GitHub Copilot berbayar, mengungkap "kebohongan terbesar" di industri AI

Judul asli: Ekonomi AI Tidak Masuk Akal

Penulis asli: Ed Zitron, Where’s Your Ed At
Terjemahan asli: Deep潮 TechFlow

**Deep潮 Panduan: **Microsoft akhirnya tidak mampu lagi, GitHub Copilot berubah dari sistem berlangganan bulanan menjadi biaya berdasarkan token. Ini bukan peningkatan produk, melainkan kebangkrutan kolektif dari seluruh industri AI—OpenAI, Anthropic dan lainnya menutupi biaya nyata dengan tarif bulanan, membuat pengguna membakar 8-13 dolar daya komputasi setiap kali mengeluarkan 1 dolar, melatih kebiasaan penggunaan yang sama sekali tidak berkelanjutan. Ketika harga kembali ke realitas, kamu akan sadar bahwa alat AI yang “revolusioner” itu mungkin hanya mainan mahal.

Saya baru saja menulis artikel tentang bagaimana OpenAI mengalahkan Oracle, hari ini saya gunakan beberapa materi dari situ.

Ini salah satu artikel terbaik yang pernah saya tulis, saya sangat bangga.

Langganan versi berbayar sangat bernilai dan memungkinkan saya menulis artikel penelitian besar dan mendalam ini setiap minggu secara gratis.

Kemarin pagi, pengguna GitHub Copilot mendapatkan konfirmasi berita yang saya laporkan seminggu lalu—semua rencana GitHub Copilot akan beralih ke biaya berdasarkan penggunaan mulai 1 Juni 2026.

Microsoft tidak lagi memberi jumlah “permintaan” tertentu kepada pengguna, melainkan mengenakan biaya sesuai model yang digunakan pengguna, Microsoft menyebut ini sebagai “……langkah penting menuju bisnis Copilot yang berkelanjutan dan andal serta pengalaman pengguna yang lebih baik.” Sekarang, berapa banyak yang bisa digunakan pengguna tergantung pada berapa token yang bisa dibeli dengan langganan mereka (misalnya, paket $19 per bulan bisa digunakan untuk token senilai $19).

Terjemahan: Kita tidak bisa lagi mensubsidi pengguna GitHub Copilot, kalau tidak, Amy Hood (CFO Microsoft) akan mulai memukul orang dengan tongkat baseball.

Pengumuman ini sendiri adalah preview menarik, menunjukkan bagaimana perubahan harga ini akan dikemas:

Copilot bukan lagi produk seperti setahun lalu. Ia telah berevolusi dari asisten dalam editor menjadi platform agen cerdas yang mampu menjalankan sesi pengkodean panjang dan multi-langkah, menggunakan model terbaru, melakukan iterasi di seluruh basis kode. Agen ini menjadi mode default, yang membawa kebutuhan komputasi dan penalaran yang jauh lebih tinggi.

Sekarang, sebuah pertanyaan chat cepat dan sesi pengkodean otomatis selama beberapa jam mungkin membayar biaya yang sama. GitHub terus menyerap biaya penalaran yang terus meningkat di balik penggunaan ini, tetapi mode premium berbasis permintaan saat ini sudah tidak berkelanjutan. Biaya berdasarkan penggunaan menyelesaikan masalah ini. Ini lebih baik dalam menyelaraskan harga dengan penggunaan nyata, membantu kita menjaga keandalan layanan jangka panjang, dan mengurangi kebutuhan membatasi pengguna berat.

Lihatlah, ini bukan lagi Microsoft mensubsidi hampir dua juta orang dengan daya komputasi, melainkan AI menjadi begitu kuat dan kompleks sehingga pada dasarnya menjadi produk yang berbeda!

Meskipun Copilot mungkin “bukan produk setahun lalu”, ekonomi dasar di baliknya hampir tidak berubah: Microsoft selama tiga tahun membiarkan pengguna membakar token melebihi langganan mereka setiap bulan. Menurut laporan Wall Street Journal Oktober 2023:

Pengguna pribadi membayar $10 per bulan untuk asisten AI ini. Berdasarkan data dari orang dalam, beberapa bulan pertama tahun ini, rata-rata setiap pengguna merugi lebih dari $20 per bulan, beberapa bahkan menghabiskan $80 per bulan untuk perusahaan.

Tentu saja, pengguna GitHub Copilot sekarang memberontak, mengatakan produk ini “mati”, “benar-benar hancur”.

Dua tahun lalu, saya sudah meramalkan hari ini dalam artikel “Krisis AI Subprime”:

Hari itu akhirnya tiba, karena setiap layanan AI yang kamu gunakan sedang mensubsidi daya komputasi, dan setiap layanan itu merugi:

Ketika kamu membayar layanan startup AI—termasuk OpenAI dan Anthropic—kamu membayar langganan bulanan, misalnya Claude dari Anthropic $20, $100, atau $200 per bulan, Perplexity $20 atau $200 per bulan, atau langganan OpenAI $8, $20, atau $200 per bulan.

