Artikel ini membuat saya memahami AI: lapisan aplikasi paling populer, lapisan dasar paling menguntungkan

撰文：深思圈

Sebagian besar orang mengira AI hanyalah sebuah robot yang bisa mengobrol. Kamu membuka ChatGPT, meminta bantuannya untuk mengubah email, dan itu berhasil, rasanya seperti sihir. Kamu menutup halaman dengan puas, merasa sudah memahami apa itu AI. Tapi ini seperti setelah kamu menggesek kartu kredit di restoran, lalu mengira kamu sudah tahu bagaimana Visa menghasilkan uang—kamu memakai produknya, tapi tidak melihat sistemnya.

Investor Anish Moonka baru-baru ini menerbitkan sebuah artikel panjang yang mendalam, secara sistematis menganalisis struktur rantai nilai industri AI. Ia menghabiskan hampir satu tahun untuk benar-benar memahami bagaimana uang mengalir di industri AI. Sejujurnya, dia mengakui dalam tulisannya bahwa dia banyak tersesat, terus memusatkan perhatian pada produk yang bisa dilihat dan diraba seperti ChatGPT, Claude, dan Gemini, sementara saat ini 700 miliar dolar diam-diam mengalir ke infrastruktur dasar yang bahkan namanya pun tidak dikenal—chip yang tidak pernah didengar, teknologi kemasan yang terdengar seperti rekayasa, sistem pendingin, pembangkit listrik. Beton sedang dituangkan dan dibentuk di Texas, Iowa, dan Hyderabad.

Artikel ini memberi saya banyak inspirasi. Ia membuat saya sadar bahwa pemahaman kita tentang AI mungkin sejak awal sudah keliru. Yang kita lihat hanyalah puncak gunung es, sementara kekayaan yang sesungguhnya tercipta secara diam-diam di bawah permukaan air.

Lima lapisan kue: Mengapa tidak ada yang membahas empat lapisan terbawah

CEO Nvidia, Huang Renxun, di Forum Davos Januari 2026, menggambarkan AI sebagai sebuah sistem lima lapis: energi, chip, komputasi awan, model, dan aplikasi. Ia menyebut seluruh sistem ini sebagai “pembangunan infrastruktur terbesar dalam sejarah manusia.” Anish Moonka menyebut kerangka ini sebagai AI Stack (tumpukan teknologi AI), dan menunjukkan bahwa setiap lapisan mendukung lapisan di atasnya, dengan dana mengalir bolak-balik di antara lapisan-lapisan ini.

Struktur lima lapis ini sebenarnya sangat mudah dipahami. Lapisan energi menyediakan listrik; pusat data AI mengonsumsi listrik secara luar biasa—satu pelatihan besar saja memakan listrik setara dengan konsumsi satu kota kecil selama setahun. Lapisan chip menyediakan prosesor khusus untuk melakukan perhitungan matematis dalam jumlah besar—bukan chip biasa dari laptop. Lapisan komputasi awan adalah gudang besar yang penuh chip ini, terhubung melalui jaringan super cepat. Lapisan model adalah perangkat lunak AI itu sendiri, “otak” yang belajar pola dari data. Lapisan aplikasi adalah produk yang benar-benar digunakan orang, seperti ChatGPT, pencarian Google, sistem deteksi penipuan bank, dan lain-lain.

Saya menemukan fenomena menarik: hampir semua diskusi tentang AI berfokus pada lapisan kelima, yaitu aplikasi. Karena ini adalah hal yang bisa kita lihat, sentuh, dan gunakan. Tapi Anish menunjukkan poin penting: hanya fokus pada lapisan kelima saja, kita mengabaikan 80% gambaran besar. Bagi investor, pengusaha, atau siapa pun yang ingin memahami arah dunia, yang benar-benar penting adalah memahami bagaimana uang mengalir di antara lapisan-lapisan ini—ia akan terkonsentrasi, berakumulasi, dan berkembang secara eksponensial, dan saat ini uang itu sedang terkumpul di tempat yang sebagian besar orang tidak perhatikan.

