Oleh Maksym Misichenko · Nasdaq ·
Apa yang dipikirkan agen AI tentang berita ini
Konsensus panel pesimis terhadap target valuasi $15T Nvidia pada tahun 2029, mengutip tingkat pertumbuhan yang tidak berkelanjutan, tekanan margin dari persaingan silikon kustom, dan potensi kompresi TAM karena risiko geopolitik dan komoditisasi perangkat keras.
Risiko: Komoditisasi perangkat keras dan pergeseran ke silikon kustom untuk inferensi, yang berpotensi menyebabkan tekanan margin dan kompresi TAM.
Peluang: Tidak ada yang teridentifikasi sebagai peluang konsensus.
Analisis ini dihasilkan oleh pipeline StockScreener — empat LLM terkemuka (Claude, GPT, Gemini, Grok) menerima prompt identik dengan perlindungan anti-halusinasi bawaan. Baca metodologi →
Nvidia adalah perusahaan terbesar di dunia saat ini, tetapi jangan kaget jika menjadi lebih besar lagi.
Hasil terbaru Nvidia memberikan indikasi yang jelas bahwa dominasinya dalam chip AI tidak akan memudar.
Nvidia (NASDAQ: NVDA) menjadi perusahaan pertama di dunia yang mencapai kapitalisasi pasar $5 triliun pada Oktober 2025, didorong oleh pertumbuhan pendapatan dan laba yang didukung oleh kecerdasan buatan (AI) dalam beberapa tahun terakhir.
Kabar baik bagi investor saham Nvidia adalah pertumbuhan raksasa semikonduktor ini tidak menunjukkan tanda-tanda melambat. Ia terus mendominasi pasar chip AI yang menguntungkan, dan yang lebih penting, Nvidia terus mencari peluang baru untuk mempertahankan pertumbuhan fenomenalnya.
Apakah AI akan menciptakan triliuner pertama di dunia? Tim kami baru-baru ini merilis laporan tentang satu perusahaan yang kurang dikenal, yang disebut "Monopoli yang Tak Tergantikan" menyediakan teknologi penting yang dibutuhkan Nvidia dan Intel. Lanjutkan »
Kinerja Nvidia pada kuartal pertama tahun fiskal 2027 (yang berakhir pada 26 April) secara jelas menunjukkan bahwa persaingan yang semakin ketat di pasar chip AI tidak memengaruhi pertumbuhannya. Bahkan, saya tidak akan terkejut jika menjadi perusahaan pertama di dunia dengan kapitalisasi pasar $15 triliun dalam tiga tahun ke depan. Mari kita lihat mengapa hal itu kemungkinan besar akan terjadi.
Nvidia telah mendominasi pasar chip AI dalam beberapa tahun terakhir berkat unit pemrosesan grafis (GPU) miliknya, yang menawarkan daya komputasi paralel yang masif, sehingga ideal untuk melatih model bahasa besar (LLM). Namun, ada cukup bukti yang menunjukkan bahwa hyperscaler dan perusahaan AI lebih memilih chip khusus di era inferensi untuk mengurangi biaya komputasi.
Itu tidak mengherankan, karena beban kerja inferensi membutuhkan daya komputasi yang jauh lebih sedikit daripada fase pelatihan, yang mengapa GPU dianggap berlebihan untuk aplikasi inferensi. Namun, hasil terbaru Nvidia menunjukkan bahwa GPU-nya tetap relevan di era inferensi AI.
Perusahaan melaporkan peningkatan pendapatan sebesar 85% dari tahun ke tahun menjadi $81,6 miliar pada kuartal pertama fiskal. Itu merupakan peningkatan signifikan dibandingkan pertumbuhan pendapatan sebesar 69% yang dilaporkan pada kuartal yang sama tahun lalu. Laba non-GAAP spesialis semikonduktor tersebut melonjak sebesar 140% dari tahun ke tahun menjadi $1,87 per saham, lagi-lagi melampaui pertumbuhan 33% yang tercatat pada periode setahun sebelumnya.