Dalam beberapa skenario perusahaan, kamu akan mendapatkan “limit” tertentu, misalnya Lovable memberi pengguna “limit bulanan 100 bulan” dalam langganan $25, dan juga hosting cloud seharga $25 (hingga akhir kuartal pertama 2026), limit ini bisa diakumulasi antar bulan.

Saat kamu menggunakan layanan ini, perusahaan terkait membayar ke laboratorium AI berdasarkan tarif per juta token, atau (untuk Anthropic dan OpenAI) membayar penyedia cloud untuk menyewa GPU menjalankan model. Satu token secara kasar adalah sekitar 3/4 kata.

Sebagai pengguna, kamu tidak merasakan konsumsi token, hanya proses input dan output. Laboratorium AI menggunakan “token”, “pesan”, atau batas kecepatan 5 jam dengan persentase untuk menutupi biaya layanan, dan kamu sebagai pengguna tidak benar-benar tahu berapa banyak biaya yang dikeluarkan.

Di belakang layar, startup AI membakar uang dengan gila-gilaan, sampai baru-baru ini Anthropic bahkan mengizinkan kamu membakar hingga $8 daya komputasi untuk setiap $1 langganan. OpenAI juga mengizinkan hal ini, meskipun sulit mengukur berapa tepatnya.

Perusahaan AI dan raksasa cloud berpikir mereka bisa menarik cukup banyak orang dengan subsidi dan kerugian produk, sehingga pengguna menjadi kecanduan dan menolak beralih saat perusahaan menaikkan harga. Saya rasa mereka juga beranggapan bahwa biaya token akan menurun seiring waktu, tetapi kenyataannya—meskipun harga beberapa model mungkin turun, model “penalaran” yang lebih baru membakar lebih banyak token, yang berarti biaya penalaran secara tidak diketahui malah menjadi lebih tinggi dari waktu ke waktu.

Kedua asumsi ini salah, karena model langganan bulanan tidak cocok untuk layanan yang terhubung dengan model bahasa besar.

Model ekonomi inti dari AI generatif telah runtuh

Pikirkan ini. Ketika Uber (tidak, ini sama sekali berbeda dari Uber) mulai menaikkan tarif taksi, logika ekonomi dasarnya tidak berubah, dan yang terlihat oleh penumpang dan pengemudi pun tidak berubah—pengguna membayar untuk satu perjalanan, pengemudi mendapatkan bayaran dari perjalanan itu.

Pengemudi tetap harus membayar bahan bakar, asuransi kendaraan, lisensi yang mungkin diminta pemerintah setempat, dan biaya pembiayaan kendaraan, biaya ini tidak disubsidi Uber. Kerugian besar Uber berasal dari subsidi, biaya pemasaran tak henti-hentinya, dan usaha riset mobil tanpa pengemudi yang pasti gagal.

Langganan AI generatif dan Uber benar-benar berbeda

Untuk menunjukkan skala ketidaksesuaian harga AI, bayangkan sebuah sejarah paralel Uber dengan model bisnis yang sangat berbeda.

Langganan AI generatif seperti jika Uber mengenakan biaya $20 per bulan untuk 100 perjalanan di bawah 100 mil, bensin $150 per galon, dan Uber membayar bahan bakar karena ada yang percaya bahwa minyak suatu hari akan murah sekali.

Akhirnya Uber akan memutuskan mengenakan biaya bulanan agar pengguna bisa naik, lalu mengenakan biaya bahan bakar berdasarkan konsumsi. Tiba-tiba, dari membayar $20 per bulan untuk 100 perjalanan, pengguna harus membayar $20 untuk akses dan $26 untuk bahan bakar 10 mil perjalanan seharga $26. Tentu pengguna tidak senang.

Meskipun terdengar berlebihan, ini adalah metafora yang cukup akurat tentang apa yang sedang terjadi di industri AI generatif, terutama di GitHub Copilot.

Sebelumnya, harga Copilot memungkinkan 300 permintaan premium per bulan dan “chat tanpa batas” dengan model seperti GPT-5 mini.

Setiap permintaan (menurut Microsoft) adalah “……interaksi apa pun yang kamu minta Copilot lakukan”, dan di sistem berbasis permintaan ini, model yang lebih mahal akan memakan lebih banyak permintaan, misalnya Claude Opus 4.6 memakan tiga kali permintaan premium. Saat permintaan premium habis, Copilot akan membiarkan kamu menggunakan model yang lebih murah sesuka hati selama sisa bulan.

Situasi ini tidak selalu begitu. Sampai Mei 2025, Microsoft masih memberi pengguna penggunaan tak terbatas model, meskipun pengguna merasa terbatas.

Microsoft—seperti semua perusahaan AI—menipu pelanggan dengan menawarkan layanan yang tidak berkelanjutan, karena menjual layanan berbasis langganan bulanan untuk LLM tidak pernah, dan tidak akan pernah, masuk akal.

