Persaingan industri kecerdasan buatan (AI) memasuki babak baru. Jika sebelumnya perhatian banyak tertuju pada siapa yang memiliki model paling canggih, perusahaan teknologi kini semakin berlomba membangun infrastruktur untuk menjalankan model-model tersebut dalam skala besar.
Perubahan ini terlihat dari meningkatnya investasi pada pusat data, akselerator AI, jaringan berkecepatan tinggi, sistem pendingin hingga pasokan listrik. Infrastruktur bahkan mulai diposisikan sebagai bagian strategis dari produk AI itu sendiri.
NVIDIA, salah satu pemain utama dalam ekosistem AI, menyebut munculnya konsep “AI factory”, yakni pusat komputasi yang dirancang khusus untuk menghasilkan dan menjalankan AI secara terus-menerus. Dalam model ini, infrastruktur tidak hanya menjadi tempat menjalankan perangkat lunak, tetapi menjadi bagian dari mesin produksi layanan AI.
Model makin pintar, kebutuhan komputasi ikut melonjak
Perkembangan menuju AI agent turut mendorong perubahan tersebut.
Model AI generasi baru tidak hanya menjawab pertanyaan pengguna. Sistem agentic AI dirancang untuk melakukan penalaran dalam beberapa tahap, menggunakan berbagai alat, menjalankan tugas, dan dalam sejumlah kasus bekerja secara terus-menerus tanpa harus menerima instruksi baru pada setiap langkah.
Konsekuensinya, kebutuhan komputasi tidak berhenti pada proses melatih model.
Perusahaan juga membutuhkan kapasitas besar untuk inference, yaitu menjalankan model ketika digunakan oleh pengguna atau aplikasi. Semakin banyak AI agent yang bekerja dan semakin panjang proses penalarannya, semakin besar pula kebutuhan terhadap komputasi.
NVIDIA mengatakan pergeseran dari pengembangan model menuju produksi dan inference membuat kebutuhan terhadap “AI factory” terus meningkat. Infrastruktur tersebut harus mampu menjalankan komputasi dalam skala besar dengan tingkat pemanfaatan yang tinggi agar biaya setiap token tetap ekonomis.
Chip bukan lagi satu-satunya bottleneck
GPU dan akselerator AI memang tetap menjadi komponen penting. Namun, membangun infrastruktur AI dalam skala besar membutuhkan lebih dari sekadar membeli chip.
Pusat data membutuhkan jaringan berkecepatan tinggi agar ribuan GPU dapat bekerja sebagai satu sistem. Memori berbandwidth tinggi dibutuhkan untuk menangani model berukuran besar, sementara sistem pendingin dan distribusi listrik harus mampu menangani kepadatan komputasi yang jauh lebih tinggi dibandingkan pusat data tradisional.
NVIDIA, misalnya, menggambarkan infrastruktur AI sebagai kombinasi berbagai lapisan yang mencakup energi, chip, infrastruktur, model, dan aplikasi.
Microsoft juga mengatakan rak server AI kini berkembang dari konsumsi listrik puluhan kilowatt menjadi ratusan kilowatt, sementara sebuah kampus pusat data dapat beroperasi dalam skala gigawatt. Kondisi tersebut membuat pasokan dan distribusi listrik menjadi bagian dari desain infrastruktur AI sejak awal.
Artinya, perlombaan AI semakin menyerupai perlombaan industri: bukan hanya soal menciptakan teknologi, tetapi juga kemampuan membangun kapasitas produksi di belakangnya.
Listrik menjadi sumber daya strategis
Salah satu tantangan terbesar adalah energi.
Reuters melaporkan bahwa meningkatnya kebutuhan pusat data dan infrastruktur digital ikut membuat kemampuan menyediakan listrik murah, dalam jumlah besar, dan dapat diskalakan menjadi faktor penting dalam persaingan industri berikutnya. Pertumbuhan AI dan pusat data menjadi salah satu pendorong meningkatnya kebutuhan terhadap infrastruktur kelistrikan.
Perusahaan teknologi pun mulai mencari cara untuk membuat pusat data lebih efisien.
Pada September 2026, Google, NVIDIA, dan Emerald AI membentuk AI Energy Management Alliance, yang berfokus pada pusat data yang dapat menyesuaikan konsumsi listrik berdasarkan kondisi jaringan. Tujuannya adalah membantu menghubungkan kapasitas komputasi AI dalam skala besar tanpa memberikan tekanan berlebihan terhadap sistem kelistrikan.
