Apa yang menjadi perhatian Silicon Valley? Paruh kedua era AI telah dimulai! Rangkuman pandangan para raksasa teknologi di Konferensi TMT Goldman Sachs (Analisis Mendalam)

Sinyal paling jelas yang disampaikan oleh konferensi Goldman Sachs Communacopia + TMT 2026 adalah: Fokus investasi AI sedang bergeser dari “membangun daya komputasi” ke “menggunakan daya komputasi”, namun daya komputasi itu sendiri masih sangat kurang pasokan. Kedua hal ini terjadi secara bersamaan, membentuk ketegangan inti di Silicon Valley saat ini.

Ekonom Kepala Goldman Sachs, Jan Hatzius, dalam konferensi tersebut menegaskan: "Gelombang investasi AI tidak akan bertahan selamanya." Namun, CEO Nvidia Jensen Huang dalam konferensi yang sama memberikan urgensi yang berlawanan: "70% pertumbuhan adalah ambang batas pasokan, bukan batas permintaan." Perbedaan ini justru menjadi ciri utama paruh kedua era AI — arahnya tidak diperdebatkan, yang jadi masalah adalah ritme dan distribusinya.

Apa yang Didiskusikan di Silicon Valley: Enam Topik Utama

Topik 1: "Bottleneck Fisik" Daya Komputasi Menjadi Narasi Baru

Jensen Huang secara sistematis mendefinisikan ulang kerangka narasi infrastruktur AI dalam konferensi tersebut. Ia mengaitkan pendorongnya pada dua transformasi industri yang saling melapisi: pergeseran paradigma dari komputasi berbasis pencarian menuju generatif, serta berakhirnya hukum Moore.

Selama 60 tahun terakhir, komputer pada dasarnya adalah "perekaman sebelumnya" — setelah pengguna mengklik, informasi diambil dari penyimpanan. Tapi AI generatif menuntut jawaban yang dihasilkan secara real-time berbasis konteks, yang berarti lapisan komputasi baru dan berkelanjutan harus dibangun. Sementara itu, keunggulan dari penyusutan transistor sudah habis, peningkatan performa tak lagi bergantung pada miniaturisasi proses. Strategi Jensen Huang adalah dengan desain kolaboratif ekstrem melalui CoWoS multi-chip packaging dan vertikal ekstensi NVLink, dan ia secara langsung menyatakan: "Jika kamu tidak punya NVLink, jika kamu tidak punya kemampuan vertikal ekstensi yang nyata dan optimal, kamu pasti gagal, karena hukum Moore adalah musuhmu."

Pergeseran utama dalam narasi ini adalah: bottleneck inti pertumbuhan AI telah bergeser dari “apakah ada permintaan” menjadi “apakah dunia fisik dapat mengikutinya”. Jensen Huang mengakui bahwa pada hulu, packaging, wafer, memori, dan pada hilir, daya listrik dan pemilihan lokasi data center semuanya mengalami bottleneck luas, serta mempertahankan perkiraan pertumbuhan YoY sekitar 70% di CY27. CFO SpaceX Bret Johnsen membocorkan rencana ekspansi yang lebih agresif: pada 2027, menaikkan daya komputasi AI dari 2 GW di darat menjadi 5-10 GW, serta berencana meluncurkan satelit AI untuk menekan biaya daya komputasi satelit ke level setara dengan di darat.

Topik 2: Jalur Kemenangan pada Layer Aplikasi AI Semakin Jelas

CEO Broadcom Hock Tan memberikan rincian model ekonomi yang sangat berdampak: Daya komputasi Frontier 1GW setara dengan ARR US$ 30 miliar, di mana US$ 10 miliar adalah biaya, sisa US$ 20 miliar ditangkap oleh layer model + layer aplikasi, US$ 10 miliar oleh rantai penuh Cloud+Chip+Memory+Power.

Ini berarti pola distribusi nilai dalam rantai industri AI sudah bisa diukur. Berdasarkan hal ini, Goldman Sachs menempatkan “jalur kemenangan” sebagai berikut: Layer model tertutup > kepemilikan chip > Hyperscaler > Listrik + pendingin cair > Jaringan > Layer aplikasi.

Namun Goldman Sachs juga menekankan, dana pasar sedang bergerak dari fase pertama (GPU/HBM/hardware data center) ke fase kedua (aplikasi pemenang yang bisa mengubah Token menjadi produktivitas, pendapatan, dan arus kas perusahaan). Ke depan, valuasi bisa jadi “justru semakin terpolarisasi”: perusahaan software yang punya data eksklusif, keunggulan workflow rumit, dan ROI jelas akan direvaluasi, sedangkan SaaS tradisional yang mudah dikomoditisasi oleh model dasar akan tetap tertekan.

