
Saham terkait memori AI di Hong Kong tidak boleh diklasifikasikan secara sederhana hanya dengan bertanya apakah sebuah perusahaan adalah produsen chip memori, karena pasar Hong Kong tidak memiliki produsen DRAM, NAND, atau HBM murni. Pendekatan yang lebih praktis adalah membaginya berdasarkan peran dalam rantai pasok: desain chip, peralatan pengemasan (packaging), dan foundry wafer. Untuk perusahaan desain chip, fokuslah pada memori non-volatile, FPGA, MCU, dan chip keamanan. Untuk perusahaan peralatan pengemasan, fokuslah pada TCB, Hybrid Bonding, Chiplet, dan pengemasan tingkat lanjut HBM. Untuk foundry, fokuslah pada node matang, eNVM, NVM mandiri, awafer pelanggan, tingkat utilisasi, dan tekanan depresiasi. Meningkatnya permintaan memori AI dapat menciptakan peluang, tetapi jalur transmisi berbeda untuk setiap segmen.

Saham terkait memori AI Hong Kong lebih tepat diklasifikasikan berdasarkan "posisi rantai pasokan" daripada berdasarkan kekuatan konsep AI-nya. Anda dapat membaginya terlebih dahulu menjadi tiga lini. Yang pertama adalah desain chip, di mana Anda memeriksa apakah perusahaan tersebut terlibat dalam memori non-volatil, FPGA, MCU, chip keamanan, dan chip kontrol. Yang kedua adalah peralatan pengemasan, di mana Anda memeriksa apakah perusahaan tersebut berpartisipasi dalam area pengemasan lanjutan seperti HBM, Chiplet, TCB, dan Hybrid Bonding. Yang ketiga adalah foundry wafer, di mana Anda melihat apakah perusahaan tersebut menyediakan eNVM, NVM mandiri, kapasitas node matang, dan kemampuan wafer-start pelanggan.
Inti hulu sejati dari memori AI terdiri dari produk memori standar seperti HBM, DRAM, dan NAND, tetapi pasar-pasar ini sebagian besar didominasi oleh produsen internasional seperti SK hynix, Samsung, dan Micron. Sebagian besar perusahaan semikonduktor yang tercatat di Hong Kong tidak menjual HBM atau DRAM secara langsung. Sebagai gantinya, mereka berpartisipasi dalam siklus melalui desain, peralatan, atau manufaktur. Dalam data pendapatan industri DRAM Juni 2026, TrendForce mencatat bahwa pendapatan industri DRAM kuartal pertama 2026 melonjak tajam dibandingkan kuartal sebelumnya, terutama karena kenaikan pesat harga kontrak DRAM tradisional.Tren ini menunjukkan bahwa permintaan AI dan pusat data sedang membentuk ulang pasar memori, tetapi transmisi kepada perusahaan yang tercatat di Hong Kong harus diuraikan berdasarkan segmen rantai pasok.
| Kategori | Perwakilan Hong Kong | Tautan ke Memori AI | Fokus Utama | Risiko Utama |
|---|---|---|---|---|
| Desain chip | Shanghai Fudan 01385.HK | Memori non-volatile, FPGA, MCU, chip keamanan | Pendapatan produk, adopsi pelanggan, investasi R&D | Persaingan harga, iterasi produk |
| Peralatan pengemasan | ASMPT 0522.HK | TCB, Hybrid Bonding, HBM, Chiplet | Pesanan pengemasan lanjutan, pengiriman peralatan | Siklus pesanan, konsentrasi pelanggan |
| Foundry | SMIC 00981.HK | Node matang, permulaan wafer pelanggan, transmisi tidak langsung | Utilisasi, margin kotor, struktur kapasitas | Penyusutan, volatilitas siklikal |
| Foundry khusus | Hua Hong Semiconductor 01347.HK | eNVM, NVM mandiri, MCU, Flash | Pangsa NVM, bauran produk | Margin kotor, peningkatan kapasitas |
Tujuan tabel ini adalah untuk membantu Anda menghindari perlakuan terhadap "memori AI" sebagai satu konsep tunggal. Logika untuk perusahaan desain chip adalah apakah produk mereka dapat masuk ke aplikasi bernilai tinggi. Logika untuk perusahaan peralatan adalah apakah perluasan pelanggan dapat diterjemahkan menjadi pesanan. Logika untuk foundry adalah apakah pelanggan meningkatkan permulaan wafer dan apakah fab dapat mempertahankan utilisasi tinggi. Ketiga jenis perusahaan ini dapat dipengaruhi oleh siklus memori AI, tetapi kekuatan, waktu, dan ekspresi keuangan dari dampak tersebut sepenuhnya berbeda.
