$320 Miliar Taruhan pada AI
Empat hyperscaler besar — Microsoft, Google, Meta, Amazon — bersama-sama berkomitmen untuk lebih dari $320 miliar dalam belanja modal (CapEx) selama 2026. Sebagian besar dari itu — diperkirakan 60-70% — diarahkan langsung ke infrastruktur AI: GPU, pusat data, jaringan, dan sistem pendingin.
Ini adalah siklus CapEx terbesar dalam sejarah industri teknologi, melampaui bahkan gelombang investasi internet awal 2000-an sebagai persentase dari pendapatan perusahaan. Dan tidak seperti gelombang CapEx 2000 yang sebagian besar menguap dalam tumpukan serat optik yang tidak digunakan, pengeluaran ini melayani permintaan pelanggan nyata yang telah ada dan tumbuh.
Angkanya:
- Microsoft: $80 miliar CapEx 2026, dengan Azure dan infrastruktur AI menerima bagian terbesar
- Amazon: $100 miliar, dengan AWS menyumbang sekitar 70% dari pengeluaran itu
- Google: $75 miliar, dibagi antara pusat data Google Cloud dan infrastruktur pencarian
- Meta: $60-65 miliar, hampir seluruhnya diarahkan ke AI penelitian dan infrastruktur
Skala ini membuat para investor bertanya: siapa yang sebenarnya mendapat manfaat dari pengeluaran ini — dan apakah investasi setara yang ada di hyperscaler sendiri sudah memadai?
Picks-and-Shovels: Di Mana Uang Nyata Mengalir
"Picks-and-shovels" mengacu pada gagasan bahwa selama gold rush, penjual peralatan (sekop dan palu) sering menghasilkan lebih banyak uang lebih konsisten daripada para penambang sendiri. Prinsip yang sama berlaku untuk siklus AI CapEx:
Nvidia (NVDA) — GPU untuk pelatihan dan inferensi Nvidia adalah penerima paling jelas dari siklus ini, dan pasar sudah sangat menghargainya dengan baik. GPU H100 dan H200 Nvidia adalah pilihan default untuk pelatihan model AI, dan arsitektur Blackwell generasi terbaru sudah habis terjual melalui 2027. Pertumbuhan pendapatan 69% YoY yang saya rekap minggu ini mengkonfirmasi bahwa permintaan nyata dan berkelanjutan.
Tantangan: pada P/E forward 30-35x, Nvidia tidak murah. Pasar telah mendiskon beberapa tahun pertumbuhan. Perusahaan baru yang berani membangun chip AI mereka sendiri (Google TPU, Amazon Trainium, Meta MTIA) menimbulkan risiko jangka panjang meski tidak segera.
Vertiv Holdings (VRT) — Manajemen Daya dan Pendinginan Data Center Ini yang saya anggap sebagai salah satu taruhan picks-and-shovels yang kurang dihargai pada siklus AI. GPU menghasilkan panas yang luar biasa — server H100 Nvidia mengkonsumsi hingga 700 watt masing-masing. Pusat data yang mengemas ribuan GPU ini memerlukan sistem manajemen daya dan pendinginan canggih.
Vertiv menyediakan transformator, unit distribusi daya, sistem pendinginan fluida, dan perangkat lunak manajemen pusat data. Mereka adalah suplier ke hyperscaler dan operator pusat data colocation. Pertumbuhan pendapatan mereka langsung berkorelasi dengan pengeluaran pusat data AI.
Eaton Corporation (ETN) — Manajemen Daya Listrik Sama dengan Vertiv, Eaton menyediakan solusi manajemen daya kritis untuk pusat data. Ketika Anda menambahkan 100.000 GPU ke cluster komputasi, Anda memerlukan transformator, pemutus sirkuit, sistem tenaga interupsi tak terganggu (UPS), dan infrastruktur distribusi daya skala besar. Eaton membangun semua itu.
Eaton juga mendapat manfaat dari elektrifikasi yang lebih luas — kendaraan listrik, infrastruktur grid, pembangkit energi terbarukan — sehingga tesis AI adalah satu dari beberapa katalis, bukan satu-satunya.
Constellation Energy (CEG) — Daya Nuklir untuk AI Ini adalah yang paling kontroversial tapi berpotensi paling menarik. AI membutuhkan daya yang sangat besar — dan bukan sembarang daya, tapi daya yang andal dan bersih (untuk tujuan ESG hyperscaler). Energi nuklir menyediakan kedua-duanya: kapasitas faktor 90%+ (vs. 25-35% untuk angin/surya) dan karbon-nol.
Microsoft telah menandatangani perjanjian pembelian daya jangka panjang (PPA) dengan Constellation untuk pembangkit nuklir Three Mile Island yang dibuka kembali. Google dan Amazon mengejar kesepakatan serupa dengan reaktor nuklir yang ada. Demand AI untuk listrik bisa menjadi katalis yang tidak terduga untuk renesans nuklir.
Cara Saya Memposisikan Diri
Saya tidak ingin berlebih dalam satu eksposur AI. Itu mengapa saya mendekati ini melalui beberapa posisi picks-and-shovels daripada berkonsentrasi dalam NVDA saja:
Nvidia tetap terbesar dari taruhan AI saya — sekitar 4% dari portofolio — tapi saya mengimbanginya dengan posisi yang lebih kecil di Vertiv (~2%) dan Eaton (~2%). CEG lebih spekulatif untuk saya dan saya memiliki ukuran yang sesuai (~1%).
Risiko utama dari seluruh tesis ini: jika reses AI terjadi — jika hyperscaler mulai merasa bahwa imbal hasil AI atas investasi mereka mengecewakan dan mulai mengurangi CapEx — semua nama ini bisa menderita signifikan. Ini bukan jenis risiko yang mudah untuk lindung nilai. Itu mengapa ukuran posisi terdisiplin sangat penting bahkan ketika tesis tampak meyakinkan.
Tapi dengan $320 miliar yang berkomitmen hanya dari empat hyperscaler di 2026, momentum sudah luar biasa kuat. Infrastruktur yang dibangun tahun ini akan membentuk lanskap komputasi selama satu dekade ke depan.