Hyperscalers global diproyeksikan menggelontorkan lebih dari $6 triliun untuk AI hingga 2030. Kalau ditambah compute, power, dan data center, angkanya melonjak ke $7,6 triliun antara 2026–2031. Untuk konteks: ini jauh melampaui internet buildout era dotcom, meski masih di bawah railroad buildout abad ke-19 yang menyedot 3–4,5% GDP Amerika saat itu. Hari ini, AI investment setara sekitar 1,2% GDP — kecil secara proporsional, tapi absolutnya tidak pernah ada presedennya.
Yang menarik bukan angkanya saja, tapi di mana capital itu belum masuk. Sebagian besar infrastruktur belum dibangun. Sebagian besar M&A yang akan membentuk competitive landscape belum terjadi. Dan sebagian besar capital yang akan mendefinisikan AI economy belum di-deploy.
Narasi dominan selama ini terlalu terfokus pada software dan hyperscaler. Padahal SaaS hari ini hanya mewakili kurang dari 0,5% dari global GDP. Sisa 99,5% — manufacturing, energy, defense, construction, logistics — itulah yang sebenarnya menjadi medan pertempuran berikutnya.
Software Dulu, Tapi Bukan Satu-satunya
Software adalah domain pertama yang merasakan disruption. Tapi sinyal yang muncul justru bukan positif untuk incumbent. iShares Expanded Tech-Software Sector ETF turun sekitar 17% sepanjang 2026 hingga Juni, dan hampir 26% dari puncaknya Oktober 2025. Forward P/E sektor ini terkompresi dari ~35x ke sekitar 22x — level terendah sejak 2014, dengan 10 saham terbesar kehilangan hampir $800 miliar market cap.
Ini bukan karena AI merusak pasar software — justru sebaliknya. Total addressable market untuk automation dan enterprise software diproyeksikan tumbuh 2,5x dalam satu dekade ke depan seiring agentic AI masuk ke pekerjaan yang sebelumnya hanya bisa dilakukan manusia. Masalahnya: pasar belum tahu siapa incumbent yang akan berhasil refound dirinya di era ini. Uncertainty itu yang mendorong capital keluar dari software dan masuk ke infrastruktur di bawahnya.
Industrial AI: Lebih Besar, Lebih Sepi
Di luar software, ada layer yang lebih besar tapi kurang disorot: industrial AI software. Siemens sudah menjalankan AI-driven predictive maintenance di pabrik Amberg, Jerman, dengan hasil 40% pengurangan production downtime. Figure AI menjalankan humanoid robot selama 10 jam per hari selama 5+ bulan di lini produksi BMW di South Carolina — berkontribusi pada produksi lebih dari 30.000 kendaraan.
M&A di sektor ini juga bergerak agresif. Synopsys mengakuisisi Ansys senilai $35 miliar (selesai Juli 2025) — deal software industrial engineering terbesar dalam satu dekade. Siemens mengakuisisi Dotmatics senilai $5,1 miliar, memperluas digital twin architecture dari factory floor ke laboratorium farmasi. Emerson menyelesaikan akuisisi AspenTech senilai ~$17 miliar. Logikanya satu: vertical integration — setiap acquirer bergerak upstream untuk menguasai full toolchain dalam domainnya.
Lima faktor yang akan menentukan siapa yang menang di industrial AI:
- Physics-based architecture — sistem harus dirancang terhadap material properties dan toleransi mekanik dari awal
- Proprietary data — data terbaik ada di dalam manufacturer dan utility, bukan di internet publik
- Edge deployment capability — sebagian besar industrial AI harus berjalan di dalam mesin, bukan di cloud
- Certifiability — di aviation, energy, dan automotive, satu AI hallucination bisa katastrofik
- Workflow integration — winner embed AI ke sistem yang sudah ada, bukan memaksa rip-and-replace
Energy: Bottleneck yang Sering Diremehkan
Semua buildout ini akhirnya mentok di satu constraint yang sama: power. Grid interconnection queue di pasar data center terpenting bisa memakan waktu 8–12 tahun — dua hingga tiga generasi hardware GPU. Abilene, Texas kini punya power demand setara San Francisco.
Respons yang muncul: behind-the-meter generation. Satu tahun lalu, fully islanded data center dianggap edge case. Sekarang, estimasi menunjukkan sepertiga kapasitas masa depan bisa berjalan secara islanded. Microsoft, Meta, dan Oracle sudah deploy gas generation sendiri. Nuclear juga kembali relevan — Microsoft restart Three Mile Island, Amazon masuk ke small modular reactor.
Yang sering luput dari kalkulasi: water. Sekitar dua pertiga data center AS yang dibangun atau direncanakan sejak 2022 berada di water-stressed regions, dan water demand data center diproyeksikan dua kali lipat pada 2030. Ini bukan lagi sekadar operating cost — ini menjadi siting dan financing variable.
Capital Architecture yang Belum Siap
Financing untuk digital infrastructure sudah mature — investment-grade bonds, private credit, infrastructure debt funds. Tapi untuk physical AI (humanoids, industrial robotics, autonomous systems), strukturnya hampir belum ada. Ini adalah venture-stage risk dalam volume yang hanya bisa di-fund oleh long-duration capital pools.
Beberapa evolusi yang sedang terjadi: private credit market mulai menerima GPU fleet sebagai collateral dengan tenor pendek dan embedded refresh provisions. AI-related debt issuance dari hyperscalers mencapai ~$121 miliar di 2025, sekitar 6,6% dari US investment-grade market — dan diproyeksikan naik hingga 20% di 2026. Infrastructure funds raise record $221 miliar tahun lalu, dengan proyeksi AUM mencapai $3 triliun pada 2030.
Geopolitics juga masuk sebagai variabel. Sovereign wealth fund MENA menyumbang 40% dari global SWF dealmaking, dengan stated capital commitment dari UAE dan Saudi saja melampaui $300 miliar. US government pun mulai aktif sebagai equity investor langsung di critical minerals — MP Materials, Lithium Americas, Serra Verde — bukan hanya sebagai regulator.
Intinya: technology untuk AI economy datang lebih cepat dari capital yang dirancang untuk membiayainya. Sektor mana yang tumbuh dan mana yang stagnan akan ditentukan bukan semata oleh frontier teknologi, tapi oleh siapa yang berhasil menutup financing gap ini lebih dulu.