Ringkasan: Inti dari klasifikasi saham terkait memori AI Hong Kong bukanlah untuk mencari perusahaan mana yang paling mirip dengan produsen HBM, melainkan untuk mengidentifikasi peran apa yang dimainkan setiap perusahaan dalam rantai pasokan. Perusahaan desain chip lebih banyak berkaitan dengan memori non-volatile, FPGA, MCU, chip keamanan, dan produk terkait. Perusahaan peralatan pengemasan lebih banyak berkaitan dengan HBM, Chiplet, dan ekspansi pengemasan canggih. Pabrik foundry lebih banyak berkaitan dengan permulaan wafer pelanggan, node matang, eNVM, NVM standalone, utilisasi, dan tekanan depresiasi. Jika Anda mengklasifikasikan perusahaan berdasarkan lapisan rantai pasokan terlebih dahulu, lalu memverifikasi pendapatan dan pesanan, penilaian Anda akan lebih stabil daripada sekadar mengikuti konsep pasar.

Shanghai Fudan 01385.HK adalah contoh tipis dari desain chip dalam kategori memori AI Hong Kong, tetapi bukan produsen HBM, juga bukan pemimpin DRAM atau NAND tradisional. Anda harus memahaminya melalui kerangka "desain chip + memori non-volatile + FPGA + MCU + chip keamanan." Relevansi memori AI-nya lebih berasal dari aplikasi produk dan skenario AI edge daripada dari pasokan langsung HBM pusat data.
Dalam laporan tahunan 2025, Shanghai Fudan mengungkapkan bahwa lini produknya mencakup chip keamanan dan identifikasi, memori non-volatile, chip meteran pintar, chip FPGA, dan produk lainnya, serta layanan pengujian sirkuit terpadu. Aplikasinya mencakup keuangan, jaminan sosial, anti-pemalsuan dan ketertelusuran, komunikasi jaringan, peralatan rumah tangga, elektronik otomotif, kontrol industri, pemrosesan sinyal, pusat data, dan kecerdasan buatan. Hal ini menunjukkan bahwa perusahaan bersinggungan dengan "AI" dan "memori", tetapi persinggungan tersebut tidak sama dengan logika produsen HBM.
Lebih spesifiknya, bisnis memori non-volatil Shanghai Fudan lebih berfokus pada NOR Flash, EEPROM, SLC NAND, dan area serupa. Dalam laporan interim 2024, perusahaan mencatat bahwa bisnis memori non-volatilnya telah membentuk tiga lini produk utama: EEPROM, NOR Flash, dan NAND Flash, membangun struktur produk memori non-volatil ceruk yang relatif lengkap. Di sini, "memori" terutama berfungsi untuk penyimpanan kode, penyimpanan parameter, kontrol industri, elektronik otomotif, modul, dan Internet of Things (IoT), bukan memori berbandwidth tinggi yang ditempatkan di samping GPU AI.
FPGA adalah petunjuk lain yang terkait dengan AI. Materi tahun 2025 Shanghai Fudan menyebutkan bahwa produk perusahaan dapat digunakan di pusat data, kecerdasan buatan, dan bidang lainnya. FPGA memiliki potensi penerapan di AI tepi (edge AI), pemrosesan sinyal, kendali industri, dan komputasi kustom, tetapi bukan merupakan asset dengan tipe yang sama seperti GPU Nvidia atau memori bertumpuk HBM. Saat menganalisis Shanghai Fudan, kuncinya adalah tidak sekadar melabelnya sebagai "saham memori AI," melainkan melihat apakah pendapatan, margin kotor, validasi pelanggan, dan investasi R&D di setiap lini produk dapat mendukung pertumbuhan jangka panjang.
