
Ledakan permintaan server dan penyimpanan belum menunjukkan sinyal berakhirnya yang jelas dalam jangka pendek, tetapi sedang bergeser dari fase awal "mengamankan kapasitas dan komponen" menuju tahap menengah yang berfokus pada pengiriman, utilisasi, dan imbal hasil investasi. Panduan CapEx dari Microsoft, Amazon, dan Meta menunjukkan bahwa pusat data AI masih menyerap GPU, CPU, HBM, SSD enterprise, perangkat jaringan, dan sumber daya listrik dalam jumlah besar. Bagi investor, kuncinya bukan sekadar bertanya berapa lama perangkat keras AI bisa terus naik, melainkan apakah permintaan masih ditopang oleh pendapatan cloud yang riil, adopsi AI perusahaan, dan komitmen jangka panjang dari pelanggan.

Ledakan permintaan server dan penyimpanan kemungkinan besar akan berlanjut hingga tahun 2027, tetapi mungkin tidak akan berlanjut dengan laju curam yang sama seperti yang terlihat selama periode 2024–2026. Pandangan yang lebih realistis adalah bahwa tahun 2026 tetap menjadi tahun pembangunan pusat data AI, pengamanan komponen, dan pengiriman server kelas atas; tahun 2027 mungkin menjadi tahap ketika kapasitas mulai beroperasi, beban kerja inferensi meluas, dan tingkat utilisasi diuji. Setelah itu, permintaan lebih mungkin bergeser dari ekspansi yang bersifat menyeluruh menuju pertumbuhan yang struktural.
Infrastruktur AI bukan sekadar pembelian satu server. Ini adalah siklus rekayasa pusat data yang lengkap. Penyedia layanan cloud perlu mengamankan GPU, CPU, HBM, DRAM, NAND, switch, modul optik, catu daya, sistem pendingin cair, dan ruang pusat data secara lebih awal. Dalam panggilan penghasilan FY2026 Q3 Microsoft, perusahaan menyatakan bahwa permintaan Azure tetap berada di atas kapasitas yang tersedia, sementara sebagian besar CapEx kuartalan dialokasikan untuk aset berumur pendek seperti GPU dan CPU. Hal ini menunjukkan bahwa pasokan perangkat keras masih belum sepenuhnya mampu mengejar permintaan AI cloud.
Pada tahap ini, perusahaan dan penyedia cloud cenderung melakukan pemesanan lebih awal karena kelangkaan, ekspektasi kenaikan harga, dan siklus pengiriman yang lebih lama. Perilaku pelanggan IBM baru-baru ini memperkuat poin ini: pelanggan mengalihkan CapEx kuartalan mereka ke pembelian server, penyimpanan, dan memori untuk mengamankan infrastruktur dalam kondisi pasokan yang ketat. Sinyal ini tidak boleh ditafsirkan secara sederhana sebagai hilangnya permintaan perangkat lunak. Ini berarti infrastruktur AI bergerak lebih tinggi dalam prioritas anggaran perusahaan.
Tahun 2027 lebih mungkin menjadi garis pemisahnya. Banyak investasi pusat data yang dilakukan pada tahun 2026 tidak akan langsung berubah menjadi pendapatan server atau pendapatan cloud pada kuartal yang sama. Lahan, sambungan listrik, konstruksi, sistem pendingin, penerapan server, dan migrasi pelanggan semuanya membutuhkan waktu. Dalam surat pemegang saham 2025 Amazon, perusahaan menekankan bahwa CapEx sekitar 200 miliar dolar AS tidak didasarkan pada spekulasi, melainkan pada permintaan AWS, chip AI, dan peluang cloud jangka panjang. Reuters juga mencatat bahwa sebagian investasi Amazon tahun 2026 diperkirakan akan dimonetisasi pada tahun 2027–2028.
