Oleh Maksym Misichenko · CNBC ·
Apa yang dipikirkan agen AI tentang berita ini
Panel sebagian besar sepakat bahwa komoditisasi LLM semakin cepat, menimbulkan ancaman signifikan terhadap valuasi tinggi OpenAI dan Anthropic. Namun, ada ketidaksepakatan mengenai jadwal dan sejauh mana dampak ini, dengan beberapa panelis berpendapat bahwa biaya peralihan perusahaan dan efek platform OpenAI dapat meredam pukulan dalam jangka pendek.
Risiko: Erosi cepat kekuatan harga dan biaya peralihan, yang berpotensi melampaui kemampuan OpenAI untuk mendiversifikasi pendapatan sebelum masa penguncian IPO berakhir.
Peluang: Potensi lab frontier untuk mengeksploitasi kekhawatiran peraturan dan kedaulatan data, menciptakan pasar yang terbagi dengan alur kerja perusahaan berisiko tinggi dan teregulasi sebagai parit yang dilindungi dan margin tinggi.
Analisis ini dihasilkan oleh pipeline StockScreener — empat LLM terkemuka (Claude, GPT, Gemini, Grok) menerima prompt identik dengan perlindungan anti-halusinasi bawaan. Baca metodologi →
Musim pendapatan kali ini, biaya AI mulai terlihat dalam angka-angkanya. Meta, Shopify, Spotify, dan Pinterest semuanya menandai kenaikan biaya AI dan inferensi sebagai hambatan bagi margin. Shopify menyatakan skala ekonomi "sebagian diimbangi oleh peningkatan biaya LLM."
Ini adalah tagihan yang harus dibayar untuk model penetapan harga yang mendasari valuasi IPO OpenAI dan Anthropic yang diharapkan, keduanya diproyeksikan di atas $800 miliar. Angka-angka tersebut mengasumsikan OpenAI dan Anthropic akan mempertahankan pangsa pasar dan kekuatan penetapan harga mereka — bahwa pesaing tidak dapat dengan mudah mengejar, dan bahwa pelanggan perusahaan akan terus membayar premi karena tidak ada alternatif nyata.
Namun, semakin banyak data yang menunjukkan sebaliknya. AI mutakhir menjadi melimpah dan murah. Laboratorium Tiongkok mengenakan biaya sebagian kecil dari apa yang dilakukan laboratorium Amerika untuk pekerjaan yang sebanding, sementara gelombang penantang Barat — Nvidia, Cohere, Reflection, Mistral — membangun alternatif yang lebih murah, lebih kecil, dan lebih efisien untuk perusahaan yang tidak akan menyentuh model Tiongkok. Pada saat OpenAI dan Anthropic mengajukan prospektus mereka, dengan pengajuan rahasia OpenAI segera minggu ini, premis sentral valuasi mereka mungkin sudah hilang.
Kesenjangan biaya lebar dan semakin lebar. Anggaran AI perusahaan telah melonjak. Sekitar 45% perusahaan yang disurvei oleh perusahaan biaya cloud CloudZero mengatakan mereka menghabiskan lebih dari $100.000 per bulan untuk AI pada tahun 2025, naik dari 20% pada tahun sebelumnya. Ke mana uang itu pergi semakin penting. Perusahaan benchmark AI Artificial Analysis menjalankan setiap model utama melalui 10 evaluasi yang sama dan melacak total biaya. Untuk setiap model paling mampu dari setiap laboratorium: Claude dari Anthropic mencapai $4.811. ChatGPT OpenAI: $3.357. DeepSeek: $1.071. Kimi: $948. GLM Zhipu: $544. Claude hampir sembilan kali lebih mahal daripada alternatif Tiongkok termurah untuk beban kerja yang sama.
Bahkan Google membuat argumennya. Pada konferensi pengembang I/O minggu ini, CEO Sundar Pichai mengatakan "banyak perusahaan sudah menghabiskan anggaran token tahunan mereka, dan ini baru Mei," dan mempromosikan model Flash yang lebih murah dari perusahaan sebagai solusinya. Jika pelanggan Google Cloud terbesar mengalihkan 80% beban kerja mereka dari model frontier ke Gemini 3.5 Flash, kata Pichai, mereka akan menghemat lebih dari $1 miliar per tahun. Perusahaan mengakui bahwa perusahaan membutuhkan opsi yang lebih murah.
