Mengapa Jensen Huang Menilai GPU H100 Lama sebagai Infrastruktur, Bukan Hardware yang Cepat Terdepresiasi

Jensen Huang mengajukan argumen finansial sekaligus teknologi: GPU tidak semestinya dinilai hanya sebagai perangkat keras yang nilainya otomatis turun karena bertambah usia. Bila kapasitas komputasinya bisa dialihkan ke banyak pelanggan, tetap digunakan secara intensif, lalu menghasilkan pendapatan sewa berulang, GPU dapat berfungsi layaknya infrastruktur produktif.

Bukti yang ia soroti adalah H100, GPU AI generasi sebelumnya dari Nvidia. Data harga memang menunjukkan kapasitas H100 lama masih dicari pasar. Namun, data tersebut belum menjawab sepenuhnya pertanyaan yang lebih sulit: berapa lama H100 dapat mempertahankan arus kas yang menarik setelah sistem generasi lebih baru tersedia secara luas.

Inti argumen: kapasitas komputasi dapat disewakan berulang kali

Huang menyebut komputasi Nvidia sebagai aset yang “fungible, durable and highly rentable” atau, secara sederhana, dapat dipertukarkan, tahan lama, dan sangat layak disewakan. Ia juga menyebutnya sebagai aset produktif penghasil pendapatan. 16

Gagasan itu bertumpu pada tiga hal:

• Fungibel: kapasitas GPU dapat dialokasikan ulang ke pelanggan dan beban kerja berbeda, tidak terkunci pada satu pembeli atau satu aplikasi.
• Tahan lama: kegunaan komersial GPU tidak harus berakhir hanya karena arsitektur baru diluncurkan.
• Dapat disewakan: operator pusat data atau penyedia cloud dapat mengubah perangkat tersebut menjadi pendapatan berulang melalui layanan komputasi AI.

Sudut pandang ini berbeda dari pola pembaruan server konvensional. Secara akuntansi, sebuah aset tetap bisa didepresiasi menurut jadwal tertentu, tetapi secara operasional masih menghasilkan pendapatan yang berarti. Bagi operator cloud dan penyedia infrastruktur AI, ujian ekonominya adalah apakah pendapatan sewa, tingkat pemakaian, dan margin cukup untuk membenarkan belanja modal sepanjang umur pakai aset.

Apa yang ditunjukkan data harga H100

Pemicu langsung komentar Huang adalah indeks harga Ornn Exchange. Indeks itu menunjukkan H100 yang berusia sekitar tiga tahun disewakan seharga US$3,28 per GPU per jam, setelah naik 22% dalam satu bulan. 16 Ini menandakan pembeli masih memberi nilai pada kapasitas berbasis arsitektur Hopper, meskipun Nvidia menjual produk yang lebih baru.

Sinyal serupa muncul pada kontrak jangka panjang. SemiAnalysis melaporkan harga kontrak sewa H100 berdurasi satu tahun naik dari US$1,70 per GPU per jam pada Oktober 2025 menjadi US$2,35 pada Maret 2026—kenaikan hampir 40%. 61

Namun, angka-angka itu bukan satu harga universal untuk H100. Tarif sewa on-demand yang dipublikasikan pada 2026 berkisar kurang lebih US$2 hingga US$12 per GPU per jam. Kapasitas interuptible atau spot bisa lebih murah, sedangkan konfigurasi hyperscaler premium bisa jauh lebih mahal. 49 Perbedaan ini mencerminkan variasi nyata dalam durasi kontrak, jaminan ketersediaan, lokasi, jaringan, dukungan, serta apakah pelanggan menyewa satu GPU, satu node khusus, atau klaster yang lebih besar.

Mengapa tarif sewa penting bagi ekonomi infrastruktur

Armada GPU lebih mudah dibiayai bila operator dapat memperkirakan kemampuan aset tersebut menghasilkan kas. Harga sewa yang lebih tinggi dan utilisasi yang kuat dapat membantu operator menutup biaya modal dalam periode operasi yang lebih panjang dan lebih menguntungkan.

