- Pada era cloud, perusahaan infrastruktur terbesar bertumbuh dengan mengaitkan model pendapatan mereka langsung ke unit konsumsi inti platform (compute), dan di era AI unit itu sedang bergeser menjadi token
- Snowflake, Datadog, Cloudflare, dan lainnya membangun struktur di mana mereka berada langsung di jalur eksekusi workload, sehingga pendapatan otomatis meluas seiring peningkatan aktivitas compute
- Docker adalah teknologi kunci bagi pengembangan cloud-native, tetapi karena gagal menghubungkan model pendapatannya dengan primitif konsumsi compute, ia kehilangan nilai bernilai miliaran dolar
- Di era AI, perusahaan yang berada langsung di jalur konsumsi token seperti Cursor (agen coding) tumbuh cepat, dan Cursor baru-baru ini melampaui ARR US$2 miliar
- Namun hanya berada di jalur token saja tidak cukup; seperti kasus kebangkrutan perusahaan CDN Limelight (kini Edgio), tanpa diferensiasi dan biaya perpindahan, perusahaan tidak bisa bertahan
Pola inti era cloud: monetisasi primitif konsumsi
- Primitif inti pada era cloud adalah compute; storage, jaringan, dan database semuanya penting, tetapi mesin yang menjalankan sistem adalah siklus compute di dalam data center
- Perusahaan infrastruktur terbesar "memiliki meteran" dengan cara mengaitkan pendapatan mereka langsung ke aktivitas compute, atau dengan menagih compute itu sendiri
- AWS dan hyperscaler secara harfiah menjual waktu compute, sehingga ketika workload berpindah ke cloud, pendapatan otomatis meningkat
- Bukan hanya hyperscaler; para pemimpin infrastruktur dalam ekspansi cloud juga menerapkan pola yang sama
Model monetisasi para pemimpin infrastruktur cloud
- Databricks memonetisasi job compute, sehingga pendapatan otomatis tumbuh setiap kali pipeline data dijalankan, model dilatih, atau workload diproses
- Snowflake memonetisasi query compute, sehingga penambahan query, dataset, atau workload baru langsung mendorong kenaikan pendapatan tanpa perlu menjual seat tambahan
- Datadog memonetisasi telemetri yang dihasilkan workload compute, sehingga setiap microservice, container, atau instance cloud baru menambah pendapatan
- Cloudflare memonetisasi request yang dihasilkan aplikasi yang berjalan di atas compute
- MongoDB menagih berdasarkan storage dan compute yang dikonsumsi melalui Atlas
- Detailnya berbeda-beda, tetapi polanya konsisten: berada langsung di jalur eksekusi workload dan memiliki model harga yang otomatis berskala seiring peningkatan aktivitas compute
Insight utama: bukan model harga konsumsi itu sendiri, melainkan keterikatan struktural dengan unit pertumbuhan ekosistem
- Yang penting bukan sekadar "pricing berbasis konsumsi" — banyak perusahaan yang menerapkan pricing konsumsi tetapi tetap tumbuh lambat
- Yang membuat mereka istimewa adalah bahwa unit konsumsi mereka sama dengan unit yang dipakai seluruh ekosistem untuk bertumbuh
- Ketika dunia menjalankan lebih banyak compute, perusahaan-perusahaan ini bertumbuh bahkan tanpa melakukan apa pun — pendapatan mereka terikat secara struktural pada vektor pertumbuhan platform
- Pada awal era cloud, banyak perusahaan infrastruktur masih mencoba memonetisasi software dengan model lama seperti lisensi permanen, lisensi berjangka, kontrak maintenance, atau langganan support di atas open source
- Di lingkungan on-premise, pertumbuhan infrastruktur lambat, bisa diprediksi, dan dapat dikendalikan sehingga model-model ini bekerja; tetapi cloud memungkinkan workload meluas seketika dan konsumsi compute meningkat berkali-kali lipat, sehingga ekonominya berubah secara fundamental
Docker: kasus paling instruktif
- Docker pada dasarnya adalah containerization itu sendiri, teknologi yang memungkinkan pengembangan cloud-native
- Ia digunakan oleh jutaan developer, dan bisa dibilang merupakan developer tool terpenting di era cloud
