
Jika Anda membandingkan hambatan memori di dalam server komputasi AI, Micron MU memiliki logika yang lebih kuat, karena HBM, DRAM, NAND, dan SSD pusat data secara langsung melayani GPU AI, ASIC AI, klaster pelatihan, dan inferensi berkinerja tinggi. Jika Anda membandingkan akumulasi data AI jangka panjang, ekspansi penyimpanan awan, dan kapasitas berbiaya rendah, Western Digital WDC memiliki logika HDD pusat data yang lebih jelas. Lebih tepatnya, MU mewakili logika "dinding memori AI" (AI memory wall), sedangkan WDC mewakili logika "dinding kapasitas AI" (AI capacity wall).

Saat Anda mencari MU vs WDC, pertanyaan sebenarnya biasanya bukan tentang saham mana yang lebih kuat dalam jangka pendek, tetapi logika infrastruktur AI mana yang lebih berkelanjutan. MU mewakili HBM, DRAM, NAND, dan SSD pusat data, yang menyelesaikan masalah bandwidth memori, kapasitas, dan akses berkecepatan tinggi selama komputasi AI. WDC mewakili HDD nearline dan hard drive berkapasitas besar, yang menyelesaikan kebutuhan penyimpanan jangka panjang setelah data pelatihan AI, inferensi, log, cadangan, dan arsip terakumulasi.
Pengguna pasar internasional sering melakukan pencarian di sekitar topik-topik berikut:
| Niat Pencarian | Istilah Pencarian Umum | Apa yang Sebenarnya Ingin Diketahui Pengguna |
|---|---|---|
| Saham penyimpanan AI | Micron vs Western Digital AI stock | Perusahaan mana yang lebih diuntungkan dari infrastruktur AI |
| Permintaan HBM | MU HBM AI memory revenue | Apakah HBM Micron menjadi penggerak pertumbuhan inti |
| Hard disk pusat data | WDC AI data center HDD demand | Apakah AI akan terus mendorong permintaan HDD |
| Siklus penyimpanan | HBM vs nearline HDD AI infrastructure | Mana yang lebih kuat: kenaikan harga memori atau pasokan HDD yang ketat |
| Pengadaan pelanggan cloud | Western Digital cloud HDD sold out | Apakah WDC memiliki visibilitas pesanan yang lebih kuat |
Perbedaan utamanya adalah MU lebih dekat dengan proses komputasi di dalam server AI, sementara WDC lebih dekat dengan lapisan penyimpanan data di sekitar pusat data AI. Saat melatih model berskala besar, GPU dan akselerator AI membutuhkan sistem memori berkapasitas tinggi dengan bandwidth tinggi dan latensi rendah. Seiring dengan berkembangnya aplikasi AI, mereka juga menghasilkan jumlah besar log inferensi, data interaksi pengguna, sampel pelatihan, data sintetis, versi model, dan data cadangan. Tidak semua data ini dapat ditempatkan pada media penyimpanan berkinerja tertinggi. Penyedia layanan cloud perlu menyeimbangkan biaya di seluruh SSD, HDD, penyimpanan objek, dan sistem arsip.
Anda dapat memisahkan kedua perusahaan ini terlebih dahulu berdasarkan empat dimensi:
| Dimensi Perbandingan | Micron MU | Western Digital WDC |
|---|---|---|
| Produk inti | HBM, DRAM, NAND, SSD | HDD, HDD nearline, hard drive berkapasitas tinggi |
| Posisi AI | Chip memori dan penyimpanan komputasi | Penyimpanan kapasitas pusat data |
| Sumber permintaan | GPU AI, server, cloud, perangkat | Penyedia cloud, pusat data AI, arsip jangka panjang |
| Indikator utama | Pasokan HBM, ASP DRAM, pendapatan pusat data | Pengiriman Exabyte, ASP HDD, perjanjian jangka panjang |
| Jenis siklus | Siklus chip memori | Siklus kapasitas hard drive |
Berdasarkan informasi publik, high-bandwidth memory dari Micron jelas diposisikan untuk sistem AI generasi berikutnya, komputasi performa tinggi, dan visualisasi profesional. Western Digital, dalam hasil kuartal fiskal ketiga 2026 WD, menekankan bahwa pelatihan AI, inferensi AI, agentic AI, dan physical AI semuanya menghasilkan data yang perlu disimpan secara persisten dan dengan biaya rendah. Salah satunya menyelesaikan "memory wall," sementara yang lain menyelesaikan "capacity wall." Itulah dasar dari perbandingan MU vs WDC.
