
Pengemasan canggih menjadi penting karena persaingan chip AI tidak lagi hanya soal node proses canggih. Ini juga menyangkut apakah GPU, HBM, chiplet, substrat pengemasan, penyaluran daya, desain termal, dan pengujian dapat diintegrasikan dengan tingkat hasil yang tinggi. Anda dapat melihat CoWoS sebagai jendela untuk memahami hambatan kapasitas chip AI: meskipun GPU kelas atas telah menyelesaikan fabrikasi wafer, chip tersebut tidak dapat benar-benar dikirim ke penyedia cloud dan pelanggan server AI kecuali dapat dihubungkan ke HBM melalui pengemasan canggih dengan interkoneksi berkecepatan tinggi.

Pengemasan lanjutan (advanced packaging) telah menjadi penting karena kinerja chip AI tidak lagi ditentukan hanya oleh satu die komputasi tunggal. Kinerja tersebut ditentukan secara bersama oleh komputasi, memori, interkoneksi, penyaluran daya, manajemen termal, dan pengujian. Bahkan jika sebuah GPU kelas atas telah menyelesaikan fabrikasi wafer pada node lanjutan, GPU tersebut tidak dapat menjadi produk yang dapat diserahkan kecuali dapat diintegrasikan secara padat dengan HBM, substrat, dan struktur sistem. Bagi chip AI, pengemasan tidak lagi sekadar "melindungi chip"; melainkan merupakan langkah manufaktur inti yang memengaruhi batas kinerja sekaligus kecepatan pengiriman.
Di masa lalu, industri semikonduktor sering kali berfokus pada node proses. Semakin canggih nodenya—7nm, 5nm, 3nm—semakin kuat kepadatan transistor dan efisiensi energinya. Logika itu masih relevan, tetapi tidak lagi cukup untuk menjelaskan semua hambatan chip AI. Pelatihan dan inferensi model besar membutuhkan komputasi paralel dalam skala masif, tetapi juga membutuhkan bandwidth memori yang lebih tinggi, jalur data yang lebih pendek, dan konektivitas sistem yang lebih stabil. Jika data tidak dapat dikirimkan dengan cepat ke unit komputasi, bahkan chip yang bertenaga pun dapat menyisakan kinerja yang tidak termanfaatkan.
Di sinilah pengemasan lanjutan (advanced packaging) menjadi sangat krusial. Melalui chiplet, pengemasan 2.5D, integrasi heterogen, dan metode serupa, pengemasan lanjutan menempatkan beberapa die komputasi, HBM, dan modul fungsional lainnya ke dalam struktur yang lebih rapat. 3DFabric milik TSMC adalah portofolio teknologi untuk integrasi 2.5D dan 3D, dan CoWoS merupakan salah satu jalur pengemasan paling penting untuk komputasi berkinerja tinggi.
Beban kerja AI khususnya memperbesar tekanan pada pengemasan (packaging). Pelatihan model besar berulang kali membaca parameter, bertukar gradien, dan mentransfer hasil antara. Inferensi juga harus menangani KV cache, permintaan yang di-batch, dan akses data dengan konkurensi tinggi. Semua beban kerja ini menunjuk pada satu masalah: biaya perpindahan data terus meningkat. Kecepatan komputasi internal chip telah meningkat dengan cepat, tetapi jika memori, interkoneksi, dan pengemasan tidak dapat mengikuti, efisiensi sistem akan menurun.
| Dimensi Perbandingan | Kemasan Chip Tradisional | Kemasan Lanjutan untuk Chip AI |
|---|---|---|
| Tujuan utama | Melindungi chip, menghubungkan ke papan sirkuit, mengendalikan biaya | Mengintegrasikan beberapa die, HBM, dan interkoneksi berkecepatan tinggi |
| Fokus kinerja | Koneksi sinyal dasar dan keandalan | Bandwidth, latensi, konsumsi daya, dan yield sistem |
| Koneksi memori | Sering mengandalkan memori eksternal atau antarmuka tradisional | Mengandalkan koneksi HBM berdensitas tinggi jarak dekat |
| Tingkat kesulitan proses | Lebih terstandarisasi | Kemasan area besar, warpage, manajemen termal, dan pengujian lebih sulit |
| Dampak kapasitas | Biasanya bukan hambatan utama | Dapat membatasi langsung pengiriman AI GPU |
Inilah mengapa pasar semakin memperlakukan kemasan canggih (advanced packaging) hampir sama pentingnya dengan node proses canggih. Bagi NVIDIA, AMD, vendor ASIC, dan penyedia cloud, node proses canggih menentukan apakah die komputasi dapat difabrikasi. Kemasan canggih menentukan apakah die-die tersebut dapat digabungkan dengan HBM, interkoneksi, dan struktur sistem menjadi produk yang dapat digunakan. Bagi TSMC, kemasan canggih telah berevolusi dari kemampuan back-end menjadi tuas utama untuk lock-in pelanggan, pengiriman produk, dan pengeluaran modal.
