Morgan Stanley merilis laporan yang menyatakan bahwa peluncuran GPT-6 Astra akan mengubah arah perdebatan pasar. Astra mewakili lompatan signifikan dalam kemampuan penalaran, teknik, penggunaan komputer, dan eksekusi tugas di dunia fisik, yang berarti AI berkembang dari interaksi sederhana menjadi eksekusi tugas kompleks.

Penulis artikel: Long Yue

Sumber artikel: Wall Street Journal

Peluncuran sebuah model sedang mengubah arah perdebatan pasar.

Selama beberapa bulan terakhir, pasar telah memperdebatkan satu pertanyaan: “Berapa banyak infrastruktur yang diperlukan untuk melayani permintaan AI yang sudah diketahui?” Pertanyaan ini menyiratkan: Apakah infrastruktur AI sudah mengalami investasi berlebihan?

Namun, menurut informasi dari Trading Desk Zhuifeng, laporan yang dikeluarkan oleh Morgan Stanley pada 7 September menunjukkan bahwa pentingnya GPT-6 Astra tidak boleh dipahami secara sederhana sebagai kelanjutan dari narasi ekspansi skala (Scaling) yang lain. Ini bukan sekadar peningkatan model.

Astra mewakili lompatan signifikan dalam cakupan kemampuan dan interoperabilitas, yang tercermin dalam empat arah: kemampuan penalaran, kemampuan teknik, penggunaan komputer, dan pelaksanaan tugas di dunia nyata. Ini berarti AI mulai melangkah ke tingkat yang mampu melakukan penalaran kompleks, tugas teknik profesional, operasi komputer langsung, bahkan menangani tugas di dunia nyata. Semakin banyak hal yang bisa dilakukan, semakin banyak pula skenario yang bisa menghasilkan keuntungan. OpenAI dalam artikel terbarunya juga menyatakan bahwa model yang lebih baik membuka "bidang pekerjaan" baru.

Narratif AI kembali ditarik dari "perdebatan permintaan" ke "hambatan fisik"

Munculnya Astra mungkin mengubah masalah inti pasar dari "Berapa banyak infrastruktur yang diperlukan untuk melayani permintaan AI yang sudah diketahui," menjadi "Seberapa banyak beban kerja baru akan menjadi layak secara ekonomi seiring meningkatnya kecerdasan model?"

Ini adalah pertanyaan yang arahnya berlawanan. Yang pertama adalah keraguan dari sisi permintaan, yang kedua adalah tekanan dari sisi penawaran.

Analis dalam laporan tersebut mengemukakan logika ekonomi inti: model yang lebih baik dapat menciptakan efek elastisitas—semakin tinggi kecerdasan dan kegunaan yang diperoleh AI per dolar yang dihabiskan, semakin meningkat jumlah, durasi, dan kompleksitas beban inferensi.

Ini mirip dengan "paradoks Jevons" klasik: peningkatan efisiensi tidak mengurangi konsumsi, malah memperluas total konsumsi. Peningkatan output cerdas per unit biaya → skenario aplikasi yang sebelumnya tidak menguntungkan menjadi layak → beban kerja baru masuk → permintaan terhadap daya komputasi dan infrastruktur justru membesar.

Analis percaya bahwa jika kemampuan Astra dapat diubah menjadi aplikasi yang bermanfaat secara komersial, kolom pendapatan AI yang dapat dijangkau akan berkembang pesat, jauh melampaui skenario penggunaan saat ini yang didominasi oleh obrolan dan pemrograman.

Morgan Stanley memperkirakan, TAM pekerjaan pengetahuan global sekitar $22,5 triliun (berdasarkan perkiraan 900 juta pekerja pengetahuan global dengan gaji rata-rata sekitar $25.200 per tahun); TAM pengeluaran konsumen sekitar $30 triliun, mencakup ritel + perjalanan (sekitar $16 triliun), otomatisasi/mobilitas (sekitar $4 triliun), pengiriman makanan (sekitar $4 triliun), dan iklan (sekitar $3 triliun).

Kesimpulan analis adalah: Munculnya Astra menggeser narasi bottleneck dari "pembentukan permintaan" kembali ke "kendala pasokan fisik"—yaitu apakah mungkin mengirimkan kecerdasan ini dalam kondisi skala.

Apa yang dimaksud secara spesifik? Daya komputasi. Listrik. Bahan. Tenaga kerja. dll.

Di mana tepatnya bottleneck fisiknya: ABF dan HBM4E

Ketegangan di sisi pasokan memiliki dua poin fokus spesifik.

Yang pertama adalah papan ABF.

Morgan Stanley memperkirakan bahwa substrat ABF akan mengalami kekurangan pasokan mulai 2027, dan kesenjangan ini akan terus membesar hingga 2030. Kendala utama adalah: kapasitas produksi baru memerlukan setidaknya 2 tahun untuk mulai beroperasi.

Yang kedua adalah kompleksitas proses belakang (BEOL) HBM4E.