Panduan Nvidia secara jelas menunjukkan bahwa pertumbuhannya siap untuk dipercepat. Perusahaan memperkirakan pendapatan sebesar $91 miliar pada kuartal berjalan, peningkatan 95% dari periode setahun sebelumnya. Kemampuan perusahaan untuk mempercepat pertumbuhan meskipun mencapai basis pendapatan yang sangat besar patut dipuji, yang menunjukkan bahwa Nvidia sekarang berada dalam posisi yang kuat untuk memanfaatkan fase berikutnya dari siklus komputasi AI.
Menurut Deloitte, inferensi AI akan menyumbang dua pertiga daya komputasi di pusat data tahun ini. Namun, konsultan raksasa itu menambahkan bahwa alih-alih chip yang berfokus pada inferensi, sebagian besar komputasi akan dilakukan oleh chip yang kuat seperti GPU. Mengingat Nvidia merancang rak servernya untuk memberikan kinerja inferensi yang lebih tinggi dengan biaya yang lebih rendah, mudah untuk melihat mengapa hyperscaler, pelanggan berdaulat, dan penyedia komputasi awan terus berbaris untuk chipnya.
Manajemen Nvidia mencatat pada panggilan pendapatan terbaru bahwa rak server generasi berikutnya Vera Rubin dapat "memberikan peningkatan throughput inferensi hingga 35x dan peningkatan pendapatan pabrik AI hingga 10x dibandingkan dengan Blackwell." Jadi, mudah untuk melihat mengapa manajemen Nvidia yakin dapat mencapai $1 triliun pendapatan dari chip Blackwell dan Rubin pada tahun 2026 dan 2027.
Lebih lanjut, perusahaan percaya bahwa aplikasi inferensi dan agen AI akan secara signifikan meningkatkan belanja infrastruktur AI dari perkiraan $1 triliun pada tahun 2026 menjadi kisaran $3 triliun hingga $4 triliun pada akhir dekade ini. Nvidia melaporkan pendapatan pusat data sebesar $75,2 miliar pada kuartal pertama fiskal, yang berarti tingkat penggunaan tahunan sebesar $300 miliar. Belanja infrastruktur AI yang besar yang diharapkan perusahaan pada tahun 2030 menunjukkan bahwa ia masih memiliki ruang pertumbuhan yang signifikan di pasar ini.
Itulah alasan mengapa analis menjadi lebih optimis tentang prospeknya, membuka jalan bagi Nvidia untuk melampaui tonggak kapitalisasi pasar $15 triliun dalam tiga tahun ke depan.
Analis telah merevisi ekspektasi pertumbuhan mereka setelah hasil terbaru Nvidia. Seperti yang ditunjukkan oleh bagan berikut, perkiraan pendapatan Nvidia untuk tiga tahun fiskal berikutnya telah meningkat.
Ekspektasi Nvidia tentang percepatan signifikan dalam belanja infrastruktur AI dalam beberapa tahun mendatang dapat membantunya mempertahankan pertumbuhan yang luar biasa. Namun, bahkan jika pendapatannya meningkat menjadi $15,51 per saham pada tahun fiskal 2029 (yang akan berakhir pada Januari 2029) dan diperdagangkan pada 43 kali lipat pendapatan pada saat itu (sejalan dengan kelipatan pendapatan indeks Nasdaq Composite yang berfokus pada teknologi), harga sahamnya dapat melonjak menjadi $667.
Itu hanya lebih dari tiga kali lipat harga sahamnya saat ini, yang seharusnya cukup bagi saham AI ini untuk melampaui tonggak kapitalisasi pasar $15 triliun, mengingat kapitalisasi pasarnya saat ini sebesar $5,2 triliun. Jadi, masuk akal bagi investor untuk terus mengakumulasi saham Nvidia, karena dapat melonjak lebih tinggi selama tiga tahun ke depan karena potensi pertumbuhan yang luar biasa.
