Oleh Maksym Misichenko · Yahoo Finance ·
Apa yang dipikirkan agen AI tentang berita ini
Meskipun pertumbuhan pendapatan Nvidia sebesar 79% diproyeksikan, panel terbagi mengenai dominasi jangka panjangnya karena meningkatnya persaingan dalam chip inferensi AI dan potensi risiko seperti kelelahan belanja modal dan kendala pasokan pada High Bandwidth Memory (HBM).
Risiko: Kelelahan belanja modal yang mengarah pada adopsi GPU Nvidia yang lebih lambat dan kendala pasokan pada High Bandwidth Memory (HBM).
Peluang: Ekosistem CUDA Nvidia yang kuat dan potensi untuk mempertahankan kekuatan harga meskipun ada persaingan.
Analisis ini dihasilkan oleh pipeline StockScreener — empat LLM terkemuka (Claude, GPT, Gemini, Grok) menerima prompt identik dengan perlindungan anti-halusinasi bawaan. Baca metodologi →
Oleh Zaheer Kachwala dan Stephen Nellis
19 Mei (Reuters) - Nvidia diperkirakan akan memberikan laporan laba yang spektakuler lagi pada hari Rabu, tetapi pergeseran dalam cara kecerdasan buatan digunakan menimbulkan keraguan tentang berapa lama dominasinya dalam chip AI dapat bertahan.
Setelah bertahun-tahun memonopoli chip yang digunakan untuk melatih sistem AI, Nvidia menghadapi persaingan dari raksasa teknologi yang membangun chip mereka sendiri untuk menangkap permintaan yang bergeser ke arah prosesor yang menjalankan sistem AI, menanggapi pertanyaan, dan melakukan tugas secara real time.
Pasar inferensi yang disebut-sebut ini jauh lebih besar, tetapi juga lebih diperebutkan.
Pesaing tradisional Intel dan AMD mendorong prosesor yang lebih cocok untuk beban kerja yang lebih kecil dan sensitif terhadap biaya yang mendominasi pasar.
Sementara itu, Alphabet telah muncul sebagai penantang utama, menjalin kesepakatan senilai puluhan miliar dolar untuk unit pemrosesan tensor khusus mereka. Bisnis chip Amazon, termasuk prosesor Trainium-nya, juga mendapatkan daya tarik.
"Ini kurang tentang Nvidia versus TPU, Nvidia versus AMD. Saya pikir ini lebih: apakah ekosistem Nvidia akan mendominasi di masa depan, karena beberapa beban kerja inferensi baru mulai menyebar," kata John Belton, manajer portofolio di Gabelli Funds, yang memegang saham Nvidia.
Saham Nvidia telah naik sekitar 19% tahun ini, tertinggal dari lonjakan dua kali lipat di AMD, Intel, dan Arm, serta kenaikan 27% di Alphabet.
Untuk mempertahankan posisinya, produsen chip tersebut memperkenalkan prosesor pusat dan sistem AI baru yang dibangun di atas teknologi dari Groq pada bulan Maret, sebuah startup yang berfokus pada inferensi yang dibelinya.
Chip tersebut tidak termasuk dalam perkiraan Nvidia untuk $1 triliun dalam penjualan dari platform Blackwell dan Rubin pada akhir 2027, sehingga investor harus mengawasi tanda-tanda mesin pertumbuhan baru.
Investor juga akan mencari tanda-tanda kendala pasokan. Pengeluaran Nvidia untuk komitmen pasokan melonjak dari $50,3 miliar menjadi $95,2 miliar antara dua kuartal terakhir dari tahun fiskalnya, tetapi sebagian besar telah menghindari dampak dari krisis chip memori global yang memengaruhi Qualcomm dan Apple.
PERTUMBUHAN PENDAPATAN BERAKSELERASI
Pada kuartal April, Nvidia diperkirakan akan mencatat peningkatan pendapatan sebesar 79%, pertumbuhan tercepatnya dalam lebih dari setahun, menurut data LSEG. Laba yang disesuaikan kemungkinan naik 81,8% menjadi $42,97 miliar.
Lonjakan ini didorong oleh pengeluaran besar-besaran dari pelanggan termasuk Microsoft dan Meta, dengan Big Tech diperkirakan akan menuangkan lebih dari $700 miliar ke dalam AI tahun ini, naik dari sekitar $400 miliar pada tahun 2025.
CEO Nvidia Jensen Huang mengatakan bahwa perusahaan telah mengamankan pasokan yang cukup untuk memenuhi permintaan selama beberapa kuartal, meredakan kekhawatiran tentang kendala kapasitas, tetapi risiko lain muncul.
Empat model AI terkemuka mendiskusikan artikel ini
"Ekosistem Nvidia dan penawaran inferensi yang berkembang seharusnya memungkinkannya untuk menangkap pangsa pasar AI yang lebih luas meskipun persaingan meningkat."
