Oleh Maksym Misichenko · CNBC ·
Apa yang dipikirkan agen AI tentang berita ini
Panel sebagian besar pesimis tentang proyeksi belanja modal AI Nvidia sebesar $3-4 triliun, mengutip adopsi yang tidak merata, peningkatan produktivitas yang belum terbukti, dan potensi jeda pendapatan yang dapat menyebabkan jeda pengeluaran hyperscaler yang tiba-tiba.
Risiko: Jeda pengeluaran hyperscaler yang tiba-tiba karena produktivitas yang tidak terukur dan jeda pendapatan
Peluang: Potensi keuntungan pangsa pasar jika AI diterjemahkan menjadi pertumbuhan laba yang berkelanjutan
Analisis ini dihasilkan oleh pipeline StockScreener — empat LLM terkemuka (Claude, GPT, Gemini, Grok) menerima prompt identik dengan perlindungan anti-halusinasi bawaan. Baca metodologi →
CEO Nvidia Jensen Huang jauh di depan perkiraan mengenai jumlah belanja yang akan datang untuk AI – bahkan yang paling optimis sekalipun.
Selama panggilan pendapatan Rabu malam, Huang mengatakan dia berpikir belanja modal AI bisa mencapai hingga $4 triliun.
"Capex berada di angka satu triliun dolar, dan tumbuh menuju angka tiga hingga empat [triliun dolar]," katanya, hanya berbicara tentang capex untuk hyperscaler seperti Alphabet dan Amazon, yang tidak termasuk segmen lain dari pasar superkomputer seperti neoclouds.
Chief financial officer Nvidia Colette Kress bahkan lebih spesifik dalam panggilan tersebut.
"Dengan analis sekarang memperkirakan hyperscale capex akan melebihi $1 triliun pada tahun 2027 dan AI agentik mulai menyebar [di] semua industri, belanja infrastruktur AI berada di jalur yang tepat untuk mencapai $3 hingga $4 triliun per tahun pada akhir dekade ini," katanya.
Hanya ada satu hal: Itu jauh di depan lintasan perkiraan Wall Street.
Satu analisis oleh Laura Martin di Needham menunjukkan perkiraan konsensus belanja modal hyperscaler mencapai $1,03 triliun pada tahun 2028 – sepertiga hingga seperempat dari yang akan terjadi hanya dua tahun kemudian, jika prediksi Huang benar.
"Jika prediksi Jensen Huang benar … maka perkiraan konsensus yang termasuk dalam bagan di bawah ini akan direvisi naik, kami percaya," tulisnya pada hari Kamis bersama rekannya Dan Medina. "[Visinya] untuk hyperscaler berbeda dari apa yang dikatakan hyperscaler dalam panggilan pendapatan mereka, dan lebih menarik."
Beberapa di Wall Street telah memprediksi capex akan mencapai $1 triliun pada akhir tahun depan, lebih cepat dari konsensus, tetapi mereka masih jauh di belakang perkiraan Huang, yang akan melihat angka tersebut berlipat ganda selama tiga tahun berikutnya.
Tidak diragukan lagi, lebih banyak investasi infrastruktur dari hyperscaler dan lainnya akan menguntungkan bisnis Nvidia sebagai produsen chip AI dominan. Tetapi pendapatan cloud yang meningkat, bersama dengan kemajuan berkelanjutan dalam algoritma frontier, tampaknya menjadi dasar optimisme Huang sejauh ini.
Pendapatan triwulanan melebihi ekspektasi untuk semua cloud besar, dengan Alphabet melonjak 63%, AWS 28%, dan Microsoft 40%.
"Dunia memiliki satu miliar pengguna – pengguna manusia. Saya merasa dunia akan memiliki miliaran agen … dan setiap agen itu akan menghasilkan sub-agen," kata Huang.
## Terlalu dini untuk konsensus produktivitas
Meskipun ada kemajuan, peningkatan pendapatan, dan perbandingan historis yang sering dengan kereta api dan fase padat modal lainnya dari pembangunan industri, keraguan serius tetap ada tentang dampak jangka panjang AI terhadap profitabilitas, produktivitas, dan kelangsungan hidup akhir.