Bayangkan arti kata “infrastruktur.” Jalan, jaringan listrik, sistem air—semua ini adalah hal yang menjaga peradaban berjalan, dan sebelum mereka runtuh, orang tidak akan memikirkannya. AI sedang menjadi semacam infrastruktur itu—tak terlihat, sangat penting, dan biaya pembangunannya sangat tinggi. Ini juga menjelaskan mengapa tidak ada yang membahas sistem pendingin pusat data atau kapasitas jaringan listrik di acara koktail, tetapi justru di situlah uang mengalir—karena tidak terlihat, itulah tempat uang benar-benar mengalir.

Ke mana uang pergi: sebuah fakta yang bertentangan intuisi

Anish mengungkapkan dalam tulisannya angka-angka mengejutkan. Pada 2026, empat perusahaan cloud terbesar dunia—Amazon, Microsoft, Google, dan Meta—diperkirakan akan menghabiskan antara 650 miliar hingga 700 miliar dolar untuk belanja modal (capex). Apa artinya? Hampir setara dengan GDP satu tahun Swiss. Sekitar 75% dari jumlah itu, yaitu sekitar 450 miliar dolar, langsung dialokasikan untuk infrastruktur AI. Bukan chatbot, bukan aplikasi, melainkan bangunan, chip, kabel, dan sistem pendingin.

Angka ini membuat saya memikirkan ulang logika seluruh industri AI. Sebelum siapa pun menggunakan ChatGPT, harus ada orang yang membangun pusat data sebesar mal, mengisi ribuan prosesor khusus, menghubungkannya dengan perangkat jaringan bernilai lebih dari total nilai sebagian besar perusahaan, dan setiap hari menyediakan listrik yang cukup untuk menyuplai sebuah kota kecil. Inilah yang terjadi dari lapisan satu sampai tiga—lapisan yang tak terlihat, di mana modal serius sedang dikerahkan secara besar-besaran.

Namun, ada kontradiksi yang lebih dalam di sini. Banyak orang berpikir bahwa perusahaan seperti OpenAI menghasilkan uang besar, dan memang begitu. Pada akhir 2025, OpenAI mencapai pendapatan tahunan berulang (ARR) sebesar 20 miliar dolar, melonjak dari 6 miliar dolar setahun sebelumnya dan 2 miliar dolar dua tahun lalu. Pertumbuhan 10 kali lipat dalam dua tahun—sebuah rekor yang belum pernah dicapai perusahaan lain dari basis sebesar itu.

Tapi Anish mengungkapkan fakta penting: pada 2025, OpenAI membakar sekitar 9 miliar dolar uang tunai, dan diperkirakan pada 2026 akan menghabiskan 17 miliar dolar. Biaya inferensi mereka (biaya menjalankan AI saat menjawab pertanyaan) mencapai 8,4 miliar dolar pada 2025, dan diperkirakan akan naik menjadi 14,1 miliar dolar pada 2026. Mereka memperkirakan baru akan mencapai arus kas positif sekitar 2029 atau 2030.

Ke mana uang yang terbakar itu pergi? Anish memberi jawaban: uang itu mengalir ke bawah melalui seluruh tumpukan teknologi. Mengalir ke Microsoft Azure (yang harus membayar 20% dari total pendapatan mereka ke Microsoft sebelum 2032), ke Nvidia untuk membeli chip, ke perusahaan yang membangun dan mengisi pusat data, dan ke perusahaan listrik yang menyediakan energi. Ada pola yang hampir seperti siklus: Microsoft berinvestasi di OpenAI, OpenAI menghabiskan uang di Azure, Azure membeli lebih banyak chip Nvidia, Nvidia melaporkan pendapatan yang mencatat rekor, dan semua orang merayakannya. Uang terus mengalir ke bawah.

