Bayangin dua startup

Startup pertama berada di negara dengan listrik stabil, data center dekat, cloud AI kompetitif, banyak provider, fiber murah, dan akses GPU relatif gampang.

Startup kedua punya developer sama pintar, produk sama menarik, dan pasar sama besar. Tapi inference cost mereka dua kali lebih mahal.

Pada bulan pertama, mungkin bedanya nggak terasa.

Begitu jumlah user naik, gap-nya mulai brutal.

Chat AI tidak seperti software tradisional yang satu kali dibuat lalu biaya melayani user tambahan sangat kecil.

Setiap query punya biaya.

Reasoning lebih panjang, biaya naik.

Model lebih besar, biaya naik.

Video generation, naik lebih tinggi lagi.

Agent yang membuka lima website, memanggil tiga API, menjalankan code, lalu membuat laporan bisa memakai compute berkali-kali lebih banyak daripada chatbot yang cuma menjawab satu paragraf.

Kalau startup membayar compute mahal, mereka punya beberapa pilihan.

Naikkan harga.

Batasi pemakaian.

Pakai model lebih kecil.

Kurangi margin.

Atau bakar modal.

Semua pilihan punya konsekuensi.

Itulah kenapa compute murah bisa berubah menjadi competitive advantage nasional.

Bukan karena semua negara harus bikin frontier model, tetapi karena seluruh perusahaan di negara tersebut mendapat ruang eksperimen lebih luas.

AI economics akhirnya turun ke tagihan listrik

Di permukaan, AI terlihat seperti software.

Di belakang layar, dia industri fisik.

Server perlu daya.

GPU perlu cooling.

Data center perlu lahan.

Jaringan perlu fiber.

Backup perlu power.

Chip perlu supply chain.

Semakin banyak AI dipakai, semakin terasa hubungan antara digital economy dan utility infrastructure.

Ini membuat negara dengan energi kompetitif punya posisi baru.

Tapi “energi murah” sendirian tidak cukup.

Kalau listrik murah tetapi sering padam, data center tetap butuh redundansi mahal.

Kalau grid tidak punya kapasitas tambahan, proyek baru tertahan.

Kalau permitting lama, investor pindah.

Kalau masyarakat menolak karena air dan listrik tertekan, expansion ikut lambat.

Malaysia memberi contoh menarik.

Johor berkembang sangat cepat sebagai data center hub, tetapi pada 2026 Reuters melaporkan kecemasan soal penggunaan listrik, air, dan dampak lokal mulai meningkat. Pemerintah daerah dan operator harus mencari desain yang lebih efisien, termasuk treated wastewater dan standard sustainability yang lebih ketat.

Ini menunjukkan bahwa compute murah bukan sekadar mencari tempat dengan tarif listrik paling rendah.

Yang dicari adalah kombinasi murah, stabil, scalable, dan politically sustainable.

Murah di awal tapi bikin konflik sumber daya bukan advantage jangka panjang.

Compute murah memperbesar kesempatan untuk belajar

Ada aspek yang lebih penting dari sekadar margin perusahaan.

Negara dengan compute murah bisa melakukan lebih banyak percobaan.

Universitas bisa melatih model.

Mahasiswa bisa menjalankan inference.

Startup bisa A/B test.

Pemerintah bisa membuat sandbox.

Perusahaan bisa mencoba agent tanpa takut satu eksperimen menghabiskan budget.

Developer bisa gagal berkali-kali.

Dan kegagalan murah itu penting.

Innovation sebenarnya lahir dari banyak eksperimen yang sebagian besar tidak jadi produk.

Kalau setiap eksperimen mahal, hanya organisasi besar yang berani mencoba.

Ini membuat capability terkonsentrasi.

Perusahaan besar punya GPU.

Universitas kecil tidak.

Hyperscaler punya cluster.

Startup lokal hanya bisa pakai trial API.

Akhirnya talenta lokal belajar menggunakan AI, tetapi tidak belajar mengoperasikan AI.

Compute access adalah education policy juga.

Negara yang serius soal AI harus memikirkan bagaimana researcher dan startup mendapat akses compute, bukan hanya bagaimana investor besar bisa membangun gedung.