Kalau kamu ingin tahu berapa biaya layanan berbasis token, seorang pengguna di sub-bagian GitHub Copilot menemukan bahwa konsumsi token untuk satu permintaan premium biasanya sekitar $11, karena satu “permintaan” melibatkan penggunaan 60.000 token dalam jendela konteks, beberapa alat, dan serangkaian “putaran” internal (apa yang dilakukan model) untuk menghasilkan output.

Ada juga ketidakpastian dasar dari model bahasa besar yang sering menimbulkan halusinasi. Meskipun satu permintaan premium yang terjebak loop dan mengeluarkan kode setengah jadi bisa membuat frustrasi, saat kamu membayar sendiri, kerusakan yang sama tidak mudah dimaafkan.

Pengguna juga dilatih menggunakan produk dengan cara yang sangat berbeda dari model berbasis token, dan saya rasa banyak yang bahkan tidak sadar berapa banyak “token” yang mereka bakar, atau berapa banyak yang dibutuhkan untuk tugas tertentu, yang akan bervariasi tergantung model yang digunakan.

Ini benar-benar berbeda dari Uber, dan siapa pun yang mengatakan sebaliknya sedang berusaha membela perilaku buruk. Uber mungkin menaikkan harga, tapi tidak perlu mengubah logika ekonomi dasar platform secara dramatis, dan pengguna tidak perlu mengubah cara mereka memakai produk karena Uber tiba-tiba mulai mengenakan biaya per galon.

Langganan AI bulanan adalah bagian dari skema subsidi AI, sebuah usaha untuk memisahkan generatif AI dari biaya nyata

Tidak pernah—dan tidak akan pernah—ada cara ekonomi yang layak untuk menyediakan layanan berbasis LLM, kecuali biaya berdasarkan konsumsi token nyata per pengguna, dan dalam proses menipu pengguna ini, perusahaan menciptakan produk dengan manfaat ilusi dan pengembalian investasi yang meragukan.

Ini sudah jelas selama bertahun-tahun.

Dari sudut pandang ekonomi, langganan bulanan hanya masuk akal jika biaya relatif statis. Gym bisa menjual keanggotaan karena mereka tahu kira-kira berapa keausan peralatan, biaya operasional kelas, dan berapa banyak listrik, staf, dan air yang mungkin mereka keluarkan dalam periode tertentu.

Biaya pelanggan Google Workspace—setidaknya sebelum AI—adalah biaya akses atau penyimpanan dokumen, dan biaya berkelanjutan dari Google Docs dan layanan lain. Biaya penyimpanan digital cukup rendah (dan berbeda dari LLM, Google Workspace tidak membutuhkan banyak komputasi), jadi pengguna Google Drive yang sangat berat tidak akan menggerogoti keuntungan langganan mereka.

Namun, layanan ini sengaja menyembunyikan jumlah token atau berapa biaya tertentu dari aktivitas tertentu, sehingga pengguna tidak benar-benar tahu apa arti kecepatan batas, dan setiap perubahan mendadak dalam batas kecepatan membuat pelanggan berusaha keras memahami berapa banyak pekerjaan nyata yang bisa mereka lakukan dengan layanan ini.

Ini adalah praktik bisnis yang menyiksa, manipulatif, dan menipu, yang tujuannya hanya agar Anthropic, OpenAI, dan perusahaan AI lain bisa memperbesar basis pengguna mereka, karena sebagian besar pengguna AI memandang manfaat nyata atau imajiner dari token yang bisa membakar 8-13,5 dolar setiap kali berlangganan 1 dolar.

Tujuan dari penipuan ini hanya satu: memastikan kebanyakan orang tidak pernah menyadari biaya nyata dari generatif AI.

Ketika majalah The Atlantic menulis artikel penuh semangat tentang Claude dari Anthropic sebagai “momen ChatGPT”-nya, itu didasarkan pada langganan $20 per bulan, bukan biaya token yang sebenarnya digunakan, yang justru membuat penulis memaafkan “kesalahan kecil” model, atau saat model “terjebak dalam tugas pemrograman yang lebih kompleks”.

Kalau penulis membayar biaya token yang sebenarnya, dan setiap kali terjebak biaya tokennya $15, saya rasa dia tidak akan begitu memaafkan kerusakan itu.

Tapi semua ini bagian dari skema penipuan.

Sangat, sangat penting bahwa media arus utama yang menulis tentang AI sebenarnya tidak memahami berapa biaya layanan ini, dan setiap artikel utama tentang ChatGPT atau Claude Code hampir pasti ditulis oleh orang yang hampir tidak tahu berapa banyak biaya yang harus dikeluarkan pengguna untuk setiap tugas.

