Persaingan ini akhirnya berfokus pada perebutan kendali atas tiga medan: lapisan komputasi (perlombaan senjata CAPEX, $805 miliar/tahun), lapisan model (persaingan riset dan pengembangan Anthropic/OpenAI/Google), dan lapisan alur kerja (perang untuk menjadi pintu masuk Cursor/Copilot/SaaS perusahaan). Sungguh-sungguhnya, moat sejati hanya terbentuk di lapisan terakhir—siapa yang mengendalikan alur kerja, ia yang mengendalikan roda data, dan ia yang memiliki keunggulan struktural dalam iterasi model berikutnya. Harga akuisisi Cursor sebesar $60 miliar pada dasarnya adalah titik acuan terbaru pasar terhadap "kendali atas alur kerja", dan harga ini masih terus meningkat.

Penulis artikel, sumber: SkillsMaster

Pendahuluan: Tiga Medan Pertempuran dan Satu Tesis Inti

Pada tahun 2026, konsentrasi modal terbesar dalam sejarah manusia sedang terjadi. Enam raksasa teknologi Amerika akan menginvestasikan $805 miliar (sekitar 5,8 triliun yuan Cina) untuk pembangunan infrastruktur AI pada tahun ini—angka ini melebihi PDB tahunan sebagian besar negara, dan lebih dari dua kali lipat anggaran pertahanan Amerika Serikat pada tahun 2023.

Sementara itu, SpaceX mengakuisisi Cursor (sebuah alat pemrograman AI yang nilainya hanya $59 juta tiga tahun lalu) melalui transaksi seluruh saham senilai $600 miliar, menandatangani kesepakatan pada hari keempat setelah IPO SpaceX, memicu kenaikan 17% dalam satu hari untuk SPCX dan nilai pasar sementara melebihi Microsoft. Pendapatan tahunan Anthropic melonjak dari $10 miliar menjadi $470 miliar dalam 16 bulan, meskipun perusahaan ini belum pernah mencatat keuntungan kuartalan, dan valuasi telah mendekati $965 miliar.

Di balik peristiwa-peristiwa ini terdapat berbagai front dari perang yang sama. Artikel ini memecah perang ini menjadi tiga medan pertempuran yang terpisah namun saling bergantung: perlombaan senjata CAPEX di lapisan komputasi, persaingan pengembangan di lapisan model, dan perebutan pintu masuk di lapisan alur kerja. Argumen intinya adalah: kedalaman parit pertahanan di ketiga lapisan ini sama sekali berbeda, dan sebagian besar pelaku pasar salah menempatkan perhatian mereka pada lapisan yang salah.

Bab Satu: Lapisan Hashrate: Perlombaan Senjata CAPEX $805M

Lapisan daya komputasi adalah dasar material perang ini sekaligus ambang batas untuk masuk. Pada tahun 2023, enam pemain ultra-skala besar AS (Amazon AWS, Google Alphabet, Microsoft Azure, Meta, Oracle Cloud, CoreWeave) memiliki total CAPEX sebesar $146 miliar; pada tahun 2026, angka yang diprediksi adalah $805 miliar, dengan pertumbuhan 451% dalam tiga tahun.

Jensen Huang dalam GTC Taipei 2026 mengusulkan logika ekonomi inti pabrik AI: kekuatan komputasi sebagai pendapatan, karena setiap Token adalah pendapatan, setiap Token adalah laba. Logika ini mengubah CAPEX dari "biaya" menjadi "investasi kapasitas produksi"—seperti pabrik yang membangun lebih banyak lini produksi. Pengeluaran modal untuk pabrik AI per GW telah mencapai $50–80 miliar, dan sistem rak NVIDIA Vera Rubin NVL72 mengurangi biaya inferensi hingga 10 kali dibanding Blackwell, memperkuat model ekonomi ini lebih lanjut.

Pada tahun 2023, CAPEX keenam perusahaan ini hanya menyumbang 40% dari arus kas operasional, dengan sejumlah besar kas digunakan untuk pembelian saham dan dividen. Pada tahun 2026, rasio ini melebihi 100%, yang berarti arus kas operasional saja tidak lagi mampu menutupi pengeluaran infrastruktur, sehingga perusahaan terpaksa beralih ke pembiayaan eksternal. Pembiayaan ekuitas senilai $84,75 miliar oleh Alphabet (Juni 2026)—menggunakan struktur modal bertingkat ($40 miliar saham preferen yang dapat dikonversi + $10 miliar obligasi tanpa kupon + $34,75 miliar saham biasa dan preferen)—merupakan produk langsung dari tekanan ini, sekaligus pembiayaan ekuitas tunggal terbesar sepanjang sejarah.

