Dari Pesta Teknologi ke Buku Besar Ekonomi: Para Sarjana di Konferensi Bund Debat Pertumbuhan, Distribusi, dan Paradigma Baru Global AI

AI sedang membentuk ulang ekonomi, dan hal ini kini sudah tak terbantahkan.

Yang benar-benar membuat para pembuat kebijakan, akademisi, dan pelaku industri sulit tidur adalah pertanyaan aritmatika berikutnya: Setelah belanja modal besar-besaran dialirkan ke kekuatan komputasi dan model, apakah secara makro dapat mengendap menjadi produktivitas nyata? Setelah kapasitas pasokan melebar drastis, akankah kita menyambut kemakmuran atau justru terjebak dalam deflasi jangka panjang? Ketika "pintu masuk karier" anak muda diam-diam dipersempit oleh teknologi, bagaimana kita menghindari terulangnya "Engels Pause" dalam sejarah? Dalam dinamika global yang semakin kompleks, bagaimana sistem digital ini membangun aturan perdagangan global yang baru?

Inilah inti perhatian pada forum penelitian “Paradigma Pertumbuhan Ekonomi AI Baru dan Rekonstruksi Nilai Sosial” di Konferensi Inclusion·Bund 2026.

Pada 9 September, forum yang mempertemukan Rektor Shanghai University of Finance and Economics Liu Yuanchun, Dekan National School of Development Peking University Huang Yiping, Profesor Jiang Xiaojuan dari Chinese Academy of Social Sciences University, Kepala Ekonom CICC Miao Yanliang, penerima Nobel Ekonomi Thomas Sargent, serta perwakilan industri tidak lagi terfokus pada pameran fungsional aplikasi teknologi, melainkan langsung menyoal tantangan mendalam: bagaimana AI bisa bertransisi dari variabel teknologi yang “panas” menjadi variabel makroekonomi yang sehat dan berkelanjutan?

01 Ekonomi AI Sudah Dimulai, Namun Laju Pertumbuhannya Masih Tanda Tanya

"Bentuk baru ekonomi AI sudah terbentuk, tapi ekonomi AI itu sendiri belum betul-betul dimulai." Liu Yuanchun membuka forum dengan refleksi kritis yang representatif.

Di awal revolusi teknologi, biasanya diiringi dengan gejolak pemikiran dan gelembung modal. Frekuensi penyebutan AI pada laporan keuangan global meningkat secara eksponensial, harga chip melonjak, investasi infrastruktur di pusat komputasi meledak, bahkan mendongkrak perdagangan dan ekspor global belakangan ini. Namun, jika kita telusuri dari lapisan mikro ke dasar makro, perbedaan pendapat makin tajam muncul.

Perusahaan riset bisnis memproyeksikan produktivitas masa depan secara optimis, McKinsey, Goldman Sachs dan lainnya memperkirakan Pertumbuhan Produktivitas Total Faktor (TFP) bisa tumbuh hingga 3% per tahun; namun dalam kalangan akademisi ekonomi serius, kelompok konservatif seperti Daron Acemoglu dari MIT, dalam model proyeksi awalnya menilai kontribusi AI terhadap TFP per tahun selama satu dekade ke depan hanya sekian per mil, nyaris diabaikan.

Mengapa di tingkat mikro semua orang memanfaatkan, namun data makro belum menunjukkan hasilnya?

Huang Yiping mengingatkan, hari ini kita sangat mungkin tengah mengalami “paradoks Solow” dan “efek kurva J” yang klasik dalam ekonomi teknologi. Saat komputer mulai menyebar akhir abad 20, data output juga sempat lama stagnan. Teknologi umum disruptif (GPT) ketika masuk ke sektor riil, butuh waktu lama untuk restrukturisasi organisasi, penyesuaian proses, dan pelatihan SDM—bukan hanya tidak langsung mendongkrak output, bahkan menanggung biaya penyesuaian berat di awal.

Sargent juga menyamakan fase perkembangan AI saat ini dengan “fase Kepler” dalam astronomi: AI sudah mampu mengenali hukum dari data setara astronomi, tapi manusia sendiri belum sepenuhnya memahami logika ekonomi dan struktur dasarnya.

Lalu, apakah investasi dan valuasi modal tinggi ini hanya menjadi “putaran kosong”? Liu Yuanchun mengulas paradigma baru sains: gelembung itu sendiri adalah “mekanisme koordinasi”. Selama berlangsung cukup lama, ia mendorong akumulasi kapital riil seperti jaringan komputasi, infrastruktur energi, aset digital hingga menembus ambang kritis. Saat koreksi tajam valuasi finansial terjadi, infrastruktur inti yang tersisa tetap mengunci ekonomi pada tingkat output tinggi dan stabil.

