Saham AI Memory Turun Setelah Laporan Rantai Pasok tentang NVIDIA Rubin

Laporan rantai pasokan tentang kabinet NVIDIA Rubin menyebabkan sektor memori AI mengalami penurunan terlebih dahulu.

Laporan tersebut menyebutkan bahwa kapasitas memori per rak mungkin turun dari sekitar 55TB menjadi sekitar 28TB. Selanjutnya, Micron anjlok sekitar 7,7% pada hari itu, sementara SK Hynix turun lebih dari 8% pada pembukaan hari berikutnya. Lebih halus lagi, penulis laporan, Dylan Patel, kemudian menjelaskan bahwa banyak yang hanya mengutip bagian paling mencolok, dan laporan ini bukanlah laporan “buruk yang bencana”.

Reaksi besar ini terjadi karena hal ini menyentuh titik paling sensitif dalam pasar perangkat keras AI. Dalam periode terakhir, pasar tidak memperdagangkan siklus memori biasa, melainkan asumsi bahwa setelah produksi massal platform Rubin, kabinet AI akan terus mendorong permintaan akan HBM dan memori pendukungnya, sehingga pendapatan dan daya tawar pemasok memori akan kembali meningkat. Sejak GTC tahun ini, HBM4, pangsa SK Hynix, dan upaya Micron mengejar memori AI telah menjadi tema utama yang terus diperdagangkan oleh pasar.

Tetapi istilah "memori dipotong" terlalu kasar.

Penyesuaian yang diungkapkan oleh SemiAnalysis terutama merujuk pada perubahan konfigurasi SOCAMM dan LPDDR di sisi CPU di rak Rubin NVL72. Sebagian besar sistem kemungkinan menggunakan modul 96GB, bukan modul 192GB berkapasitas lebih tinggi, sehingga kapasitas memori per rak turun dari rencana sekitar 55TB menjadi sekitar 28TB. Perubahan ini memengaruhi nilai memori sistem per rak, tetapi belum dapat secara langsung disimpulkan bahwa permintaan HBM4 di sisi GPU juga diturunkan secara bersamaan.

Yang perlu dibedakan dengan jelas adalah, penyesuaian kali ini memengaruhi kolam keuntungan mana, dan harapan mana yang kini diperdagangkan oleh pasar.

Pasaran turun sebagai respons posisi setelah tema tinggi menghadapi kata kunci negatif.

Bagian yang telah dikonfirmasi adalah bahwa reaksi pasar sangat kuat, tetapi peristiwa ini masih berada pada tingkat laporan rantai pasokan. SemiAnalysis mengungkapkan bahwa NVIDIA mungkin menurunkan konfigurasi SOCAMM di sisi CPU untuk memastikan jadwal pengiriman Rubin NVL72. Angka yang disebutkan dalam laporan mencakup penurunan kapasitas memori per kabinet dari sekitar 55 TB menjadi sekitar 28 TB, serta penurunan biaya kabinet dari sekitar $7,6 juta menjadi sekitar $6,8 juta. Angka-angka ini harus dipahami sebagai sesuai dengan metodologi laporan SemiAnalysis, dan belum merupakan konfirmasi resmi BOM (daftar bahan) terakhir dari NVIDIA.

Dalam beberapa kuartal terakhir, saham memori AI naik karena narasi yang sangat menguntungkan: semakin banyak kabinet AI, semakin langka memori canggih, semakin tinggi keuntungan pemasok.

Semakin sederhana ceritanya, semakin besar dampak judul negatifnya. Begitu muncul "kapasitas memori dipotong setengah", pasar akan terlebih dahulu merevisi turun nilai memori per rak, jarang sekali langsung membedakan jenis memori mana yang disesuaikan.

Reaksi Micron paling jelas menunjukkan masalahnya.

Perusahaan ini merupakan pemasok DRAM tradisional sekaligus penerima manfaat dari peningkatan memori server AI. Fleksibilitas yang sebelumnya diberikan pasar sebagian besar berasal dari penilaian ulang bahwa "memori AI tidak lagi hanya barang siklus". Jika kapasitas memori sistem Rubin per rak menurun, investor akan langsung khawatir apakah perkiraan pendapatan per rak Micron di segmen SOCAMM dan LPDDR terlalu tinggi.

SK Hynix juga turun, menunjukkan bahwa dorongan ini telah melampaui satu pemasok saja.

Ia lebih kuat di bidang HBM, sebelumnya pasar juga beredar kabar bahwa perusahaan ini memperoleh sebagian besar pesanan HBM terkait Vera Rubin. Namun, ketika perdagangan memori AI menjadi ramai, dana tidak akan menunggu hingga semua detail diverifikasi sebelum bertindak. Penurunan saham memori secara serentak mencerminkan penyempitan preferensi risiko sektor, bukan karena setiap perusahaan mengalami dampak fundamental yang sama.

