Penulis: Huohuo
Judul asli: Amazon memberhentikan staf organisasi AGI, apakah penopang valuasi AI AWS akan diganti?
TL;DR
· Amazon mengonfirmasi bahwa organisasi AGI menghapus sejumlah posisi, sekaligus menyatakan bahwa model AI besar tetap menjadi fokus utama.
· Perbedaan pasar terletak pada apakah penyesuaian ini merupakan penurunan model internal atau fokus ulang pada proyek berbayar pelanggan.
· Aset terkait: AMZN, AWS, Anthropic, rantai infrastruktur awan AI.
Amazon mengonfirmasi pada 22 Juli bahwa sejumlah posisi di organisasi AGI-nya dihapus, sambil menyatakan bahwa perusahaan masih membangun model AI besar dan menyebut ini sebagai salah satu pekerjaan paling penting. Menurut laporan yang dikutip Reuters, Amazon menjelaskan penyesuaian ini sebagai upaya untuk memfokuskan sumber daya pada bidang-bidang paling penting bagi pelanggan di masa depan.
Pemutusan hubungan kerja kali ini tidak mengungkapkan jumlah pastinya, dan tidak bisa langsung ditafsirkan sebagai penolakan Amazon terhadap AGI. Ini lebih mirip membawa ketegangan dalam narasi AI Amazon ke depan: perusahaan teknologi besar masih berinvestasi miliaran dolar AS dalam infrastruktur AI, tetapi tim yang paling dekat dengan ambisi jangka panjang AI mulai menerima penyusutan organisasi.
Bagi investor, masalahnya bukan berapa banyak orang yang di-PHK oleh Amazon, tetapi penilaian AI AWS sedang ditinjau ulang. Sebelumnya, pasar bersedia membayar premi untuk AI teknologi besar, dengan asumsi bahwa semakin kuat kemampuan model, semakin besar pendapatan masa depannya. Sekarang, pertanyaan yang lebih realistis adalah, kapan investasi ini akan berubah menjadi pendapatan dari pelanggan, pendapatan cloud, dan perbaikan margin keuntungan.
AGI (Artificial General Intelligence) dapat dipahami secara sederhana sebagai tujuan jangka panjang yang belum terwujud, yaitu membuat AI mampu belajar dan memecahkan masalah lintas bidang seperti manusia. Ini mewakili imajinasi jangka panjang, tetapi tidak serta-merta menjadi sumber pendapatan. Yang dibutuhkan AWS adalah mengemas kemampuan AI menjadi layanan yang dapat dibeli, digunakan, dan disesuaikan oleh perusahaan saat ini.
Semakin besar investasi AI, semakin keras pengambilan keputusan organisasi
Kunci pemutusan hubungan kerja kali ini bukan apakah Amazon akan terus mengembangkan model. Pernyataan resmi telah menetapkan batasannya: model besar tetap menjadi fokus utama, tetapi sumber daya akan dialokasikan ke proyek-proyek yang paling dipedulikan pelanggan dan memiliki prioritas tertinggi.
Organizational moves show that AI investment has not stopped, but the tolerance for error is decreasing. In December 2025, Amazon restructured its AI leadership, with Andy Jassy announcing that Peter DeSantis would oversee the new organization related to AI models, chips, and quantum computing. Rohit Prasad departed by the end of 2025, and Pieter Abbeel took charge of frontier model research within AGI. Reports cited by Reuters also mention that David Luan, head of the AGI Lab, left in February 2026.
Dilihat secara keseluruhan, perubahan-perubahan ini menunjukkan bahwa Amazon bukan keluar dari perlombaan senjata AI, melainkan mengatur ulang portofolio investasi internalnya. Penelitian jangka panjang tetap memiliki nilai naratif, tetapi proyek-proyek yang lebih dekat dengan pelanggan, pendapatan, dan produk sedang mendapatkan prioritas lebih tinggi.
Ini juga menjadi latar belakang umum dalam perdagangan AI teknologi besar. Dua tahun terakhir, pasar terutama memperdagangkan siapa yang berani mengeluarkan uang, siapa yang memiliki daya komputasi, dan siapa yang memiliki model. Sekarang, pengeluaran modal sendiri sudah tidak lagi cukup langka, para investor mulai menanyakan tingkat pengembalian: apakah tim model, chip, pusat data, dan bakat pada akhirnya dapat menghasilkan pendapatan.
Nova Forge menyediakan alat komersial
Untuk memahami penyesuaian ini, perhatikan Nova Forge yang dirilis AWS selama AWS re:Invent pada Desember 2025. Bukan chatbot biasa, melainkan serangkaian layanan yang membantu perusahaan melatih model khusus.
Dalam pendekatan tradisional, jika sebuah perusahaan ingin memiliki model mutakhir yang sesuai dengan industri mereka, mereka harus melatih dari awal, yang biayanya sangat tinggi; atau melakukan fine-tuning pada model yang sudah ada, dengan kemampuan dan kendali yang terbatas. Pendekatan Nova Forge adalah memungkinkan pelanggan untuk memulai dari checkpoint dalam proses pelatihan model Amazon Nova, lalu memasukkan data mereka sendiri dan kumpulan data yang disusun oleh Amazon pada berbagai tahap pelatihan.
