
CoWoS adalah langkah krusial yang mengubah GPU AI kelas atas dari "wafer yang telah selesai" menjadi "komponen server yang siap digunakan." Anda dapat menganggapnya sebagai fondasi berkecepatan tinggi yang menghubungkan GPU, chiplet, dan HBM. Tanpa kapasitas CoWoS yang cukup, NVIDIA mungkin memiliki akses ke wafer node tingkat lanjut yang cukup, tetapi tetap tidak dapat mengintegrasikan die komputasi, HBM, substrat, dan pengujian menjadi produk akhir. Itulah sebabnya kendala pengiriman GPU NVIDIA bukan sekadar soal "chip yang tidak cukup," melainkan tentang pengemasan tingkat lanjut, HBM, substrat, yield, dan pengiriman sistem yang harus bekerja sama.

CoWoS adalah singkatan dari Chip on Wafer on Substrate. Pada dasarnya, ini adalah platform pengemasan tingkat lanjut milik TSMC untuk komputasi berkinerja tinggi. CoWoS tidak menjawab pertanyaan tentang "cara memproduksi transistor", melainkan "cara menghubungkan beberapa die berkinerja tinggi, HBM, dan substrat pengemasan dengan kecepatan tinggi." Untuk GPU AI, nilai CoWoS terletak pada penempatan chip komputasi dan memori berband lebar tinggi yang sangat berdekatan satu sama lain, sehingga meningkatkan bandwidth, mengurangi konsumsi daya, dan mendukung desain chip di tingkat sistem yang lebih besar.
Pengemasan tradisional lebih mirip dengan menempatkan satu chip ke dalam sebuah paket dan menghubungkannya ke memori eksternal dan komponen lain melalui papan sirkuit. GPU AI menghadapi tantangan yang lebih kompleks: pelatihan dan inferensi model membutuhkan volume data yang besar untuk berpindah dengan cepat antara GPU dan memori, dan jalur PCB biasa sulit memenuhi bandwidth dan latensi yang dibutuhkan. CoWoS hadir untuk menempatkan die GPU, logic chiplet, dan tumpukan HBM ke platform interkoneksi kepadatan tinggi.
Anda dapat membayangkan CoWoS sebagai "kampus chip berkecepatan tinggi." GPU adalah inti komputasi, HBM adalah gudang berbandwidth tinggi yang berada tepat di sebelahnya, dan interposer atau lapisan redistribusi adalah sistem jalan raya kampus. Semakin lebar jalannya dan semakin pendek jaraknya, semakin cepat data bergerak dan semakin rendah biaya energinya.
| Komponen | Fungsi | Arti bagi GPU AI |
|---|---|---|
| Die komputasi GPU | Menjalankan tugas komputasi matriks, inferensi, dan pelatihan | Menentukan batas atas kinerja komputasi |
| Tumpukan HBM | Menyediakan akses data berbandwidth tinggi dan latensi rendah | Menentukan kapasitas pasokan data untuk model berskala besar |
| Interposer silikon atau RDL | Menghubungkan GPU, HBM, dan chiplet | Menentukan kepadatan interkoneksi dan skala paket |
| Substrat paket | Menopang seluruh struktur dan menghubungkannya ke papan sistem | Mempengaruhi penyaluran daya, integritas sinyal, dan keandalan |
| Pengujian dan yield | Menyaring produk akhir yang dapat dikirim | Menentukan apakah kapasitas nominal menjadi pengiriman aktual |
CoWoS milik TSMC bukanlah satu proses tunggal, melainkan sebuah keluarga teknologi. CoWoS-S menggunakan interposer silikon berukuran besar dan cocok untuk aplikasi komputasi berkinerja ultra-tinggi. CoWoS-R menggunakan interposer RDL dan menawarkan fleksibilitas struktural yang lebih besar. CoWoS-L menggabungkan RDL dengan interkoneksi silikon lokal, sehingga cocok untuk produk HPC yang lebih besar dan lebih kompleks. TSMC mengungkapkan bahwa CoWoS-S dapat mendukung interposer hingga sekitar 3,3 kali ukuran reticle, sementara desain yang lebih besar lebih cocok menggunakan CoWoS-L atau CoWoS-R.
