5 Arsitek Ekonomi AI Ungkap Hambatan Besar: Dari Krisis Chip hingga Energi

BEVERLY HILLS, (7 MEI 2026)

Melansir laporan dari TechCrunch, lima tokoh kunci yang menguasai setiap lapisan rantai pasok AI berkumpul di Milken Global Conference di Beverly Hills. Mereka mendiskusikan masa depan teknologi ini, mulai dari kelangkaan chip, pusat data orbital, hingga kemungkinan bahwa fondasi arsitektur AI saat ini perlu dirombak total.

Para panelis tersebut adalah Christophe Fouquet (CEO ASML), Francis deSouza (COO Google Cloud), Qasar Younis (CEO Applied Intuition), Dimitry Shevelenko (CBO Perplexity), dan Eve Bodnia (Quantum Physicist di Logical Intelligence).

Batasan Fisik dan Kelangkaan Chip

Ekspansi AI mulai membentur batas fisik yang nyata. Christophe Fouquet dari ASML, perusahaan Belanda yang memonopoli mesin EUV lithography untuk pembuatan chip tercanggih, menyatakan bahwa meskipun manufaktur dipercepat, pasar akan tetap kekurangan pasokan selama beberapa tahun ke depan. Para raksasa seperti Google, Microsoft, Amazon, dan Meta tidak akan mendapatkan semua chip yang mereka pesan.

Francis deSouza dari Google Cloud memperkuat argumen ini dengan data pertumbuhan backlog (pesanan yang belum terpenuhi) Google Cloud yang melonjak dari $250 miliar menjadi $460 miliar dalam satu kuartal. Di sisi lain, Qasar Younis menekankan bahwa hambatan utama bagi Physical AI bukan hanya silikon, melainkan data dunia nyata yang tidak bisa sepenuhnya digantikan oleh simulasi.

Solusi Energi: Menuju Luar Angkasa

Setelah chip, energi menjadi hambatan besar berikutnya. DeSouza mengonfirmasi bahwa Google sedang mengeksplorasi Data Center di luar angkasa untuk mendapatkan akses energi yang lebih melimpah. Meskipun tantangan pendinginan di ruang hampa udara sangat besar karena hanya mengandalkan radiasi, langkah ini dianggap sebagai jalur yang logis.

Strategi Google saat ini adalah integrasi vertikal. Dengan merancang TPU (Tensor Processing Unit) khusus untuk menjalankan model seperti Gemini, mereka mencapai efisiensi daya yang jauh lebih baik dibandingkan menggunakan komponen standar (off-the-shelf).

Arsitektur Baru: Melampaui LLM

Eve Bodnia melalui startupnya, Logical Intelligence, memperkenalkan Energy-Based Models (EBMs). Berbeda dengan LLM yang memprediksi token kata berikutnya, EBMs mencoba memahami aturan mendasar dari data, mirip dengan cara kerja otak manusia. Bodnia mengklaim modelnya yang berukuran 200 juta parameter dapat berjalan ribuan kali lebih cepat daripada LLM raksasa dan lebih cocok untuk domain seperti robotika dan desain chip.

Kedaulatan dan Keamanan AI

Younis memberikan catatan geopolitik penting: Physical AI (seperti kendaraan otonom dan drone pertahanan) melibatkan kedaulatan negara. Banyak negara kini enggan membiarkan kecerdasan fisik di wilayah mereka dikendalikan sepenuhnya oleh teknologi negara lain.

Sementara itu, Fouquet menyoroti posisi China yang sangat kuat di lapisan atas aplikasi, namun terhambat di lapisan bawah karena tidak memiliki akses ke mesin EUV lithography yang krusial untuk memproduksi Semiconductor tercanggih.

Dampak bagi Indonesia

Bagi Indonesia, diskusi ini memberikan gambaran strategis mengenai arah investasi teknologi:

1. Biaya Infrastruktur: Kelangkaan chip global selama 3-5 tahun ke depan berpotensi menjaga harga layanan Cloud Computing dan GPU tetap tinggi bagi startup lokal.
2. Kemandirian Data: Mengingat isu kedaulatan Physical AI, Indonesia perlu memperkuat regulasi mengenai kontrol data pada perangkat otonom dan robotika yang beroperasi di dalam negeri.
3. Efisiensi Energi: Dengan keterbatasan energi, pembangunan Data Center di Indonesia (seperti di Batam atau wilayah lainnya) harus mulai mengadopsi integrasi perangkat keras khusus untuk menekan biaya operasional yang jika dikonversi ke Rupiah bisa mencapai miliaran per bulan.

---

Artikel ini akan diperbarui seiring tersedianya informasi baru. Join Komunitas Rekayasa AI di Discord untuk diskusi lebih lanjut.