS fungsi tipis yang akan digantikan AI” dan “fondasi data dan eksekusi yang tak tergantikan di era AI”, serta bidang aplikasi yang menginternalisasi AI dan memberikan nilai tambah, seperti keamanan, kepatuhan, pipeline data, penyelesaian transaksi, dan lain-lain, yang terkait dengan data kunci atau proses eksekusi di bidang tertentu, berpotensi mendapatkan peluang “salah pukul”.

(4) Perbedaan jalur AI China dan AS adalah sudut pandang lain yang penting. Perkembangan AI di China dan AS memiliki makna makro yang berbeda. Pertama, China lebih menekankan “efisiensi komputasi prioritas”, lebih bergantung pada optimisasi algoritma, ekosistem open-source, dan engineering untuk meningkatkan efisiensi. Meski saat ini kekurangan kapasitas komputasi, substitusi domestik mungkin lebih menguntungkan dari sudut pandang investasi, dan pengejaran model besar tetap menjadi jalur utama. Kedua, struktur ekonomi yang berbeda menentukan jalur dampak AI di kedua negara. Di AS, karena dominasi jasa dan biaya tenaga kerja putih yang tinggi, dampak substitusi dan tekanan deflasi dari AI lebih besar dalam jangka pendek, dan dalam jangka panjang, fokus utama adalah apakah AI bisa mengembalikan industri manufaktur AS (yang cukup sulit). Sedangkan di China, dengan basis manufaktur yang besar dan keunggulan dalam listrik dan infrastruktur, AI lebih dilihat sebagai alat untuk meningkatkan produktivitas faktor secara keseluruhan, bukan sekadar pengganti tenaga kerja. Peluang struktural terletak pada keberagaman skenario dan ruang transformasi layanan produktif, yang berarti logika investasi AI di China akan lebih berfokus pada “empower industri” dan “soft-hard integration”.

Dalam beberapa tahun terakhir, pelacakan dan pemahaman tentang rantai AI telah memberi investor “alpha kognitif” yang jelas. Revolusi AI tanpa diragukan lagi tetap menjadi tema utama zaman ini, tetapi seiring valuasi target terkait melonjak dan IPO perusahaan unggulan AI mendekat, perubahan narasi kemungkinan akan semakin cepat, membawa tantangan besar bagi investasi.

Sumber artikel: Huatai Securities

Peringatan risiko dan ketentuan penafian

Pasar memiliki risiko, investasi harus hati-hati. Artikel ini tidak merupakan saran investasi pribadi dan tidak mempertimbangkan tujuan investasi, kondisi keuangan, atau kebutuhan khusus pengguna. Pengguna harus menilai apakah pendapat, pandangan, atau kesimpulan dalam artikel ini sesuai dengan kondisi mereka. Dengan melakukan investasi berdasarkan hal ini, tanggung jawab sepenuhnya di tangan pengguna.