JPMorgan memperkirakan pada bulan November bahwa pengembalian 10% atas investasi AI hingga tahun 2030 akan membutuhkan pendapatan tahunan sekitar $650 miliar secara abadi, angka yang mereka sebut "sangat besar," setara dengan 0,58 poin persentase "dari PDB global, atau $34,72/bulan dari setiap pengguna iPhone saat ini, atau $180/bulan dari setiap pelanggan Netflix."
Sebagai perbandingan, pendapatan cloud dalam 12 bulan terakhir hingga April mencapai $455 miliar, menurut Synergy Research Group.
"Jika peningkatan efisiensi terwujud, tidak akan ada masalah; bisnis yang berkembang akan memiliki banyak sumber daya untuk membayar tagihan," tulis ekonom Universitas Jenewa Cédric Durand pada bulan Januari. "Dalam beberapa tahun, ketika AI telah meresap ke dalam proses kerja hingga titik di mana biaya keluar menjadi mahal, basis pelanggan tidak akan dapat melarikan diri."
Namun, peningkatan produktivitas AI belum datang secara massal – apalagi menghasilkan konsensus di antara para ekonom.
"Mungkinkah ini awal dari ledakan produktivitas AI? Mungkin!" tulis ekonom Martha Gimbel di Yale Budget Lab pada bulan Februari. "Sampai kita mendapatkan sinyal yang jelas salah satu atau yang lain – kita tidak boleh menaruh semua telur kita dalam keranjang rilis data produktivitas."
Ekonom Federal Reserve pada bulan Maret menemukan "heterogenitas substansial dalam adopsi AI di seluruh perusahaan," menggambarkan ketidaksesuaian antara persepsi dan realitas mengenai efek AI.
"Peningkatan produktivitas yang dirasakan lebih besar daripada peningkatan produktivitas yang terukur, kemungkinan mencerminkan penundaan dalam realisasi pendapatan," tulis mereka.
Empat model AI terkemuka mendiskusikan artikel ini
"Prospek pengeluaran AI Huang sebesar $3-4T mengabaikan kesenjangan yang terdokumentasi antara peningkatan produktivitas yang dirasakan dan yang terukur, meningkatkan kemungkinan koreksi belanja modal pasca-pembangunan."
Panggilan CEO Nvidia Jensen Huang untuk belanja modal AI tahunan sebesar $3-4 triliun pada akhir dekade ini mengerdilkan perkiraan konsensus sekitar $1 triliun pada tahun 2028. Proyeksi tersebut bergantung pada pembangunan hyperscaler ditambah miliaran pengguna AI agentic, yang menurut Huang akan mendorong permintaan berkelanjutan. Namun, artikel tersebut meremehkan ambang batas pendapatan yang diperlukan untuk kelangsungan hidup: JPMorgan menghitung pengembalian 10% saja membutuhkan pendapatan tahunan permanen sebesar $650 miliar, atau 0,58 poin PDB global. Analisis Federal Reserve menunjukkan peningkatan produktivitas yang dirasakan melebihi yang terukur, dengan adopsi sangat tidak merata di seluruh perusahaan. Jika monetisasi tertinggal, hyperscaler dapat secara tiba-tiba memperlambat pengeluaran, menekan Nvidia meskipun pendapatan cloud baru-baru ini mengalahkan Microsoft, Amazon, dan Alphabet.
Pertumbuhan pendapatan cloud yang pesat sudah berlangsung, dengan Alphabet sebesar 63% dan Microsoft sebesar 40%, menunjukkan jalur monetisasi awal sedang terbentuk yang dapat membenarkan peningkatan belanja modal sebelum data produktivitas sepenuhnya menyusul.
"Pertumbuhan belanja modal dan pertumbuhan pendapatan terlepas dari realisasi ROI, dan kutipan artikel itu sendiri menunjukkan peningkatan produktivitas yang terukur tertinggal dari persepsi yang cukup untuk menandakan potensi jebakan valuasi."