Bahkan jika permintaan pelatihan melambat, inferensi AI, agen perusahaan, pembuatan kode, rekomendasi periklanan, rekonstruksi pencarian, dan aplikasi basis pengetahuan perusahaan dapat terus berkembang. Permintaan server tidak akan turun ke nol; permintaan tersebut akan bergeser dari klaster pelatihan skala besar ke lingkungan inferensi dan pemrosesan data yang lebih luas. Untuk penyimpanan, hal ini dapat menciptakan siklus perluasan kapasitas yang lebih berkelanjutan, karena inferensi perusahaan membutuhkan data bisnis, data konteks, log, indeks vektor, dan sistem pencadangan.
| Tahap | Penggerak Utama | Perangkat Keras Utama | Metrik Validasi Inti |
|---|---|---|---|
| 2026 | Penguncian kapasitas, kenaikan harga komponen, pembangunan pusat data | GPU, CPU, HBM, server AI, perangkat jaringan | CapEx, waktu tunggu (lead time), tingkat keparahan kelangkaan |
| 2027 | Kapasitas mulai beroperasi, perluasan inferensi, penerapan AI perusahaan | Server inferensi, SSD perusahaan, jaringan, pendinginan | Pendapatan cloud, utilisasi, pendapatan AI |
| 2028 dan seterusnya | ROI dan pembaruan perangkat | Chip hemat energi, perluasan penyimpanan, penggantian server | ROIC, depresiasi, arus kas bebas |
Ringkasan: Lonjakan server dan penyimpanan data lebih mungkin berlanjut hingga tahun 2027, tetapi fase berikutnya mungkin bergeser dari "semua naik bersama-sama" menjadi pertumbuhan yang lebih selektif di seluruh komputasi kelas atas, penyimpanan data, jaringan, dan sumber daya listrik. Jika kapasitas cloud baru dengan cepat terserap, penggunaan inferensi AI terus bertumbuh, dan pengeluaran untuk infrastruktur data perusahaan terus meluas, permintaan server dan penyimpanan data seharusnya tetap terdukung. Jika pasokan komponen melonggar, pembatalan meningkat, dan pendapatan cloud gagal menyesuaikan dengan CapEx, tekanan siklus akan menjadi lebih terlihat.

Sinyal bersama dari Microsoft, Amazon, dan Meta adalah bahwa investasi infrastruktur AI tetap tinggi. Namun, CapEx memiliki arti yang berbeda di setiap perusahaan. Pengungkapan Microsoft lebih langsung terkait dengan perangkat komputasi awan dan komputasi AI. Belanja Amazon mencakup AWS, logistik, dan bisnis lainnya. Belanja Meta lebih berfokus pada rekomendasi periklanan, AI generatif, dan kapasitas model internal. Anda tidak boleh sekadar menjumlahkan angka CapEx ketiga perusahaan tersebut dan menganggap totalnya sebagai pesanan server.
Microsoft adalah salah satu jendela paling jelas ke dalam permintaan server AI. Pada FY2026 Q3, Microsoft melaporkan pertumbuhan pendapatan Azure dan layanan cloud lainnya sebesar 40%, dan pembahasan laba ruginya menunjukkan bahwa permintaan pelanggan masih berada di atas kapasitas yang tersedia. Hal ini menunjukkan bahwa sebagian besar belanja Microsoft terkait dengan aset komputasi dan kapasitas cloud, bukan hanya lahan atau gedung pusat data.
Yang lebih penting, Microsoft tidak berekspansi secara buta di lingkungan permintaan yang lemah. Perusahaan mengungkapkan bahwa margin kotor Microsoft Cloud turun menjadi 66%, yang mencerminkan dampak dari depresiasi infrastruktur AI, pengadaan GPU, dan perluasan kapasitas cloud. Dengan kata lain, CapEx Microsoft mengirimkan dua sinyal sekaligus: permintaan tetap kuat, tetapi investor akan semakin fokus pada apakah belanja AI dapat menghasilkan imbal hasil kas yang cukup tinggi.
Panduan CapEx Amazon sangat besar, tetapi memerlukan interpretasi yang cermat. Amazon bukan hanya perusahaan cloud; perusahaan ini juga menjalankan bisnis pemenuhan e-commerce, logistik, periklanan, internet satelit, dan perangkat. Meski demikian, AWS tetap menjadi variabel yang paling penting. Dalam hasil kuartal keempatnya, Amazon memandu belanja modal sekitar sekitar $200 miliar, dengan peluang investasi yang mencakup AI, chip, robotika, dan satelit orbit rendah.
