Pada 2025, OpenAI membelanjakan $1,60 untuk setiap $1 pendapatan yang masuk. Rasio ini sebenarnya membaik dari $2,37 pada 2024 — tetapi tetap berarti perusahaan membakar uang lebih cepat daripada kemampuan mencetaknya. Total kerugian operasional mencapai $20,92 miliar, lebih dari dua kali lipat dari $8,78 miliar tahun sebelumnya. Jika ini adalah startup biasa, ceritanya sudah berakhir. Tapi OpenAI bukan perusahaan biasa — dan justru di situlah letak ironinya.
Bom Waktu di Balik Layar ChatGPT
Dokumen finansial OpenAI 2025 yang bocor — diverifikasi independen oleh Financial Times — mengungkapkan gambaran yang kontras dengan popularitas ChatGPT yang mencapai 900 juta pengguna aktif mingguan pada Februari 2026. Pendapatan $13,07 miliar terdengar besar, tetapi total biaya mencapai $34 miliar. Rugi bersih membengkak menjadi $38,5 miliar setelah charge non-tunai $41,55 miliar terkait konversi dari nonprofit ke public benefit corporation.
Angka-angka ini menjelaskan mengapa Sam Altman dan timnya memutuskan untuk membangun chip sendiri. Bukan karena ambisi teknologi, melainkan karena survival. Ketika Anda kehilangan $20 miliar setahun, setiap penghematan biaya adalah napas kehidupan.
Inferensi: Beban yang Tak Terlihat
Kesalahpahaman umum adalah bahwa training model — fase di mana GPT-5 dilatih dengan miliaran dolar komputasi — adalah biaya terbesar. Kenyataannya, menurut prediksi Deloitte, inference (menjalankan model) kini menyumbang sekitar dua pertiga dari seluruh komputasi AI pada 2026, naik dari sepertiga pada 2023 dan separuh pada 2025. Ini logis: model dilatih sekali, tetapi dilayani jutaan kali setiap hari.
Setiap kali Anda mengetik pertanyaan di ChatGPT, OpenAI membayar biaya GPU. Dengan 900 juta pengguna aktif mingguan, biaya ini berlipat ganda secara eksponensial. Pada paruh pertama 2025 saja, OpenAI membelanjakan $5,02 miliar untuk inference di Azure. Tech Times melaporkan angka ini sebagai salah satu pengeluaran operasional terbesar perusahaan.
Inilah paradoks ekonomi AI: semakin sukses produk Anda, semakin besar kerugian Anda. Setiap pengguna baru yang Anda dapatkan justru memperdalam lubang keuangan. Model bisnis tradisional — di mana biaya marginal mendekati nol — tidak berlaku di sini. Setiap interaksi adalah biaya.
Mengapa GPU Tidak Cukup Efisien?
GPU Nvidia dirancang untuk fleksibilitas, bukan efisiensi untuk satu tugas. Ketika menjalankan inference, GPU harus mengaktifkan subsistem yang tidak diperlukan — seperti menyalakan seluruh mesin pabrik hanya untuk memproduksi satu baut. Inilah mengapa OpenAI beralih ke ASIC Jalapeño yang dirancang khusus untuk inference LLM.
Klaim efisiensi 50% dari Broadcom — meskipun belum diverifikasi independen — menunjukkan potensi penghematan yang mengubah permainan. Jika terbukti, ini bisa memangkas miliaran dolar dari biaya operasional tahunan. Namun, perlu dicatat bahwa angka ini berasal dari Hock Tan, CEO Broadcom, yang memiliki kepentingan finansial langsung dalam kesuksesan chip ini.
Tekanan IPO: Investor Ingin Melihat Jalan Menuju Profit
OpenAI mengajukan S-1 rahasia ke SEC pada 8 Juni 2026, dengan valuasi yang diincar bisa mendekati $1 triliun. Setelah putaran pendanaan $122 miliar pada Maret 2026 (valuasi post-money $852 miliar), investor pra-IPO ingin bukti bahwa perusahaan memiliki rencana keluar dari lubang keuangan.
VentureBeat mencatat bahwa Jalapeño bisa meyakinkan investor bahwa OpenAI punya strategi untuk mencapai profitabilitas. Chip kustom ini bukan hanya tentang efisiensi teknis — ini adalah sinyal ke pasar modal bahwa OpenAI serius mengendalikan biaya.
Namun, ada risiko besar: silikon kustom generasi pertama sering menemui masalah yield, kejutan termal, dan integrasi software. The Next Web memperingatkan: "a nine-month tape-out is a long way from reliable production at gigawatt scale." OpenAI belum pernah mengapalkan silikon sebelumnya — berbeda dengan Google (TPU sejak 2015) atau Amazon (Trainium) yang sudah matang.
Paradoks Penghematan: Apakah Harga Akan Turun?
Pertanyaan yang lebih mendasar: apakah penghematan dari chip yang lebih efisien akan diteruskan ke pengguna? Biaya inference per token sudah jatuh drastis dalam tiga tahun terakhir. Namun, ada paradoks: total tagihan inference justru naik karena penggunaan tumbuh lebih cepat daripada biaya turun — terutama workload agentic yang memakai 5-30x lebih banyak token per tugas.
Menjelang IPO, tekanan untuk menunjukkan margin yang sehat bisa mendorong OpenAI menahan penghematan untuk kepentingan investor. Beberapa analis memperingatkan harga API bisa naik 12-18 bulan setelah perusahaan AI go public — ironi yang pahit bagi startup yang bergantung pada API OpenAI.
Perspektif Editorial: Ekonomi inference adalah kisah tentang skala yang menjadi kutukan. Semakin besar dampak AI, semakin besar biaya yang harus ditanggung penciptanya. OpenAI berada di persimpangan: efisiensi chip adalah satu-satunya jalan keluar, tetapi jalan itu penuh dengan risiko teknis dan godaan untuk memprioritaskan margin di atas aksesibilitas. Investor ingin melihat profit; pengguna ingin harga murah. Chip Jalapeño mungkin bisa memuaskan keduanya — atau justru menjadi pengingat bahwa dalam ekonomi AI, tidak ada yang gratis, termasuk efisiensi.
---
Berdasarkan laporan keuangan OpenAI 2025 (diverifikasi Financial Times), Crypto Briefing, Deloitte Predictions 2026, VentureBeat, dan Tech Times.