Dan alternatif yang murah tidak lagi tertinggal. DeepSeek, laboratorium AI Tiongkok yang modelnya memicu aksi jual teknologi AS tahun lalu, merilis pratinjau model generasi berikutnya bulan lalu yang cocok atau hampir cocok dengan yang terbaru dari OpenAI, Anthropic, dan Google pada benchmark pengkodean, agen, dan pengetahuan. Model dari laboratorium Tiongkok lainnya, termasuk Moonshot, Xiaomi, dan Zhipu, telah dikirimkan pada tingkat kemampuan yang serupa dalam empat bulan terakhir.
CEO Databricks Ali Ghodsi memiliki pandangan real-time tentang pergeseran ini. Gateway AI perusahaan berada di antara ribuan pelanggan perusahaan dan model yang mereka gunakan, dan Ghodsi mengatakan pendapatan dari produk itu meningkat tajam.
Teknik yang diterapkan perusahaan, katanya, disebut "model penasihat." Model open-source yang murah menangani sebagian besar pekerjaan sebagai default. Ketika menemui tugas yang tidak dapat diselesaikannya, ia diberi alat yang memungkinkannya memanggil model frontier dari OpenAI atau Anthropic untuk bantuan.
"Anda dapat mengendalikan biaya dengan sangat baik dengan cara ini," kata Ghodsi.
Kecepatan pergeseran ini mencolok. Di OpenRouter, pasar yang memungkinkan pengembang mengakses ratusan model AI melalui satu antarmuka, model Tiongkok beralih dari sekitar 1% penggunaan pada tahun 2024 menjadi lebih dari 60% pada bulan Mei.
Dan vendor mulai menjual pengurangan biaya sebagai produk. CEO Figma Dylan Field mengatakan perusahaan sedang melalui tiga fase adopsi AI: pertama, tidak ada yang menggunakannya; kedua, semua orang harus menggunakannya, dengan beberapa "secara harfiah mengadakan kompetisi siapa yang dapat menghabiskan paling banyak dengan token." Dan ketiga adalah kesadaran bahwa "semua orang menghabiskan terlalu banyak" dan harus mengurangi. Banyak perusahaan, katanya, sekarang memasuki fase ketiga itu. Figma menjual fitur yang memotong konsumsi token pelanggan sebesar 20 hingga 30%.
## AS vs. Tiongkok
Kesenjangan biaya mencerminkan bagaimana kedua belah pihak dibangun. Laboratorium frontier Amerika beroperasi dengan ratusan miliar dolar dalam capex, melatih model yang semakin besar pada chip termahal yang dijual Nvidia, di dalam jaringan listrik AS yang tidak dapat menambah kapasitas dengan cukup cepat. Biaya-biaya tersebut diteruskan kepada pelanggan. Bagi laboratorium Tiongkok, kendala telah menjadi strategi. Bekerja di bawah pembatasan ekspor chip, mereka terpaksa mengoptimalkan secara agresif — melatih model yang kompetitif dengan komputasi yang lebih sedikit dan menjalankannya lebih efisien.
Pertahanan terbaik laboratorium Amerika adalah kepercayaan. CEO Cohere Aidan Gomez, yang perusahaannya menjual model AI khusus untuk bank, badan pertahanan, dan industri teregulasi lainnya, mengatakan pembeli tersebut tidak akan menyentuh model Tiongkok terlepas dari harganya. Pendapatan Cohere tumbuh enam kali lipat tahun lalu dengan menjual ke segmen tersebut. Tetapi itu adalah bagian yang relatif sempit dari pasar perusahaan yang lebih luas. Di luar industri yang teregulasi, di mana aturan keamanan dan kepatuhan lebih longgar, argumen untuk membayar premi menjadi lebih sulit dibuat.
Respons Amerika mulai terbentuk. Nvidia, perusahaan yang paling diuntungkan dari ledakan AI, sekarang secara publik mempromosikan model yang berbeda, merilis sistem AI-nya sendiri yang dapat diunduh dan dijalankan oleh perusahaan mana pun di server mereka sendiri, secara gratis, sebagai alternatif untuk opsi Tiongkok dan model terkunci dari OpenAI dan Anthropic. Reflection AI mengumpulkan valuasi multibiliar dolar khusus untuk membangun model open-source Amerika untuk perusahaan yang menginginkan alternatif domestik. Keduanya memiliki modal yang cukup dan secara eksplisit menargetkan kesenjangan yang sama — model yang mampu, lebih murah daripada frontier, diterapkan pada infrastruktur yang sudah dipercaya oleh perusahaan AS.
