Terjemahan asli: Deep潮 TechFlow
Tamu: Doug O'Loughlin, analis SemiAnalysis (pendiri mantan Fabricated Knowledge)
Host: Dylan Patel, pendiri SemiAnalysis
Sumber podcast: SemiAnalysis Weekly
Ep. 022 - Penurunan Pasar, Gelembung Historis, Pendanaan Pengembangan, Politik AI (Doug Kembali)
Tanggal siaran: 29 Juli 2026
Pernyataan kepentingan: Doug O'Loughlin dan Dylan Patel keduanya merupakan karyawan SemiAnalysis, sebuah lembaga penelitian berbayar untuk industri semikonduktor yang model bisnisnya bergantung pada kondisi industri. Konten berikut menyajikan secara akurat transkrip asli percakapan dan bukan merupakan saran investasi.
Ringkasan poin
Doug O'Loughlin kembali setelah sekian lama ke SemiAnalysis Weekly, tepat setelah sektor semikonduktor mengalami penyesuaian tajam setelah mencatat "semester pertama terbaik sepanjang sejarah". KOSPI Korea turun 40%, investor ritel dengan leverage 2x dibersihkan, dan SK Hynix gagal memenuhi ekspektasi karena perlambatan kenaikan harga akibat peralihan ke LTA. Doug membandingkan situasi saat ini dengan gelembung Taiwan pada tahun 1980-an, berpendapat bahwa pola perilaku gelembung sangat mirip, tetapi fundamentalnya tetap sehat.
Dua orang berdebat sengit tentang "seberapa besar permintaan AI sebenarnya." Dylan berdasarkan pengalaman SemiAnalysis: setelah agen pemrograman diluncurkan, pengeluaran AI perusahaan meningkat 100 kali lipat, pengguna bertambah dari 9 menjadi 90 orang, dan penggunaan per orang juga meningkat 10 kali lipat. Doug tidak menyangkal kuatnya permintaan, tetapi mengangkat kekhawatiran utama: pasokan bisa dihitung secara jelas, tetapi permintaan adalah "masalah triliunan," dan tidak ada yang memiliki jawabannya. Lebih penting lagi, hukum penskalaan mengharuskan chip berlipat ganda, tetapi hambatan fisik dan institusional seperti listrik, modal, dan izin tidak dapat berlipat ganda secara bersamaan. Pada tahun ini, penyedia cloud skala besar telah menerbitkan obligasi senilai $450 miliar, dengan dana berasal dari dana pensiun dan anuitas, sementara wadah dana pensiun itu sendiri sedang menyusut.
Ringkasan pandangan menarik
Tentang penarikan pasar
"Sampai akhir Q2, ini adalah kinerja terbaik dalam sejarah semikonduktor. Kemudian kami mulai membayar utang. Semakin cepat naik, semakin besar tarikan gravitasi."
Orang Korea memiliki catatan 20 tahun: selalu membeli di puncak. Pada 2007 membeli saham perbankan, pada 2021 membeli SaaS, kali ini mereka yolo pada diri sendiri.
KOSPI turun 40%, orang yang menggunakan leverage 2x langsung habis. Kemudian terjadi spiral yang memenuhi dirinya sendiri: setiap orang melihat akun mereka menyusut, memutuskan untuk menjual, dan memperparah penurunan.
Tentang siklus memori
SK Hynix beralih ke lebih banyak LTA, kenaikan harga melambat dari 3 kali menjadi 30 hingga 50%. Otak dunia keuangan rusak, hanya melihat tingkat perubahan. Ketika turunan kedua turun, mereka menganggap siklus telah berakhir.
Skenario semikonduktor selalu sama: saat terjadi kekurangan, semua orang memesan dua kali, pabrik melihat permintaan dan memperluas produksi secara gila-gilaan. Kemudian, permintaan bersin, pasokan masih meningkat, tingkat pemanfaatan turun dari 100% menjadi 50%, dan satu-satunya pilihan adalah menawar harga.
