Bottleneck AI Bergeser dari Chip ke Listrik

Selama dua tahun terakhir, pertanyaan investor tentang AI banyak berputar di sekitar GPU: siapa yang memiliki cukup HBM, siapa yang mendapatkan alokasi Blackwell, dan seberapa besar backlog Nvidia. Pada 2026, fokus itu mulai bergeser ke dua variabel yang jauh lebih sulit dipercepat, yaitu listrik dan panas yang dihasilkan oleh infrastruktur AI.

Big Tech memiliki modal untuk membeli chip dalam jumlah besar. Namun mereka tidak dapat memaksa grid AS menambah pembangkit, mempercepat koneksi transmisi, atau mendinginkan rack AI dengan kecepatan yang sama.

Bottleneck Baru Bukan di Silikon, Tapi di Grid

Ketersediaan GPU sudah membaik signifikan dalam 18 bulan terakhir.

Di sisi lain, antrean interkoneksi grid di AS kini bisa mencapai sekitar 4 hingga 10 tahun, tergantung wilayah.

Goldman Sachs memproyeksikan kebutuhan listrik data center AS meningkat dari sekitar 31 GW pada 2025 menjadi 66 GW pada 2027.

Bank of America memperkirakan tambahan kebutuhan daya sekitar 125 GW selama 2026–2030, dengan CAGR konsumsi listrik keseluruhan sekitar 4,1%.

Gartner memperkirakan sekitar 40% data center AI akan menghadapi keterbatasan daya pada 2027.

Banyak proyek yang tertunda saat ini juga bukan terhambat kekurangan modal, tetapi karena koneksi listrik belum tersedia.

Implikasinya terhadap valuasi mulai berubah.

Kapasitas listrik yang sudah memiliki koneksi ke grid semakin menjadi aset langka, bahkan dalam beberapa kasus lebih sulit diperoleh dibanding rack GPU terbaru.

Big Tech Berlomba Mengunci Sumber Listrik

Konsekuensinya, hyperscaler tidak lagi hanya menunggu perusahaan utilitas membangun kapasitas baru.

Mereka mulai mengunci suplai listrik langsung dari sumbernya.

Google menandatangani kesepakatan dengan Kairos Power untuk mendapatkan hingga 500 MW dari small modular reactor dan memperluas Hydro Framework Agreement dengan Brookfield Renewable hingga 3.000 MW.

Microsoft mengamankan PPA jangka panjang terkait pengaktifan kembali Three Mile Island.

Amazon juga mengunci sekitar 1,92 GW dari pembangkit nuklir Susquehanna.

Secara keseluruhan, lebih dari 9,8 GW kapasitas nuklir telah dikontrak untuk kebutuhan data center AI hingga Mei 2026.

Di saat yang sama, hyperscaler juga menandatangani kontrak turbin gas dalam skala besar.

Solar dan angin tetap berperan penting, tetapi sifatnya yang intermittent serta keterbatasan transmisi membuat sumber daya dispatchable masih sangat dibutuhkan untuk workload AI yang berjalan 24 jam.

Risiko dari perlombaan ini mulai terlihat bahkan pada perusahaan teknologi terbesar.

Pada 24 September 2026, Oracle (ORCL) mengirimkan notice force majeure kepada Blue Owl terkait Project Jupiter di New Mexico.

Kampus data center Stargate bernilai miliaran dolar tersebut menghadapi risiko keterlambatan dari target operasional 2028 setelah proyek pipeline gas Energy Transfer ke lokasi tersebut mengalami kendala perizinan.

Saham ORCL turun sekitar 3,5% pada hari yang sama.

Kasus tersebut memberikan contoh bahwa modal dan demand saja belum cukup untuk memastikan sebuah data center AI dapat beroperasi sesuai jadwal.

Di sisi lain, EIA mencatat bahwa dari 12,3 GW coal plant yang semula direncanakan pensiun pada 2025, hanya sekitar 4,6 GW yang benar-benar ditutup.

Grid masih membutuhkan kapasitas listrik dispatchable.

Panas Jadi Bottleneck Kedua

Mendapatkan listrik hanya menyelesaikan satu bagian masalah.

Energi tersebut kemudian harus diubah menjadi compute tanpa membuat chip mengalami overheating.

Di sinilah masalah panas semakin penting.

Rack data center tradisional dengan sistem air cooling umumnya dirancang untuk sekitar 10–15 kW per rack.

Sebaliknya, Nvidia GB200 NVL72 dapat mencapai sekitar 120 kW per rack, sementara generasi berikutnya seperti Rubin berpotensi mendorong kebutuhan daya menuju 200 kW atau lebih.

Pada kepadatan seperti ini, udara tidak lagi cukup efektif untuk membuang panas.

Industri karena itu bergerak cepat menuju liquid cooling.

Porsi kapasitas data center global yang menggunakan sistem tersebut meningkat dari sekitar 3% pada 2021 menjadi sekitar 40% pada pertengahan 2026.

Perubahan ini menciptakan sumber permintaan struktural baru untuk:

• cold plate;
• coolant distribution unit;
• gardu step-down;
• transformer;
• kabel medium-voltage;
• dan infrastruktur thermal management lainnya.

Komponen-komponen tersebut sebelumnya bukan bagian utama dari pembahasan capex AI.

Sekarang, keberadaannya menjadi semakin kritikal.

Panas juga menciptakan constraint lain.

Ketersediaan air pendingin dan lokasi dengan iklim yang lebih dingin mulai menjadi variabel penting dalam pemilihan lokasi data center.

Artinya, keterbatasan AI infrastructure bukan hanya persoalan semiconductor supply, tetapi juga persoalan fisik mengenai berapa banyak listrik yang tersedia dan seberapa cepat panas bisa dibuang.

Implikasi bagi Investor Saham AS

Bagi investor hyperscaler seperti Alphabet (GOOGL), Microsoft (MSFT), Amazon (AMZN), Meta (META), dan Oracle (ORCL), akses terhadap listrik jangka panjang semakin menentukan apakah proyeksi ekspansi AI dapat benar-benar terealisasi.

Ini juga membantu menjelaskan mengapa capex hyperscaler pada 2026 membengkak ke ratusan miliar dolar.

Belanja tersebut tidak lagi hanya digunakan untuk GPU.

Semakin besar porsinya mengalir ke:

• pembangkit listrik;
• grid connection;
• data center;
• networking;
• cooling;
• dan infrastruktur pendukung lainnya.

Di sisi lain, tren tersebut memperluas rantai penerima manfaat dari AI boom.

Perusahaan seperti Eaton (ETN) dan Quanta Services (PWR) mendapatkan permintaan dari transformer, switchgear, substation, serta pembangunan transmission infrastructure.

Artinya, infrastructure trade AI semakin luas dibanding sekadar semiconductor.

Namun risikonya tetap ada.

Hyperscaler dapat memperlambat capex jika return investasi AI tidak sesuai ekspektasi.

Pembangunan transmisi juga dapat mengalami overshoot.

Di banyak negara bagian, resistensi masyarakat terhadap pembangunan data center baru semakin terlihat, terutama karena kebutuhan listrik dan air yang sangat besar.

Meski demikian, tesis utamanya mulai berubah.

Kelangkaan AI berikutnya mungkin bukan lagi chip, tetapi megawatt dan kapasitas thermal.

Investor yang hanya melihat semiconductor berisiko hanya menangkap sebagian dari siklus investasi AI yang sedang berlangsung.