Investasi pusat data melampaui belanja megaproyek terbesar dalam sejarah AS hanya dalam 6 tahun

 (twitter.com/finmoorhouse)
1 poin oleh GN⁺ 1 hari lalu | 1 komentar
  • Capex pusat data mencapai sekitar US$930 miliar hanya dalam 6 tahun, melampaui total belanja kumulatif megaproyek ikonik di AS
  • Grafik ini membandingkan angka tersebut dalam dolar 2024 yang telah disesuaikan dengan inflasi
  • Megaprojek sebelumnya seperti Interstate Highway System (US$620 miliar, 37 tahun) dan US Railroads (US$550 miliar, 71 tahun) merupakan investasi jangka panjang selama puluhan tahun
  • Capex pusat data menampilkan titik acuan 2025 dan rencana 2026, dengan laju pertumbuhan yang jauh lebih tinggi dibanding proyek lain
  • Angka-angka ini didasarkan pada estimasi porsi pusat data dari big-5 hyperscaler AS seperti Amazon, Microsoft, Alphabet, Meta, Oracle

Ikhtisar grafik

  • Judulnya adalah "Data centers vs. megaprojects", dengan subjudul biaya kumulatif yang disesuaikan inflasi (dalam miliar dolar)
  • Sumbu X menunjukkan tahun yang berlalu sejak program dimulai, dan sumbu Y menunjukkan belanja kumulatif (hingga skala US$1 triliun)
  • Semua nilai dikonversi ke dolar 2024

Trajektori capex pusat data

  • Capex pusat data mencapai belanja kumulatif sekitar US$930 miliar dalam 6 tahun, ditandai sebagai titik acuan 2025
  • Rencana 2026 ditampilkan dengan garis putus-putus dan berada pada lintasan yang melampaui US$1 triliun
  • Dalam grafik, garis ini memiliki kemiringan yang jauh lebih curam daripada semua megaproyek lainnya

Megaprojek pembanding

  • Interstate Highway System: US$620 miliar, 37 tahun
  • US Railroads: US$550 miliar, 71 tahun
  • F-35 Program: US$400 miliar, 25 tahun (akumulasi hingga saat ini)
  • Apollo Program: US$257 miliar, 14 tahun
  • Marshall Plan: US$170 miliar, 4 tahun
  • International Space Station: US$150 miliar, 27 tahun
  • Manhattan Project: US$36 miliar, 5 tahun

Metode perhitungan data

  • Capex AI dihitung dari estimasi porsi pusat data dalam capex global yang dilaporkan oleh big-5 hyperscaler AS (Amazon, Microsoft, Alphabet, Meta, Oracle)
  • Menggunakan data dari Epoch AI + Platformonomics
  • Diasumsikan porsi pusat data meningkat dari sekitar 55% pada 2020 menjadi sekitar 80% pada 2026
  • Hyperscaler Tiongkok tidak disertakan

Sumber

  • Company reports, Epoch AI, FHWA, NASA, CRS, GAO, Brookings

Bacaan terkait

1 komentar

 
GN⁺ 1 hari lalu
Komentar Hacker News

  • Jika dilihat sebagai persentase terhadap GDP AS seperti dalam tweet ini, kesannya jadi tidak terlalu sensasional
    Namun pada saat yang sama, itu justru membuat semakin jelas betapa besar peristiwa industrial yang diwakili oleh pembangunan rel kereta