Pernyataan klarifikasi selanjutnya dari Dylan Patel juga menunjukkan hal ini. Ia menyatakan bahwa laporan tersebut tidak bermaksud menciptakan narasi "bencana", dan banyak orang mengabaikan konteksnya.

Dalam bahasa pasar, dana tidak sepenuhnya melakukan transaksi analisis rantai pasokan, tetapi segera mengurangi posisi setelah menghadapi kata kunci negatif setelah menyentuh level tinggi.

Yang utama diturunkan adalah memori sistem di sisi CPU, bukan HBM4 di samping GPU.

Memori di dalam kabinet Rubin tidak dapat dirangkum hanya dengan satu kata. Cara paling sederhana untuk membaginya adalah dua lapisan:

Lapisan pertama adalah HBM4 di sisi GPU, yang melayani chip akselerator itu sendiri;

Lapisan kedua adalah SOCAMM dan LPDDR di sisi CPU, yang lebih mirip memori operasional keseluruhan sistem.

Yang pertama menentukan kecepatan data yang diberikan ke GPU, yang kedua memengaruhi pengelolaan keseluruhan sistem, pemeliharaan, dan sebagian kinerja beban kerja.

SemiAnalysis menyebut "55TB ke 28TB", yang terutama terletak pada memori sistem sisi CPU.

Yang mungkin berubah adalah jumlah modul SOCAMM, kapasitas, dan jumlah pembelian di setiap kabinet Rubin NVL72. Jika sebagian besar sistem beralih dari modul 192GB ke modul 96GB, nilai per unit SOCAMM berkapasitas tinggi memang menurun, sehingga elastisitas pendapatan pemasok terkait akan mengalami tekanan.

Namun, HBM4 di sisi GPU adalah garis lain.

Platform Rubin tetap berfokus pada Rubin GPU dan Vera CPU, dengan HBM4 tetap menjadi elemen memori inti dalam packaging GPU dan pelepasan daya komputasi. Informasi saat ini tidak menunjukkan penurunan kapasitas HBM4 atau pengiriman Rubin GPU secara bersamaan. Sebelumnya, berbagai pihak masih memandang HBM sebagai salah satu komponen paling langka dan paling berkuasa dalam hal penetapan harga di server AI, dengan SK Hynix dianggap sebagai penerima manfaat utama.

Anda dapat memahami rak AI sebagai server berperforma tinggi yang sangat mahal.

HBM lebih mirip memori berkecepatan tinggi yang ditempel di samping GPU, sedangkan SOCAMM lebih mirip memori sistem yang dapat diganti secara keseluruhan. Penyesuaian utama kali ini adalah yang terakhir.

Untuk posisi, perbedaannya sangat langsung: jika Micron memiliki eksposur lebih besar dalam sesi SOCAMM, penurunan nilai per unit akan langsung memengaruhi ekspektasinya; SK Hynix memiliki logika HBM yang relatif independen, tetapi tetap akan terdampak oleh sentimen sektor dalam perdagangan yang padat.

Mengurangi memori sistem dan langsung menyimpulkan bahwa permintaan HBM4 gagal, buktinya masih belum cukup.

Cara yang lebih masuk akal adalah, kolom keuntungan di sisi CPU memang menghadapi tekanan penurunan, sementara di sisi GPU, HBM masih bergantung pada total pengiriman Rubin dan ritme pesanan HBM4.

Pasaran memori AI sudah tidak bisa lagi diwakili oleh satu garis tunggal “semua memori kuat” untuk semua pemasok. Micron, SK Hynix, dan Samsung Electronics memiliki eksposur yang berbeda dalam HBM, SoC RAM, DRAM tradisional, dan NAND; memori yang berbeda dalam satu kabinet yang sama juga memiliki harga, margin laba, dan kendala pasokan-permintaan yang berbeda.

Interpretasi optimis berasal dari biaya dan ritme pengiriman.

Perkiraan SemiAnalysis menunjukkan bahwa biaya rak Rubin NVL72 kemungkinan turun dari sekitar $7,6 juta menjadi sekitar $6,8 juta, atau penurunan sekitar $800.000.

Bagi penyedia cloud seperti Microsoft, Google, Amazon, dan Meta, kabinet AI bukan sekadar membeli perangkat keras, tetapi menghitung biaya daya komputasi per jam, waktu pasokan, dan stabilitas dalam skala besar.

Jika pengurangan konfigurasi memungkinkan Rubin untuk mengirim lebih cepat, penurunan nilai per unit mungkin diimbangi oleh lebih banyak rak.

Logikanya tidak rumit. Jika pasokan SOCAMM kapasitas tinggi terbatas, NVIDIA memilih konfigurasi yang lebih mudah dikirimkan, yang dapat menurunkan BOM per rak dan mengurangi risiko komponen tertentu menghambat pengiriman seluruh unit.

Bagi pembeli, jika konfigurasi memori sistem yang lebih rendah tidak secara signifikan memengaruhi beban kerja inti, mendapatkan rak lebih awal mungkin lebih menarik daripada menunggu versi lengkap.

