AI Perusahaan Berpindah dari Infrastruktur ke Eksekusi saat Startup Mengumpulkan Miliar untuk Mengoperasionalkan Beban Kerja Agenik - Brave New Coin

Gelombang baru startup AI fokus pada sistem yang diperlukan agar AI dapat digunakan dalam organisasi nyata, alih-alih berlomba membangun model yang lebih besar, seperti yang terlihat dari pengumuman pendanaan minggu ini yang menunjukkan bagaimana pasar dengan cepat beralih ke infrastruktur yang membantu perusahaan menjalankan AI di seluruh alur kerja sehari-hari.

Penilaian Lyzr Melipatgandakan Lima Kali Lipat Saat Accenture Dukung Platform Agen Perusahaan

Startup AI agenik Lyzr menutup putaran pendanaan yang dipimpin oleh Accenture yang melipatgandakan penilaiannya menjadi $250 juta, konfirmasi perusahaan pada hari Senin. Startup yang berbasis di New York ini mengumpulkan $14,5 juta dari sekelompok investor yang juga termasuk Rocketship VC, menandai peningkatan lima kali lipat nilai perusahaan sejak Oktober. Kesepakatan ini menegaskan betapa cepatnya arus modal mengalir ke perusahaan yang menyelesaikan tantangan operasional dalam penerapan AI secara skala, daripada sekadar membangun model dasar. “AI agenik mewakili frontier berikutnya dalam upaya perusahaan jasa keuangan untuk mengadopsi dan memperluas AI,” kata Kenneth Saldanha, pemimpin global untuk praktik industri Asuransi di Accenture. “Platform Lyzr memungkinkan perusahaan membuat agen AI yang aman, dapat dijelaskan, dan sesuai regulasi yang dapat mengotomatisasi pengambilan keputusan di seluruh alur kerja, membantu memodernisasi proses manual yang lambat dan meningkatkan efisiensi operasional.” Didirikan pada 2023, Lyzr menyediakan perangkat lunak yang memungkinkan perusahaan membangun agen AI sambil menjaga data mereka tetap dalam sistem mereka sendiri, bukan mengirimkannya ke penyedia cloud eksternal.

Perlombaan Infrastruktur Mencapai Proporsi Sejarah

Pendanaan Lyzr datang di tengah latar belakang investasi infrastruktur yang luar biasa. Hyperscalers berencana menghabiskan hampir $700 miliar untuk proyek pusat data pada tahun 2026 saja, menurut proyeksi dari laporan pendapatan terbaru. Amazon memproyeksikan pengeluaran sebesar $200 miliar di 2026 (naik dari $131 miliar di 2025), sementara Google memperkirakan antara $175 miliar dan $185 miliar (naik dari $91 miliar di 2025). Skala pembangunan ini memicu antusiasme dan kehati-hatian. CEO Nvidia Jensen Huang memperkirakan bahwa antara $3 triliun dan $4 triliun akan dihabiskan untuk infrastruktur AI pada akhir dekade ini, sebagian besar dari modal tersebut mengalir dari perusahaan AI sendiri. Namun, meskipun investasi infrastruktur ini meningkat pesat, muncul pertanyaan penting: siapa yang akan membangun lapisan yang memungkinkan perusahaan benar-benar menggunakan kekuatan komputasi ini? Jawabannya, semakin hari semakin, adalah generasi baru startup yang didukung modal ventura yang fokus pada orkestrasi agen, tata kelola, dan infrastruktur deployment. Untuk konteks dampak yang lebih luas dari pengeluaran infrastruktur AI, lihat bagaimana operasi penambangan kripto sebelumnya beralih ke infrastruktur pusat data AI.