Ringkasan: Kemasan lanjutan telah bergeser dari “proses back-end” menjadi hambatan inti chip AI karena komputasi AI telah memasuki fase persaingan di tingkat sistem. Node proses masih penting, tetapi kinerja nyata dan kapasitas pengiriman GPU kelas atas juga bergantung pada apakah HBM dapat dihubungkan dengan kecepatan tinggi, apakah beberapa chiplet dapat bekerja sama secara andal, dan apakah kemasan berskala besar dapat mengendalikan desain termal, penyaluran daya, warpage, dan yield. Saat menganalisis rantai pasokan chip AI, Anda tidak hanya perlu melihat kapasitas node lanjutan TSMC, tetapi juga apakah CoWoS, HBM, substrat, pengujian, dan pengiriman server AI selaras.

CoWoS adalah platform pengemasan lanjutan 2.5D dari TSMC untuk komputasi berkinerja tinggi. Platform ini digunakan untuk mengintegrasikan GPU, HBM, dan chiplet lainnya ke dalam satu struktur interkoneksi berdensitas tinggi. Tujuan utamanya adalah memberikan chip AI bandwidth memori yang memadai, kecepatan komunikasi antar-chip, dan keandalan sistem pada tingkat paket. Untuk GPU kelas atas, CoWoS bukan sekadar cangkang luar biasa. Ia adalah fondasi kunci yang mengubah die komputasi dan HBM menjadi sebuah akselerator AI yang lengkap.
CoWoS adalah singkatan dari Chip on Wafer on Substrate. Secara sederhana, chip pertama-tama ditempatkan pada struktur interkoneksi tingkat wafer dan kemudian dihubungkan ke substrat kemasan. Die komputasi GPU menangani perhitungan, tumpukan HBM menyediakan pasokan data berbandlebar tinggi, interposer atau RDL menyediakan sejumlah besar jalur koneksi dalam jarak yang sangat pendek, dan substrat kemasan menopang seluruh struktur sambil menghubungkannya ke motherboard server.
Anda dapat membayangkan CoWoS sebagai sebuah kampus chip berkecepatan tinggi. GPU adalah pusat komputasi, HBM adalah gudang berbandwidth tinggi yang berada tepat di sebelahnya, dan interposer serta lapisan redistribusi adalah jalan raya kampus tersebut. Semakin lebar jalan dan semakin pendek jaraknya, semakin cepat data bergerak dan semakin rendah konsumsi dayanya. Performa GPU AI tidak hanya meningkat karena "pusat komputasi" menjadi lebih besar. Performa juga meningkat karena "gudang" lebih dekat dan "jalan" lebih padat serta lebih stabil.
| Komponen CoWoS | Fungsi Utama | Makna untuk GPU AI |
|---|---|---|
| Die komputasi GPU | Menjalankan komputasi pelatihan dan inferensi | Menentukan batas atas kekuatan komputasi inti |
| Tumpukan HBM | Menyediakan akses data berkecepatan tinggi dengan latensi rendah | Menentukan kapasitas pasokan data untuk model berskala besar |
| Interposer silikon atau RDL | Menghubungkan GPU, HBM, dan chiplet | Menentukan kepadatan interkoneksi dan skala kemasan |
| Substrat kemasan | Menopang seluruh struktur dan menghubungkannya ke papan sistem | Mempengaruhi pengiriman daya, integritas sinyal, dan keandalan |
| Proses pengujian | Menyaring produk akhir yang memenuhi standar | Menentukan apakah kapasitas nominal menjadi pengiriman aktual |
CoWoS milik TSMC bukanlah satu proses tunggal, melainkan sebuah keluarga teknologi. CoWoS-S menggunakan interposer silikon, menawarkan kepadatan interkoneksi yang tinggi serta kematangan yang kuat, sehingga cocok untuk HPC kelas atas dan GPU AI. CoWoS-R menggunakan interposer RDL, menawarkan fleksibilitas struktural yang lebih besar dan membantu mengatasi masalah tekanan serta perutean tertentu. CoWoS-L menggabungkan RDL dengan interkoneksi silikon lokal, sehingga lebih cocok untuk chip AI berukuran besar, multi-die, dan berbandwidth tinggi.