Amazon menyebut ini sebagai pelatihan terbuka. Dengan kata sederhana, perusahaan tidak perlu membuat model besar dari nol, tetapi bisa memulai dari dasar model yang sudah dilatih Amazon hingga tahap tertentu, lalu memasukkan pengetahuan industri mereka sendiri sejak awal. Dengan cara ini, mereka dapat mewarisi kemampuan dasar sekaligus lebih mudah mencapai keahlian spesifik di bidangnya.
Jalur ini penting bagi AWS karena berusaha mengubah kemampuan model menjadi produk layanan cloud. Pelanggan tidak hanya memanggil antarmuka model, tetapi juga melatih, menampung, mendeploy, dan mengoptimalkan model mereka sendiri di AWS. Jika produk ini berjalan lancar, hal ini dapat membawa konsumsi daya komputasi, loyalitas platform, dan pendapatan operasional berkelanjutan.
Namun, informasi yang ada tidak membuktikan bahwa sumber daya AGI yang di-PHK telah dialihkan ke Nova Forge. Penilaian yang lebih aman adalah bahwa penyesuaian organisasi AGI dan munculnya produk berorientasi pelanggan seperti Nova Forge menunjukkan bahwa Amazon cenderung meningkatkan bobot proyek komersial.
Fokus persaingan AWS beralih ke kustomisasi pelanggan
Posisi Amazon dalam kompetisi model dasar selalu cukup unik. Ia mengembangkan Nova secara mandiri, sekaligus berinvestasi di Anthropic, dan harus mempertahankan netralitas serta ekosistem model AWS sebagai platform cloud.
Ini menentukan bahwa AWS tidak selalu menang hanya dengan model terkuat di dunia. Bagi pelanggan perusahaan, peringkat model penting, tetapi bukan satu-satunya standar. Pertanyaan yang lebih realistis adalah, apakah bisa mengakses data internal perusahaan, apakah bisa memenuhi persyaratan keamanan dan kepatuhan, apakah bisa menurunkan biaya pelatihan, dan apakah bisa berjalan bersama layanan cloud yang sudah ada.
Nova Forge secara tepat mencerminkan logika persaingan ini. Ia menggeser medan pertempuran dari peringkat kemampuan model umum ke apakah perusahaan dapat melatih model mereka sendiri dengan biaya lebih rendah. Jika jalur ini berhasil, AWS dapat mengintegrasikan pendapatan AI ke dalam bisnis utama cloud computing, bukan hanya mempertaruhkan satu produk AI konsumen.
Ini juga menjelaskan mengapa Amazon tetap mempertahankan narasi AGI sambil mengurangi sejumlah posisi. Yang pertama mempertahankan imajinasi teknologi jangka panjang, sementara yang kedua mendorong tim untuk mengalokasikan sumber daya ke arah yang lebih mudah diverifikasi oleh kebutuhan pelanggan.
Bagi AMZN, pasar pada akhirnya tidak akan hanya melihat apakah Amazon memiliki tim AGI. Yang lebih penting adalah, apakah AWS dapat membuktikan bahwa layanan AI meningkatkan pengeluaran pelanggan, memperkuat loyalitas, sekaligus tidak secara signifikan menurunkan margin laba.
Order dan margin akan memberikan jawaban
Pemutusan hubungan kerja ini mudah dianggap sebagai dua ekstrem: entah itu kegagalan AI Amazon, atau sekadar optimasi rutin yang tidak penting. Informasi yang ada tidak mendukung kesimpulan semacam itu.
Penilaian yang lebih masuk akal adalah bahwa Amazon masih berada dalam perlombaan senjata AI, tetapi anggaran internal dan alokasi bakat sedang berpindah ke arah yang dapat dijual kepada pelanggan. Perubahan ini bermakna bagi investor, karena premium AI AMZN akan semakin bergantung pada hasil komersialisasi AWS, bukan hanya pada narasi model.
Verifikasi akan fokus pada beberapa hal spesifik. Apakah Nova Forge dapat memperoleh pelanggan perusahaan nyata, apakah pelanggan bersedia membayar secara berkelanjutan, dan apakah model yang dilatih lebih hemat biaya dibandingkan fine-tuning biasa, semuanya akan menentukan apakah itu merupakan produk yang efektif.
Variabel lainnya adalah kebocoran bakat. Jika penyesuaian organisasi AGI hanya berupa optimasi posisi yang tidak penting, dampaknya terbatas; jika bakat inti di bidang penelitian dan teknik keluar, daya saing jangka panjang model buatan Amazon akan melemah. Ketegangan antara narasi resmi dan realitas organisasi pada akhirnya harus diatasi melalui tingkat adopsi produk, pendapatan AI AWS, dan pengembalian belanja modal dalam laporan keuangan berikutnya.
Twitter：https://twitter.com/BitpushNewsCN
Grup diskusi TG BitPush: https://t.me/BitPushCommunity
Langganan TG BitPush: https://t.me/bitpush