Ringkasan: MU dan WDC sama-sama berada dalam rantai penerima manfaat infrastruktur penyimpanan AI, tetapi posisi keduanya berbeda. MU lebih langsung berada di dalam server AI, dengan keterkaitan lebih mendalam pada HBM, DRAM, NAND, SSD pusat data, memori GPU, dan akselerator AI. WDC lebih dekat ke fondasi kapasitas pusat data awan, yang diuntungkan oleh HDD nearline, data lake, cadangan (backup), arsip, dan permintaan penyimpanan berbiaya rendah per-TB. Untuk menilai logika mana yang lebih kuat, Anda harus terlebih dahulu memutuskan apakah Anda berfokus pada “AI menghitung lebih cepat” atau “AI menyimpan lebih banyak data.”

Jika kriteria Anda adalah “perusahaan mana yang lebih banyak diuntungkan secara langsung dari server komputasi AI,” MU memiliki logika yang lebih kuat. GPU AI, ASIC AI, klaster pelatihan, dan inferensi berkinerja tinggi semuanya bergantung pada HBM, DRAM, NAND, dan SSD pusat data. Micron bukan lagi sekadar perusahaan yang terikat pada siklus memori PC tradisional. Posisinya kini semakin jelas di lapisan pasokan inti untuk chip memori AI dan penyimpanan pusat data.
HBM adalah pintu masuk narasi AI terkuat bagi MU. Pelatihan model besar dan inferensi berkinerja tinggi menghadapi dinding memori: chip komputasi sangat bertenaga, tetapi data tidak dapat diberikan ke GPU dengan cukup cepat. HBM menggunakan penumpukan 3D, antarmuka lebar, dan kemasan canggih untuk meningkatkan bandwidth dan efisiensi energi, menjadikannya teknologi pendamping penting bagi akselerator AI. Micron HBM4 yang diungkap Micron telah memasuki produksi bervolume tinggi dalam bentuk 36GB 12H, dengan bandwidth lebih dari 2,8TB/s per stack serta peningkatan bandwidth dan efisiensi energi yang signifikan dibandingkan dengan HBM3E.
Data keuangan Micron juga menunjukkan bahwa permintaan AI telah masuk ke dalam hasil yang dilaporkan. Pendapatan kuartal ketiga tahun fiskal 2026 perusahaan mencapai USD 41,456 miliar, lebih tinggi dari USD 23,860 miliar pada kuartal sebelumnya dan USD 9,301 miliar pada periode yang sama tahun lalu. Margin laba kotor GAAP mencapai 84,6%, jauh lebih tinggi dibanding setahun sebelumnya. Berdasarkan segmen bisnis, pendapatan Cloud Memory Business Unit mencapai USD 13,769 miliar, sementara pendapatan Core Data Center Business Unit mencapai USD 11,524 miliar, yang menunjukkan bahwa permintaan memori awan dan pusat data inti telah menjadi mesin pertumbuhan utama.