| Rute Teknologi | Struktur Inti | Fitur Utama | Skenario Chip AI yang Lebih Cocok |
|---|---|---|---|
| CoWoS-S | Silicon interposer | Densitas interkoneksi tinggi dan teknologi yang matang | GPU kelas atas seperti Hopper |
| CoWoS-R | RDL interposer | Struktur fleksibel dan kemampuan meredam tekanan yang lebih kuat | Desain integrasi heterogen |
| CoWoS-L | RDL plus interkoneksi silikon lokal | Mendukung paket yang lebih besar dan desain multi-die | GPU AI besar seperti Blackwell |
TSMC mengungkapkan bahwa CoWoS-S dapat mendukung interposer hingga sekitar 3,3 kali ukuran reticle, sedangkan desain yang lebih besar disarankan untuk menggunakan CoWoS-L atau CoWoS-R. Poin ini sangat penting: seiring chip AI yang semakin besar, jalur pengemasan tidak bisa sekadar menggunakan kembali pendekatan matang yang lama. Perubahan arsitektur produk akan membentuk kembali permintaan terhadap CoWoS-S, CoWoS-L, HBM, dan sumber daya pengujian.
Ringkasan: Esensi CoWoS adalah memungkinkan GPU, HBM, dan chiplet bekerja bersama dengan kecepatan tinggi di dalam kemasan. Ini bukan sekadar cangkang chip, melainkan platform koneksi tingkat sistem untuk GPU AI kelas atas. CoWoS-S, CoWoS-R, dan CoWoS-L melayani produk komputasi berkinerja tinggi dengan skala dan struktur yang berbeda. Di antaranya, CoWoS-L lebih cocok untuk GPU AI generasi berikutnya dengan area lebih besar dan multi-die. Memahami perbedaan struktur dan rute CoWoS diperlukan untuk memahami mengapa hambatan kapasitas chip AI meluas dari fabrikasi wafer ke pengemasan tingkat lanjut.

Kemacetan kapasitas chip AI tidak hanya soal manufaktur wafer, karena GPU kelas atas harus melewati wafer node canggih, penyaringan die, pasokan HBM, integrasi CoWoS, koneksi substrate paket, pengujian akhir, dan perakitan server sebelum dikirim. Jika salah satu tahapan mengalami keterbatasan, kapasitas di hulu yang telah selesai tidak dapat menjadi pengiriman akhir. Kapasitas wafer yang memadai hanya berarti pasokan compute die sedang membaik; itu tidak berarti pasokan AI GPU sepenuhnya sudah longgar.
Rantai manufaktur untuk GPU AI kelas atas sangat panjang, dan setiap tahapnya sangat terhubung satu sama lain. Mengambil GPU pusat data NVIDIA sebagai contoh, TSMC menangani manufaktur wafer node canggih, pemasok HBM menyediakan memori berkapasitas tinggi (high-bandwidth memory), TSMC dan ekosistem pengemasan menangani integrasi CoWoS, vendor substrat dan penyedia layanan pengujian berpartisipasi dalam proses lanjutan, dan produk pada akhirnya memasuki rantai penerapan server, rak, pendinginan cair, dan pusat data.
Dari sisi proses, GPU AI umumnya melewati tahapan-tahapan berikut:
Ini menunjukkan bahwa kapasitas chip AI adalah kapasitas sistem, bukan kapasitas titik tunggal. Tahap wafer hanyalah permulaan. CoWoS berada di antara wafer, HBM, dan server. Ini adalah gerbang kunci yang mengubah "die yang lolos kualifikasi" menjadi "GPU yang dapat digunakan." Jika die GPU mencukupi tetapi HBM tidak, pengemasan tidak dapat diselesaikan. Jika HBM tersedia tetapi kapasitas CoWoS-L tidak mencukupi, produk tetap tidak dapat dikirim. Jika pengemasan telah selesai tetapi yield pengujian tidak stabil, pengiriman akhir yang lolos kualifikasi akan tetap terbatas.