| Dimensi Pengamatan | Yang Perlu Diperhatikan dari Shanghai Fudan 01385.HK | Kaitan dengan Memori AI |
|---|---|---|
| Memori non-volatile | NOR Flash, EEPROM, SLC NAND | Lebih dekat dengan desain produk memori |
| FPGA | Edge AI, pemrosesan sinyal, kontrol industri | Lebih terkait dengan komputasi dan kontrol AI |
| MCU / chip keamanan | Kartu pintar, otomotif, IoT, industri | Terkait dengan memori tertanam (embedded) |
| Investasi R&D | Kemampuan iterasi produk baru | Menentukan daya saing jangka menengah hingga panjang |
| Struktur pendapatan | Pangsa dan pertumbuhan lini produk | Membantu menilai kekuatan relevansi memori |
Ringkasan: Shanghai Fudan lebih tepat dipahami sebagai contoh yang tercatat di Hong Kong dari "desain chip + memori non-volatile + FPGA/edge AI," bukan sebagai saham HBM atau DRAM murni. Relevansi memorinya terutama berasal dari lini produk seperti NOR Flash, EEPROM, SLC NAND, MCU, dan chip keamanan. Relevansi AI-nya lebih berasal dari FPGA, pusat data, kecerdasan buatan, dan aplikasi kontrol industri. Jika Anda mengikuti jenis perusahaan ini, fokuslah pada apakah pendapatan produk benar-benar meningkat, apakah R&D berkelanjutan, dan apakah aplikasi pelanggan bergerak dari konsep ke pengiriman komersial, alih-alih hanya memperhatikan bagaimana pasar mengklasifikasikannya.

Di antara saham-saham terkait memori AI di Hong Kong, ASMPT 0522.HK lebih dekat ke “lapisan peralatan dari ekspansi memori AI.” Alasannya adalah HBM, akselerator AI, arsitektur Chiplet, dan pengemasan 2.5D/3D semuanya membutuhkan peralatan interkoneksi presisi tinggi dan pengemasan canggih. ASMPT bukanlah produsen chip memori, tetapi peralatannya untuk proses TCB, Hybrid Bonding, Die-to-Wafer, dan Chip-to-Substrate dapat berpartisipasi dalam ekspansi pengemasan canggih HBM dan chip AI.
Dalam hasil tahunan 2025 yang diterbitkannya, ASMPT mengungkapkan bahwa pendapatan Advanced Packaging-nya mencapai US$532,1 juta, naik 30,2% secara tahunan, dengan solusi TCB memberikan kontribusi yang signifikan. Perusahaan juga mencatat bahwa TCB mencapai rekor pendapatan pada tahun 2025 dan memperoleh pesanan penting dari pasar logika dan memori. Hal ini menunjukkan bahwa keterkaitan ASMPT dengan memori AI tidak berasal dari desain chip memori, melainkan dari permintaan akan perangkat pengemasan lanjutan (advanced packaging).
Pentingnya TCB terletak pada interkoneksi chip presisi tinggi. HBM memerlukan penumpukan beberapa die DRAM dan menghubungkannya melalui TSV, micro-bump, bonding tingkat lanjut, dan teknologi lainnya ke chip logika atau interposer. Chip AI dan arsitektur Chiplet juga memerlukan pengemasan dengan kepadatan lebih tinggi, latensi lebih rendah, dan bandwidth lebih tinggi. Dalam materi pamerannya di ECTC 2026, ASMPT menyatakan bahwa mereka memamerkan solusi bonding tingkat lanjut untuk aplikasi HBM dan Chiplet dalam AI dan HPC, itulah sebabnya kaitannya dengan rantai memori AI lebih kuat.