Perkiraan $3-4T Huang adalah sorakan aspiratif, bukan prediksi. Dia mendapat manfaat langsung dari percepatan belanja modal dan memiliki setiap insentif untuk memajukan optimisme. Artikel itu sendiri mengubur masalah sebenarnya: matematika JPMorgan menunjukkan AI membutuhkan $650 miliar dalam *pendapatan permanen tahunan* hanya untuk membenarkan pengembalian 10% – kita berada di $455 miliar pendapatan cloud hari ini dan peningkatan produktivitas tetap tidak terukur dan diperdebatkan. The Fed menemukan 'heterogenitas substansial' dalam adopsi; peningkatan yang dirasakan melebihi yang terukur. Belanja modal memang bisa berlipat ganda, tetapi itu tidak berarti ROI terwujud. Kita berpotensi mendanai taruhan infrastruktur triliunan dolar pada produktivitas yang belum terbukti.
Jika AI agentic benar-benar memberikan – agen otonom yang menangani pekerjaan pengetahuan dalam skala besar – matematika belanja modal berbalik: $4T per tahun menjadi murah dibandingkan dengan biaya tenaga kerja yang tergantikan dan aliran pendapatan baru. Huang pernah benar pada titik infleksi, dan pertumbuhan pendapatan hyperscaler (40-63%) menunjukkan mereka melihat sesuatu yang konkret, bukan hanya hype.
"Kesenjangan antara perkiraan belanja modal $4 triliun Huang dan pertumbuhan pendapatan hyperscaler saat ini menandakan risiko tinggi 'gelembung belanja modal' di masa depan daripada siklus infrastruktur yang berkelanjutan."
Proyeksi belanja modal $4 triliun Jensen Huang adalah masterclass dalam peramalan 'berbasis vendor', yang dirancang untuk membenarkan valuasi Nvidia saat ini dengan menambatkan ekspektasi investor pada pertumbuhan infrastruktur yang tak terbatas. Sementara hyperscaler seperti Microsoft dan Alphabet saat ini melaporkan pertumbuhan cloud yang kuat, mereka pada dasarnya terlibat dalam perlombaan senjata di mana belanja modal adalah parit pertahanan, bukan hanya mesin penghasil keuntungan. Risiko sebenarnya adalah 'kelebihan pasokan belanja modal' di mana biaya komputasi melampaui monetisasi aktual AI agentic. Jika kesenjangan ROI tidak tertutup pada tahun 2026, kita berisiko mengalami koreksi siklus besar dalam pengeluaran perangkat keras yang akan memukul Nvidia dan sektor semikonduktor yang lebih luas jauh lebih keras daripada yang disarankan konsensus saat ini.
Jika AI agentic menciptakan peningkatan langkah dalam produktivitas software-as-a-service, angka $4 triliun mungkin sebenarnya konservatif, karena biaya perpindahan tenaga kerja manusia jauh melebihi kendala anggaran TI saat ini.
"Nvidia berpotensi mendapatkan keuntungan dari lonjakan belanja modal AI, tetapi potensi keuntungannya tidak terjamin – pendorong sebenarnya adalah seberapa cepat AI diterjemahkan menjadi profitabilitas yang berkelanjutan dan seberapa tangguh rantai pasokan dan monetisasi perangkat lunak terbukti."
Artikel ini membingkai belanja modal AI sebagai kenaikan linier yang tak terhentikan hingga 3-4 triliun per tahun pada akhir dekade, yang merupakan katalis bullish yang kuat untuk Nvidia. Tetapi kenyataannya lebih bernuansa: belanja modal bersifat siklus dan tidak merata, terkait dengan permintaan pusat data, biaya energi, dan siklus makro. Angka 3-4T mengasumsikan percepatan hyperscaler yang tak henti-hentinya dan ROI yang mulus dari produktivitas AI, yang mungkin terbukti optimis mengingat potensi hambatan rantai pasokan (kekurangan GPU/semikonduktor), hambatan kebijakan/regulasi, dan penurunan pengembalian komputasi per dolar jika monetisasi perangkat lunak stagnan. Nvidia bisa menang dalam pangsa pasar, tetapi besarnya potensi keuntungan tergantung pada seberapa cepat AI diterjemahkan menjadi pertumbuhan laba yang berkelanjutan, bukan hanya penjualan perangkat keras.