Di sinilah banyak orang salah memahami CoWoS. CoWoS bukan sekadar "cangkang kemasan chip." Ia adalah platform rekayasa tingkat sistem yang menentukan apakah GPU dan HBM dapat bekerja bersama dengan kecepatan tinggi. Semakin besar chip AI, semakin banyak HBM yang digunakan, dan semakin kompleks struktur chiplet, semakin dekat proses pengemasan dengan inti teknologi itu sendiri. Saat menganalisis NVIDIA, TSMC, pembuat peralatan pengemasan canggih, atau pemasok HBM, Anda tidak boleh hanya bertanya "siapa yang dapat memproduksi wafer node canggih," tetapi juga "siapa yang dapat secara andal menghasilkan pengemasan tingkat sistem bercakupan luas, dengan hasil tinggi dan bandwidth tinggi."
Ringkasan: Nilai inti dari CoWoS adalah mengintegrasikan die komputasi, HBM, dan chiplet lainnya ke dalam satu platform interkoneksi berdensitas tinggi. Ini memberi AI GPU bandwidth memori yang lebih tinggi, konsumsi daya perpindahan data yang lebih rendah, dan skalabilitas sistem yang lebih kuat. Memahami CoWoS sangat penting untuk memahami mengapa pengemasan tingkat lanjut telah berevolusi dari proses semikonduktor tahap belakang menjadi hambatan strategis dalam rantai pasokan chip AI.

GPU AI kelas atas menggunakan CoWoS bukan untuk membuat chip terlihat lebih ringkas, melainkan untuk menskalakan komputasi, memori, dan interkoneksi secara bersamaan. Pelatihan dan inferensi model berskala besar bukan hanya soal jumlah inti komputasi; hal tersebut juga memerlukan pergerakan konstan parameter, aktivasi, dan data cache ke dalam unit komputasi. Jika bandwidth memori tidak mampu mengimbangi, GPU bisa memiliki tenaga komputasi yang besar tetapi tidak cukup data untuk memanfaatkannya secara penuh. CoWoS dirancang untuk mengatasi kemacetan ini.
Chip AI dulunya terutama dipahami sebagai "perlombaan node canggih": siapa pun yang menggunakan node yang lebih canggih akan memperoleh kepadatan transistor dan efisiensi energi yang lebih kuat. Di era model besar, isu lain telah menjadi lebih penting: biaya pergerakan data. Semakin besar modelnya, semakin sering data harus berpindah antara GPU dan memori, dan jarak interkoneksi, bandwidth, serta konsumsi daya semuanya memengaruhi performa di dunia nyata.
H200 menekankan HBM3E karena beban kerja AI generatif dan HPC semakin membutuhkan kapasitas memori yang lebih besar dan bandwidth memori yang lebih cepat. Dengan Blackwell, persyaratan pengemasan meningkat lebih jauh lagi. Arsitektur NVIDIA Blackwell menunjukkan bahwa GPU Blackwell terdiri dari dua die yang mendekati batas reticle yang terhubung sebagai satu GPU terpadu melalui interkoneksi chip-ke-chip 10 TB/s. Platform NVIDIA Blackwell juga menekankan bahwa Blackwell menargetkan pelatihan model dengan parameter triliunan dan inferensi waktu nyata, yang membutuhkan komunikasi antar-chip dan interkoneksi tingkat sistem yang lebih kuat.