Tentang Permintaan AI
Kurva permintaanlah yang menjadi masalah triliunan dolar. Kurva penawaran relatif lebih mudah dipahami, tetapi tidak ada yang tahu apakah permintaan sebesar 10 kali atau 100 kali.
SemiAnalysis sendiri adalah contohnya: setelah agen coding diluncurkan, 9 pengguna teknis menjadi 90 pengguna seluruh perusahaan, dengan penggunaan token per orang meningkat 10 kali. Pengeluaran AI perusahaan meningkat 100 kali.
Tentang hambatan rantai pasok
Amerika kekurangan 100.000 listrik. Gaji tahunan listrik menengah mencapai 250.000 dolar AS, dan yang bersedia lembur bisa mencapai 400.000 hingga 500.000 dolar AS. Ada yang menggunakan pesawat Cessna untuk mengangkut listrik ke lokasi proyek terpencil.
Penyedia cloud skala besar tahun ini mengeluarkan utang senilai $450 miliar, hanya kalah dari utang pemerintah AS dan Tiongkok. Uang ini berasal dari dana pensiun dan anuitas, tetapi dana pensiun tidak akan berlipat ganda.
TSMC menyumbang 20% dari PDB Taiwan Tiongkok secara langsung maupun tidak langsung. Jika jumlahnya berlipat ganda, Taiwan Tiongkok perlu memiliki lebih banyak anak untuk mencukupi tenaga kerja.
Tentang AI Politik
AI kurang populer daripada es krim, daripada politisi. Ini belum dihargai. Dalam pemilu tengah masa jabatan, AI akan menjadi kambing hitam atas isu biaya hidup.
RUU ROSA disetujui di Dewan Perwakilan Rakyat dengan suara 300 banding 20, tetapi terjebak di Senat. Kekuatan lobi perusahaan menghambat undang-undang yang membatasi akses jarak jauh Tiongkok terhadap GPU.
Body
Setengah tahun terbaik dalam sejarah semikonduktor, lalu mulai melunasi utang
Dylan: Pasar saham mengalami penyesuaian, semua nama AI sedang turun. Hari ini kita either menambah bahan bakar atau memberikan sedikit kenyamanan.
Doug: Hingga akhir Q2 pada 30 Juni, ini kemungkinan merupakan performa terbaik dalam sejarah semikonduktor. Kemudian kami mulai melakukan unwind. Banyak hal ini dapat diatribusikan pada faktor teknis: leverage, reversal momentum. Tetapi kenyataannya, semakin cepat suatu hal naik, semakin besar gravitasinya. Kami sedang membayar harga untuk rally momentum gila sebelumnya.
Kondisi di Korea sangat gila. Setiap hari ada saham yang jatuh ke batas turun. Ada tweet yang mengatakan, "Bagaimana saya bisa menjalankan pekerjaan saya?" Direktur SDM kehilangan semua uangnya, semua orang sangat depresi karena semua saham jatuh. Jika Anda melihat kembali sejarah pasar keuangan Asia, kejadian semacam ini terjadi lebih sering daripada yang Anda bayangkan.
Buku favorit saya membahas gelembung besar Taiwan Tiongkok. Taiwan Tiongkok mengalami gelembung 100 kali lipat berdasarkan per kapita, perdagangan perbankan mencapai perkalian harga-ke-laba 500 kali, dan segalanya menjadi liar.
Dylan: Ini kapan?
Doug: Akhir 1980-an.
Dylan: Menurutmu, fundamental Korea sekarang berbeda dengan saat itu?
Doug: Dasar-dasarnya baik. Tetapi masalahnya, hal-hal selalu tidak seburuk yang ditakuti, dan tidak sebaik yang Anda bayangkan. SK Hynix hari ini meleset dari ekspektasi karena beralih ke lebih banyak LTA. Ironisnya, saat melakukan roadshow ADR, mereka masih mengeluh bahwa Micron mendapatkan harga lebih rendah dengan LTA.