| Titik Logika MU | Jalur Manfaat | Metrik yang Dilacak |
|---|---|---|
| HBM | Bandwidth memori untuk AI GPU dan AI ASIC | Pasokan HBM, kualifikasi pelanggan, ASP |
| DRAM | Permintaan memori server dan inferensi AI | Harga DRAM, permintaan bit |
| NAND | Permintaan SSD pusat data dan penyimpanan AI | ASP NAND, pendapatan SSD |
| SSD pusat data | Data pelatihan, cache, akses data panas | Pertumbuhan SSD pusat data |
| Perjanjian jangka panjang | Mengurangi volatilitas siklus tradisional | Komitmen pelanggan, batas harga minimum |
Bagian lain dari bisnis MU yang mungkin diremehkan adalah SSD pusat data. Micron 6600 ION 245TB dari Micron dirancang untuk beban kerja AI, cloud, enterprise, dan pusat data hyperscale. Ini menunjukkan bahwa MU bukan hanya pemasok HBM, tetapi juga mencakup lapisan penyimpanan berperforma tinggi dalam akses data AI. Untuk pelatihan dan inferensi AI, data panas, basis data vektor, cache, pemuatan model, dan hasil antara semuanya dapat meningkatkan permintaan SSD.
Namun, risiko MU juga terkonsentrasi. Kapasitas HBM, yield, kualifikasi pelanggan, dan harga merupakan variabel kunci. Kenaikan harga DRAM dan NAND dapat meningkatkan keuntungan, tetapi jika siklus berbalik arah, margin kotor dapat dengan cepat tertekan. Reuters melaporkan bahwa Micron memiliki komitmen pelanggan senilai USD 22 miliar dan beberapa perjanjian dengan pelanggan strategis, yang dapat meningkatkan visibilitas, tetapi juga dapat menyebabkan pasar memasukkan ekspektasi yang lebih tinggi lebih awal. Jika pasokan meningkat atau jadwal pengadaan pelanggan berubah, tekanan valuasi mungkin menjadi lebih nyata.
Ringkasan: MU adalah saham memori AI yang lebih langsung, dengan logikanya berpusat pada HBM, DRAM, NAND, dan SSD pusat data yang terhubung langsung ke server AI. Ia menyelesaikan masalah bandwidth memori, kapasitas memori, dan akses data berkecepatan tinggi selama komputasi AI, sehingga lebih mudah dikelompokkan oleh pasar bersama Nvidia, AI GPU, HBM, dan rantai pasokan memori pusat data. Risikonya adalah industri memori sangat bersifat siklis, pengeluaran modal tinggi, dan ekspektasi pasar sudah tinggi. Jika Anda optimis terhadap hambatan memori AI, MU memiliki logika yang lebih langsung; jika Anda khawatir siklus harga memori sedang terlalu panas, Anda perlu lebih memperhatikan risiko penurunan harga dan ekspansi pasokan.

Jika kriteria Anda adalah "di mana data yang dihasilkan AI pada akhirnya disimpan," WDC memiliki logika yang kuat. Data pelatihan AI, log inferensi, versi model, cadangan, arsip, data lake, dan data sintetis semuanya memerlukan penyimpanan berkapasitas besar dengan biaya rendah. HDD berkapasitas tinggi tidak menyelesaikan botol memori GPU, tetapi tetap menjadi alat penting bagi penyedia cloud untuk mengendalikan biaya jangka panjang per TB.
Positioning WDC kini lebih jelas daripada sebelumnya. Western Digital menyelesaikan pemisahan bisnis Flash pada Februari 2025, menjadikan SanDisk sebagai perusahaan independen dan memungkinkan WDC untuk berfokus lebih langsung pada HDD. Dengan kata lain, saat menganalisis WDC saat ini, lebih tepat untuk menempatkannya bersama Seagate, HDD nearline, hard drive berkapasitas tinggi, penyimpanan cloud hyperscale, dan infrastruktur data AI, daripada terus memandangnya sebagai perusahaan penyimpanan campuran NAND/SSD.
Mengapa pusat data AI masih membutuhkan HDD? Alasannya sederhana: tidak semua data membutuhkan kecepatan setara SSD. Sampel pelatihan, log historis, versi model, cadangan, arsip, penyimpanan objek, serta data dingin atau hangat lebih mengutamakan biaya kapasitas, keandalan, konsumsi energi, dan skalabilitas jangka panjang. Pada kuartal fiskal ketiga 2026, WDC melaporkan pendapatan sebesar USD 3,337 miliar, naik 45% secara tahunan. Margin kotor GAAP adalah 50,2%, dan margin kotor non-GAAP adalah 50,5%, mencerminkan kondisi penawaran-pen HDD berkapasitas tinggi yang membaik dan lingkungan harga yang kuat.