Pada Kuartal I 2026, Amazon melaporkan pertumbuhan pendapatan AWS tahunan sebesar 28%, sementara bisnis cipnya telah melampaui tingkat pendapatan terannualisasi sebesar $20 miliar. Cip kustom seperti Trainium, Graviton, dan Nitro dapat mengubah konfigurasi server cloud dan distribusi nilai rantai pasokan. Sebagian nilai mungkin bergeser dari GPU tujuan umum ke arah cip kustom, desain sistem penuh, jaringan, dan penyimpanan, tetapi hal itu tidak tentu mengurangi total permintaan pusat data.
Sinyal CapEx Meta lebih berfokus ke dalam. Pada Q1 2026, Meta menaikkan panduan belanja modalnya untuk sepanjang tahun menjadi $125 miliar–$145 miliar, dengan alasan infrastruktur AI, harga komponen, dan biaya pusat data. Berbeda dengan AWS atau Azure, investasi AI Meta terutama mendukung rekomendasi iklan, distribusi konten, asisten AI generatif, pelatihan model, dan potensi kemampuan cloud di masa depan.
Pertanyaan kunci untuk model ini bukanlah pesanan pelanggan cloud eksternal, melainkan efisiensi iklan, keterlibatan pengguna, kemampuan model, dan utilisasi komputasi internal. Jika Meta dapat mengonversi infrastruktur AI menjadi tingkat konversi iklan yang lebih tinggi, sistem rekomendasi yang lebih kuat, dan pendapatan produk baru, tekanan CapEx dapat dibenarkan oleh pertumbuhan. Jika kontribusi pendapatan tetap tidak jelas, pasar akan lebih berfokus pada penyusutan dan tekanan arus kas bebas.
| Perusahaan | Sinyal CapEx 2026 | Kebutuhan Perangkat Keras Utama | Interpretasi Utama |
|---|---|---|---|
| Microsoft | Sekitar $190 miliar dalam ekspektasi pasar | GPU, CPU, server awan, penyimpanan | Eksposur aset komputasi tinggi; permintaan masih terkendala kapasitas |
| Amazon | Sekitar $200 miliar | Server AWS, chip kustom, jaringan, daya listrik | Harus memisahkan belanja awan dari logistik dan bisnis lainnya |
| Meta | $125 miliar–$145 miliar | Klaster AI, penyimpanan, komponen, pusat data | Terutama memvalidasi imbal hasil komersialisasi AI internal |
Ringkasan: CapEx Microsoft, Amazon, dan Meta semuanya menunjukkan bahwa pembangunan infrastruktur AI belum berakhir, tetapi masing-masing perusahaan memvalidasi siklus ini dari sudut pandang yang berbeda. Microsoft paling mencerminkan permintaan GPU, CPU, dan server cloud yang ketat. Amazon mencerminkan permintaan pelanggan AWS dalam siklus panjang serta ekspansi chip kustom. Meta menunjukkan platform periklanan yang berubah menjadi operator infrastruktur AI berat. Pertanyaan sebenarnya bukan seberapa besar CapEx tersebut, melainkan apakah investasi ini dapat diserap oleh pendapatan cloud, efisiensi periklanan, dan penggunaan AI.

Belanja modal (CapEx) dalam jumlah besar pertama-tama mengalir ke akselerator AI, CPU, server, dan perangkat jaringan, lalu secara bertahap mendorong permintaan untuk SSD perusahaan, memori, object storage, sistem pencadangan, daya, dan pendinginan. Waktunya berbeda di setiap kategori: pendapatan GPU dan server dapat diakui relatif cepat, sementara lahan, daya, dan konstruksi pusat data bergerak lebih lambat. Permintaan penyimpanan mungkin baru muncul kemudian seiring meluasnya data pelatihan, log inferensi, dan koneksi data perusahaan.