Ingat: layanan AI generatif sebagian besar adalah produk eksperimental, dan fungsinya tidak seperti perangkat lunak atau hardware modern lainnya. Orang tidak bisa sekadar datang ke ChatGPT atau Claude dan langsung minta mereka bekerja.

Maksud saya, kamu bisa, tapi jika prompt-nya salah, tidak memahami cara kerjanya, atau membuat kesalahan dalam input yang kamu berikan, atau jika model itu memang salah, ia akan mengeluarkan sesuatu yang tidak kamu suka, yang berarti kamu harus memintanya lagi. LLM secara esensial tidak dapat diprediksi.

Kamu tidak bisa menjamin LLM akan melakukan tindakan tertentu, atau menampilkan hasil yang realistis. Kamu tidak tahu berapa biaya untuk tugas tertentu—bahkan yang sudah kamu lakukan berkali-kali sebelumnya—dan kamu tidak tahu kapan model bisa “gila” dan menghapus sesuatu, atau malah tidak melakukan sesuatu tapi mengklaim telah melakukannya.

Kalau pengguna harus membayar tarif nyata, saya rasa banyak yang langsung akan berhenti memakai produk ini, karena jika kamu sembarangan mengeksplorasi apa yang bisa dilakukan LLM, mudah sekali membakar $5, $10, bahkan $50 token.

Catatan: sebenarnya, kamu bisa membakar banyak uang tanpa pernah mendapatkan hasil yang kamu inginkan, karena LLM bukanlah kecerdasan buatan sejati! Tidak ada orang yang benar-benar memahami batasannya yang bisa dengan mudah membakar $30, $50, bahkan $100, mencoba memaksa LLM melakukan apa yang mereka klaim bisa lakukan.

Ada istilah untuk ini. Suka memuji. LLM biasanya dirancang untuk memastikan pengguna merasa dihargai, bahkan saat mereka berbicara omong kosong yang berbahaya, dan ini bisa diperluas menjadi “kamu ingin melakukan sesuatu yang secara teknis atau ekonomi sama sekali tidak layak?” Tentu saja! Makanya industri ini berusaha keras menutupi biaya-biaya ini—ini benar-benar penipuan besar!

Saya rasa sebagian besar langganan AI akan beralih ke biaya berbasis token secara tidak terelakkan, terutama karena Anthropic dan OpenAI sudah melakukannya untuk klien perusahaan.

Bisakah perusahaan biasa mampu beralih ke biaya berbasis token?
Perkiraan Anthropic adalah pengguna Claude setiap hari menghabiskan $13-30 (lebih dari $7000 per tahun), dan organisasi besar bisa menghabiskan ratusan ribu hingga jutaan dolar per tahun

Seperti yang saya bahas minggu lalu, CTO Uber mengatakan dalam sebuah rapat bahwa mereka menghabiskan seluruh anggaran AI tahun 2026 dalam beberapa bulan, Goldman Sachs menyarankan beberapa perusahaan menghabiskan hingga 10% dari gaji karyawan untuk token AI, dan angka ini bisa meningkat hingga 100% dalam beberapa kuartal mendatang.

Ini adalah hasil langsung dari upaya melatih setiap pengguna AI agar memakai layanan ini sebanyak mungkin sekaligus menyembunyikan biaya sebenarnya. Setiap perusahaan besar yang meminta setiap karyawannya “menggunakan AI sebanyak mungkin” sebenarnya mengabaikan atau benar-benar melewati konsumsi token mereka, dan saat perusahaan dipaksa membayar biaya nyata, saya tidak tahu bagaimana secara ekonomi membenarkan investasi apa pun di bidang ini.

Tentu, kamu akan bilang bahwa insinyur “mengirim kode lebih cepat” dan semacamnya, saya paham. Tapi seberapa cepat sebenarnya? Berapa banyak uang yang kamu hemat atau dapatkan? Jika kamu menghabiskan 10% dari biaya tenaga kerja untuk token AI, apakah pengeluaran ekstra ini kembali ke perusahaan dari sumber lain?

Saya tidak yakin. Saya tidak yakin perusahaan yang menginvestasikan banyak di token melihat pengembalian investasi, dan itulah sebabnya setiap studi tentang ROI AI hampir tidak memiliki bukti nyata.

Sebagian besar, orang yang bersemangat membicarakan berbagai kemungkinan AI generatif hanyalah mereka yang mengalaminya tanpa menanggung biaya nyata.

Setiap orang di Twitter yang terus-menerus menulis tentang tim mereka yang menggunakan Claude Code secara gila-gilaan, dengan langganan Teams $125 per bulan per orang, batas penggunaan, dan langganan konsumen Anthropic $100 per bulan, atau orang di LinkedIn yang mengklaim “menggunakan Perplexity dalam beberapa menit untuk menyelesaikan pekerjaan berjam-jam”—mereka paling banter menghabiskan $200 per bulan untuk langganan Max Perplexity.

Sebenarnya, langganan Teams 10 orang seharga $1250 per bulan itu kemungkinan besar menghabiskan $5000 sampai $10.000 per bulan hanya untuk panggilan API, bahkan lebih.