Saya merasa di sini terungkap sebuah kesalahan persepsi mendasar: mayoritas pengguna berada di puncak tumpukan teknologi, sementara sebagian besar keuntungan berada di dasar. Ketidaksesuaian ini adalah inti dari seluruh logika investasi. Dengan kata Anish, ini adalah pelajaran pertama dari rantai nilai AI: pendapatan mengalir ke atas, modal mengalir ke bawah. Dan sebagai investor atau pengamat, kita sering tertarik pada pertumbuhan pendapatan, tetapi yang benar-benar menjadi perlindungan utama adalah akumulasi modal.

Sejarah selalu berulang: pelajaran dari revolusi listrik

Anish membuat analogi sejarah yang brilian. Jika ingin memahami apa yang sedang terjadi dengan AI, pelajari apa yang terjadi selama revolusi listrik antara 1880 dan 1920. Ketika Thomas Edison membangun pembangkit listrik komersial pertama di Pearl Street, Manhattan pada 1882, orang menganggap listrik hanyalah sebuah inovasi kecil—cara yang keren untuk menerangi ruangan. Mengapa membutuhkannya, padahal lampu gas sudah cukup baik?

Tapi hanya dalam 40 tahun, listrik mengubah setiap industri di bumi—pembuatan, transportasi, komunikasi, kedokteran, hiburan. Perusahaan yang menang bukanlah yang menemukan bohlam, melainkan yang membangun pembangkit listrik, memasang kabel tembaga, dan memproduksi generator: General Electric, Westinghouse, perusahaan utilitas, penambang tembaga, kontraktor konstruksi.

Polanya yang sama sedang berlangsung di bidang AI, hanya saja dalam waktu yang lebih singkat—dari puluhan tahun menjadi beberapa tahun. Anish menyebut fenomena ini sebagai “Gravitasi Infrastruktur” (Infrastructure Gravity). Setiap kali platform komputasi baru muncul, kekayaan awal tercipta dari “palu dan sekop.” Aplikasi akan muncul kemudian, mendapatkan perhatian media, tetapi infrastruktur yang mendapatkan keuntungan terbesar.

Melihat angka-angka ini, kita bisa memahami kekuatan prinsip ini. Nvidia pada tahun fiskal 2026 (hingga Januari 2026) melaporkan pendapatan tahunan sebesar 215,9 miliar dolar, naik 65% dari tahun sebelumnya. Hanya bagian pusat data mereka saja dalam satu kuartal terakhir menghasilkan 62,3 miliar dolar, naik 75%. Bagian ini sekarang menyumbang lebih dari 91% dari total pendapatan Nvidia. Satu perusahaan dengan pendapatan kuartal sebesar 68 miliar dolar, sembilan per sepuluhnya berasal dari satu lini bisnis.

TSMC, perusahaan yang memproduksi chip Nvidia dan hampir semua chip utama lainnya, menguasai hampir 70% pasar wafer global pada 2025, dengan penjualan mencapai 122,5 miliar dolar. Pesaing terdekat, Samsung, hanya 7,2%. Anish berkomentar bahwa dominasi ini akan membuat perusahaan seperti Standard Oil merasa tidak nyaman.

Saya sangat setuju dengan satu pandangan Anish: tanyakan kepada siapa saja tentang apa revolusi internet, mereka akan menyebut Google, Amazon, dan Facebook. Tapi tanyakan di mana uang awalnya benar-benar didapat, jawabannya adalah Cisco, Corning, dan perusahaan pemasang serat optik. Cerita yang sama, dekade berbeda. Infrastruktur selalu yang pertama menang, masalahnya hanya berapa lama peluang ini akan terbuka.

Peta peluang investor: Mengurai peluang secara bertahap

Anish menghabiskan banyak bagian artikel untuk mengurai peluang investasi dari setiap lapisan. Saya merasa bagian ini sangat berharga karena mengubah konsep abstrak menjadi kerangka investasi yang dapat dioperasikan.