Rantai perangkat keras pusat data AI yang lengkap biasanya mencakup:
Gartner memperkirakan belanja TI global akan mencapai $6,31 triliun, dengan belanja sistem pusat data diperkirakan melampaui $788 miliar. Ini berarti pertumbuhan CapEx nominal mencakup baik "lebih banyak unit" maupun "harga yang lebih tinggi." Kenaikan pendapatan vendor server tidak serta-merta berarti pengiriman meningkat pada tingkat yang sama. Hal itu juga dapat mencerminkan konfigurasi yang lebih tinggi per mesin, kapasitas memori yang lebih besar, dan harga jual rata-rata yang lebih tinggi.
Permintaan pelatihan dan inferensi juga mendorong permintaan penyimpanan secara berbeda. Pelatihan membutuhkan dataset berskala besar, checkpoint model, dan penyimpanan berthroughput tinggi. Inferensi lebih bergantung pada data perusahaan, basis data vektor, konteks pengguna, cache log, dan retensi kepatuhan. Pandangan Gartner tentang infrastruktur AI juga menyoroti IaaS yang dioptimalkan untuk AI, server AI, dan fabric jaringan AI sebagai komponen inti dari belanja AI di masa depan.
| Kategori CapEx | Produk Terkait | Waktu Pelepasan Permintaan | Metrik yang Perlu Dipantau |
|---|---|---|---|
| Aset komputasi berumur pendek | GPU, CPU, server, HBM | Relatif cepat | Pengiriman, waktu tunggu pengiriman, ASP |
| Jaringan dan penyimpanan | Switch, modul optik, SSD, sistem penyimpanan | Periode yang sama atau sedikit tertunda | Kecepatan port, kapasitas, pesanan |
| Infrastruktur dengan siklus panjang | Lahan, bangunan, daya listrik, pendinginan | Diinvestasikan sebelum digunakan | Kapasitas dalam konstruksi, persetujuan daya |
| Penggantian dan peningkatan | Server generasi baru, komponen hemat daya | 3–6 tahun kemudian | Siklus penyusutan, peningkatan efisiensi energi |
Jika Anda memantau rantai pasok perangkat keras AI di pasar publik, Anda perlu melihat melampaui perusahaan chip. OEM server, vendor penyimpanan, pemasok perangkat jaringan, perusahaan modul optik, pemasok daya, perusahaan pendingin cair, dan REIT pusat data juga penting. Dell adalah contoh yang berguna: Reuters melaporkan bahwa Dell memperkirakan pendapatan server AI pada tahun fiskal 2027 akan naik menjadi sekitar $60 miliar, di atas perkiraan sebelumnya sekitar $50 miliar. Saat menggunakan Biya untuk memantau pergerakan harga saham AS terkait, lebih baik membandingkan panduan CapEx, panggilan hasil, backlog, dan margin kotor secara bersamaan daripada hanya mengandalkan pertumbuhan pendapatan satu kuartal.
Ringkasan: CapEx AI memiliki dampak paling langsung terhadap permintaan server, tetapi tidak bergerak melalui satu saluran tunggal. Bagian depan adalah GPU, CPU, HBM, dan server berdensitas tinggi; lapisan tengah mencakup jaringan, modul optik, dan penyimpanan perusahaan; bagian belakang mencakup daya, pendinginan cair, gedung pusat data, dan operasi jangka panjang. Seiring AI bergeser dari pelatihan menuju inferensi dan aplikasi perusahaan, permintaan penyimpanan, jaringan, dan manajemen data dapat mencapai puncaknya lebih lambat daripada GPU, sehingga siklus perangkat keras lebih mungkin berputar berdasarkan lapisan daripada dimulai dan berakhir sekaligus.
Anggaran TI perusahaan tidak sepenuhnya meninggalkan perangkat lunak. Mereka memprioritaskan infrastruktur AI di bawah anggaran yang terbatas. Komputasi, penyimpanan, memori, jaringan, keamanan, dan tata kelola data adalah prasyarat untuk penerapan AI di perusahaan. Jika sumber daya dasar tidak mencukupi, lisensi perangkat lunak baru, peningkatan sistem dengan prioritas lebih rendah, dan proyek konsultasi tradisional menjadi lebih mudah untuk ditunda. Ini lebih tepat dipahami sebagai penataan ulang prioritas anggaran, bukan penurunan perangkat lunak yang luas.