Manajer pertumbuhan Anthropic, Amol Avasare, minggu lalu mengatakan bahwa langganan Max mereka dirancang untuk penggunaan chat berat, bukan untuk hal-hal seperti Claude Code dan pekerjaan kolaboratif, dan mereka sedang mempertimbangkan “berbagai opsi untuk terus menyediakan pengalaman berkualitas”, dengan kata lain, “kami akan menyesuaikan harga di masa mendatang.”

Saya tidak yakin orang menyadari betapa mahalnya token ini, terutama untuk proyek pengkodean besar yang sering memanggil alat pengkodean dan infrastruktur. Apakah orang yang membayar $200 per bulan mampu membayar $350, $400, atau $500 per bulan? Bisakah mereka menanggung biaya lebih dari itu di bulan tertentu? Kalau anggaran mereka melebihi batas, apa yang akan terjadi? Atau, mereka benar-benar tidak mampu membayar biaya yang diperlukan untuk menyelesaikan pekerjaan?

Contoh yang lebih realistis: sampai awal April, dokumentasi pengembang Claude Code dari Anthropic (arsip) menyebutkan “[biaya rata-rata pengguna Claude Code] adalah $6 per hari per pengembang, dan 90% pengguna biaya harian di bawah $12.” Sampai minggu ini, dokumentasi itu diubah menjadi:

Claude Code mengenakan biaya berdasarkan token API. Harga langganan (Pro, Max, Tim, Enterprise) lihat di claude.com/pricing. Biaya per pengembang sangat bervariasi tergantung model yang dipilih, ukuran basis kode, dan pola penggunaan (misalnya menjalankan beberapa instance atau otomatisasi). Dalam penerapan perusahaan, biaya rata-rata sekitar $13 per pengembang per hari aktif, atau sekitar $150-250 per bulan, dan 90% pengguna biaya di bawah $30 per hari aktif.

Untuk memperkirakan pengeluaran tim kamu, mulai dari pilot kecil, buat baseline dengan alat pelacakan ini, lalu tingkatkan secara bertahap.

Misalnya, kita asumsikan 21 hari kerja per bulan, dan biaya rata-rata pengguna Claude Code sekitar $273 per bulan, atau sekitar $3276 per tahun. Kalau dihitung per hari, sekitar $30, jadi per bulan sekitar $630, dan per tahun sekitar $7560.

Angka ini mencengangkan, dan lebih mencengangkan lagi jika kamu pakai model-model terbaru dari Anthropic, kamu tidak mungkin hanya menghabiskan $30 per hari. Claude Opus 4.7 biayanya sekitar $5 per juta token input dan $25 per juta token output. Satu juta token kira-kira 50.000 baris kode, dan jika kamu pakai model paling canggih, pasti akan menjalankan minimal satu juta token, dan jika kamu tidak tahu model mana yang harus dipakai untuk tugas tertentu, angka ini akan melonjak drastis.

Mari kita main-main dengan angka $30 ini.

Untuk tim pengembang 10 orang, setahun jadi sekitar $75.600, dan ini hanya untuk hari kerja.

Kalau tiga bulan ke depan, biaya naik jadi $50 per hari per orang, totalnya jadi $88.200.

Kalau satu bulan lagi biaya lebih dari $100 per hari, total tahunan jadi $102.900.

Kalau kamu habiskan $300 per hari, 10 orang akan menghabiskan $756.000 per tahun.

Meskipun ini mungkin bisa dilakukan di startup besar yang punya dana melimpah atau perusahaan seperti Meta yang punya dana cadangan besar, perusahaan yang benar-benar peduli biaya akan sulit membenarkan pengeluaran lima atau enam digit dolar untuk layanan yang katanya “meningkatkan produktivitas”, dan peningkatan ini tampaknya tidak bisa diukur secara pasti.

Sekarang, saya rasa perusahaan biasanya terbagi dalam tiga kategori:

Perusahaan besar seperti Spotify atau Uber yang mengadopsi AI secara agresif, dengan CEO yang tergila-gila AI, dan mengizinkan anggaran tak terbatas. Saya juga katakan, startup besar yang punya dana melimpah juga termasuk kategori ini.

Perusahaan kecil yang memakai langganan “Teams” dengan subsidi.

Pengguna individu yang membayar langganan Claude atau AI lainnya setiap bulan.

Perusahaan besar tetap bisa bilang mereka membakar ratusan juta dolar token AI untuk engineer terbaik, dengan alasan “insinyur terbaik” tidak menulis kode apa pun—alasan yang meragukan.

Satu kali panggilan laporan keuangan buruk bisa mengubah narasi ini. Pada titik tertentu, investor—bahkan yang selama ini mendukung gelembung AI—akan mulai mempertanyakan biaya riset dan pengembangan yang terus meningkat (biasanya tersembunyi di sini), terutama saat pendapatan perusahaan tidak lagi tumbuh.

