Berapa banyak Token yang kamu gunakan setiap bulan? Token adalah unit terkecil untuk memproses teks dalam model bahasa AI. Karena layanan AI biasanya mengenakan biaya berdasarkan jumlah Token yang diproses, Token juga menjadi satuan pengukur umum untuk menghitung penggunaan model, biaya, dan panjang konteks.
Seiring dengan penerapan AI secara besar-besaran, "Ekonomi Token" juga menjadi kata kunci yang panas. Cina telah menjadi negara konsumen Token besar. Hingga Maret tahun ini, volume panggilan harian nasional telah melampaui 140 triliun, meningkat lebih dari 40% dalam tiga bulan. 1 Dari angka ini, mudah dibayangkan sebuah gambaran: volume panggilan di suatu kota tumbuh pesat, pusat komputasi yang sebelumnya menganggur menjadi penuh, perusahaan memasukkan agen cerdas ke dalam proses layanan pelanggan, pengembangan, penjualan, dan kantor, karyawan mulai menggunakan AI secara massal untuk membantu pekerjaan... Hal-hal ini memang terjadi, dan Token juga dapat dihitung seperti PDB, diberi peringkat, dan dimasukkan ke dalam laporan akhir tahun. Tapi gambaran ini tidak menjawab satu pertanyaan: Apa artinya ini bagi ekonomi dan masyarakat? Apa yang bisa didapatkan warga biasa darinya?
Kita dapat memahaminya dari sisi permintaan dan penawaran. Hitunglah Token dalam dua buku "sisi penawaran" dan "sisi permintaan". Yang pertama mencakup kapasitas produksi, panggilan, biaya, investasi, pendapatan perusahaan, dan prestasi pemerintah daerah; yang kedua berkaitan dengan upah, pekerjaan, waktu luang, jaminan sosial, layanan publik, dan daya beli keluarga.
Keunikan Ekonomi Token di Cina adalah, ia sangat mahir memperluas buku pertama, dan terbiasa menganggap hasil buku pertama secara langsung sebagai hasil buku kedua. Jadi penawaran disebut sebagai permintaan, input perantara disebut sebagai konsumsi, penurunan biaya perusahaan disebut sebagai kemakmuran. Justru karena AI benar-benar memiliki daya produktif, siapa yang mengendalikan interpretasi nilai ini, siapa yang mengambil keuntungannya, itulah yang lebih patut dipertanyakan.
Token, "Konsumsi Listrik" Baru
Token memang bisa menjadi indikator teknis yang dapat diukur seperti konsumsi listrik, tetapi peningkatan konsumsi listrik industri tidak akan memberi tahu Anda apakah arus listrik mengalir ke industri yang lebih efisien atau ke kapasitas berlebih yang tidak efisien. Demikian pula, satu panggilan Token mungkin menghasilkan laporan yang benar-benar menghemat waktu Anda beberapa jam, atau mungkin hanya mengulang-ulang revisi teks yang akhirnya tidak terpakai sama sekali.
Volume penggunaan adalah input, tugas adalah proses, pendapatan dan laba adalah hasil di tingkat perusahaan, produktivitas adalah hasil ekonomi di tingkat yang lebih tinggi. Beberapa tingkat ini, jaraknya sangat berbeda dari kehidupan warga. Perbaikan laba perusahaan, setidaknya masih ada satu jalur: membagikan pendapatan kepada karyawan, yang kemudian dibelanjakan oleh karyawan. Tetapi jika Token terus-menerus meningkatkan efisiensi dan jumlah pesanan yang diterima oleh kurir pengantar makanan, namun tidak meningkatkan pendapatan riilnya, maka jalur ini terputus.
Ini bukan kekhawatiran abstrak, volume panggilan harian 140 triliun itu sendiri perlu diurai. ByteDance, melalui Volcengine, mengungkapkan pada April bahwa, Doubao model besar memiliki penggunaan Token harian yang telah melampaui 120 triliun.2 Artinya, sebagian besar dari total nasional berasal dari satu platform ini, dan yang mendorong angka ini terutama adalah pembuatan video AI: pembuatan dan iterasi satu video saja dapat menghabiskan puluhan juta Token. Gambaran ini sama sekali bukan "penetrasi menyeluruh ke ribuan industri". Ini lebih mirip satu perusahaan, satu jenis skenario, sebuah industri konten yang sedang meledak. Menganggap volume panggilan harian sebagai indikator kesehatan ekonomi keseluruhan, sulit dipertahankan di hadapan struktur ini.
Perusahaan membeli Token, dalam pembukuannya tentu dihitung sebagai permintaan. Tetapi jika dimasukkan ke dalam ekonomi nasional keseluruhan, kemungkinan besar itu hanya input perantara dari awal hingga akhir. Baru ketika harga produk turun, upah naik, waktu luang bertambah, layanan publik membaik, atau produk baru yang orang mau dan mampu beli tercipta, Token benar-benar masuk ke dalam buku kedua.