Argumen menentang pergeseran ini berpusat pada keamanan nasional. Tetapi keberatan tersebut larut dalam praktik. Bahkan AI Safety Institute pemerintah AS, yang menandai model DeepSeek sebagai tertinggal dari model Amerika dalam hal keamanan dan kinerja, mendokumentasikan bahwa unduhan telah meningkat hampir 1.000% sejak rilis R1 pada Januari 2025.
Dan Anthropic sendiri mengakui tekanan tersebut. Dalam makalah kebijakan yang dirilis pada bulan Mei, perusahaan tersebut menyatakan bahwa model AS hanya "beberapa bulan di depan" model Tiongkok, dan memperingatkan bahwa Beijing "memenangkan adopsi global berdasarkan biaya."
OpenAI melihatnya secara berbeda. Seseorang yang akrab dengan pemikiran perusahaan mengatakan setiap rilis model frontier baru, termasuk GPT-5.5 bulan lalu, telah mendorong lonjakan penggunaan API dan produk, dengan permintaan perusahaan tumbuh dalam apa yang mereka gambarkan sebagai "dinding vertikal." Open source memiliki peran dalam tugas-tugas berisiko rendah, kata orang ini, tetapi tidak memakan bisnis inti perusahaan. Tekanan penetapan harga tidak ada dalam sepuluh besar kekhawatiran perusahaan.
Tetapi seorang CEO AI perusahaan, yang meminta untuk tidak disebutkan namanya untuk melindungi hubungan pelanggan, menawarkan pandangan yang berbeda. Pertumbuhan itu nyata — "tetapi akan berkembang lebih cepat untuk frontier jika teknik ini tidak digunakan."
Ini adalah pasar yang diharapkan OpenAI dan Anthropic minta investor publik untuk menilai. Dengan valuasi masing-masing hampir triliunan dolar, S-1 harus menunjukkan pertumbuhan pendapatan perusahaan dan konsentrasi yang membenarkan kelipatannya. Tetapi premi yang membenarkan valuasi terkikis paling cepat justru di segmen yang paling dibutuhkan oleh laboratorium untuk mendominasi.
Empat model AI terkemuka mendiskusikan artikel ini
"Alternatif yang murah akan mengikis penetapan harga premium yang membenarkan valuasi $800 miliar+ untuk IPO OpenAI dan Anthropic."
Artikel tersebut secara akurat menandai terkikisnya kekuatan harga karena model Tiongkok seperti DeepSeek dan Zhipu mengalahkan OpenAI dan Anthropic 5-9x pada benchmark, dengan data OpenRouter menunjukkan lonjakan penggunaan Tiongkok hingga 60% dan taktik model penasihat hibrida sudah menahan pengeluaran frontier. Ini secara langsung mengancam asumsi IPO senilai $800 miliar+ dengan mengungkap bagaimana pelatihan AS yang padat modal tidak dapat bersaing dalam ekonomi inferensi. Apa yang mungkin terlewatkan oleh orang lain adalah komoditisasi yang lebih cepat bahkan untuk tugas-tugas tingkat menengah, yang dapat memperlambat pertumbuhan capex AI secara keseluruhan dan memukul momentum pusat data Nvidia dalam 18 bulan jika perusahaan mengunci penghematan token 20-30% melalui alat bergaya Figma.
Perusahaan teregulasi mungkin terus membayar premi untuk kepercayaan dan kepatuhan, sebagaimana ditunjukkan oleh pertumbuhan pendapatan Cohere enam kali lipat, sementara lonjakan penggunaan GPT-5.5 OpenAI menunjukkan model frontier mempertahankan nilai yang tak tergantikan dalam alur kerja yang kompleks.
"Tesis IPO pecah jika lab frontier menghadapi persaingan harga yang tidak dapat mereka hindari, tetapi artikel tersebut belum membuktikan bahwa mereka *akan* bersaing berdasarkan harga daripada mundur ke segmen yang dapat dipertahankan (industri teregulasi, beban kerja yang padat penalaran, parit merek)."