Ketahanan lapisan hashrate bersifat nyata, tetapi itu adalah ambang masuk, bukan keunggulan diferensiasi. Orang yang memiliki hashrate hanya mendapatkan "kualifikasi untuk berpartisipasi", tetapi tidak bisa memenangkan persaingan akhir hanya dengan itu.

Data harga saham M7 (per 18 Juni 2026) mengungkapkan kontradiksi struktural: NVIDIA adalah penerima manfaat paling langsung dari perlombaan senjata CAPEX, namun harga sahamnya turun 18,9% sejak awal 2026, merupakan penurunan terbesar di antara M7. Pasar sedang memperhitungkan risiko jangka panjang—CAPEX skala besar dari pembeli hilir, sebagian besar digunakan untuk membangun jalur ASIC mandiri yang melewati NVIDIA (AWS Trainium, Google TPU v7, Microsoft Maia). Kinerja CoreWeave +240% dan Micron +259% (YTD 2026) mencerminkan penilaian pasar modal terhadap manfaat di tengah rantai pasokan AI.

Bab Dua: Lapisan Model: Persaingan R&D dan "Ilusi Parit Pertahanan"

Jika lapisan hash rate menentukan siapa yang berhak berpartisipasi, dan lapisan model menentukan siapa yang memimpin di awal kompetisi—namun data Sensor Tower telah membuktikan bahwa keunggulan lapisan model tidak dapat diubah menjadi penguncian pengguna yang berkelanjutan.

ChatGPT mengalami penurunan dari sekitar 85% pangsa global pada Mei 2023 menjadi sekitar 43% pada Mei 2026, turun lebih dari 40 poin persentase, tanpa ada pemulihan sama sekali. Kurva ini menyampaikan sinyal inti: efek jaringan LLM konsumen sangat lemah. Pengguna beralih berdasarkan manfaat langsung, tanpa keterikatan sosial seperti "teman-teman saya ada di sini, jadi saya juga di sini", dan tidak ada perpustakaan konten yang terakumulasi selama bertahun-tahun (seperti pustaka film Netflix).

Pada Januari 2025, peluncuran DeepSeek menyebabkan fluktuasi satu kali terbesar dalam sejarah urutan waktu—ChatGPT kehilangan sekitar 10 poin persentase dalam beberapa minggu. Ini menunjukkan bahwa alternatif open-source, gratis, dan berkinerja setara saja cukup untuk mengalihkan puluhan juta pengguna dalam waktu singkat. Biaya beralih di sisi konsumen untuk LLM sebenarnya mendekati nol.

Anthropic sejak berdiri pada 2021 belum pernah mencapai keuntungan kuartalan, pada 2024 menghabiskan $56 miliar kas dalam satu tahun (margin kotor -94%), namun valuasi pada pertengahan 2026 mencapai $965 miliar (Series H). Pendapatan tahunan tumbuh dari $10 miliar pada Januari 2025 menjadi $470 miliar pada Mei 2026—meningkat 47 kali dalam 16 bulan.

Inti dari logika penilaian ini bukan pada laba saat ini, melainkan pada double lock-in yang dibentuk oleh integrasi API perusahaan: 80% pendapatan berasal dari pelanggan perusahaan, dan kode base, sistem kepatuhan, serta proses produk dari 300.000+ pelanggan bisnis telah terintegrasi secara mendalam ke dalam API Claude. Biaya beralih bukan lagi masalah "model mana yang lebih baik", melainkan "biaya teknis untuk merekonstruksi seluruh integrasi"—biaya ini seringkali jauh melebihi perbedaan kinerja model.

Lapisan model memiliki moat yang sementara—peluncuran model baru setiap 6-12 bulan dapat menghapus keunggulan kinerja. Yang benar-benar menciptakan keterikatan adalah alur kerja dan integrasi data yang dibangun di atas model.