    • Penyesuaian berdasarkan GDP memang perlu, tetapi menurut saya kenyataannya justru lebih dramatis daripada angka itu
      Megaproject lama punya masa depresiasi puluhan tahun, dan banyak rel, jembatan, terowongan, serta bendungan yang usianya sudah 50~100 tahun lebih masih dipakai hingga sekarang hanya dengan perawatan
      Sebaliknya, GPU yang menjadi tulang punggung besar dari belanja saat ini hanya dihitung dengan depresiasi sekitar 6 tahun, jadi jika dilihat dari dasar amortisasi tahunan, pengeluaran sekarang tampak jauh lebih dominan
    • Puncak rel kereta di grafik ini terlihat sekitar 9% dari GDP, dan itu cukup mencolok karena jauh lebih tinggi daripada rujukan yang saya temukan sendiri
      Saat itu bahkan konsep GDP sendiri belum ada, jadi semua angka seperti ini adalah perhitungan retrospektif dan punya rentang galat yang besar
      Sekarang rasanya ada insentif untuk menetapkan angka rel setinggi mungkin agar tercipta preseden bagi investasi data center
    • Tapi saya juga merasa pendekatan ini bisa justru melebih-lebihkan ke arah sebaliknya
      Membandingkan investasi dari era ketika estimasi GDP modern sangat tidak akurat dengan rasio terhadap GDP membuat saya ragu apakah itu benar-benar mencerminkan skala ekonomi secara keseluruhan
      Saat itu belum ada keuangan modern, belum ada pajak penghasilan, dan sebagian besar tenaga kerja masih di pertanian; jadi saya penasaran apakah sejauh mana rata-rata orang saat itu merasakan biaya rel kereta benar-benar berada pada sumbu yang sama dengan cara wajib pajak hari ini merasakan biaya F-35
    • Menurut saya ini grafik yang benar-benar mengejutkan
      Fakta bahwa pengeluaran AS untuk satu platform F-35 sebanding dengan Marshall Plan untuk rekonstruksi Eropa pasca-Perang Dunia II, Interstate Highway System, atau bahkan seluruh investasi data center membuat prioritasnya terlihat sangat jelas
    • Justru perbandingan ini terasa lebih dramatis
      Apollo, Manhattan Project, ISS, Interstate Highway System, Marshall Plan, dan F-35 dalam daftar itu sama-sama proyek yang dibiayai pemerintah demi kepentingan publik jangka panjang, sehingga tidak dituntut ROI jangka pendek
      Imbal hasil proyek seperti ini datang dalam rentang sangat panjang, seperti pertumbuhan ekonomi, keamanan, dan kemajuan ilmu pengetahuan beberapa dekade kemudian
      Marshall Plan khususnya bisa dibilang membayar dividen selama 77 tahun, termasuk dalam arti mencegah niat baik Eropa terhadap AS berubah menjadi proteksionisme keras terhadap Big Tech
      Sebaliknya, rel kereta dan AI datacenters adalah investasi swasta, jadi tidak punya kemewahan untuk menunggu 50 tahun
      Seperti gelembung rel kereta yang diikuti guncangan ekonomi besar, ada kekhawatiran bahwa OpenAI juga bisa memicu guncangan serupa bila tidak dapat menunjukkan pemulihan investasi parsial sekitar tahun ini dan IPO-nya gagal

  • Rasanya kategori pembandingnya agak meleset
    Hanya rel kereta yang merupakan contoh pembangunan infrastruktur dalam skala besar oleh perusahaan swasta, jadi itu yang paling mirip
    Untuk dibandingkan dengan ledakan data center, mungkin contoh seperti pembangunan pabrik, ekspansi jaringan listrik, air bersih, pipa gas, atau elektrifikasi pada paruh awal abad ke-20 justru lebih tepat

    • Ini mengingatkan saya pada orang di kantor yang datang lalu membanggakan “kami melakukan x triliun unit dalam waktu singkat”
      Tanpa pembanding yang setara, angka besar saja tidak cukup untuk menilai apakah itu memang sesuatu yang luar biasa
      Analogi yang pas adalah kalau saya bilang saya makan sesuatu dalam jumlah luar biasa per menit berdasarkan pembilang saja, begitu konteksnya ditambahkan tidak ada yang akan menganggap itu hebat
    • Ini juga mengingatkan bahwa rel kereta pernah menjadi penyebab beberapa keruntuhan bank terbesar dalam sejarah
      Panic of 1873 pernah disebut Great Depression pada masanya, dan kepanikan tahun 1893 juga berasal dari overinvestasi dan pecahnya gelembung
      AI sekarang tampak sangat mirip dalam arti investasi besar sudah digelontorkan, tetapi keuntungan yang pasti belum terlihat
      Semua orang tahu software dan hardware makin lama makin efisien dan murah, jadi nilainya akan turun, sementara bukti bahwa manfaat di sisi pengguna sudah cukup untuk membenarkan skala investasi ini juga masih lemah
      Jika gelembungnya pecah, kemungkinan yang pertama terkena bukan bank melainkan modal swasta, dan bila neraca hyperscaler serta tech unicorn runtuh, dampaknya bisa menjalar ke perusahaan-perusahaan di atasnya, lapangan kerja, hingga kekayaan rumah tangga melalui S&P 500
      Karena bailout seperti dalam krisis perbankan juga sulit diharapkan, guncangannya bisa lebih langsung
    • Kesalahan kategori lain menurut saya adalah fakta bahwa rel kereta pada dasarnya dibangun di atas subsidi sangat besar dari rakyat Amerika
      Hampir 10% wilayah daratan negara diserahkan kepada perusahaan-perusahaan rel untuk mewujudkannya
    • Kuncinya adalah rel kereta langsung menghasilkan nilai ekonomi begitu dibangun
      Sekarang rasanya sudah saatnya LLM menunjukkan dengan angka berapa nilai ekonomi nyata yang sebenarnya mereka hasilkan
      Sudah beberapa tahun berlalu, jadi mestinya hasil konkret sudah bisa disebutkan
    • Menyebut ini sebagai pembangunan infrastruktur rasanya berlebihan
      Peralatan yang dimasukkan ke data center adalah aset yang kehilangan nilai sebelum 10 tahun berlalu, dan listriknya pun sering ditopang turbin gas, jadi kesannya juga tidak terlalu meninggalkan infrastruktur jangka panjang

