Foto: TechCrunch — Gambar diambil dari sumber artikel asli untuk menghindari kesalahan informasi visual.
Tren startup AI membangun model sendiri mulai terlihat; dampak ke ekosistem global dan Indonesia masih bertahap, namun defensibility menjadi isu kunci yang perlu diantisipasi investor dan pelaku industri.
- Seri Pendanaan
- Acquisition
- Jumlah
- $80 million
- Sektor
- AI platform, vibe coding
- Investor
- Wix
Ringkasan Eksekutif
Base44, platform vibe coding yang diakuisisi Wix seharga USD80 juta setahun lalu saat baru berusia enam bulan, mulai meluncurkan model AI sendiri yang diberi nama Base1.
Langkah ini diambil di tengah diskusi intens di kalangan AI mengenai apakah frontier model (model umum dari OpenAI, Anthropic, dll.) paling cocok untuk semua kasus penggunaan, dan apakah bisnis yang dibangun di atas model pihak ketiga benar-benar defensibel dalam jangka panjang. Founder Base44, Maor Shlomo, menyatakan bahwa memiliki dan melatih model sendiri sebagai bagian dari keseluruhan tumpukan teknologi memungkinkan optimalisasi lebih besar pada latensi, biaya, dan efisiensi. Model Base1 dikembangkan menggunakan dataset yang dihasilkan dari puluhan juta interaksi pengguna nyata di platform Base44, dan perusahaan berharap model ini pada akhirnya akan mengungguli frontier models. Langkah Base44 mencerminkan tekanan yang dihadapi banyak startup AI: mereka harus menunjukkan moat atau keunggulan kompetitif di tengah persaingan yang kian ketat.
Jonathan Userovici, partner umum di VC Headline (yang portfolionya termasuk Mistral AI), menyebutkan tiga bahan utama defensibility bagi startup AI: data, distribusi, dan tech stack. Base44, dengan basis pengguna yang sudah besar dan data interaksi yang terus bertambah, memilih jalur kepemilikan model. Ini berbeda dengan pesaing seperti Lovable (Swedia) yang masih mengandalkan LLM eksternal, atau startup lain yang mungkin memilih fokus pada distribusi. Namun, Shlomo mengakui bahwa pemain lain dengan skala dan kecepatan yang cukup besar kemungkinan akan melatih model mereka sendiri juga. Kompetisi yang lebih besar justru mungkin datang dari frontier AI labs yang mulai merambah ke ranah vibe coding. Cursor, Grok/xAI, dan Claude Code (dari Anthropic) kini juga menjadi pemain di ranah pembuatan aplikasi dengan bahasa alami.
Ini memberikan akses data dan umpan balik bagi penyedia model dasar untuk terus meningkatkan model mereka. Meski demikian, Shlomo percaya spesialisasi memberi Base44 keunggulan, karena model-model frontier cenderung tetap umum dalam kemampuannya. Sementara itu, Userovici memperingatkan agar tidak meremehkan frontier models, dengan mencontohkan startup legal tech Harvey yang justru meninggalkan rencana melatih model sendiri. Ia menekankan bahwa biaya inferensi kini menjadi bagian signifikan dari persamaan, dan tren Base44 mungkin merupakan respons terhadap tekanan biaya tersebut.
Implikasi dari langkah Base44 tidak terbatas pada persaingan internal startup AI. Keputusan untuk memiliki model sendiri dapat mengubah struktur biaya dan strategi go-to-market bagi seluruh ekosistem. Jika lebih banyak startup beralih ke model sendiri, permintaan terhadap akselerator hardware, data center, dan talenta AI akan meningkat, menekan biaya di hulu.
Di sisi lain, frontier labs mungkin merespons dengan menurunkan harga API atau menawarkan model khusus sektor untuk mempertahankan pangsa pasar.