Inilah perbedaan antara sisi penawaran dan sisi permintaan. Yang pertama adalah produksionisme tipikal, mungkin juga narasi default banyak orang ketika membicarakan "Ekonomi Token": menempatkan kapasitas produksi, aset tetap, kemampuan teknologi, dan skala industri sebelum pendapatan keluarga, jaminan sosial, dan konsumsi akhir. Urutan ini bukanlah kebetulan. Rasa aman warga sulit dikuantifikasi, kualitas layanan juga sulit dimasukkan ke dalam laporan akhir tahun; tetapi kluster 10.000 kartu grafis, output Token per kWh, volume panggilan harian, jumlah kawasan industri, skala investasi, semuanya dapat dikuantifikasi, dapat direncanakan, dibiayai, disubsidi, diberi peringkat, dan dievaluasi. Chip, server, jaringan listrik, pendingin cair, pusat data, semuanya memiliki entitas pembelian yang jelas, cocok untuk intervensi dana industri, kredit bank, investasi BUMN, proyek daerah.
Sebaliknya, meningkatkan asuransi pengangguran, memberikan pensiun kepada penduduk migran, meningkatkan layanan publik tingkat dasar, membutuhkan komitmen fiskal jangka panjang dan rutin (pengeluaran terkait pengangguran di Cina saat ini kurang dari 0,1% dari PDB, rata-rata negara OECD adalah 1,0%)3 dan akan langsung menyentuh pembagian tanggung jawab pusat dan daerah. Yang pertama adalah prestasi, yang kedua adalah masalah.
Jadi, sebuah revolusi teknologi, pertama-tama dibaca sebagai aset tetap baru, kapasitas produksi daerah baru, visibilitas administratif baru. Interpretasi ini tidak diselesaikan oleh satu pihak saja. Pemerintah daerah membutuhkan investasi dan prestasi, perusahaan data milik negara membutuhkan bisnis, pusat komputasi membutuhkan pemanfaatan penuh, kawasan industri membutuhkan menarik investasi, penyedia cloud dan perusahaan model membutuhkan pelanggan awal — dan perusahaan milik negara serta departemen pemerintah, kebetulan dapat berperan sebagai pembeli pertama itu.
Ekonomi Token, tidak tumbuh sendiri dari pasar, juga tidak diciptakan oleh satu perintah, ia datang dari dorongan berbagai pihak, namun dengan alasan berbeda: ada yang menginginkan keamanan strategis, ada yang menginginkan pemanfaatan aset, ada yang menginginkan pendapatan, ada yang menginginkan pembiayaan, ada yang menginginkan nilai evaluasi. Antarmuka yang menyatukan perhitungan berbeda ini adalah Token.
Film "Blade Runner 2049"
Merangsang Permintaan dengan Cara Memperluas Kapasitas Produksi
Yizhuang, Beijing, memberikan contoh yang hampir lengkap. Lokal mengusulkan, pada 2030, skala industri ekonomi cerdas mencapai 4000 miliar yuan: membangun empat pabrik Token tingkat 10.000 kartu grafis, skala komputasi melampaui 100.000 P, output Token per kWh meningkat menjadi enam kali lipat dari sekarang, membangun infrastruktur distribusi dan konsumsi Token, mengembangkan lebih dari 50 platform kolaborasi pengembangan agen cerdas, menarik lebih dari 5000 entitas OPC.
Cara bermain kebijakan ini, selaras dengan kebijakan industri Cina lainnya. Tidak hanya membangun infrastruktur dasar, tetapi juga mencakup dan mensubsidi seluruh rantai industri: sewa daya komputasi disubsidi 30% dari biaya, kupon data 1 miliar yuan per tahun, platform agregasi dan penyelesaian Token tertinggi 50 juta yuan, platform rekonstruksi dan pengiriman bisnis cerdas tertinggi 10 juta yuan per tahun, terus disubsidi hingga perusahaan benar-benar mengkonsumsi Token dalam skenario nyata. Pemerintah mendukung pabrik memproduksi Token, mendukung platform mendistribusikan Token, juga mendukung perusahaan menggunakan Token.
Subsidi memiliki bagian yang wajar. Teknologi baru sering terhambat pada tahap awal promosi, misalnya infrastruktur tidak memadai, perusahaan enggan mencoba lebih dulu, penyedia kesulitan menemukan aplikasi, ini adalah kegagalan koordinasi yang khas. Kupon daya komputasi dan kupon Token dapat menekan biaya adopsi pertama, memaksa perusahaan membuka data dan proses, bahkan menumbuhkan layanan yang sebelumnya tidak ada.