Bab Ketiga: Lapisan Alur Kerja: Persaingan Masuk ke Cursor, Copilot, dan SaaS Perusahaan

Lapisan alur kerja adalah medan pertempuran dengan moat terdalam dan durasi terpanjang di antara ketiganya. Memasuki alur kerja berarti memasuki lingkungan di mana pengguna bekerja selama 8 jam sehari—setelah kebiasaan terbentuk, data terakumulasi, dan proses terintegrasi, biaya penggantian akan naik dari "apakah modelnya mudah digunakan" menjadi "rekonstruksi seluruh sistem kerja".

Analisis Kasus Mendalam | SpaceX Mengakuisisi Cursor senilai $60 miliar: Dari Seed $59 juta hingga Akuisisi Alat AI Termahal Sepanjang Masa

Cursor dibuat pada tahun 2023 oleh empat mahasiswa sarjana MIT dengan meng-fork VS Code, mengubah paradigma interaksi antara pengembang dan kode melalui alur kerja "Vibe Coding"—pengembang tidak lagi perlu menangani sintaks tingkat rendah, melainkan melakukan pengaturan AI berdimensi tinggi dengan bantuan AI. Pada masa puncaknya, Cursor menguasai 41% pangsa pasar alat pemrograman AI dan menyumbang sekitar separuh pendapatan API Anthropic Claude.

Pelajaran paling penting dari kasus Cursor bukanlah keberhasilannya, melainkan kerapuhan strukturalnya. Setelah Anthropic memutus akses Claude pada tahun 2026, pangsa pasar AI programming Cursor anjlok dari 41% menjadi 26%. Kejadian ini secara jelas mengungkapkan: kelekatan alur kerja di lapisan aplikasi bergantung pada stabilitas pasokan di lapisan model; sekali pihak penyedia dasar menarik kendali, kelekatan alur kerja sekuat apa pun akan langsung gagal.

SpaceX diakuisisi dengan transaksi semua saham senilai $60 miliar, pada dasarnya menyelesaikan risiko pasokan ini dengan menggunakan neraca—dengan mengintegrasikan model Grok dari xAI dan superkomputer Colossus di Memphis (salah satu klaster GPU terbesar di dunia), menginternalisasi pasokan model, sekaligus mempertahankan data keputusan kode pengembang nyata dalam jumlah besar yang dikumpulkan oleh Cursor. Generasi kode adalah skenario aplikasi bernilai tertinggi bagi LLM, dan data ini memiliki nilai tak tergantikan bagi perbaikan berkelanjutan model xAI. 2

Strategi alur kerja Microsoft berbeda sepenuhnya dengan SpaceX/Cursor. Copilot tidak mengandalkan pertumbuhan alami yang didorong oleh pengalaman produk, tetapi memanfaatkan penetrasi paksa melalui 345 juta pelanggan berlangganan bayar Microsoft 365. Pendapatan tahunan GitHub Copilot telah melebihi $2 miliar (2026), dengan tingkat pembaruan perusahaan melebihi 85%.

Yang lebih penting lagi adalah keunggulan data Microsoft: data alur kerja perusahaan yang terakumulasi melalui produk-produk seperti Office, Teams, dan Outlook menciptakan kemampuan pemahaman konteks yang sulit ditiru oleh alat AI independen. Ketika Copilot dapat merujuk catatan rapat Teams kemarin dalam dokumen Word, sekaligus menghubungkan rantai email terkait di Outlook, biaya peralihan telah naik dari "penggantian perangkat lunak" menjadi "putusnya memori kerja".

Persaingan di lapisan alur kerja tidak terbatas pada alat AI umum. Vendor SaaS perusahaan tradisional sedang mengintegrasikan kemampuan LLM ke dalam produk inti mereka, membentuk kontrol alur kerja AI yang vertikal. Kemampuan Salesforce Einstein GPT untuk mengakses data CRM secara langsung membuatnya memiliki tingkat keterikatan yang jauh lebih tinggi dalam alur kerja penjualan dibandingkan antarmuka LLM umum apa pun. Integrasi Workday AI dalam proses pengambilan keputusan sumber daya manusia juga menciptakan biaya migrasi data dan proses yang sangat tinggi.