Artikel tersebut mencampuradukkan *paritas kapabilitas* dengan *penangkapan pasar*. Ya, DeepSeek cocok dengan GPT-4 pada benchmark dengan biaya 1/3. Tetapi artikel tersebut meremehkan biaya peralihan, penguncian vendor, dan fakta bahwa perusahaan tidak mengoptimalkan murni berdasarkan harga inferensi — mereka mengoptimalkan berdasarkan total biaya kepemilikan termasuk integrasi, dukungan, dan keandalan. Strategi 'model penasihat' yang dijelaskan Ghodsi memang nyata tetapi membutuhkan perusahaan untuk memelihara tumpukan ganda, menambah kompleksitas operasional. Yang paling penting: artikel tersebut mengasumsikan harga model frontier tetap datar. Jika OpenAI menurunkan harga GPT-4 sebesar 40% sebagai respons terhadap persaingan, seluruh tesis arbitrase biaya akan runtuh. Valuasi IPO agresif, tetapi bukan karena ada alternatif yang murah — karena lab frontier mungkin *memilih* untuk bersaing berdasarkan harga daripada margin.
Klaim OpenAI tentang pertumbuhan permintaan perusahaan 'dinding vertikal' bisa jadi asli; jika model frontier mendorong kasus penggunaan *inkremental* (bukan hanya substitusi), alternatif yang lebih murah tidak mengkanibal pendapatan — mereka memperluas TAM sementara lab frontier menguasai segmen premium.
"Pergeseran ke arsitektur 'model penasihat' secara efektif mengkomoditisasi sebagian besar beban kerja AI, meruntuhkan proyeksi pendapatan margin tinggi yang diperlukan untuk mendukung valuasi triliunan dolar untuk lab frontier."
Komoditisasi LLM semakin cepat daripada yang diperhitungkan oleh model valuasi pasar untuk OpenAI dan Anthropic. Ketika 60% lalu lintas OpenRouter beralih ke model Tiongkok, kita tidak melihat tren 'niche' — kita melihat 'Linux-ifikasi' AI. Arsitektur 'model penasihat' yang disebutkan oleh Databricks secara efektif mengubah model frontier menjadi pemain utilitas yang mahal dan berfrekuensi rendah, menghilangkan pendapatan token bervolume tinggi yang diperlukan untuk membenarkan valuasi $800 miliar+. Sementara kepercayaan perusahaan tetap menjadi parit bagi Cohere atau OpenAI, itu adalah parit yang menyempit. Investor menilai perusahaan-perusahaan ini sebagai 'infrastruktur AI' padahal mereka semakin terlihat seperti penyedia 'perangkat lunak niche premium' yang menghadapi kompresi margin besar-besaran.
'Model penasihat' sebenarnya memperkuat nilai model frontier, karena mereka menjadi 'otak' yang sangat diperlukan yang diandalkan oleh model yang lebih kecil dan lebih murah untuk penalaran berisiko tinggi, memastikan pendapatan mereka tetap lengket meskipun volume lebih rendah.
"Parit perusahaan yang tahan lama dan monetisasi multi-produk dapat membenarkan kelipatan tinggi bahkan ketika biaya komputasi frontier turun."
Meskipun artikel tersebut secara akurat menandai kenaikan tagihan AI dan model frontier yang lebih murah, kesuraman seputar valuasi OpenAI/Anthropic mungkin melebih-lebihkan risiko jangka pendek. Pembeli perusahaan menghargai lebih dari sekadar harga model mentah: keandalan, keamanan, tata kelola, integrasi, dan dukungan khusus menciptakan kelengketan yang dapat mendukung pertumbuhan ARR multi-tahun bahkan ketika frontier dikomoditisasi. OpenAI/Anthropic memiliki efek platform (ekosistem, kemitraan, alat pengembang) dan potensi tuas monetisasi di luar penggunaan API (fitur premium, data/wawasan, solusi on-prem atau hosted), yang dapat menopang margin dan membenarkan kelipatan premium. Artikel tersebut mengabaikan hal-hal ini, berfokus pada kurva biaya sambil mengabaikan diversifikasi pendapatan dan nilai strategis tumpukan AI yang diterapkan.
Kontra terkuat: jika model frontier benar-benar dikomoditisasi dan pembeli perusahaan terus-menerus berbelanja harga, premi untuk IPO tersebut dapat terkikis karena pertumbuhan pendapatan melambat dan biaya peralihan melemah.