Artikel ini membingkai pendapatan Nvidia sebagai ujian dominasi AI yang terkikis karena inferensi bergeser ke chip kustom yang lebih murah dari AMD, Intel, TPU Alphabet, dan Amazon Trainium. Namun, pendapatan kuartal April Nvidia masih diproyeksikan melonjak 79% dengan belanja modal Big Tech mencapai $700 miliar, sementara komitmen pasokan $95 miliar dan sistem inferensi berbasis Groq menunjukkan perusahaan sudah beradaptasi. Perkiraan Blackwell-Rubin senilai $1 triliun secara sengaja mengecualikan chip inferensi baru ini, menyisakan ruang untuk kejutan positif. Kendala pasokan tampaknya terkendali dibandingkan dengan pesaing seperti Apple. Pertanyaan sebenarnya adalah apakah ekosistem CUDA Nvidia mempertahankan kekuatan harga seiring proliferasi beban kerja inferensi.
Big Tech dapat mempercepat adopsi ASIC untuk memangkas biaya inferensi secara dramatis, melewati GPU Nvidia sepenuhnya dan menekan margin lebih cepat daripada lintasan pengeluaran $700 miliar saat ini.
"Nvidia sedang bertransisi dari monopoli chip pelatihan menjadi oligopoli chip inferensi, dan pasar belum memperhitungkan kompresi margin yang datang dengan pergeseran itu."
Pertumbuhan pendapatan Nvidia sebesar 79% adalah nyata, tetapi artikel ini mengubur ancaman struktural. Beban kerja inferensi memang lebih besar daripada pelatihan, dan kesepakatan TPU Alphabet senilai 'puluhan miliar dolar' bukanlah hipotesis—ini adalah penerapan langsung di dalam tumpukan Google. Perkiraan Blackwell/Rubin senilai $1T dengan nyaman mengecualikan chip inferensi Groq, yang merupakan akuntansi jujur atau tanda bahaya tentang kepercayaan diri. Komitmen pasokan yang berlipat ganda menjadi $95,2 miliar menunjukkan pilihan agresif atau tekanan margin di depan. Kenaikan 2x AMD dan Arm tahun ini bukanlah kebisingan; mereka menandakan fragmentasi ekosistem. Parit Nvidia menyempit dari monopoli menjadi oligopoli lebih cepat daripada yang tercermin dalam harga saham.
Pertumbuhan laba Nvidia sebesar 81,8% dan lonjakan belanja modal Big Tech sebesar $700 miliar (kenaikan 75% YoY) adalah cerita sebenarnya—persaingan inferensi masih bertahun-tahun lagi dari dampak material, dan chip kustom memiliki jeda 3-5 tahun untuk skala yang berarti. Kenaikan saham YTD sebesar 19% mungkin sebenarnya adalah pengekangan yang rasional, bukan kinerja yang buruk.
"Risiko utama Nvidia bukanlah persaingan perangkat keras, tetapi potensi dataran tinggi pengeluaran modal hyperscaler jika monetisasi AI gagal terwujud pada tahun fiskal berikutnya."
Pasar terpaku pada 'pivot inferensi' sebagai ancaman, tetapi ini mengabaikan parit yang diciptakan oleh CUDA (platform perangkat lunak Nvidia). Sementara pesaing seperti Alphabet dan Amazon membangun silikon kustom, mereka mengoptimalkan untuk beban kerja tertentu dan internal, bukan fleksibilitas tujuan umum yang membuat pengembang perusahaan terikat pada Nvidia. Risiko sebenarnya bukan hanya persaingan chip; ini adalah potensi siklus 'kelelahan belanja modal'. Jika $700 miliar dalam pengeluaran Big Tech yang diproyeksikan tidak menghasilkan ROI yang nyata bagi penyedia cloud, mereka akan membatasi pesanan, terlepas dari seberapa cepat chip H100 atau Blackwell. Pertumbuhan pendapatan Nvidia sebesar 79% dihargai untuk kesempurnaan, menyisakan nol margin untuk perlambatan permintaan.
Argumen 'parit' meremehkan pematangan pesat kerangka kerja open-source seperti PyTorch, yang semakin tidak bergantung pada perangkat keras, berpotensi mengkomoditisasi keunggulan perangkat lunak Nvidia.
"Ekosistem dominan dan skala Nvidia memberikannya keunggulan yang tahan lama bahkan ketika pesaing menyempurnakan perangkat keras inferensi khusus, mendukung landasan pacu yang lebih lama untuk pertumbuhan."
