Oleh Maksym Misichenko · Nasdaq ·
Apa yang dipikirkan agen AI tentang berita ini
Panel setuju bahwa ASIC kustom akan tumbuh dan sangat penting untuk inferensi AI, tetapi kecepatan dan tingkat adopsinya tetap tidak pasti. Ekosistem perangkat lunak Nvidia dan efisiensi GPU menimbulkan hambatan signifikan untuk substitusi yang cepat.
Risiko: Transisi ke ASIC kustom mungkin lebih lambat dari yang diharapkan karena parit perangkat lunak Nvidia dan efisiensi GPU, membatasi penyesuaian ulang jangka pendek perancang ASIC tanpa pabrik seperti Broadcom dan Marvell.
Peluang: Potensi pertumbuhan jangka panjang dalam silikon khusus untuk inferensi AI, didorong oleh permintaan efisiensi biaya dan daya dari hyperscaler.
Analisis ini dihasilkan oleh pipeline StockScreener — empat LLM terkemuka (Claude, GPT, Gemini, Grok) menerima prompt identik dengan perlindungan anti-halusinasi bawaan. Baca metodologi →
Prosesor kustom dari Marvell dan Broadcom menjadi semakin penting bagi perusahaan teknologi terkemuka.
Broadcom dan Marvell melihat pertumbuhan besar yang dipimpin AI, dengan pelanggan utama seperti Alphabet dan Microsoft menandatangani kesepakatan.
Taiwan Semiconductor berada dalam posisi unik untuk mendapatkan keuntungan dari lonjakan perangkat keras AI, terlepas dari prosesor mana yang diminati.
Nvidia (NASDAQ: NVDA) telah menjadi saham kecerdasan buatan (AI) terkemuka selama bertahun-tahun, dengan harga sahamnya melonjak 600% selama tiga tahun terakhir. Tetapi sesuatu yang aneh terjadi setelah perusahaan melaporkan hasil kuartal Oktober yang mengesankan: harga sahamnya turun.
Itu bukan kesalahan Nvidia, juga bukan alasan yang baik bagi investor untuk menghukum saham tersebut. Tetapi setelah kenaikannya yang panjang dan mengesankan, menjadi sulit bagi Nvidia untuk mempertahankan momentum harga sahamnya.
Akankah AI menciptakan triliuner pertama di dunia? Tim kami baru saja merilis laporan tentang satu perusahaan yang kurang dikenal, yang disebut "Monopoli Tak Tergantikan" yang menyediakan teknologi penting yang dibutuhkan Nvidia dan Intel. Lanjutkan »
Salah satu alasannya mungkin adalah investor menyadari bahwa lonjakan AI memiliki lebih banyak ruang untuk tumbuh di luar dominasi unit pemrosesan grafis (GPU) Nvidia. Yaitu, prosesor silikon kustom semakin dilihat sebagai iterasi berikutnya dari permintaan perangkat keras AI.
Itu adalah berita bagus untuk Marvell (NASDAQ: MRVL), Broadcom (NASDAQ: AVGO), dan Taiwan Semiconductor (NYSE: TSM). Inilah mengapa saham-saham ini dapat memperoleh momentum sementara saham Nvidia beristirahat.
Selama bertahun-tahun, GPU serbaguna Nvidia telah menjadi bentuk dominan prosesor pusat data. Chip ini bagus untuk tugas komputasi AI umum dan dapat digunakan di berbagai aplikasi kecerdasan buatan.
Tetapi perusahaan teknologi terkemuka di dunia juga mulai menyadari bahwa semikonduktor kustom memiliki beberapa keuntungan dibandingkan GPU serbaguna. Khususnya, mereka dapat menyetel prosesor agar bekerja lebih efisien dengan model atau sistem AI spesifik mereka.
Di ruang teknologi AI yang sangat kompetitif, ini bisa membuat perbedaan besar dalam meraih keunggulan. Itulah mengapa apa yang dilakukan Marvell dan Broadcom menjadi semakin penting.
