
Jika Anda ingin memahami perusahaan mana yang memiliki keterkaitan lebih erat dengan memori AI di antara Shanghai Fudan, ASMPT, SMIC, dan Hua Hong Semiconductor, Anda tidak sebaiknya hanya melihat label luas "semikonduktor". Kesimpulan yang lebih masuk akal adalah bahwa ASMPT lebih dekat dengan peralatan HBM dan pengemasan lanjutan; Shanghai Fudan lebih dekat dengan memori non-volatil seperti NOR Flash, SLC NAND, dan EEPROM; Hua Hong Semiconductor lebih berkaitan dengan eNVM dan layanan foundry node matang; sementara SMIC terutama merupakan platform manufaktur chip AI dan foundry wafer dalam negeri, dengan keterkaitan yang lebih tidak langsung dengan memori AI.

Ketika Anda mencari perbandingan antara Shanghai Fudan, ASMPT, SMIC, dan Hua Hong Semiconductor, pertanyaan sebenarnya biasanya bukan tentang perusahaan mana yang lebih besar, melainkan perusahaan mana yang lebih dekat dengan penggerak pertumbuhan inti dari permintaan memori AI. Memori AI bisa merujuk pada HBM, tetapi juga dapat melibatkan NAND, NOR Flash, eNVM, penyimpanan server, pengemasan lanjutan (advanced packaging), dan layanan foundry wafer. Dengan definisi yang berbeda, peringkatnya bisa berubah secara signifikan.
Pengguna pasar internasional sering melakukan pencarian di sekitar kombinasi kata kunci berikut:
| Niat Pencarian | Istilah Pencarian Umum | Apa yang Sebenarnya Ingin Diketahui Pengguna |
|---|---|---|
| Saham memori AI | Saham memori AI Tiongkok | Perusahaan mana yang benar-benar terpengaruh oleh permintaan memori AI |
| Rantai pasok HBM | ASMPT HBM pengemasan lanjutan | Apakah ASMPT termasuk dalam rantai peralatan HBM |
| Perusahaan chip memori | Chip memori Shanghai Fudan | Apakah Shanghai Fudan merupakan saham memori |
| Foundry wafer | SMIC foundry chip AI | Apakah SMIC mendapat keuntungan dari permintaan chip AI |
| Proses khusus | Hua Hong eNVM semikonduktor | Bagaimana keterkaitan Hua Hong dengan proses memori |
Kesalahan paling umum adalah menyamakan “terkait semikonduktor AI” dengan “terkait memori AI.” Sebagai contoh, SMIC memang sebuah wafer foundry terkemuka di daratan Tiongkok, tetapi bukan produsen HBM, DRAM, atau NAND. ASMPT tidak memproduksi chip memori, namun mungkin lebih dekat dengan ekspansi kapasitas HBM karena peralatan pengemasan canggih seperti TCB, chiplet, hybrid bonding, C2S, dan C2W.
Anda dapat menggunakan kerangka empat lapis untuk mengevaluasi keempat perusahaan ini:
Kerangka ini juga menjelaskan mengapa TSMC CoWoS®-S merupakan titik referensi penting untuk memahami memori AI. Teknologi ini mengintegrasikan chip logika, chiplet, dan tumpukan HBM ke dalam sistem pengemasan berdensitas tinggi, yang menunjukkan bahwa hambatan memori AI bukan hanya tentang die memori, tetapi juga tentang pengemasan, interkoneksi, dan kapasitas yang terkoordinasi.
Jika pertanyaan Anda adalah “perusahaan mana yang paling mirip dengan perusahaan chip memori,” Shanghai Fudan menduduki peringkat lebih tinggi. Jika pertanyaan Anda adalah “perusahaan mana yang paling dekat dengan pertumbuhan pengemasan lanjutan HBM,” ASMPT menduduki peringkat lebih tinggi. Jika pertanyaan Anda adalah “perusahaan mana yang mewakili kapabilitas wafer foundry domestik,” SMIC dan Hua Hong Semiconductor lebih penting. Sebelum membandingkan keempatnya, Anda perlu menentukan kriteria terlebih dahulu. Jika tidak, mudah untuk mengelompokkan keempat perusahaan tersebut dalam satu label yang sama, yaitu “saham konsep memori AI.”