Laporan menunjukkan bahwa proses pasca-produksi HBM4E mewakili perubahan paradigma besar dalam pembuatan semikonduktor—HBM berkembang dari tumpukan penyimpanan 3D khusus menjadi sistem logika Chiplet khusus yang sangat terintegrasi.

Rantai dampak spesifik:

• Jumlah lapisan interkoneksi HBM4E meningkat (misalnya, SK Hynix memperkenalkan dummy bump), sehingga sebagian besar pengeluaran modal DRAM akan dipaksa dialokasikan untuk ekspansi kapasitas BEOL.
• Pengalihan proses di front-end-of-line (FEOL) dan percepatan pengiriman DRAM GB diperkirakan baru akan tercapai pada paruh kedua tahun 2027
• Pabrikan DRAM mengutamakan pemanfaatan kapasitas peralatan, sehingga ekspansi kapasitas NAND berpotensi ditunda

Ciri umum kedua bottleneck ini: keduanya merupakan batasan fisik yang dapat diverifikasi dan dilacak, bukan sentimen pasar.

Listrik: Hambatan fisik yang paling nyata

Seiring meningkatnya tekanan regulasi terhadap pusat data, pasokan listrik menjadi hambatan fisik kunci lainnya. Para analis memperkirakan total daya komputasi penyedia cloud skala besar akan meningkat dari sekitar 35 GW pada tahun 2025 menjadi sekitar 145 GW pada tahun 2028, atau sekitar empat kali lipat.

Analyst menunjukkan bahwa Amerika menghadapi kesenjangan listrik sebesar 38 gigawatt, dan pusat data akan semakin banyak mengadopsi solusi pembangkit listrik sendiri di belakang meter (behind-the-meter).

Perkiraan tersebut menunjukkan bahwa solusi listrik pasca-tabel akan menambah biaya modal sekitar $3 miliar per gigawatt. Sebagai contoh, chip NVIDIA Rubin Ultra generasi pertama, biaya total termasuk listrik pasca-tabel sekitar $50 miliar per gigawatt.

Apa yang diremehkan oleh pasar

Analis percaya bahwa pasar saat ini meremehkan tiga hal:

Pertama, manfaat teknologi global dari GPT-6 Astra belum sepenuhnya dihargai.

Kedua, ketegangan pasokan kemungkinan akan berlangsung lebih lama. Kendala pada ABF dan HBM4E BEOL tidak dapat diselesaikan dalam jangka pendek.

Ketiga, beberapa saham yang tidak bergantung pada AI sedang menguat secara perlahan. Chip simulasi (STM, NXP, Renesas) setelah mengalami dasar berbentuk L selama lebih dari tiga tahun, kini berada di tahap pemulihan awal siklus—persediaan dikurangi, harga stabil, dan pesanan industri membaik.

Kesimpulannya bukan "beli lebih banyak AI"

Prioritas investasi dari Morgan Stanley:

AI compute power (highest priority) > Network (secondary) > Memory (optional) + Analog chips (early-cycle hedge), including:

• Kekuatan komputasi AI: GPU (NVIDIA), ASIC (MediaTek, GUC), papan ABF (Unimicron, Ibiden), MLCC (Murata, Samsung Electro-Mechanics), pengemasan dan pengujian akhir (Advantest, Tokyo Electron, Huafeng, ASE, Kyocera)
• Jaringan: GLW, LITE, COHR, KEYS, Furukawa Electric, Fujikura
• Memori: Pertumbuhan prioritas pada saham struktural dan lokal (CXMT), SK Hynix, Samsung, Kioxia memiliki ruang kenaikan taktis dalam kondisi pasokan yang terus ketat
• Bukan AI: Chip simulasi (STMicroelectronics, NXP, Renesas)

Baris ini menyatakan: "Kami lebih memilih perusahaan yang berada di titik pertemuan antara siklus inferensi yang lebih luas, kapasitas fisik terbatas, intensitas konten yang meningkat, dan kompleksitas manufaktur yang bertambah."

Tempat yang perlu tetap waspada

Laporan Morgan Stanley tidak hanya optimistis secara sepihak, dan secara jelas menyoroti tiga hal yang perlu diperhatikan:

Pertama, ekspektasi terhadap AI sudah sangat tinggi. Tingkat toleransi pasar terhadap perusahaan AI telah berubah dari "kinerja baik" menjadi "harus sempurna", sehingga meskipun Astra mencapai kemajuan nyata, jika kinerjanya tidak melampaui ekspektasi secara signifikan, reaksi harga sahamnya mungkin tetap terbatas.

Kedua, pertumbuhan belanja modal pada tahun 2028 diperkirakan melambat. Harga saham melihat arah perubahan pertumbuhan, pelambatan itu sendiri berpotensi terus menekan valuasi, meskipun nilai absolut masih tumbuh.

Ketiga, tekanan makro tetap ada. Laporan menyebutkan ketidakpastian seperti harga minyak, inflasi, jalur suku bunga Federal Reserve, dan pemilu AS tahun 2028, dengan fokus khusus pada hambatan politik potensial terhadap ekspansi pusat data jika partai Demokrat memenangkan kekuasaan eksekutif.