Pada tingkat pesanan, ASMPT sebelumnya mengumumkan pesanan untuk 19 alat Chip-to-Substrate TCB dan menyatakan bahwa total addressable market TCB diperkirakan akan melebihi US$1 miliar pada tahun 2027. Perusahaan kemudian mengumumkan pesanan tambahan untuk 15 alat Chip-to-Substrate TCB, yang didorong oleh permintaan chip komputasi AI. Bagi saham-saham peralatan, pesanan-pesanan ini merupakan sinyal penting, tetapi Anda tetap perlu memperhatikan pengakuan pendapatan, siklus pengiriman, margin kotor, dan konsentrasi pelanggan.
| Peralatan / Teknologi | Peran dalam Memori AI | Indikator Utama ASMPT |
|---|---|---|
| TCB | Interkoneksi presisi tinggi untuk HBM dan chip AI | Pesanan, pengiriman, margin kotor |
| Hybrid Bonding | Interkoneksi densitas tinggi generasi berikutnya | Validasi teknologi, adopsi pelanggan |
| Chiplet packaging | Mendukung integrasi multi-chip | Permintaan pelanggan AI/HPC |
| AP equipment | Menangkap ekspansi advanced packaging | Pangsa pendapatan advanced packaging |
| SMT equipment | Lebih berkaitan dengan manufaktur elektronik tradisional | Siklus berbeda dari paparan memori AI |
Ringkasan: ASMPT adalah salah satu saham terkait memori AI Hong Kong yang posisinya lebih dekat ke lapisan peralatan pengemasan lanjutan HBM. Perusahaan ini tidak memproduksi HBM, DRAM, atau NAND, tetapi permintaan akan TCB, Hybrid Bonding, Chiplet, dan peralatan pengemasan lanjutan yang didorong oleh HBM dan chip AI membuat ASMPT lebih mudah diklasifikasikan oleh pasar sebagai saham peralatan terkait memori AI. Saat menganalisis ASMPT, jangan hanya berfokus pada frasa "pesanan AI." Anda juga perlu memeriksa apakah pesanan dikonversi menjadi pendapatan, apakah jadwal pengiriman berjalan lancar, apakah pangsa pendapatan pengemasan lanjutan meningkat, apakah margin kotor membaik, dan apakah siklus pengeluaran modal pelanggan berubah.
SMIC 00981.HK dan Hua Hong Semiconductor 01347.HK sama-sama termasuk dalam rantai foundry wafer, tetapi keterlibatan keduanya dalam memori AI berbeda. SMIC lebih seperti pemimpin foundry komprehensif, di mana dampak memori AI terutama disalurkan melalui pelanggan akhir, smartphone, IoT, otomotif, industri, dan pesanan node mature. Hua Hong Semiconductor lebih seperti foundry teknologi spesialisasi. Karena bisnis eNVM dan NVM standalone-nya, perusahaan ini memiliki hubungan yang lebih langsung dengan memori non-volatile, MCU, Flash, EEPROM, kartu pintar, dan elektronik otomotif.
Inti dari SMIC bukanlah "produk memori," melainkan "platform manufaktur"-nya. Dalam laporan tahunan 2025, SMIC mengungkapkan pendapatan sebesar US$9,3268 miliar pada tahun 2025, margin kotor sebesar 21,0%, tingkat utilisasi sebesar 93,5%, dan kapasitas bulanan sebesar 1.058.750 wafer ekuivalen 8 inci pada akhir tahun 2025. Pada kuartal pertama tahun 2026, pendapatan SMIC adalah US$2,5055 miliar, dengan margin kotor sebesar 20,1%. Angka-angka ini menunjukkan bahwa indikator inti SMIC adalah kapasitas, struktur pelanggan, pangsa 12 inci, utilisasi, dan penyusutan, bukan indikator harga memori tunggal.
Logika Hua Hong lebih dekat ke teknologi spesialis. Dalam hasil kuartal pertama 2026, Hua Hong Semiconductor mengungkapkan bahwa NVM tertanam menyumbang 27,9% dari pendapatan, sedangkan NVM mandiri menyumbang 8,6%. Bisnis memori non-volatil tertanam milik Hua Hong mencakup MCU, kartu pintar, chip keamanan, IoT, dan elektronik otomotif, memberinya kaitan yang lebih langsung dengan layanan foundry terkait memori dibandingkan SMIC.
