Pada pertengahan Agustus 2026, diskursus mengenai kedaulatan kecerdasan artifisial telah bertransformasi dari perdebatan akademis menjadi agenda geopolitik dan makroekonomi utama di berbagai negara. Pemerintah di negara maju maupun berkembang berlomba membangun ekosistem komputasi yang diklaim mandiri, melatih model bahasa fondasional dengan data kultural lokal, dan menyusun regulasi protektif untuk mencegah dominasi data oleh segelintir raksasa teknologi. Di Indonesia, ambisi ini dibingkai dalam narasi "Indonesia Emas 2045" dan agenda "Asta Cita" pemerintahan Prabowo Subianto, yang memposisikan AI sebagai salah satu instrumen untuk mengejar target pertumbuhan ekonomi yang agresif.
Namun, ketika kita membedah lapisan demi lapisan realitas di balik retorika tersebut, sebuah paradoks yang nyaris ironis mulai terlihat: negara-negara mengalokasikan anggaran besar dengan dalih kemandirian teknologi dari hegemoni asing, namun sebagian besar inisiatif tersebut pada akhirnya bertumpu pada pembelian perangkat keras dan model dari entitas multinasional yang sama yang ingin mereka kurangi ketergantungannya. Pertanyaannya bukan lagi apakah Indonesia bisa mencapai kedaulatan AI, melainkan seberapa jujur kita mengakui bahwa kedaulatan yang sedang dibangun saat ini mungkin hanyalah kemerdekaan yang disewa.
---
Episentrum Kekuasaan Baru: Lanskap Ekonomi Sovereign AI Global
Pasar Sovereign AI global sedang mengalami lonjakan investasi yang signifikan, meski besarannya berbeda-beda tergantung firma riset yang mengukurnya — sebuah variasi yang penting untuk disadari sebelum mengutip angka tunggal. Grand View Research menaksir nilai pasar Sovereign AI global sebesar USD 41,3 miliar pada 2025, naik ke USD 48,9 miliar pada 2026, dan diproyeksikan mencapai USD 180,5 miliar pada 2033 dengan CAGR 20,5%. Roots Analysis, dengan definisi cakupan pasar yang sedikit berbeda dan horizon lebih panjang, memproyeksikan pasar "Sovereign AI Infrastructure" mencapai USD 24,8 miliar pada 2026 dan USD 301,6 miliar pada 2040 (CAGR 19,54%). MarketsandMarkets memberi titik tengah: USD 40 miliar pada 2025 menuju USD 148 miliar pada 2032 (CAGR 20,6%).
Ketiganya sepakat pada satu hal — pertumbuhan tahunan di kisaran 19-20% — tetapi berbeda jauh pada titik akhir proyeksi karena perbedaan definisi cakupan pasar dan tahun horizon. Ini bukan sekadar perbedaan metodologis yang membosankan; ini adalah pengingat bahwa angka-angka besar dalam industri AI sering kali lebih mencerminkan optimisme para analis daripada realitas yang terukur.
Ledakan pasar ini didorong kesadaran bahwa set data nasional dan kapasitas komputasi domestik dipandang sebagai aset strategis. Segmen perangkat keras memegang porsi terbesar belanja Sovereign AI global — didominasi klaster GPU, cip jaringan, dan server khusus — sementara Amerika Utara tetap memimpin pangsa pasar global, dan Eropa serta Timur Tengah tumbuh cepat didorong regulasi kedaulatan data seperti kerangka SecNumCloud di Prancis dan investasi masif negara-negara Teluk.
---
Paradoks Kedaulatan: Data Terverifikasi dari CNAS Sovereign AI Index
CNAS (Center for a New American Security) mengoperasikan Sovereign AI Index, pelacak interaktif yang menjadi salah satu rujukan paling sering dikutip untuk memetakan proyek Sovereign AI global. Per pertengahan 2026, indeks ini melacak lebih dari 170 proyek infrastruktur dan model AI di seluruh dunia. Temuan utamanya? Lebih dari tiga perlima proyek yang terlacak mengungkap setidaknya satu mitra asing, dan empat perlima dari proyek-proyek tersebut melibatkan perusahaan asal Amerika Serikat. NVIDIA sendiri memasok GPU untuk sekitar 45% dari seluruh proyek infrastruktur yang terlacak.
Sejak indeks ini dirilis pada April 2026, proporsi proyek tanpa mitra asing yang terungkap naik dari 31% menjadi 37% — menunjukkan tren perlahan menuju kemandirian yang lebih besar, meski dari basis yang masih kecil. Dari sisi geografi, lebih dari 80% investasi Sovereign AI yang diungkap ke publik terkonsentrasi di kawasan Timur Tengah dan Asia Timur, dengan UEA dan Jepang bersama-sama menguasai lebih dari dua pertiga dana yang diumumkan.