Penjualan sirkuit terpadu khusus aplikasi (ASIC) Broadcom untuk pelanggan berlipat ganda pada kuartal pertama perusahaan menjadi $8,4 miliar. Alphabet adalah pelanggan utama, dan perusahaan baru-baru ini menandatangani kesepakatan agar Broadcom memperluas desain pelanggan untuk Unit Pemrosesan Tensor (TPU) Alphabet untuk pusat data AI Alphabet hingga 2031.
Lebih banyak penjualan AI akan datang. Manajemen Broadcom memperkirakan pendapatan kecerdasan buatan perusahaan akan mencapai $100 miliar pada tahun depan.
Marvell berada dalam posisi serupa. Perusahaan merancang solusi ASIC kustom untuk perusahaan teknologi besar, termasuk Microsoft. Perusahaan melaporkan pertumbuhan kuat yang dipimpin AI pada tahun 2026, dengan total penjualan naik 42% menjadi $8,2 miliar.
Marvell juga merupakan mitra desain utama untuk chip Trainium milik Amazon, dan Nvidia mengumumkan pada bulan Maret bahwa mereka akan berinvestasi $2 miliar di Marvell, dengan kemitraan yang memberikan akses pelanggan Nvidia ke ASIC Marvell. Ini adalah contoh bagaimana chip kustom Marvell dan Broadcom kemungkinan akan bekerja bersama, daripada sepenuhnya menggantikan, GPU Nvidia untuk kebutuhan komputasi AI.
Jika Anda ingin mendapatkan keuntungan dari lonjakan perangkat keras AI -- tetapi tidak ingin memutuskan apakah Nvidia, Marvell, atau Broadcom akan menjadi pemenang terbesar -- maka Taiwan Semiconductor, juga dikenal sebagai TSMC, harus menjadi pilihan Anda.
Tidak seperti perusahaan-perusahaan itu, TSMC memproduksi prosesor. Perusahaan memegang 70% pangsa pasar dalam manufaktur prosesor global, dan pangsa pasar yang lebih mengesankan 90% dalam prosesor kecerdasan buatan canggih.
Penjualan TSMC melonjak 41% pada kuartal pertama menjadi $35 miliar, dan laba bersihnya melonjak 58% menjadi $3,49 per American depositary receipt (ADR). Manajemen mengatakan penjualan akan meningkat sebesar 30% untuk tahun penuh 2026.
CEO TSMC C.C. Wei menyebut AI sebagai "megatrend" pada panggilan pendapatan terbaru perusahaan dan percaya perusahaannya akan terus memanfaatkan permintaan yang melonjak untuk membuat prosesor AI. Dengan perusahaan teknologi yang masih membutuhkan GPU Nvidia, serta silikon kustom, TSMC berada dalam posisi yang tepat untuk mendapatkan keuntungan dari semua kebutuhan prosesor AI, apa pun prosesor yang menang.
Tidak ada jaminan bahwa saham TSMC, Broadcom, dan Marvell akan mengungguli Nvidia pada tahun 2030, tetapi saya pikir tren menuju silikon kustom memberi perusahaan-perusahaan ini peluang bagus untuk melakukannya. Data terbaru dari Semianalysis memperkirakan bahwa TPU Google dapat mengurangi biaya komputasinya sebesar 62% dibandingkan dengan menggunakan prosesor Nvidia. Awal tahun ini, Microsoft meluncurkan chip Maia 200 kustomnya sendiri untuk inferensi AI, yang ia gandeng dengan Marvell untuk desainnya. Microsoft mengatakan chip tersebut akan "secara dramatis meningkatkan ekonomi generasi token AI."
Perusahaan AI terkemuka dunia, Anthropic dan OpenAI, juga bergerak ke arah chip kustom. Anthropic telah memperluas kolaborasi dengan Broadcom untuk mengakses 3,5 gigawatt TPU Broadcom dan Google, mulai tahun depan.
Prosesor ASIC kustom diperkirakan akan tumbuh sebesar perkiraan 45% tahun ini, dibandingkan dengan tingkat pertumbuhan GPU tahun 2026 sebesar 15%. Seiring pergeseran ini berlanjut, Marvell, Broadcom, dan Taiwan Semiconductor dapat melihat harga saham mereka membuat keuntungan besar saat investor menunggangi gelombang perangkat keras AI berikutnya.
