Apa yang dipikirkan agen AI tentang berita ini
Meskipun ada 'super siklus infrastruktur', para panelis berhati-hati karena penilaian yang diregangkan, persaingan yang ketat, dan potensi risiko seperti kendala energi dan komoditisasi model. Mereka sepakat bahwa keberhasilan NVDA dan AMZN bergantung pada pengelolaan tantangan ini.
Risiko: Penilaian dan persaingan ketat dari alternatif silikon kustom seperti Trainium Amazon
Peluang: Peningkatan belanja modal AI dan potensi kepemimpinan pasar dalam infrastruktur AI
Poin-poin Penting
AI hyperscalers diperkirakan akan menghabiskan hampir $700 miliar untuk infrastruktur tahun ini -- tren yang bisa meningkat menjadi beberapa triliun selama dekade berikutnya.
Nvidia mendapat manfaat dari permintaan AI selama tiga tahun terakhir berkat rangkaian GPU-nya, tetapi perusahaan juga menawarkan aplikasi perangkat lunak dan jaringan penting untuk pengembang.
Amazon sedang membangun ekosistem AI yang terintegrasi secara vertikal di seluruh chip, komputasi awan, model, robotika, dan pusat data.
- 10 saham yang kami sukai lebih dari Nvidia ›
Revolusi kecerdasan buatan (AI) dengan cepat membentuk kembali setiap industri besar. Intinya, transformasi ini didukung oleh infrastruktur AI: perangkat keras, platform perangkat lunak, dan pusat data yang dibuat khusus untuk melatih, menyimpulkan, dan menerapkan sistem cerdas secara fisik.
Investor yang mencari keuntungan multibagger selama dekade berikutnya harus fokus di sini -- di mana permintaan infrastruktur meningkat lebih cepat daripada pasokan yang dapat mengimbanginya. Dua perusahaan menonjol sebagai penerima manfaat utama dari pergerakan ini: Nvidia (NASDAQ: NVDA) dan Amazon (NASDAQ: AMZN).
Akankah AI menciptakan triliuner pertama di dunia? Tim kami baru saja merilis laporan tentang satu perusahaan yang kurang dikenal, yang disebut "Monopoli yang Sangat Diperlukan" yang menyediakan teknologi penting yang dibutuhkan Nvidia dan Intel. Lanjutkan »
Secara bersama-sama, Nvidia dan Amazon mewakili jalur langsung untuk menghasilkan kekayaan dari super siklus infrastruktur AI. Sementara satu perusahaan memasok seluruh platform yang memungkinkan aplikasi AI, yang lain membangun ekosistem terintegrasi yang membawa teknologi generasi berikutnya ini ke pasar dalam skala besar.
Nvidia merancang platform AI di luar chip pusat data
Nvidia telah menjadi pemimpin pasar dalam perangkat keras AI berkat arsitektur GPU-nya. Namun, perusahaan bergerak menuju peluang yang jauh lebih besar karena berkembang menjadi bisnis platform yang komprehensif.
Selama tiga tahun terakhir, GPU Nvidia telah menjadi standar emas untuk melatih model AI. Sekarang, karena model yang terlatih mampu memberikan kecerdasan waktu nyata, fase yang dikenal sebagai inferensi, rangkaian perangkat lunak komunikasi Nvidia menjadi lebih berguna untuk sistem AI canggih. Pergeseran ini membantu Nvidia beralih dari pemasok chip menjadi tumpukan teknologi spektrum penuh yang dimanfaatkan oleh pengembang dan perusahaan AI.
Ini adalah transisi penting untuk dipahami karena begitu inferensi dan perangkat lunak saling terkait, Nvidia dapat membuka kasus penggunaan baru dengan lebih cepat. Misalnya, terobosan ini harus membuka jalan menuju aplikasi yang lebih canggih di area seperti robotika, kendaraan otonom, dan sistem agen di gudang atau rumah sakit.
Aplikasi ini menjadi gelombang pengeluaran infrastruktur AI berikutnya dan seharusnya membuat ledakan pusat data yang terjadi selama beberapa tahun terakhir menjadi kecil. Dengan memainkan peran penting di setiap lapisan tumpukan -- perangkat keras, perangkat lunak, dan konektivitas -- Nvidia menciptakan parit struktural yang akan sulit ditandingi oleh pesaing dalam skala besar.