Masalahnya, langkah ini saat ini masih bersifat simulasi.

Penurunan biaya tidak otomatis setara dengan peningkatan pesanan. Untuk mengimbangi "penurunan nilai per unit" dengan "peningkatan total jumlah rak", NVIDIA perlu mengirimkan lebih banyak Rubin NVL72, dan penyedia cloud juga perlu menambah atau mempercepat pembelian.

Bahan yang ada belum memiliki pesanan terbuka, panduan kuartalan, atau data pengiriman aktual untuk membuktikan hal ini.

Dengan memahami melalui skenario sederhana, jika kapasitas jenis SOCAMM dalam satu rak mendekati setengahnya, maka pengiriman total rak harus ditingkatkan secara signifikan agar kebutuhan Bit total pada tahap ini kembali ke tingkat yang diharapkan.

Meskipun biaya turun sekitar 10%, tidak serta-merta berarti pelanggan akan membeli cukup banyak rak server. Pembelian oleh penyedia cloud besar juga dipengaruhi oleh listrik, pembangunan pusat data, pasokan GPU, pengemasan canggih, dan perangkat jaringan; penurunan BOM tunggal hanyalah salah satu variabel.

HBM dalam kondisi yang relatif lebih stabil, tetapi tidak sepenuhnya kebal.

Jika total keluarannya Rubin tetap kuat, HBM4 tetap menjadi salah satu tahapan yang paling langsung diuntungkan; jika kemudian terbukti bahwa pengiriman seluruh perangkat terhambat oleh bottleneck lain, HBM juga akan terpengaruh oleh ritme pengiriman platform.

Perbedaannya, laporan ini tidak langsung menurunkan konfigurasi HBM4; pasar sedang menunggu jumlah kabinet yang dikirimkan, bukan hanya fokus pada angka kapasitas SOCAMM.

Risiko terbesar saat ini adalah pasar terlebih dahulu menilai ulang berdasarkan pembagian kolam keuntungan, tetapi data selanjutnya tidak memberikan dukungan yang optimis.

Jika NVIDIA atau rantai pasokan akhirnya mengonfirmasi bahwa Rubin NVL72 akan secara jangka panjang menggunakan konfigurasi SOCAMM yang lebih rendah, sementara pengiriman total kabinet tidak mengalami peningkatan signifikan, pemasok memori sistem sisi CPU akan menghadapi tekanan yang lebih berkelanjutan terhadap perkiraan pendapatan.

Bagi Micron, yang penting bukan hanya label umum "manfaat memori AI", tetapi pemisahan pendapatan untuk berbagai produk.

Dalam laporan keuangan dan konferensi telepon selanjutnya, perlu diperhatikan apakah manajemen mengungkapkan ritme pertumbuhan terkait DRAM, SOCAMM, dan HBM untuk server AI, serta apakah margin kotor berubah karena spesifikasi, harga, atau negosiasi klien.

Jika perusahaan hanya memberikan pernyataan optimis tentang total permintaan, tetapi tidak dapat menjelaskan dampak penyesuaian konfigurasi SOCAMM, pasar mungkin terus memberikan diskon.

Bagi SK Hynix, titik verifikasi lebih condong ke HBM.

Jika pangsa pesanan HBM4, ritme pengeluaran, dan harga tetap kuat, koreksi kali ini lebih mirip fluktuasi sentimen sektor; jika kemudian total pengeluaran Rubin atau ritme pengiriman HBM juga mengalami penurunan, pasar baru akan menyebarkan dampaknya dari SOCAMM ke jalur utama HBM.

Ini juga merupakan perubahan khas setelah tema memori AI memasuki tahap tengah.

Pada pasar awal, pembeli memperkirakan arah: semakin banyak kabinet AI yang dibangun, semakin sedikit memori canggih yang tersedia.

Saat ini, aset yang menjadi dasar telah mengalami kenaikan signifikan, dan dana mulai memeriksa apakah setiap keuntungan benar-benar telah direalisasikan. Satu rincian rantai pasokan saja dapat memicu fluktuasi harian 7%-8%, menunjukkan bahwa perdagangan sektor ini sudah terlalu padat, sehingga informasi negatif lebih mudah diperbesar.

Sebelum penjualan nyata dan pemisahan laporan keuangan terjadi, mengklasifikasikan koreksi ini sebagai "buruk sudah keluar" atau "kerusakan permintaan AI" masih terlalu dini.

Pandangan yang lebih hati-hati adalah mengakui tekanan penurunan nilai per unit di sisi CPU, sekaligus memisahkan penetapan harga HBM4 dan SOCAMM.

Yang masih paling mampu mengubah penilaian adalah apakah NVIDIA akan mengonfirmasi BOM akhir Rubin NVL72, apakah rencana pengiriman aktual kabinet Rubin dapat dinaikkan, serta eksposur pendapatan dan perubahan marjin kotor dari Micron, SK Hynix, dan Samsung Electronics di HBM serta SOCAMM/LPDDR.