Penjelasan CEO Databricks Ali Ghodsi mendukung hal ini: Titik berat persaingan software aplikasi AI sudah bergeser ke penerapan nyata di perusahaan, platform software yang mampu mengonversi kemampuan model jadi hasil bisnis yang andal, efisien, dan presisi akan memperoleh ruang pertumbuhan baru.

Topik 3: Agentic AI dari "Konsep" ke "Restrukturisasi Organisasi"

Pada konferensi kali ini, Agentic AI tidak lagi sekadar unjuk fungsi, tapi mulai membentuk ulang struktur internal perusahaan.

CHYM mengumumkan telah memangkas 10% karyawan, dengan target membangun organisasi yang “lebih flat dan cepat”, tim produk dan engineering sudah dipangkas jadi setengah dari sebelumnya, tapi “berkat tugas yang lebih jelas dan operasi yang lebih ringkas, output tetap.” Block juga telah melakukan restrukturisasi besar di awal tahun (mengurangi level antara pengambil keputusan dan eksekutor), dan kini berhasil menciptakan leverage signifikan di atas fixed cost.

Dari sisi teknologi, AMD melihat Agentic AI sebagai beban kerja baru, dan memperkirakan permintaan tidak hanya pada GPU, tetapi juga pada banyak jenis CPU. SailPoint menetapkan target konkret: Agentic AI dapat jadi pendorong pertumbuhan utama, target pendapatan agentic mereka adalah US$ 800 juta pada FY2029.

Pernyataan Microsoft CFO Amy Hood adalah yang paling sistematis: Microsoft sedang mengombinasikan lisensi pengguna yang dapat diprediksi dengan penetapan harga layanan AI berdasarkan konsumsi, sekaligus memperluas produk proxy seperti Agent 365 dan Copilot. Ia menegaskan bahwa “workflow agentic yang aman dan terregulasi” bisa mendorong pertumbuhan karena agen, aplikasi, dan manusia semakin banyak berkolaborasi.

Topik 4: Keamanan Siber Menjadi Topik Paling Sering Dibahas

Keamanan siber adalah skenario aplikasi yang paling banyak disebut dalam konferensi kali ini. Jensen Huang secara jelas menyebutnya sebagai aplikasi utama berikutnya untuk AI, sekaligus menguraikan logika ekonominya secara spesifik:

“Salah satu turunan dari pemrograman jelas adalah deteksi bug, dan turunannya lagi adalah pasar besar bernama keamanan siber. Asisten kode merespon prompt dan berhenti; namun agen keamanan terus memonitor jaringan, artinya pelanggan harus membayar inferensi AI 24/7, bukan biaya secara sporadis.”

CEO Palo Alto Networks mengatakan langsung bahwa "Industri keamanan AI bahkan belum terbentuk", sedangkan nilai pasar gabungan CrowdStrike dan Palo Alto hanya sekitar US$ 490 miliar, jauh tertinggal dibanding perusahaan AI triliunan dolar, sehingga pasar mempertanyakan potensi revaluasi di jalur ini.

Data yang diungkap CEO CrowdStrike George Kurtz dalam konferensi yang sama memberikan dasar kuantitatif soal urgensi: serangan siber berbasis AI meningkat 89% dalam setahun, waktu penembusan tercepat kini hanya 27 detik. 27 detik itu lebih cepat dari waktu rata-rata tim keamanan manusia mendiagnosa alarm, menjadi argumen utama penggantian tim analis dengan agen mandiri.

Jensen Huang menyebut CrowdStrike sebagai "mitra keamanan siber pertama Nvidia", menyebut peluncuran SafeMind sebagai "titik balik untuk keamanan siber".

Topik 5: "Bayar Berdasarkan Hasil" OpenAI dan Ekonomi Intensitas Penggunaan

Pernyataan CFO OpenAI Sarah Friar pada konferensi ini memberikan sinyal terdepan untuk komersialisasi AI.

Pendapatan perusahaan sudah menanggung setengah beban: proporsi pendapatan konsumen dan perusahaan sudah lebih cepat dari 60:40 di awal tahun menjadi 50:50 pada pertengahan tahun. Laju pendapatan tahunan di bulan Juli tumbuh 20% MoM, dengan pendapatan perusahaan tumbuh 32%, dan basisnya sudah besar.

Angka baru yang benar-benar penting adalah tingkat penggunaan: 10% pelanggan perusahaan terdepan konsumsi tokennya 8 kali pengguna biasa (dulu hanya 3 kali), internal OpenAI sendiri bahkan 33 kali. Friar menyebut 33 kali ini sebagai “pratinjau masa depan perilaku klien saat ini”, artinya pertumbuhan sisi perusahaan tak bergantung pada pengguna baru, tapi pada konsumsi per klien yang terus naik.