Dari Bukti Konsep ke Produksi: Tantangan Penerapan Perusahaan

Intinya adalah pengakuan bahwa penerapan AI di perusahaan jauh lebih sulit, dengan perusahaan membutuhkan lapisan orkestrasi untuk agen AI, sistem tata kelola untuk memantau perilaku model, infrastruktur komputasi untuk inferensi skala besar, dan perangkat lunak vertikal yang mengintegrasikan AI di berbagai industri. Kompleksitas operasional ini menjelaskan mengapa dana mengalir ke perusahaan yang menyelesaikan gesekan dalam deployment daripada sekadar performa model. Penyedia infrastruktur komputasi Nscale mengumpulkan $2 miliar dalam putaran Seri C untuk memperluas kapasitas pusat data dan GPU mereka, fokus pada penyediaan lingkungan komputasi skala besar yang dioptimalkan untuk beban kerja AI. Keamanan dan tata kelola juga muncul sebagai kebutuhan penting perusahaan. Pola ini mencerminkan kematangan yang lebih luas dalam adopsi AI perusahaan, dari eksperimen dengan demo yang mencolok ke pekerjaan yang kurang glamor seperti integrasi, kepatuhan, dan operasi harian. Transisi ini memiliki implikasi besar terhadap bagaimana kemampuan AI diintegrasikan ke dalam sistem perusahaan yang ada dan tantangan teknis yang dihadapi organisasi secara skala besar.

Koneksi Kripto: Kesamaan Infrastruktur dan Arus Modal

Ledakan infrastruktur AI memiliki kesamaan struktural dengan siklus sebelumnya dalam pengembangan infrastruktur blockchain dan cryptocurrency, meskipun dalam skala yang jauh lebih besar. Keduanya melibatkan pengeluaran modal besar di awal untuk infrastruktur komputasi sebelum jalur monetisasi yang jelas benar-benar terbentuk. Alphabet menerbitkan obligasi sebesar $20 miliar untuk membiayai infrastruktur AI pada 10 Februari 2026, termasuk penawaran selama 100 tahun yang merupakan penerbitan utang terpanjang perusahaan, menandai tren yang berkembang saat raksasa teknologi beralih ke utang jangka panjang. Strategi pembiayaan ini menunjukkan bahwa infrastruktur AI diperlakukan sebagai investasi modal generasi daripada biaya operasional kuartalan. Bagi investor aset digital, pertanyaannya adalah bagaimana hal ini mengubah alokasi modal. Lonjakan pengeluaran infrastruktur AI telah mengalihkan modal ventura, talenta, dan sumber daya komputasi yang seharusnya mengalir ke proyek kripto. Namun, ada peluang di persimpangan keduanya: kemampuan agen AI di ruang kripto menghadirkan tantangan keamanan dan peluang infrastruktur, sementara jaringan komputasi AI terdesentralisasi berpotensi menjadi jembatan antara kedua ekosistem tersebut.

Implikasi Pasar: Perjalanan Operasional Terakhir

Pendapatan kuartal ketiga memicu peningkatan proyeksi capex untuk perusahaan AI hyperscaler, dengan estimasi konsensus di antara analis Wall Street untuk pengeluaran modal grup ini di 2026 kini mencapai $527 miliar, naik dari $465 miliar di awal musim pendapatan kuartal ketiga. Namun, seiring terus meningkatnya pengeluaran infrastruktur secara eksponensial, investor menjadi lebih selektif. Mereka beralih dari perusahaan infrastruktur AI yang pertumbuhan laba operasinya tertekan dan capex-nya didanai utang, ke perusahaan yang menunjukkan hubungan jelas antara capex dan pendapatan. Perpindahan ke infrastruktur AI operasional ini menunjukkan pasar sedang matang melewati tahap sekadar infrastruktur. Perusahaan yang menyelesaikan masalah “last mile” dalam membuat sistem AI andal, dapat dikendalikan, dan secara ekonomi layak di lingkungan produksi menarik perhatian yang tidak proporsional dari investor strategis maupun finansial. Saat perusahaan beralih dari eksperimen ke deployment skala besar, lapisan infrastruktur operasional mungkin menjadi salah satu peluang penciptaan nilai paling signifikan dekade ini, berada di antara penyedia model dasar dan aplikasi pengguna akhir.