Harga memori naik sekitar 3 kali lipat tahun lalu, tidak mungkin naik lagi 3 kali lipat tahun depan, mungkin hanya naik 30 hingga 50%. Tetapi otak dunia keuangan sudah rusak, hanya melihat tingkat perubahan. Dalam siklus memori historis, ketika turunan kedua turun, biasanya itu adalah akhir. Karena tingkat perubahan tidak akan berhenti di 30%, tetapi langsung jatuh ke minus 50%.
Skenario siklus ini selalu sama: semua orang berinvestasi membangun pabrik, kapasitas produksi diluncurkan, lalu menyadari "Astaga, mengapa permintaannya begitu rendah?" Karena sebelumnya ada pemesanan ganda, bahkan triple. Pabrik turun dari utilitas 100% menjadi 50%, satu-satunya cara untuk balik modal adalah menawar harga. Inilah esensi pasar semikonduktor.
KOSPI sekarang turun 40%. Orang dengan leverage 2x langsung habis. Kemudian terjadi spiral yang terwujud sendiri: setiap orang melihat akun mereka menyusut, memutuskan untuk menjual, dan memperparah penurunan.
Memori Tiongkok: Mungkin merusak pesta, tetapi permintaan masih lebih besar daripada pasokan
Dylan: Baru-baru ini, memori Tiongkok memasuki ekosistem, dengan CXMT dan YMTC melakukan IPO besar. Bagaimana pendapat Anda?
Doug: Mereka memiliki kapasitas produksi, bahkan jika tingkat yield rendah, itu tidak masalah. Perusahaan China bukan bersaing dalam hal margin keuntungan atau EPS.
CXMT kini jelas menjadi pemain keempat di pasar, tetapi dalam lingkungan kekurangan ini, mereka tetap bisa menghasilkan keuntungan. Apple sudah mulai menggunakan memori CXMT karena Micron melakukan "penipuan harga". Tidak ada yang menangis di kasino, Tim Apple. Anda harus membeli sesuai harga pasar.
CXMT mungkin merusak pesta, tetapi kenyataannya permintaan masih lebih besar daripada penawaran. Masalah triliunan dolar yang sebenarnya adalah: permintaan sebenarnya berada di mana? Kurva penawaran relatif mudah dipahami. Kurva permintaan kita tidak tahu. Kita tahu bahwa agen pemrograman dan chatbot berarti lebih banyak permintaan, tetapi tidak tahu apakah 10 kali atau 100 kali lipat. Penawaran akan meningkat secara buta hingga suatu hari bertemu dengan kurva permintaan.
Coding agent is the inflection point: SemiAnalysis's own 100x AI spending
Dylan: Saya merasa permintaan jelas sangat kuat dan akan berlangsung lama. Saya cukup melihat penggunaan internal di perusahaan saya sendiri. Jika Anda berpikir permintaan di masa depan akan datar atau menurun, Anda harus percaya bahwa model tidak akan lagi membaik. Saya tidak melihat tanda-tanda stagnasi sama sekali, hanya sinyal-sinyal yang berlawanan.
Doug: Biarkan saya menjadi devil’s advocate. Argumen bearish terbesar apa? Kecepatan kemajuan teknologi mungkin melebihi kecepatan orang-orang menggunakannya. Misalnya, aplikasi unggulan AI adalah entri data, dan Kimi K3 sudah cukup. Kita membuat mobil yang semakin cepat dan produk yang semakin baik, tetapi kurva permintaan sebenarnya sudah terpenuhi oleh produk yang sudah kita kuasai.
Ini seperti gelembung internet: saat itu dikatakan "permintaan berlipat ganda setiap 90 hari", tetapi teknologi serat optik meningkat 2 hingga 3 kali setiap tahun. Kinerja serat optik terakhir menjadi 500.000 kali lebih baik, lalu orang-orang berkata, "Tunggu sebentar, sepertinya kita tidak membutuhkan serat optik sebanyak ini."
Dylan: Saya tidak setuju, tetapi ini layak dibahas. Sanggahan saya adalah: masih ada 100 hingga 1000 kali lebih banyak orang yang saat ini tidak menggunakan model apa pun. Kedua, penggunaan AI jauh melampaui pemrograman. AI juga dapat digunakan untuk generasi video, penemuan obat, dan ilmu material. Ada yang menggunakan AI untuk membuat komponen superkonduktor, berapa harganya? Harganya setara dengan banyak GPU.