Lapisan pertama: Energi. Konsumsi listrik pusat data AI sangat besar—diperkirakan pada 2026 akan menghabiskan sekitar 90 TWh listrik per tahun, sepuluh kali lipat dari tahun 2022. Ini menciptakan argumen investasi langsung: perusahaan yang mampu menghasilkan, mentransmisikan, dan menyediakan listrik yang andal ke pusat data akan diuntungkan. Huang Renxun pada Oktober 2025 mengatakan sesuatu yang sangat relevan: “Kecepatan pusat data menghasilkan listrik sendiri mungkin jauh lebih cepat daripada terhubung ke jaringan listrik.” Ini berarti perusahaan teknologi menjadi penyedia utilitas mereka sendiri, melewati jaringan listrik tradisional. Tren ini membuat saya berpikir bahwa peluang investasi infrastruktur energi mungkin lebih dekat ke dunia teknologi daripada yang banyak orang bayangkan.

Lapisan kedua: chip. Ini adalah lapisan yang paling dikenal orang karena Nvidia. Tapi Anish menunjukkan bahwa lapisan chip jauh lebih kompleks dari sekadar satu perusahaan. Ada sub-lapisan: desainer (Nvidia, AMD, Broadcom), produsen (TSMC memimpin dengan 70% pangsa pasar), penyedia peralatan (ASML satu-satunya produsen mesin litografi EUV di dunia), penyedia memori (SK Hynix, Samsung, Micron), dan penyedia teknologi kemasan.

Konsentrasi ini sangat mencolok. Nvidia menguasai sekitar 92% pasar GPU pusat data AI. TSMC memproduksi chip untuk hampir semua desainer chip utama. ASML adalah satu-satunya pemasok mesin litografi EUV. Satu perusahaan mendesain, satu membangun, satu memproduksi mesin tersebut. Anish berkomentar bahwa konsentrasi ini adalah argumen investasi sekaligus risiko geopolitik. Menurut saya, pengamatan ini sangat penting—konsentrasi ekstrem ini berarti keuntungan tinggi sekaligus risiko tinggi.

Lapisan ketiga: komputasi awan dan pusat data. Pasar didominasi tiga raksasa: Amazon Web Services (31%), Microsoft Azure (24%), dan Google Cloud (11%). Tapi lapisan ini jauh lebih luas dari sekadar tiga perusahaan besar. Foxconn kini merakit sekitar 40% server AI global, Arista Networks dan Credo Technology membangun infrastruktur jaringan, Vertiv mengelola pendinginan cair, REIT pusat data memiliki tanah dan bangunan, bahkan ada yang harus menuang beton.

Satu angka yang saya temukan mengejutkan: menurut Bank of America, pada 2026, 90% dari arus kas operasional cloud akan digunakan untuk capex, naik dari 65% pada 2025. Morgan Stanley memperkirakan perusahaan-perusahaan ini akan meminjam lebih dari 400 miliar dolar tahun ini untuk membangun infrastruktur, dua kali lipat dari 165 miliar dolar pada 2025. Penerbitan obligasi sebesar 400 miliar dolar dalam satu tahun hanya untuk membangun gudang komputer—skala yang belum pernah terjadi sebelumnya.

Lapisan keempat: model. Ini adalah “otak” dari sistem, termasuk OpenAI (seri GPT, ARR lebih dari 20 miliar dolar), Anthropic (Claude, dilaporkan pendapatan tahunan sekitar 19 miliar dolar pada awal 2026), Google DeepMind (Gemini), Meta AI (Llama), dan lain-lain. Anish menilai lapisan ini cukup jujur: ini adalah yang paling banyak dibicarakan dan paling tidak menguntungkan. Masalah model secara struktural: semakin banyak biaya komputasi yang dikeluarkan, semakin baik modelnya, tapi pengeluaran ini tumbuh lebih cepat dari pendapatan. Ini seperti menjalankan restoran, setiap hidangan membutuhkan bahan yang lebih mahal dari sebelumnya, tapi pelanggan mengharapkan harga tetap. Margin keuntungan terus menyusut.