Namun, meningkatnya permintaan memori AI tidak selalu menguntungkan foundry hanya dari satu sisi. Reuters melaporkan bahwa kekhawatiran atas kekurangan chip memori pernah membuat pelanggan menunda pesanan untuk jenis chip lainnya, karena permintaan AI menyempitkan pasokan memori dan berdampak pada produk seperti smartphone dan mobil. Hal ini menunjukkan bahwa foundry dapat memperoleh keuntungan dari peningkatan wafer start pelanggan, tetapi mereka juga dapat terpengaruh oleh kenaikan biaya dan penundaan pesanan di kalangan pelanggan akhir.
| Perusahaan | Peran Rantai Pasok | Kaitan Memori AI | Indikator Utama | Risiko |
|---|---|---|---|---|
| SMIC 00981.HK | Foundry komprehensif | Tidak langsung, dari wafer pelanggan dan permintaan akhir | Utilisasi, pangsa 12 inci, margin kotor | Depresiasi, pembatasan ekspor, persaingan node matang |
| Hua Hong Semiconductor 01347.HK | Foundry teknologi khusus | Lebih langsung, dari eNVM dan NVM mandiri | Pangsa NVM, bauran produk, utilisasi | Margin kotor, peningkatan kapasitas, volatilitas permintaan |
Ringkasan: SMIC dan Hua Hong Semiconductor sama-sama termasuk dalam rantai foundry, tetapi keduanya tidak boleh dianalisis dengan logika yang sama. SMIC lebih merupakan platform manufaktur yang komprehensif, dan memori AI memengaruhinya terutama melalui permintaan pelanggan dan pesanan node mature. Hua Hong lebih dekat ke eksposur foundry specialty yang terkait dengan memori karena bisnis eNVM, NVM standalone, MCU, Flash, dan IC kartu pintar. Saat membandingkan kedua perusahaan ini, lihat struktur pendapatan mana yang lebih dekat dengan proses yang terkait dengan memori, sekaligus memantau tingkat utilisasi, margin kotor, depresiasi, dan penyerapan kapasitas, bukan hanya mengikuti popularitas konsep memori AI.
Ketiga jenis saham terkait memori AI Hong Kong—desain chip, peralatan pengemasan, dan foundry wafer—menghasilkan uang dengan cara yang sama sekali berbeda. Perusahaan desain chip bergantung pada apakah produk dapat menskala dan masuk ke aplikasi bernilai tinggi. Perusahaan peralatan pengemasan bergantung pada apakah ekspansi HBM, Chiplet, dan pengemasan lanjutan diterjemahkan menjadi pesanan peralatan. Perusahaan foundry bergantung pada permulaan wafer pelanggan, tingkat utilisasi, komposisi produk, dan tekanan depresiasi. Jika Anda menganggap ketiganya sekadar sebagai "saham konsep memori AI," Anda mungkin salah menilai bagaimana dan kapan laba direalisasikan.
Untuk perusahaan desain chip, faktor utamanya adalah daya saing produk. Untuk perusahaan seperti Shanghai Fudan, Anda perlu memperhatikan apakah memori non-volatil, FPGA, MCU, chip keamanan, dan produk lainnya dapat masuk ke skenario bernilai lebih tinggi seperti otomotif, industri, pusat data, AI edge, dan lainnya. Perusahaan desain dapat memiliki elastisitas margin kotor yang lebih kuat, tetapi mereka juga menghadapi persaingan harga, risiko eksekusi R&D, siklus validasi pelanggan yang panjang, dan volatilitas persediaan. Jika produk tidak berskala, bahkan konsep yang kuat pun akan sulit mendukung fundamental dalam jangka panjang.
Bagi perusahaan peralatan kemasan (packaging), faktor intinya adalah belanja modal pelanggan. Semakin kuat permintaan terhadap HBM, Chiplet, dan akselerator AI, semakin besar kemungkinan kapasitas kemasan lanjutan diperluas, yang dapat menciptakan elastisitas pesanan peralatan. Dalam data pemasok DRAM kuartal 1 tahun 2026, TrendForce mencatat bahwa permintaan inferensi AI yang meluas ke server tujuan umum meningkatkan pengadaan memori, sementara inventaris pemasok mencapai titik terendah dan kapasitas bergeser ke produk dengan margin lebih tinggi, sehingga mendorong harga kontrak naik. Latar belakang ini mendukung logika peralatan HBM dan kemasan lanjutan, tetapi perusahaan peralatan masih dipengaruhi oleh siklus ekspansi pelanggan.