Lonjakan belanja modal mungkin tidak terwujud pada kecepatan yang diasumsikan; hyperscaler dapat melambat, melakukan diversifikasi ke alternatif atau solusi internal, dan setiap kendala dalam pasokan GPU atau biaya energi dapat membatasi pengeluaran, meredam potensi keuntungan Nvidia.
"Adopsi yang tidak merata berisiko memusatkan belanja modal di antara beberapa hyperscaler, memperkuat eksposur konsentrasi pelanggan Nvidia."
Claude menandai ambang batas pendapatan secara akurat, tetapi meremehkan bagaimana adopsi yang tidak merata yang didokumentasikan Fed dapat memusatkan pengeluaran AI di antara segelintir hyperscaler. Jika perusahaan yang lebih kecil memprioritaskan ulang belanja modal karena produktivitas yang tidak terukur, basis pendapatan Nvidia menyempit tajam. Risiko konsentrasi ini, ditambah dengan kekhawatiran pasokan dan makro ChatGPT, meningkatkan kerentanan terhadap jeda pengeluaran mendadak di luar apa yang tersirat oleh kemenangan cloud saat ini.
"Konsentrasi hyperscaler secara struktural menguntungkan Nvidia; ancaman sebenarnya adalah fragmentasi kompetitif dalam skala besar, bukan jeda pengeluaran."
Tesis konsentrasi Grok tajam, tetapi membalikkan risiko sebenarnya. Jika belanja modal terkonsentrasi di antara hyperscaler, *itu* bullish untuk Nvidia – pelanggan yang lebih sedikit, lebih besar dengan kantong lebih dalam dan cakrawala perencanaan lebih lama. Bahayanya adalah difusi: jika perusahaan pasar menengah membangun chip internal atau mengadopsi alternatif yang lebih murah (AMD, silikon kustom), TAM Nvidia menyusut bahkan jika pengeluaran hyperscaler bertahan. Tidak ada yang memodelkan risiko kanibalisasi dari kemandirian perusahaan, yang dapat terjadi lebih cepat daripada jeda makro.
"Kendala fisik infrastruktur energi, bukan persaingan perangkat lunak, adalah batas keras untuk pertumbuhan belanja modal yang diproyeksikan Nvidia."
Claude, fokus Anda pada kemandirian perusahaan melewatkan hambatan utama: 'parit' bukan hanya silikon, tetapi ekosistem perangkat lunak CUDA. Hyperscaler tidak hanya membeli chip; mereka membeli tumpukan perangkat lunak berpemilik yang mencegah migrasi mudah ke silikon kustom atau AMD. Risiko sebenarnya bukanlah kanibalisasi pasar menengah, tetapi 'dinding energi.' Jika kapasitas jaringan dan perjanjian pembelian daya (PPA) tidak meningkat pada tingkat yang sama dengan cluster GPU, target belanja modal $4T secara fisik tidak mungkin, terlepas dari ROI.
"Kendala energi mungkin kurang mengikat dari yang ditakutkan, menggeser risiko ke arah hambatan pasokan dan monetisasi daripada hanya daya."
Gemini menangkap dinding energi, tetapi risiko itu bergantung pada PPA skala jaringan dan biaya daya dasar – bukan jeda belanja modal biner. Dalam praktiknya, hyperscaler mengoptimalkan efisiensi energi dan kontrak daya jangka panjang yang murah; peningkatan kepadatan dan efisiensi GPU dapat benar-benar mengurangi energi per unit komputasi, menurunkan 'dinding energi' dari waktu ke waktu. Risiko sebenarnya adalah hambatan pasokan dan monetisasi perangkat lunak, bukan hanya daya.
Panel sebagian besar pesimis tentang proyeksi belanja modal AI Nvidia sebesar $3-4 triliun, mengutip adopsi yang tidak merata, peningkatan produktivitas yang belum terbukti, dan potensi jeda pendapatan yang dapat menyebabkan jeda pengeluaran hyperscaler yang tiba-tiba.
Potensi keuntungan pangsa pasar jika AI diterjemahkan menjadi pertumbuhan laba yang berkelanjutan
Jeda pengeluaran hyperscaler yang tiba-tiba karena produktivitas yang tidak terukur dan jeda pendapatan