Narratif inti investasi infrastruktur AI sedang menghadapi tantangan serius pada tingkat ekonomi unit. Harga token anjlok lebih cepat dari yang diperkirakan, dengan High School Silicon Data LLM Token Expenditure Index turun 29% hanya dalam satu bulan pada Agustus menjadi sekitar $0,97, pertama kali jatuh di bawah ambang $1 per juta token. Sementara itu, penggunaan platform OpenRouter meningkat 47%, tetapi pengeluaran dalam dolar hanya naik 7%. Selisih antara volume yang naik dan harga yang turun mengungkapkan kontradiksi mendasar: pengembalian pasar saham dihitung dalam dolar, bukan jumlah token. Ini menandai perubahan mendasar pada logika pendapatan yang selama dua tahun terakhir mendukung valuasi sektor AI, dengan pasar kredit telah lebih dulu mengirimkan peringatan.

Penulis artikel, sumber: Wall Street Journal

Narratif inti investasi infrastruktur AI sedang menghadapi tantangan serius di tingkat ekonomi per unit. Kejatuhan harga token telah melampaui ekspektasi pasar sebelumnya, menyebabkan fondasi pendapatan yang selama dua tahun terakhir mendukung valuasi sektor AI goyah secara mendasar.

Menurut laporan terbaru dari Rich Privorotsky, kepala trading desk One-Delta di Goldman Sachs, Silicon Data LLM Token Expenditure Index (kode: SDLLMTK), yang mengukur rata-rata harga tertimbang setiap juta token di pasar, turun 29% pada bulan Agustus saja, menutup bulan pada sekitar $0,97, mencatat level terendah sepanjang sejarah, dengan penurunan kumulatif lebih dari 50% sejak puncaknya di Mei sekitar $2,05. Ini adalah pertama kalinya indeks ini menembus batas $1 per juta token.

Sementara itu, menurut laporan pusat data JPMorgan, penggunaan Token di platform OpenRouter pada Agustus meningkat sekitar 47% bulan ke bulan, tetapi pengeluaran dalam dolar hanya meningkat sekitar 7%. Selisih antara peningkatan volume dan penurunan harga secara langsung mengungkapkan kontradiksi inti dalam logika investasi AI saat ini: imbal hasil pasar saham dihitung dalam dolar, bukan dalam jumlah Token, dan pengeluaran modal untuk pusat data skala super besar dihitung berdasarkan perkiraan pendapatan dalam dolar.

Privorotsky dalam laporan tersebut secara jelas menyatakan, "Lebih banyak permintaan ditambah harga yang lebih rendah, jika harga jatuh lebih cepat daripada laju konsumsi, tidak secara otomatis merupakan sinyal positif."

Harga token anjlok: bukan permintaan hilang, tetapi harga satuan yang runtuh

Indeks Pengeluaran Token LLM dari Silicon Data bukanlah indikator yang mengukur permintaan token, melainkan indeks harga yang ditimbang berdasarkan penggunaan. Perusahaan tersebut sendiri telah menyarankan pasar bahwa penurunan indeks ini mungkin disebabkan oleh penurunan harga, perpindahan pengguna ke model open-source berbiaya rendah, atau keduanya, dan tidak berarti bahwa penggunaan AI sedang menyusut.

Namun, inilah justru masalahnya. Volume routing OpenRouter meningkat signifikan, tetapi harga sewa GPU H100 justru turun—ini bertentangan dengan narasi “permintaan token melonjak”. Privorotsky menunjukkan bahwa data Agustus menunjukkan pola yang jelas: volume meningkat tajam, harga jatuh lebih dalam, dan pengeluaran dalam dolar hampir tidak bergerak.

Kesimpulan Goldman Sachs adalah bahwa penetapan harga saham selama dua tahun terakhir didasarkan pada asumsi bahwa "lebih banyak token sama dengan lebih banyak pendapatan", dan data Agustus pertama kali secara jelas membantah asumsi ini.

Peningkatan persaingan dan inferensi lokal: Erosi struktural pada model penetapan harga per Token

Privorotsky dalam laporannya secara terbuka menyatakan keraguan terhadap model bisnis berkelanjutan berbasis pembayaran per token. Logika penetapan harga inferensi cloud per juta token bergantung pada tiga asumsi yang harus benar secara bersamaan: model terlalu besar untuk dijalankan secara lokal, pengguna tidak dapat menggantinya dengan alternatif open-source, dan beban kerja cukup fluktuatif sehingga membangun infrastruktur komputasi sendiri tidak ekonomis. Ketiga asumsi ini saat ini sedang runtuh secara bersamaan.