Kasus paralel historis | WhatsApp ($22 miliar) → Cursor ($60 miliar): Evolusi paradigma akuisisi efek jaringan

Pada tahun 2014, Facebook mengakuisisi WhatsApp senilai $22 miliar (dengan $19 miliar = $4 miliar kas + $15 miliar saham), saat itu WhatsApp mengalami kerugian bersih $138 juta pada tahun 2013 dan hampir tidak memiliki pendapatan. Logika akuisisi: jaringan sosial kontak pengguna menciptakan kunci horizontal, di mana setiap penambahan pengguna meningkatkan nilai seluruh jaringan (efek jaringan dua sisi klasik), dan motivasi pertahanan Facebook adalah mencegah pesaing mendapatkan akses ke pesan seluler.

Struktur logis Cursor mirip tetapi lebih kompleks: efek jaringan horizontal lebih lemah daripada WhatsApp (pengembang tidak dipaksa menggunakan Cursor hanya karena rekan kerja menggunakannya), tetapi roda data vertikal jauh lebih kuat daripada WhatsApp (data keputusan kode nyata terus meningkatkan model, menciptakan siklus self-reinforcing: alur kerja → data → model → alur kerja yang lebih baik). Nilai $60 miliar adalah harga pasar untuk kombinasi "kendali alur kerja + roda data kode", yang 172% lebih tinggi daripada WhatsApp, mencerminkan penilaian ulang nilai alur kerja di era LLM.

Bab 4 Perang AI Factory: Posisi, Pembangunan, dan Kondisi Kegagalan Moat

Berdasarkan analisis ketiga medan pertempuran, posisi parit pertahanan bukanlah tunggal. Pemain berbeda membangun hambatan dengan kekuatan berbeda di berbagai lapisan, tetapi pertanyaan kuncinya adalah: parit pertahanan mana yang dapat bertahan melewati siklus iterasi teknologi? Parit pertahanan mana yang akan gagal di bawah kondisi apa?

Memiliki klaster GPU dalam jumlah besar menciptakan hambatan masuk, tetapi tidak membangun keunggulan diferensiasi—karena pesaing dapat membeli perangkat keras yang sama dengan modal yang sama. Platform Vera Rubin dari NVIDIA mengurangi biaya inferensi hingga 10 kali lipat, yang berarti penurunan cepat biaya komputasi akan lebih melemahkan nilai benteng dari "memiliki lebih banyak daya komputasi." Kondisi kegagalan benteng lapisan komputasi: ASIC buatan sendiri mencapai kematangan skala besar (diperkirakan tahun 2027-2028), pada saat itu keunggulan biaya inferensi dari penyedia cloud skala sangat besar akan sangat terkompresi.

Data nyata dari keputusan kode pengembang yang dikumpulkan oleh Cursor, data bisnis eksklusif yang terakumulasi dari panggilan API perusahaan Anthropic, dan data alur kerja perusahaan yang dikumpulkan oleh Microsoft melalui Office 365, mewakili aset paling terlindungi di era AI. Kedalaman moat roda data bergantung pada dua variabel: kepemilikan data (apakah dapat disalin atau digantikan oleh sintesis pihak lain) dan tingkat keterkaitan antara data dengan penyempurnaan model (apakah data benar-benar mendorong kemampuan diferensiasi model).

Kontrol alur kerja adalah bentuk parit pertahanan dengan durasi terpanjang di antara ketiganya. Logika pertahanannya tidak bergantung pada kepemimpinan berkelanjutan dalam kinerja model (yang dapat mengganti pemasok di lapisan model), tetapi bergantung pada biaya friksi migrasi—menulis ulang prompt, membangun ulang integrasi API, melatih ulang karyawan, dan menjalani ulang audit kepatuhan keamanan. Jumlah total biaya ini sering kali melebihi peningkatan efisiensi yang dibawa oleh model baru, menciptakan keterikatan inertial yang berkelanjutan.

Ada tiga kondisi kedaluwarsa: ① Munculnya paradigma alur kerja revolusioner (misalnya, melompat dari "pemrograman dibantu AI" ke "pemrograman sepenuhnya otonom AI", yang mereset logika alur kerja secara keseluruhan); ② Penerapan antarmuka terbuka dan standar yang menghilangkan biaya migrasi (misalnya, protokol pemanggilan AI Agent yang seragam); ③ Persyaratan regulasi yang memaksa ketersediaan portabilitas data.