Tapi yang juga patut diperhatikan adalah sebuah "transformasi semantik". Bab terkait berjudul "Memperluas Mode Konsumsi Ekonomi Cerdas Secara Menyeluruh", konten utamanya justru mendorong perusahaan di bidang kesehatan medis, penerbangan komersial, manufaktur mobil, dll., untuk membuka skenario throughput tinggi, mendorong Token dikonsumsi secara massal dan frekuensi tinggi; bagi perusahaan yang menerapkan aplikasi skenario nyata, memberikan dukungan dana hingga 5 juta yuan sebesar 50% dari biaya konsumsi Token.4
Artinya, dalam bab berjudul "Memperluas Konsumsi", pemerintah mensubsidi setengah dari konsumsi input perantara perusahaan. Perusahaan membeli Token adalah membeli sarana produksi, termasuk input perantara, tidak sama dengan konsumsi akhir warga; kebijakan terjadi di sisi pembelian, tidak berarti itu kebijakan sisi permintaan. Pemerintah membantu menurunkan biaya Token perusahaan, perusahaan meningkatkan panggilan, platform mendapatkan pendapatan, volume panggilan kemudian menjadi alasan memperluas kapasitas produksi — uang berputar seperti ini antara pemerintah, platform, dan perusahaan, menutup satu lingkaran. Selama lingkaran ini tidak mengeluarkan cabang yang mengarah ke upah, jaminan sosial, layanan publik, penurunan harga yang dapat diandalkan, atau transfer pembayaran kepada warga, yang disebut sisi permintaan, masih hanya sisi penawaran yang membeli produknya sendiri.
Ini adalah perbedaan yang paling ingin saya jelaskan dalam keseluruhan artikel. Bukan berarti kita tidak merangsang permintaan, tetapi terlalu terbiasa merangsang permintaan dengan cara memperluas kapasitas produksi. Empat triliun yuan sebelumnya seperti ini, fotovoltaik seperti ini, giliran Token, kebiasaan yang sama diperpanjang ke era kecerdasan.
Film "Ghost in the Shell"
Keterbatasan Narasi Sisi Penawaran
Narasi sisi penawaran biasanya memiliki garis lurus yang indah: model lebih kuat, Token lebih murah, jadi lebih banyak digunakan; lebih banyak digunakan, jadi produktivitas meningkat; produktivitas meningkat, jadi pendapatan dan laba perusahaan meningkat, pendapatan pekerja meningkat, uang masuk ke sisi permintaan. Setiap mata rantai sendiri mungkin valid, tetapi pengalaman sisi penawaran selama bertahun-tahun memberitahu kita, di antara setiap dua mata rantai terdapat kepentingan sektoral, persaingan industri, dan pola distribusi.
Pertama, tingkat yang paling langsung: Token tidak sama dengan laba, pertama-tama ia adalah tagihan yang tidak terkendali. Hingga pertengahan 2026, justru tagihan inilah yang membuat banyak perusahaan Amerika ragu-ragu. Survei triwulanan KPMG menunjukkan, sekitar setengah dari eksekutif yang disurvei mengurangi penerapan agen cerdas, alasannya biaya melebihi manfaat. Agen cerdas dan Harness menghubungkan model umum ke data, alat, wewenang, memori, dan alur kerja perusahaan, satu tanya jawab menjadi tugas yang dapat dieksekusi berkelanjutan. Model tidak lagi hanya kotak obrolan yang sesekali dibuka karyawan, tetapi mungkin menjadi pembawa semua tugas, setidaknya tampaknya sangat efisien.5
Tapi nilai tidak bisa dinilai hanya dari konsumsi. Dari demam Token Maxxing (merujuk pada praktik umum di perusahaan teknologi besar sekitar 2025: menggunakan AI seintensif mungkin, mengukur tingkat inovasi karyawan berdasarkan penggunaan Token mereka, menganggap konsumsi itu sendiri sebagai indikator kemajuan. Karena harga AI meningkat linear dengan penggunaan, praktik ini langsung menyebabkan tagihan membengkak pada 2026.) hingga sekarang, mitos "Token sama dengan efisiensi" pada dasarnya sudah runtuh. Tidak banyak yang meragukan kemampuan AI meningkatkan efisiensi, masalah sebenarnya adalah: tugas apa yang diselesaikan dengan penggunaan AI skala besar, berapa banyak waktu dihemat, berapa banyak pendapatan bertambah, dan berapa biaya verifikasi, perbaikan, kesalahan, dan kepatuhan yang dihasilkan? Jika hanya tiga hal pertama yang dimasukkan ke dalam statistik, dan empat hal terakhir dibiarkan dicerna diam-diam oleh karyawan, perusahaan mendapatkan penilaian yang bagus tetapi sepihak.
Jadi ada tangga paling dasar: panggilan tidak sama dengan penyelesaian tugas, penyelesaian tugas tidak sama dengan peningkatan pendapatan, peningkatan pendapatan tidak sama dengan perbaikan laba, perbaikan laba juga tidak berarti produktivitas makro dan kesejahteraan sosial naik bersamaan. Setiap naik satu tingkat, memerlukan dukungan bukti baru. Ini bukan ambang batas yang dibuat khusus untuk AI, setiap input perantara harus melewati tes akal sehat keuangan yang sama.
Bahkan jika proyek AI memang meningkatkan efisiensi perusahaan, belum selesai. Volume panggilan, pendapatan platform, laba perusahaan, dan nilai pelanggan hilir adalah empat hal berbeda. Dari laporan tahunan 2025 Zhipu, panggilan API dan pendapatan keduanya tumbuh pesat: pendapatan tahunan tumbuh 132%, pendapatan berulang tahunan platform MaaS meningkat 60 kali lipat dalam dua belas bulan, namun kerugian bersih yang disesuaikan tetap melebar 29% pada periode yang sama.