Data ini menegaskan sebuah paradoks sentral yang nyaris sulit dipercaya: negara-negara mengalokasikan anggaran besar dengan dalih kemandirian teknologi dari hegemoni asing, namun sebagian besar inisiatif tersebut pada akhirnya bertumpu pada pembelian perangkat keras dan model dari entitas multinasional yang sama yang ingin mereka kurangi ketergantungannya. Pada lapisan model fondasi, banyak negara memilih memodifikasi (fine-tuning) model berbobot terbuka milik perusahaan Barat — seperti Llama (Meta) atau Gemma (Google DeepMind) — ketimbang melatih model dari titik nol, karena membangun frontier model sendiri dinilai terlalu mahal dan lambat bagi kebanyakan negara.
Estimasi investasi Sovereign AI yang diumumkan sejumlah negara (di luar AS dan Tiongkok) hingga paruh pertama 2026 menunjukkan konsentrasi yang sangat timpang:
| Negara | Estimasi Investasi (s.d. Juni 2026) | Fokus Strategis |
||||
| Uni Emirat Arab | ~USD 33,5 miliar | Infrastruktur cloud AI berdaulat skala hyperscale |
| Jepang | ~USD 20,4 miliar | Superkomputer strategis dan subsidi fabrikasi semikonduktor |
| Arab Saudi | ~USD 6,2 miliar | Diversifikasi ekonomi pasca-minyak melalui infrastruktur model besar |
| Taiwan | ~USD 3,3 miliar | Cloud AI berdaulat berbasis NVIDIA H200/Blackwell |
| Inggris | ~USD 2,9 miliar | Kapasitas komputasi nasional dan tata kelola AI |
| Korea Selatan | ~USD 2,9 miliar | Model bahasa fondasional domestik dan ekosistem semikonduktor |
| Kanada | ~USD 1,4 miliar | Pendanaan publik untuk akses komputasi peneliti |
| Vietnam | ~USD 951 juta | Infrastruktur pasca-pengesahan UU AI Nasional (Desember 2025) |
Kedaulatan mutlak (full self-sufficiency) bagi kebanyakan negara pada akhirnya tidak hanya mahal dan lambat untuk dikejar, tetapi juga sulit dicapai di dunia digital yang saling terhubung secara struktural. Diplomasi teknologi saat ini cenderung mendefinisikan ulang kedaulatan AI bukan sebagai kemandirian total, melainkan sebagai kemampuan mengelola ketergantungan — memilih penyedia layanan secara cermat, memastikan residensi data tidak melintasi batas negara, dan mempertahankan kendali tata kelola operasional.
---
Kesenjangan Linguistik: Ketimpangan Tokenizer dan Biaya Kognitif
Untuk memahami mengapa kawasan Asia Tenggara, termasuk Indonesia, merasa perlu membangun Sovereign AI, penting turun ke tingkat teknis paling mendasar dari pemrosesan bahasa alami: sistem tokenisasi. Large Language Model arus utama tidak memproses teks kata demi kata, melainkan memecahnya menjadi unit-unit terkecil ("token") melalui algoritma kompresi seperti Byte-Pair Encoding atau SentencePiece. Karena algoritma ini dilatih pada korpus yang sangat didominasi bahasa Inggris, tokenizer menjadi sangat efisien untuk bahasa Inggris namun kurang efisien untuk bahasa lain — sehingga teks dengan makna yang sama dalam bahasa non-Inggris sering kali membutuhkan jumlah token yang jauh lebih banyak.
Penelitian akademik — antara lain studi Petrov, La Malfa, Torr, dan Bibi tentang ketimpangan tokenizer yang telah melalui tinjauan sejawat — mendokumentasikan bahwa untuk menyampaikan informasi yang sama, sejumlah bahasa non-Inggris membutuhkan token jauh lebih banyak dibandingkan bahasa Inggris, dengan disparitas paling ekstrem terjadi pada bahasa-bahasa bersumber daya rendah. Bagi ekosistem digital Indonesia, meski Bahasa Indonesia menggunakan aksara Latin yang relatif terstandardisasi, inefisiensi ini tetap ada dan berdampak nyata pada tiga hal: pembengkakan biaya operasional (karena model komersial berbasis API menagih per token), penalti latensi (karena jumlah token berkorelasi dengan waktu inferensi), dan penyusutan efektif jendela konteks (karena satu halaman dokumen Indonesia mengonsumsi lebih banyak token untuk informasi yang sama).