| Tautan Terbatas | Dampak Langsung | Indikator yang Perlu Dipantau |
|---|---|---|
| Wafer node canggih | Jumlah dies komputasi | Kapasitas dan yield node canggih TSMC |
| HBM | Kapasitas memori dan bandwidth | Pengiriman dan kualifikasi HBM3E dan HBM4 |
| CoWoS | Dies dan HBM tidak dapat diintegrasikan | Kapasitas efektif CoWoS-S dan CoWoS-L |
| Substrat kemasan | Kapasitas daya dukung paket besar terbatas | Substrat ABF dan pasokan substrat kelas atas |
| Yield pengujian | Kapasitas nominal tidak dapat menjadi pengiriman yang memenuhi syarat | Peningkatan yield dan waktu tunggu pengiriman |
| Perakitan server | GPU selesai tetapi pengiriman sistem lengkap tertunda | ODM, pendingin cair, catu daya, dan pengiriman rak |
Lembaga riset industri juga berfokus pada kemacetan multi-tahap ini. Estimasi Epoch AI mengenai kendala rantai pasok chip AI mencatat bahwa pelanggan seperti NVIDIA, Google, AMD, dan Amazon menghabiskan sebagian besar pasokan CoWoS dan HBM, dengan NVIDIA sebagai salah satu sumber permintaan terpenting. Angka-angka ini merupakan estimasi kelembagaan, bukan pengungkapan resmi perusahaan, tetapi mencerminkan realitas struktural: sumber daya chip AI yang kunci sangat terkonsentrasi, dan kekurangan pada salah satu kategori dapat menular ke pengiriman akhir.
Bagi Anda, memahami rantai ini dapat membantu menghindari salah penilaian yang umum terjadi: mengasumsikan bahwa pendapatan TSMC dari node lanjutan yang lebih kuat berarti pengiriman GPU NVIDIA akan otomatis meningkat, atau mengasumsikan bahwa ekspansi pemasok HBM berarti server AI tidak akan lagi langka. Pengiriman aktual bergantung pada pencocokan multi-tautan.
Ringkasan: Kemacetan kapasitas chip AI bukanlah kemacetan titik tunggal. Ini adalah kemacetan sistem yang ditentukan oleh wafer, HBM, CoWoS, substrat, pengujian, dan pengiriman sistem akhir. CoWoS penting karena berada tepat di antara mata rantai hulu dan hilir: ia menghubungkan wafer node canggih dan HBM di satu sisi, serta substrat kelas atas, pengujian, dan server di sisi lain. Jika ada sumber daya yang tidak sepadan, kapasitas hulu yang telah selesai hanya akan menjadi inventaris barang dalam proses (work-in-progress) alih-alih GPU yang siap dikirim.
Dari Hopper hingga Blackwell, permintaan terhadap pengemasan tingkat lanjut tidak menurun; justru sedang meningkat kualitasnya. Hopper terutama mengandalkan CoWoS-S, sementara Blackwell menggunakan desain multi-die yang lebih kompleks dan menaikkan persyaratan untuk CoWoS-L, HBM, luas paket, dan yield pengujian. Arsitektur Chiplet tidak mengurangi pentingnya pengemasan. Sebaliknya, ia memindahkan lebih banyak tanggung jawab sistem ke lapisan paket. Semakin besar dan semakin setingkat sistem chip AI menjadi, semakin banyak pula teknologi pengemasan harus mampu menangani interconnect berkecepatan tinggi dan integrasi ber-yield tinggi.
NVIDIA Blackwell adalah contoh tipikal dari peningkatan kemasan (packaging). Arsitektur NVIDIA Blackwell dirancang untuk beban kerja AI generatif, pemrosesan data, dan komputasi berperforma tinggi, dengan penekanan pada komunikasi GPU-ke-GPU yang lebih kuat dan kemampuan tingkat sistem. Lebih spesifiknya, NVIDIA Blackwell Ultra terdiri dari dua die berukuran reticle yang terhubung melalui NV-HBI dengan bandwidth 10 TB/s, dan mencakup HBM3E sebesar 288GB serta bandwidth HBM hingga 8TB/s.
Perubahan arsitektur ini secara langsung meningkatkan permintaan akan pengemasan canggih. Dua die komputasi besar harus bekerja seperti satu GPU yang terpadu, sehingga koneksi chip-ke-chip harus cepat, lebar, dan cukup stabil. Beberapa tumpukan HBM harus disusun di sekitar die komputasi, luas area paket menjadi lebih besar, pengiriman daya menjadi lebih kompleks, tekanan termal meningkat, dan lengkungan paket serta tekanan material menjadi semakin sulit dikendalikan.
