Grayscale Prediksi Permintaan Token AI Melonjak 24 Kali Lipat pada 2030

Konsumsi token AI berpotensi naik 24 kali lipat pada 2030 seiring model yang semakin murah dan agen otonom memperluas pemakaian, menurut Kepala Riset Grayscale, Zach Pandl. Infrastruktur fisik yang menopang sistem tersebut masih menjadi kendala. Grayscale menilai lonjakan permintaan daya komputasi dapat melampaui penghematan efisiensi, sehingga menambah tekanan pada ketersediaan pusat data, listrik, dan GPU. "Penggunaan kecerdasan artifisial terus meningkat dan konsumsi token diperkirakan naik 24x pada 2030. Agen, "dots" milik OpenAI, dan model baru berbiaya lebih rendah dapat memperbesar permintaan komputasi. Meski begitu, infrastruktur fisik yang memasok komputasi masih menjadi hambatan," tulis Grayscale lewat cuitan pada 10 Oktober 2026. Model AI Lebih Murah Dorong Pemakaian Biaya yang menurun membuat AI makin terjangkau untuk berbagai aplikasi dan alur kerja otomatis. Model Sonnet terbaru Anthropic berbiaya hingga 30% lebih murah per tugas, menurut perusahaan. Persaingan dari model open-weight berharga rendah turut menekan harga token. Token adalah satuan teks yang diproses dan dihasilkan model AI, dan pengembang membayar atas konsumsinya. Ketika harga turun, perusahaan menemukan lebih banyak penggunaan AI yang sebelumnya terlalu mahal. Laporan riset Grayscale bertajuk "Investing for the Compute Bottleneck" mengulas bagaimana kecerdasan yang lebih murah dapat mendorong adopsi lebih luas. Agen AI Berpotensi Melipatgandakan Permintaan Komputasi "dots" yang baru diperkenalkan OpenAI merupakan agen selalu aktif yang dirancang bekerja menuju tujuan pengguna sepanjang waktu. Berbeda dari chatbot yang menjawab pertanyaan satu per satu, agen dapat menyelesaikan beberapa langkah dalam satu alur kerja. Menyiapkan pertemuan dengan klien, misalnya, bisa mencakup meninjau catatan, menganalisis perubahan portofolio, dan menyusun agenda. Menurut Grayscale, tugas semacam itu dapat menghabiskan token lima hingga 50 kali lebih banyak dibanding interaksi chatbot, bergantung pada kompleksitasnya. Agen pun berpotensi mendorong pertumbuhan besar pada inferensi, yakni komputasi yang dibutuhkan untuk menjalankan model AI. Goldman Sachs memproyeksikan konsumsi token naik 24 kali lipat pada 2030, terutama berkat adopsi agen. Infrastruktur Fisik Masih Jadi Hambatan Komputasi Model AI memang semakin efisien, tetapi permintaan komputasi total tetap bisa naik ketika pemakaian tumbuh lebih cepat. Penyediaan infrastruktur yang diperlukan membutuhkan waktu. Ketersediaan daya listrik, pusat data, dan GPU tetap krusial untuk menopang beban kerja yang membesar. Pasokan yang terbatas dapat membatasi laju pertumbuhan kapasitas komputasi seiring adopsi AI. Grayscale juga menyoroti CoreWeave, yang baru-baru ini melaporkan penandatanganan kontrak baru dengan harga komputasi lebih tinggi. Contoh itu menunjukkan tekanan harga yang berlanjut di tengah penurunan biaya tugas AI. Analisis Pandl berpendapat bahwa model yang lebih murah dan agen yang lebih cakap dapat meningkatkan pemakaian cukup besar untuk melampaui penghematan efisiensi. Dalam skenario ini, permintaan berpotensi menguntungkan pemilik infrastruktur komputasi fisik yang langka.