Ini berarti arsitektur chiplet tidak mengurangi pentingnya pengemasan canggih. Sebaliknya, hal ini telah menggeser tantangan sistem dari "bisakah satu chip besar diproduksi" menjadi "bisakah beberapa chip digabungkan secara andal dan dengan kecepatan tinggi."
| Kebutuhan GPU AI | Peran CoWoS |
|---|---|
| Parameter model yang lebih besar | Mengintegrasikan lebih banyak HBM dan meningkatkan kapasitas memori yang dapat digunakan |
| Throughput pelatihan yang lebih tinggi | Memperpendek jalur komunikasi antara GPU dan HBM |
| Efisiensi inferensi yang lebih baik | Mengurangi konsumsi energi dan latensi dalam perpindahan data |
| Arsitektur multi-chiplet | Menyediakan interkoneksi antar-chip dengan kepadatan tinggi |
| Platform berdaya lebih tinggi | Mendukung substrat berukuran besar, penyaluran daya, dan desain termal |
GPU konsumen dapat menggunakan kemasan yang relatif tradisional dan memori GDDR, tetapi GPU AI pusat data memerlukan bandwidth yang sangat tinggi, paralelisme tinggi, dan keandalan yang kuat. HBM sendiri adalah memori bertumpuk, tetapi tetap perlu terhubung ke GPU melalui interposer dengan antarmuka yang sangat lebar. Tanpa platform kemasan 2.5D seperti CoWoS, jalur data antara GPU dan HBM akan sulit mencapai kepadatan bandwidth yang dibutuhkan untuk pelatihan AI kelas atas.
Bagi investor dan pengamat rantai pasokan, ini berarti daya saing NVIDIA tidak hanya berasal dari CUDA, arsitektur GPU, dan perangkat lunak sistem. Hal ini juga bergantung pada apakah NVIDIA dapat mengamankan sumber daya kemasan canggih, HBM, dan sistem server yang cukup. Saat memantau NVDA, TSM, AMD, AVGO, MU, dan perusahaan terkait lainnya melalui informasi saham AS, pendapatan pusat data, margin kotor, dan panduan mereka harus dievaluasi bersama dengan kapasitas kemasan, pasokan memori, dan waktu tunggu pengiriman.
Ringkasan: GPU AI kelas atas bergantung pada CoWoS karena hambatan utama komputasi AI semakin berasal dari bandwidth memori dan interkoneksi antar chip. Sekalipun die GPU-nya bertenaga, kinerja sistem tetap akan terbatas jika tidak dapat bertukar data dengan HBM secara berkecepatan tinggi. CoWoS memungkinkan GPU, HBM, dan chiplet membentuk sistem berbandwidth tinggi pada level paket, menjadikannya lapisan infrastruktur kritis untuk Blackwell dan GPU AI di masa depan.

Batasan CoWoS membatasi pengiriman GPU NVIDIA karena die GPU tidak dapat dijual langsung ke penyedia cloud atau pelanggan server setelah proses manufaktur wafer selesai. Die tersebut harus diintegrasikan dengan HBM, substrat kemasan, struktur daya, dan desain termal, kemudian melewati pengujian akhir sebelum menjadi akselerator AI yang dapat diterapkan. Jika kapasitas CoWoS, HBM, atau kapasitas pengujian tidak mencukupi, die yang telah lolos kualifikasi dapat terjebak di tengah alur produksi.
GPU AI kelas atas biasanya melewati langkah-langkah berikut sebelum diserahkan:
Poin pentingnya adalah setiap langkah harus sesuai. Jika dies GPU cukup tetapi HBM tidak, pengemasan tidak dapat diselesaikan. Jika HBM cukup tetapi kapasitas CoWoS-L kurang, chip tetap tidak dapat dikirim. Jika pengemasan selesai tetapi hasil uji (test yield) tidak stabil, pengiriman aktual akan tetap lebih rendah daripada volume input.
Estimasi Epoch AI tentang rantai pasokan chip AI menunjukkan bahwa pada tahun 2025, NVIDIA, Google, AMD, dan Amazon secara bersamaan mengonsumsi lebih dari 90% kapasitas kemasan CoWoS dan pasokan HBM global, sementara NVIDIA saja menyumbang sekitar 60% pasokan CoWoS. Angka-angka ini merupakan estimasi penelitian, bukan angka yang diungkapkan oleh perusahaan, tetapi angka-angka tersebut menggambarkan kenyataan bahwa kemasan canggih dan HBM dapat menjadi hambatan jangka pendek dengan lebih mudah dibandingkan wafer logika canggih.
