Nvidia mengalami penurunan nilai saham 15% sejak Mei 2026, meskipun proyeksi pendapatan terus tumbuh. Hal ini terjadi karena pasar komputasi AI kini bergeser fokus ke perusahaan memori seperti Micron, yang nilainya meroket hampir tiga kali lipat. Penurunan harga sewa GPU Nvidia (sekitar $3.20 per jam untuk H100 pada Mei) kontras dengan lonjakan harga DRAM yang disebabkan oleh kekurangan pasokan untuk kebutuhan data center AI yang masif. Perusahaan teknologi besar seperti Google, Amazon, dan Microsoft mulai mengembangkan chip kustom mereka sendiri untuk mengurangi ketergantungan pada Nvidia, mendorong penurunan harga komputasi.
Poin Penting
- Saham Nvidia turun 15% meski pendapatan diproyeksikan naik, karena pasar fokus ke memori.
- Micron, produsen DRAM, mengalami kenaikan nilai saham hampir 3x lipat karena permintaan data center AI.
- Harga sewa GPU Nvidia H100 turun sejak Mei 2026, sementara harga DRAM melonjak.
- Perusahaan teknologi besar mengembangkan chip kustom untuk mengurangi ketergantungan pada Nvidia.
- Pasokan memori menjadi bottleneck baru di data center AI, bukan lagi GPU.
Penjelasan Mendalam
Artikel ini menyoroti fenomena di mana Nvidia, pencipta ekosistem komputasi AI melalui CUDA dan pengembangan GPU canggih, kini menjadi 'korban' dari kesuksesan pasarnya sendiri. Ketergantungan data center pada pasokan GPU Nvidia yang dulu menjadi kendala utama, kini bergeser ke memori. Lonjakan permintaan DRAM oleh pusat data AI yang diperkirakan Datatrack, telah membuat harga spot DRAM melonjak sepuluh kali lipat dalam setahun terakhir, sementara harga sewa komputasi per jam GPU Nvidia H100 justru menurun sejak puncaknya di Mei 2026 (sekitar $3.20 per jam menurut Ornn). Hal ini disebabkan oleh masuknya pemain baru di pasar akselerator dan pengembangan chip kustom oleh raksasa teknologi, yang meskipun belum sebaik GPU Nvidia, cukup untuk menurunkan harga komputasi secara keseluruhan.
Kenapa Ini Penting
Pergeseran ini menunjukkan bahwa rantai pasok AI semakin kompleks dan kompetitif. Praktisi AI perlu memahami di mana letak bottleneck sebenarnya untuk mengoptimalkan infrastruktur dan strategi investasi mereka.
Untuk Siapa
Praktisi AI, manajer infrastruktur data center, investor di sektor teknologi, dan pengembang yang merencanakan kebutuhan komputasi AI jangka panjang.
Contoh Use Case
- Menilai ulang alokasi anggaran untuk infrastruktur AI, dengan mempertimbangkan biaya memori yang meningkat.
- Mengevaluasi opsi chip kustom atau alternatif GPU dari vendor lain selain Nvidia.
- Memprediksi tren pasar komputasi AI dan potensi keuntungan di sektor memori.
- Mengoptimalkan konfigurasi server untuk menyeimbangkan kebutuhan komputasi dan memori.
- Merencanakan strategi diversifikasi vendor untuk mengurangi risiko ketergantungan.
Cara Mulai
- Pantau terus perkembangan harga spot dan kontrak DRAM dari sumber terpercaya seperti Datatrack.
- Analisis tren harga sewa komputasi per jam GPU dari platform seperti Ornn.
- Pelajari arsitektur dan performa chip AI kustom yang dikembangkan oleh Google, Amazon, dan Microsoft.
- Evaluasi kembali kebutuhan memori (VRAM, HBM) untuk model AI yang sedang dikembangkan atau diimplementasikan.
- Pertimbangkan potensi kolaborasi dengan produsen memori atau vendor akselerator alternatif.
Peran: Analis Pasar Teknologi AI
Konteks: Berdasarkan artikel TechCrunch 'Nvidia is a victim of the compute marketplace it created' (9 Juli 2026), pasar komputasi AI mengalami pergeseran fokus dari GPU ke memori (DRAM).
Tugas: Analisis implikasi strategis dari pergeseran ini bagi perusahaan yang bergantung pada infrastruktur AI, khususnya terkait dengan alokasi anggaran, pemilihan vendor, dan potensi bottleneck di masa depan.
Format Output: Poin-poin ringkas yang mudah dipahami.
Batasan: Gunakan Bahasa Indonesia, fokus pada aspek bisnis dan teknis yang relevan untuk praktisi AI.
Insight Bisnis
Terdapat peluang bisnis signifikan dalam peningkatan produksi dan inovasi di sektor memori berkecepatan tinggi (HBM) untuk memenuhi permintaan data center AI yang terus melonjak, serta potensi pasar untuk solusi komputasi alternatif di luar Nvidia.
FAQ
Mengapa harga saham Nvidia turun padahal pendapatannya naik?
Penurunan saham Nvidia disebabkan oleh pergeseran sentimen investor yang kini lebih melihat potensi pertumbuhan pada perusahaan memori (seperti Micron) yang menjadi bottleneck baru dalam infrastruktur AI, dibandingkan dengan Nvidia yang pasokan GPU-nya mulai teratasi.
Apa itu HBM (High-Bandwidth Memory) dan mengapa penting?
HBM adalah jenis memori berkecepatan tinggi yang dirancang untuk memindahkan data dengan sangat cepat ke dan dari prosesor, sangat krusial untuk performa beban kerja AI yang intensif.
Apakah chip kustom Google, Amazon, dan Microsoft bisa menggantikan GPU Nvidia sepenuhnya?
Saat ini, chip kustom tersebut 'cukup baik' untuk menurunkan harga komputasi dan mengurangi ketergantungan, namun artikel tidak menyatakan bahwa mereka bisa menggantikan GPU Nvidia sepenuhnya dalam segala aspek performa.
Sumber: TechCrunch AI
Diringkas dan disusun otomatis oleh GrowWithAI AI Pulse. Pelajari lebih lanjut lewat kelas AI GrowWithAI atau buka AI Pulse.