Pendapatan Semikonduktor AI Broadcom Melampaui $160 Miliar pada Q3

ASIC melangkah besar ke dalam laporan, langkah selanjutnya adalah melihat bagaimana permintaan puluhan GW berubah menjadi pendapatan nyata.

Penulis: Jim, MSX MaiTong

Diedit oleh: Frank, MSX Maetong

Laporan keuangan NVIDIA minggu lalu membuktikan bahwa permintaan akan daya komputasi AI masih jauh dari puncaknya.

Sedangkan kemarin malam, laporan keuangan Broadcom dirilis, garis lainnya juga menjadi lebih jelas.

Pendapatan semikonduktor AI Q3 sebesar $16,7 miliar, lebih tinggi dari perkiraan sebelumnya $16 miliar, kuartal berikutnya langsung diberikan $21,7 miliar, yang lebih penting lagi, pendapatan chip AI diperkirakan mencapai sekitar $115 miliar pada FY2027, dan bahkan mencapai $230 miliar pada FY2028.

Jadi sekarang sudah agak terlambat untuk mempertanyakan apakah ASIC termasuk kurva pertumbuhan kedua AI—uang AI sudah lama tidak hanya dihabiskan untuk GPU.

Setidaknya di Broadcom, garis ini sudah mulai masuk ke laporan, dan volume selanjutnya lebih besar dari yang diperkirakan sebelumnya. Yang benar-benar perlu dipantau ke depan adalah apakah proyek-proyek besar seperti Google, OpenAI, dan Anthropic dapat diluncurkan tepat waktu, serta seberapa besar bagian yang bisa diserap oleh Broadcom.

Jika semuanya berjalan lancar, maka lanjutkan musiknya dan terus menari.

Bagian yang benar-benar informatif dari laporan keuangan NVIDIA adalah bahwa, meskipun sudah berada pada basis yang sangat tinggi, penyedia cloud, perusahaan AI, dan laboratorium model tetap tidak berhenti menambahkan daya komputasi.

Namun, ketika AI CapEx bergerak dari puluhan miliar dolar AS menuju ratusan miliar dolar AS, dan akhirnya mencapai tingkat tahunan ribuan miliar dolar AS atau lebih tinggi lagi, logika pengadaan pasti akan berubah.

Misalnya, perusahaan besar mulai lebih sering bertanya, berapa biaya yang diperlukan untuk menyelesaikan beban kerja AI yang sama? Dengan daya 1 GW yang sama, berapa banyak daya komputasi efektif yang dapat dihasilkan? Jika beberapa beban kerja sudah sangat stabil, apakah masih perlu menggunakan produk dengan biaya tertinggi secara keseluruhan?

Ini adalah latar belakang di mana ASIC mulai menjadi semakin penting.

Tentu, memahami ASIC secara sederhana sebagai "GPU yang lebih murah" sebenarnya tidak akurat; keunggulan sejatinya berasal dari spesialisasinya.

Membuat chip khusus sendiri tidaklah murah, karena memerlukan investasi riset dan pengembangan yang besar, siklus pengembangan yang panjang, serta menangani serangkaian masalah adaptasi terkait perangkat lunak, packaging canggih, jaringan, sistem, dan rantai pasokan.

Namun sebaliknya, begitu beban kerja cukup stabil dan skala penyebaran meningkat dari puluhan MW menuju ratusan MW, dan akhirnya mencapai GW, peningkatan biaya per unit, rasio performa terhadap konsumsi daya, serta keseluruhan TCO sistem dapat diperbesar dengan cepat.

Jadi, Google terus berkomitmen pada TPU, Meta terus memperluas MTIA, dan OpenAI mulai bekerja sama dengan Broadcom untuk mengembangkan prosesor sendiri, semua menyadari bahwa bahkan hanya memindahkan sebagian beban kerja paling stabil dan terbesar dari chip generik ke chip khusus pun dapat membawa nilai ekonomi yang sangat besar.

Jika diringkas secara sederhana, akan terlihat bahwa ini juga dipengaruhi oleh beberapa kondisi yang secara bersamaan sedang matang, dengan variabel paling kunci adalah bahwa inferensi sedang menjadi beban增量 yang semakin penting.