Ringkasan: Relevansi memori AI tidak dapat dinilai hanya dari apakah sebuah perusahaan termasuk dalam sektor semikonduktor. Hal ini harus dipecah menjadi empat lapisan: produk memori, perangkat pengemasan lanjutan (advanced packaging), proses foundry wafer, dan limpahan (spillover) rantai pasok AI. Peran inti ASMPT adalah perangkat. Peran inti Shanghai Fudan adalah produk memori non-volatil. Peran inti Hua Hong Semiconductor adalah eNVM dan proses specialty. Peran inti SMIC adalah sebagai platform foundry wafer yang komprehensif. Semakin cepat Anda memisahkan lapisan-lapisan ini, semakin kecil kemungkinan Anda keliru membedakan antara HBM, NOR Flash, eNVM, proses mature-node, dan rantai pasok komputasi AI.

Shanghai Fudan berhubungan dengan memori, tetapi relevansinya terutama berasal dari produk memori non-volatile seperti EEPROM, NOR Flash, dan SLC NAND, bukan HBM, yang merupakan komponen memori yang paling dicari di server pelatihan AI. Anda dapat memahaminya sebagai perusahaan "chip NVM domestik + FPGA + chip identifikasi keamanan", bukan produsen DRAM/HBM seperti Samsung, SK hynix, atau Micron.
Rangkaian produk memori non-volatil Shanghai Fudan mencakup EEPROM, NOR Flash, dan SLC NAND Flash. Aplikasinya meliputi komunikasi, modul IoT, layar, meteran pintar, sistem keamanan, elektronik otomotif, kontrol industri, dan instrumen medis. Hubungan antara produk-produk ini dan AI lebih berkaitan dengan perangkat edge, sistem kontrol, dan penyimpanan tertanam, bukan memori berband lebar tinggi yang digunakan dalam klaster pelatihan model besar.
Dari sudut pandang keuangan, laporan kuartal pertama 2026 Shanghai Fudan menunjukkan bahwa pendapatan dari memori non-volatile mencapai sekitar RMB 293 juta, naik sekitar 23,39% secara tahunan. Pendapatan dari produk FPGA dan lainnya mencapai sekitar RMB 347 juta, naik sekitar 10,67% secara tahunan. Hal ini menunjukkan bahwa baik NVM maupun FPGA merupakan bisnis yang penting, tetapi tidak berarti perusahaan ini adalah penerima manfaat langsung dari HBM.
| Area Bisnis Shanghai Fudan | Terkait Memori? | Kaitan dengan Memori AI | Posisi yang Lebih Akurat |
|---|---|---|---|
| EEPROM | Ya | Tidak langsung | Memori non-volatil tertanam |
| NOR Flash | Ya | Sedang | Penyimpanan kode, booting perangkat, IoT |
| SLC NAND | Ya | Sedang | Industri, keamanan, otomotif, perangkat tertanam |
| FPGA | Tidak | Tidak langsung | Komputasi yang dapat dikonfigurasi ulang dan aplikasi khusus |
| Chip identifikasi keamanan | Tidak | Rendah | Keuangan, identitas, autentikasi keamanan |
FPGA juga mudah disalahpahami. FPGA dapat digunakan dalam skenario akselerasi komputasi khusus, komunikasi, kontrol industri, dan pusat data. Beberapa FPGA kelas atas bahkan dapat dipasangkan dengan HBM. Namun, struktur bisnis yang diungkapkan oleh Shanghai Fudan tidak berarti bahwa perusahaan tersebut langsung masuk ke rantai pasok utama GPU/HBM AI. Interpretasi yang lebih bijak adalah bahwa Shanghai Fudan mungkin mendapat keuntungan dari limpahan tema semikonduktor AI dan memiliki fondasi dalam produk memori non-volatil, tetapi paparan intinya terhadap memori AI tidak selangsung dari produsen HBM atau pemasok peralatan pengemasan HBM.
