"Capital expenditure Alibaba naik 75% year on year menjadi 67,7 miliar yuan." Kalimat itu tidak hanya angka kuartalan — ini deklarasi perang teknologi yang disampaikan dalam laporan keuangan terbaru perusahaan. Angka tersebut setara dengan sekitar USD 10,2 miliar atau Rp1,2 triliun (kurs Rp118.000), dan sebagian besar dialokasikan untuk pengembangan infrastruktur kecerdasan buatan global, bukan hanya untuk pasar domestik.
Di Balik Angka Capex: Strategi 'AI First' yang Berbeda dari Tencent dan Baidu
Dilansir TechInAsia, lonjakan capex ini tidak bersifat umum seperti investasi data center konvensional. Alibaba membangun pusat pelatihan model besar di Singapura, memperluas kapasitas komputasi di Dubai, dan menggandeng operator telekomunikasi di Indonesia untuk uji coba inferensi AI real-time di jaringan 5G. Berbeda dengan Tencent yang fokus pada integrasi AI ke layanan hiburan dan game, atau Baidu yang masih bergantung pada Apollo untuk mobil otonom, Alibaba memilih jalur 'infrastruktur sebagai produk': menjual akses komputasi AI, bukan hanya aplikasi berbasis AI.
Tren ini tampak jelas dari struktur belanja mereka. Dari total 67,7 miliar yuan, sekitar 42% dialokasikan untuk hardware khusus AI — termasuk chip lingkungan cloud milik sendiri, Yitian 710, dan modul pelatihan model generatif yang dikembangkan bersama perusahaan semikonduktor Malaysia, InnoSilicon. Sisanya digunakan untuk membangun sistem manajemen energi di pusat data, karena efisiensi daya menjadi faktor penentu biaya operasional saat skala pelatihan model melebihi 100 miliar parameter.
Baca juga: Neural Drive Potong Biaya Alat Komunikasi Bantu 90% Tanpa Operasi
Apa Artinya bagi Pasar Cloud Asia Tenggara?
Bagi pelaku bisnis di Indonesia, kenaikan capex Alibaba bukan soal harga server lebih murah — tapi juga perubahan pola ketergantungan teknologi. Sejak 2022, Alibaba Cloud telah menjadi penyedia cloud tercepat pertumbuhannya di ASEAN menurut laporan IDC, dengan pangsa pasar naik dari 4,3% menjadi 9,1% dalam dua tahun. Di Indonesia khususnya, mereka mengklaim sudah bekerja sama dengan 17 instansi pemerintah daerah dan 4 bank BUMN untuk implementasi sistem deteksi penipuan berbasis AI dan analisis risiko kredit otomatis.
Baca juga: Microsoft Raup $24,1 M dari Ekosistem OpenAI
Alibaba tidak mengandalkan model bahasa besar multilingual universal seperti Llama atau Qwen versi publik. Mereka menggunakan pendekatan 'model ringan terlokalisasi': satu model dasar dilatih ulang secara lokal dengan data bahasa Indonesia, Jawa, dan Sunda — lalu di-deploy di edge device seperti ATM dan kios layanan publik. Teknologi ini memang tidak bisa menulis puisi, tapi bisa membaca formulir KTP, memverifikasi tanda tangan digital, dan mendeteksi anomali transaksi dalam 120 milidetik. Itu justru yang dibutuhkan UMKM dan lembaga keuangan mikro di luar Jabodetabek.
Baca juga: Stripe Masuk Singapura: Apa Artinya untuk UMKM Indonesia?
Menurut TechInAsia, strategi ini membuat Alibaba Cloud mampu menawarkan harga komputasi AI 32% lebih rendah dibanding AWS di wilayah Jakarta–Surabaya untuk workload inferensi berbasis bahasa lokal. Namun, ada catatan penting: semua model harus di-host di dalam wilayah Indonesia, sesuai ketentuan Peraturan OJK No. 12/POJK.03/2021 tentang perlindungan data nasabah. Artinya, meski infrastrukturnya global, kontrol data tetap lokal — sebuah kompromi yang jarang diterapkan oleh penyedia cloud Barat.
Perubahan ini juga memicu reaksi balik dari startup lokal. Beberapa perusahaan rintisan di Bandung dan Yogyakarta mulai beralih dari API cloud asing ke platform open-source seperti vLLM dan Ollama, lalu menjalankan model kecil di server lokal dengan dukungan subsidi dari Kemenkominfo. Mereka menyebutnya 'AI tanpa internet' — solusi yang justru lebih relevan di daerah dengan koneksi tidak stabil. Alibaba tidak mengancam mereka; justru membuka celah bagi ekosistem lokal untuk berkembang di lapisan aplikasi, bukan infrastruktur.
Fakta tambahan yang mengejutkan: Alibaba Cloud tidak memiliki data center fisik di Jakarta. Semua layanan di Indonesia dijalankan dari pusat data di Singapura dan Kuala Lumpur, namun mematuhi aturan penyimpanan data lokal melalui teknik 'data residency by proxy' — yaitu enkripsi end-to-end dan pemisahan logika penyimpanan antara metadata dan payload. Ini adalah contoh nyata bagaimana regulasi ketat justru mendorong inovasi arsitektur teknis, bukan menghambatnya.