Seperti yang diketahui, pelatihan model biasanya bersifat bertahap, tetapi setelah ChatGPT, Gemini, Claude, dan semakin banyak agen benar-benar masuk ke lingkungan produksi, inferensi menjadi pekerjaan yang terjadi terus-menerus setiap hari.

Terutama setelah volume permintaan terus meningkat dan arsitektur model serta pola layanan semakin stabil, ia secara alami lebih cocok untuk dilakukan optimasi perangkat keras khusus untuk workload tertentu. Pada Juni tahun ini, OpenAI secara resmi meluncurkan Intelligence Processor Jalapeño pertama yang dikembangkan bersama Broadcom, yang ditujukan khusus untuk inferensi LLM.

Yang lebih penting lagi, ini bukanlah chip yang terisolasi; OpenAI dan Broadcom secara jelas mendefinisikannya sebagai produk generasi pertama dari platform komputasi multi-generasi, yang direncanakan mulai dideploy pada akhir 2026 dan akan diperluas hingga skala GW di masa depan.

Rute Meta juga sangat serupa, sedang mengembangkan empat generasi MTIA dalam dua tahun ke depan, dengan fokus pada rekomendasi, pengurutan, dan AI generatif, di mana beberapa produk secara jelas menerapkan pendekatan desain inference-first. Pada April tahun ini, kerja sama dengan Broadcom diperluas lebih lanjut, dengan penyebaran tahap pertama telah melebihi 1 GW, dan rencana selanjutnya adalah memperluas hingga beberapa GW; kerja sama multi-generasi antara kedua belah pihak akan berlanjut hingga 2029.

Ini menunjukkan bahwa klien AI besar hari ini sedang beralih dari sekadar mengejar kinerja puncak ke aturan permainan lain: apakah token sebenarnya bisa diproduksi lebih murah.

Ketika AI benar-benar mulai dikomersialkan, biaya satu juta token, berapa banyak daya komputasi efektif yang dapat dihasilkan per watt listrik, serta TCO seluruh pusat data akan menjadi semakin penting.

Esensi ASIC sebenarnya adalah perusahaan AI besar mulai mencoba mengambil kembali kendali atas biaya bagian ini.

Setelah memahami hal ini, akan lebih mudah untuk melihat laporan keuangan Broadcom.

Pada kuartal sebelumnya, total pendapatan Broadcom mencapai $22,187 miliar, meningkat 48% secara tahunan; di mana pendapatan semikonduktor AI mencapai $10,8 miliar, meningkat 143% secara tahunan.

Panduan kuartal berikutnya yang diberikan perusahaan lebih agresif, dengan total pendapatan sekitar $29,4 miliar, di mana pendapatan semikonduktor AI diperkirakan mencapai $16 miliar, meningkat lebih dari 200% secara tahunan.

Apa artinya 16 miliar dolar AS? Ini setara dengan sekitar 54% dari total pendapatan yang diprediksi Broadcom untuk kuartal ini.

Artinya, jika panduan tersebut terwujud, hanya bisnis semikonduktor AI saja yang sudah dapat menyumbang lebih dari separuh pendapatan Broadcom—bahkan di sini sudah termasuk bisnis perangkat lunak infrastruktur seperti VMware.

Dengan kata lain, AI sedang secara langsung mengubah struktur pendapatan perusahaan ini.

Namun, ada salah paham yang mudah timbul di sini, 16 miliar dolar AS tidak dapat langsung setara dengan «pendapatan ASIC», karena juga mencakup produk jaringan AI seperti chip switch Ethernet, SerDes, PCIe, dan optical interconnect.

Pada kuartal sebelumnya, bisnis jaringan telah menyumbang hampir 40% dari pendapatan semikonduktor AI. Hock Tan juga menunjukkan bahwa proporsi ini mungkin telah mendekati puncak sementara, dan dalam jangka panjang kemungkinan besar akan kembali ke sekitar 30%.

Jadi, Broadcom sebenarnya sedang mengembangkan dua bisnis secara bersamaan, yaitu Custom XPU dan AI Networking, yang merupakan perbedaan terbesar dibandingkan banyak perusahaan chip murni.