Besaran pengali spesifik per bahasa — misalnya Italia sekitar 1,6x, Bulgaria 2,6x, Arab 3x, hingga kasus ekstrem belasan kali lipat untuk bahasa bersumber daya sangat rendah — bervariasi antar studi tergantung tokenizer dan model yang diuji, dan sebaiknya dibaca sebagai ilustrasi arah serta skala ketimpangan, bukan konstanta tetap, mengingat model-model terbaru 2025-2026 umumnya telah memperluas cakupan tokenizer mereka untuk bahasa non-Inggris dibandingkan generasi 2023.
Sebagai respons, muncul eksperimen model tokenizer-free/byte-level seperti ByT5, Byte Latent Transformer (BLT), EvaByte, dan MrT5 yang menawarkan keadilan lintas-aksara, namun masih berada di tahap eksperimental dengan trade-off komputasi. Dalam jangka pendek-menengah, strategi paling pragmatis bagi negara berkembang adalah mengambil model fondasi yang sudah matang lalu melakukan fine-tuning dengan korpus lokal — pendekatan yang persis dijalankan SEA-LION dan Sahabat-AI.
---
Kebangkitan Regional: SEA-LION sebagai Barisan Depan ASEAN
Menghadapi ketimpangan struktural ini, Asia Tenggara memilih pendekatan hibrida: mengadopsi model open-source global, menyuntikkannya dengan data korpus regional, lalu melakukan continued pre-training secara intensif — dibandingkan membangun frontier model dari nol yang dinilai terlalu mahal bagi kebanyakan negara berkembang. Pendekatan membangun model domestik sepenuhnya dari awal baru dijalankan Malaysia melalui model ILMU yang dikembangkan YTL Corporation bersama Universiti Malaya.
Inisiator utama kebangkitan regional ini adalah AI Singapore (AISG) melalui proyek SEA-LION (South East Asian Languages in One Network), diluncurkan pada akhir 2023 untuk memperkuat keterwakilan bahasa-bahasa Asia Tenggara yang tergolong minim sumber daya digital. Hingga 2026, keluarga model SEA-LION mencakup beragam ukuran — dari versi 9 miliar parameter berbasis Google Gemma 2 hingga versi flagship 70 miliar parameter berbasis Meta Llama — dan menjadi fondasi bagi model turunan regional termasuk Sahabat-AI Indonesia. AISG juga terus memperluas cakupan ke arah model multimodal dan kapabilitas suara (speech-AI) melalui integrasi dengan MERaLiON.
---
Sahabat-AI: Orkestrasi Pragmatis Sovereign AI Indonesia
Momentum SEA-LION memantik lokalisasi lebih dalam di Indonesia. Pada Indonesia AI Day, 14 November 2024 di Jakarta, Indosat Ooredoo Hutchison dan GoTo Gojek Tokopedia secara resmi meluncurkan Sahabat-AI — ekosistem model bahasa fondasional open-source pertama yang didedikasikan untuk Bahasa Indonesia beserta bahasa daerahnya. Peluncuran ini dihadiri langsung oleh Menteri BUMN Erick Thohir, CEO NVIDIA Jensen Huang, Menteri Komunikasi dan Digital Meutya Hafid, CEO Indosat Vikram Sinha, dan Direktur Utama GoTo Patrick Walujo.
Sahabat-AI dikembangkan melalui kemitraan Quad Helix yang melibatkan AI Singapore dan Tech Mahindra sebagai mitra teknis global, serta konsorsium perguruan tinggi (Universitas Indonesia, UGM, ITB, IPB, Universitas Sumatera Utara, dan Universitas Udayana) dan grup media (Kompas Gramedia, Republika, Tempo, Hukumonline) untuk validasi bahasa dan konten.
Arsitektur dan Kapabilitas Teknis
- Model V1 dirilis dalam ukuran 8 miliar parameter (berbasis Llama-3 Meta) dan 9 miliar parameter (berbasis Gemma-2 Google DeepMind), keduanya merupakan continued pre-training dari model dasar SEA-LION v3.
- Model flagship Gemma2-9B-CPT-Sahabat-AI-v1-Instruct di-fine-tune menggunakan sekitar 448.000 pasangan instruksi-penyelesaian Bahasa Indonesia, ditambah 96.000 pasangan Bahasa Jawa, 98.000 pasangan Bahasa Sunda, dan 129.000 pasangan Bahasa Inggris — seluruh angka ini terverifikasi sesuai kartu model resmi di Hugging Face.
- Proses fine-tuning memakan waktu sekitar 4 jam dan tahap alignment sekitar 2 jam, keduanya dijalankan pada klaster 8x GPU NVIDIA H100 (80GB), dengan context length 8.192 token — juga sesuai dokumentasi resmi.