| Titik Logika WDC | Jalur Manfaat | Metrik yang Perlu Dipantau |
|---|---|---|
| HDD Nearline | Ekspansi kapasitas pusat data awan | Pengiriman Exabyte, ASP |
| Hard drive berkapasitas tinggi | Kapasitas drive lebih tinggi, TCO lebih baik | Peta jalan 30TB, 40TB, 100TB+ |
| Akumulasi data AI | Pelatihan, inferensi, log, arsip | Ritme pengadaan pelanggan awan |
| Perjanjian jangka panjang | Visibilitas pesanan lebih baik | Durasi kontrak, harga, konsentrasi pelanggan |
| Pasokan HDD yang ketat | Mendukung harga dan margin kotor | Utilisasi, waktu tunggu |
Roadmap teknologi WDC juga bergerak ke arah kapasitas yang lebih tinggi. Dalam Western Digital Accelerates Storage Innovation for AI Era, perusahaan menyatakan bahwa HDD UltraSMR ePMR 40TB mereka telah memasuki tahap kualifikasi dengan dua pelanggan hyperscale dan direncanakan untuk produksi massal pada paruh kedua tahun 2026. HDD HAMR juga sedang dalam tahap kualifikasi pelanggan, dengan peningkatan produksi yang diharapkan dimulai pada tahun 2027. Bagi penyedia cloud, kepadatan areal yang lebih tinggi dapat meningkatkan efisiensi ruang rak, konsumsi energi, jejak fisik, dan biaya operasional.
Namun, logika WDC bukanlah “AI menghitung lebih cepat,” melainkan “AI menghasilkan lebih banyak data.” Itu berarti lebih bergantung pada pengadaan pelanggan cloud jangka panjang, HDD ASP, disiplin pasokan, dan eksekusi roadmap kapasitas tinggi. Jika penyedia cloud memperlambat belanja modal, atau jika harga SSD turun terlalu cepat pada tingkat kapasitas tertentu, pesanan dan margin kotor WDC dapat tertekan.
Ringkasan: Logika AI WDC valid, tetapi bukan logika bottleneck komputasi AI. Ini adalah logika fondasi kapasitas data AI. WDC lebih diuntungkan dari HDD nearline, hard drive berkapasitas tinggi, pengadaan jangka panjang pelanggan cloud, danau data AI, backup, dan arsip. Setelah pemisahan SanDisk, narasi investasi WDC menjadi lebih terfokus dan lebih mudah dinilai di sekitar pasokan HDD yang ketat dan peningkatan kapasitas. Kelemahannya adalah posisinya lebih jauh dari tema inti GPU dan HBM, serta laju pertumbuhannya lebih bergantung pada pengadaan pelanggan cloud besar dan eksekusi roadmap teknologi HDD.
Perbedaan terbesar antara MU dan WDC adalah ini: MU memecahkan dinding memori selama komputasi AI, sedangkan WDC memecahkan dinding kapasitas setelah data AI tumbuh. Yang pertama lebih dekat ke GPU, akselerator AI, HBM, dan memori server, dengan elastisitas laba yang lebih kuat. Yang kedua lebih dekat ke pusat data awan, penyimpanan data jangka panjang, dan penyimpanan kapasitas berbiaya rendah, dengan logika yang lebih terkait dengan perluasan infrastruktur.
Dari perspektif pelatihan AI, MU lebih langsung. Pelatihan model besar membutuhkan HBM, DDR5, memori CXL, SSD pusat data, dan jalur data berkecepatan tinggi. Bandwidth memori secara langsung memengaruhi utilisasi GPU. WDC juga memiliki nilai dalam proses pelatihan, tetapi terutama melalui penyimpanan sampel pelatihan, data lake, dan data arsip, yang lebih jauh dari inti komputasi.
