Perusahaan AI mana yang akan bertahan? Pertanyaan itu seolah menuntut satu pemenang. Namun, angka bisnis pada 2026 memperlihatkan persaingan yang lebih rumit. Setiap kelompok perusahaan memperoleh uang dari AI dengan cara berbeda, dan struktur biayanya pun berbeda. Pengembang model membayar komputasi untuk setiap respons pengguna, perusahaan cloud menjual kapasitas dan perangkat, sedangkan pembuat chip memasok infrastruktur bagi seluruh ekosistem.
Karena itu, pertanyaan yang lebih penting bukan siapa berpendapatan paling besar, melainkan dari mana pendapatan itu berasal, berapa yang tersisa setelah biaya, dan apakah pelanggan terus bersedia membayar.
Seberapa besar pendapatan mereka, dan angka mana yang sebanding?
Perusahaan teknologi besar yang tercatat di bursa menerbitkan laporan keuangan, tetapi sebagian besar belum memisahkan pendapatan AI sebagai unit usaha tersendiri. Tabel berikut menggunakan pendapatan konsolidasian untuk memperlihatkan skala bisnis, bukan peringkat penjualan produk AI.
| Perusahaan | Pendapatan total tahunan (US$ miliar) | Cara membaca |
|---|---|---|
| Amazon | 716.9 (2025) | Termasuk ritel; pendapatan AWS 128,7 |
| Alphabet | 402.8 (2025) | Iklan, pencarian, cloud, bukan penjualan Gemini saja |
| Microsoft | 331.8 (Tahun fiskal 2026) | Microsoft Cloud 214,4; termasuk berbagai layanan non-AI |
| NVIDIA | 215.9 (Tahun fiskal 2026) | Pendapatan Data Center 193,7 |
| Meta | 201.0 (2025) | Terutama iklan, bukan penjualan langsung model AI |
Tahun fiskal Microsoft 2026 berakhir pada Juni 2026, sedangkan NVIDIA pada Januari 2026. Amazon, Alphabet, dan Meta memakai tahun kalender 2025. Periode pelaporannya tidak sama. Angka tersebut lebih tepat untuk melihat kekuatan keuangan dan diversifikasi risiko daripada menilai model AI mana yang paling laris.
Pendapatan Amazon mencakup perdagangan ritel. NVIDIA memiliki pendapatan total lebih kecil, tetapi segmen pusat datanya lebih erat terkait belanja infrastruktur AI. Meta dapat memanfaatkan AI untuk meningkatkan bisnis iklan tanpa menjadikan asisten berbayar sebagai sumber pendapatan utama.
OpenAI dan Anthropic tumbuh cepat, tetapi jenis angkanya berbeda
Pengembang model khusus beroperasi pada skala pendapatan yang berbeda dari konglomerat teknologi. OpenAI dan Anthropic tidak menerbitkan laporan tahunan lengkap yang dapat diakses publik seperti perusahaan terbuka. Maka, asal data dan definisinya wajib disebutkan.
Menurut dokumen keuangan yang ditelaah jurnalis, OpenAI mencatat sekitar US$13,07 miliar pendapatan pada 2025. Reuters, berdasarkan prospektus yang dilihatnya, melaporkan pendapatan Anthropic hampir US$4,6 miliar pada tahun yang sama. Keduanya merupakan angka 2025 berdasarkan pemberitaan, bukan laporan publik setahun penuh untuk 2026.
Laju pertumbuhan pada 2026 meningkat pesat. Reuters melaporkan pada 29 September bahwa annualized revenue run rate OpenAI mendekati US$70 miliar, sedangkan Bloomberg menyebut Anthropic telah melampaui US$65 miliar pada akhir Juli.
| Perusahaan AI | Pendapatan 2025 menurut media (US$ miliar) | Run rate tahunan yang dilaporkan 2026 (US$ miliar) |
|---|---|---|
| OpenAI | 13,07 | mendekati 70, September 2026 |
| Anthropic | hampir 4,6 | lebih dari 65, Juli 2026 |
Run rate bukan pendapatan aktual selama setahun. Pendapatan satu bulan yang dikalikan dua belas hanya menggambarkan kecepatan penjualan saat itu. Angka tersebut tidak membuktikan perusahaan sudah memperoleh jumlah itu dalam satu tahun penuh. Bulan pengukuran kedua perusahaan juga berbeda, sehingga tidak boleh disamakan dengan pendapatan yang diakui pada 2025.
Laporan itu menunjukkan permintaan AI melaju cepat, tetapi belum membuktikan bisnisnya mampu menghasilkan laba berkelanjutan.
