Grayscale: AI yang Makin Murah dan Agen yang Menyala Terus Justru Menambah Permintaan Komputasi

Grayscale, manajer aset asal Amerika Serikat, menerbitkan catatan bertajuk "Cheaper, Agentic AI Means Greater Demand for Compute" yang membalik asumsi yang sering dipakai banyak orang: model yang makin murah tidak membuat kebutuhan komputasi menyusut, melainkan berpotensi melipatgandakannya.

Dasar argumennya tiga perkembangan. Pertama, harga per tugas turun; Grayscale menyebut model Sonnet terbaru dari Anthropic berbiaya hingga 30 persen lebih murah per tugas menurut keterangan perusahaan itu sendiri. Kedua, persaingan dari model bobot terbuka menekan tarif token yang dibayar pengembang. Ketiga, muncul kelas agen baru; Grayscale mencontohkan "dots" dari OpenAI, agen yang menyala terus dan bekerja menuju tujuan pengguna sepanjang waktu.

Menurut Grayscale ketiganya mendorong pemakaian, bukan menguranginya: kecerdasan yang lebih murah membuat lebih banyak aplikasi dan alur kerja otomatis menjadi layak secara ekonomi. Analisis itu sejalan dengan laporan riset mereka "Investing for the Compute Bottleneck" yang diperbarui 21 September 2026 oleh Zach Pandl, Will Ogden Moore, dan Charlie Perkins. Laporan itu menyatakan poros industri sedang bergeser dari pelatihan berskala besar ke inferensi berskala besar, bagian yang justru tumbuh karena model murah dan ledakan jumlah agen.

Sisi fisiknya yang menjadi soal. Daya listrik, pusat data, dan GPU butuh waktu bertahun-tahun untuk dibangun, sehingga menurut laporan yang sama penyempitan pasokan komputasi tidak akan selesai dalam waktu dekat: pertumbuhan permintaan diperkirakan melampaui pertumbuhan pasokan setidaknya beberapa tahun lagi.

Ada satu bukti pasar yang disebut Grayscale: CoreWeave melaporkan menandatangani kontrak baru dengan harga komputasi yang lebih tinggi. Itu tanda penyedia kapasitas masih memegang tawar-menawar meski modelnya makin murah. Laporan riset mereka menambahkan konteks struktur pasar: hyperscaler menguasai sekitar 70 persen kapasitas komputasi saat ini, dan sebagian besar pembangunan dibiayai lewat utang berperingkat investasi atau pasar privat.

Kesimpulan tesis itu: kecerdasan yang lebih murah dan agen yang lebih mampu bisa memperluas pemakaian cukup besar sehingga mengalahkan penghematan efisiensinya, dan yang paling diuntungkan adalah pemilik infrastruktur fisik yang langka, bukan sekadar pemilik model.

Satu catatan pembacaan penting: ini analisis Grayscale, bukan berita netral. Perusahaan itu memiliki kepentingan pada aset terkait komputasi dan kripto, dan laporannya sendiri memuat peringatan bahwa isinya bukan saran investasi. Karena itu angka-angka di atas kami kutip dengan menyebut sumbernya, bukan sebagai fakta yang berdiri sendiri.

Bagi pembaca di Indonesia implikasinya praktis: biaya memakai model untuk layanan seperti konversi berkas, transkripsi, atau agen layanan pelanggan berpotensi terus turun, tetapi harga menyewa kapasitas dan listrik tidak otomatis ikut turun. Pemilik layanan tetap perlu menghitung biaya inferensi dan penyimpanan sebagai pos yang tumbuh, bukan yang menghilang.