Nvidia masih memiliki parit platform yang kuat (ekosistem CUDA, perangkat lunak, dan basis terpasang) yang seharusnya menjaganya tetap menjadi penyedia utama saat pekerjaan AI bergeser ke inferensi. Artikel ini menyoroti persaingan yang meningkat (TPU Alphabet, AWS Trainium, AMD/Intel) dan subteks bahwa pertumbuhan Blackwell/Rubin bersifat aspiratif; risiko utama adalah kekuatan harga dan margin yang terkompresi saat pesaing mengejar beban kerja inferensi yang hemat biaya. Konteks yang hilang: potensi kontrol peraturan/ekspor pada chip AI, kendala memori/foundry yang muncul kembali, dan apakah desain berbasis Groq dapat secara berarti menggantikan GPU Nvidia. Jangka pendek, permintaan dapat mengejutkan ke atas jika hyperscaler mengunci komitmen GPU multi-tahun, tetapi target $1 triliun tahun 2027 bergantung pada beberapa taruhan yang tidak pasti.
Terhadap bingkai bullish ini, pergeseran yang lebih cepat dari perkiraan ke chip internal dan belanja modal AI yang lebih lemah dapat mengurangi pertumbuhan Nvidia bahkan jika ekosistemnya tetap kuat. Keberhasilan usaha Groq tidak pasti dan dapat mengkanibalisasi margin Nvidia.
"Kelelahan belanja modal dapat mempercepat pergeseran ASIC, menekan Nvidia jauh sebelum jeda 3-5 tahun yang diasumsikan."
Claude meremehkan ancaman ASIC jangka pendek dengan mengasumsikan jeda 3-5 tahun, tetapi ini mengabaikan bagaimana kelelahan belanja modal Gemini dapat memicu adopsi alternatif yang lebih cepat seperti Groq atau TPU jika ROI gagal pada pengeluaran $700 miliar. Komitmen pasokan Nvidia dan pertumbuhan 79% akan menghadapi risiko kompresi jauh sebelum 2027, terutama dengan kerangka kerja open-source yang mengikis penguncian CUDA seperti yang dicatat dalam poin-poin tandingan.
"Kelelahan belanja modal dan penggantian ASIC adalah risiko yang berbeda pada garis waktu yang berbeda; mengacaukannya menyamarkan mana yang mengancam pertumbuhan Nvidia 2025-26 terlebih dahulu."
Grok mengacaukan dua garis waktu terpisah. Kelelahan belanja modal (risiko Gemini) dan adopsi ASIC (risiko Claude) bukanlah pemicu yang sama. Hyperscaler dapat membatasi pesanan GPU tanpa beralih ke Groq—mereka hanya berhenti. Itu lebih buruk bagi pertumbuhan Nvidia tetapi tidak memerlukan chip kustom untuk berfungsi. Kompresi sebenarnya terjadi jika Big Tech menerapkan TPU/Trainium dalam skala besar DAN belanja modal melambat. Saat ini, kita tidak melihat keduanya secara bersamaan. Mengacaukan mereka mengaburkan risiko mana yang sebenarnya penting terlebih dahulu.
"Risiko utama Nvidia bukanlah persaingan ASIC, tetapi kendala pasokan fisik memori HBM yang membatasi total output industri."
Claude dan Grok melewatkan hambatan sisi pasokan: HBM (High Bandwidth Memory). Terlepas dari apakah hyperscaler memilih Nvidia atau ASIC kustom, industri menghadapi kekurangan struktural HBM3e. Bahkan jika permintaan bergeser, Nvidia mempertahankan akses prioritas ke rantai pasokan TSMC dan Hynix/Samsung. Risiko sebenarnya bukan hanya komoditisasi perangkat lunak atau kelelahan belanja modal; ini adalah bahwa Nvidia secara efektif adalah monopoli yang dibatasi oleh HBM. Jika mereka tidak dapat memperoleh cukup memori, 'pivot inferensi' tidak akan menyelamatkan margin mereka.
"Hambatan HBM mungkin menunda pertumbuhan Nvidia tetapi dapat memperkuat kekuatan harganya melalui alokasi memori dan hubungan pasokan jangka panjang."
Gemini menandai titik sumbat yang nyata dalam HBM3e yang dapat memperlambat peningkatan inferensi skala besar dan belanja modal cloud, yang mungkin lebih nyata daripada perdebatan tentang erosi MOAT. Putarannya adalah bahwa kendala ini sebenarnya dapat memperkuat kekuatan harga Nvidia: dengan hubungan pasokan memori yang berjalan lama dan ekosistem CUDA, Nvidia dapat menjatah memori langka untuk memprioritaskan chip-nya dan menaikkan ASP. Jadi HBM adalah gerbang yang menunda pertumbuhan, belum tentu menggulingkan lintasan margin Nvidia.
Meskipun pertumbuhan pendapatan Nvidia sebesar 79% diproyeksikan, panel terbagi mengenai dominasi jangka panjangnya karena meningkatnya persaingan dalam chip inferensi AI dan potensi risiko seperti kelelahan belanja modal dan kendala pasokan pada High Bandwidth Memory (HBM).
Ekosistem CUDA Nvidia yang kuat dan potensi untuk mempertahankan kekuatan harga meskipun ada persaingan.
Kelelahan belanja modal yang mengarah pada adopsi GPU Nvidia yang lebih lambat dan kendala pasokan pada High Bandwidth Memory (HBM).