Ini kemungkinan besar akan memicu PHK lebih banyak untuk mengendalikan biaya, seperti Meta, dan akhirnya perusahaan akan mengurangi penggunaan saat ditanya “apakah ini benar-benar membantu kita menyelesaikan pekerjaan lebih cepat dan lebih baik?”

Saya juga rasa, dalam enam bulan, startup yang membakar 10% atau lebih dari biaya tenaga kerja mereka di token AI akan sulit meyakinkan investor bahwa itu perlu.

Begitu semua beralih ke biaya berbasis token, saya tidak yakin kita akan melihat lagi banyak hype tentang AI generatif.

Ekonomi pusat data AI dan daya komputasi tidak masuk akal

Cara orang membicarakan pusat data AI sama sekali tidak realistis, saya rasa mereka tidak menyadari betapa absurdnya seluruh era ini.

Biaya pembangunan dan operasional pusat data AI sangat tinggi, pendapatan sangat sedikit

Menurut TD Cowen, Jerome Darling, biaya utama IT (GPU dan hardware terkait) sekitar $30 juta, dan biaya per megawatt kapasitas data center sekitar $14 juta. Pusat data ini tampaknya membutuhkan waktu satu sampai tiga tahun untuk dibangun, tergantung pasokan listrik.

Dari 114GW pusat data yang dikatakan akan selesai dibangun pada akhir 2028, hanya 15,2GW yang sedang dalam proses konstruksi—dan “sedang dalam proses” bisa berarti hanya ada lubang di tanah. Itu tidak berarti kapasitasnya akan segera tersedia.

Mari mulai dari yang sederhana: setiap kali kamu mendengar “100MW”, bayangkan biaya sekitar $4,4 miliar, sebagian besar untuk GPU NVIDIA.

Jadi, setiap pusat data AI awalnya merugi ratusan juta dolar, bahkan dengan depresiasi enam tahun, baru akan balik modal setelah bertahun-tahun… dan dengan siklus upgrade tahunan NVIDIA, setelah kontrak pertama selesai, GPU ini kemungkinan besar tidak akan lagi menghasilkan banyak uang.

Masih belum jelas apakah ada pasar daya komputasi AI di luar OpenAI dan Anthropic, yang keduanya menguasai sekitar 50% dari pembangunan pusat data AI. Jika salah satu dari mereka tidak mampu membayar, ini akan menjadi kelemahan sistemik besar.

Selain itu, belum jelas berapa tarif berkelanjutan yang akan dikenakan pusat data ini. Harga spot sekitar $4,50 per jam per GPU B200, tetapi harga kontrak jangka panjang biasanya jauh lebih rendah. Seorang pendiri (menurut The Information) mengatakan mereka membayar sekitar $3,70 per jam per GPU untuk kontrak satu tahun.

Perlu dipahami, kita harus membedakan biaya spot—biaya menjalankan GPU di server orang lain secara acak—dengan kapasitas kontrak, yang merupakan sebagian besar pengeluaran modal pusat data. Banyak pusat data dirancang untuk memiliki satu atau dua pelanggan besar, yang bisa menegosiasikan tarif lebih murah.

Karena itu, banyak pusat data membebankan biaya jauh di bawah $3,70 per jam, biasanya berdasarkan tarif per megawatt (atau kilowatt).

Di sinilah ekonomi mulai runtuh.

Ekonomi runtuh pusat data 100MW—$2,55 per jam, margin kotor 16% di tingkat 100%, tidak menguntungkan karena utang

Ini adalah biaya awal untuk pusat data 100MW. Sebuah pusat data 100MW mungkin hanya memiliki kapasitas yang dapat ditagih sekitar 85MW, dan menurut sumber yang paham, mereka memperkirakan pendapatan sekitar $12,5 juta per MW per tahun, atau total sekitar $1,063 miliar per tahun.

Sekarang, saya harus tegaskan, kebanyakan perusahaan pusat data sebenarnya tidak membangun sendiri, melainkan menyerahkan pekerjaan ini ke perusahaan seperti Applied Digital, yang juga dikenal sebagai “mitra hosting”. Misalnya, CoreWeave membayar Applied Digital untuk mengelola pusat data di North Dakota. CoreWeave bertanggung jawab atas semua GPU dan teknologi di pusat data tersebut.

Untuk menjelaskan ketidaksesuaian ekonomi, saya akan gunakan contoh teoretis: sebuah pusat data yang disewakan ke perusahaan AI.

GPU pusat data ini kemungkinan besar adalah chip Blackwell dari NVIDIA. Lebih mungkin lagi, pusat data ini menggunakan pod berisi 8 GPU B200, dengan harga eceran sekitar $45.000 per unit, atau sekitar $56250 per GPU. Dengan beban IT utama sekitar 85MW, total pengeluaran modal per MW sekitar 36,78, dan total pengeluaran modal IT sekitar $3,126 miliar, atau sekitar $2,67 miliar untuk GPU.