| Platform Produk | Arah Pengemasan | Fitur Arsitektur | Makna Rantai Pasok |
|---|---|---|---|
| H100/H200 Hopper | Terutama CoWoS-S | Satu die GPU besar dengan HBM | Terus menduduki kapasitas CoWoS-S yang matang |
| Blackwell | Permintaan CoWoS-L meningkat | Dua die komputasi besar dengan beberapa tumpukan HBM | Membutuhkan pengemasan yang lebih besar dan kompleks |
| Blackwell Ultra | Integrasi multi-die berskala besar | Kapasitas memori dan throughput sistem lebih tinggi | Meningkatkan permintaan sumber daya HBM dan pengujian |
| Platform AI masa depan | Integrasi heterogen yang lebih kuat | HBM, chiplet, dan interkoneksi terus berkembang | Hambatan dapat berpindah antara pengemasan, memori, dan sistem |
Manajemen NVIDIA juga telah menekankan bahwa struktur permintaan untuk pengemasan lanjutan sedang berubah. Laporan Reuters mengenai perubahan kebutuhan pengemasan lanjutan NVIDIA mencatat bahwa Blackwell akan menggunakan sejumlah besar CoWoS-L, sementara Hopper terus menggunakan CoWoS-S. Ini berarti pasar tidak boleh memperlakukan CoWoS sebagai satu angka kapasitas total. Harus ada pembedaan antara jenis pengemasan yang dibutuhkan oleh produk-produk yang berbeda.
Pergeseran dari CoWoS-S ke CoWoS-L juga menjelaskan mengapa ekspansi tidak dapat langsung menyelesaikan segalanya. Lini CoWoS-S yang matang tidak dapat langsung menjadi kapasitas CoWoS-L yang setara tanpa perubahan peralatan, penyetelan proses, dan kualifikasi pelanggan. Paket yang lebih besar juga memperpanjang kurva kenaikan yield. Semakin banyak die dan tumpukan HBM yang diintegrasikan dalam sebuah produk, semakin besar dampak cacat pada satu komponen terhadap yield akhir yang terkualifikasi.
Inilah sebabnya pengemasan tingkat lanjut semakin berperilaku seperti "kendala kapasitas tak terlihat" dalam siklus chip AI. Peluncuran arsitektur GPU hanyalah titik awal. Kenaikan komersial yang sebenarnya bergantung pada apakah CoWoS-L, HBM3E atau HBM4, yield pengujian, perakitan sistem penuh, dan penerapan pelanggan semuanya dapat sejalan.
Ringkasan: Pergeseran dari Hopper ke Blackwell menunjukkan bahwa permintaan pengemasan tingkat lanjut tidak menurun. Ia berpindah dari CoWoS-S yang matang menuju CoWoS-L yang lebih kompleks. Desain dual-die Blackwell, konfigurasi HBM yang lebih tinggi, dan kebutuhan integrasi sistem yang lebih besar meningkatkan konsumsi area paket, kepadatan interkoneksi, kontrol material, dan hasil pengujian per GPU. Saat menilai pengiriman GPU NVIDIA, Anda tidak boleh hanya melihat peluncuran produk baru. Anda juga perlu menilai apakah jalur pengemasan terkait sudah matang, apakah CoWoS-L sedang meningkatkan produksi, apakah HBM telah memenuhi kualifikasi, dan apakah pengiriman sistem lengkap mampu mengimbangi.
Ekspansi TSMC dapat meredakan kemacetan CoWoS, tetapi tidak akan membuat pasokan chip AI sepenuhnya longgar dalam jangka pendek. Setelah peningkatan kapasitas nominal, pemasangan peralatan, penyetelan proses, kualifikasi pelanggan, peningkatan yield, dan pencocokan HBM tetap membutuhkan waktu. Sementara itu, Blackwell, ASIC, dan chip kustom penyedia cloud terus meningkatkan permintaan pengemasan tingkat lanjut. Kemacetan CoWoS lebih mungkin menyempit secara bertahap daripada menghilang mendadak dalam satu kuartal.
TSMC telah menjadikan pengemasan canggih sebagai fokus ekspansi utama. Dalam panggilan pendapatan Q1 2025 TSMC disebutkan bahwa perusahaan sedang berupay menggandakan kapasitas CoWoS pada tahun 2025 untuk memenuhi permintaan pelanggan. Namun pada tahun 2026, panggilan pendapatan Q1 2026 TSMC masih menunjukkan bahwa kapasitas pengemasan canggih tetap sangat ketat dan TSMC perlu bekerja sama dengan mitra OSAT.