- Namun Docker tidak menemukan cara untuk memonetisasi primitif tersebut, dan gagal menghubungkan adopsi developer skala besar dengan belanja compute dasar yang dimungkinkan oleh container
- Kubernetes (yang di-open-source-kan oleh Google) menggerus bisnis orkestrasi, dan semua hyperscaler memonetisasi inovasi Docker lewat layanan container terkelola
- Docker memungkinkan belanja compute bernilai miliaran dolar, tetapi tidak menangkap bagian apa pun darinya (dalam beberapa tahun terakhir kondisinya jauh membaik, tetapi analisis ini merujuk pada fase awal)
- Kesamaan perusahaan-perusahaan yang seperti Docker—mendapat adopsi besar tetapi menabrak tembok model bisnis—adalah mereka sangat tertanam dan penting di stack infrastruktur cloud, namun tidak membuat pendapatan sebagai turunan dari primitif konsumsi inti
- Mereka memonetisasi dengan cara yang berdekatan seperti seat, kontrak support, atau consulting, dan pasar memberi valuasi sesuai itu — artinya, nyaris tidak memberi valuasi
Pemetaan ke era AI: token adalah primitif baru
- Jika infrastruktur cloud dibangun di atas primitif compute, maka infrastruktur AI sedang dibangun di atas primitif lain, yaitu token
- Semua workload AI pada akhirnya bermuara pada token yang dihasilkan, diproses, dan dikonsumsi oleh model
- Prompt → token, context → token, respons → token
- Agen yang menjalankan workflow multi-langkah dapat menghasilkan jumlah token yang sangat besar saat menalar tugas
- Token adalah unit kerja atomik dari sistem AI modern
Perusahaan AI yang berada di jalur token
- Penyedia model seperti OpenAI dan Anthropic adalah primitif token itu sendiri (setara dengan hyperscaler sebagai primitif compute/storage di cloud), dengan penagihan per token input dan output
- Perusahaan AI yang tumbuh paling cepat saat ini adalah perusahaan yang berada langsung di jalur token
- Agen coding adalah contoh representatif; menurut laporan media online, Cursor baru-baru ini mencapai ARR US$2 miliar
- Setiap keystroke, code completion, dan aksi agen memicu inferensi, dan model bisnisnya berevolusi dari sekadar charging per seat menjadi seat dengan batas penggunaan
- Pendapatannya terikat secara struktural pada konsumsi token
- Bisnis inferensi seperti Inferact, Baseten, Fireworks, dan Together pada dasarnya menjual primitif mentah itu sendiri
- Pendapatan perusahaan yang paling dekat dengan produksi dan konsumsi token secara alami meluas seiring aktivitas AI
- Bagian lain dari ekosistem AI sedang bereksperimen dengan model pricing SaaS tradisional (berbasis seat, langganan platform, lisensi enterprise di atas open source)
- Model seperti ini juga bisa sukses, tetapi jika sejarah menjadi panduan, perusahaan infrastruktur terbesar akan muncul di titik tempat unit inti aktivitas platform diukur dan dimonetisasi
Syarat perlu, tetapi bukan syarat cukup: pentingnya diferensiasi
- Berada di jalur token adalah syarat perlu, bukan syarat cukup
- Pada era cloud, perusahaan CDN pure-play secara teknis berada di "jalur compute", menagih berdasarkan bandwidth dan request, dan trafik tumbuh eksplosif
- Namun bandwidth ternyata adalah komoditas — harganya terus turun
- Limelight Networks mengalami penurunan pendapatan meski trafik mencapai rekor selama ledakan streaming 2020~2021, lalu rebranding menjadi Edgio namun pada akhirnya bangkrut
- Sebaliknya, Cloudflare berangkat dari titik awal yang serupa tetapi menambahkan security, developer tools, dan edge compute untuk membangun diferensiasi nyata dan biaya perpindahan di atas primitif tersebut — hasil akhirnya sangat berbeda meski titik mulainya sama
Pelajaran bagi founder AI
- Masuklah ke jalur token, tetapi bangun sesuatu yang terdiferensiasi di atasnya
- Jangan hanya menjadi pipa tempat token mengalir, tetapi jadilah lapisan yang membuat token lebih bernilai
