UBS: Model biaya rendah tidak akan mengganggu siklus investasi AI, perusahaan chip dan raksasa cloud akan menjadi pemenang akhir

Aplikasi Finansial Zhihui menerima informasi bahwa penyebaran cepat model kecerdasan buatan open source low cost secara mendasar mengubah cara perusahaan mengimplementasikan AI, namun UBS dalam laporan terbarunya dengan jelas menyatakan bahwa perubahan ini tidak akan mengganggu siklus investasi AI, malah akan menjadikan produsen chip dan penyedia infrastruktur cloud sebagai pemenang akhir, sekaligus membawa tantangan profitabilitas baru bagi perusahaan perangkat lunak.

Analis UBS Karl Keirstead dalam laporan yang dirilis pada 21 Juli mencatat bahwa fokus investor telah bergeser ke dua tren yang saling berkaitan: perusahaan secara sistematis menekan biaya token, serta akselerasi tugas-tugas menuju model open source yang lebih murah. Laporan ini didasarkan pada diskusi mendalam dengan lebih dari 15 perusahaan AI swasta—termasuk Perplexity, Harvey, Glean, Cursor, ElevenLabs, dan Fireworks—dan menghasilkan satu kesimpulan inti: industri AI sedang bertransisi dari fase “penggunaan indiscriminat model terkuat” menuju fase baru yang mengutamakan efisiensi dengan “konfigurasi cermat berdasarkan tingkat kesulitan tugas”.

Dari “maksimalisasi token” menjadi “maksimalisasi nilai”: Transformasi mendasar pola pengeluaran AI perusahaan

Tim analis UBS yang dipimpin Karl Keirstead pada 21 Juli mengeluarkan laporan yang menunjukkan bahwa fokus investor telah bergeser ke dua tren berkaitan: perusahaan sistematis menurunkan biaya token AI, dan semakin bersedia menggunakan model open source (termasuk model buatan Tiongkok) untuk menyelesaikan tugas yang tidak memerlukan kemampuan reasoning paling canggih.

Perubahan ini tidak berasal dari penurunan permintaan AI. Justru sebaliknya—UBS mengutip dari konferensi tahunan AI dan perangkat lunak swasta yang dihadiri lebih dari 75 perusahaan swasta, menyimpulkan bahwa adopsi AI perusahaan masih tumbuh pesat. Banyak perusahaan AI asli mengalami pertumbuhan pendapatan yang sangat cepat dalam setengah tahun terakhir: ada yang pendapatan dari USD 400 juta di Januari tahun ini naik jadi USD 1 miliar, ada yang pendapatan tahunan naik tiga kali lipat melewati USD 500 juta, dan ada perusahaan yang tumbuh dari nol menjadi USD 500 juta dalam 14 bulan. Percepatan pendapatan terutama berasal dari peningkatan kemampuan model, ekspansi aplikasi agent cerdas yang mengonsumsi lebih banyak token, serta perubahan beberapa perusahaan dari tarif berdasarkan seat menjadi tarif berdasarkan token atau penggunaan.

Namun, seiring dengan perluasan adopsi, masalah biaya muncul dengan cepat. UBS sebelumnya memperkirakan sekitar 60% institusi telah menganggap pengeluaran komputasi AI dan token sebagai masalah nyata, dan setelah survei kali ini, proporsinya mungkin lebih tinggi. Kenaikan biaya token sangat mencengangkan: sebuah institusi keuangan awalnya berkomitmen pengeluaran USD 10 juta untuk Claude, tiga bulan kemudian naik jadi USD 60 juta; pengeluaran Anthropic dari sebuah perusahaan AI naik dari USD 20 ribu di Desember 2023 menjadi hampir USD 1 juta di Juli 2024, tujuh bulan naik 50 kali; tagihan token beberapa perusahaan bertambah 10 kali bahkan 100 kali dalam waktu singkat.

Perusahaan tidak menghentikan penggunaan AI, namun mengurangi pemborosan. Banyak tugas biasa sebelumnya diberikan ke model canggih yang mahal—sebuah bank menghabiskan puluhan ribu dolar per bulan untuk memanggil model mahal, tetapi pegawainya hanya untuk mencari informasi cuaca, restoran, dan lokasi rapat. Fokus manajemen AI perusahaan beralih dari “maksimalisasi token” ke “maksimalisasi nilai”, yakni mengukur berapa banyak nilai bisnis yang dapat dihasilkan setiap unit token. UBS mengutip satu perusahaan yang mengatakan: “Kami tadinya punya lima alat AI di internal, anggaran token tahunan sebagian besar sudah habis sebelum waktunya. Saat ini hanya menyisakan dua, dengan pemakaian yang dikontrol ketat.”