Bagi foundry, faktor utamanya adalah tingkat utilisasi kapasitas. SMIC dan Hua Hong sama-sama terpengaruh oleh siklus semikonduktor, tetapi keduanya tidak menjual HBM secara langsung. SMIC lebih berkaitan dengan wafer starts pelanggan dan permintaan node mature, sedangkan Hua Hong lebih berkaitan dengan eNVM, standalone NVM, PMIC, perangkat daya, dan bauran produk. Ekspansi foundry menimbulkan depresiasi. Jika pesanan tidak mencukupi, margin kotor dapat tertekan. Jika wafer starts pelanggan meningkat dan utilisasi membaik, profitabilitas dapat membaik.
Jika Anda memasukkan ketiga jenis perusahaan ini ke dalam satu watchlist investasi, Anda dapat membaginya sebagai berikut:
| Kategori | Jalur Manfaat Utama | Sumber Elastisitas Laba | Risiko Utama |
|---|---|---|---|
| Desain chip | Produk memasuki skenario penyimpanan, AI, industri, dan otomotif | Peningkatan produk baru, ASP, adopsi pelanggan | Persaingan, persediaan, kegagalan R&D |
| Peralatan pengemasan | Ekspansi HBM, Chiplet, dan pengemasan canggih | Pesanan peralatan, pengiriman, margin kotor | Volatilitas pesanan, konsentrasi pelanggan |
| Foundry | Pelanggan meningkatkan wafer starts, permintaan mature-node membaik | Utilisasi, bauran produk, ASP | Penyusutan, persaingan harga, permintaan yang melemah |
Anda juga perlu memperhatikan biaya perdagangan yang sebenarnya. Misalnya, jika Anda membandingkan saham semikonduktor Hong Kong, saham chip AI Amerika Serikat, produsen memori, dan ETF semikonduktor pada saat yang sama, Anda tidak boleh hanya melihat pergerakan harga saham. Anda juga perlu mempertimbangkan komisi, biaya platform, biaya agen eksternal, biaya aktivitas transaksi, biaya valuta asing, dan biaya lainnya yang ditampilkan di halaman pesanan. Mengambil perdagangan saham Amerika Serikat sebagai contoh, Biya tidak mengenakan komisi untuk perdagangan saham AS, sedangkan biaya platform, biaya agen eksternal, dan biaya lainnya tunduk pada Pusat Biaya dan halaman pesanan.Ketersediaan layanan terkait bergantung pada lokasi pengguna, hasil verifikasi identitas, aturan platform, serta peraturan dan undang-undang yang berlaku.
Ringkasan: Meskipun semuanya mungkin disebut "saham memori AI Hong Kong," ketiga kategori ini memiliki jalur manfaat yang sepenuhnya berbeda. Perusahaan desain chip mengandalkan peluncuran produk. Perusahaan peralatan pengemasan mengandalkan pesanan pengemasan canggih. Pabrik wafer (foundry) mengandalkan permulaan wafer pelanggan dan tingkat utilisasi. Saat menganalisisnya, pertama-tama identifikasi ke kategori mana perusahaan tersebut termasuk, lalu lihat indikator keuangan yang sesuai. Meningkatnya permintaan memori AI memang dapat menciptakan peluang industri, tetapi itu tidak berarti setiap perusahaan semikonduktor akan memperoleh manfaat secara serentak, juga tidak berarti setiap kenaikan harga saham didukung oleh penyerapan fundamental.