Untuk proyek AI agar dapat bergerak ke tahap produksi, perusahaan biasanya perlu menyelesaikan empat masalah terlebih dahulu: apakah kapasitas komputasi mencukupi, apakah data dapat digunakan, apakah keamanan dapat dikendalikan, dan apakah biaya dapat diprediksi. Dalam penelitian McKinsey tentang anggaran teknologi di era AI, CIO digambarkan perlu menyeimbangkan kembali belanja operasional (run expenditure), yang menjaga sistem tetap berjalan, dan belanja perubahan (change expenditure), yang mendanai kemampuan baru. AI bukan sekadar proyek inovasi sekali jalan; ia dapat mengubah biaya cloud, tata kelola data, pemanggilan inferensi, dan operasi keamanan menjadi pos anggaran jangka panjang.
Perangkat lunak karenanya menjadi semakin terbelah. Area yang kemungkinan akan menghadapi tekanan mencakup peningkatan besar yang dapat ditunda, lisensi yang kurang dimanfaatkan, alat dengan fungsi duplikat, dan produk eksperimental dengan ROI yang tidak jelas. Area yang mungkin masih berkembang mencakup platform model AI, tata kelola data, keamanan siber, optimasi biaya cloud, alat observabilitas, dan aplikasi yang terintegrasi erat dengan alur kerja bisnis inti. Prakiraan Gartner untuk server yang dioptimalkan AI juga menunjukkan bahwa infrastruktur AI tetap menjadi prioritas pengeluaran utama bagi perusahaan dan penyedia cloud.
| Kategori Anggaran | Prioritas Saat Ini | Alasan Utama | Potensi Dampak |
|---|---|---|---|
| Server AI dan komputasi awan | Meningkat | Kapasitas terbatas; beban kerja harus dijalankan lebih dulu | Menghimpit proyek yang dapat ditunda |
| Penyimpanan dan platform data | Meningkat | AI bergantung pada data perusahaan dan pengambilan data | Mendukung ekspansi jangka panjang |
| Keamanan siber | Meningkat | AI meningkatkan risiko data dan akses | Anggaran lebih tangguh |
| Pembaruan perangkat lunak tradisional | Beragam | ROI dan urgensinya berbeda-beda | Siklus penjualan lebih panjang |
| Konsultasi dan implementasi | Berubah secara struktural | Pendanaan bergeser ke penerapan AI | Proyek AI diuntungkan; pekerjaan tradisional tertekan |
Bagi para investor, pergeseran anggaran ini dapat memengaruhi valuasi sektor. Perusahaan perangkat lunak mungkin menghadapi tekanan valuasi jika mereka tidak dapat menunjukkan bahwa produk mereka meningkatkan produktivitas AI, mengurangi biaya cloud, atau mendorong hasil bisnis. Perusahaan perangkat keras juga menghadang risiko jika mereka hanya diuntungkan oleh kenaikan harga tanpa pengiriman barang yang nyata. Reuters mencatat bahwa beberapa investor mulai berfokus pada risiko perlambatan pertumbuhan belanja hyperscaler, yang menandakan pasar bergerak dari "hanya melihat permintaan AI" menuju "juga melihat imbal hasil investasi."
Ringkasan: Anggaran IT perusahaan sedang memprioritaskan infrastruktur AI, tetapi itu tidak berarti anggaran perangkat lunak akan hilang selamanya. Pergeseran yang lebih akurat adalah bahwa infrastruktur, data, keamanan, dan kapasitas cloud mendapatkan pendanaan terlebih dahulu, sementara perangkat lunak tradisional dan proyek-proyek dengan prioritas lebih rendah ditunda. Setelah kapabilitas fondasional dibangun, belanja dapat kembali ke aplikasi perangkat lunak yang mampu membuktikan peningkatan produktivitas, penghematan biaya, atau kontribusi pendapatan. Untuk menilai apakah boom perangkat keras dapat berlanjut, Anda juga perlu mengamati apakah perusahaan tetap bersedia membayar untuk aplikasi AI.