“Multi-model” jadi normal baru: Model open source dari Tiongkok makin menyebar

Perusahaan tidak lagi memandang pasar AI sebagai persaingan zero-sum antara segelintir pengembang model canggih, tapi beralih cepat ke strategi "multi-model"—menggabungkan model canggih dari OpenAI, Anthropic dengan model open source dan kustom. Menghindari ketergantungan pada satu pemasok AI kini menjadi pertimbangan utama bagi perusahaan besar.

Model open source dari Tiongkok menjadi penerima manfaat utama tren ini. UBS secara khusus menyebutkan, model dari Z.ai, Moonshot, Alibaba, dan DeepSeek semakin banyak diuji bahkan diadopsi perusahaan. Meski sejumlah sektor dengan regulasi ketat masih berhati-hati, di lingkungan aman yang disediakan AWS dan Microsoft Azure, tingkat penerimaan perusahaan terhadap model-model ini terus meningkat. Menurut UBS, biaya pelatihan model unggulan Tiongkok hanya sepersepuluh dari pemain utama luar negeri, harga API reasoning hanya 10%-20% dari model luar negeri, namun tetap bisa menjaga margin kotor sehat sebesar 20%-40%. Data OpenRouter menunjukkan, sejak Februari 2026, proporsi token perusahaan AS yang menggunakan model AI Tiongkok melalui platform tersebut stabil di atas 30%, di beberapa periode bahkan mencapai 46%.

Model open source Nemotron dari Nvidia adalah salah satu model open source Amerika yang paling sering disebut dalam konferensi UBS.

Pemenang dan pecundang: Rekonstruksi distribusi nilai rantai industri

Produsen chip: Nvidia jadi penerima manfaat terbesar

Meski persaingan di level model makin ketat, UBS menekankan bahwa permintaan perangkat keras AI tidak menurun, bahkan bisa semakin besar. UBS berpendapat, model open source tidak mengurangi kebutuhan GPU, tetapi memindahkan daya komputasi ke tugas reasoning yang lebih cost-effective. Sebagian besar model open source tetap menggunakan perangkat Nvidia untuk training, fine-tuning, dan reasoning. Model low cost memperluas cakupan aplikasi AI, meningkatkan permintaan komputasi reasoning, storage, network, dan infrastruktur deployment.

Nvidia sendiri meluncurkan model open source Nemotron 3 Ultra, dengan 550 miliar parameter, kecepatan reasoning meningkat hingga 5 kali, biaya penggunaan turun hingga 30%. Model ini menjadi model open source Amerika yang paling sering disebut dalam laporan UBS.

Penyedia infrastruktur cloud: “Pipa” di era multi-model jadi penerima manfaat

Amazon, Microsoft, dan Google sebagai penyedia layanan cloud juga berada di posisi menguntungkan karena platform mereka sudah mendukung berbagai model AI. Amazon, Microsoft, dan Google sebagai penyedia layanan cloud juga berada di posisi menguntungkan karena platform mereka sudah mendukung berbagai model AI. Platform cloud seperti AWS, Azure memiliki kemampuan multi-model, sehingga perusahaan tetap membutuhkan komputasi reasoning di cloud apa pun jenis model yang dipilih. Penyedia layanan cloud berskala besar masih mengalami suplai yang terbatas dan permintaan dari pelanggan akan sumber daya AI yang sangat kuat.

Data pendapatan perusahaan AI asli membuktikan penilaian ini. Dalam kasus yang dicantumkan UBS, ada perusahaan yang pendapatannya dari USD 400 juta di Januari tahun ini naik jadi USD 1 miliar, ada perusahaan yang selama 14 bulan bertumbuh dari nol menjadi USD 500 juta. Percepatan pendapatan terutama berasal dari peningkatan kemampuan model, ekspansi aplikasi agent cerdas yang menggunakan token lebih banyak, menunjukkan permintaan AI perusahaan sudah berkembang dari bidang pemrograman ke proses bisnis yang lebih luas.

Pengembang model canggih: Tekanan pertumbuhan mulai terlihat

Pengembang model canggih seperti OpenAI dan Anthropic paling mudah terdampak pengurangan biaya dalam jangka pendek. Meski UBS menilai pasar AI masih tahap awal dan model open serta closed source bisa tumbuh bersama, namun pertumbuhan pendapatan laboratorium model canggih mungkin akan menghadapi tekanan.

Industri perangkat lunak: “Lapisan tengah” yang tertekan

UBS bersikap cukup pesimis terhadap prospek penyedia perangkat lunak. UBS menjelaskan, perusahaan demi mengontrol biaya AI, pada akhirnya bisa mengalihkan pengeluaran dari aplikasi perangkat lunak ke sektor lain; sementara fungsi routing model yang dulu dianggap keunggulan kini cepat jadi standar industri, sehingga sulit menghasilkan profit. Dalam era “multi-model” yang jadi normal baru, model bisnis yang murni mengandalkan panggilan model di lapisan tengah menghadapi tantangan berat.