Jika Anda mengikuti perusahaan ini, Anda sebaiknya memperhatikan tiga jenis indikator:
Dari perspektif investasi, Shanghai Fudan lebih tepat ditempatkan di bawah tema chip memori domestik, penyimpanan embedded, NOR Flash, FPGA, dan chip yang dikendalikan secara mandiri, alih-alih tema utama HBM di pusat data AI. Perusahaan ini berkaitan dengan memori AI, tetapi lebih pada lapisan perantara dan tepi.
Ringkasan: Eksposur memori Shanghai Fudan itu nyata, terutama melalui EEPROM, NOR Flash, dan SLC NAND. Persoalan utamanya adalah bahwa jenis-jenis memori ini tidak sama dengan HBM, yang saat ini merupakan produk memori yang paling banyak diperhatikan di pusat data AI. Anda dapat memandang Shanghai Fudan sebagai perusahaan IC domestik dengan produk chip memori langsung, tetapi Anda tidak boleh menyamakannya begitu saja dengan pemimpin HBM, DRAM, atau NAND. Peluangnya lebih bergantung pada bauran produk, substitusi domestik, permintaan sektor industri dan otomotif, serta kemajuan FPGA daripada semata-mata pada ekspansi HBM server AI.

Jika Anda mendefinisikan memori AI sebagai HBM, GPU AI, chiplet, CoWoS, TSV, dan pengemasan kepadatan tinggi, maka ASMPT adalah perusahaan yang paling berkaitan langsung di antara keempat perusahaan tersebut. Ia bukan perusahaan chip memori, tetapi berada dalam rantai peralatan pengemasan lanjutan HBM. Logika keuntungannya berasal dari permintaan terhadap peralatan TCB, C2S, C2W, dan hybrid bonding.
Nilai inti dari HBM adalah menumpuk beberapa lapisan DRAM secara vertikal dan menghubungkannya ke GPU, AI ASIC, dan chip komputasi lainnya melalui TSV dan pengemasan canggih. HBM4 dari Samsung menekankan bandwidth tinggi, jumlah I/O, dan efisiensi sistem AI. Portofolio HBM dari Micron juga langsung ditujukan untuk AI, visualisasi profesional, dan komputasi berkinerja tinggi. Dengan kata lain, hambatan memori AI bukan hanya tentang apakah die memori tersedia, tetapi juga tentang apakah die tersebut dapat dikemas ke dalam akselerator AI dengan presisi, stabilitas, dan yield tinggi.
Hasil tahunan ASMPT 2025 menunjukkan bahwa pendapatan dari advanced packaging mencapai USD 532,1 juta, naik 30,2% dibanding tahun sebelumnya. Solusi TCB memberikan kontribusi besar, dengan pendapatan TCB meningkat sekitar 146% dibanding tahun sebelumnya. Perusahaan juga menyebutkan bahwa solusi TCB HBM4 12H-nya telah menerima pesanan dari beberapa pelanggan dan bahwa perusahaan sedang berpartisipasi dalam pengembangan teknologi HBM4 16H. Hal ini sangat penting karena menghubungkan ASMPT secara langsung dengan permintaan peralatan selama transisi HBM4.
| Dimensi ASMPT | Segmen Terkait | Kaitan dengan Memori AI | Faktor Risiko |
|---|---|---|---|
| TCB | Thermo-compression bonding | Tinggi | Volatilitas siklus pesanan peralatan |
| C2S | Chip-to-substrate | Tinggi | Jadwal ekspansi pelanggan |
| C2W | Chip-to-wafer | Tinggi | Ketidakpastian transisi teknologi |
| Hybrid bonding | Hybrid bonding | Sedang hingga tinggi | Kecepatan adopsi produksi massal |
| SMT / SiP | System-in-package | Sedang | Volatilitas permintaan non-HBM |
Teknologi LITHOBOLT™ milik ASMPT dirancang untuk hybrid bonding die-to-wafer dan melayani skenario pengemasan lanjutan seperti AI, komputasi berkinerja tinggi, dan 5G. Pada saat yang sama, kerja sama teknologi pengemasan chiplet ASMPT dengan IBM juga menunjukkan bahwa pemasok peralatan pengemasan lanjutan bergerak ke area yang lebih bernilai tinggi di sekitar chiplet, TCB, dan hybrid bonding.