Eropa mulai memperlakukan compute seperti strategic infrastructure

Pada Juni 2026, Uni Eropa mengusulkan Cloud and AI Development Act sebagai bagian dari paket technological sovereignty.

Salah satu targetnya adalah mempercepat pembangunan data center, memperluas kapasitas cloud dan AI, serta membuat akses compute lebih kuat untuk bisnis dan administrasi publik.

Eropa juga mengembangkan AI Factories dan Gigafactories.

Yang menarik adalah framing-nya.

Compute tidak lagi dianggap sekadar produk cloud komersial.

Ia diperlakukan sebagai bagian dari industrial competitiveness.

Kenapa?

Karena kalau perusahaan Eropa harus selalu membeli compute dari provider luar kawasan, mereka punya dependency.

Kalau harga, akses, policy, atau geopolitik berubah, seluruh innovation stack ikut terpengaruh.

Sovereign compute bukan berarti semuanya harus dimiliki pemerintah.

Yang penting ada kapasitas yang cukup, kompetitif, dan bisa diakses ecosystem lokal.

Indonesia punya peluang, tapi hitungannya harus lengkap

Indonesia punya beberapa keunggulan.

Pasar besar.

Lokasi strategis.

Pertumbuhan digital tinggi.

Peluang energi terbarukan.

Batam dekat dengan Singapore.

Jawa punya demand besar.

Investasi data center sedang naik.

Pada 2026, BP Batam mengumumkan investasi AI data center bernilai sekitar US$5 miliar dari Equator Gate System Batam. CoreWeave juga mengumumkan tiga fasilitas baru di Indonesia sebagai ekspansi fisik pertamanya di Asia Pasifik.

Headline-nya kelihatan bagus.

Tapi pertanyaan strategisnya bukan hanya berapa banyak investment masuk.

Apakah compute yang dibangun benar-benar bisa diakses perusahaan Indonesia dengan harga kompetitif?

Apakah capacity-nya sebagian besar dipakai workload global?

Apakah ada local cloud ecosystem?

Apakah universitas dan startup bisa masuk?

Apakah listriknya cukup?

Apakah tenaga teknis tersedia?

Apakah interconnection antardata center bagus?

Apakah jaringan ke user utama cukup cepat?

Kalau Indonesia cuma menjadi lokasi server karena listrik dan lahan relatif kompetitif, value yang ditangkap bisa terbatas.

Kita mendapat construction, utility demand, tax, dan sebagian pekerjaan.

Tapi intelligence economy bisa tetap dimiliki pihak luar.

Compute advantage baru terasa penuh kalau infrastructure lokal memperkuat capability lokal.

Batam bisa jadi lebih dari tempat server

Batam menarik karena geography.

Dekat Singapore.

Terhubung ke jaringan regional.

Punya kawasan industri.

Dan biaya tertentu bisa lebih rendah daripada Singapore.

Kalau Singapore menjadi pusat connectivity dan enterprise demand, Johor serta Batam bisa menjadi extension compute yang lebih scalable.

Kita sudah melihat konsep regional corridor semacam ini.

Racks Central, misalnya, pada 2026 mengembangkan strategy Singapore, Johor, dan Batam sebagai koridor AI-ready infrastructure.

Buat Indonesia, ini opportunity yang menarik.

Tapi jangan puas menjadi “halaman belakang” Singapore.

Batam harus menangkap capability.

Training engineer.

Maintenance.

Network operations.

AI infrastructure.

Security.

Energy management.

Cooling.

Cloud operations.

Semakin banyak fungsi bernilai tinggi yang dilakukan lokal, semakin besar multiplier-nya.

Kalau seluruh architecture, software, dan decision-making tetap berada di kantor regional luar negeri, kita cuma menyediakan tanah dan listrik.

Harga compute juga menentukan siapa bisa pakai AI

Ada risiko lain.

Kalau AI menjadi infrastructure kerja tetapi compute mahal, hanya perusahaan besar yang bisa menikmati produktivitas maksimal.

Bank besar bisa beli enterprise AI.

Konglomerat punya private cloud.

Startup kecil harus ration penggunaan.

UMKM hanya memakai free tier.

Gap produktivitas bisa melebar.

Negara yang punya compute murah dan kompetisi provider kuat bisa menurunkan barrier.

Model lokal bisa dijalankan lebih murah.

API price turun.