Konsensus pertama ekonom pada masa kini terbentuk: Arah teknologi sudah jelas, namun laju, skala pertumbuhan, dan efisiensi pengendapan aset riil masih sangat penuh penundaan dan ketidakpastian.

02 Dari “Investasi AI” ke “AI Menghasilkan Uang”, Kuncinya Cipta Permintaan Baru

Jika pada tahap sebelumnya narasi AI terfokus pada belanja modal (Capex), di tahap ini garis hidupnya adalah bisa tidaknya membentuk siklus bisnis tertutup.

CEO Ant Group Han Xinyi mengamati bahwa ekonomi AI tak bisa hanya mengandalkan investasi, dan aplikasi AI tak boleh berhenti pada peningkatan efisiensi stok. Jika perusahaan hanya memandang AI sebagai alat “reduce cost, increase efficiency”, hanya mempercepat proses lama tanpa penciptaan pasokan dan permintaan baru, akhirnya akan terjadi ketidakseimbangan suplai-permintaan yang parah dan kegagalan input-output. Bisnis harus melangah dari efisiensi ke penciptaan nilai sesungguhnya.

Kepala Ant Group Research Institute Li Zhenhua menyoroti struktur rantai industri: di hulu, monetisasi chip dan komputasi jelas, tapi di midstream (model besar) dan hilir (aplikasi) masih dibebani tekanan komersialisasi berat. Apakah narasi bisnis AI bisa bertahan sangat tergantung pada apakah aplikasi hilir benar-benar masuk ke industri nyata, membangun siklus nilai baru.

Zhao Bo dari Peking University menawarkan logika pertumbuhan dari “perluasan batas transaksi”. Nilai ekonomi inti AI terletak pada menurunkan ambang keterampilan khusus dan biaya eksperimen inovasi. Artinya, bukan sekadar mempercepat pekerjaan lama 10%, namun memungkinkan hal yang sebelumnya terlalu mahal, terlalu rumit, atau tidak bisa diskalakan kini menjadi produk, bisa dibeli, dan diperdagangkan.

Beralih dari efisiensi ke peningkatan volume, itulah satu-satunya jalan melewati tebing belanja modal.

03 Merespons Pertanyaan Musk: Tekanan Deflasi dan “Penyempitan Pintu” Kerja Pemuda

Saat kapasitas suplai karena AI meledak secara eksponensial, sebuah paradoks makro lebih tajam muncul: Jika produksi mesin makin cepat dan besar, apakah manusia cukup punya pendapatan efektif untuk berbelanja?

Huang Yiping merangkum potensi ketidakseimbangan makro ini sebagai “suplai kuat, permintaan lemah” jangka panjang. Jika profit teknologi terlalu banyak mengalir ke pemilik modal sementara imbal hasil tenaga kerja tertekan, maka permintaan tidak mengejar ekspansi suplai, dan siklus ekonomi tradisional putus.

Dari sisi keuangan dan variabel nominal, Kepala Ekonom CICC Miao Yanliang memberi uraian tajam. Ia menelusuri sejarah bahwa Revolusi Industri Kedua dan revolusi teknologi informasi sama-sama diiringi deflasi panjang. Hukum Say ("supply menciptakan demand-nya sendiri") tak berlaku saat transformasi teknologi, karena ketimpangan pendapatan dan perbedaan kecenderungan konsumsi memutus rekonsiliasi supply-demand alami.

Miao Yanliang menyebut, revolusi teknologi mempengaruhi inflasi lewat empat kekuatan:

• Efek Bottleneck & Efek Ekspektasi (dorong inflasi jangka pendek): Elemen langka di awal (chip, komputasi tinggi dsb) harganya meroket, namun bottleneck semacam ini biasanya 3-5 tahun, dan puncaknya sedang berlalu.
• Efek Suplai & Efek Substitusi (tekan harga jangka panjang): AI menyebar amat cepat, langsung mengambil alih tugas level tinggi. Efek substitusi kapital atas tenaga kerja jauh melampaui sebelumnya. Karena kecenderungan konsumsi marjinal pemilik modal lebih rendah, penurunan share upah jangka panjang menekan harga dari sisi permintaan.

"Dalam jangka panjang, tekanan deflasi bahkan mungkin lebih besar ketimbang revolusi industri terdahulu." Miao Yanliang mengingatkan bahwa jika tren ini mengakar, alat regulasi moneter tradisional bisa terkunci dalam jebakan likuiditas, sehingga kebijakan makro harus lebih dahsyat dengan fiskal, redistribusi, dan proteksi tenaga kerja.

Di balik tekanan deflasi, terdapat celah struktural di pasar kerja.

Beda dengan revolusi IT lalu yang menggantikan keterampilan menengah, sementara high & low skill tetap aman; kali ini tingkat terpapar AI langsung linier dengan tingkat pendapatan—pekerjaan white collar berbayar tinggi di keuangan, hukum, konsultasi, pengembang software paling terancam.