| Tautan Rantai Pasokan | Hasil Ketika Dibatasi | Mudah Disubstitusi? |
|---|---|---|
| Wafer advanced-node | Tidak cukup die GPU | Sangat sulit |
| Kapasitas CoWoS | Die tidak dapat menyelesaikan integrasi tingkat sistem | Sangat sulit |
| HBM | Tidak cukup memori berbandwidth tinggi | Sangat sulit |
| Substrat kemasan | Kemasan besar tidak dapat dibawa dengan andal | Terbatas |
| Yield pengujian | Pengiriman yang memenuhi syarat berada di bawah kapasitas nominal | Tidak dapat diselesaikan hanya dengan menambah lini |
| Perakitan server | GPU selesai tetapi pengiriman sistem penuh tertunda | Dapat diperluas secara bertahap |
TSMC terus memperluas kapasitasnya. Dalam panggilan laba TSMC Q1 2025 disebutkan bahwa perusahaan sedang berupaya menggandakan kapasitas CoWoS pada tahun 2025 untuk mendukung permintaan pelanggan. Namun, menggandakan kapasitas tidak berarti pengiriman langsung berlipat ganda, karena pemasangan peralatan baru, pengenalan material, kualifikasi pelanggan, dan peningkatan yield semuanya membutuhkan waktu. Panggilan laba TSMC Q1 2026 masih menunjukkan pasokan pengemasan lanjutan yang ketat, dengan TSMC juga perlu bekerja sama dengan mitra OSAT untuk memperluas kapasitas back-end.
Jika Anda memandang rantai pasok GPU AI sebagai sebuah lini produksi, maka CoWoS ibarat gerbang tercepat yang paling sempit di tengahnya. Meskipun produksi wafer berjalan cepat dan permintaan server kuat, pengiriman GPU akhir akan tetap terkendali jika gerbang ini tidak mampu memproses cukup banyak paket besar.
Ringkasan: CoWoS membatasi pengiriman GPU NVIDIA bukan karena semata-mata hanya merupakan “tahap pengemasan,” melainkan karena GPU kelas atas harus menyelesaikan integrasi sistem GPU, HBM, substrate, dan pengujian pada tahap pengemasan. Jika salah satu tautan di antara CoWoS, HBM, yield, dan perakitan server mengalami kelangkaan, permintaan nominal NVIDIA tidak dapat sepenuhnya berubah menjadi pengiriman aktual.
Permintaan NVIDIA untuk pengemasan canggih tidak menurun seiring dengan pematangan Hopper. Sebaliknya, dengan Blackwell, permintaan tersebut bergeser ke arah CoWoS-L yang lebih kompleks. Hopper terutama bergantung pada CoWoS-S, sedangkan Blackwell membutuhkan pengemasan multi-chip yang lebih besar dan lebih kompleks. Dengan kata lain, persoalannya bukan "NVIDIA menggunakan lebih sedikit CoWoS," melainkan "jenis CoWoS yang dibutuhkan NVIDIA sedang berubah," dan kapasitas lama serta kapasitas baru tidak sepenuhnya dapat dipertukarkan.
Komentar Jensen Huang tentang perubahan kebutuhan pengemasan penting untuk diperhatikan: Blackwell akan menggunakan CoWoS-L dalam jumlah besar, sementara Hopper terus menggunakan CoWoS-S. NVIDIA tidak mengurangi kebutuhannya akan pengemasan canggih; perusahaan tersebut mengalihkan permintaan tersebut ke arah CoWoS-L. Laporan Reuters yang sama juga mencatat bahwa penjualan chip Blackwell dibatasi oleh kapasitas manufaktur TSMC, dengan pengemasan tetap menjadi salah satu hambatan.