Pemula sebaiknya membangun daftar pantauan saham terkait memori AI Hong Kong dengan mengelompokkan perusahaan berdasarkan peran dalam rantai pasokan, bukan berdasarkan kenaikan harga saham jangka pendek. Kenaikan harga hanya mencerminkan sentimen pasar; hal itu tidak membuktikan bahwa sebuah perusahaan benar-benar mendapatkan manfaat dari permintaan HBM, DRAM, NAND, atau server AI. Metode yang lebih andal adalah menggunakan kerangka lima langkah: mengelompokkan, memverifikasi, menelusuri jalur transmisi, memeriksa keuangan, dan mengidentifikasi risiko. Perusahaan desain chip, peralatan pengemasan (packaging), dan foundry sebaiknya dipantau secara terpisah.
Langkah pertama adalah klasifikasi. Tentukan apakah perusahaan tersebut adalah perusahaan desain chip, perusahaan peralatan pengemasan, atau foundry. Shanghai Fudan lebih merupakan perusahaan desain chip. ASMPT lebih merupakan perusahaan peralatan pengemasan tingkat lanjut. SMIC dan Hua Hong Semiconductor lebih merupakan nama foundry. Langkah kedua adalah verifikasi: periksa apakah pendapatan perusahaan benar-benar berisi produk atau peralatan yang relevan, alih-alih hanya mengandalkan judul berita. Langkah ketiga adalah transmisi: tentukan bagaimana permintaan memori AI memengaruhi pesanannya, misalnya apakah ekspansi HBM mendorong permintaan peralatan TCB, atau apakah permintaan eNVM menghasilkan lebih banyak permulaan wafer proses khusus.
Langkah keempat adalah analisis keuangan. Untuk perusahaan desain chip, perhatikan pendapatan produk dan margin kotor. Untuk perusahaan peralatan pengemasan, perhatikan pesanan, pengiriman, dan margin kotor. Untuk pabrik foundry, perhatikan tingkat utilisasi, depresiasi, kapasitas, dan campuran produk. Langkah kelima adalah identifikasi risiko, agar Anda tidak mengacaukan spekulasi konsep dengan perbaikan fundamental. Konsep memori AI mudah berlebihan. Banyak perusahaan hanya terkait secara umum dengan semikonduktor, yang tidak berarti mereka secara langsung mendapatkan keuntungan dari HBM atau DRAM.
| Langkah | Pertanyaan yang Diajukan | Materi yang Relevan |
|---|---|---|
| Klasifikasi | Apakah perusahaan tersebut desain, peralatan, atau foundry? | Laporan tahunan, deskripsi bisnis |
| Verifikasi | Apakah pendapatan mencakup bisnis terkait? | Pendapatan segmen, lini produk |
| Transmisi | Bagaimana memori AI memengaruhi pesanan? | Laporan industri, permintaan pelanggan |
| Keuangan | Apakah margin dan tingkat utilisasi membaik? | Laporan laba, pengumuman hasil |
| Risiko | Apakah ada tekanan depresiasi, persaingan, atau valuasi? | Diskusi manajemen, pengungkapan risiko |
Anda juga dapat melihat saham Hong Kong dan AS secara bersamaan. Hong Kong memiliki penerima manfaat tidak langsung seperti Shanghai Fudan, ASMPT, SMIC, dan Hua Hong Semiconductor, sementara pasar AS mencakup aset inti chip AI, memori, dan foundry seperti Nvidia, AMD, Micron, TSMC, dan Broadcom. Pasar yang berbeda memiliki peran rantai pasok dan sistem valuasi yang berbeda. Melalui Biya, dompet perdagangan multi-aset global, Anda dapat memasukkan saham Hong Kong, saham AS, dan pasar kripto ke dalam satu kerangka pantauan. Jika Anda ingin menyusun saham semikonduktor AS secara horizontal, Anda dapat terlebih dahulu menggunakan pencarian informasi saham AS untuk membangun daftar dasar, lalu menggabungkannya dengan laporan laba, valuasi, dan biaya perdagangan untuk analisis lebih lanjut.
Ringkasan: Pemula yang melacak saham terkait memori AI Hong Kong tidak perlu memulai dengan menebak saham mana yang akan naik. Langkah pertama adalah menempatkan setiap perusahaan kembali ke dalam rantai pasokan. Pertama, klasifikasikan perusahaannya. Kemudian verifikasi pendapatannya. Selanjutnya, analisis jalur transmisi. Lalu periksa indikator keuangan. Terakhir, identifikasi risikonya. Meskipun desain chip, peralatan pengemasan, dan pabrik produksi dapat semuanya diklasifikasikan sebagai saham terkait memori AI, indikator inti mereka berbeda. Hanya dengan menggabungkan model bisnis perusahaan, siklus industri, dan data keuangan Anda dapat mengurangi risiko ditipu oleh konsep jangka pendek.