Sebelum Anda membeli saham Broadcom, pertimbangkan ini:
Tim analis Motley Fool Stock Advisor baru saja mengidentifikasi apa yang mereka yakini sebagai 10 saham terbaik untuk dibeli investor sekarang… dan Broadcom bukan salah satunya. 10 saham yang masuk daftar itu berpotensi menghasilkan keuntungan besar di tahun-tahun mendatang.
Pertimbangkan ketika 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!
Sekarang, perlu dicatat bahwa total pengembalian rata-rata Stock Advisor adalah 986% — kinerja yang mengalahkan pasar dibandingkan dengan 208% untuk S&P 500. Jangan lewatkan daftar 10 teratas terbaru, tersedia dengan Stock Advisor, dan bergabunglah dengan komunitas investasi yang dibangun oleh investor individu untuk investor individu.
**Pengembalian Stock Advisor per 25 Mei 2026. *
Chris Neiger tidak memiliki posisi di saham mana pun yang disebutkan. The Motley Fool memiliki posisi dan merekomendasikan Alphabet, Broadcom, Marvell Technology, Nvidia, dan Taiwan Semiconductor Manufacturing. The Motley Fool memiliki kebijakan pengungkapan.
Pandangan dan opini yang diungkapkan di sini adalah pandangan dan opini penulis dan tidak selalu mencerminkan pandangan dan opini Nasdaq, Inc.
Empat model AI terkemuka mendiskusikan artikel ini
"Jurang ekosistem Nvidia dan risiko konsentrasi TSMC membuat kinerja keranjang silikon kustom yang lebih baik pada tahun 2030 menjadi kurang mungkin daripada yang disarankan artikel."
Artikel ini secara akurat menyoroti permintaan ASIC kustom yang dipercepat dari hyperscaler, dengan lintasan pendapatan AI Broadcom dan kemenangan desain Microsoft/Amazon Marvell memberikan visibilitas pendapatan konkret hingga 2031. Namun, artikel ini meremehkan kemampuan Nvidia untuk menangkap beban kerja yang berdekatan dengan ASIC melalui DGX Cloud dan penguncian perangkat lunak CUDA-nya, ditambah pertumbuhan penjualan TSMC sebesar 30% pada tahun 2026 sudah diperhitungkan dalam kelipatan ke depan 30x+. Risiko konsentrasi geopolitik di TSMC dan potensi kompresi margin karena semakin banyak desain yang dipindahkan ke dalam perusahaan tetap tidak ditangani, membatasi kemungkinan kinerja berkelanjutan dibandingkan Nvidia pada tahun 2030.
Bahkan jika Nvidia mempertahankan dominasi perangkat lunak, ASIC kustom masih dapat mengikis 20-30% dari TAM pusat datanya pada tahun 2030 karena beban kerja inferensi yang sensitif terhadap biaya beralih, membatasi ekspansi kelipatan NVDA sambil mengangkat kelipatan AVGO dan MRVL.
"Pertumbuhan ASIC kustom nyata, tetapi artikel ini tidak memberikan bukti penilaian bahwa AVGO atau MRVL dapat mengungguli NVDA pada tahun 2030 ketika keduanya menghadapi kompresi margin dan Nvidia dapat memasuki pasar chip kustom dalam skala besar."
Artikel ini mencampuradukkan dua tren terpisah tanpa membuktikan substitusi. ASIC kustom *akan* tumbuh—itu nyata. Tetapi perbandingan pertumbuhan ASIC 45% vs. pertumbuhan GPU 15% menyesatkan: keduanya dapat tumbuh secara bersamaan. Lebih penting: artikel ini mengutip data 2026 seolah-olah itu saat ini, kemudian memproyeksikan hingga 2030 tanpa kerangka kerja penilaian apa pun. Pangsa manufaktur chip AI TSMC sebesar 90% adalah asli, tetapi AVGO dan MRVL adalah perancang tanpa pabrik—mereka tidak menangkap margin manufaktur. Pertanyaan sebenarnya bukanlah apakah silikon kustom ada; tetapi apakah AVGO/MRVL dapat mempertahankan pertumbuhan EPS 20%+ ketika TSMC sudah memperhitungkan ledakan AI dan margin kotor Nvidia (70%+) jauh lebih besar daripada mereka (~50-55%).