Dan ini bukan dengan menukar volume dengan penurunan harga, Zhipu menaikkan harga API sebesar 83% pada kuartal pertama 2026, tetapi volume panggilan malah tumbuh 400%.6 Kekuatan penetapan harga, volume penggunaan, pendapatan, ketiganya naik bersama, laba masih belum mengikuti. Angka-angka ini tidak membuktikan bahwa bisnis model tidak bernilai, perusahaan pertumbuhan tinggi tentu bisa menukar kerugian dengan riset dan pasar, tetapi mereka membuktikan bahwa: kita tidak bisa menggunakan indikator tingkat satu untuk meniru hasil tingkat berikutnya. Fotovoltaik telah melalui jalan yang sama, kerugian tidak menyempit dengan ekspansi skala, malah semakin besar: Tongwei Co., Ltd rugi bersih 7 miliar yuan pada 2024, memperkirakan rugi 9-10 miliar yuan pada 2025.7
Selanjutnya masalah distribusi. Jika AI menciptakan nilai tambah 100 yuan, perusahaan chip, cloud, penyedia model, platform aplikasi, perusahaan pengguna, pekerja, dan konsumen, akan membagi kue ini. Dari logika sisi penawaran, 100 yuan ini kemungkinan besar sebagian besar diambil oleh perusahaan di hulu rantai. Teknologi tidak menghapus politik distribusi, hanya memberi AI baju baru untuk tampil kembali.
Struktur makro membuat masalah distribusi ini lebih jelas. IMF memperkirakan pada 2024 total pembentukan modal Cina sekitar 40% dari PDB,8 "Qiushi" menyebutkan bahwa tingkat konsumsi penduduk pada tahun yang sama sekitar 39,9%.9 Kedua angka ini memiliki cakupan berbeda, tidak bisa dibandingkan secara langsung dan presisi, tetapi mengarah pada struktur yang sama: skala investasi sangat besar, sumber daya ekonomi yang dimiliki sektor rumah tangga relatif terbatas. Ini adalah pengetahuan dasar tentang ekonomi Cina.
Perkiraan Bank Dunia untuk impuls fiskal 2025 adalah 1,6% dari PDB, di mana bagian yang langsung ditujukan kepada rumah tangga hanya sekitar 0,5 persen poin, sisanya terutama investasi publik. Bank tersebut juga menunjukkan, hubungan antara pertumbuhan dan pekerjaan sedang melemah.10 Fenomena ini tidak bisa dikaitkan dengan AI, tetapi mereka membentuk kondisi awal ketika AI memasuki ekonomi Cina. Ketika perusahaan secara umum menghadapi permintaan lemah dan persaingan harga, hal termudah yang pertama kali dilakukan dengan AI, bukan menciptakan dunia konsumsi baru, tetapi mengurangi biaya, mengurangi perekrutan, mempercepat pasokan, meningkatkan daya saing ekspor.
Untuk perusahaan individual, ini sangat rasional; jika dijumlahkan untuk semua perusahaan, mungkin menjadi sebuah fallacy of composition yang khas: menekan upah dan pekerjaan pemuda, ekspektasi dan konsumsi warga semakin lemah, persaingan harga semakin ketat, perusahaan kemudian semakin bergantung pada otomatisasi untuk terus mengurangi biaya. Saya tidak bermaksud menyimpulkan akhir AI, tetapi siklus ini sudah berulang terjadi di banyak industri. Jika keuntungan produktivitas terutama tertahan pada aset tetap, sewa platform, dan laba perusahaan hulu, peningkatan efisiensi di tingkat mikro, belum tentu bisa diubah menjadi pertumbuhan pendapatan di tingkat makro.
Film "Modern Times"
Seribu Henry Ford, dan Setengah yang Absen
Dalam diskusi Ekonomi Token, masalahnya bukan lagi berapa banyak Token yang dikonsumsi, tetapi seluruh mode produksi sedang dibentuk ulang. Dalam wawancara eksklusif dengan Huxiu, Profesor Sun Tianshu dari Cheung Kong Graduate School of Business mengatakan:
Peluang AI yang lebih besar di Cina putaran ini, bukan meniru internet konsumsi baru, tetapi dalam AI To B: rekonstruksi industri agen cerdas terhadap ribuan industri; setiap industri vertikal dapat memiliki "otak industri" sendiri dengan bantuan AI, setiap perusahaan perlu membangun "sistem agen cerdas" sendiri; untuk menyelesaikan transformasi ini, dibutuhkan sejumlah "Henry Ford" yang memahami pengetahuan tersirat industri, arsitektur bisnis, perubahan organisasi dan memiliki pemikiran asli AI — mereka tidak menambahkan satu fungsi AI ke alur lama (+AI), tetapi merancang ulang cara produksi, model bisnis dan tatanan industri dengan prinsip pertama (AI+), seperti yang dilakukan Mr. Ford 100 tahun lalu di era listrik, di Highland Park Detroit, merancang "mode lini perakitan" yang berpusat pada listrik, merekonstruksi daya produktif dan hubungan produksi, menciptakan era baru "asli listrik" industri otomotif.