  • Kecemasan terhadap AI tampaknya akan cepat mereda jika ia berhasil menyelesaikan satu saja masalah besar umat manusia
    Misalnya terobosan setingkat carbon nanotube untuk space elevator atau fusi nuklir berkelanjutan akan langsung mengubah suasana

    • Sejauh ini pengobatan yang dipersonalisasi tampak sebagai kandidat paling menjanjikan, tetapi saya ingin bertanya apakah itu sudah cukup
    • Setidaknya mereka sangat piawai membuat killer front end yang mengesankan para investor, begitu kesan sinis saya
    • Sebenarnya kritik seperti ini juga bisa diajukan ke semua teknologi peningkat produktivitas sebelum AI
      Mesin tik dan laptop pun mungkin dulu mendapat skeptisisme yang serupa

  • Saya rasa contoh besar yang hilang dari perbandingan ini adalah senjata nuklir
    AS menghabiskan sekitar 12 triliun dolar dalam nilai dolar 2024 untuk senjata nuklir dari 1940 sampai 1996, dan sebagian besar terkonsentrasi pada 1950-an dan awal 1960-an
    Angkanya bisa dilihat di Wikipedia: Nuclear weapons of the United States

  • Saya makin ragu apakah pengeluaran dan risiko sebesar ini memang pantas
    Saya khawatir kita secara kolektif sedang terbius AI dan membuat keputusan yang tidak terlalu sehat

    • Menurut saya juga tidak tampak pantas
      Di YouTube, Ed Zitron sering meluapkan kemarahannya tentang topik ini, dan cukup menarik sekaligus mudah disetujui
    • Saya dulu juga berpikir serupa, tetapi sekarang saya cenderung melihat perlombaan membangun ini cukup rasional
      Lab AI besar masih tampak berlomba mendapatkan compute, dan permintaan inferensi pun terlihat sulit dikejar

  • Ini bukan satu proyek tunggal, melainkan fenomena menuangkan uang ke compute di ratusan sampai ribuan proyek serupa
    Sebagai analogi, ini lebih mirip menjumlahkan seluruh belanja untuk infrastruktur transportasi selama periode tertentu ketimbang satu proyek spesifik

  • Terkait topik ini, presentasi Justin Lebar benar-benar bagus
    Dia orang yang membuat xla compiler dan juga pernah bekerja di OpenAI; ceramah ini membantu memahami konteksnya

  • Terkait diskusi ini, rasanya tautan grafik lain juga layak dilihat

  • Saya penasaran apakah ini benar-benar pengeluaran yang sudah direalisasikan
    Apakah ini uang yang benar-benar sudah berpindah tangan, atau hanya angka komitmen yang diumumkan sebagai “kami akan menginvestasikan $X”?
    Saya juga penasaran bagaimana kontrak bergaya circular ownership seperti itu dihitung

    • Sebagian besar adalah committed capital, dan perlu diingat banyak data center bahkan belum mulai dibangun

  • Saya penasaran apa tepatnya yang termasuk dalam datacenter capex di sini
    Khususnya saya ingin tahu apakah fasilitas pembangkitan listrik juga masuk
    Bahkan jika demam AI tidak menghasilkan capaian sebesar yang diharapkan, bila banyak infrastruktur pembangkit seperti surya, angin, dan hidro berhasil dibangun, itu sendiri bisa menjadi hasil besar

    • Secara realistis, data center sulit dijalankan hanya dengan solar atau wind
      Bahkan dengan baterai pun masih kurang, dan fasilitas baru yang benar-benar dibangun sering kali bergantung pada gas dan batu bara, seperti pada kasus xAI milik Musk