Namun, risiko ASMPT berbeda dari Shanghai Fudan. Shanghai Fudan bergantung pada harga produk memori, inventori, dan ramp-up produk baru. ASMPT bergantung pada pesanan peralatan, belanja modal (capex) pelanggan, jalur advanced packaging, transisi generasi HBM, dan jadwal pengiriman. Saham peralatan sering kali memiliki elastisitas kenaikan yang lebih cepat, tetapi penurunan juga dapat datang dengan cepat karena pesanan dapat mencerminkan siklus lebih awal dan dapat berfluktuasi jika rencana ekspansi pelanggan tertunda.
Jika Anda mencoba mengidentifikasi perusahaan mana dari empat perusahaan tersebut yang paling dekat dengan tema utama memori AI, ASMPT memiliki jawaban yang paling jelas. Perusahaan ini bukan produsen HBM, tetapi lebih dekat dengan segmen peralatan kunci dalam ekspansi kapasitas HBM.
Ringkasan: ASMPT adalah yang paling berkaitan langsung dengan pengemasan lanjutan HBM di antara keempat perusahaan. Perusahaan ini tidak memproduksi DRAM, NAND, atau HBM, tetapi menghubungkan AI GPU, AI ASIC, dan memori berband lebar tinggi melalui peralatan TCB, C2S, C2W, dan hybrid bonding. Dalam mengevaluasi ASMPT, fokus utamanya bukanlah harga chip memori, melainkan belanja modal pengemasan lanjutan, transisi teknologi HBM4, visibilitas pesanan, dan jadwal pengiriman peralatan. Jika pertanyaannya adalah "perusahaan mana yang lebih dekat dengan hambatan pertumbuhan memori AI," ASMPT biasanya menduduki peringkat pertama.
SMIC memiliki eksposur yang kuat terhadap semikonduktor AI, tetapi hubungannya dengan memori AI bersifat tidak langsung. Anda harus memahaminya sebagai platform wafer foundry terkemuka di Tiongkok daratan, bukan sebagai produsen chip memori atau pemasok perangkat pengemasan lanjut HBM. SMIC lebih terpengaruh oleh perkembangan chip AI domestik, permintaan node mature, kapasitas 12 inci, capex, dan kebijakan geopolitik.
Laporan tahunan 2025 SMIC menunjukkan bahwa perusahaan ini menyediakan jasa wafer foundry dan layanan teknologi 8 inci dan 12 inci. Berdasarkan pendapatan menurut pasar akhir, elektronik konsumer menyumbang 43,2%, smartphone 23,1%, komputer dan tablet 14,8%, konektivitas dan IoT 7,9%, serta industri dan otomotif 11,0%. Angka-angka ini menunjukkan bahwa SMIC adalah platform wafer foundry yang komprehensif, bukan perusahaan memori yang bergantung langsung pada penjualan HBM atau DRAM.