Jika silikon kustom benar-benar mengungguli GPU dalam hal biaya dan efisiensi, Nvidia juga merancang chip kustom—dan memiliki uang tunai, bakat, dan hubungan pelanggan untuk melakukannya lebih cepat daripada AVGO atau MRVL dapat diskalakan. Artikel ini mengasumsikan perusahaan-perusahaan ini memiliki masa depan silikon kustom; mereka mungkin hanya menjadi subkontraktor di dalamnya.
"Transisi dari pelatihan model AI ke inferensi bervolume tinggi akan secara struktural mendukung ASIC kustom daripada GPU serbaguna, menggeser penangkapan nilai dari chip agnostik perangkat keras ke silikon yang disetel kustom."
Pergeseran menuju silikon kustom (ASIC) adalah realitas struktural, bukan hanya tren. Sementara Nvidia mendominasi pelatihan serbaguna, fase 'inferensi' AI—di mana volume jangka panjang yang sebenarnya berada—menuntut efisiensi daya dan optimalisasi biaya yang disediakan oleh Broadcom dan Marvell. Integrasi Broadcom ke dalam tumpukan hyperscaler (Google, Meta) menciptakan parit defensif yang tidak dimiliki model berbasis GPU Nvidia. TSMC tetap menjadi permainan 'pick-and-shovel' utama, tetapi investor harus memperhitungkan premi risiko geopolitik yang melekat di Taiwan. Artikel ini secara akurat mengidentifikasi pergeseran menuju efisiensi biaya per token, yang mendukung silikon khusus daripada pendekatan GPU 'satu ukuran untuk semua', menjadikan AVGO dan MRVL sebagai penambah jangka panjang yang menarik.
Tesis ini mengabaikan efek 'penguncian perangkat lunak' dari ekosistem CUDA Nvidia, yang membuat peralihan ke silikon kustom menjadi risiko rekayasa dan migrasi yang besar bagi pengembang. Jika model AI terus berkembang pesat, fleksibilitas GPU mungkin tetap lebih berharga daripada efisiensi ASIC fungsi tetap.
"Selama 4–6 tahun ke depan, ASIC khusus akan membuka keuntungan biaya dan efisiensi yang berarti yang dapat memiringkan kepemimpinan pasar ke arah Broadcom, Marvell, dan TSMC bahkan ketika Nvidia tetap menjadi pemain inti."
Artikel ini berpendapat bahwa Broadcom, Marvell, dan TSMC akan mengungguli Nvidia pada tahun 2030 karena pergeseran perangkat keras AI menuju ASIC kustom. Tesis itu memiliki kelebihan: chip khusus dapat mengoptimalkan untuk model dan beban kerja tertentu, dan pelanggan utama mendorong peningkatan biaya dan efisiensi. Namun, ekosistem GPU Nvidia—perangkat lunak, alat, dan penerapan yang dapat diskalakan—tetap menjadi parit yang tangguh, yang berarti transisi ke silikon khusus penuh bisa lebih lambat dan bertahap daripada yang diklaim. Risiko tambahan termasuk tingkat adopsi AI yang optimis, siklus capex, potensi kendala pasokan, dan risiko geopolitik Taiwan yang dapat mengganggu manufaktur. Penilaian mungkin sudah mencerminkan penyesuaian ulang perangkat keras AI yang menguntungkan, membuat kenaikan bergantung pada tonggak adopsi yang nyata.
Ekosistem Nvidia tertanam kuat dan dapat mengadaptasi operasi dalam skala besar; migrasi ke ASIC kustom mungkin bersifat inkremental, bukan tingkat penggantian dalam jendela 2030, merusak tesis.