Pendapatan besar belum tentu berarti laba besar
Mengembangkan model membutuhkan dana riset, tenaga ahli, dan komputer. Setelah diluncurkan, setiap jawaban masih menimbulkan biaya inferensi, yaitu biaya komputasi untuk menghasilkan respons. Peningkatan penggunaan dapat menaikkan biaya total walaupun perangkat keras semakin efisien per tugas.
Selain pendapatan, penting memeriksa margin kotor, bagian yang tersisa setelah biaya langsung penyediaan layanan, serta kas setelah investasi. Jutaan pengguna tidak cukup bila biaya langganan yang dibayar tidak menutupi komputasi. Sebaliknya, pelanggan korporasi yang lebih sedikit dapat membayar terus-menerus jika AI tertanam dalam pekerjaan rutin mereka.
Anthropic menjadi contoh. Berdasarkan prospektus yang ditelaah Reuters, perusahaan itu membukukan hampir US$4,6 miliar pendapatan pada 2025, tetapi rugi operasional lebih dari US$8 miliar. Ini bukan bukti bahwa perusahaan pasti gagal, melainkan bahwa pertumbuhan penjualan dan kemampuan membiayai diri sendiri adalah dua persoalan berbeda.
Microsoft menyatakan margin kotor Microsoft Cloud turun menjadi 66% pada tahun fiskal 2026, antara lain akibat investasi infrastruktur AI dan meningkatnya penggunaan produk AI. Pertumbuhan cloud tidak otomatis menghilangkan tekanan biaya.
Keunggulan setiap kelompok pemain tidak sama
Pemasok chip dan komputasi, seperti NVIDIA, diuntungkan ketika banyak perusahaan membangun pusat data. Namun, permintaan tinggi sekarang tidak menjamin investasi perangkat keras tumbuh dengan laju yang sama selamanya. Pendapatan penjual perangkat berbeda dari laba pengembang aplikasi AI.
Perusahaan cloud dan platform besar, seperti Amazon, Microsoft, dan Alphabet, telah memiliki pelanggan korporasi, saluran penjualan, serta sumber pendapatan lain. Mereka dapat menggabungkan AI dengan layanan yang sudah dipakai pelanggan, tetapi pusat data membutuhkan modal besar dan menimbulkan beban penyusutan di masa depan.
Laboratorium model AI, seperti OpenAI dan Anthropic, dapat menarik pembayaran langsung untuk asisten, alat pemrograman, dan API yang memungkinkan perangkat lunak lain mengakses model. Mereka harus menjaga keunikan produk dan menekan biaya inferensi ketika model pesaing yang cukup baik ditawarkan lebih murah.
Meta mengambil jalur lain. AI dapat meningkatkan efektivitas iklan dan keterlibatan pengguna tanpa memungut biaya untuk setiap interaksi. Nilainya perlu dilihat dari dampak terhadap bisnis inti, bukan sekadar pendapatan model secara terpisah.
Perusahaan seperti apa yang bisa bertahan?
Jawabannya terletak pada ciri usaha yang dapat diukur. Pelanggan yang benar-benar membayar harus dipertahankan, pendapatan perlu tumbuh tanpa pemangkasan harga yang lebih cepat daripada efisiensi biaya, dan akses pasar serta pendanaan harus stabil. Investasi baru tidak boleh terlalu melemahkan bisnis utama.
Perusahaan besar bisa menyerap risiko lewat pendapatan lama, tetapi ukuran bukan jaminan hasil investasi baik. Spesialis yang lebih kecil mungkin menciptakan nilai tinggi dalam tugas tertentu. Chip, cloud, model, dan aplikasi dapat sama-sama menjadi bisnis yang berhasil.
Inti analisis. Perlombaan AI tidak harus berakhir dengan satu pemenang. Pelanggan dapat memakai chip dari satu perusahaan, cloud dari perusahaan lain, dan beberapa model sekaligus. Pertanyaan utama adalah berapa nilai ekonomi yang dapat dipertahankan setiap lapisan, bukan hanya jumlah pengguna.
Apa yang perlu diamati berikutnya?
Perhatikan apakah laporan mendatang memisahkan pendapatan AI, seberapa cepat biaya inferensi per tugas turun, seberapa banyak kontrak korporasi diperpanjang, dan apakah belanja pusat data berubah menjadi arus kas. Untuk perusahaan swasta, pendapatan setahun penuh dan biaya yang dapat diverifikasi lebih penting daripada satu angka run rate.
Saat ini belum ada dasar yang cukup untuk menunjuk pemenang akhir. Yang bertahan belum tentu pemilik model terbaik atau penjual terbesar, melainkan perusahaan yang terus menghasilkan nilai yang mau dibayar pelanggan pada biaya yang masuk akal. Satu baris pendapatan saja tidak bisa menjawab pertanyaan itu.