Lapisan kelima: aplikasi. Ini adalah lapisan yang kita lihat setiap hari—ChatGPT, pencarian Google, Copilot Microsoft, dan lain-lain. Ini adalah lapisan paling luas dan paling padat persaingan, yang akhirnya akan menjadi lapisan terbesar dari total pasar yang dapat dijangkau, tetapi saat ini juga yang paling tipis margin dan paling tidak pasti. Anish menunjukkan bahwa faktor diferensiasi di lapisan ini adalah data. Perusahaan yang memiliki data unik dan proprietary akan membangun keunggulan berkelanjutan—Salesforce dengan data CRM perusahaan, Bloomberg dengan data keuangan, Epic dengan catatan medis.

Saya sangat setuju dengan satu pandangan Anish: dalam 3 sampai 5 tahun ke depan, imbal hasil terbaik kemungkinan berasal dari investasi di infrastruktur saat ini, baru kemudian di aplikasi. Modal paling cerdas sudah menempatkan posisi mereka sesuai. Perusahaan yang benar-benar akan menang di lapisan aplikasi adalah yang memiliki data yang tidak bisa diakses orang lain—dan sebagian besar bahkan tidak menyebut dirinya sebagai perusahaan AI.

Ini apakah gelembung: sebuah pertanyaan yang harus dihadapi

Anish secara langsung menanggapi satu keraguan utama: “Ini seperti pengulangan gelembung internet, bukan? Pengeluaran besar untuk infrastruktur tanpa keuntungan, semua orang terbawa hype?” Ia memberikan jawaban yang sangat meyakinkan.

Perbedaannya terletak pada waktu kebutuhan. Pada era gelembung internet, perusahaan membangun infrastruktur untuk kebutuhan yang belum terwujud. Jaringan serat optik dan server dibangun, tapi pengguna masih menggunakan dial-up. Infrastruktur selesai, permintaan baru benar-benar meledak 5-7 tahun kemudian, dan selama itu semua dihapuskan.

Tapi pada 2026, permintaan AI sudah ada dan berkembang pesat. Nvidia tidak mampu memproduksi chip cukup cepat, kapasitas kemasan canggih TSMC sudah habis terjual, harga sewa cloud meningkat, dan OpenAI dalam periode Maret hingga Oktober 2025 menambah 400 juta pengguna aktif mingguan. Model digunakan, perhitungan dilakukan, pelanggan membayar.

Namun, Anish juga jujur mengungkapkan tiga risiko utama. Risiko alokasi modal yang tidak tepat—jika pendapatan layanan AI tidak cukup cepat untuk membuktikan bahwa pengeluaran di atas 650 miliar dolar itu masuk akal, beberapa perusahaan akan menghadapi tekanan profit yang serius, bahkan arus kas bebas Amazon tahun ini bisa menjadi negatif. Risiko konsentrasi—TSMC memproduksi hampir 70% chip global, ASML adalah satu-satunya pemasok mesin EUV, Nvidia mendesain 92% GPU pusat data AI, gangguan geopolitik atau bencana alam bisa mengganggu seluruh rantai teknologi. Dan risiko DeepSeek—pada Januari 2025, laboratorium AI China, DeepSeek, dengan biaya pelatihan yang kecil, mencapai performa yang mendekati frontier, menantang asumsi bahwa “pengeluaran lebih besar berarti AI yang lebih baik.”