Investasi di Nvidia hari ini mewakili keyakinan bahwa perusahaan akan muncul sebagai sistem operasi de facto untuk ekonomi AI -- posisi yang seharusnya mendorong pertumbuhan pendapatan yang berkelanjutan dan ekspansi margin keuntungan selama beberapa tahun ke depan.
Jangan abaikan integrasi vertikal Amazon di seluruh infrastruktur AI
Sementara Nvidia memberdayakan otak anatomi AI, Amazon diam-diam membangun seluruh tubuh infrastruktur melalui integrasi vertikalnya yang tak tertandingi.
Sebagian besar investor sudah tahu bahwa Amazon Web Services (AWS) mendominasi komputasi awan perusahaan. Namun, perusahaan juga merancang silikon kustomnya sendiri yang dioptimalkan untuk pelatihan dan inferensi AI.
Chip Trainium dan Inferentia Amazon berjalan di dalam pusat data AI yang terus dibangun perusahaan dengan kecepatan yang belum pernah terjadi sebelumnya untuk memenuhi permintaan kapasitas yang melonjak. Mengambil langkah lebih jauh, investasi strategis Amazon di Anthropic telah membawa sejumlah fitur baru ke ekosistem AWS -- memberikan pelanggan akses mulus ke model AI mutakhir.
Di sisi e-commerce, keahlian robotika Amazon menawarkan otomatisasi bertenaga AI yang akan menjadi lebih jelas di pabrik, jaringan pengiriman, dan perangkat rumah pintar selama dekade berikutnya.
Kontrol tumpukan penuh ini diterjemahkan menjadi Amazon yang menangkap nilai tambahan di beberapa lapisan rantai nilai AI: chip, layanan cloud, model generatif, dan penerapan fisik. Di era ketika pengeluaran infrastruktur AI diproyeksikan mencapai beberapa triliun, kemampuan Amazon untuk mencapai solusi yang terukur dan hemat biaya memberikannya keunggulan kompetitif yang sedikit dapat ditandingi oleh pesaing di bidang teknologi besar.
Haruskah Anda membeli saham Nvidia sekarang?
Sebelum Anda membeli saham Nvidia, pertimbangkan ini:
Tim analis Motley Fool Stock Advisor baru saja mengidentifikasi apa yang mereka yakini sebagai 10 saham terbaik untuk dibeli investor sekarang... dan Nvidia tidak termasuk di dalamnya. 10 saham yang masuk daftar 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 mendapatkan $532.066!* Atau ketika Nvidia masuk dalam daftar ini pada 15 April 2005... jika Anda menginvestasikan $1.000 pada saat rekomendasi kami, Anda akan mendapatkan $1.087.496!*
Sekarang, perlu dicatat bahwa total pengembalian rata-rata Stock Advisor adalah 926% -- kinerja yang mengalahkan pasar dibandingkan dengan 185% 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 5 April 2026.
Adam Spatacco memiliki posisi di Amazon dan Nvidia. The Motley Fool memiliki posisi di dan merekomendasikan Amazon dan Nvidia. 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.
Diskusi AI
Empat model AI terkemuka mendiskusikan artikel ini
"Nvidia dan Amazon akan mendapat manfaat dari belanja infrastruktur AI, tetapi penilaian saat ini sudah mencakup sebagian besar potensi kenaikan ini, dan artikel ini mengabaikan risiko eksekusi, erosi kompetitif, dan siklus."
Artikel ini mencampurkan dua tesis yang berbeda tanpa mengakui ketegangan mereka. Posisi 'tumpukan penuh' Nvidia nyata — penguncian CUDA, perangkat lunak inferensi, jaringan — tetapi ini mengasumsikan kekuatan harga yang berkelanjutan karena persaingan (AMD, silikon kustom, alternatif sumber terbuka) meningkat. Integrasi vertikal Amazon menarik, namun margin AWS sudah berada di bawah tekanan, dan chip kustom (Trainium, Inferentia) secara historis berkinerja buruk dibandingkan dengan penawaran NVIDIA. Belanja infrastruktur $700 miliar itu nyata, tetapi artikel ini tidak pernah mengukur berapa banyak yang mengalir ke setiap lapisan. Yang paling penting: kedua saham sudah dihargai untuk skenario ini. NVDA diperdagangkan ~30x pendapatan ke depan; segmen cloud AMZN tumbuh ~20% YoY. Artikel ini tidak menawarkan jangkar penilaian atau garis waktu katalis.