Apakah ledakan perangkat keras AI akan terus berlanjut tidak dapat dinilai hanya dari apakah CapEx dinaikkan lagi. Kerangka yang lebih efektif menggabungkan permintaan, pasokan, dan imbal hasil finansial: apakah pendapatan cloud terus berakselerasi, apakah kapasitas baru segera dimanfaatkan, apakah harga komponen tetap kuat, apakah arus kas bebas mampu menyerap pengeluaran tersebut, dan apakah tekanan depresiasi mulai mengikis profitabilitas. Hanya melihat satu metrik saja dapat dengan mudah menyebabkan kekeliruan menganggap siklus pembangunan sebagai permintaan permanen.
Anda dapat mengelompokkan sinyal pemantauan ke dalam tiga kategori.
Indikator Permintaan
Indikator Pasokan
Indikator Keuangan
| Sinyal | Boom Terus Berlanjut | Mendekati Puncak |
|---|---|---|
| Kapasitas cloud | Permintaan masih di atas pasokan yang tersedia | Kapasitas mencukupi, utilisasi menurun |
| CapEx | Tetap tinggi atau dinaikkan lagi | Proyek baru berulang kali dipotong |
| Harga komponen | Waktu tunggu lama, harga kuat | Persediaan meningkat, harga turun |
| Pendapatan AI | Inferensi dan aplikasi perusahaan tumbuh | Komersialisasi tidak memenuhi harapan |
| Arus kas bebas | Tekanan jangka pendek, tetapi arus kas operasi tetap kuat | Arus kas dan laba terus memburuk |
| Kontrak pelanggan | Komitmen jangka panjang meningkat | Pelanggan menunda, mengurangi, atau membatalkan komitmen |
Biaya perdagangan juga penting di tengah analisis ini. Ketika Anda melacak Microsoft, Amazon, Meta, atau saham rantai pasok perangkat keras AI, volatilitas harga hanyalah satu dimensi. Biaya transaksi aktual juga dapat memengaruhi pengelolaan posisi dan penyeimbangan kembali portofolio. Biaya perdagangan saham AS biasanya mencakup lebih dari sekadar komisi; biaya tersebut juga dapat mencakup biaya platform, biaya agen eksternal, biaya aktivitas perdagangan, dan biaya lainnya. Biya mengenakan komisi $0 untuk perdagangan saham AS, sedangkan biaya platform, biaya agen eksternal, dan biaya lainnya tunduk pada biaya perdagangan saham AS dan halaman pesanan. Ketersediaan layanan bergantung pada lokasi pengguna, hasil verifikasi identitas, aturan platform, serta hukum dan peraturan yang berlaku.
Ringkasan: Apakah siklus perangkat keras AI dapat berlanjut pada akhirnya bergantung pada apakah CapEx berubah menjadi pendapatan nyata dan utilisasi yang tinggi. Selama permintaan cloud tetap di atas kapasitas, proyek AI perusahaan terus bergerak ke tahap produksi, dan kontrak jangka panjang terus meningkat, permintaan server dan penyimpanan tetap didukung. Jika harga komponen turun, pembatalan meningkat, tekanan arus kas bebas meluas, dan pendapatan cloud tidak mampu menandingi pengeluaran, pasar akan menilai kembali laju ekspansi infrastruktur AI. Pendekatan yang lebih disiplin adalah dengan memantau CapEx, pendapatan cloud, harga komponen, dan arus kas secara bersamaan, alih-alih mengejar hanya satu segmen perangkat keras.
Jika Anda melacak server AI, penyimpanan enterprise, memori, komputasi awan, dan saham teknologi kapitalisasi besar dalam jangka panjang, langkah terpenting adalah membangun kerangka pemantauan yang dapat diulang: pertama, periksa apakah panduan CapEx Microsoft, Amazon, dan Meta terus meningkat; kemudian teliti apakah Azure, AWS, dan bisnis periklanan Meta mampu menyerap investasi tersebut; terakhir, bandingkan perubahan harga dan pesanan di seluruh rantai pasokan server, penyimpanan, memori, dan jaringan. Anda dapat menggunakan informasi saham AS untuk mengikuti harga, valuasi, dan kinerja pasar perusahaan terkait, serta menggunakan Biya untuk memantau pergerakan multi-aset di saham AS, saham Hong Kong, dan aset digital.Untuk sektor-sektor yang sedang panas, tidak disarankan untuk mengambil keputusan perdagangan hanya berdasarkan pergerakan harga dalam satu hari; pengungkuman publik, struktur biaya, jenis order, dan toleransi risiko pribadi semuanya harus dipertimbangkan. Pembahasan di atas hanya untuk informasi pasar publik, analisis industri, dan edukasi struktur biaya, serta bukan merupakan saran investasi.