Dan kode itu sendiri bukan hanya sekadar “memusatkan satu div”. Itu mewakili seluruh kelas tugas yang memiliki nilai ekonomi jauh lebih tinggi daripada debugging frontend. Sam Altman membahas RSI (recursive self-improvement), Anthropic akan meluncurkan model baru. Agen kode di versi Claude 4.5 merupakan titik balik yang jelas: Anda melintasi garis kecerdasan tertentu, dan pasar baru yang benar-benar berbeda muncul. Hal yang sehari sebelumnya tidak bisa Anda lakukan, besoknya sudah bisa dilakukan.
Doug: Kamu adalah pengguna prototipe. Tahun lalu pada waktu ini, tim teknis SemiAnalysis hanya memiliki kurang dari 10 orang yang menggunakan coding agent, lalu kamu berkata kepada Dylan, “Semua orang di perusahaan harus belajar menggunakannya.” Sekarang kita memiliki 90 pengguna.
Dylan: Dari 9 hingga 90, 10 kali lipat. Kemudian dalam 3 hingga 4 bulan, penggunaan per orang juga sekitar 10 kali lipat. Pengeluaran AI perusahaan 100 kali lipat. Pertanyaannya sekarang, apakah setiap perusahaan akan mengalami hal ini? Mungkin tidak seintens ini, tetapi banyak perusahaan memiliki banyak pekerjaan yang bisa dipangkas.
H100 tidak akan menjadi sampah logam, tetapi model semakin membesar
Doug: Saya merasa chip lama akan menjadi tidak bernilai. Semua orang mengatakan "H100 adalah aset yang meningkat nilainya," tetapi suatu hari nanti, untuk menjalankan satu model diperlukan 100 unit H100. Saat itu, Anda akan berkata, "Biarkan si gadis tua pensiun, beli satu B300." Sinyal konfirmasi yang sebenarnya adalah munculnya diferensiasi harga antara B200 dan B300.
Dylan: Saya sama sekali tidak setuju. Alasan paling mendasar adalah: tidak ada yang akan membongkar H100 untuk ditukar dengan B300. Desain pusat data sama sekali berbeda. Anda tidak bisa mengganti Hopper dengan Blackwell atau Rubin di ruang yang sama; Anda harus membongkar seluruhnya dan membangun ulang. Jadi, untuk membenarkan pensiun seluruh pusat data Hopper, Anda harus terlebih dahulu membuktikan bahwa pendapatan dari chip-chip tersebut sudah lebih rendah daripada biaya operasionalnya. Ini bukan biaya variabel, ini adalah biaya tenggelam.
Doug: Anda benar di dunia tanpa gesekan, tetapi dunia tempat kita tinggal semakin penuh gesekan. Gesekan dalam membangun daya komputasi baru mencakup izin listrik, lahan, dan persetujuan.
Dylan: Ya, saya setuju. Skenario penurunan harga GPU adalah ketika kemajuan model terhenti, sedangkan skenario kenaikan adalah ketika kemajuan model berlanjut. Ada juga faktor X: intervensi pemerintah terhadap laboratorium terdepan. Jika pembatasan diberlakukan terhadap siapa yang bisa menggunakan chip terbaru dan terbaik, permintaan akan terkompresi, dan harga chip lama juga akan ikut turun.
Capital and Electric: Fisik Batas Scaling Laws
Doug: Yang paling saya khawatirkan bukan permintaan, tetapi hambatan fisik di sisi pasokan. Pertama, listrik. Amerika kekurangan 100.000 tukang listrik. Gaji tahunan tukang listrik menengah mencapai $250.000, dan yang bersedia bekerja 18 jam bisa mendapatkan $400.000 hingga $500.000. Ada situs web yang melacak lowongan tukang listrik, di Wayback Machine terlihat upah per jam naik dari $15 hingga $20 menjadi $50, $100, bahkan $200. Pelatihan seorang tukang listrik membutuhkan waktu 18 bulan. Untuk memenuhi kebutuhan yang dua kali lipat, kita belum pernah melatih sebanyak itu.