Semua tiga lapis moat dibangun di atas asumsi implisit: rantai pasokan stabil. Ketujuh chip yang dirancang secara kolaboratif di platform NVIDIA Vera Rubin seluruhnya diproduksi dengan proses 3nm TSMC, dan memori HBM4 berasal dari tiga produsen di Korea. Risiko geopolitik Taiwan dan larangan ekspor dapat mengganggu rantai pasokan perangkat keras kapan saja, dan risiko ini belum dihargai secara memadai dalam rencana CAPEX saat ini. Ini adalah satu-satunya risiko eksternal sistemik nyata dalam perang AI Factory.

Kesimpulan: Siapa yang akan menang dalam perang ini

Setelah analisis data dalam tiga bab, proposisi inti teks ini secara sistematis diverifikasi: moat persaingan AI tidak berada pada lapisan yang sama, lapisan kekuatan komputasi menentukan kelayakan bertahan, keunggulan di lapisan model bersifat sementara, dan hanya pemain yang mengendalikan lapisan alur kerja yang dapat membangun daya tawar berkelanjutan.

Data dari Sensor Tower telah membuktikan tidak ada ketahanan di sisi konsumen, dan penurunan pangsa ChatGPT menjadi separuh dalam tiga tahun adalah bukti paling jelas. Akuisisi Cursor senilai $60 miliar menunjukkan bahwa pasar telah menyesuaikan kembali harga terhadap "kendali alur kerja," dan harga ini akan terus meningkat. ARR Anthropic sebesar $47 miliar bersama dengan kerugian berkelanjutan membuktikan bahwa keterikatan yang dibentuk oleh integrasi API perusahaan cukup kuat untuk mendukung valuasi yang jauh melebihi laba saat ini.

Dari perspektif lanskap persaingan, Microsoft memiliki tiga lapisan moat paling seimbang—kekuatan komputasi Azure, akses ke model OpenAI, dan titik masuk alur kerja Office/GitHub; Anthropic memimpin dalam keterikatan API perusahaan tetapi menghadapi tekanan konsumsi modal berkelanjutan; keunggulan saluran distribusi Google (Android + Search) sulit ditiru di sisi konsumen; jalur integrasi vertikal SpaceX/xAI+Cursor masih dalam tahap verifikasi, tetapi jika berhasil akan membangun kombinasi moat paling sulit dipecahkan.

Perang terakhir bukanlah tentang model mana yang lebih cerdas, tetapi tentang alur kerja mana yang lebih sulit ditinggalkan. Ini adalah logika bisnis dasar yang telah terbukti sejak era WhatsApp, dan diperbesar hingga skala triliunan dolar di era LLM.

Sumber data dan catatan

1 Tim Analis Bank of America (April 2026); TrendForce Global Research (Mei 2026); Panduan laporan keuangan Q1 2026 Amazon, Alphabet, Microsoft, Meta, Oracle. Grafik data "U.S. AI Hyperscale CAPEX Sprint"; Grafik data "Capital Squeeze: CAPEX vs. OCF".

Pengumuman akuisisi SpaceX/Anysphere (Juni 2026); Pengungkapan resmi ARR Cursor; Bahan kuliah Prof. Chen Lin, Sekolah Bisnis HKU (Juni 2026); Database pendanaan Crunchbase.

Pengumuman pendanaan Seri H Anthropic (Mei 2026, valuasi $965 miliar); grafik data "Perusahaan Rugi Senilai $1 Triliun" dari materi kuliah HKU Business School; Bloomberg Terminal.

4 NVIDIA GTC Taipei 2026, pidato utama Jensen Huang (1 Juni 2026, Taipei Music Center); pengumuman produk NVIDIA Vera Rubin; SemiAnalysis "Vera Rubin: Extreme Co-Design" (Februari 2026).

5 Bloomberg Terminal; grafik data "M7 vs Micron 2026 YTD (18 Juni 2026)"; bahan kursus HKU Business School; laporan tahunan perusahaan tahunan.

6 Sensor Tower Global Research; Prof. Chen Lin (林晨教授), HKU Business School slide presentasi "Customer Price Sensitivity and Loyalty" (Juni 2026, data Worldwide).

Laporan keuangan Microsoft tahun fiskal 2026; Pengungkapan resmi ARR GitHub Copilot; Data pelanggan berlangganan berbayar Microsoft 365 (Q1 2026); Pernyataan Satya Nadella di Investor Day.

Pengumuman akuisisi Facebook/Meta WhatsApp (Februari 2014); data keuangan WhatsApp 2013; bahan kursus HKU Business School "Old Story in the previous cycle"; dokumen SEC.