Metafora "Henry Ford" ini memiliki wawasan, juga memiliki titik buta. Wawasan di sisi penawaran: menyelipkan kotak obrolan ke dalam alur lama, biasanya hanya membawa perbaikan lokal, yang benar-benar harus dilakukan perusahaan adalah merancang ulang tugas, pembagian kerja manusia-mesin, wewenang data, rute model, standar verifikasi, dan tanggung jawab. Ini benar.
Titik butanya adalah, lini perakitan tidak pernah hanya peningkatan teknologi efisiensi. Arsip Museum Ford menunjukkan, percobaan lini perakitan 1913-1914 memangkas waktu perakitan sebuah Model T dari 12,5 jam menjadi 93 menit.11 Bayarannya muncul bersamaan. Menurut penyusunan arsip Ford oleh Raff dan Summers, tingkat pergantian tahunan 1913 di pabrik Highland Park sekitar 370%, untuk mempertahankan rata-rata 13.623 orang dalam staf, harus mempekerjakan lebih dari 50.000 orang sepanjang tahun, tingkat absen harian satu persepuluh. Ford kemudian mengubah sistem lama "hari kerja sembilan jam, upah harian $2,34" menjadi skema baru "hari kerja delapan jam, upah harian $5".12
Kedua penulis ini secara eksplisit menyingkirkan dua penjelasan: kelangkaan tenaga kerja dan menarik pekerja berketerampilan tinggi — antrian pencari kerja di depan gerbang pabrik saat itu sudah menjadi pemandangan umum Detroit, dan arah perubahan teknologi justru mengurangi keterampilan. Ini hampir tidak ada hubungannya dengan "membuat pekerja mampu membeli mobil yang mereka buat" yang kemudian diromantisasi, ini pertama-tama adalah penyelamatan diri pabrik yang tidak bisa mempertahankan orang.
Tapi hasilnya nyata. Tingkat pergantian tahun berikutnya turun menjadi 54%, 1915 menjadi 16%, tingkat absen dari satu persepuluh turun menjadi 2,5%; pada periode yang sama, harga nominal Model T turun dari $550 pada 1914 menjadi $440 pada 1916, laba bersih perusahaan tetap naik. Pekerja memiliki hubungan kerja yang stabil dan pendapatan lebih tinggi, juga memiliki perumahan dan tabungan. Hanya saja kalimat kedua ini membutuhkan tambahan: tabungan dan perumahan bukan limpahan alami, tetapi syarat kelayakan menerima. Upah harian lima dolar hanya diberikan kepada laki-laki berusia minimal 22 tahun, telah bekerja minimal enam bulan, dan harus melalui pemeriksaan kebiasaan hidup oleh sekitar 150 penyidik Departemen Sosiologi Ford, kebiasaan mabuk, berjudi, tempat tinggal kotor, tidak menabung secara teratur dapat menyebabkan pembatalan kelayakan; dalam enam bulan pertama pelaksanaan skema, hanya 69% tenaga kerja yang memenuhi syarat. Ini adalah produk sampingan lini perakitan intensitas tinggi, juga sisi permintaan Ford — tetapi ini dirancang, diberi syarat, diawasi, bukan jatuh dari lini perakitan.
Oleh karena itu, yang disebut Fordisme makro dalam ekonomi politik adalah dua hal. Satu adalah standardisasi, pemecahan tugas, de-skilling, produksi massal, dan disiplin kerja ketat, yang benar-benar mengubah produksi industri, dan juga yang dibutuhkan imajinasi sisi penawaran Token saat ini. Yang lain bukan niat baik pengusaha, juga bukan kebijakan kenaikan upah, melainkan sistem akumulasi yang saling mendukung antara produksi massal, upah relatif stabil, konsumsi massal, sistem kesejahteraan, dan pekerjaan jangka panjang.13
Narasi Token mudah menciptakan "Ford" pertama, mendorong rekonstruksi alur, penurunan biaya, perluasan kapasitas, arsitek AI, dan individu super. Tetapi belum membuktikan "Ford" kedua akan muncul: setelah produktivitas meningkat, apakah upah akan naik, jam kerja akan turun, apakah jaminan sosial dan layanan publik akan membaik, apakah daya beli keluarga dapat menampung penambahan pasokan baru. Mungkin yang dibutuhkan Cina bukan seribu Ford, tetapi setengah Fordisme yang absen.