Misalnya, pusat data ini berlokasi di Ellendale, North Dakota, dengan tarif listrik industri sekitar 6,31 sen per kWh, sehingga biaya listrik tahunan sekitar $55,4 juta. Berdasarkan diskusi dengan sumber, biaya pemeliharaan, tenaga kerja, penggantian daya, dan lain-lain, diperkirakan sekitar 12% dari pendapatan, yaitu sekitar $128 juta per tahun, sehingga total biaya sekitar $183,4 juta.

Tunggu dulu, maaf. Kamu juga harus membayar biaya hosting berdasarkan IT utama, yang menurut Brightlio biasanya sekitar $180-200 per kW per bulan, tergantung skala dan lokasi, dan saya pernah baca tarif serendah $130 per kW. Saya pakai angka $180, jadi biaya tahunan sekitar $1,33 miliar. Jadi total biaya sekitar $3,16 miliar.

Nah, ini masih kurang dari $10,6 miliar, jadi masih aman, kan?

Salah! Kamu harus mengamortisasi $3,126 miliar untuk perangkat IT, dengan depresiasi enam tahun, jadi sekitar $521 juta per tahun. Itu berarti sekitar $837 juta per tahun, dan tersisa sekitar $168 juta per tahun sebagai laba kotor, atau margin kotor sekitar 16,7%…

……jika kamu selalu 100% penuh! Kamu lihat, pusat data mungkin butuh satu sampai dua bulan untuk menginstal GPU dan menyiapkan pelanggan, selama itu pendapatan nol, tapi biaya tetap berjalan besar—biaya hosting, listrik, operasional—meskipun tarifnya jauh lebih rendah (saya modelkan 10% listrik dan 15% biaya hosting/operasional), yang berarti kamu rugi sekitar $3,27 juta per hari.

Untuk contoh ini, kita asumsikan kamu butuh tambahan satu bulan agar semuanya berjalan, jadi kamu sudah membayar sekitar $102 juta, dan tidak akan kembali lagi, sehingga total biaya tahunan termasuk depresiasi sekitar $939 juta, dan margin laba kotor sekitar 6,6%.

Tunggu dulu, kamu tidak memakai utang untuk membeli GPU ini, kan? Kamu pakai? Seberapa buruk? Oh Tuhan—kamu mendapatkan pinjaman aset selama enam tahun, dengan rasio pinjaman terhadap nilai (LTV) 80%, dan bunga 6%, jadi kamu meminjam $2,8 miliar.

Bankmu dengan murah hati memberi kamu satu transaksi—masa tenggang 12 bulan, kamu hanya bayar bunga… sekitar $168 juta, sehingga total biaya tahun pertama (tidak termasuk bulan tunda) sekitar $1,005 miliar… pendapatan $1,06 miliar.

Itu margin laba kotor sekitar 5,19%, dan kamu bahkan belum mulai bayar pokoknya. Saat itu terjadi, kamu harus bayar cicilan bulanan sekitar $54,1 juta, dan selama lima tahun berikutnya, total pembayaran sekitar $649 juta per tahun, atau sekitar $1,48 miliar, dengan margin laba kotor sekitar -40%.

Saya harus tegaskan, ini hanya jika kamu 100% penuh dan penyewa membayar tepat waktu.

Stargate Abilene adalah bencana—$2,94 per GPU per jam, pendapatan tahunan $10 miliar, tertinggal beberapa tahun, hanya satu penyewa yang rugi puluhan juta dolar per tahun

Mari bahas proyek yang seharusnya paling ekonomis dalam sejarah pusat data—sebuah taman data besar yang dibangun Oracle untuk perusahaan AI terbesar di dunia, Oracle sendiri adalah perusahaan besar yang sudah beroperasi selama puluhan tahun, dengan sejarah menjual database dan perangkat lunak manajemen bisnis mahal ke perusahaan dan pemerintah.

Haha, tentu saja saya bercanda, tempat ini adalah mimpi buruk.

Stargate Abilene, delapan bangunan, 1,2GW pusat data, sekitar 824MW IT utama, diumumkan pertama kali Juli 2024. Sampai 27 April 2026, hanya dua bangunan yang beroperasi dan menghasilkan pendapatan, bangunan ketiga hampir tidak punya perangkat IT. Saya perkirakan total biaya Stargate Abilene sekitar $52,8 miliar.

Menurut laporan saya sendiri, Oracle memperkirakan pendapatan tahunan sekitar $10 miliar dari Stargate Abilene, dan dari kapasitas pusat data 7,1GW yang mereka bangun untuk satu klien, mereka memperkirakan total pendapatan sekitar $75 miliar: OpenAI. Seperti yang saya laporkan, Oracle memperkirakan biaya hosting dan listrik minimal $2,14 miliar per tahun untuk Abilene, dibayarkan ke pengembang tanah Crusoe.

