Nvidia tetap menjadi nama terbesar dalam perangkat keras AI, tetapi ledakan infrastruktur sekarang meluas jauh di luar GPU. Investor bisa mendapatkan paparan melalui jaringan, memori, daya, pendinginan, dan pusat data: area yang mungkin mendapat manfaat seiring meningkatnya permintaan komputasi AI.
Pendapatan pusat data Nvidia mencapai $75,2 miliar pada Q1 fiskal 2027, naik 92% year over year. Pada saat yang sama, IEA memperkirakan konsumsi listrik pusat data global akan meningkat dari sekitar 485 TWh pada 2025 menjadi sekitar 950 TWh pada 2030.
Itu berarti perdagangan AI semakin menjadi perdagangan infrastruktur.
Di mana berinvestasi selain Nvidia
| Lapisan AI | Apa yang disediakan | Contoh |
|---|---|---|
| Hitung | GPU dan akselerator | Nvidia, AMD |
| Jaringan | Menghubungkan klaster AI besar | Broadcom, Marvell |
| Memori | Memori bandwidth tinggi | Micron |
| Daya dan pendinginan | Listrik dan manajemen termal | Vertiv, Bloom Energy |
| Pusat data | Kapasitas AI fisik | Equinix, Digital Realty, CoreWeave |
Panduan chip AI Coinpaper mencakup sisi semikonduktor dari tumpukan ini, sementara analisis pusat data-nya melihat perusahaan-perusahaan yang menyediakan kapasitas komputasi.
Daya mungkin menjadi hambatan utama
Membangun lebih banyak server AI tidak membantu jika pusat data tidak dapat mengamankan listrik yang cukup.
IEA memperkirakan konsumsi daya pusat data akan hampir dua kali lipat pada tahun 2030. Hal ini dapat menguntungkan perusahaan-perusahaan yang memasok peralatan listrik, sistem pendingin, dan generasi di lokasi.
Vertiv menyediakan peralatan daya dan manajemen termal untuk pusat data berdensitas tinggi. Bloom Energy menawarkan generasi sel bahan bakar di lokasi, pilihan yang semakin relevan di mana kapasitas jaringan terbatas. Coinpaper baru-baru ini mengkaji peluang yang didorong oleh AI untuk Bloom.
Meningkatnya biaya memori juga menunjukkan bagaimana bottleneck dapat berpindah melalui stack. Liputan biaya server Coinpaper baru-baru ini menyoroti kenaikan harga sistem Nvidia karena memori menjadi lebih mahal.
Cara sederhana untuk membandingkan saham infrastruktur AI
Investor sebaiknya melihat lebih jauh dari sekadar pertumbuhan pendapatan.
Satu metrik penyaringan yang berguna adalah:
Efisiensi Pertumbuhan AI = Pertumbuhan pendapatan terkait AI ÷ P/E maju
Contoh:
- Perusahaan A: 40% pertumbuhan ÷ 40× P/E = 1,0
- Perusahaan B: 25% pertumbuhan ÷ 20× P/E = 1,25
Skor yang lebih tinggi dapat menunjukkan bahwa investor membayar lebih sedikit untuk setiap poin persentase pertumbuhan yang diharapkan. Ini bukan model penilaian lengkap, tetapi dapat membantu membandingkan perusahaan yang beroperasi di berbagai bagian tumpukan AI.
Faktor lain juga penting:
- Pertumbuhan pendapatan AI
- Arus kas bebas
- Konsentrasi pelanggan
- Kebutuhan pengeluaran modal
- Penilaian
- Paparan terhadap bottleneck infrastruktur
Poin utamanya sederhana: Nvidia mungkin tetap berada di pusat komputasi AI, tetapi pembangunannya semakin bergantung pada perusahaan-perusahaan yang memasok memori, jaringan, listrik, pendinginan, dan kapasitas pusat data fisik.
Bagi investor yang mencari peluang di luar GPU, hambatan infrastruktur tersebut mungkin menawarkan beberapa peluang AI jangka panjang yang paling menarik.