Orang yang menunjukkan titik buta ini sebenarnya ada dalam pertemuan yang sama. Profesor Lynn Wu dari Wharton School, University of Pennsylvania, dalam seminar yang diselenggarakan oleh departemen penelitian tempat Sun Tianshu berada, berdasarkan data adopsi robot dua puluh tahun Kanada menunjukkan: posisi keterampilan tinggi dan rendah relatif aman, yang paling terkena dampak adalah pekerja keterampilan menengah; efek jangka panjang adalah terputusnya jalur promosi dari keterampilan rendah ke keterampilan tinggi, mobilitas sosial juga akan dibentuk ulang.14
Mengikuti pertanyaan ini kembali ke ekonomi Cina. Banyak orang menganggap Token dan ekonomi AI di belakangnya sebagai mesin baru setelah real estat, bahkan penyerap modal baru. Inferensi ini memiliki daya penjelas, tetapi harus dibatasi. Keduanya memang mirip dalam bentuk kelembagaan: tanah, kredit, dan kawasan industri dapat diganti dengan listrik, kupon daya komputasi, dan cloud BUMN, meter persegi dan jumlah investasi dapat diganti dengan PFlops, volume Token, dan pendapatan API, persaingan perekrutan daerah juga dapat beralih dari gedung ke proyek chip, model, dan daya komputasi.
Tapi kemiripan hanya sampai di sini. Real estat pernah menyerap banyak tenaga kerja keterampilan rendah dan menengah, terhubung ke belakang dengan baja, semen, peralatan rumah tangga, dekorasi, ke depan terhubung dengan keuangan tanah, kredit, dan ekspektasi kekayaan keluarga, itu memang pernah menciptakan pekerjaan, pendapatan warga, dan efek kekayaan.15 Infrastruktur AI sangat padat modal, AI sendiri adalah teknologi hemat tenaga kerja, dapat menyerap modal dan listrik, tetapi tidak secara otomatis menghasilkan total upah, pekerjaan lokal, dan permintaan keluarga yang setara. Pabrik Token dapat memperluas kapasitas produksi, tetapi tidak bisa menciptakan pembelinya sendiri.16
Film "Modern Times"
Dari Volume Produksi Kembali ke Kehidupan
Volume konsumsi Token hanya bisa memberi tahu kita seberapa cepat mesin ekonomi ini berputar, tetapi tidak bisa memberi tahu kita siapa yang mendapatkan pekerjaan, pendapatan, waktu, dan kehidupan yang lebih baik karenanya. Untuk menilai Ekonomi Token, pada akhirnya mungkin hanya perlu menanyakan tiga pertanyaan: Pertumbuhan Token berasal dari pembayaran pasar, subsidi publik, atau siklus internal organisasi? Proyek AI menciptakan pendapatan dan layanan baru, atau terutama untuk mengurangi tenaga manusia, menekan biaya? Keuntungan produktivitas masuk ke pendapatan keluarga, layanan publik, dan konsumsi, atau tertahan pada laba perusahaan, sewa platform, dan investasi aset tetap?
Tiga pertanyaan ini sekarang belum ada jawabannya, 140 triliun lebih seperti angka besar dan terang, seperti pabrik yang terus beroperasi di malam hari, kita melihat lampu, meteran listrik, dan lini perakitan, tetapi belum tahu apakah orang di luar pabrik mampu membeli barang yang diproduksinya.
Risiko terbesar Ekonomi Token, bukan Token itu sendiri tidak bernilai, tetapi daya produktif AI nyata sekali lagi dimasukkan ke dalam sistem yang hanya mahir memperluas penawaran. Ia akan menciptakan lebih banyak Ford era kecerdasan, lebih banyak lini perakitan presisi, lebih banyak volume produksi yang dapat dihitung. Dan setengah Fordisme yang lain tidak akan jatuh secara otomatis dari lini perakitan, dalam sejarah itu selalu hasil yang dinegosiasikan bersama hubungan kerja, komitmen fiskal, dan tekanan politik, bukan produk sampingan ekspansi kapasitas.
Catatan Kaki dan Referensi
1. Kepala Administrasi Data Nasional Liu Liehong dalam konferensi pers Kantor Informasi Dewan Negara menyatakan, hingga Maret 2026, volume panggilan harian Token di negara kita telah melampaui 140 triliun, meningkat lebih dari 1000 kali lipat dibandingkan awal 2024 yang 100 miliar, meningkat lebih dari 40% dibandingkan akhir 2025 yang 100 triliun, dalam tiga bulan. Xinhua "Volume Panggilan Token Harian Negara Kita Melampaui 140 Triliun", 24 Maret 2026. Wakil Kepala Biro Statistik Nasional Mao Shengyong mengulangi cakupan yang sama dalam konferensi pers Kantor Informasi Dewan Negara pada 16 April.
2. ByteDance melalui Volcengine mengungkapkan pada 2 April 2026, Doubao model besar penggunaan Token harian telah melampaui 120 triliun. Yang mendorong konsumsi terutama adalah skenario pembuatan video multimodal, pembuatan dan iterasi satu video AI dapat menghabiskan puluhan juta Token. Lihat laporan "The Paper" April 2026 dan pengungkapan publik Volcengine.
3. Statistik Bank Dunia, hanya 47% angkatan kerja perkotaan di Cina yang tercakup asuransi pengangguran, uang pengangguran bulanan rata-rata 2023 adalah 1814 yuan, kurang dari 20% dari upah rata-rata perkotaan; pengeluaran terkait pengangguran nasional di bawah 0,1% dari PDB, rata-rata negara OECD 2021 adalah 1,0%. World Bank, China Economic Update, Juni 2025, hlm. 35.
