Daftar Isi

AI Membutuhkan Infrastruktur dalam Skala Besar
Mengapa RAM Ikut Menjadi Mahal?
GPU Juga Menghadapi Tekanan
Infrastruktur AI Bahkan Membutuhkan Data Center Baru
AI Membawa Paradoks Baru
Referensi

Selama bertahun-tahun, perkembangan teknologi identik dengan perangkat yang semakin cepat, kapasitas semakin besar, dan biaya komputasi yang semakin terjangkau. Namun, ledakan artificial intelligence (AI) mulai mengubah pola tersebut. Di balik chatbot, AI agent, dan berbagai aplikasi generatif yang semakin banyak digunakan, terdapat kebutuhan infrastruktur dalam skala yang jauh lebih besar. Mulai dari GPU, memory, server, data center, jaringan, hingga energi.

Fenomena ini mulai terasa bahkan pada perangkat yang digunakan konsumen. Harga memory mengalami tekanan besar karena permintaan dari industri AI dan data center meningkat. Axios menyebut fenomena tersebut sebagai “chipflation”, ketika lonjakan permintaan terhadap chip dan memory mulai mendorong kenaikan biaya berbagai perangkat elektronik. Morgan Stanley bahkan memperkirakan tekanan harga memory berpotensi menambah hingga 15 poin persentase terhadap harga PC dan smartphone.

AI Membutuhkan Infrastruktur dalam Skala Besar

AI modern membutuhkan kemampuan komputasi yang sangat besar. Proses seperti melatih model bahasa besar dan menjalankan inference dalam skala tinggi membutuhkan accelerator seperti GPU yang mampu melakukan operasi matematika secara paralel dalam jumlah besar.

Namun, GPU bukan satu-satunya komponen yang dibutuhkan. Infrastruktur AI juga bergantung pada High Bandwidth Memory (HBM), DRAM server, penyimpanan, jaringan berkecepatan tinggi, sistem pendingin, serta pasokan listrik.

Besarnya kebutuhan tersebut terlihat dari perkembangan pasar server. IDC mencatat bahwa pengeluaran global untuk server meningkat 30,7% secara tahunan pada kuartal pertama 2026, terutama didorong oleh deployment server berbasis GPU. Pada saat yang sama, IDC mencatat bahwa keterbatasan komponen seperti DRAM dan NAND flash mulai membatasi pengiriman server non-accelerated.

Artinya, masalahnya bukan lagi sekadar perusahaan teknologi membutuhkan lebih banyak GPU. Seluruh rantai infrastruktur komputasi sedang mengalami peningkatan permintaan.

Mengapa RAM Ikut Menjadi Mahal?

Salah satu bagian paling menarik dari fenomena ini adalah meningkatnya harga memory konsumen.

AI data center membutuhkan HBM dan DRAM dalam jumlah besar. HBM memiliki bandwidth yang sangat tinggi sehingga cocok untuk accelerator AI, sementara DRAM digunakan untuk berbagai kebutuhan sistem server. Ketika permintaan dari data center meningkat, produsen memory memiliki insentif untuk memprioritaskan produk dan kapasitas yang ditujukan untuk pasar tersebut.

Dampaknya dapat menjalar ke pasar konsumen.

Tom’s Hardware melaporkan bahwa pada pertengahan 2026, kit RAM DDR5 32 GB yang sebelumnya relatif terjangkau telah mencapai harga lebih dari US$450, sementara beberapa kit berkapasitas tinggi bahkan melewati US$599. Harga DDR4 juga meningkat signifikan dibandingkan tahun sebelumnya.

Dengan demikian, bukan berarti AI secara langsung “menggunakan RAM komputer konsumen”. Persoalannya adalah kapasitas industri memory terbatas dan permintaan dari AI mengubah prioritas produksi.

GPU Juga Menghadapi Tekanan

Fenomena serupa terjadi pada GPU consumer. Selain chip GPU itu sendiri, graphics card membutuhkan VRAM yang juga berasal dari industri memory.

Pada Agustus 2026, harga beberapa GPU Nvidia mengalami kenaikan signifikan. PC Gamer melaporkan bahwa RTX 5070, misalnya, meningkat dari sekitar US$550 menjadi US$755, atau sekitar 37%. Kenaikan tersebut terjadi ketika permintaan terhadap memory berkapasitas tinggi meningkat, termasuk karena kebutuhan AI dan meningkatnya penggunaan AI secara lokal pada PC.

Namun, penting untuk tidak menyederhanakan persoalan dengan mengatakan bahwa AI adalah satu-satunya penyebab kenaikan harga GPU. Harga graphics card juga dipengaruhi oleh ketersediaan chip, strategi produsen, biaya memory, distribusi, dan permintaan konsumen.

Infrastruktur AI Bahkan Membutuhkan Data Center Baru

Kebutuhan AI juga membuat perusahaan teknologi membangun infrastruktur fisik dalam skala luar biasa besar. Salah satu contoh terbaru adalah proyek data center OpenAI di Ohio yang didukung Nvidia. Fasilitas tersebut direncanakan mencapai kapasitas hingga 8 gigawatt, dengan 800 megawatt pertama ditargetkan tersedia pada 2028.

Di sisi lain, Nvidia juga menggandeng sejumlah institusi finansial untuk membangun platform pembiayaan yang ditujukan untuk mengumpulkan lebih dari US$500 miliar modal pihak ketiga bagi ekspansi infrastruktur AI.

Skala tersebut menunjukkan bahwa biaya AI bukan hanya soal membeli GPU. Perusahaan membutuhkan listrik, lahan, pendinginan, jaringan, server, memory, dan data center untuk mengoperasikan teknologi tersebut.

AI Membawa Paradoks Baru

Pada akhirnya, perkembangan AI menciptakan sebuah paradoks. AI menawarkan kemampuan untuk meningkatkan produktivitas dan efisiensi bisnis, tetapi untuk menjalankan AI dalam skala besar, dunia membutuhkan semakin banyak sumber daya komputasi.

Ketika permintaan terhadap GPU, HBM, DRAM, server, dan data center tumbuh sangat cepat, kapasitas produksi dan infrastruktur tidak selalu mampu mengikutinya. Akibatnya, biaya pada berbagai bagian rantai teknologi ikut meningkat.

Bagi perusahaan, pertanyaannya kemudian bukan hanya “Apakah kita perlu menggunakan AI?”, tetapi juga “Bagaimana kita menggunakan AI secara efisien tanpa membuat biaya infrastrukturnya semakin besar?”

AI mungkin sedang membuat komputasi semakin pintar. Namun di balik kecerdasan tersebut terdapat sebuah realitas sederhana: semakin besar AI berkembang, semakin besar pula kebutuhan dunia terhadap infrastruktur untuk menjalankannya.