Startup bisa memberi layanan AI ke segmen mass market.

Education platform bisa melayani siswa lebih banyak.

Government AI bisa scale tanpa budget meledak.

Jadi compute cost bukan hanya masalah perusahaan teknologi.

Ia bisa memengaruhi distribution of productivity.

Kalau inference menjadi semurah bandwidth, AI bisa masuk ke mana-mana.

Kalau mahal, AI tetap premium.

Efisiensi model sama pentingnya dengan listrik

Negara tidak harus menunggu tarif listrik turun.

Compute economics juga bisa diperbaiki dari software.

Model lebih kecil.

Quantization.

Caching.

Batching.

Mixture of experts.

Better routing.

Gunakan model mahal hanya untuk task sulit.

Gunakan model kecil untuk pekerjaan rutin.

Ini area innovation yang besar.

Perusahaan sering overkill.

Tanya klasifikasi sederhana pakai model frontier.

Summarization pendek pakai reasoning panjang.

Agent memanggil tools terlalu banyak.

Output dibuat ulang padahal bisa cached.

Hasilnya biaya compute bocor.

Negara yang punya talenta inference optimization bisa mendapat advantage bahkan tanpa punya listrik termurah di dunia.

Compute murah bukan hanya soal resource.

Ia juga soal engineering discipline.

Negara kaya energi belum tentu otomatis menang

Timur Tengah punya energi dan modal.

Nordic countries punya renewable energy dan climate yang mendukung cooling.

Amerika punya cloud giants dan chip ecosystem.

China punya manufacturing scale dan domestic market.

Asia Tenggara punya demand, location, dan cost competitiveness.

Setiap region punya kombinasi berbeda.

Tidak ada formula satu ukuran.

Yang pasti, persaingan AI mulai membuat pemerintah memperhatikan hal-hal yang dulu dianggap utility planning.

Berapa megawatt tambahan untuk data center?

Dari sumber energi apa?

Apakah grid siap?

Air cukup?

Fiber route aman?

Chip bisa masuk?

Ada talent?

Permitting berapa lama?

Dalam ekonomi AI, pertanyaan itu setara strategis dengan jumlah startup.

Compute cheapness bisa menjadi bentuk industrial policy.

Negara bisa membuat power purchase framework yang stabil.

Mempercepat permit tanpa mengorbankan environmental review.

Membangun interconnection.

Memberi akses research compute.

Mendorong competition anticloud.

Melatih engineer.

Menata water use.

Membuka energy market.

Semua itu tidak terlihat se-glamorous peluncuran chatbot nasional.

Tapi impact-nya mungkin jauh lebih besar.

Compute akan menjadi “biaya dasar kecerdasan”

Ada cara paling sederhana melihat masa depan ini.

Setiap ekonomi punya input dasar.

Energi.

Transportasi.

Modal.

Tenaga kerja.

Internet.

AI menambah satu input baru: machine intelligence.

Kalau machine intelligence dibeli melalui compute, maka harga compute ikut menentukan harga intelligence.

Perusahaan yang bisa mendapat intelligence murah bisa mengotomasi lebih banyak.

Bereksperimen lebih banyak.

Melayani customer dengan lebih personal.

Menganalisis lebih banyak data.

Membangun agent lebih kompleks.

Membuat produk lebih cepat.

Perbedaan kecil di biaya bisa menjadi besar setelah dikalikan jutaan transaksi.

Jadi negara yang hari ini menganggap data center cuma sektor properti berisiko salah membaca permainan.

Gedungnya bukan produk akhir.

Produk akhirnya adalah akses ke kemampuan komputasi.

Dan di 2026, keunggulan ekonomi baru mulai terbentuk bukan hanya di negara yang punya model paling pintar.

Keunggulan juga muncul di tempat yang bisa membuat kecerdasan mesin cukup murah sehingga jutaan bisnis, researcher, mahasiswa, dan developer bisa menggunakannya tanpa harus menghitung setiap token seperti sedang menghemat bensin.

Ketika compute murah, eksperimen jadi murah.

Ketika eksperimen murah, learning jadi cepat.

Dan dalam teknologi yang berubah secepat AI, negara yang belajar paling cepat sering punya posisi lebih kuat daripada negara yang sekadar punya headline investasi paling besar.