Dengan perkembangan tersebut, lokasi pusat data tidak lagi hanya ditentukan oleh kedekatan dengan pengguna atau ketersediaan lahan. Akses terhadap listrik, jaringan, pendinginan, dan koneksi ke jaringan energi menjadi semakin penting.
Perusahaan mulai membangun rantai pasokan sendiri
Perubahan ini juga terlihat dari strategi perusahaan-perusahaan teknologi dalam mengembangkan komponen mereka sendiri.
Microsoft, misalnya, terus mengembangkan akselerator AI Maia dan CPU server Cobalt untuk digunakan di pusat datanya. Perusahaan tersebut juga memperluas kapasitas pusat data dan mengatakan jumlah kapasitas keseluruhannya berada dalam jalur untuk meningkat secara signifikan dalam dua tahun.
Di sisi lain, Amazon menjalin kesepakatan jangka panjang dengan Qualcomm untuk pengadaan chip AI data center yang nilainya dapat mencapai sekitar US$60 miliar. Langkah tersebut menunjukkan bagaimana penyedia cloud besar mulai memperluas pilihan chip di luar dominasi satu pemasok.
Di China, Huawei juga mempercepat pengembangan chip AI dan sistem komputasi berskala besar. Reuters melaporkan perusahaan tersebut mengatakan permintaan terhadap perangkat komputasi AI di pasar domestiknya telah melampaui kemampuan produksinya. Huawei juga mengembangkan arsitektur yang dapat menghubungkan hingga satu juta prosesor untuk kebutuhan komputasi AI.
Infrastruktur sekaligus menjadi risiko finansial
Namun, membangun infrastruktur AI dalam skala raksasa bukan tanpa risiko.
Pusat data membutuhkan modal yang sangat besar sebelum menghasilkan pendapatan. Jika pertumbuhan permintaan AI tidak sesuai dengan kapasitas yang dibangun, perusahaan dapat menghadapi masalah utilisasi rendah dan beban utang yang tinggi.
Reuters sebelumnya menggambarkan pertumbuhan perusahaan “neocloud” sebagai fenomena yang mengingatkan pada ledakan infrastruktur broadband pada akhir 1990-an. Perusahaan-perusahaan tersebut membangun kapasitas GPU cloud dalam jumlah besar dengan asumsi permintaan AI akan terus meningkat. Risiko muncul ketika investasi tumbuh lebih cepat daripada permintaan yang benar-benar terealisasi.
Tekanan tersebut mulai terlihat pada sejumlah proyek. Reuters melaporkan bahwa pembiayaan utang untuk proyek data center Oracle senilai sekitar US$18 miliar menghadapi tekanan pasar, sementara proyek tersebut juga menghadapi sejumlah persoalan terkait pembiayaan, pasokan energi, dan penolakan lokal.
Karena itu, perlombaan infrastruktur AI memiliki dua sisi. Kapasitas yang besar dapat menjadi keunggulan ketika permintaan meningkat, tetapi pembangunan yang terlalu agresif juga dapat menciptakan kapasitas berlebih jika pertumbuhan bisnis tidak mampu mengejarnya.
Babak baru persaingan AI
Perubahan tersebut tidak berarti perang model telah berakhir.
OpenAI, Anthropic, Google, Meta, xAI, dan perusahaan AI lainnya masih berlomba meningkatkan kemampuan model. Bahkan, Reuters melaporkan Anthropic sedang mempertimbangkan peluncuran model baru sebagai respons terhadap tekanan persaingan setelah OpenAI merilis GPT-6 Astra.
Namun, model yang sangat canggih tetap membutuhkan tempat untuk dijalankan.
Karena itu, persaingan AI kini berlangsung pada beberapa lapisan sekaligus: siapa yang memiliki model paling mampu, siapa yang memiliki chip dan sistem komputasi paling efisien, siapa yang mampu membangun pusat data paling cepat, serta siapa yang memiliki akses terhadap listrik dan modal yang cukup untuk mempertahankan semuanya.
Dalam konteks tersebut, keunggulan AI semakin sulit ditentukan hanya dari benchmark model.
Kemampuan mengubah listrik, chip, jaringan, dan pusat data menjadi kapasitas AI yang murah dan tersedia secara konsisten dapat menjadi faktor penting dalam menentukan seberapa besar teknologi tersebut bisa berkembang.
Perang AI, dengan demikian, mulai memiliki medan tempur yang lebih luas. Bukan lagi hanya tentang siapa yang membuat model paling pintar, tetapi juga siapa yang mampu membangun mesin fisik untuk menjalankannya dalam skala terbesar.