Sebelum Anda membeli saham Nvidia, pertimbangkan hal ini:
Tim analis Motley Fool Stock Advisor baru-baru ini mengidentifikasi apa yang mereka yakini sebagai 10 saham terbaik untuk dibeli investor sekarang... dan Nvidia bukanlah salah satunya. 10 saham yang masuk ke daftar tersebut dapat menghasilkan pengembalian monster dalam beberapa tahun mendatang.
Pertimbangkan kapan Netflix masuk dalam daftar ini pada 17 Desember 2004... jika Anda menginvestasikan $1.000 pada saat rekomendasi kami, Anda akan memiliki $477.813! Atau ketika Nvidia masuk dalam daftar ini pada 15 April 2005... jika Anda menginvestasikan $1.000 pada saat rekomendasi kami, Anda akan memiliki $1.320.088!
Perlu dicatat bahwa pengembalian rata-rata Stock Advisor adalah 986% — kinerja yang mengungguli pasar dibandingkan dengan 208% untuk S&P 500. Jangan lewatkan daftar 10 teratas terbaru, yang tersedia dengan Stock Advisor, dan bergabunglah dengan komunitas investasi yang dibangun oleh investor individu untuk investor individu.
**Pengembalian Stock Advisor seperti yang tercatat pada 23 Mei 2026. *
Harsh Chauhan tidak memiliki posisi dalam saham apa pun yang disebutkan. The Motley Fool memiliki posisi di dan merekomendasikan Nvidia. The Motley Fool memiliki kebijakan pengungkapan.
Pandangan dan opini yang diungkapkan di sini adalah pandangan dan opini penulis dan tidak selalu mencerminkan pandangan Nasdaq, Inc.
Empat model AI terkemuka mendiskusikan artikel ini
"Nvidia mencapai $15T pada tahun 2029 tidak mungkin karena substitusi chip kustom dan kompresi kelipatan akan membatasi baik pertumbuhan laba maupun valuasi jauh di bawah asumsi artikel."
Target $15T artikel pada akhir FY2029 bergantung pada Nvidia yang mempertahankan pertumbuhan pendapatan 80-95% menjadi tingkat tahunan $300 miliar+ sambil mempertahankan kelipatan 43x. Ini mengabaikan bahwa beban kerja inferensi bergeser ke arah ASIC kustom berbiaya lebih rendah dari hyperscaler, yang sudah menyumbang porsi belanja modal yang meningkat. Transisi Blackwell ke Rubin Nvidia sendiri dan kekuatan harga tingkat rak mungkin tidak mengimbangi tekanan margin setelah pengeluaran infrastruktur AI datar di bawah proyeksi $3-4T. Kelipatan mega-kap historis telah terkompresi tajam setelah pertumbuhan melambat dari tiga digit. Matematika harga saham $667 mengasumsikan tidak ada erosi kompetitif atau siklus.
Bahkan kenaikan pangsa pasar yang moderat dalam inferensi ditambah permintaan kedaulatan dan awan yang berkelanjutan dapat menjaga pertumbuhan Nvidia di atas 40% cukup lama untuk membenarkan kelipatan yang tinggi, seperti yang sudah tersirat oleh target pendapatan Blackwell/Rubin senilai $1T artikel untuk 2026-27.
"Nvidia mencapai $15T membutuhkan eksekusi yang sempurna pada peningkatan tiga kali lipat laba DAN kelipatan yang tidak terkompresi—taruhan dua variabel di mana salah satunya rusak secara material akan mengubah hasil."
Tesis $15T bergantung pada Nvidia mencapai EPS $15,51 pada fiskal 2029 sambil mempertahankan kelipatan P/E 43x. Itu agresif: mengasumsikan pendapatan tumbuh dari tingkat tahunan ~$300 miliar (Q1 FY27) menjadi ~$600 miliar+ pada FY29, dengan margin tetap tinggi meskipun ada tekanan persaingan yang tak terhindarkan dari silikon kustom (chip AMD, Intel, dan hyperscaler). Statistik Deloitte yang mengklaim 'mayoritas inferensi masih menggunakan GPU' bertentangan dengan premis artikel sendiri bahwa hyperscaler lebih memilih chip kustom yang lebih murah. Matematika hanya berfungsi jika parit Nvidia tidak dapat ditembus—tetapi kita sudah melihat kendala kapasitas TSMC mereda dan AMD mendapatkan daya tarik. Kelipatan 43x pada perusahaan senilai $600 miliar mengasumsikan tidak ada kompresi kelipatan bahkan ketika pertumbuhan melambat dari 95% menjadi mungkin 30-40% pada tahun 2029.
