Geo Chen Berbalik Pesimistis terhadap AI: Empat Alasan Mengapa Reli Bull Market Bisa Telah Mencapai Puncak

1. Spekulasi leverage investor ritel Korea mulai berbalik arah

Chen melihat investor ritel Korea sebagai sumber “modal berkualitas rendah” yang paling menonjol dalam fase euforia pasar kali ini. Mereka berbondong-bondong membeli ETF berleverage 2x dan 3x yang terkait dengan SK Hynix, Samsung, dan indeks KOSPI, sehingga menciptakan daya beli artifisial dalam jumlah sangat besar .

Mekanisme lindung nilai produk tersebut membuat para market maker menanggung eksposur gamma negatif yang besar. Dalam kondisi seperti ini, mereka cenderung membeli ketika harga naik dan menjual ketika harga turun—pola yang dapat memperbesar volatilitas serta memicu rangkaian margin call .

Citi memperkirakan pembongkaran posisi produk leverage telah menghapus US$38,7 miliar, sementara sekitar 1,2 juta akun dilikuidasi—setara dengan kira-kira satu dari setiap 30 orang dewasa di Korea . Sejak mencapai puncaknya pada Juni, KOSPI anjlok hampir 30%. Operator pasar bahkan beberapa kali menghentikan perdagangan setelah kerugian menembus 10% .

Bagi Chen, modal yang sudah mengalami kerugian besar kemungkinan tidak segera kembali ke pasar. Ia juga berpendapat bahwa reli parabola yang didorong leverage semacam ini hampir selalu berakhir dengan periode bearish yang berkepanjangan .

2. Model AI China menekan keunggulan model tertutup

Pilar kedua adalah meningkatnya persaingan dari model AI open-source China. Menurut Chen, perkembangan ini mulai mengganggu logika bisnis laboratorium AI terdepan yang selama ini mengandalkan model tertutup dan harga premium.

Beberapa perkembangan yang ia soroti antara lain:

• Kimi K3 milik Moonshot AI meraih skor 1.679 di Code Arena, melampaui Claude Fable 5 yang mencatat 1.631 .
• Alibaba merilis Qwen 3.8, model dengan bobot terbuka dan 2,4 triliun parameter .
• GLM-5 dari Zai dan sistem multi-agen Fugu dari Sakana AI menunjukkan bahwa pemain yang lebih kecil dan gesit dapat memperkecil kesenjangan kualitas dengan biaya jauh lebih rendah, antara lain melalui metode seperti DeepSeek Sparse Attention dan Recursive Self-Improvement .

Inti argumen Chen cukup sederhana: jika 80–90% token nantinya beralih ke model yang lebih murah atau open-source, kumpulan pendapatan di tingkat kualitas tertinggi akan menyusut drastis .

Perubahan itu dapat memutus “siklus investasi” yang selama ini menopang valuasi infrastruktur AI: model frontier dibanderol mahal, pendapatan besar membenarkan belanja infrastruktur, lalu kapasitas baru mendorong pertumbuhan berikutnya. Jika keunggulan harga dan kualitas tidak lagi berada di tangan model tertutup, pembenaran untuk belanja modal raksasa ikut melemah.

3. Pasokan komputasi bergerak dari kelangkaan menuju surplus

Chen juga menilai narasi bahwa kapasitas komputasi selalu kekurangan mulai berbalik. Sejumlah perkembangan yang ia sebutkan meliputi:

• Meta sedang membangun bisnis cloud untuk menyewakan kapasitas komputasinya, sehingga pasokan secara keseluruhan bertambah .
• Laboratorium AI menurunkan biaya inferensi dengan cepat, sementara indeks belanja token dari Silicon Data terus menurun sejak mencapai puncak pada Juni. Hal itu mengindikasikan peningkatan efisiensi perangkat keras mulai melampaui pertumbuhan permintaan .
• OpenAI menunda rencana IPO dan menghadapi kesulitan menghimpun dana. Menurut Chen, kondisi ini pada akhirnya dapat merambat ke rantai pasok semikonduktor .
• Google menaikkan proyeksi belanja modal AI 2026 menjadi US$205 miliar, tetapi sahamnya justru turun 7% setelah kabar tersebut. Chen membaca reaksi ini sebagai tanda bahwa pasar tidak lagi otomatis memberi penghargaan pada ekspansi belanja modal .
• Spread kredit pusat data melebar, yang menandakan meningkatnya risiko kredit di sektor infrastruktur komputasi .

