DeepSeek dan Titik Balik Industri AI: Efisiensi vs Modal

DeepSeek menjadi salah satu nama yang mengubah perbincangan tentang industri kecerdasan buatan. Ketika DeepSeek-R1 diperkenalkan pada Januari 2025, perhatian pasar tidak hanya tertuju pada kemampuan modelnya, tetapi juga pada pertanyaan yang lebih besar: apakah perkembangan AI selalu membutuhkan modal dan infrastruktur dalam skala yang semakin besar?

Pertanyaan tersebut penting karena industri AI sedang berada dalam fase investasi yang sangat agresif. Perusahaan teknologi membangun pusat data, membeli chip dalam jumlah besar, dan mengeluarkan dana besar untuk mengembangkan model. Kemunculan DeepSeek kemudian menunjukkan bahwa efisiensi teknologi juga dapat menjadi faktor penting dalam persaingan AI.

Bagaimana DeepSeek Mengguncang Industri AI?

Pada 20 Januari 2025, DeepSeek merilis DeepSeek-R1 dan menyatakan bahwa model tersebut memiliki kemampuan penalaran yang sebanding dengan OpenAI o1 pada sejumlah tugas. DeepSeek juga membuka bobot model dan laporan teknisnya kepada publik dengan lisensi MIT.

Beberapa hari kemudian, reaksi pasar menjadi jauh lebih besar. Pada 27 Januari 2025, saham perusahaan teknologi yang berkaitan dengan AI mengalami tekanan. Nvidia kehilangan sekitar US$593 miliar kapitalisasi pasar dalam satu hari setelah sahamnya turun hampir 17 persen. Peristiwa tersebut menjadi salah satu penurunan kapitalisasi pasar harian terbesar yang pernah dialami sebuah perusahaan Amerika Serikat.

Reaksi tersebut menunjukkan bahwa persoalan DeepSeek bukan sekadar munculnya chatbot baru. Investor mulai mempertanyakan asumsi mengenai besarnya kebutuhan komputasi untuk menghasilkan kemajuan AI.

DeepSeek dan Pertanyaan tentang Biaya AI

Salah satu angka yang paling banyak dibicarakan setelah kemunculan DeepSeek adalah biaya pelatihan yang disebut sekitar US$5,6 juta. Angka tersebut memang muncul dalam diskusi mengenai biaya pengembangan DeepSeek-V3, tetapi perlu dibaca dengan hati-hati.

Angka tersebut bukan berarti seluruh biaya yang dibutuhkan DeepSeek untuk membangun bisnis AI hanya US$5,6 juta. Biaya penelitian, eksperimen sebelumnya, infrastruktur, tenaga ahli, serta pengembangan model lain tidak otomatis tercakup dalam angka tersebut.

Yang lebih penting dari nominal tersebut adalah pendekatan teknologinya. Penelitian mengenai DeepSeek-V3 menjelaskan penggunaan teknik seperti Mixture of Experts (MoE), Multi-head Latent Attention (MLA), dan optimasi presisi komputasi untuk meningkatkan efisiensi penggunaan perangkat keras.

Efisiensi Mengubah Cara Industri Melihat AI

Industri AI sebelumnya banyak bergerak dengan logika scaling: semakin besar model, data, dan komputasi yang digunakan, semakin besar pula sumber daya yang dibutuhkan untuk mengejar kemampuan yang lebih tinggi.

DeepSeek tidak membuktikan bahwa modal besar sudah tidak diperlukan. Model AI tetap membutuhkan chip, pusat data, energi, talenta, dan infrastruktur. Namun, pendekatan DeepSeek menunjukkan bahwa efisiensi arsitektur dan metode pelatihan dapat mengubah hubungan antara kemampuan model dan biaya komputasi.

Artinya, kompetisi AI tidak hanya berlangsung pada pertanyaan siapa yang memiliki pusat data terbesar. Persaingan juga terjadi pada bagaimana perusahaan menggunakan sumber daya yang tersedia secara lebih efektif.

Mixture of Experts dan Cara Kerja yang Lebih Efisien

Salah satu teknologi yang sering dikaitkan dengan efisiensi DeepSeek adalah Mixture of Experts atau MoE. Secara sederhana, arsitektur ini membagi kemampuan model ke dalam beberapa bagian atau expert. Dalam proses tertentu, tidak seluruh bagian model harus digunakan secara aktif untuk setiap input.