Jika Anda terus mengikuti AI memory, saham semikonduktor Hong Kong, saham chip AS, dan ETF, Anda dapat memantau harga pasar, pengumuman perusahaan, data keuangan, struktur biaya, dan pengungkapan risiko dalam satu kerangka kerja. Biya mendukung perdagangan saham AS, saham Hong Kong, dan kripto, serta juga mendukung konversi USDT ke mata uang fiat utama seperti dolar AS atau dolar Hong Kong. Namun, sebelum berdagang, Anda tetap harus memeriksa ketersediaan layanan di lokasi Anda, persyaratan verifikasi identitas, aturan platform, serta hukum dan peraturan yang berlaku. Jika layanan terkait tersedia dalam situasi Anda, Anda dapat mengunduh Aplikasi untuk melihat fitur yang tersedia.Informasi pasar publik, aturan perdagangan, dan struktur biaya hanya disediakan untuk membantu Anda memahami pengambilan keputusan dan bukan merupakan saran investasi.
Saham terkait memori AI Hong Kong terutama terbagi ke dalam tiga kategori: desain chip, peralatan pengemasan, dan foundry wafer. Dalam desain chip, Shanghai Fudan terkait dengan memori non-volatil, FPGA, dan MCU. Dalam peralatan pengemasan, ASMPT terkait dengan TCB dan Hybrid Bonding. Dalam foundry, SMIC dan Hua Hong Semiconductor adalah contoh utama.
ASMPT dianggap sebagai saham Hong Kong yang terkait dengan HBM karena peralatan TCB dan Hybrid Bonding-nya berkaitan dengan HBM, Chiplet, serta pengemasan lanjutan (advanced packaging) chip AI. ASMPT bukanlah produsen chip memori. Jalur manfaat utamanya berasal dari ekspansi pengemasan lanjutan, pesanan peralatan, jadwal pengiriman, dan belanja modal pelanggan.
Shanghai Fudan 01385.HK dapat dianggap sebagai saham desain chip yang terkait dengan memori, tetapi bukan produsen HBM. Produk memori non-volatile, FPGA, MCU, dan chip keamanannya berkaitan dengan penyimpanan, AI tepi (edge AI), kontrol industri, elektronik otomotif, serta aplikasi pusat data. Kuncinya adalah memeriksa struktur pendapatan dan adopsi pelanggan.
Hua Hong Semiconductor lebih dekat dengan teknologi khusus terkait memori, sementara SMIC lebih terhubung secara tidak langsung. Hua Hong memiliki bisnis eNVM dan NVM mandiri yang berkaitan dengan MCU, Flash, EEPROM, kartu pintar, dan elektronik otomotif. SMIC harus dianalisis melalui permulaan wafer pelanggan, node matang, tingkat utilisasi, dan tekanan depresiasi.
Permintaan memori AI yang meningkat belum tentu menguntungkan semua saham semikonduktor Hong Kong. Hal ini mungkin menguntungkan beberapa segmen desain chip, peralatan pengemasan lanjutan, dan foundry khusus, tetapi juga dapat meningkatkan biaya memori tradisional dan memengaruhi pesanan dari pelanggan smartphone, otomotif, dan elektronik konsumen. Jalur transmisi spesifik dan struktur pendapatan sangat menentukan.
Pemula harus pertama-tama mengidentifikasi apakah sebuah perusahaan bergerak di bidang desain chip, peralatan pengemasan, atau manufaktur foundry, kemudian memeriksa pendapatan, pesanan, margin kotor, tingkat utilisasi, dan valuasi. Jangan hanya mengandalkan popularitas konsep. Untuk perdagangan dan biaya, investor harus mengikuti aturan platform, rincian penagihan, dan persyaratan regulasi setempat.
*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.

