Ujian Infrastruktur AI: Pendapatan US$300 Miliar Setahun untuk Sekadar Impas

Permintaan komputasi AI bisa terus tumbuh tanpa otomatis membuat investasi infrastrukturnya menguntungkan. Itulah inti ujian yang muncul dalam analisis Goldman Sachs: pendapatan dari kapasitas baru harus cukup untuk menutup biaya pembangunan yang meningkat, lalu menghasilkan laba yang bertahan lama.3717

Mengapa angka US$300 miliar penting?

Strateg Goldman Sachs Ryan Hammond memperkirakan perusahaan penyedia komputasi dan layanan cloud berskala sangat besar—sering disebut hyperscaler—perlu menghasilkan sekitar US$300 miliar pendapatan AI setiap tahun dalam beberapa tahun mendatang untuk mencapai titik impas atas investasi mereka. Ini target pendapatan per tahun, bukan jumlah yang boleh dikumpulkan selama beberapa tahun.3713

Tanda-tanda permintaan memang ada, tetapi angkanya tidak bisa langsung disejajarkan. Menurut analisis Hammond, pada kuartal II 2026 pendapatan cloud kelompok perusahaan tersebut, jika disetahunkan, berada sekitar US$70 miliar di atas tren sebelum ledakan AI. Nilai pesanan yang telah diumumkan namun belum dipenuhi (backlog) melampaui US$1,5 triliun.7 Angka US$70 miliar itu adalah selisih pendapatan cloud terhadap tren, bukan laporan total pendapatan AI. Sementara itu, backlog mencerminkan bisnis yang akan dipenuhi di masa depan, bukan pendapatan yang sudah diterima. Untuk menilai jaraknya dari target impas tahunan, investor masih perlu mengetahui kapan pesanan menjadi pendapatan dan berapa margin yang dihasilkan.

Impas belum berarti imbal hasil menarik

Kerangka Goldman yang dilaporkan secara terpisah memakai ambang lebih tinggi. Dalam kerangka itu, enam perusahaan teknologi diperkirakan perlu menghasilkan sekitar US$1,42 triliun pendapatan kumulatif selama 2028–2030 agar belanja komputasi AI mereka pada 2026–2027 memberikan imbal hasil tahunan atas modal yang diinvestasikan sebesar 15%. Jika dinyatakan menurut kapasitas, kebutuhannya sekitar US$11,6 miliar pendapatan per gigawatt per tahun.1721 Angka US$1,42 triliun bukan pengganti estimasi US$300 miliar: kelompok perusahaan, periode pengukuran, dan sasaran imbal hasilnya berbeda.

Ada pula batasan dalam membaca laporan sekunder tersebut. Salah satu judul menyebut US$1,42 triliun sebagai “tambahan laba”, sementara laporan lain menyebutnya pendapatan kumulatif. Tanpa model asli Goldman, definisi persis dan asumsi di balik perhitungan itu belum dapat dipastikan.1817

Hammond juga memperkirakan pengguna AI mungkin perlu membelanjakan sekitar US$1 triliun per tahun untuk aplikasi AI agar penyedia infrastruktur memperoleh imbal hasil yang kuat, sementara penyedia aplikasi tetap memiliki margin yang sehat.613 Belanja aplikasi dan pendapatan infrastruktur adalah mata rantai yang saling terhubung; keduanya tidak tepat dijumlahkan seolah-olah merupakan dua sumber permintaan yang sepenuhnya terpisah.

Target bergerak karena belanja terus naik

Goldman memperkirakan Amazon, Microsoft, Alphabet, Meta, dan Oracle akan membelanjakan sekitar US$800 miliar pada 2026 dan US$1,2 triliun pada 2027 untuk infrastruktur AI. Perkiraan Goldman untuk 2027 lebih tinggi daripada konsensus pasar yang dilaporkan sebesar US$1,1 triliun.237 Karena modal yang ditanam terus bertambah, pertumbuhan pendapatan saja belum cukup untuk membuktikan bahwa imbal hasilnya memadai.

Risiko bagi saham terkait AI pun bukan hanya soal harga yang terlalu mahal. Strateg Goldman Peter Oppenheimer telah mengangkat kemungkinan “gelembung laba”: laba yang ditopang pembangunan infrastruktur saat ini bisa kurang bertahan jika laju belanja melambat atau pendapatan dari penggunaan AI tidak memenuhi harapan.3641 Di sisi lain, Luke Barrs dari Goldman Sachs Asset Management menilai siklus belanja modal ini masih berada pada tahap awal, meski investor makin selektif menentukan perusahaan mana yang akan diuntungkan.34

Pada akhirnya, ujiannya sederhana untuk dirumuskan, tetapi tidak mudah dipenuhi: apakah backlog berubah menjadi pendapatan yang benar-benar diperoleh, apakah pendapatan itu menghasilkan margin yang bertahan, dan apakah marginnya sepadan dengan modal yang terus dikeluarkan. Pasar AI yang membesar dan investasi infrastruktur AI yang menguntungkan bukanlah hal yang sama.