| Platform | Arah Pengemasan Utama | Perubahan Arsitektur | Dampak Rantai Pasok |
|---|---|---|---|
| H100/H200 Hopper | Terutama CoWoS-S | Satu die GPU besar dengan HBM | Terus menggunakan kapasitas CoWoS-S yang matang |
| Blackwell | Terutama CoWoS-L | Dua die komputasi besar dengan beberapa tumpukan HBM | Membutuhkan pengemasan yang lebih besar dan kompleks |
| Blackwell Ultra | Melanjutkan integrasi tingkat sistem skala besar | Kapasitas memori dan throughput yang lebih tinggi | Meningkatkan konsumsi HBM dan pengemasan |
| Platform masa depan | Integrasi heterogen berskala lebih besar | HBM, chiplet, dan interkoneksi terus ditingkatkan | Bottleneck mungkin terus berpindah |
Mengapa CoWoS-L lebih sulit? Karena ini bukan sekadar versi CoWoS-S yang lebih besar. Paket yang besar membawa kepadatan perutean yang lebih tinggi, tegangan ekspansi termal yang lebih kompleks, kontrol kerataan yang lebih ketat, dan pengujian yang lebih menuntut. Semakin luas area paket, semakin tinggi kerugian yang ditimbulkan oleh setiap cacat lokal. Semakin banyak chiplet dan tumpukan HBM yang ada, semakin besar ketergantungan hasil panen tingkat sistem pada kualifikasi semua komponen secara bersamaan.
Inilah alasan mengapa ekspansi pengemasan lanjutan berjalan lebih lambat daripada yang diharapkan banyak pelaku pasar. Membangun pabrik dan membeli peralatan hanyalah langkah-langkah pertama. Pencocokan material, penyetelan proses, kualifikasi pelanggan, dan peningkatan hasil produksi harus menyusul. Penilaian TrendForce tentang kelangkaan pengemasan 2.5D mencatat bahwa chip komputasi AI mengonsumsi lebih banyak sumber daya wafer dan pengemasan per unit, dan bahwa kelangkaan pengemasan 2.5D global yang parah mungkin baru mulai mereda sedikit pada tahun 2027.
Ini memiliki dua implikasi bagi NVIDIA dan TSMC. Pertama, kelanjutan produksi Hopper mengonsumsi CoWoS-S, sementara peningkatan volume Blackwell membutuhkan CoWoS-L, sehingga penyesuaian komposisi kapasitas itu sendiri merupakan tantangan. Kedua, peningkatan produk menambah konsumsi area kemasan, HBM, dan sumber daya pengujian per GPU. Bahkan jika TSMC meningkatkan total kapasitas, konsumsi sumber daya per unit bisa meningkat pada saat yang bersamaan.
Saat melakukan perdagangan atau penelitian atas NVDA, TSM, AMD, SK hynix, Micron, dan nama-nama lain di rantai pasok, Anda tidak boleh hanya melihat apakah GPU generasi berikutnya telah dirilis. Anda juga perlu bertanya apakah jalur pengemasan yang sesuai sudah matang, apakah HBM telah memenuhi syarat kualifikasi, dan apakah pemasok dapat mendukung produksi massal yang stabil.
Ringkasan: Dari Hopper hingga Blackwell, hambatan CoWoS belum hilang. Hambatan tersebut bergeser dari CoWoS-S yang lebih matang menuju CoWoS-L yang lebih kompleks. Desain dual-die Blackwell, luas paket yang lebih besar, dan permintaan HBM yang lebih tinggi meningkatkan jumlah sumber daya pengemasan canggih yang dikonsumsi per unit. Jika perluasan kapasitas tidak dapat mengikuti perubahan campuran produk, pengiriman GPU NVIDIA tetap bisa terkendala.
Pasokan CoWoS sedang membaik, tetapi kemungkinan besar tidak akan sepenuhnya terbebani dalam satu kuartal. Pandangan yang lebih rasional adalah kapasitas akan berkembang secara bertahap dan kelangkaan akan menyempit seiring waktu, tetapi hambatan dapat berpindah antara CoWoS-L, HBM, substrat kemasan, hasil pengujian, dan sistem server lengkap. Anda harus memperhatikan bukan hanya pengumuman kapasitas TSMC, tetapi juga kapasitas efektif, alokasi pelanggan, hasil produksi, dan siklus pengiriman pasar akhir.