"Iterasi perangkat lunak triwulanan Nvidia mengalahkan siklus ASIC 18 bulan, membatasi kenaikan pangsa AVGO/MRVL dalam inferensi."
Klaim Gemini bahwa volume inferensi mendukung efisiensi AVGO dan MRVL mengabaikan peta jalan Blackwell Nvidia yang sudah menargetkan token inferensi di bawah 200W melalui penyesuaian perangkat lunak. Siklus desain ASIC dengan TSMC masih berjalan 18 bulan lebih; Nvidia mengirimkan pembaruan CUDA triwulanan yang dapat diadopsi hyperscaler tanpa tape-out silikon baru. Kesenjangan kecepatan ini membuat sebagian besar beban kerja inferensi tetap pada GPU hingga 2028, meredam penyesuaian ulang apa pun untuk perancang ASIC tanpa pabrik.
"Kelincahan perangkat lunak tidak mengatasi ekonomi beban kerja inferensi setelah silikon kustom terbukti dan diamortisasi."
Grok mencampuradukkan kecepatan siklus desain dengan realitas penerapan. Ya, Nvidia mengirimkan pembaruan CUDA setiap triwulan—tetapi hyperscaler tidak mengadopsinya tanpa memvalidasi akurasi inferensi dan biaya per token terhadap silikon kustom yang sudah diproduksi. Maia Microsoft dan TPU Google tidak tertunda oleh jeda tape-out; mereka dikirim karena delta efisiensi membenarkan beban rekayasa. Kaden triwulanan Nvidia penting untuk pelatihan; ekonomi inferensi mendukung silikon tetap setelah divalidasi.
"Ketersediaan GPU dan kecepatan ke pasar saat ini lebih penting daripada keuntungan efisiensi marginal ASIC kustom untuk hyperscaler."
Claude, Anda melewatkan intensitas modal dari pergeseran 'inferensi'. Sementara Anda berpendapat bahwa silikon kustom tidak dapat dihindari, Anda mengabaikan bahwa hyperscaler saat ini menginvestasikan miliaran dolar ke GPU Nvidia justru karena mereka tidak dapat menunggu siklus validasi ASIC 18 bulan yang disebutkan Grok. Kita melihat lonjakan 'cukup baik' di mana ketersediaan GPU mentah mengalahkan efisiensi marginal silikon kustom. Sampai kapasitas CoWoS TSMC tidak lagi menjadi hambatan utama, transisi ASIC adalah pendorong pertumbuhan sekunder, bukan utama.
"Penguncian perangkat lunak dan biaya porting akan memperlambat migrasi ke silikon kustom, menjaga GPU Nvidia tetap dominan dalam inferensi lebih lama dari yang diharapkan pasar."
Penekanan Gemini pada 'efisiensi inferensi' sebagai satu-satunya pendorong berisiko meremehkan parit perangkat lunak. Bahkan jika AVGO/MRVL menawarkan biaya per token yang lebih rendah, hyperscaler menghadapi ketergantungan CUDA/CuDNN, optimalisasi model, dan keakraban alat yang memperlambat migrasi. Ekosistem Nvidia dapat mengamortisasi modal dan masih menangkap beban kerja inferensi baru melalui penyesuaian perangkat lunak dan opsi cloud seperti DGX Cloud, menjaga transisi tetap inkremental hingga 2028-29 dan membatasi penyesuaian ulang jangka pendek AVGO/MRVL.
Panel setuju bahwa ASIC kustom akan tumbuh dan sangat penting untuk inferensi AI, tetapi kecepatan dan tingkat adopsinya tetap tidak pasti. Ekosistem perangkat lunak Nvidia dan efisiensi GPU menimbulkan hambatan signifikan untuk substitusi yang cepat.
Potensi pertumbuhan jangka panjang dalam silikon khusus untuk inferensi AI, didorong oleh permintaan efisiensi biaya dan daya dari hyperscaler.
Transisi ke ASIC kustom mungkin lebih lambat dari yang diharapkan karena parit perangkat lunak Nvidia dan efisiensi GPU, membatasi penyesuaian ulang jangka pendek perancang ASIC tanpa pabrik seperti Broadcom dan Marvell.