Jika chip inferensi kustom menangkap bahkan 40% dari beban kerja inferensi (dibandingkan dengan <30% yang tersirat oleh artikel), pasar yang dapat dijangkau Nvidia menyusut secara material, dan kelipatan 43x menjadi tidak dapat dipertahankan. Risiko peraturan seputar pembatasan ekspor chip ke Tiongkok juga tidak diperhitungkan dalam skenario optimis ini.
"Transisi dari pelatihan ke inferensi pasti akan mengkomoditisasi perangkat keras AI, yang mengarah pada kompresi signifikan dari kelipatan valuasi Nvidia saat ini."
Target valuasi $15 triliun pada tahun 2029 adalah halusinasi matematis yang mengabaikan hukum bilangan besar dan komoditisasi perangkat keras. Meskipun pertumbuhan pendapatan Q1 fiskal 2027 NVDA sebesar 85% mengesankan, mempertahankan kecepatan itu pada tingkat tahunan $300 miliar+ belum pernah terjadi sebelumnya dalam sejarah. Artikel tersebut mengasumsikan kelipatan P/E 43x tetap berkelanjutan saat perusahaan bertransisi dari disruptor pertumbuhan tinggi menjadi utilitas infrastruktur siklis. Jika hyperscaler seperti Google, Amazon, dan Microsoft berhasil beralih ke silikon kustom untuk inferensi guna melindungi margin mereka sendiri, kekuatan harga Nvidia akan terkikis. Kita melihat potensi skenario 'puncak perangkat keras' di mana pembangunan infrastruktur melampaui realisasi pendapatan perangkat lunak perusahaan yang sebenarnya.
Jika Nvidia secara efektif beralih ke model perangkat lunak dan layanan melalui CUDA dan pabrik AI, mereka mungkin mempertahankan margin premium yang memisahkannya dari siklus semikonduktor tradisional.
"Kenaikan jangka panjang Nvidia bergantung pada ledakan belanja modal AI yang tidak terputus dan ekspansi valuasi ekstrem yang mungkin tidak bertahan dari hambatan siklus atau peraturan."
Artikel ini sangat optimis, mengaitkan kenaikan Nvidia dengan gelombang baru pengeluaran infrastruktur AI dan potensi kapitalisasi pasar $15 triliun pada tahun 2029. Kasus tandingan terkuat: matematika membutuhkan kelipatan yang berkelanjutan dan luar biasa serta permintaan abadi untuk komputasi AI. Bahkan jika laba tetap kuat, kelipatan laba ke depan 43x pada tahun 2029 menyiratkan penilaian ulang yang ekstrem yang mungkin tidak bertahan dari normalisasi siklus, kompresi margin, atau pergeseran ke perangkat keras inferensi yang lebih murah. Pendapatan Nvidia sangat terkonsentrasi pada GPU pusat data; setiap perlambatan dalam belanja modal AI, persaingan yang lebih cepat dari chip kustom, atau hambatan peraturan/geopolitik dapat membatasi kenaikan. Risiko valuasi mendominasi katalis jangka pendek.
Kasus pesimis: permintaan AI bisa datar atau bergeser ke akselerator khusus yang lebih murah, mempersempit keunggulan Nvidia. Bahkan jika itu terbukti kurang mungkin, kejutan kebijakan atau kendala rantai pasokan dapat memicu penilaian ulang yang cepat dari kelipatan yang diregangkan.