Saya juga harus tambahkan, tampaknya Oracle membayar seluruh biaya pembangunan Abilene.

Berdasarkan perhitungan dan laporan saya, saya memperkirakan setelah beroperasi penuh, margin kotor sekitar 37,47%:

Saya harus tegaskan, margin kotor 37,47% ini mungkin terlalu tinggi, karena saya tidak tahu angka pasti biaya asuransi dan tenaga kerja Oracle yang sebenarnya, hanya berdasarkan dokumen yang saya lihat.

Saya juga harus tegaskan, Oracle menaruh seluruh masa depan mereka pada proyek seperti Stargate Abilene, yang menelan biaya puluhan miliar dolar di muka, dan bisnis ini bahkan jika OpenAI membayar tepat waktu setiap bulan, akan membutuhkan bertahun-tahun untuk menguntungkan.

Sayangnya, saya tidak tahu berapa banyak Abilene yang didanai utang. Yang saya tahu, Oracle pada September 2025 menerbitkan obligasi dengan total sekitar $18 miliar, dengan tenor 7 sampai 40 tahun, dan dalam laporan keuangan kuartal terakhir mereka, tercatat arus kas negatif sebesar $24,7 miliar.

Yang saya tahu pasti, Oracle menandatangani kontrak sewa 15 tahun dengan pengembang Crusoe, dan masa depan Oracle sangat bergantung pada kemampuan OpenAI membayar terus-menerus, yang juga tergantung pada keberhasilan proyek Stargate Abilene.

Saya juga harus tegaskan, laba tahunan $3,85 miliar ini hanya akan tercapai jika OpenAI membayar tepat waktu, dan jika mereka bisa menempati Abilene secepat mungkin dan semuanya berjalan sesuai rencana.

Jika OpenAI tidak mampu mengumpulkan pendapatan, pendanaan, dan utang sebesar $852 miliar dalam 4 tahun ke depan, proyek pusat data Stargate akan menghancurkan Oracle

Sayangnya, kebalikannya yang terjadi:

Menurut laporan DatacenterDynamics, pasokan listrik 200MW pertama seharusnya mulai beroperasi “pada 2025”. Seiring waktu, seharusnya mulai diisi pada paruh pertama 2025, “berpotensi mencapai 1GW pada 2025”, selesai seluruh kapasitas 1,2GW pada pertengahan 2026, dan mengaktifkan 64.000 GPU sebelum akhir 2026. Sampai 30 September 2025, “dua bangunan sudah online”.

Hingga 12 Desember 2025, Co-CEO Oracle Clay Magouyurk menyatakan “Abilene berjalan sesuai rencana, telah mengirimkan lebih dari 96.000 NVIDIA Grace Blackwell GB200, yaitu jumlah GPU di dua bangunan.”

Empat bulan kemudian, 22 April 2026, Oracle di Twitter menyatakan “……di Abilene, 200MW sudah beroperasi, dan delapan bangunan taman data masih sesuai jadwal.” Saat ini belum jelas apakah ini kapasitas IT utama 200MW atau total daya listrik yang tersedia di Abilene. Bagaimanapun, ini cukup untuk dua bangunan, yang berarti Oracle jelas tidak “berjalan sesuai rencana”.

Ini adalah masalah besar. OpenAI hanya bisa membayar daya komputasi yang sebenarnya ada, dan hanya 206MW kapasitas IT utama yang benar-benar menghasilkan pendapatan, sementara bangunan ketiga setidaknya butuh satu bulan (atau bahkan satu kuartal) lagi untuk mulai beroperasi.

Namun, seluruh proyek Stargate ini memiliki masalah yang lebih besar dan mendasar—hanya jika OpenAI mampu mewujudkan prediksi konyol dan kartun mereka, semuanya akan masuk akal.

Seperti yang saya bahas Jumat lalu:

Saya ulangi angka-angka ini: setelah selesai, pusat data Stargate 7,1GW akan menghasilkan sekitar $75 miliar pendapatan tahunan, dengan biaya lebih dari $340 miliar. Arus kas bebas Oracle negatif $24,7 miliar, dan bisnis lain mereka stagnan, sehingga keuntungan negatif dan cloud yang tidak menguntungkan menjadi satu-satunya mesin pertumbuhan.

Untuk benar-benar membayar kontrak daya komputasi—termasuk kontrak dengan Amazon, Microsoft, CoreWeave, Google, Cerberas, dan Oracle—OpenAI harus mengumpulkan atau menghasilkan dalam empat tahun:

Link asli artikel

Klik untuk tahu lebih banyak tentang posisi yang dibuka di BlockBeats

Selamat bergabung dengan komunitas resmi BlockBeats:

Telegram Grup Berlangganan: https://t.me/theblockbeats

Telegram Grup Diskusi: https://t.me/BlockBeats_App

Twitter resmi: https://twitter.com/BlockBeatsAsia