Dari perspektif inferensi AI, MU masih berada di posisi terdepan, tetapi relevansi WDC meningkat. Sistem inferensi membutuhkan lebih banyak memori server, cache SSD, pemuatan model, dan pemrosesan data respons. Pada saat yang sama, permintaan inferensi, interaksi pengguna, log, data pemantauan, dan data sintetis terus terakumulasi, menciptakan permintaan kapasitas penyimpanan awan dan HDD.
Dari perspektif retensi data jangka panjang, WDC lebih kuat. Tidak semua data AI perlu disimpan di SSD berkinerja tinggi. Data dingin, data hangat, cadangan, retensi kepatuhan, dan penyimpanan objek lebih bergantung pada kapasitas berbiaya rendah. Nilai HDD bukan terletak pada latensi rendah, melainkan pada efisiensi biaya untuk retensi data berskala besar.
| Dimensi Perbandingan | Logika MU | Logika WDC | Sisi yang Lebih Kuat |
|---|---|---|---|
| Relevansi langsung dengan pelatihan AI | Tinggi | Sedang hingga rendah | MU |
| Relevansi dengan inferensi AI | Tinggi | Sedang | MU sedikit lebih kuat |
| Retensi data jangka panjang | Sedang | Tinggi | WDC |
| Elastisitas pendapatan | Tinggi | Sedang hingga tinggi | MU |
| Visibilitas pesanan | Sedang hingga tinggi | Tinggi | Bergantung pada perjanjian jangka panjang |
| Volatilitas siklus | Tinggi | Sedang hingga tinggi | WDC relatif lebih rendah |
| Sensitivitas valuasi | Tinggi | Sedang hingga tinggi | MU lebih sensitif |
Elastisitas harga juga berbeda. MU lebih dipengaruhi oleh ASP DRAM, HBM, dan NAND. Kenaikan harga dapat dengan cepat mengalir ke dalam margin kotor dan ekspektasi laba; tetapi ketika harga turun, tekanan laba juga lebih langsung. Elastisitas harga WDC berasal dari pasokan HDD berkapasitas tinggi yang ketat, permintaan yang terikat pada pelanggan cloud, peningkatan roadmap kapasitas, dan perbaikan ASP HDD. Temponya biasanya tidak seintens chip memori, tetapi visibilitas pesanan bisa lebih kuat.
Dari sisi narasi pasar, MU terlihat lebih seperti perusahaan komponen inti AI dan lebih mudah dikaitkan dengan Nvidia, server AI, HBM, dan memori GPU. WDC terlihat lebih seperti perusahaan infrastruktur data AI, yang terkait dengan penyimpanan awan, nearline HDD, hyperscaler, dan infrastruktur data AI. Kedua perusahaan sama-sama terdampak AI, tetapi pasar tidak memberikan logika valuasi yang sama kepada mereka.
Ringkasan: MU lebih kuat dalam "tembok memori," sementara WDC lebih kuat dalam "tembok kapasitas." Jika Anda bertaruh bahwa pelatihan dan inferensi AI akan terus mendorong memori berband lebar tinggi, DRAM server, dan SSD pusat data, MU memiliki eksposur langsung yang lebih tinggi. Jika Anda bertaruh bahwa aplikasi AI akan menghasilkan akumulasi data masif, pencadangan, arsip, dan perluasan kapasitas penyimpanan awan, WDC memiliki logika yang lebih bersih. Keduanya bukan sekadar pengganti satu sama lain. Keduanya berada di ujung yang berlawanan dari rantai data AI: MU menangani memori dan penyimpanan saat data dihitung dengan kecepatan tinggi, sementara WDC menangani kapasitas berbiaya rendah saat data disimpan untuk jangka panjang.
MU dan WDC sama-sama mendapatkan keuntungan dari infrastruktur AI, tetapi Anda tidak boleh hanya melihat temanya. MU saat ini lebih tampak seperti perusahaan siklus memori dengan elastisitas tinggi yang sedang naik, sementara WDC lebih tampak seperti perusahaan HDD kapasitas tinggi di tengah pasokan yang ketat. Ketika membandingkan keduanya, Anda perlu memperhatikan pertumbuhan pendapatan, margin kotor, arus kas bebas, belanja modal, perjanjian jangka panjang, konsentrasi pelanggan, dan sejauh mana ekspektasi pasar sudah tercermin dalam harga.