| Dimensi SMIC | Tautan ke Semikonduktor AI | Tautan ke Memori AI |
|---|---|---|
| Skala foundry wafer | Tinggi | Tidak langsung |
| Kapasitas 12 inci | Menengah hingga tinggi | Tidak langsung |
| Platform mature-node | Tinggi | Tidak langsung |
| HBM / DRAM / NAND | Rendah | Bukan inti |
| Substitusi domestik | Tinggi | Mempengaruhi ekspektasi valuasi |
| Kontrol ekspor dan pembatasan peralatan | Tinggi | Mempengaruhi ekspansi kapasitas dan jalur teknologi |
SMIC masih sering muncul dalam perbandingan memori AI karena permintaan server AI memengaruhi jadwal produksi semikonduktor secara keseluruhan serta ekspektasi rantai pasok. Sebuah laporan Reuters mengenai kelangkaan memori yang memengaruhi pesanan pelanggan SMIC mencatat bahwa pasokan chip memori yang ketat membuat sebagian pelanggan lebih berhati-hati terkait pesanan kuartal berikutnya, karena smartphone, mobil, dan produk akhir lainnya semuanya membutuhkan pasokan memori yang cukup untuk menyesuaikan dengan produksi. Hal ini menunjukkan bahwa siklus memori dapat meluap ke permintaan foundry wafer, tetapi bukan berarti SMIC menjual HBM secara langsung.
Anda dapat memahami SMIC dari tiga sudut pandang:
Oleh karena itu, SMIC lebih berada dalam posisi yang menguntungkan di bawah kerangka manufaktur semikonduktor AI domestik, bukan sebagai penerima manfaat langsung dari memori AI. Valuasinya juga dapat dipengaruhi oleh kebijakan, kontrol ekspor, pasokan peralatan, capex, utilisasi, dan sentimen pasar.
Ringkasan: SMIC memiliki paparan semikonduktor AI yang kuat, tetapi paparannya terhadap memori AI relatif tidak langsung. Perusahaan ini bukan produsen HBM, DRAM, atau NAND, maupun pemasok perangkat pengemasan lanjutan. SMIC adalah platform foundry wafer yang komprehensif. Saat menilai SMIC, Anda sebaiknya berfokus pada struktur pendapatan foundry wafer, tingkat utilisasi kapasitas, capex, margin kotor, permintaan node matures, dan kemajuan substitusi domestik. Kelangkaan memori AI dapat memengaruhi jadwal produksi pelanggan dan ekspektasi pasar, tetapi itu merupakan limpahan rantai pasokan, bukan manfaat langsung dari penjualan HBM.
Hubungan memori Hua Hong Semiconductor terutama berasal dari platform proses embedded NVM dan standalone NVM, bukan karena menjadi produsen DRAM, NAND, atau HBM. Anda dapat menganggapnya sebagai perusahaan platform yang berfokus pada layanan foundry spesialis, eNVM, MCU, perangkat daya, dan manajemen daya analog. Relevansi memorinya dalam bidang AI berada di lapisan tengah.
Hasil kuartal kedua tahun 2025 Hua Hong Semiconductor menunjukkan bahwa pendapatan kuartal kedua mencapai USD 566,1 juta, margin kotor sebesar 10,9%, dan tingkat utilisasi kapasitas mencapai 108,3%. Berdasarkan platform teknologi, pendapatan Embedded NVM mencapai USD 141,158 juta, atau 24,9% dari total pendapatan. Pendapatan Standalone NVM mencapai USD 27,603 juta, atau 4,9%. Ini menunjukkan bahwa Hua Hong memang memiliki pendapatan proses yang berkaitan dengan memori, tetapi inti bisnisnya tetap layanan foundry khusus, bukan produksi chip memori murni.
| Platform Teknologi Hua Hong | Produk Tipikal | Hubungan dengan Memori | Kaitan dengan Memori AI |
|---|---|---|---|
| Embedded NVM | MCU, IC kartu pintar | Tinggi | Sedang |
| Standalone NVM | Flash | Tinggi | Sedang |
| Analog & PM | PMIC, manajemen daya | Rendah hingga menengah | Tidak langsung |
| Power Discrete | MOSFET, perangkat daya | Rendah | Tidak langsung melalui rantai daya AI |
| Logic & RF | Logika, RF | Rendah hingga menengah | Bukan inti |
eNVM Hua Hong lebih cocok untuk MCU, smart card, kontrol tertanam, dan perangkat hemat daya. NVM standalone berkaitan dengan permintaan produk Flash. Keduanya dapat diklasifikasikan sebagai terkait memori, tetapi keduanya tidak berada pada level yang sama dengan HBM, HBM3E, atau HBM4 yang digunakan di pusat data AI. Server AI memerlukan GPU dalam jumlah besar, HBM, interkoneksi berkecepatan tinggi, pengemasan lanjutan (advanced packaging), dan manajemen daya. Hua Hong lebih mungkin mendapat manfaat secara tidak langsung melalui proses node mature, PMIC, MCU, perangkat daya, dan substitusi domestik.