Roadmap harga sudah jelas: langganan → berdasarkan konsumsi → bayar berdasarkan hasil. Friar menyatakan terang-terangan ingin lepas dari bilangan token, menuju pembagian vertikal. Logika persaingan model juga berubah: yang dihitung bukan lagi biaya per token, melainkan biaya per tugas, output token untuk hasil setara 68% lebih sedikit dibanding kompetitor.

Topik 6: Sinyal Sisi Pasokan untuk Penyimpanan, Konsumsi, dan Efisiensi Organisasi

SanDisk dalam konferensi tersebut memberikan penilaian yang dipandang pasar terlalu rendah: Pertumbuhan pasokan NAND kemungkinan besar tetap terbatas di masa mendatang, sedangkan adopsi inferensi AI secara masif terus mendongkrak permintaan. Pola supply-demand ini langsung menopang potensi harga NAND.

Sinyal dari sisi konsumsi sangat konsisten: Block mengatakan “pengeluaran konsumen seluruh kuartal dua sangat kuat, tren ini tetap kuat pada Juli dan Agustus”; Toast menyatakan tingkat pengeluaran konsumen tetap stabil; Booking.com menunjuk permintaan wisata tetap tahan banting. Ini sejalan dengan pernyataan Visa sebelumnya di konferensi.

Transformasi AI terhadap efisiensi internal juga terkuak: Booking.com sudah menggunakan AI generatif pada layanan pelanggan dan pengembangan software, “sudah melihat hasil yang nyata”; Etsy menyatakan AI telah memberikan “pemahaman stok yang lebih mendalam, pemahaman pembeli, dan pengenalan niat beli”.

Kerangka "Babak Kedua AI" versi Goldman Sachs

Serangkaian laporan yang dirilis Goldman Sachs sebelum dan sesudah konferensi membentuk kerangka analisis dasar untuk memahami konferensi kali ini.

Lapisan pertama: dari “ekspansi komputasi” ke “monetisasi Token”. Analis Goldman Sachs menegaskan bahwa dana global mulai bergerak dari bottleneck hardware pada fase pertama investasi AI ke aplikasi pemenang di layer kedua yang bisa mengubah Token jadi produktivitas, pendapatan, dan arus kas perusahaan. Standar utama penilaian aplikasi: apakah punya database besar dan eksklusif, keunggulan workflow kuat, eksekusi tertutup workflow Agent, dan ROI jelas.

Lapisan kedua: dari "dual raksasa" ke "kompetisi multipolar". Kepala trading desk Golman Sachs One-Delta, Rich Privorotsky, bilang narasi AI sedang bergeser dari “perlombaan teknologi Nvidia vs Google” menjadi pola multipolar yang sangat kompetitif. Meta dan xAI sudah membuktikan bisa menyediakan layanan API mutakhir dengan harga jauh lebih murah. Meski kompetisi memperkecil harga Token, argumen bullish yang menyatakan "Token lebih murah akan memacu permintaan eksponensial", nyatanya tidak pasti terjadi. Tingkat adopsi alat AI berbayar di dunia usaha sudah stabil >50%, sekadar penurunan harga belum tentu langsung picu demand baru.

Lapisan ketiga: dari "model besar" ke "model kecil khusus". Beban kerja perusahaan kini semakin bergeser ke model kecil khusus — pemrosesan dokumen, routing workflow, audit compliance, customer service, dll. Model-model ini hemat biaya, cepat, dan bisa berjalan secara lokal di perangkat edge. Pendapat CEO Hugging Face dikutip Goldman Sachs: perusahaan tengah mengalami pergeseran struktural dari “sewa API tertutup yang mutakhir” ke “memiliki dan menjalankan model open source sendiri”.

Lapisan keempat: efisiensi modal jadi ujian akhir. Skenario kunci Goldman Sachs bukan soal apakah cloud giant akan memperlambat investasi, tapi kapan pemegang saham akan menuntut efisiensi modal yang lebih tinggi. Begitu cloud giant dipaksa memangkas belanja modal oleh pemegang saham, walaupun data kinerja hardware masih gemilang, kelipatan valuasinya pun bakal sulit bertahan.

Ringkasan Kondisi Silicon Valley Saat Ini

Inti paruh kedua AI bukan “AI melambat”, tapi “AI berubah dari narasi kelangkaan menjadi narasi distribusi”. Daya komputasi tetap kurang, namun kini pasar mulai bertanya: pada akhirnya, daya komputasi ini jadi arus kas siapa? Jawaban Jensen Huang adalah "investasi 1 dolar kembali 100 dolar", OpenAI bilang "bayar berdasarkan hasil", Goldman Sachs menjawab "output bermanfaat dari setiap dolar investasi AI". Siapa yang bisa mengubah Token menjadi hasil nyata perusahaan, dialah yang mendefinisikan aturan babak kedua AI.