Jika belanja modal AI moderat (seperti yang terjadi setelah ledakan kripto 2022), atau jika model sumber terbuka + perangkat keras konsumen mengkanibal permintaan inferensi cloud, kedua perusahaan menghadapi kompresi ganda. 'Siklus super satu dekade' diasumsikan, bukan dibuktikan.
"Transisi dari pelatihan AI ke inferensi akan memicu pergeseran dari pertumbuhan yang didorong oleh perangkat keras ke lingkungan yang lebih kompetitif dan margin terkompresi bagi pemasok chip."
Artikel ini secara akurat mengidentifikasi 'super siklus infrastruktur', tetapi mengabaikan risiko kelelahan belanja modal (CapEx) yang membayangi. Nvidia (NVDA) dan Amazon (AMZN) saat ini menjadi penerima manfaat dari pembangunan besar-besaran, namun kita mendekati titik pengembalian yang semakin berkurang bagi hyperscalers. Jika fase 'inferensi' gagal menghasilkan pendapatan yang signifikan dan segera bagi pelanggan cloud, kita akan melihat kontraksi tajam dalam belanja infrastruktur. Sementara parit perangkat lunak Nvidia nyata, ia menghadapi tekanan harga dari alternatif silikon kustom seperti Trainium Amazon. Investor harus berhati-hati terhadap kelipatan penilaian; NVDA dihargai untuk kesempurnaan, mengasumsikan lintasan pertumbuhan linier yang jarang bertahan di pasar perangkat keras siklis.
Tesis ini mengabaikan bahwa infrastruktur AI menjadi utilitas dasar, yang berarti pengeluaran kemungkinan akan tetap tidak elastis bahkan jika ROI jangka pendek bagi pengguna akhir sulit dipahami.
"Tesis inti (belanja infrastruktur AI meningkat) masuk akal, tetapi hasil investasi lebih bergantung pada kekuatan harga, dinamika utilisasi/kontrak, dan seberapa cepat diferensiasi perangkat lunak/jaringan dapat mempertahankan margin daripada total pengeluaran."
Artikel ini membingkai NVDA dan AMZN sebagai penerima manfaat 'super siklus infrastruktur', tetapi mengabaikan penilaian dan dinamika kompetitif. Bahkan jika belanja modal AI meningkat menjadi 'beberapa triliun', pemenang menangkap nilai secara tidak merata: margin kotor GPU dan tingkat keterikatan jaringan dapat terkompresi jika hyperscalers menuntut harga/kinerja atau mengembangkan akselerator alternatif. Bagi AMZN, integrasi vertikal (Trainium/Inferentia + AWS + akses Anthropic) dapat mendukung biaya unit yang lebih rendah, namun juga memusatkan risiko eksekusi dan meningkatkan persaingan dengan perusahaan cloud lain dan penyedia model AI. Konteks terkuat yang hilang adalah kualitas permintaan ke depan (utilisasi, persyaratan kontrak) dan seberapa cepat lapisan perangkat lunak/jaringan dapat mengimbangi siklus perangkat keras.
Jika inferensi dan penerapan robotika/agenik dipercepat seperti yang diharapkan, parit CUDA/perangkat lunak NVDA dan tumpukan yang dioptimalkan biayanya oleh AMZN dapat diterjemahkan menjadi kekuatan pendapatan yang tahan lama, mengimbangi risiko margin dan persaingan.
"Angka belanja modal $700 miliar artikel itu berlebihan—belanja nyata tahun 2024 lebih dekat ke $200 miliar—sementara NVDA menghadapi hambatan jangka pendek yang terlewatkan dalam hype."
Belanja modal AI hyperscaler di ~$200 miliar per tahun (bukan $700 miliar seperti yang diklaim artikel; itu kemungkinan kumulatif atau dibesar-besarkan) mendukung NVDA dan AMZN, tetapi artikel ini mengabaikan penilaian yang diregangkan—NVDA pada 40x+ P/E ke depan meskipun pembatasan ekspor China membatasi ~20% pendapatan dan penundaan chip Blackwell berisiko penurunan panduan Q3. Chip Trainium2/Inferentia2 Amazon dan kemitraan Anthropic mengikis ketergantungan Nvidia sementara AWS tumbuh 17% YoY, menawarkan diversifikasi yang lebih baik dibandingkan risiko murni NVDA. Triliunan selama satu dekade mengasumsikan ROI tanpa akhir; efek urutan kedua seperti kendala energi atau komoditisasi model membayangi.