- Pengalaman developer yang lebih baik (Cursor), model vertikal yang terspesialisasi, alat security/compliance, moat data proprietari, dan sebagainya
- Ada juga dimensi timing: perusahaan yang lebih awal menjadi default di jalur compute pada era cloud menangkap nilai paling besar
- Datadog, Snowflake, dan Cloudflare semuanya mencapai skala sebelum primitif tersebut sepenuhnya menjadi komoditas
- Jendelanya adalah sekarang untuk masuk ke jalur token: biaya inferensi turun cepat (artinya konsumsi token akan lebih banyak, tetapi pada saat yang sama ekonomi per unit juga tertekan)
- Tekanan itu akan datang sebelum moat sempat dibangun, jadi masuk ke jalur dan membangun moat harus dilakukan bersamaan
- Jika Anda memiliki meterannya, pertumbuhan akan mengikuti dengan sendirinya
Pembaruan valuasi pasar SaaS
- Perusahaan SaaS umumnya dinilai dengan kelipatan pendapatan, kebanyakan NTM Revenue proyeksi 12 bulan ke depan
- Karena sebagian besar perusahaan software belum profitable atau belum menghasilkan FCF yang berarti, ini adalah satu-satunya metrik yang memungkinkan perbandingan di seluruh industri
- DCF juga penuh dengan asumsi jangka panjang, dan janji SaaS adalah bahwa pertumbuhan awal akan berujung pada laba di tahap matang
- Dihitung sebagai Enterprise Value (kapitalisasi pasar + utang - kas) / pendapatan NTM
- Median keseluruhan: 3.5x, median 5 teratas: 17.7x, US 10-Year Treasury: 4.1%
Bucket valuasi berdasarkan laju pertumbuhan
- Pertumbuhan tinggi (NTM growth >22%) median: 10.4x
- Pertumbuhan menengah (15%~22%) median: 6.5x
- Pertumbuhan rendah (<15%) median: 2.7x
- Ambang 22% untuk kategori pertumbuhan tinggi memang agak arbitrer, tetapi dipilih agar sekitar 10 perusahaan masuk ke bucket itu sehingga tersedia ukuran sampel yang signifikan secara statistik
EV / NTM Rev / NTM Growth
- Metrik yang membagi kelipatan EV / pendapatan NTM dengan ekspektasi pertumbuhan konsensus NTM
- Contoh: perusahaan yang diperdagangkan pada 20x pendapatan NTM dengan ekspektasi pertumbuhan 100% akan diperdagangkan pada 0.2x
- Tujuannya untuk menunjukkan seberapa murah/mahal secara relatif setiap saham dibandingkan ekspektasi pertumbuhannya
EV / NTM FCF
- Menampilkan median perusahaan dengan kelipatan FCF >0x dan <100x dalam line chart
- Disusun untuk menunjukkan subset perusahaan di mana FCF merupakan metrik valuasi yang bermakna
- Perusahaan dengan NTM FCF negatif dikeluarkan dari chart
Korelasi antara laju pertumbuhan dan kelipatan valuasi
- Menyediakan scatter plot EV / pendapatan NTM vs laju pertumbuhan pendapatan NTM
- Memvisualisasikan korelasi antara laju pertumbuhan dan kelipatan valuasi
Metrik operasional (Operating Metrics)
- Median laju pertumbuhan NTM: 13%
- Median laju pertumbuhan LTM: 15%
- Median gross margin: 75%
- Median operating margin: (1%)
- Median margin FCF: 20%
- Median net retention: 109%
- Median periode payback CAC: 34 bulan
- Median rasio S&M: 35% dari pendapatan
- Median rasio R&D: 23% dari pendapatan
- Median rasio G&A: 15% dari pendapatan
Comps Output: Rule of 40 dan GM Adjusted Payback
- Rule of 40 ditampilkan sebagai laju pertumbuhan pendapatan + margin FCF (baik LTM maupun NTM)
- FCF dihitung sebagai arus kas dari aktivitas operasi - belanja modal
- GM Adjusted Payback = (S&M kuartal sebelumnya) / (ARR net new kuartalan × gross margin) × 12
- Menunjukkan jumlah bulan yang dibutuhkan perusahaan SaaS untuk memulihkan CAC fully loaded berdasarkan gross margin
- Karena sebagian besar perusahaan publik tidak melaporkan ARR net new, digunakan ARR implisit dengan rumus pendapatan subscription kuartalan × 4
- ARR net new = ARR kuartal ini - ARR kuartal sebelumnya
- Perusahaan yang tidak mengungkap pendapatan subscription dikeluarkan dari analisis (ditandai NA)
Belum ada komentar.