Tidak secara otomatis, tetapi sering kali menimbulkan efek tarikan yang tertunda. Pelatihan AI terlebih dahulu mendorong penyimpanan berkinerja tinggi serta pembacaan dan penulisan data berskala besar, sementara inferensi meningkatkan permintaan terhadap data enterprise, log, indeks vektor, dan cadangan. Apakah pendapatan penyimpanan meningkat pada saat yang sama bergantung pada skala data pelanggan, arsitektur penerapan, harga SSD, dan waktu pengadaan dari penyedia cloud.
HBM memiliki dampak yang lebih langsung terhadap kinerja akselerator AI, konfigurasi server, dan biaya per server, sementara NAND terutama memengaruhi SSD perusahaan, penyimpanan data, dan biaya pengarsipan. Kenaikan harga HBM dapat mendorong kenaikan harga server AI kelas atas, sementara kenaikan NAND dapat menekan anggaran perluasan penyimpanan. Dampak aktualnya bergantung pada harga kontrak dan campuran produk.
Chip AI kustom dapat mengubah konfigurasi server dan pangsa pemasok, tetapi tidak serta-merta mengurangi total permintaan server. Chip seperti Trainium dan Graviton milik Amazon dapat menurunkan biaya komputasi per unit sekaligus menciptakan permintaan untuk server, jaringan, dan penyimpanan yang disesuaikan. Dampak yang lebih besar adalah bagaimana nilai didistribusikan ulang di berbagai sistem dan komponen.
Investor ritel harus memeriksa silang permintaan cloud ujung-ke-ujung, pesanan pemasok, persediaan, uang muka, ketentuan pembatalan, dan waktu tunggu pengiriman. Backlog saja bisa menyesatkan karena periode kelangkaan dapat mendorong pelanggan untuk memesan lebih awal atau menempatkan pesanan ke beberapa pemasok sekaligus. Jika pendapatan cloud melambat sementara persediaan meningkat, risiko pemesanan ganda meningkat.
Kendala daya pusat data dapat menunda pemasangan server dan pengakuan pendapatan dalam jangka pendek, sekaligus memperpanjang siklus pembangunan dan membuat pasokan perangkat tetap ketat dalam jangka panjang. Jika proyek memperoleh pasokan daya dan persetujuan, pengiriman perangkat keras mungkin hanya bergeser ke kemudian. Jika masalah akses daya atau biaya operasional berlanjut, sebagian pesanan mungkin tertunda, dikurangi, atau dibatalkan.
Pengeluaran modal (CapEx) perangkat keras AI menghabiskan sejumlah besar kas sebelum pendapatan sepenuhnya terwujud, karena pusat data, chip, server, dan infrastruktur listrik harus didanai di muka. Penyusutan, energi, dan biaya operasional juga meningkat kemudian. Untuk menilai apakah tekanan tersebut dapat dikelola, investor sebaiknya membandingkan arus kas operasional, pertumbuhan pendapatan cloud, tingkat utilisasi, dan imbal hasil jangka panjang, alih-alih hanya berfokus pada satu kuartal arus kas bebas.
*Artikel ini disediakan untuk tujuan informasi umum dan tidak merupakan nasihat hukum, pajak, atau nasihat profesional lainnya dari BiyaPay atau anak perusahaan serta afiliasinya, dan tidak dimaksudkan sebagai pengganti untuk mendapatkan nasihat dari penasihat keuangan atau profesional lainnya.
Kami tidak membuat pernyataan atau jaminan apa pun, baik tersurat maupun tersirat, mengenai keakuratan, kelengkapan, atau ketepatan waktu isi publikasi ini.