Itulah logika ekonomi di balik perlakuan komputasi sebagai infrastruktur, bukan pembelian hardware sekali pakai. Namun, harga sewa hanya salah satu variabel. Tesis infrastruktur yang kuat juga membutuhkan bukti bahwa armada GPU dapat mempertahankan:

1. Utilisasi tinggi di berbagai siklus ekonomi dan segmen pelanggan;
2. Perpanjangan kontrak, bukan sekadar permintaan akibat kelangkaan sesaat;
3. Margin yang sehat setelah biaya listrik, jaringan, operasional, dan depresiasi; serta
4. Nilai sisa ketika GPU generasi baru telah digunakan luas.

H100 dapat tetap cakap secara teknis, tetapi tetap mengalami keusangan secara ekonomi jika pelanggan memperoleh performa per dolar atau per token yang jauh lebih baik dari akselerator yang lebih baru.

Nvidia membangun kasus pembiayaan di balik tesis ini

Strategi Nvidia tidak berhenti pada narasi soal tarif sewa. Pada Agustus, perusahaan mengumumkan kemitraan dengan Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs, dan KKR untuk membentuk platform pembiayaan komputasi. Platform tersebut ditujukan untuk memobilisasi lebih dari US$500 miliar modal pihak ketiga bagi infrastruktur AI. 33

Pilihan katanya penting: inisiatif tersebut bertujuan memobilisasi modal dari waktu ke waktu, bukan berarti US$500 miliar sudah diinvestasikan atau dijamin. Meski begitu, langkah ini memperlihatkan ambisi Nvidia untuk membingkai komputasi, pusat data, dan sistem pendukungnya sebagai aset yang dapat memperoleh pembiayaan jangka panjang berbasis pendapatan penggunaan.

Nvidia juga telah sepakat mengakuisisi Hugging Face senilai US$12,93 miliar. Langkah itu memperluas jangkauannya ke platform model terbuka dan pengembang. 31 Kesepakatan tersebut tidak membuktikan bahwa setiap generasi GPU akan mempertahankan nilainya, tetapi berpotensi memperkuat posisi Nvidia dalam ekosistem yang menciptakan permintaan untuk komputasi AI.

Risiko yang harus dijawab oleh tesis Huang

Bantahan terkuat bukanlah bahwa H100 sudah tidak berguna—permintaannya jelas masih ada. Pertanyaan utamanya ialah apakah pasar sewa saat ini dapat memprediksi imbal hasil pada masa depan.

Sejumlah faktor dapat melemahkan argumen infrastruktur ini:

• Tergeser oleh performa baru: arsitektur baru dapat memberi biaya per token atau performa pelatihan yang jauh lebih baik, sehingga pelanggan bersedia membayar lebih rendah untuk H100.
• Pasokan makin normal: ketersediaan GPU dan kapasitas pusat data yang bertambah dapat menekan tarif spot maupun kontrak.
• Akselerator alternatif: chip milik sendiri dan akselerator AI pesaing dapat mengurangi permintaan GPU Nvidia untuk beban kerja tertentu.
• Hambatan sementara: kenaikan harga bisa mencerminkan kelangkaan jangka pendek, bukan kelangkaan yang bertahan lama atau peningkatan nilai aset yang permanen.
• Tekanan biaya operasi: listrik, jaringan, dan biaya pusat data dapat memangkas imbal hasil meski tarif sewa GPU tetap tinggi.

Karena itu, kenaikan 22% dalam satu bulan sebaiknya dibaca sebagai data permintaan yang penting, bukan jawaban final dalam perdebatan depresiasi.

Kesimpulan

Dalam arti yang terbatas tetapi penting, klaim Huang masuk akal: GPU AI lama masih dapat menghasilkan pendapatan sewa yang besar, dan harga H100 belakangan menunjukkan pelanggan masih menghargai kapasitas tersebut. 1661 Kemitraan pembiayaan Nvidia juga menunjukkan upaya untuk mengubah realitas operasional itu menjadi model infrastruktur yang dapat diinvestasikan. 33

Ujian sesungguhnya datang ketika sistem yang lebih baru mencapai skala besar: apakah armada H100 tetap memiliki utilisasi tinggi, kontraknya diperpanjang, dan arus kas bersihnya mencukupi setelah biaya operasi diperhitungkan. Kegunaan teknis yang tahan lama memang perlu, tetapi imbal hasil ekonomi yang tahan lama adalah bukti yang pada akhirnya dicari investor dan pemberi pinjaman infrastruktur.