Estimasi TrendForce mengenai kesenjangan pasokan-demand CoWoS menunjukkan bahwa seiring TSMC dan mitra memperluas kapasitas, kesenjangan CoWoS dapat menyempit dari sekitar 20% menjadi sekitar 10% pada akhir tahun 2026. Laporan tersebut juga menyebutkan bahwa kapasitas bulanan CoWoS milik TSMC pada tahun 2026 dapat mencapai 120.000 hingga 140.000 wafer, dengan mitra OSAT yang menambah pasokan lebih lanjut. Angka-angka ini merupakan estimasi rantai pasok dan tidak boleh dianggap sebagai komitmen pengiriman resmi dari TSMC.
Sinyal ekspansi yang lebih baru juga patut diamati. Laporan Reuters tentang dua pabrik pengemasan canggih baru di Chiayi Science Park menunjukkan bahwa TSMC masih berinvestasi di sekitar pengemasan canggih. Persoalannya adalah fasilitas baru biasanya membutuhkan jeda waktu yang cukup jelas mulai dari konstruksi, pemindahan peralatan, dan produksi uji hingga produksi massal yang stabil.
| Indikator | Arti Peningkatan | Kesalahan Pembacaan yang Umum |
|---|---|---|
| Total kapasitas CoWoS | Pasokan kemasan meningkat | Tidak semuanya tentu merupakan CoWoS-L |
| Pengiriman HBM | Pasokan memori membaik | Tidak semua output memenuhi kualifikasi untuk NVIDIA |
| Yield kemasan | Kapasitas pengiriman efektif membaik | Kapasitas nominal dapat melebih-lebihkan pengiriman aktual |
| Waktu tunggu pengiriman GPU | Pasokan akhir membaik | Juga dipengaruhi oleh perakitan server |
| Belanja modal TSMC | Kesediaan ekspansi jangka panjang kuat | Tidak berarti output jangka pendek segera |
| Cloud CAPEX | Permintaan AI tetap kuat | Dapat juga mempertinggi persaingan kapasitas |
Dalam jangka menengah, hambatan CoWoS dapat mereda, tetapi peningkatan berkelanjutan dari platform chip AI dapat menciptakan kendala baru. Setelah Blackwell, HBM4, paket yang lebih besar, interkoneksi optik, pendinginan cair, pengiriman daya, dan sistem skala rak semuanya dapat menjadi kekurangan baru. Rantai pasokan seperti satu set bilah tong yang terus berubah: begitu CoWoS menjadi kurang terkendala, HBM, kapasitas node canggih, substrat, atau pengiriman sistem penuh dapat menjadi bilah tong yang paling pendek berikutnya.
Saat mengubah analisis rantai pasok menjadi observasi perdagangan, biaya transaksi juga penting. Saham-saham terkait chip AI sangat volatil, dan informasi rantai pasok berubah dengan cepat. Sebelum menempatkan order, selain mempelajari kapasitas dan laba NVDA, TSM, AMD, MU, dan perusahaan lainnya, Anda juga perlu mengonfirmasi jenis order, harga eksekusi, biaya platform, dan biaya agensi eksternal. Misalnya, Biya mendukung perdagangan multi-aset lintas saham AS, saham Hong Kong, dan aset digital. Biaya perdagangan saham AS mereka menyatakan bahwa komisi perdagangan saham AS adalah USD 0, sedangkan biaya platform, biaya agensi eksternal, dan biaya lainnya tunduk pada jadwal biaya dan tampilan di halaman order.Ketersediaan layanan bergantung pada lokasi pengguna, hasil verifikasi identitas, aturan platform, serta hukum dan peraturan yang berlaku; informasi pasar publik dan struktur biaya tidak merupakan nasihat investasi.
Ringkasan: Kemacetan CoWoS sedang bergeser dari fase "kekurangan absolut" menuju fase "pengejaran ekspansi", namun rantai pasok tidak akan sepenuhnya bebas kendala hanya karena satu metrik kapasitas membaik. Anda sebaiknya memantau kapasitas efektif CoWoS-L, kualifikasi HBM, yield pengemasan, kolaborasi OSAT, pengiriman server, dan CAPEX cloud secara bersamaan. Bagi NVIDIA, pengiriman GPU tidak ditentukan oleh satu angka kapasitas saja, melainkan oleh kesesuaian seluruh rantai mulai dari wafer, HBM, dan pengemasan hingga pengiriman sistem akhir.