Pendekatan tersebut memungkinkan model memiliki jumlah parameter yang besar, tetapi komputasi aktif dapat dibuat lebih terbatas. Efisiensi semacam ini menjadi penting ketika biaya komputasi dan kebutuhan energi menjadi bagian besar dari ekonomi pengembangan AI.

DeepSeek juga menggunakan pendekatan lain dalam desain model dan infrastruktur. Penelitian teknis mengenai DeepSeek-V3 menunjukkan bahwa pengembangan model dan optimasi perangkat keras dilakukan secara bersama-sama untuk mengatasi keterbatasan memori, komputasi, dan komunikasi antarkomponen.

DeepSeek Tidak Berarti Modal Besar Sudah Tidak Penting

Di sinilah konteks DeepSeek perlu ditempatkan secara proporsional. Keberhasilan sebuah pendekatan yang lebih efisien tidak otomatis membuktikan bahwa perusahaan AI tidak lagi membutuhkan investasi besar.

Pengembangan model frontier tetap membutuhkan infrastruktur komputasi, penelitian, distribusi, dan biaya operasional. Bahkan DeepSeek sendiri terus mengembangkan model baru. Pada April 2026, DeepSeek merilis V4 dengan fokus pada efisiensi konteks, arsitektur perhatian baru, dan pengurangan kebutuhan komputasi serta memori.

Dengan kata lain, efisiensi bukan pengganti investasi. Efisiensi justru menjadi cara agar investasi yang tersedia dapat menghasilkan kemampuan dan layanan yang lebih besar.

Pelajaran DeepSeek untuk Industri AI

Pelajaran terbesar dari DeepSeek bukan sekadar bahwa perusahaan dengan biaya lebih rendah dapat mengalahkan perusahaan bermodal besar. Persaingan AI jauh lebih kompleks daripada itu.

Yang terlihat adalah perubahan perhatian industri dari sekadar memperbesar skala menuju pertanyaan tentang efisiensi. Berapa biaya untuk melatih model? Berapa biaya menjalankannya? Seberapa banyak komputasi yang benar-benar diperlukan? Dan apakah peningkatan kemampuan model menghasilkan nilai ekonomi yang sebanding?

Pertanyaan tersebut juga berkaitan dengan pembahasan AI Bubble. Jika biaya teknologi dapat ditekan secara signifikan melalui inovasi, asumsi mengenai besarnya modal yang diperlukan untuk membangun bisnis AI juga dapat berubah.

Apa Artinya bagi Startup Indonesia?

Bagi startup Indonesia, pelajaran DeepSeek tidak harus diterjemahkan sebagai ajakan untuk membangun model AI sendiri. Justru sebagian besar perusahaan mungkin lebih membutuhkan strategi yang pragmatis: menggunakan model yang sudah tersedia, memilih teknologi sesuai kebutuhan, dan menghitung biaya berdasarkan nilai yang dihasilkan.

Startup dengan sumber daya terbatas dapat mencari keunggulan melalui efisiensi, pemilihan model, pengelolaan data, integrasi produk, dan pemahaman terhadap kebutuhan pengguna. Dengan pendekatan tersebut, keterbatasan modal tidak selalu berarti tidak memiliki ruang untuk berinovasi.

Pada akhirnya, DeepSeek memperlihatkan bahwa masa depan AI mungkin tidak hanya ditentukan oleh siapa yang mampu mengeluarkan modal paling besar. Kemampuan menghasilkan teknologi yang lebih efisien juga dapat menjadi sumber keunggulan.

Kesimpulan

DeepSeek menjadi titik penting dalam perkembangan industri AI karena memaksa pasar melihat kembali hubungan antara kemampuan model, komputasi, dan biaya. Guncangan pasar pada Januari 2025 menunjukkan betapa kuatnya pengaruh perubahan asumsi tersebut terhadap industri teknologi.

Namun, DeepSeek bukan bukti bahwa era investasi besar dalam AI telah berakhir. Perkembangan DeepSeek sendiri menunjukkan bahwa inovasi dan investasi tetap berjalan bersamaan.

Pelajaran yang lebih relevan adalah bahwa efisiensi semakin menjadi bagian penting dari persaingan AI. Bagi industri dan startup, pertanyaan akhirnya bukan hanya seberapa besar teknologi yang dapat dibangun, tetapi seberapa efektif sumber daya yang digunakan untuk menghasilkan nilai nyata.