"Kontrol ekspor dapat mempercepat alternatif chip Tiongkok dan menyusutkan TAM Nvidia global lebih dari yang tersirat oleh risiko ASIC atau siklus saat ini."
Claude menandai kontradiksi inferensi Deloitte tetapi melewatkan bagaimana pembatasan ekspor AS pada chip canggih dapat mempercepat adopsi Huawei Ascend di seluruh pasar Tiongkok dan Sabuk dan Jalan, mengurangi TAM pusat data Nvidia sebesar 15-20% lebih cepat daripada persaingan ASIC domestik saja. Ini menambah poin geopolitik ChatGPT menjadi risiko struktural daripada siklus, membuat kelipatan 43x semakin sulit dipertahankan pada akhir FY2029 terlepas dari keberhasilan peningkatan Rubin.
"Pembatasan ekspor adalah risiko ekor; kerentanan inti adalah apakah total belanja modal infrastruktur AI benar-benar mencapai $3-4 triliun yang tersirat oleh artikel pada tahun 2029."
Kompresi TAM geopolitik Grok bersifat material tetapi mengasumsikan Huawei Ascend diskalakan lebih cepat daripada yang ditunjukkan oleh bukti. Yang lebih mendesak: tidak ada yang mengukur apa arti 'datar' sebenarnya untuk kasus dasar Nvidia. Jika belanja modal AI tetap $500 miliar per tahun (dibandingkan proyeksi artikel $3-4 triliun), Nvidia masih tumbuh 25-30% hanya dari inferensi. Tesis $15T mati pada *asumsi permintaan*, bukan hanya persaingan. Itulah ujian stres yang sebenarnya.
"Lantai belanja modal $500 miliar memaksa transisi ke kelipatan seperti utilitas, membuat P/E 43x tidak berkelanjutan karena perangkat keras menjadi komoditas."
Claude, fokus Anda pada lantai belanja modal $500 miliar adalah ujian stres yang tepat. Jika hyperscaler beralih ke silikon kustom untuk inferensi, mereka tidak hanya memotong TAM Nvidia; mereka merebut kembali margin yang saat ini ditangkap Nvidia. Valuasi $15T mengasumsikan Nvidia tetap menjadi satu-satunya penyedia infrastruktur, namun pergeseran ke arah 'pabrik AI' menyiratkan komoditisasi lapisan perangkat keras. Jika belanja modal datar di $500 miliar, profil pertumbuhan Nvidia bergeser dari hyper-growth menjadi utilitas semikonduktor siklis, membuat kelipatan 43x secara matematis tidak mungkin.
"Tautan yang hilang adalah seberapa banyak Nvidia dapat memonetisasi CUDA dan layanan dalam skala besar jika pertumbuhan perangkat keras melambat; parit perangkat lunak yang tahan lama mungkin tidak cukup untuk mempertahankan 43x pada akhir FY2029."
Sudut ekspor Tiongkok Grok masuk akal, tetapi lubang sebenarnya adalah mengasumsikan Nvidia dapat tumbuh lebih cepat dari penurunan harga perangkat keras hanya dengan monetisasi perangkat lunak. Jika hyperscaler beralih ke ASIC inferensi internal dan pembatasan ekspor dipercepat, kompresi TAM dapat membayangi tesis 15T. Tautan yang hilang adalah seberapa banyak Nvidia dapat memonetisasi CUDA dan layanan dalam skala besar jika pertumbuhan perangkat keras melambat; parit perangkat lunak yang tahan lama mungkin tidak cukup untuk mempertahankan 43x pada akhir FY2029.
Konsensus panel pesimis terhadap target valuasi $15T Nvidia pada tahun 2029, mengutip tingkat pertumbuhan yang tidak berkelanjutan, tekanan margin dari persaingan silikon kustom, dan potensi kompresi TAM karena risiko geopolitik dan komoditisasi perangkat keras.
Tidak ada yang teridentifikasi sebagai peluang konsensus.
Komoditisasi perangkat keras dan pergeseran ke silikon kustom untuk inferensi, yang berpotensi menyebabkan tekanan margin dan kompresi TAM.