Jika Anda mengikuti rantai pasok chip AI, CoWoS adalah lensa sentral untuk memahami NVIDIA, TSMC, pemasok HBM, dan produsen perangkat pengemasan lanjutan. Dalam jangka pendek, hal ini memengaruhi jadwal pengiriman GPU dan siklus pengadaan cloud. Dalam jangka menengah, hal ini memengaruhi belanja modal TSMC, pesanan peralatan, alokasi HBM, dan pengiriman server AI. Dalam jangka panjang, hal ini menunjukkan bahwa komputasi AI sedang bergeser dari "persaingan kinerja chip tunggal" menuju "persaingan kemampuan manufaktur tingkat sistem." Saat menggunakan alat perdagangan multi-aset seperti Biya untuk melacak perusahaan terkait, lebih baik mengevaluasi harga saham, laba, kapasitas, struktur biaya, dan toleransi risiko pribadi dalam satu kerangka kerja daripada mengambil keputusan berdasarkan satu judul berita saja.
Tidak, tidak semua GPU NVIDIA membutuhkan CoWoS. CoWoS terutama digunakan untuk GPU AI pusat data kelas atas seperti H100, H200, dan Blackwell. GPU GeForce untuk konsumen atau produk tertentu dengan spesifikasi lebih rendah mungkin menggunakan solusi pengemasan dan memori yang berbeda. Kuncinya adalah membedakan akselerator AI pusat data dari kartu grafis biasa.
Tidak, output GPU tidak akan langsung naik seiring dengan kapasitas CoWoS. Perluasan kapasitas masih memerlukan instalasi peralatan, penyetelan proses, kualifikasi pelanggan, peningkatan yield, pencocokan HBM, dan perakitan server. Kapasitas nominal yang lebih tinggi biasanya pertama-tama meningkatkan fleksibilitas pasokan, lalu secara bertahap tercermin dalam siklus pengiriman GPU NVIDIA.
CoWoS adalah kemampuan pengemasan lanjutan yang mengintegrasikan GPU, HBM, dan chiplet, sedangkan HBM adalah memori berband lebar tinggi yang diintegrasikan ke dalam paket. Jika salah satunya tidak mencukupi, pengiriman GPU AI kelas atas dapat terpengaruh. CoWoS lebih merupakan hambatan integrasi manufaktur; HBM lebih merupakan hambatan pasokan dan kualifikasi memori.
Penggantian jangka pendek secara penuh adalah hal yang sulit. Samsung dan Intel keduanya memiliki jalur pengemasan canggih, tetapi desain GPU kelas atas NVIDIA, manufaktur wafer, kualifikasi HBM, dan yield pengemasan telah lama dibangun di sekitar ekosistem TSMC. Substitusi bukan hanya soal kelayakan teknis; ini juga melibatkan desain ulang, siklus kualifikasi, dan stabilitas produksi massal.
Ya, mereka menciptakan persaingan kapasitas. Akselerator AI seperti AMD Instinct, Google TPU, dan Amazon Trainium juga membutuhkan pengemasan canggih dan sumber daya HBM. NVIDIA tetap menjadi salah satu sumber permintaan terbesar, tetapi alokasi CoWoS bergantung pada kontrak pelanggan, peta jalan produk, jenis pengemasan, dan prioritas produksi massal.
Investor harus memperhatikan pendapatan pusat data NVIDIA, kecepatan pengiriman Blackwell, ekspansi pengemasan canggih TSMC, kapasitas pemasok HBM, dan CAPEX penyedia layanan cloud secara bersamaan. Pasokan CoWoS yang lebih baik dapat mendukung pertumbuhan pengiriman, tetapi tidak menjamin kenaikan harga saham. Valuasi, ekspektasi pasar, dan selera risiko juga berperan 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.