Chen menyampaikan satu pengamatan penting: investasi besar untuk mengatasi kelangkaan komputasi pada akhirnya justru menghilangkan kelangkaan yang menjadi alasan saham-saham tersebut menarik . Semakin banyak perusahaan teknologi raksasa membangun kapasitas, semakin tidak langka komputasi—dan semakin rendah potensi imbal hasil dari modal yang ditanamkan.

4. Kebijakan The Fed dan ancaman stagflasi

Risiko khusus sektor AI diperburuk oleh dua tekanan makroekonomi.

Pertama, perang Iran disebut telah menelan biaya US$37,5 miliar bagi Amerika Serikat setelah gencatan senjata runtuh pada Juli 2026. Harga minyak Brent naik dari US$70 menjadi US$85 per barel. Chen memperingatkan kemungkinan konflik “hidup-mati” yang berkepanjangan dan dapat kembali mendorong harga minyak setiap kali ketegangan meningkat .

Jika digabungkan dengan empat guncangan inflasi, kondisi tersebut menciptakan apa yang disebut Chen sebagai “tekanan stagflasi paling kuat dan paling persisten” dalam beberapa tahun terakhir . Stagflasi—situasi ketika inflasi tetap tinggi sementara pertumbuhan ekonomi melemah—biasanya menjadi lingkungan yang sulit bagi aset berisiko dan saham dengan valuasi tinggi.

Kedua, kredibilitas Federal Reserve dinilai mulai terkikis. Imbal hasil Treasury AS bertenor 30 tahun menembus 5,2%, level tertinggi dalam dua tahun. Kurva imbal hasil yang menanjak secara bearish mencerminkan pandangan pasar bahwa The Fed, di bawah kepemimpinan Christopher Waller, kehilangan kendali atas inflasi. Kegagalan Federal Open Market Committee (FOMC) menaikkan suku bunga juga dinilai membuat ekspektasi inflasi semakin tidak terkendali .

Chen memperingatkan bahwa data PCE yang lebih kuat dapat kembali menempatkan The Fed, imbal hasil jangka pendek, dan dolar AS di pusat tekanan terhadap transaksi AI yang sudah terlalu padat . Saham AI, yang sebelumnya terguncang oleh ekses internalnya sendiri, akan menghadapi lingkungan makro yang menghukum aset berjangka durasi panjang dan paling spekulatif.

Kesimpulan Chen: uang tunai, emas, dan rotasi sektor

Chen secara eksplisit membandingkan kondisi saat ini dengan Maret 2000, Maret 2008, Januari 2020, dan Desember 2022—periode yang ia anggap sebagai titik balik sebelum gejolak pasar besar .

Kini, ia memilih menyimpan uang tunai, menambah kepemilikan emas ketika harga melemah, serta melihat adanya rotasi modal dari AI menuju sektor kesehatan, keuangan, perangkat lunak, dan bioteknologi . Skenario dasarnya adalah proses pembentukan puncak yang berlangsung selama beberapa bulan, disertai volatilitas lanjutan ketika ekses spekulatif mulai terurai.

Tesis Chen bukan sekadar pandangan pesimistis terhadap saham AI. Ia menyusun argumen struktural bahwa kekuatan yang sebelumnya mendorong saham AI naik secara parabola—leverage, kelangkaan komputasi, dan keyakinan pada harga premium model frontier—kini mulai berbalik arah.

Bagi investor yang masih memegang aset terkait AI, analisis tersebut menjadi kerangka penting untuk menguji kembali satu pertanyaan: apakah reli ini masih memiliki ruang untuk naik, atau justru sudah memasuki fase puncaknya?