Sinyal kapasitas terbaru juga menunjukkan bahwa ekspansi terus berlanjut. Laporan Reuters tentang dua pabrik pengemasan canggih baru TSMC di Chiayi Science Park menunjukkan bahwa TSMC mengubah Chiayi menjadi pusat pengemasan canggih utama, dengan fasilitas baru yang mendukung ekspansi CoWoS dan teknologi pengemasan canggih lainnya. Persoalannya adalah fasilitas baru membutuhkan jeda waktu yang jelas dari konstruksi dan pemindahan peralatan hingga produksi uji coba dan produksi massal yang stabil.
| Jalur Ekspansi | Apa yang Dapat Ditingkatkan | Apa yang Masih Perlu Diperhatikan |
|---|---|---|
| Membangun pabrik pengemasan canggih baru | Meningkatkan batas atas kapasitas jangka panjang | Konstruksi dan peningkatan produksi membutuhkan waktu |
| Memperluas cleanroom | Menambah ruang untuk peralatan dan produksi | Pengiriman peralatan dan pengalaman tenaga kerja tetap menjadi kendala |
| Bekerja sama dengan mitra OSAT | Membagi sebagian proses back-end | Integrasi kelas atas masih bergantung pada proses inti |
| Meningkatkan utilisasi peralatan | Meningkatkan output jangka pendek | Tidak dapat memecah kemacetan struktural jangka panjang |
| Meningkatkan yield | Meningkatkan pengiriman efektif | Peningkatan yield paket besar lebih sulit |
Prakiraan rantai pasokan menunjukkan bahwa kesenjangan tersebut mungkin menyempit tetapi tidak hilang. Estimasi TrendForce mengenai kesenjangan pasokan-permintaan CoWoS mencatat bahwa seiring TSMC dan mitra-mitranya memperluas kapasitas, kesenjangan pasokan-permintaan CoWoS dapat menyempit dari sekitar 20% menjadi sekitar 10% pada akhir tahun 2026. Laporan yang sama juga menyebutkan bahwa kapasitas bulanan CoWoS milik TSMC dapat mencapai 120.000 hingga 140.000 wafer pada tahun 2026, dengan kapasitas tambahan dari mitra OSAT untuk melengkapi pasokan industri. Angka-angka ini merupakan estimasi rantai pasokan dan tidak boleh dianggap sebagai komitmen pengiriman resmi dari TSMC.
Untuk menilai apakah CoWoS benar-benar mereda, Anda tidak bisa hanya melihat kapasitas total. Anda juga perlu menilai kecocokan struktural. Blackwell membutuhkan lebih banyak CoWoS-L, sementara produk lama masih menempati CoWoS-S. HBM3E dan HBM4 memerlukan kualifikasi pelanggan. Paket besar memerlukan yield yang stabil. Pengiriman server juga bergantung pada pendinginan cair, power delivery, rak, dan kemajuan deployment pusat data.
| Indikator yang Perlu Dipantau | Apa Arti Peningkatan | Apa yang Tidak Bisa Dibuktikan Sendirian |
|---|---|---|
| Kapasitas total CoWoS | Pasokan pengemasan meningkat | Apakah semuanya CoWoS-L yang dibutuhkan oleh Blackwell |
| Pengiriman HBM | Dukungan memori semakin baik | Apakah semua keluaran telah lolos kualifikasi pelanggan |
| Yield pengemasan | Keluaran efektif meningkat | Tingkat konversi sebenarnya dari kapasitas nominal |
| Waktu tunggu pengiriman GPU | Pasokan akhir semakin baik | Apakah perakitan server masih menjadi kendala |
| Belanja modal TSMC | Kemauan ekspansi jangka panjang kuat | Kecepatan pengiriman jangka pendek |
| CAPEX AI Cloud | Permintaan tetap kuat | Apakah persaingan kapasitas semakin ketat |
Ringkasan: Ekspansi TSMC adalah syarat yang diperlukan untuk meredakan hambatan CoWoS, tetapi saja itu tidak memadai. Pabrik baru, peralatan, kolaborasi dengan OSAT, dan peningkatan yield secara bertahap akan menambah pasokan, tetapi permintaan dari Blackwell, ASIC, HBM, dan server AI juga terus meningkat. Untuk menilai apakah hambatan CoWoS benar-benar mereda, Anda harus melacak kapasitas efektif, bauran produk, kualifikasi HBM, yield pengemasan, dan siklus pengiriman sistem akhir secara bersamaan, alih-alih hanya mengandalkan satu angka kapasitas bulanan.