Yang kedua adalah modal. Pada tahun ini, penyedia cloud skala super besar menerbitkan sekitar $450 miliar utang, rekor tertinggi sepanjang masa, hanya kalah dari pemerintah AS dan pemerintah Tiongkok. Seseorang harus membeli utang-utang ini. Untuk membuat mereka membeli lebih banyak, suku bunga harus dinaikkan lebih tinggi. Sumber dana ini sebagian besar berasal dari dana pensiun dan anuitas. Dana pensiun mengalami penyusutan struktural. Dana pensiun telah banyak beralih ke 401k, dan 401k tidak membeli utang. Jadi pada dasarnya Anda harus percaya bahwa setiap orang membutuhkan asuransi dua kali lipat, tetapi ini tidak masuk akal.
Hukum penskalaan mengatakan, "Hebat, mari kita perbesar model menjadi dua kali lipat." Tetapi tidak semua hal dapat diperbesar secara sejajar menjadi dua atau tiga kali lipat.
Dylan: Tunggu sebentar, kamu bilang pensiun membayar untuk pembangunan pusat data?
Doug: Ya. Anuitas dibeli secara massal sebelum pensiun, dan generasi baby boomer sedang memasuki masa pensiun, sehingga aset ini cukup besar. Tetapi bisakah nilainya berlipat dua? Berlipat tiga? Saya tidak percaya. Asuransi jiwa juga menjadi sumbernya. Tetapi Anda harus percaya bahwa semua orang membutuhkan asuransi dua kali lipat. Tidak ada yang akan membeli asuransi jiwa dua kali lipat.
Dylan: Ini menarik. Pensiun secara struktural menyusut, tetapi memang ada banyak uang di sana.
Doug: Masih ada contoh Taiwan Tiongkok. TSMC secara langsung maupun tidak langsung menyumbang 20% dari PDB Taiwan Tiongkok. Jika TSMC meningkat dua atau tiga kali lipat, Taiwan Tiongkok perlu memiliki lebih banyak anak agar cukup tenaga kerja. Taiwan Tiongkok hanya memainkan satu permainan. PDB Taiwan Tiongkok tahun ini tumbuh 25%, semuanya karena TSMC memproduksi chip. Tetapi jika meningkat dua kali lipat lagi, jumlah manusia tidak akan cukup.
Politikasi AI: Kambing Hitam Pemilu Tengah Periode
Dylan: Banyak orang tidak menyukai AI, ini belum dihargai. Bagaimana bisa dihargai? Saya rasa ini pemilu tengah masa jabatan.
Doug: AI kemungkinan besar berada di peringkat kelima, bukan tiga besar. Kesehatan dan biaya hidup berada di depan. Tidak ada yang akan mencalonkan diri dengan platform AI.
Dylan: Tetapi AI akan menjadi sub-agenda biaya hidup. Bukan "apakah kita mendukung AI", melainkan "peduli pada ekonomi, salahkan tech bro dan AI". RUOSA disetujui di Dewan Perwakilan Rakyat dengan suara 300 banding 20, tetapi terhenti di Senat. Lobi perusahaan menghentikannya.
Doug: Jika bukan prioritas tiga besar, kekuatan lobi akan mengalahkan suara rakyat.
Dylan: Tetapi AI sudah menjadi kambing hitam bagi orang-orang dalam isu-isu lainnya. Perubahan iklim, perumahan, inflasi, AI dan tech bro akan selalu disalahkan.
Doug: Ada jajak pendapat menarik: orang yang membenci pusat data biasanya tidak tinggal di dekat pusat data. Sementara mereka yang tinggal di dekatnya, terutama generasi muda, memiliki sikap positif karena lapangan kerja. Saya pernah mengunjungi pusat data di dekat Buffalo, dan penduduk setempat sangat mendukung. Membangun pusat data di daerah terpencil sebenarnya merupakan hal baik, karena membuat partisipasi ekonomi lebih luas. Satu pusat data satu gigawatt membutuhkan sekitar sepuluh ribu orang. Tujuh puluh gigawatt berarti 700.000 lowongan pekerjaan. Ini mulai memengaruhi suara pemilih.