Untuk MU, variabel kunci yang perlu dipantau meliputi:
Untuk WDC, variabel kunci yang perlu dipantau meliputi:
| Jenis Risiko | MU | WDC |
|---|---|---|
| Pembalikan siklus | Penurunan harga DRAM/NAND | Perlambatan ASP dan pesanan HDD |
| Belanja modal | Capex tinggi dapat menciptakan pasokan di masa depan | Ekspansi kapasitas HDD dan migrasi teknologi |
| Konsentrasi pelanggan | Pelanggan chip AI dan cloud | Pelanggan cloud hyperscaler |
| Substitusi teknologi | Persaingan HBM, memori alternatif | SSD, pita, arsitektur object storage |
| Tekanan valuasi | Penurunan ekspektasi pertumbuhan tinggi | Perjanjian jangka panjang yang tidak tercapai |
Jika Anda memantau saham penyimpanan AI yang volatil seperti MU dan WDC, Anda juga perlu memperhatikan biaya perdagangan aktual selain fundamental. Biaya perdagangan saham A.S. biasanya mencakup lebih dari sekadar komisi; biaya tersebut juga dapat mencakup biaya platform, biaya institusi eksternal, biaya aktivitas transaksi, dan biaya terkait eksekusi order. Biya mendukung perdagangan multi-aset di seluruh saham A.S., saham Hong Kong, dan aset digital. Berdasarkan biaya perdagangan saham A.S., Biya mengenakan komisi USD 0 untuk perdagangan saham A.S., sedangkan biaya platform, biaya institusi eksternal, dan biaya lainnya mengacu pada pusat biaya dan tampilan halaman order.Ketersediaan layanan terkait bergantung pada lokasi pengguna, hasil verifikasi identitas, aturan platform, serta hukum dan peraturan yang berlaku.
Ini sangat penting untuk perdagangan semikonduktor. MU dan WDC sama-sama dapat mengalami fluktuasi harga yang besar di sekitar perilisan laba, berita penawaran-permintaan, belanja modal penyedia cloud, siklus harga, dan perubahan ekspektasi analis. Semakin sering Anda berdagang, semakin Anda perlu mengevaluasi struktur biaya, jenis order, dan slippage terlebih dahulu.
Ringkasan: Perbandingan MU vs WDC tidak boleh hanya bergantung pada hype AI. Kekuatan MU terletak pada elastisitas yang tinggi dan eksposur memori AI yang lebih langsung, sedangkan risikonya adalah siklus harga memori, capex, dan ekspektasi yang tinggi. Kekuatan WDC terletak pada pasokan HDD yang ketat, permintaan pelanggan cloud, dan roadmap kapasitas tinggi, sedangkan risikonya adalah proses pengadaan cloud yang lebih lambat, keterlambatan eksekusi teknologi, dan penurunan harga HDD. Untuk menilai logika mana yang lebih kuat, pada akhirnya Anda perlu melihat kualitas pendapatan, margin kotor, arus kas bebas, visibilitas pesanan, dan posisi siklus, bukan hanya kata-kata "tema AI."
Jika Anda hanya membandingkan eksposur langsung terhadap tema AI, logika memori AI milik MU lebih kuat. Jika Anda membandingkan pertumbuhan kapasitas data jangka panjang, logika HDD pusat data milik WDC lebih stabil. Kesimpulan yang lebih akurat bukan sekadar memilih salah satu di antara keduanya. MU lebih mirip saham inti memori AI dengan elastisitas tinggi, sedangkan WDC lebih mirip saham kapasitas infrastruktur data AI.