Poin penting lainnya adalah struktur pasar akhir. Dalam pengungkapan laba yang sama, elektronik konsumen menyumbang porsi yang relatif tinggi dari pendapatan Hua Hong, sementara sektor industri dan otomotif juga tetap penting. Pendapatan komputasi bukanlah porsi yang besar. Ini berarti Anda tidak boleh mendefinisikan Hua Hong sebagai saham memori AI inti hanya karena perusahaan ini memiliki eNVM. Posisi yang lebih akurat adalah bahwa Hua Hong adalah foundry khusus dengan eksposur proses memori dan memiliki beberapa keterkaitan dengan memori AI, tetapi bukan salah satu tautan yang paling langsung.
Untuk analisis investasi, variabel kunci Hua Hong meliputi:
Ringkasan: Hua Hong Semiconductor terkait dengan memori, tetapi terutama melalui eNVM, NVM mandiri, dan platform proses mature-node, bukan melalui manufaktur HBM, DRAM, atau NAND. Kaitannya dengan memori AI lebih spesifik daripada SMIC, tetapi kurang langsung daripada ASMPT, dan berbeda dari eksposur produk chip Shanghai Fudan. Saat menganalisis Hua Hong, Anda sebaiknya berfokus pada struktur pendapatan platform teknologi, tingkat utilisasi, margin kotor, dan siklus mature-node, alih-alih sekadar melabelinya sebagai "saham memori AI."
Jika satu-satunya pertanyaan adalah "perusahaan mana yang paling berkaitan dengan memori AI," ASMPT menempati peringkat pertama. Jika pertanyaannya adalah "perusahaan mana yang memiliki produk chip memori langsung," Shanghai Fudan berada di peringkat lebih tinggi. Jika pertanyaannya adalah "perusahaan mana yang mewakili platform foundry wafer domestik," SMIC dan Hua Hong Semiconductor lebih penting. Anda harus menentukan kriteria perbandingan terlebih dahulu. Jika tidak, sangat mudah untuk mencampurkan perusahaan produk, perusahaan peralatan, dan perusahaan foundry ke dalam satu kategori.
Berdasarkan relevansi langsung dengan memori AI, peringkatnya bisa berupa:
| Peringkat | Perusahaan | Alasan Utama |
|---|---|---|
| 1 | ASMPT | Terhubung dengan permintaan peralatan HBM, TCB, advanced packaging, dan HBM4 |
| 2 | Shanghai Fudan | Memiliki produk memori seperti EEPROM, NOR Flash, dan SLC NAND |
| 3 | Hua Hong Semiconductor | Memiliki platform proses eNVM dan NVM mandiri |
| 4 | SMIC | Eksposur semikonduktor AI yang kuat, tetapi eksposur memori AI bersifat tidak langsung |
Berdasarkan relevansi semikonduktor AI domestik, peringkatnya berubah menjadi:
| Peringkat | Perusahaan | Alasan Utama |
|---|---|---|
| 1 | SMIC | Platform wafer foundry yang komprehensif dan mata rantai inti manufaktur chip domestik |
| 2 | Hua Hong Semiconductor | Proses khusus, node matang, eNVM, PMIC, dan perangkat daya |
| 3 | ASMPT | Peralatan pengemasan lanjutan yang terkait dengan ekspansi AI/HBM |
| 4 | Shanghai Fudan | NVM, FPGA, identifikasi keamanan, dan produk chip tertentu |
Jika Anda peduli dengan risiko investasi, Anda juga harus mengklasifikasikan setiap perusahaan berdasarkan jenis bisnisnya:
Biaya perdagangan juga harus menjadi bagian dari pengambilan keputusan Anda. Saham semikonduktor dan memori terkait AI bisa sangat volatil, terutama di sekitar rilis laba, rumor pesanan, penyesuaian capex, perubahan kebijakan geopolitik, dan siklus harga industri. Frekuensi perdagangan dapat meningkat selama periode ini. Jika Anda mengikuti saham semikonduktor Amerika Serikat dan Hong Kong, ada baiknya membandingkan kutipan, jenis pesanan, dan struktur biaya secara bersamaan. Biya mendukung perdagangan multi-aset di seluruh saham AS, saham Hong Kong, dan aset digital. Di bawah biaya perdagangan saham AS, Biya mengenakan komisi USD 0 untuk saham AStransaksi saham, sementara biaya platform, biaya institusi eksternal, dan biaya lainnya mengikuti ketentuan yang ditampilkan di pusat biaya dan halaman pesanan. Sebelum bertransaksi, Anda juga harus mempertimbangkan lokasi Anda, hasil verifikasi identitas, aturan platform, serta hukum dan peraturan yang berlaku untuk menentukan apakah layanan terkait tersedia.
Pendekatan yang lebih praktis adalah memisahkan "relevansi" dari "elastisitas pendapatan":
| Perusahaan | Relevansi Memori AI | Paparan Memori Langsung | Paparan Semikonduktor AI | Risiko Utama |
|---|---|---|---|---|
| ASMPT | Tinggi | Rendah | Tinggi | Siklus pesanan peralatan |
| Shanghai Fudan | Sedang hingga tinggi | Tinggi | Sedang | Harga produk, persediaan, R&D |
| Hua Hong Semiconductor | Sedang | Sedang | Sedang | Siklus node mature |
| SMIC | Sedang | Rendah | Tinggi | Capex, depresiasi, pembatasan eksternal |
Jika Anda seorang pemula, sebaiknya ajukan tiga pertanyaan terlebih dahulu: Apakah perusahaan tersebut menjual chip memori secara langsung? Apakah posisinya berada di HBM atau hambatan pengemasan tingkat lanjut (advanced packaging)? Seberapa besar pendapatannya berasal dari bisnis terkait? Hanya setelah pertanyaan-pertanyaan ini terjawab dengan jelas, relevansi memori AI baru menjadi berguna secara analitis.
Ringkasan: Keempat perusahaan tidak sebaiknya dibandingkan dengan tolok ukur yang sama. ASMPT berkaitan dengan perangkat pengemasan lanjutan HBM. Shanghai Fudan berkaitan dengan produk memori non-volatil. Hua Hong Semiconductor berkaitan dengan eNVM dan proses foundry khusus. SMIC berkaitan dengan manufaktur chip AI dan platform foundry wafer domestik. Jika Anda hanya berfokus pada rantai memori AI secara langsung, ASMPT menempati peringkat lebih tinggi. Jika Anda berfokus pada produk memori secara langsung, Shanghai Fudan menempati peringkat lebih tinggi. Jika Anda berfokus pada platform foundry wafer domestik, SMIC dan Hua Hong lebih penting. Peringkatnya tidak tetap; hal itu bergantung pada kriteria rantai pasok yang Anda gunakan.
Jika Anda ingin terus memantau Shanghai Fudan, ASMPT, SMIC, Hua Hong Semiconductor, serta perusahaan rantai pasok memori AI seperti Micron, Samsung, SK hynix, TSMC, dan Nvidia, Anda dapat memasukkan pengumuman perusahaan, laporan laba, pesanan, tingkat utilisasi, margin kotor, belanja modal, dan fluktuasi valuasi ke dalam satu tabel pemantauan. Melalui pencarian informasi saham AS, Anda dapat terlebih dahulu memeriksa informasi dasar saham-saham terkait yang tercatat di AS, lalu mencocokkannya dengan pengumuman perusahaan yang tercatat di Hong Kong serta 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.Analisis di atas hanya memperkenalkan informasi pasar publik, hubungan rantai pasok, dan struktur biaya. Ini tidak merupakan saran investasi. Saham semikonduktor bisa sangat volatil, dan sebelum melakukan perdagangan, Anda harus memahami secara penuh fundamental perusahaan, jenis pesanan, struktur biaya, dan risikonya.