Di sisi perangkat keras, laptop kelas RTX Spark, workstation DGX Spark, Mac Studio yang menjalankan model dengan parameter sebesar 70 miliar, serta NPU dengan daya komputasi antara 40 hingga 75+ TOPS, telah menekan biaya marjinal setiap Token hingga mendekati tingkat biaya listrik. Setelah tagihan API bulanan perusahaan melebihi biaya amortisasi perangkat senilai 5.000 hingga 15.000 dolar AS, perusahaan tersebut berubah dari konsumen Token menjadi pembeli perangkat keras sekali beli, bukan lagi pelanggan langganan perangkat lunak yang secara konsisten memberikan margin keuntungan 40%.

Di segi persaingan model, Muse Spark 1.3 yang diluncurkan Meta pada 2 September telah berada di kelas yang sama dengan GPT-5.6 Sol dan Claude Opus 5 dalam pengujian independen, dengan kinerja unggul dalam tugas agen dan generasi kode. Privorotsky menunjukkan, “Keunggulan terdepan dihitung dalam minggu, bukan menjadi moat, melainkan siklus produk.” Setiap kali model suboptimal cukup dekat dan lebih murah, perusahaan akan menghindari lapisan premium, dan indeks harga token merupakan agregasi dari keputusan rute ini.

Tekanan pada logika pengeluaran modal: Pasar kredit telah lebih dulu mengeluarkan peringatan

Laporan Goldman Sachs menunjukkan bahwa siklus pengeluaran modal AI kali ini bukan merupakan pengeluaran operasional yang fleksibel, melainkan komitmen aset berat yang telah terikat. Menurut laporan tersebut, total pengeluaran modal lima penyedia cloud skala besar yang mendapat peringkat diperkirakan mencapai sekitar $737 miliar pada tahun 2026, atau sekitar 38% dari pendapatan mereka. Moody's telah mengeluarkan peringatan mengenai tekanan pada arus kas bebas, transformasi neraca dari aset ringan menjadi aset berat, serta komitmen sewa yang tidak tercantum dalam bentuk obligasi tetapi secara substansial membatasi penerbit.

Reaksi pasar kredit telah mendahului pasar saham. Menurut statistik terhadap obligasi terkait, dari 91 obligasi raksasa penyedia cloud yang diterbitkan pada 2026, sudah 78 obligasi jatuh di bawah harga penerbitan sebelum akhir Agustus. Privorotsky menyebut ini sebagai "penilaian ulang kredit" dan menunjukkan bahwa kelipatan valuasi saham adalah indikator tertinggal.

Rantai logikanya jelas: Harga token turun 30%, penggunaan meningkat 20%, mengarah pada penurunan pendapatan inferensi; pendapatan inferensi menurun sementara penyusutan dan bunga selama siklus pembangunan 2025 hingga 2027 masih terus meningkat, sehingga tingkat pengembalian investasi runtuh; setelah tingkat pengembalian investasi runtuh, pasar tidak memerlukan narasi dramatis "ledakan gelembung", cukup dengan menyesuaikan multiplikator valuasi agar mencerminkan tingkat perusahaan utilitas yang memiliki banyak aset tetapi memiliki keterbatasan dalam kemampuan penetapan harga.

GPT-6 Astra: Satu-satunya variabel narasi yang masih tersisa

Dalam laporan tersebut, Privorotsky memandang model generasi berikutnya OpenAI, Astra, sebagai satu-satunya katalis jangka pendek yang berpotensi membalikkan situasi saat ini. Pada 1 September, OpenAI menyatakan bahwa Astra telah mencapai ambang batas keamanan siber kunci di bawah Kerangka Kesiapan, menjadi model pertama yang dimasukkan ke dalam kategori tersebut.

Namun, tim perdagangan Goldman Sachs tetap berhati-hati. Model agresif yang memiliki akses terbatas, memerlukan pemantauan, dan memiliki hambatan penggunaan tidak secara otomatis menambah kolam pendapatan Token. Jika beban kerja bernilai tinggi tetap berada di lingkungan pengujian terkendali dan tidak masuk ke sistem penagihan publik, Astra bahkan mungkin mengurangi jumlah Token penagihan.

Kesimpulan laporan adalah: Astra adalah variabel terakhir dalam jangka dekat yang dapat menggeser kembali portofolio pendapatan ke tingkat bernilai lebih tinggi. Sebelumnya, data harga Token pada Agustus adalah sinyal paling akurat mengenai kondisi pasar saat ini—permintaan dapat tumbuh tanpa batas, tetapi jika harga saat permintaan tak terbatas datang tidak mampu menutupi biaya utang yang dikeluarkan untuk membangun pusat data, harga saham tetap bisa turun.