Miao Yanliang menunjukkan bahwa AI saat ini belum melompatkan pengangguran makro, sebab proses substitusi pada pekerjaan matang berlangsung lewat "dekomposisi tugas" bertahap.

Huang Yiping mengaitkan hal ini ke “Engels Pause” pasca Revolusi Industri: Output awal melonjak, namun upah buruh stagnan puluhan tahun. Lu Ming dan Xing Zhiqiang menanggapi pertanyaan Musk dari kejauhan, AI tidak mudah menghapus semua pekerjaan, tapi ia akan membentuk ulang inti job. Fungsi standar, terstruktur, dan “dapat dikodekan” akan cepat digeser model, sedangkan empati, kapasitas organisasi, serta judgement-lah benteng pekerja. "Prioritas pekerjaan", bukan berarti hambat evolusi teknologi, namun melalui desain sistem memungkinkan manusia mendapat lebih banyak peluang lewat AI.

04 Ekonomi Baru AI: Adu Kapasitas Institusional dan “Globalisasi Orisinal”

Saat individu mikro tertuntut bertransformasi pada “kemampuan manusia”-nya, organisasi industri dan bisnis di tingkat makro menghadapi ujian aturan baru.

Profesor Jiang Xiaojuan dari Chinese Academy of Social Sciences University mengatakan, ekonomi AI benar-benar mengakhiri pola globalisasi tradisional. Di masa industri, moda lintas negara bersifat “bertahap”—adopsi teknologi, adaptasi, validasi lokal, lalu ekspansi ke luar negeri.

Di era AI, teknologi-produk “lahir global”.

Esensi inovasi AI berbasis pada algoritme dasar dan jaringan digital global, cost re-use model nyaris nol, sejak awal sudah menyasar developer dan pasar global.

Jiang Xiaojuan mencontohkan pergantian paradigma lewat praktik industri Tiongkok:

Simbol timbal balik ekosistem open source model besar: Model open source Tiongkok meledak kuantitas unduhan dan pemakaian di komunitas global, menghancurkan “aturan tak tertulis” international big corp yang biasanya menutup source untuk model high-end dan open di low-end, menyediakan produk publik berperforma tinggi untuk komunitas teknologi dunia.

Spesialisasi vertikal AI4S dan “menjual benih muda”: Di AI farmasi, perusahaan Tiongkok lewat AI meledakkan kapasitas di penemuan target & desain molekul, namun ritme serapan klinis belakang berbeda, transaksi lisensi ekspor farmasi baru Tiongkok semester I tembus 100 miliar dolar. Strategi keluar “menjual benih muda” dipicu AI yang membongkar ulang rantai division labor farmasi global.

Balikan kekurangan data industri massal: Industri manufaktur raksasa dan kompleks Tiongkok menghasilkan banyak data error dan cacat bernilai tinggi, sehingga model vertikal industri bisa rapid prototyping di pasar domestik lalu diekspor global.

Namun Jiang Xiaojuan menekankan, “lahir global” bukan sekadar mengekspor teknologi, tapi juga menuntut sistem domestik, corporate awareness, dan kemampuan bernegosiasi di level internasional yang lebih tinggi.

"Perusahaan harus dari awal membangun sistem kepatuhan global berstandar tinggi." Jika terkait arus data lintas negara, kepatuhan privasi, etika algoritma, dan IP, jangan pakai pola “lokal dulu, luar nanti” dengan spekulasi. Dalam pemikiran dagang, Tiongkok sedang beralih dari menuntut perlakuan khusus negara berkembang ke “kompetisi dan kerja sama horizontal” setara dengan negara maju, membangun ekosistem perdagangan mutual-benefit dengan pemikiran “dua tangan untuk dua tangan” yang matang.

Penutup

Dari perlombaan belanja modal ke verifikasi makro ketat, Konferensi Bund 2026 menekan “tombol validasi rasional” pada euforia AI yang radikal.

Faktor penentu apakah AI bisa jadi pusat pertumbuhan ekonomi bersejarah berikutnya bukan sekadar skala atau parameter cluster komputasi, tapi sistem adaptasi yang lebih dalam: Apakah efisiensi algoritma mikro bisa melewati kurva penundaan dan jadi TFP-nya ekonomi riil? Bisakah sistem distribusi dan fiskal menyerap tekanan deflasi, membuka pintu nilai baru bagi generasi muda? Mampukah pelaku industri dalam ujian compliance dan coopetition memanfaatkan dividen lahir-global era ini?

Seperti disebut Han Xinyi dan Huang Yiping di akhir forum: Nilai tertinggi AI tak bisa hanya dibuktikan lewat valuasi di neraca, tapi harus diuji lewat pertumbuhan makro nyata dan dirasakan lebih banyak pekerja secara langsung.