Shanghai Fudan adalah perusahaan chip yang bergerak di bidang memori, tetapi tidak boleh langsung disamakan dengan saham memori HBM AI. Eksposur memorinya terutama berasal dari produk memori non-volatil seperti EEPROM, NOR Flash, dan SLC NAND, yang lebih banyak digunakan dalam perangkat industri, IoT, keamanan, otomotif, dan perangkat tertanam. Jika pembicaraan adalah tentang memori HBM, DRAM, atau server pelatihan AI, relevansi langsungnya lebih rendah dibandingkan dengan produsen HBM dan perusahaan peralatan pengemasan lanjutan.
ASMPT berhubungan dengan advanced packaging HBM karena menyediakan peralatan advanced packaging seperti TCB, C2S, C2W, dan hybrid bonding. HBM memerlukan beberapa lapisan DRAM untuk dihubungkan dengan AI GPU atau AI ASIC melalui pengemasan berdensitas tinggi. Presisi peralatan, yield, dan kapasitas semuanya memengaruhi kecepatan ekspansi. Oleh karena itu, ASMPT bukanlah perusahaan chip memori, tetapi dapat memperoleh keuntungan dari permintaan untuk HBM4 dan pengemasan akselerator AI.
SMIC memperoleh manfaat lebih tidak langsung dari permintaan memori AI. Posisi intinya adalah sebagai platform foundry wafer yang melayani aplikasi seperti chip smartphone, elektronik konsumen, komputer, IoT, industri, dan otomotif. Kelangkaan memori AI dapat memengaruhi jadwal produksi pelanggan dan ekspektasi siklus semikonduktor, tetapi SMIC bukanlah produsen HBM, DRAM, atau NAND. SMIC tidak boleh disederhanakan sebagai saham memori AI secara langsung.
eNVM milik Hua Hong Semiconductor adalah platform proses terkait memori, tetapi bukan bisnis chip memori murni. eNVM umumnya digunakan dalam MCU, kartu pintar, kontrol tertanam, dan perangkat berdaya rendah, sedangkan NVM mandiri berkaitan dengan produk Flash. Ini berbeda dari lini utama HBM di pusat data AI. Hua Hong lebih tepat dianalisis di bawah node matang, proses specialty, MCU, PMIC, dan substitusi domestik.
Investor ritel sebaiknya terlebih dahulu menentukan apakah suatu perusahaan berada di lapisan produk, peralatan, foundry, atau aplikasi. Perusahaan yang secara langsung memproduksi HBM, DRAM, atau NAND termasuk dalam lapisan produk memori. Perusahaan yang menyediakan peralatan TCB, CoWoS, atau hybrid bonding termasuk dalam lapisan peralatan pengemasan canggih (advanced packaging). Perusahaan seperti SMIC dan Hua Hong lebih berkaitan erat dengan wafer foundry atau platform proses khusus. Struktur pendapatan, pesanan (order), margin kotor, dan pengungkapan risiko semuanya perlu ditinjau.
Konsep memori AI tidak persis sama dengan DRAM dan NAND. Pelatihan dan inferensi AI memerlukan HBM, DRAM, NAND, SSD, memori CXL, NOR Flash, eNVM, pengemasan tingkat lanjut, dan interkoneksi berkecepatan tinggi. HBM saat ini adalah memori bandwidth tinggi yang paling banyak diperhatikan untuk akselerator AI, tetapi tidak mewakili seluruh rantai pasokan memori. Perusahaan yang berbeda memperoleh keuntungan melalui jalur yang berbeda, sehingga tidak semestinya dinilai di bawah satu konsep tunggal.
*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.