4. "Beberapa Tindakan Distrik Ekonomi dan Teknologi Beijing tentang Mendukung Penggerak Token untuk Pengembangan Ekonomi Cerdas Berkualitas Tinggi (Percobaan)" (Jing Ji Guan Fa [2026] No. 9, disingkat "Sepuluh Token"), disusun 3 Agustus 2026, dirilis 5 Agustus 2026, berlaku hingga 31 Desember 2030, berlaku untuk wilayah 225 km persegi Yizhuang New City.
5. KPMG "Q2 2026 Global AI Pulse" menunjukkan, sekitar 49% eksekutif yang disurvei mengurangi penerapan agen cerdas, alasannya biaya melebihi manfaat, pada periode yang sama 79% masih menempatkan AI sebagai prioritas investasi. Ada juga beberapa bukti independen: McKinsey "Enterprise AI FinOps Survey" (Mei 2026) menyatakan 93% responden melampaui anggaran AI; PwC "2026 Global CEO Survey" menyatakan hanya 12% CEO yang menyatakan AI membawa manfaat biaya dan pendapatan, 56% menyatakan belum melihat keduanya; Gartner (Maret 2026) memperkirakan Token yang dibutuhkan agen cerdas untuk menyelesaikan satu tugas adalah 5 hingga 30 kali lipat dari chatbot standar. Uber pada April 2026 menghabiskan anggaran tahunan untuk alat pengkodean AI, COO-nya dalam rapat 25 Mei mengakui tidak dapat menghubungkan pengeluaran ini dengan peningkatan produk yang ditujukan kepada konsumen; CEO OpenAI Sam Altman pada Juni 2026 kepada CNBC menyatakan, keraguan apakah pengeluaran AI dapat menghasilkan imbalan adalah kritik paling adil terhadap AI saat ini. Pemicunya adalah laporan investigasi Axios akhir Mei 2026 tentang "AI sticker shock".
6. Zhipu (Knowledge Atlas Technology) terdaftar di HKEX pada 8 Januari 2026, merilis laporan tahunan pertama setelah terdaftar pada 31 Maret. Pendapatan 2025 724 juta yuan, meningkat 131,9% YoY; pendapatan berulang tahunan platform MaaS (ARR) sekitar 1,7 miliar yuan, meningkat 60 kali lipat dalam dua belas bulan; margin kotor platform MaaS naik dari 3,3% menjadi 18,9%. Pada periode yang sama, rugi bersih 4,718 miliar yuan, melebar 59,5% YoY; setelah mengecualikan pembayaran saham (558 juta yuan), perubahan nilai wajar instrumen keuangan (937 juta yuan), dan biaya pendaftaran, dll., non-tunai dan satu kali, rugi bersih yang disesuaikan 3,182 miliar yuan, melebar 29,1% YoY. Biaya riset dan pengembangan 3,18 miliar yuan, meningkat 44,9% YoY, 4,4 kali lipat dari pendapatan tahunan. Artikel ini menggunakan cakupan yang disesuaikan.
7. Ketua Kehormatan Asosiasi Fotovoltaik Cina Wang Bohua menunjukkan, kerugian yang disebabkan oleh fluktuasi industri 2024 jauh melampaui tiga fluktuasi industri sebelumnya. Urutan tahunan perusahaan tertentu menunjukkan kerugian melebar dengan ekspansi skala: Tongwei Co., Ltd rugi bersih 7,039 miliar yuan pada 2024, memperkirakan rugi 9-10 miliar yuan pada 2025; Trina Solar rugi 3,443 miliar yuan pada 2024, memperkirakan rugi 6,5-7,5 miliar yuan pada 2025, telah rugi selama enam kuartal berturut-turut; JA Solar rugi 4,656 miliar yuan pada 2024, memperkirakan rugi 4,5-4,8 miliar yuan pada 2025. Hingga akhir 2024, kapasitas rantai utama bahan silikon, wafer, sel surya, modul masing-masing mencapai 1447GW, 1160GW, 1193GW, 1428GW. Meskipun demikian, dari Januari hingga Februari 2025, seluruh rantai industri fotovoltaik masih memiliki 31 proyek yang diumumkan, ditandatangani, atau dimulai, total skala hampir 200GW, total investasi hampir 90 miliar yuan.
8. Basis data "World Economic Outlook" IMF, "total investment" Cina 2024 sekitar 40,4%; tingkat pembentukan modal dalam perhitungan pengeluaran Biro Statistik Nasional sekitar 40,5%. Nilai ini berubah sedikit dengan setiap revisi WEO, jadi di sini diambil perkiraan.