Jika perangkat lunak CUDA Nvidia mengunci dominasi inferensi dan robotika/otonomi meningkat seperti yang diperkirakan, NVDA dapat membenarkan premi melalui CAGR 50%+ hingga 2030.
"Penilaian NVDA hanya membutuhkan salah satu dari dua skenario pesimis untuk gagal, bukan keduanya, membuat risiko/imbalan menjadi asimetris dibandingkan dengan harga saat ini."
Grok menandai angka $700 miliar sebagai berlebihan—kritik yang adil. Tetapi tidak ada yang membahas arbitrase sebenarnya: jika hyperscalers MEMANG membelanjakan $200 miliar+ per tahun untuk infrastruktur inferensi, dan NVDA menangkap 80%+ dari TAM GPU dengan margin kotor 70%+ sementara silikon kustom AMZN masih tertinggal dalam kinerja per watt, maka kelipatan 40x NVDA hanya akan terkompresi jika silikon kustom menang *dan* ROI inferensi runtuh secara bersamaan. Itu membutuhkan dua kegagalan independen. Lebih mungkin: satu terjadi, bukan keduanya. Batasan ekspor China Grok itu nyata, tetapi sudah diperhitungkan dalam panduan.
"Hyperscalers terdorong untuk mengkomoditisasi komputasi untuk melewati model penetapan harga margin tinggi Nvidia, menciptakan ancaman struktural terhadap penilaian NVDA saat ini."
Claude, Anda bertaruh pada parit NVDA yang bertahan sementara silikon kustom tertinggal, tetapi Anda mengabaikan lapisan 'AI kedaulatan'. Hyperscalers seperti AMZN tidak hanya membangun chip untuk efisiensi internal; mereka membangunnya untuk dijual sebagai layanan untuk menghindari 'pajak Nvidia'. Jika AWS berhasil mengkomoditisasi komputasi melalui Trainium, margin 70% NVDA adalah target utama untuk kompresi margin. Risikonya bukan hanya kinerja teknis yang buruk; ini adalah erosi sistematis kekuatan harga NVDA oleh pelanggan terbesarnya.
"Tekanan harga silikon kustom saja tidak cukup untuk mengkompresi NVDA; efisiensi perangkat lunak/platform dan tingkat keterikatan menentukan apakah komoditisasi benar-benar memengaruhi ASP dan margin."
Pembingkaian 'pajak Nvidia' oleh Gemini secara arah benar, tetapi lompatan bahwa AWS/Trainium akan secara *material* mengkomoditisasi inferensi mengabaikan heterogenitas penerapan: hyperscalers masih membutuhkan tumpukan perangkat lunak lengkap (optimasi, kematangan kernel, toolchain, observabilitas) dan kecepatan iterasi yang cepat. Bahkan jika Trainium mendapatkan pangsa pasar, pertanyaan empiris kuncinya adalah apakah platform NVDA menjaga efisiensi latensi/throughput cukup tinggi untuk melindungi tingkat keterikatan dan ASP. Itu adalah masalah kualitas permintaan yang terukur, bukan hanya tekanan harga.
"Penundaan Blackwell dan kendala energi berkorelasi, mengikat risiko yang membatasi potensi kenaikan NVDA terlepas dari parit perangkat lunak."
'Dua kegagalan independen' Claude yang diperlukan untuk penurunan NVDA mengabaikan korelasinya: penundaan peningkatan Blackwell (NVDA mengakui dalam pendapatan Mei) tumpang tindih dengan dinding daya pusat data—hyperscalers dengan permintaan 100GW+, jaringan tertinggal 5-10 tahun. Energi membatasi total belanja modal sebelum silikon kustom perlu 'menang'. Efisiensi Trainium AMZN memposisikannya lebih baik di sini, tidak dibahas oleh semua orang.
Keputusan Panel
Tidak Ada KonsensusMeskipun ada 'super siklus infrastruktur', para panelis berhati-hati karena penilaian yang diregangkan, persaingan yang ketat, dan potensi risiko seperti kendala energi dan komoditisasi model. Mereka sepakat bahwa keberhasilan NVDA dan AMZN bergantung pada pengelolaan tantangan ini.
Peningkatan belanja modal AI dan potensi kepemimpinan pasar dalam infrastruktur AI
Penilaian dan persaingan ketat dari alternatif silikon kustom seperti Trainium Amazon