Akhir: Investasi lima triliun, pendapatan lima ratus miliar
Doug: Masa depan kemakmuran teknologi pasti akan terwujud, masalahnya adalah waktu arus kas. Anda menghabiskan satu triliun, mendapatkan seratus miliar, memang suatu hari nanti akan menjadi satu triliun. Tapi mungkin lima tahun lagi, pada saat itu Anda berkata, "Teman, saya tidak punya uang."
Misalkan seluruh ekosistem AI saat ini memiliki ARR sebesar $150 miliar dan CAPEX kumulatif sebesar $1 triliun. Return pendapatan 15%, dengan margin laba 50%, berarti 7,5%. Tidak buruk, tapi tidak juga sangat menguntungkan. Anda harus percaya bahwa $150 miliar bisa menjadi $500 miliar, dan ini bisa dicapai. Kemudian, $500 miliar dapat mendukung CAPEX sebesar $2-3 triliun. Namun, untuk menggandakan lagi setelah itu akan sangat sulit.
OpenAI dan Anthropic percaya bahwa pelatihan akhir segera akan tiba karena mereka akan IPO. Model yang dilatih secara akhir memang sangat baik, pendapatan tumbuh cepat, tetapi pertumbuhannya tidak cukup untuk membayar tagihan. Anda membangun rumah yang tidak mampu Anda bayar. Menghabiskan lima triliun dolar investasi, menghasilkan lima puluh miliar dolar pendapatan—itu adalah uang selama sepuluh tahun.
Dylan: Kamu mengatakan ini adalah pendapatan, bukan laba. Dan ketika kamu mengatakan itu, kamu tahu seberapa tinggi margin laba perusahaan-perusahaan ini saat ini dalam menyediakan layanan.
Doug: Ya, kami belum sampai ke tahap itu. Sekarang masih di jalan sempit, kita bisa melihat bagaimana pendapatan sesuai. Penyedia cloud skala super besar memiliki bisnis lain yang menghasilkan uang tunai sangat banyak; jika mereka ingin menghentikan CAPEX, keuntungan langsung bisa dicetak. Tetapi semakin banyak Anda berinvestasi, semakin tinggi taruhannya, dan semakin sempit jalannya. Pada titik tertentu, Anda benar-benar memerlukan semua orang untuk menggunakannya. Masalahnya adalah para pengambil keputusan dan pengguna nyata adalah dua dunia yang sama sekali berbeda. Zuck percaya setiap orang akan memakai kacamata Meta dan membakar triliunan token setiap hari di metaverse, tetapi nenek di Nebraska bahkan tidak bisa menggunakan iPhone baru.
Dylan: Pendapatan tidak bergantung pada nenek. Tapi pada perusahaan, bank, perusahaan telekomunikasi, perusahaan ritel, industri pertahanan, dan lembaga intelijen. Saya melihat setiap bank, setiap perusahaan telekomunikasi, setiap peritel menggunakan ini dalam pekerjaan sehari-hari. Kendala yang lebih menarik ada di sisi pasokan: apakah Anda bisa memasang cukup GPU, apakah Anda bisa merekrut cukup orang untuk menjualnya.
Doug: Ya, masalah sisi pasokan lebih menarik dan lebih sulit. Listrik, modal, izin—hal-hal ini tidak bisa dilipatgandakan sesuai hukum penskalaan. Tapi beri mereka waktu, itu akan datang. Tahun depan mereka memang mungkin menerbitkan senilai satu triliun dolar dalam obligasi. Masalah sebenarnya adalah jalurnya akan menyempit, taruhannya akan meningkat, dan Anda harus meminta semua orang untuk menggunakannya. Kurva adopsi ini membutuhkan waktu.