- Generasi berikutnya, Llama-Sahabat-AI-v2-70B-IT, dirilis pada 2025-2026 untuk beban kerja instruksional kelas korporasi dengan skala parameter yang jauh lebih besar.
- Evaluasi performa menggunakan benchmark IndoMMLU (Indonesian Massive Multitask Language Understanding) dan SEA-HELM (dahulu BHASA), yang menguji pemahaman ujian sekolah, humaniora, konteks sosial-budaya, serta deteksi sentimen dan toksisitas yang relevan dengan konteks Indonesia.
- Implementasi hilir mencakup integrasi ke asisten suara "Dira AI" milik GoTo untuk navigasi Gojek/GoPay berbasis suara, dan kemitraan dengan Hippocratic AI untuk beban kerja layanan kesehatan berbasis bot.
Model Sahabat-AI mendemonstrasikan pola Sovereign AI yang paling realistis dan dapat direplikasi: memanfaatkan infrastruktur hardware global (GPU NVIDIA), melatih ulang basis model open-weight asing dengan data organik domestik, dan mempertahankan kendali penuh atas tata kelola data serta lisensi penggunaannya — sebuah bentuk kedaulatan yang bersifat parsial namun operasional, bukan kemandirian teknologi dari nol.
---
Arsitektur Regulasi Indonesia: Antara Ambisi Asta Cita dan Kekosongan Kelembagaan
Pemerintah Indonesia, melalui Kementerian Komunikasi dan Digital (Komdigi), memandang AI sebagai pilar fondasi transformasi digital menuju "Indonesia Emas 2045", diterjemahkan melalui agenda Asta Cita pemerintahan Prabowo Subianto. Tonggak kebijakan awal ditancapkan sejak 2020 melalui Strategi Nasional Kecerdasan Artifisial (Stranas KA) 2020-2045 yang dikomandoi BPPT (kini melebur ke BRIN), dengan lima bidang prioritas: layanan kesehatan, reformasi birokrasi, pendidikan dan riset, ketahanan pangan, serta mobilitas dan kota pintar. Dokumen ini dirumuskan sebelum ledakan AI generatif pasca-ChatGPT (akhir 2022), sehingga paradigmanya masih berkutat pada AI prediktif klasik.
Menyusul keusangan itu, Komdigi menyusun Peta Jalan/White Paper AI Nasional yang dipublikasikan pertengahan 2025 (179 halaman, hasil koordinasi 39 kementerian/lembaga), serta mendorong dua Rancangan Peraturan Presiden (RPerpres): Peta Jalan Kecerdasan Artifisial Nasional 2026-2030 dan Pedoman Etika Kecerdasan Artifisial. Keduanya telah masuk dalam Program Penyusunan Perpres 2026 (Keputusan Presiden No. 38/2025) dan, per pernyataan Menkomdigi Meutya Hafid pada akhir Januari 2026, ditargetkan terbit pada semester I 2026 — meski Perpres Etika AI sejatinya telah dijanjikan sejak 2024 dan berulang kali tertunda.
Danantara Indonesia, badan pengelola investasi strategis nasional, turut mengambil peran melalui pembentukan Digital Transformation Task Force yang diumumkan awal Mei 2026 dalam forum koordinasi bersama sekitar 60 holding utama BUMN. Danantara memproyeksikan konsolidasi belanja teknologi dan infrastruktur digital BUMN yang tumpang tindih dapat menghasilkan efisiensi awal sebesar 25 hingga 40 persen, tergantung kesiapan masing-masing BUMN, sembari mendorong pengembangan sovereign AI dan sovereign cloud domestik.
Pusat Data Nasional: Antara Simbol Kedaulatan dan Realitas Operasional
Pusat Data Nasional (PDN) di Cikarang — dibangun sejak 2022 melalui skema pinjaman pemerintah-ke-pemerintah dengan Prancis senilai sekitar €164,68 juta, dengan spesifikasi Tier 4, kapasitas hingga 40 petabyte penyimpanan, dan daya 20 MW (dapat ditingkatkan ke 80 MW) — dimaksudkan menjadi tulang punggung kedaulatan data pemerintah, menggantikan lebih dari 27.000 aplikasi milik kementerian/lembaga yang selama ini tersebar dan tidak terintegrasi. Proyek ini sempat mundur dari target awal Agustus 2024, salah satunya akibat serangan ransomware terhadap Pusat Data Nasional Sementara (PDNS) di Surabaya pada Juni 2024, dan hingga pertengahan 2025 dilaporkan masih menjalani pengujian keamanan oleh Bad