Kapan MU lebih layak untuk diperhatikan?
| Asumsi Investasi | Artinya bagi MU |
|---|---|
| HBM tetap langka secara struktural | Mendapat manfaat langsung dari hambatan memori AI |
| AI GPU dan AI ASIC terus berkembang | Permintaan memori server dan HBM meningkat |
| Harga DRAM dan NAND naik | Elastisitas keuntungan menjadi lebih kuat |
| SSD pusat data tumbuh | Permintaan NAND dan penyimpanan perusahaan membaik |
| Anda dapat menerima volatilitas tinggi | Lebih cocok untuk panduan rantai pasok AI dengan elastisitas tinggi |
Kapan WDC lebih layak diperhatikan?
| Asumsi Investasi | Arti bagi WDC |
|---|---|
| Data AI terus terakumulasi | HDD menyerap permintaan kapasitas jangka panjang |
| Pelanggan cloud terus berkembang | Pesanan HDD nearline mendapatkan dukungan yang lebih kuat |
| Biaya per TB tetap krusial | HDD kapasitas tinggi tetap kompetitif |
| Perjanjian jangka panjang meningkatkan visibilitas | Volatilitas pendapatan mungkin relatif lebih terkendali |
| Anda ingin menghindari sebagian persaingan HBM | Berpartisipasi dalam rantai kapasitas pusat data AI |
Dari perspektif portofolio, MU dan WDC bukanlah substitusi yang lengkap. Keduanya berada di ujung yang berlawanan dalam rantai data AI. MU mewakili memori berkecepatan tinggi dan penyimpanan berkinerja tinggi yang dibutuhkan saat data sedang dihitung. WDC mewakili kapasitas berbiaya rendah yang dibutuhkan saat data disimpan. Semakin besar infrastruktur AI, semakin besar kemungkinan keduanya mendapatkan keuntungan, tetapi waktunya berbeda: MU mungkin lebih dahulu mencerminkan pembangunan klaster pelatihan dan kelangkaan HBM, sedangkan WDC mungkin mencerminkan akumulasi data, penyimpanan awan, dan pengadaan kapasitas jangka panjang dalam periode yang lebih lama.
Kesimpulan akhir dapat diringkas sebagai berikut:
| Kriteria Evaluasi | Perusahaan Lebih Kuat | Alasan |
|---|---|---|
| Kemurnian tema AI | MU | Lebih dekat dengan HBM, AI GPU, dan memori server |
| Elastisitas pendapatan | MU | Kenaikan harga DRAM, HBM, dan NAND tersalurkan lebih cepat |
| Permintaan kapasitas jangka panjang | WDC | Penyimpanan data AI mendorong permintaan HDD nearline |
| Visibilitas pesanan | WDC | Perjanjian jangka panjang pelanggan cloud dan penguncian kapasitas lebih penting |
| Volatilitas siklus | WDC relatif lebih rendah | Tidak seekstrem siklus harga memori |
| Sensitivitas valuasi | MU lebih tinggi | Ekspektasi pasar seputar HBM lebih terkonsentrasi |
Jika Anda ingin terus memantau saham AS di rantai penyimpanan AI seperti MU, WDC, STX, SNDK, NVDA, dan AVGO, Anda dapat memasukkan laporan laba rugi, pesanan, ASP, margin kotor, belanja modal, dan volatilitas valuasi ke dalam satu daftar pantauan. Melalui pencarian informasi saham AS, Anda dapat memeriksa terlebih dahulu informasi dasar tentang saham yang tercatat di AS terkait, lalu membandingkannya dengan pengumuman perusahaan dan data industri. Jika layanan terkait tersedia di wilayah Anda, Anda juga dapat mengunduh App untuk meninjau lebih lanjut aset yang dapat diperdagangkan, tampilan pesanan, dan rincian biaya. Konten di atas hanya memperkenalkan informasi pasar publik, hubungan rantai pasokan, dan struktur biaya. Ini bukan merupakan saran investasi.Saham semikonduktor dan penyimpanan data bisa sangat volatil, dan sebelum berdagang, Anda harus memahami secara penuh fundamental perusahaan, struktur biaya, jenis order, dan risikonya.