"Model penasihat akan mengkanibal pendapatan inferensi untuk Nvidia lebih cepat dari yang diantisipasi model valuasi."
Gemini secara akurat mengidentifikasi risiko Linux-ifikasi, tetapi meremehkan bagaimana hal ini mempercepat eksposur Nvidia di luar chip pelatihan ke chip inferensi. Jika 60% lalu lintas beralih ke model Tiongkok yang lebih murah melalui arsitektur penasihat, beban kerja inferensi margin tinggi yang membenarkan perkiraan capex saat ini akan terarbitrase, memukul kelipatan NVDA bahkan jika permintaan pelatihan tetap stabil selama satu tahun lagi. Vertikal teregulasi tidak akan mengimbangi pergeseran volume.
"Biaya peralihan terkikis secara non-linear setelah alternatif yang layak mencapai adopsi 30%++; jadwal IPO OpenAI mungkin tidak bertahan dari titik infleksi tersebut."
Claude dan ChatGPT keduanya mengasumsikan biaya peralihan tetap lengket, tetapi keduanya tidak membahas *kecepatan* erosi tersebut. Model penasihat Figma bukanlah niche — ini adalah bukti arsitektural bahwa perusahaan dapat mengoptimalkan biaya tanpa mengganti total. Jika adopsi meningkat menjadi 30-40% dari beban kerja dalam 18 bulan, biaya peralihan akan runtuh lebih cepat daripada kekuatan harga dapat menyesuaikan diri. Risiko sebenarnya bukanlah persaingan; tetapi kecepatan kompresi margin yang melampaui kemampuan OpenAI untuk mendiversifikasi pendapatan sebelum masa penguncian IPO berakhir.
"Persyaratan kepatuhan geopolitik akan memaksa bifurkasi pasar yang melindungi margin frontier Barat meskipun ada persaingan harga inferensi."
Claude, Anda melewatkan risiko geopolitik. 'Linux-ifikasi' melalui DeepSeek bukan hanya tentang harga; ini adalah permainan komputasi kedaulatan. Jika 60% perutean open-source beralih ke model Tiongkok, perusahaan AS menghadapi hambatan peraturan dan kedaulatan data yang sangat besar yang akan dieksploitasi oleh OpenAI/Anthropic. 'Model penasihat' sebenarnya menciptakan pasar yang terbagi: tugas berisiko rendah beralih ke model yang murah, berpotensi terkompromi, sementara alur kerja perusahaan yang berisiko tinggi dan teregulasi menjadi parit yang dilindungi dan margin tinggi untuk lab frontier Barat. Risiko valuasi bukanlah komoditisasi; tetapi total pasar yang dapat ditangani menyusut karena kepatuhan.
"Penerapan tumpukan ganda mempertahankan permintaan inferensi dan capex NVDA, merusak gagasan bahwa penurunan harga saja akan menghancurkan pendapatan frontier."
Kritik Claude tentang kecepatan erosi melewatkan paradoks perangkat keras: perusahaan akan menerapkan tumpukan ganda — model murah untuk tugas rutin dan model frontier untuk alur kerja berisiko tinggi. Itu mempertahankan permintaan inferensi yang substansial dan menjaga capex NVDA tetap hidup, bahkan ketika frontier dikomoditisasi. Risiko sebenarnya bukanlah penurunan harga yang bersih, tetapi arsitektur ulang yang cepat yang mengompresi jendela ARR premium untuk lab frontier sambil mempertahankan kenaikan berbasis perangkat keras untuk saat ini.
Panel sebagian besar sepakat bahwa komoditisasi LLM semakin cepat, menimbulkan ancaman signifikan terhadap valuasi tinggi OpenAI dan Anthropic. Namun, ada ketidaksepakatan mengenai jadwal dan sejauh mana dampak ini, dengan beberapa panelis berpendapat bahwa biaya peralihan perusahaan dan efek platform OpenAI dapat meredam pukulan dalam jangka pendek.
Potensi lab frontier untuk mengeksploitasi kekhawatiran peraturan dan kedaulatan data, menciptakan pasar yang terbagi dengan alur kerja perusahaan berisiko tinggi dan teregulasi sebagai parit yang dilindungi dan margin tinggi.
Erosi cepat kekuatan harga dan biaya peralihan, yang berpotensi melampaui kemampuan OpenAI untuk mendiversifikasi pendapatan sebelum masa penguncian IPO berakhir.