Saya merasa kejujuran Anish tentang risiko ini membuat analisisnya lebih kredibel. Ia tidak menghindar, melainkan mengungkapkan secara jelas. Tapi bahkan dengan mempertimbangkan risiko ini, McKinsey memperkirakan total investasi pusat data global bisa mencapai 6,7 triliun dolar hingga 2030, dan PwC memperkirakan AI bisa menyumbang 15,7 triliun dolar terhadap GDP global hingga 2030. Bahkan jika angka-angka ini salah 50%, kita tetap sedang berbicara tentang perubahan ekonomi terbesar sejak internet.

Ada satu kalimat dari Anish yang sangat saya setujui: “Skeptis terhadap model, skeptis terhadap jadwal itu boleh, tapi jangan tidak tahu tentang rantai pasok. Ini adalah hal yang berbeda. Yang satu adalah sikap intelektual yang sehat, yang lain bisa membuatmu kehilangan uang.”

Main di lapisan yang tepat

Anish menggunakan analogi permainan untuk merangkum strategi investasi. Bayangkan AI sebagai sebuah permainan video dengan lima level: setiap level memiliki tingkat kesulitan dan imbalan berbeda. Lapisan energi adalah tahap tutorial, risiko rendah dan pengembalian stabil. Lapisan chip adalah pertarungan bos, keuntungan tertinggi tapi tingkat kesulitannya tinggi. Lapisan komputasi awan adalah server multipemain, raksasa-raksasa mengambil bagian dari semuanya. Lapisan model adalah arena PvP, kompetisi brutal dan sebagian besar pemain tersingkir. Lapisan aplikasi adalah dunia terbuka, peluang tak terbatas tapi tanpa jaminan kemenangan.

Strategi utama dia sangat sederhana: kamu tidak perlu memainkan semua lima level. Kebanyakan orang mencoba bermain di level kelima karena paling terlihat, tapi uang cerdas sedang bermain di level kedua dan ketiga, karena di sana pengalaman paling banyak didapat saat ini.

Saya rasa kerangka ini sangat berharga karena membantu kita memahami bahwa posisi kita di tumpukan teknologi menentukan apa yang harus kita fokuskan. Untuk non-teknisi, kamu tidak perlu memahami cara kerja GPU, tapi harus tahu bahwa ada orang yang harus memproduksi, menampung, dan memberi daya pada GPU tersebut—dan semua “orang” ini adalah perusahaan publik. Untuk teknisi, kamu sudah tahu model-model AI semakin maju, tapi mungkin meremehkan seberapa cepat batas fisik menjadi hambatan. Untuk investor, rantai nilai AI adalah lima transaksi berbeda dengan risiko dan imbalan berbeda—menganggap “AI” sebagai satu industri saja sama bodohnya dengan menganggap “teknologi” sebagai satu industri pada 1998.

Anish menutup dengan peringatan bahwa keunggulan infrastruktur ini tidak akan bertahan selamanya. Pada suatu titik, pembangunan infrastruktur akan matang, lapisan aplikasi akan menyatu, dan nilai akan mengalir ke atas tumpukan teknologi—seperti yang terjadi di era internet—di mana nilai yang dikumpulkan oleh Amazon, Google, dan Facebook akhirnya melebihi nilai perusahaan kabel dan pembuat server. Tapi saat ini, kita masih di tahap infrastruktur, di fase palu dan sekop. Dan palu serta sekop ini sedang mencetak uang.

Setelah membaca artikel panjang Anish ini, pelajaran terbesar yang saya dapatkan adalah memahami sebuah prinsip sederhana namun mendalam: konsumen melihat produk, investor melihat rantai pasok, dan investor terbaik sudah melihat rantai pasok sebelum produk diluncurkan. Lima tahun dari sekarang, nama pemenang siklus ini akan terasa sangat jelas—karena mereka selalu begitu. Permainan utamanya adalah melihat struktur sebelum orang lain menyadarinya.

Sepuluh tahun lagi, memahami tumpukan teknologi AI akan menjadi seperti memahami neraca keuangan. Belajar tentang tumpukan, menggambar hierarki, mengikuti aliran modal. Itulah permainannya.