9. Komentator situs web "Qiushi" "[Membahas Cina] Mengapa Meningkatkan Tingkat Konsumsi Penduduk?", 5 Desember 2025. Artikel yang sama menunjukkan tingkat konsumsi penduduk Cina masih memiliki kesenjangan 10 hingga 30 poin persentase dengan negara maju, proporsi konsumsi jasa rendah. Penjelasan cakupan: tingkat konsumsi penduduk mengacu pada proporsi pengeluaran konsumsi akhir penduduk terhadap PDB; tingkat konsumsi akhir juga termasuk konsumsi pemerintah. Data Biro Statistik Nasional menunjukkan, tingkat konsumsi akhir 2024 adalah 56,6%, stabil di atas 50% sejak 2013; tingkat pembentukan modal stabil di atas 40%. Jadi 39,9% dan 40% tidak membentuk hubungan penjumlahan, selisihnya terutama konsumsi pemerintah dan ekspor bersih.
10. World Bank, China Economic Update, Juni 2025: Unlocking Consumption, hlm. 1–2, 11. Bank memperkirakan impuls fiskal 2025 adalah 1,6% dari PDB, di mana bagian yang langsung ditujukan kepada rumah tangga sekitar 0,5% dari PDB, sisanya terutama investasi publik. Bab khusus Jobs in Transition, hlm. 21. 2015-2019 PDB tumbuh rata-rata 6,7% per tahun, pekerjaan perkotaan tumbuh rata-rata 2,7% per tahun, lima tahun menambah pekerjaan perkotaan bersih 55,5 juta orang, pendapatan per kapita riil penduduk tumbuh rata-rata 6,7% per tahun; 2020-2024 PDB tumbuh rata-rata 4,9% per tahun, pekerjaan perkotaan hanya tumbuh rata-rata 0,9% per tahun, lima tahun menambah pekerjaan perkotaan bersih 21 juta orang, pendapatan per kapita riil penduduk tumbuh rata-rata 4,8% per tahun.
11. The Henry Ford, “Ford’s Five Dollar Day Revolution”. Museum mencatat percobaan lini perakitan 1913-1914 memangkas waktu perakitan sebuah Model T dari 12,5 jam menjadi 93 menit, tingkat pergantian pada periode yang sama mencapai 370%; deskripsi koleksi lain memberikan angka "tingkat pergantian akhir 1913 380%", dan menyatakan saat itu untuk menambah bersih 100 pekerja harus mempekerjakan 963 orang.
12. Daniel M. G. Raff & Lawrence H. Summers, “Did Henry Ford Pay Efficiency Wages?”, NBER Working Paper No. 2101, Desember 1986 (kemudian diterbitkan dalam Journal of Labor Economics, 1987)
13. "Fordisme makro" dan "rezim akumulasi" (regime of accumulation) adalah konsep dari Sekolah Regulasi Prancis (Régulation School), mengacu pada pengaturan keseluruhan yang saling mendukung antara produksi massal, upah relatif stabil, konsumsi massal, sistem kesejahteraan, dan pekerjaan jangka panjang. Literatur utama: Michel Aglietta, A Theory of Capitalist Regulation: The US Experience (1979);Alain Lipietz, Mirages and Miracles (1987);Robert Boyer, The Regulation School: A Critical Introduction (1990). Dapat ditelusuri kembali ke Antonio Gramsci, “Americanism and Fordism” ("Prison Notebooks", 1934).
14. Ringkasan seminar sarjana yang diselenggarakan oleh Departemen Penelitian Industri Kecerdasan AI, Cheung Kong Graduate School of Business, April 2026. Lynn Wu adalah profesor tetap operasi, informasi, dan keputusan di Wharton School, University of Pennsylvania, penilaiannya berdasarkan data adopsi robot dua puluh tahun Kanada.
15-16. Bank Dunia menunjukkan, penurunan real estat sejak 2021 menyebabkan jumlah pekerjaan konstruksi terus menurun, investasi infrastruktur publik hanya sebagian mengimbangi pengurangan permintaan tenaga kerja akibat real estat. World Bank, China Economic Update, Juni 2025, hlm. 22–23.hlm. 28–29. Hampir seperempat pekerjaan di Cina termasuk kategori "rutin fisik", lebih tinggi dari negara berpenghasilan menengah ke atas lainnya dan ekonomi berpenghasilan tinggi; proporsi pekerjaan "rutin kognitif" setara dengan ekonomi maju; sementara proporsi pekerjaan "non-rutin kognitif" yang dapat dilengkapi AI bukan digantikan lebih rendah dari ekonomi maju, ini dapat membatasi ruang Cina untuk mendapatkan manfaat dari AI (mengutip Arias et al., 2025). Bukti empiris lain menunjukkan, perusahaan manufaktur Cina (terutama perusahaan teknologi tinggi) setelah mengadopsi AI meningkatkan permintaan tenaga kerja keterampilan tinggi, mengurangi permintaan keterampilan rendah (Xie et al., 2021); adopsi robot 2010-2016 berdampak negatif pada pekerjaan dan upah pekerja bergaji dalam jabatan, terutama pekerja keterampilan rendah dan pekerja usia lebih tua (Giuntella et al., 2025).
Artikel ini dari akun WeChat resmi "Youthology" (ID: openyouthology001), penulis: Gu Yu, editor: Yang Shao