Setelah klaster AI berkembang dari ribuan chip menjadi puluhan ribu, ratusan ribu, atau bahkan skala yang lebih besar, cara menghubungkan daya komputasi satu sama lain menjadi semakin penting.

Broadcom sedang membagi jaringan AI lebih lanjut menjadi scale-up, scale-out, dan scale-across: dari koneksi berkecepatan tinggi di dalam rak, hingga jaringan berskala besar di dalam pusat data, hingga koneksi antar pusat data.

Selama klaster AI terus membesar, jika penyedia cloud besar menambahkan ASIC buatan sendiri, Broadcom dapat berpartisipasi dalam Custom XPU; jika klaster GPU terus berkembang, pasar jaringan Ethernet terbuka juga kemungkinan akan terus membesar.

Ini menempatkan Broadcom pada posisi yang menarik, karena sebenarnya sedang mempertaruhkan kompleksitas seluruh infrastruktur AI yang terus meningkat.

Of course, this does not mean that this business has no competition.

Meskipun Google telah menandatangani perjanjian jangka panjang dengan Broadcom untuk mengembangkan generasi mendatang TPU dan komponen terkait rak AI generasi berikutnya, dengan perjanjian yang berlaku hingga tahun 2031; Google baru-baru ini juga memperluas kerja sama chip khususnya dengan Marvell.

Ini setidaknya menunjukkan bahwa klien besar tidak akan dengan mudah menyerahkan seluruh arsitektur masa depan kepada satu pemasok.

Pasar sudah tahu bahwa AI dari Broadcom akan sangat kuat.

Jadi, yang seharusnya diperhatikan dalam laporan keuangan ini bukanlah apakah 16 miliar bisa dicapai, untungnya jawabannya sudah keluar.

Setidaknya dari sudut pandang sekarang, garis Broadcom bukan lagi masalah "apakah ada kurva pertumbuhan kedua", melainkan seberapa panjang kurva tersebut akhirnya bisa menjadi, tetapi ini juga berarti pasar akan menjadi semakin selektif ke depannya.

Sebelumnya, 100 miliar sendiri sudah mengejutkan, sekarang setelah 115 miliar dan 230 miliar sudah diungkapkan, yang perlu diperhatikan justru bagaimana angka-angka ini akan direalisasikan.

Apakah proyek-proyek Google, Meta, OpenAI, dan Anthropic dapat berjalan sesuai rencana menuju skala GW, apakah chip generasi kedua dan ketiga masih dapat diperoleh setelah produksi massal chip generasi pertama, dan apakah bisnis jaringan dapat tumbuh seiring dengan skala klaster.

These are more important than selling tens of billions of dollars more in a single season.

Masalah lain yang semakin sulit dihindari adalah klien besar tidak akan hanya bergantung pada satu pemasok.

Google telah mulai memperluas kerja sama dengan produsen lain, dan Meta, OpenAI kemungkinan besar juga akan tetap mempertahankan sistem multi-pemasok. Jadi, keunggulan Broadcom saat ini memang nyata, tetapi belum sampai tahap "kunci pelanggan".

Dari sudut pandang ini, membuktikan apakah ia dapat bertahan jangka panjang dalam rantai pasokan inti pelanggan-pelanggan ini akan menjadi kunci kemenangan atau kekalahan.

Bagaimanapun, laporan keuangan Broadcom ini mengingatkan kita bahwa chip khusus, jaringan, dan konektivitas—yang sebelumnya lebih terlihat sebagai elemen pendukung—sedang perlahan menjadi inti utama.

Juga mengingatkan pasar bahwa investasi infrastruktur AI ini mungkin masih jauh dari tahap hanya ada persaingan stok.

Selama perusahaan besar terus membangun klaster yang lebih besar, membeli lebih banyak listrik, dan menghitung lebih banyak Token, hambatan baru akan terus muncul, dan kolam keuntungan baru akan ikut berkembang.

Bisnis AI ini sedang berkembang dari sebuah chip menjadi seluruh infrastruktur, yang merupakan ruang imajinasi yang lebih besar.