Anda dapat memandang kemasan tingkat lanjut sebagai simpul tengah (midstream) untuk memahami tema investasi chip AI. Ini menghubungkan hulu berupa node proses tingkat lanjut, HBM, peralatan pengemasan, substrate, dengan hilir berupa permintaan server AI. Ketika CoWoS ketat, pengiriman NVIDIA, belanja modal TSMC, kinerja pemasok HBM, dan pesanan peralatan semuanya dapat terpengaruh. Ketika CoWoS membaik, Anda tetap perlu memperhatikan perpindahan hambatan dan kemungkinan bahwa ekspektasi pasar telah memasukkan perbaikan tersebut ke dalam harga.
Tema pengemasan tingkat lanjut tidak dapat dianalisis melalui satu perusahaan saja. NVIDIA adalah pusat permintaan, TSMC adalah platform manufaktur dan pengemasan inti, SK hynix, Micron, dan Samsung berpartisipasi dalam pasokan HBM, vendor peralatan pengemasan tingkat lanjut dan substrat mendapatkan keuntungan dari ekspansi, dan ODM di hilir, pendingin cair, catu daya, serta vendor rak menentukan apakah GPU dapat menjadi server AI yang dapat diterapkan. Setiap lapisan dapat memengaruhi pengiriman akhir.
| Lapisan Rantai Pasokan | Tautan Representatif | Hal Penting yang Perlu Diperhatikan |
|---|---|---|
| Desain dan platform | NVIDIA, AMD, vendor ASIC | Peta jalan produk, kecepatan pengiriman, permintaan pelanggan |
| Manufaktur wafer | Node canggih TSMC | Kapasitas, yield, pendapatan node canggih |
| Pengemasan canggih | CoWoS, OSAT, peralatan pengemasan | Kapasitas dan ekspansi CoWoS-S/L |
| Memori | Pemasok HBM | Kualifikasi dan harga HBM3E/HBM4 |
| Sistem server | ODM, pendingin cairan, penghantaran daya | Pengiriman sistem lengkap dan penyebaran pusat data |
Untuk analisis investasi, pasokan CoWoS yang ketat tidak hanya mewakili risiko. Hal ini juga dapat menandakan permintaan industri yang kuat. Belanja modal pengemasan lanjutan TSMC, kesepakatan jangka panjang HBM, dan pesanan peralatan semuanya dapat memperoleh manfaat dari ekspansi chip AI. Namun, Anda tidak boleh menyamakan perbaikan CoWoS secara langsung dengan keuntungan pada saham NVDA, TSM, atau saham terkait HBM. Harga saham juga dipengaruhi oleh valuasi, ekspektasi laba, CAPEX cloud, margin kotor, suku bunga makroekonomi, dan selera risiko.
Jika Anda mengikuti saham AS yang terkait dengan chip AI seperti NVDA, TSM, AMD, MU, dan AVGO, Anda perlu mempertimbangkan biaya transaksi aktual selain riset kapasitas dan laba. Biaya perdagangan saham AS biasanya tidak hanya mencakup komisi; biaya tersebut juga dapat mencakup biaya platform, biaya agen eksternal, biaya aktivitas transaksi, dan biaya lain yang ditampilkan pada halaman pesanan. Sebagai contoh, Biya adalah dompet perdagangan multi-aset global yang mendukung saham AS, saham Hong Kong, dan aset digital. Biaya perdagangan saham AS menyatakan bahwa komisi perdagangan saham AS adalah US$0, sedangkan biaya platform, biaya agen eksternal, dan biaya lainnya mengikuti daftar biaya dan tampilan halaman pesanan.Ketersediaan layanan bergantung pada lokasi pengguna, hasil verifikasi identitas, aturan platform, serta hukum dan peraturan yang berlaku. Informasi pasar publik, aturan perdagangan, dan struktur biaya tidak merupakan saran investasi.
Anda juga dapat menggunakan informasi saham AS untuk melacak harga saham dan informasi dasar perusahaan terkait, serta menggunakan informasi saham Hong Kong untuk memantau beberapa saham Hong Kong yang berkaitan dengan perangkat, semikonduktor, dan server AI. Yang lebih penting, alat perdagangan harus berada setelah kerangka riset, bukan menggantikan analisis fundamental dengan berita jangka pendek. Kemasan tingkat lanjut (advanced packaging) adalah variabel industri jangka panjang, sedangkan harga saham dapat bereaksi lebih awal, lebih lambat, atau berlebihan.
