Ada ironi yang terlalu on the nose bahkan untuk standar satir distopia ringan: perusahaan-perusahaan paling menguntungkan dalam sejarah manusia membangun infrastruktur komputasi termahal yang pernah ada, dan hasilnya — setidaknya untuk saat ini — adalah free cash flow yang runtuh lebih cepat dari estimasi time-to-live sebuah ephemeral instance.
Dalam arsitektur sistem, overprovisioning adalah dosa yang bisa ditoleransi selama ada horizontal scaling di ujung jalan. Tapi ketika Meta melaporkan penurunan free cash flow sebesar 91% di Q2 2026 — dari 784 juta — sementara pendapatan naik 28% menjadi $60,8 miliar, kita sedang menyaksikan sesuatu yang berbeda dari sekadar capex spike musiman. Ini adalah fork bomb yang dieksekusi secara sadar oleh dewan direksi.
Arsitektur Kepanikan
Meta menaikkan proyeksi capital expenditure 2026 menjadi 115-135 miliar di awal tahun. Google, di sisi lain, menghabiskan 5,8 miliar lebih banyak dari yang mereka hasilkan, dan Wall Street — alih-alih panik — malah bertanya kapan mereka akan mengeluarkan lebih banyak.
Dalam istilah infrastruktur, ini adalah resource allocation yang melampaui sinyal permintaan. Tidak ada metrik utilization yang bisa membenarkan belanja modal sebesar ini dalam waktu sesingkat itu, kecuali jika metrik yang digunakan bukanlah ROI melainkan fear of missing out yang dienkapsulasi sebagai board-level strategy. CNBC mencatat bahwa total belanja Big Tech untuk AI di 2026 diperkirakan menembus 1 triliun untuk tahun depan. Dalam dunia container orchestration, ini setara dengan menjalankan 10.000 pod untuk melayani satu permintaan HTTP — dan tetap membayar egress.
Surface Area Serangan Fiskal
Ada dimensi lain yang jarang dibahas dalam hiruk-pikuk belanja modal ini: surface area serangan terhadap perusahaan itu sendiri. Ketika Meta harus mengalokasikan $145 miliar untuk infrastruktur, yang terjadi bukan hanya pengurasan kas — melainkan ekspansi permukaan yang harus dilindungi, diaudit, dan diamankan. Setiap data center baru adalah node baru dalam attack graph perusahaan. Setiap GPU cluster adalah supply chain vector potensial.
Bloomberg melaporkan bahwa Meta menambah 350.000 GPU setara H100 pada Q2 saja. Dalam arsitektur keamanan sistem, menambah 350.000 compute node dalam satu kuartal adalah mimpi buruk patch management yang tidak pernah diakui dalam laporan laba rugi. Cost of inference di sini bukan hanya listrik dan cooling — tapi juga biaya untuk memastikan tidak ada satu pun dari 350.000 GPU itu yang menjalankan firmware kompromis.
DevOps untuk Artileri — dan Mengapa Itu Bermasalah
Mark Zuckerberg menyatakan dalam earnings call bahwa sebagian besar komputasi akan digunakan untuk training, core business, dan “personal agents”. Dalam bahasa yang lebih jujur: mereka sedang membangun platform untuk jutaan — mungkin miliaran — agent otonom yang akan berjalan di atas infrastruktur mereka. Ini adalah vertical pod autoscaling yang diterapkan pada skala peradaban.
Permasalahannya, dalam arsitektur sistem yang baik, scaling horizontal membutuhkan separation of concerns yang jelas. Tapi apa yang terjadi ketika concern yang dipisahkan adalah antara Meta dan regulator? Antara imperatif pertumbuhan dan keberlanjutan fiskal? The Information melaporkan bahwa administrator Trump bersiap merilis kerangka regulasi AI yang baru, termasuk pembahasan tentang open-source dan kendali ekspor — sebuah middleware kebijakan yang akan duduk di antara nafsu capex para Big Tech dan realitas geopolitik. Di ruang operasional yang terbatas — dan Indonesia, dengan pasar AI yang tumbuh cepat menurut Kompas, pasti merasakan riaknya — keputusan yang dibuat di ruang rapat Menlo Park dan Mountain View akan berdampak pada latency akses teknologi di belahan dunia lain.
Asymmetric Scaling dan Ekonomi Unit yang Hilang
Hal yang paling mengganggu dari narasi belanja besar-besaran ini bukanlah jumlahnya — tapi absennya diskusi tentang unit economics. Dalam software engineering, kita diajarkan untuk mengukur cost per request, latency per transaksi, memory per sesi. Tapi di level boardroom, metrik yang digunakan adalah “berapa banyak GPU yang kita miliki” — sebuah vanity metric yang tidak berbeda dengan jumlah baris kode sebagai indikator produktivitas.
Forbes mencatat bahwa Meta menghabiskan $784 juta — tepatnya seluruh free cash flow mereka — untuk dividen dan buyback di kuartal yang sama. Artinya: perusahaan meminjam untuk berinvestasi, meminjam untuk operasional, dan meminjam untuk mengembalikan uang ke pemegang saham. Dalam istilah infrastruktur, ini adalah overcommit pada level fiskal — menjanjikan lebih banyak sumber daya daripada yang dimiliki, berharap workload tambahan tidak pernah datang secara bersamaan.
Lokalitas terbatas bukan lagi halangan geografis — ia adalah kondisi mental industri teknologi di 2026. Semua orang membangun data center seolah tidak ada hari esok, tanpa ada yang benar-benar yakin apa yang akan berjalan di dalamnya. Agaknya, tidak ada rollback untuk commit sebesar $145 miliar.
Protokol Usang sebagai Vektor Krisis
Ketika middleware keuangan korporasi mulai menunjukkan buffer overflow — yang sedang terjadi pada Meta dan Alphabet — efeknya bukan hanya pada harga saham. Cascading failure adalah properti yang melekat pada sistem yang terhubung erat. Jika Meta atau Google tersandung, rantai pasokan GPU, data center contractor, penyedia listrik, dan startup yang bergantung pada API mereka ikut bergetar.
SK Hynix — pemasok utama HBM untuk GPU AI — baru saja melaporkan lonjakan laba 557% namun tetap miss dari ekspektasi, dan sahamnya anjlok 10%. Ini adegan klasik system overload: komponen individu berkinerja luar biasa, tapi total throughput sistem tetap mengecewakan karena bottleneck bergeser ke lapisan lain — dalam hal ini, ekspektasi pasar yang tidak bisa diskalakan secara linear.
Nvidia, yang baru saja menginvestasikan miliaran dolar ke Safe Superintelligence milik Ilya Sutskever, terus menuai keuntungan dari hiruk-pikuk ini. Tapi pertanyaan yang jarang diajukan: apa yang terjadi ketika signal-to-noise ratio antara belanja dan hasil menjadi terlalu rendah? Ketika analis mulai bertanya bukan “berapa banyak GPU yang kalian pasang” melainkan “berapa banyak GPU yang benar-benar terpakai”?
Log berakhir di sini. Capex naik, cash flow turun, dan sirkuit logika pasar terus berputar pada frekuensi yang salah — tidak ada yang cukup berani menekan tombol reset. Server menyala, fan berputar, dan di suatu tempat di Virginia Utara, satu rak GPU baru dinyalakan untuk menjalankan inference yang mungkin tidak pernah diminta siapa pun.