Mengapa Ini Penting
Keputusan Base44 membangun model sendiri menunjukkan pergeseran fundamental dalam strategi startup AI: dari model 'value-add di atas API' menuju kepemilikan aset intelektual inti. Ini relevan karena mempengaruhi cara investor menilai startup—valuasi akan semakin mempertimbangkan apakah perusahaan memiliki data proprietary, model yang dilatih khusus, atau hanya wrapper di atas model umum. Bagi pasar Indonesia, ini menjadi pengingat bahwa startup AI lokal yang hanya mengandalkan API GPT atau Claude mungkin sulit mempertahankan margin dan daya tawar jangka panjang, terutama jika frontier labs mulai menawarkan solusi yang sama dengan biaya lebih rendah.
Dampak ke Bisnis
- Bagi startup AI di Indonesia yang menggunakan API model asing (seperti GPT, Claude, Gemini): tekanan untuk menunjukkan defensibility semakin besar. Jika tren Base44 diikuti, investor mungkin mulai menanyakan strategi kepemilikan data dan model, bukan sekadar metrik pengguna.
- Bagi penyedia infrastruktur AI (data center, GPU cloud) di Indonesia dan Asia Tenggara: peningkatan jumlah startup yang melatih model sendiri dapat mendorong permintaan jasa komputasi, membuka peluang bisnis baru, namun juga menuntut investasi besar di hulu.
- Bagi konsumen dan perusahaan pengguna aplikasi vibe coding: dalam jangka pendek, persaingan antara model khusus (Base44) dan model umum (Anthropic, OpenAI) dapat menekan harga dan mempercepat inovasi. Namun, jika fragmentasi model terjadi, biaya integrasi dan switching bisa meningkat.
- Bagi talenta AI Indonesia: tren ini menciptakan kebutuhan lebih besar akan insinyur yang mampu melatih dan menyetel model, bukan sekadar memanggil API. Pergeseran ini bisa mempengaruhi pasar kerja dan prioritas pendidikan di bidang AI.
Yang Perlu Dipantau
- Yang perlu dipantau: performa teknis Base1—apakah benar-benar mengungguli frontier models dalam kecepatan dan biaya untuk kasus penggunaan vibe coding. Jika iya, akan mendorong startup lain mengikuti jejak serupa.
- Risiko yang perlu dicermati: respons dari frontier labs (Anthropic, OpenAI, xAI) jika mereka meluncurkan produk vibe coding yang lebih superior dan murah, yang dapat mengikis pangsa pasar startup khusus seperti Base44.
- Sinyal penting: apakah Base44 mulai menawarkan API modelnya ke pihak ketiga, atau tetap tertutup. Jika dibuka, ini bisa mengubah lanskap persaingan; jika tetap tertutup, defensibility mereka lebih bergantung pada data eksklusif pengguna platform.
Konteks Indonesia
Berita ini relevan untuk Indonesia setidaknya dalam tiga dimensi. Pertama, startup AI lokal umumnya masih sangat bergantung pada API model asing (OpenAI, Anthropic, Google). Langkah Base44 menunjukkan bahwa defensibility jangka panjang mungkin memerlukan investasi dalam data dan model sendiri—sebuah jalur yang mahal dan membutuhkan sumber daya komputasi besar. Kedua, Indonesia sebagai pasar berkembang dengan basis pengguna digital yang besar dapat menjadi sumber data yang kaya untuk melatih model-model spesifik bahasa/lokal. Jika startup Indonesia mampu mengumpulkan data interaksi dalam jumlah masif, mereka bisa membangun moat serupa. Ketiga, persaingan antara model umum dan model khusus akan mempengaruhi biaya adopsi AI di Indonesia. Jika harga API turun karena tekanan kompetitif, adopsi AI oleh UKM dan perusahaan besar Indonesia bisa semakin cepat. Namun jika frontier labs menguasai pasar dengan model serba-bisa, startup lokal yang hanya menjadi 'wrapper' akan kesulitan bersaing. Oleh karena itu, pelaku industri dan regulator di Indonesia perlu mencermati tren ini untuk merumuskan kebijakan dan investasi yang tepat.
Analisis ini dibuat oleh sistem AI Feedberry berdasarkan sumber berita publik dan tidak merupakan saran investasi atau keputusan bisnis. Selalu verifikasi dengan sumber primer.