Ringkasan: MU memiliki logika yang lebih langsung dan elastisitas lebih tinggi, sehingga lebih cocok dengan kerangka "AI memory bottleneck". WDC memiliki logika yang lebih terkait dengan permintaan kapasitas jangka panjang, sehingga lebih cocok dengan kerangka "AI data center hard drive foundation". Jika Anda hanya membandingkan kemurnian tema AI, MU lebih kuat. Jika Anda membandingkan akumulasi data jangka panjang dan penyimpanan kapasitas berbiaya rendah, WDC juga memiliki logika tersendiri. Interpretasi yang lebih seimbang adalah memandang MU sebagai perusahaan chip memori dan penyimpanan kunci saat data AI dihitung dengan kecepatan tinggi, dan WDC sebagai perusahaan infrastruktur kapasitas saat data AI disimpan untuk jangka panjang.
Ya. Dari perspektif memori komputasi AI, MU diuntungkan lebih langsung oleh AI dibandingkan WDC. HBM, DRAM, NAND, dan SSD pusat data milik MU berkaitan langsung dengan pelatihan AI, inferensi, memori GPU, dan permintaan memori server. WDC juga diuntungkan oleh AI, tetapi terutama melalui penyimpanan data, kapasitas penyimpanan awan, dan permintaan HDD nearline, bukan dari hambatan memori GPU itu sendiri.
Ya, tetapi logika hard drive AI WDC bukanlah logika komputasi; melainkan logika retensi data. Data pelatihan AI, log inferensi, versi model, cadangan, arsip, dan data lake semuanya membutuhkan penyimpanan berkapasitas besar dengan biaya rendah. HDD berkapasitas tinggi masih memiliki keunggulan dalam biaya per TB, sehingga WDC lebih baik dianalisis dalam kerangka kerja fondasi kapasitas pusat data AI dan ekspansi penyimpanan cloud.
HBM lebih berfokus pada bandwidth tinggi, nilai lebih tinggi, dan dukungan akselerator AI, sedangkan DRAM biasa lebih bersifat serbaguna. HBM menggunakan penumpukan multi-lapis dan pengemasan canggih untuk menyediakan bandwidth lebih tinggi dan efisiensi energi yang lebih baik untuk GPU, AI ASIC, dan komputasi berkinerja tinggi. DRAM biasa lebih banyak digunakan di server, PC, smartphone, dan komputasi umum. Keduanya adalah produk memori, tetapi posisi aplikasi, elastisitas harga, dan hambatan teknisnya berbeda.
Setelah memisahkan diri dari SanDisk, WDC lebih dekat dengan perusahaan infrastruktur penyimpanan HDD daripada saham chip memori. Bisnis Flash dan NAND kini ditangani secara independen oleh SanDisk. WDC seharusnya terutama dianalisis melalui HDD berkapasitas tinggi, HDD nearline, pengadaan pelanggan cloud, pengiriman exabyte, ASP HDD, dan peta jalan HAMR/ePMR. WDC tetap menjadi bagian dari rantai pasok penyimpanan, tetapi bukan tema utama chip NAND.
Investor ritel dapat memandang MU sebagai saham siklus memori berelativitas tinggi dan WDC sebagai saham siklus penyimpanan kapasitas. MU sebaiknya dievaluasi melalui pasokan HBM, harga DRAM/NAND, pendapatan pusat data, dan capex. WDC sebaiknya dievaluasi melalui perjanjian jangka panjang dengan pelanggan cloud, HDD ASP, pengiriman exabyte, dan margin kotor. Kedua perusahaan dapat terpengaruh oleh capex AI dan perubahan ekspektasi valuasi, sehingga tidak cukup hanya melihat label konsepnya saja.
Pusat data AI tidak akan begitu saja mengganti semua HDD dengan SSD. Data panas, akses berperforma tinggi, pemuatan model, dan caching lebih bergantung pada SSD, tetapi penyimpanan kapasitas skala besar dengan biaya rendah masih memerlukan HDD. Data lake, cadangan, arsip, log historis, serta data dingin atau hangat lebih mengutamakan biaya per TB, kepadatan kapasitas, dan retensi jangka panjang. SSD dan HDD lebih tepat dipahami sebagai penyimpanan berjenjang, bukan pengganti total.
*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.