Ringkasan: Kemasan canggih merupakan kerangka penting untuk memahami peluang chip AI, tetapi tidak dapat menggantikan analisis fundamental dan risiko yang menyeluruh. Kapasitas CoWoS, pasokan HBM, pengiriman Blackwell, ekspansi TSMC, CAPEX cloud, dan pengiriman sistem server semuanya harus dinilai dalam satu kerangka. Bagi investor biasa, pendekatan yang lebih bijak adalah melacak rantai pasokan lapis demi lapis sambil memastikan biaya transaksi, aturan pesanan, dan toleransi risiko pribadi, alih-alih mengambil keputusan tergesa-gesa hanya berdasarkan satu judul berita tentang kapasitas atau pergerakan saham jangka pendek.
Jika Anda terus mengikuti rantai pasok chip AI, advanced packaging akan menjadi petunjuk kunci untuk memahami NVIDIA, TSMC, pemasok HBM, dan perusahaan server AI. Dalam jangka pendek, hal ini memengaruhi pengiriman Blackwell dan pengadaan cloud. Dalam jangka menengah, hal ini memengaruhi belanja modal TSMC, pesanan peralatan, dan alokasi kapasitas HBM. Dalam jangka panjang, hal ini menunjukkan bahwa komputasi AI sedang bergeser dari persaingan kinerja chip tunggal menuju persaingan kapabilitas manufaktur tingkat sistem. Saat menggunakan Biya untuk melacak pasar multi-aset seperti U.S.saham, saham Hong Kong, dan aset digital, lebih baik mengevaluasi harga saham, pendapatan, kapasitas, struktur biaya, dan toleransi risiko pribadi dalam satu kerangka kerja, daripada mengambil keputusan perdagangan berdasarkan satu berita saja.
Pengemasan lanjutan berfokus pada interkoneksi multi-chip berdensitas tinggi, integrasi HBM, dan kinerja sistem. Pengemasan tradisional lebih berfokus pada perlindungan chip, menghubungkannya ke papan sirkuit, dan mengendalikan biaya. CoWoS adalah teknologi pengemasan lanjutan 2.5D untuk GPU AI dan komputasi kinerja tinggi, dengan penekanan lebih besar pada bandwidth, konsumsi daya, area kemasan, dan hasil produksi sistem.
CoWoS adalah tahap kunci yang mengintegrasikan die GPU, HBM, dan substrat ke dalam satu sistem. Bahkan jika manufaktur wafer node canggih telah selesai, GPU AI kelas atas NVIDIA tidak dapat menjadi produk yang dapat dikirim jika pasokan CoWoS atau HBM tidak mencukupi. Itulah sebabnya pengiriman dapat dibatasi oleh kapasitas pengemasan lanjutan (advanced packaging).
CoWoS-L lebih cocok untuk chip AI dengan area lebih besar, beberapa die, dan persyaratan interkoneksi yang tinggi. Platform seperti Blackwell telah meningkatkan permintaan terhadap CoWoS-L, sehingga pasar lebih memperhatikan kapasitas dan yield-nya. CoWoS-L dan CoWoS-S bukanlah substitusi sederhana; keduanya melayani struktur produk yang berbeda.
Baik HBM maupun CoWoS sama-sama krusial. HBM adalah memori berbandwidth tinggi, sedangkan CoWoS adalah kapasitas pengemasan canggih yang mengintegrasikan HBM dengan GPU. Kekurangan pada salah satunya dapat memengaruhi pengiriman GPU AI. Oleh karena itu, analisis rantai pasok harus mempertimbangkan kualifikasi HBM, kapasitas pengemasan efektif, dan yield pengujian akhir secara bersamaan.
Pasokan mungkin masih ketat pada fase-fase tertentu. Ekspansi TSMC dapat meningkatkan pasokan CoWoS, tetapi permintaan dari Blackwell, ASIC, dan infrastruktur AI awan juga terus bertambah. HBM, substrat, pengujian, pendinginan cairan, penyaluran daya, dan pengiriman sistem lengkap semuanya dapat menjadi hambatan baru. Peningkatan kapasitas tidak berarti pasokan langsung menjadi longgar.
Investor biasa dapat berfokus pada ekspansi kemasan canggih TSMC, pengiriman NVIDIA Blackwell, kualifikasi pemasok HBM, pesanan peralatan kemasan, CAPEX AI cloud, dan siklus pengiriman server. Keputusan investasi tidak boleh hanya bergantung pada satu judul kapasitas saja; valuasi, ekspektasi laba, dan toleransi risiko pribadi juga penting.
*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.

