Lembaga Analis SemiAnalysis, Dylan Patel, melakukan wawancara mendalam: Pandangan ke depan rantai industri kekuatan AI

Menulis: Investasi Pasar Saham AS

1. Perkembangan AI secara fundamental mengubah logika bisnis apa?

Masa lalu = Ide sangat murah + eksekusi nyata sangat sulit.

Sekarang = Ide bertebaran dan murah + eksekusi sangat mudah (melalui AI).

Ini berarti → Hanya ide berkualitas tinggi yang layak mendapatkan sumber daya komputasi untuk dieksekusi. Ringkasannya, daya eksekusi tidak lagi menjadi keunggulan kompetitif, modal dan tim harus berfokus pada “bagaimana memilih ide yang tepat” dan “bagaimana menjual hasil dari AI”.

2. Apa motivasi utama perusahaan membeli Token AI secara besar-besaran? Jika tidak mengikuti, apa konsekuensinya?

Motivasi utama = Leverage efisiensi secara ekstrem. Misalnya, satu orang dengan beberapa ribu dolar membeli Token, bisa menyelesaikan pekerjaan yang sebelumnya dilakukan oleh tim seratus orang dalam beberapa minggu (seperti analisis rekayasa balik chip, pemodelan jaringan listrik di seluruh AS).

Hasil = Munculnya “GDP hantu” (Phantom GDP), yaitu peningkatan output nyata secara besar-besaran namun biaya turun drastis, menyebabkan distorsi statistik GDP tradisional.

Jika tidak mengikuti → Pasti akan menghadapi tekanan penurunan skala. Jika Anda tidak menghabiskan lebih banyak Token untuk menciptakan dan menangkap nilai lebih, Anda akan menjadi “lapisan dasar permanen di era AI”, dan dengan cepat akan digantikan oleh pesaing yang lebih cepat dan dikomersialisasi secara penuh.

3. Di mana sebenarnya bottleneck pasokan daya komputasi AI saat ini?

Secara permukaan = GPU Nvidia kekurangan pasokan, dan umur pakai kartu lama meningkat secara signifikan (dari 5 tahun menjadi 7-8 tahun), meningkatkan margin keuntungan penyedia cloud.

Bottleneck mendalam 1 → Memori (DRAM): Ekspansi kapasitas sangat lambat, pasokan tambahan baru akan siap pada 2028, yang berarti harga memori akan meningkat dua sampai tiga kali lipat lagi.

Bottleneck mendalam 2 → CPU: Penilaian lingkungan pembelajaran penguatan dan banyak kode yang dihasilkan AI membutuhkan CPU yang sangat banyak, menyebabkan kekurangan CPU total.

Bottleneck mendalam 3 → TSMC dan bahan tepi: Pengeluaran modal TSMC bisa melonjak hingga 100 miliar dolar AS pada 2028, sementara pasokan bahan tepi seperti foil tembaga, PCB, serat kaca sudah penuh kapasitas, seluruh industri bersaing dengan “uang muka harga tinggi” untuk mendapatkan kapasitas produksi.

4. Tren apa yang muncul dalam kompetisi model besar dan ekonomi Token?

Situasi saat ini = Anthropic sementara memimpin dengan Opus 4.7 dan model internal “Mythos”, bahkan membatasi rilis untuk mengendalikan risiko, margin keuntungan sangat tinggi (>72%).

Persaingan daya komputasi = Anthropic terbatas oleh total kapasitas komputasi, sementara OpenAI mencoba melampaui pesaing melalui pendanaan besar dan akumulasi daya komputasi (berkolaborasi dengan Microsoft, Oracle, dll).

Kesimpulan utama → Permintaan Token jauh melebihi kapasitas infrastruktur. Bahkan perusahaan model besar tingkat kedua dan ketiga pun akan kekurangan daya komputasi dan “menjual habis stok”. Intinya, selama Anda mampu membuat Token berkualitas, pasar akan menyerap semuanya.

5. Mengapa diperkirakan akan muncul protes besar-besaran terhadap AI dalam waktu dekat?

Penyebab = Transformasi bisnis besar yang dibawa AI akan menimbulkan ketakutan di kalangan masyarakat umum, dan mereka cenderung menyalahkan masalah sosial jangka panjang pada AI.

Katalisator = Strategi komunikasi publik dari raksasa AI (seperti Sam Altman dan Dario) sangat buruk + sering menampilkan narasi besar bahwa “AI akan mengubah dunia/menggantikan pekerjaan”, memperburuk kecemasan masyarakat.

Saran dari Investasi Pasar Saham AS → Industri harus berhenti menampilkan kemampuan menakutkan di masa depan, dan beralih menunjukkan dampak positif AI saat ini, jika tidak, kemarahan publik akan cepat dimanfaatkan politisi atau influencer untuk memobilisasi perlawanan besar-besaran.

Latar belakang Dylan Patel:

Kepala analis dari lembaga riset SemiAnalysis (Dylan Patel) secara mendalam membedah GPU (terutama Nvidia)

Menganalisis pasokan dan permintaan daya komputasi AI (siapa kekurangan chip, siapa menimbun)

Melacak rantai industri (perangkat ASML → TSMC → penyedia cloud → OpenAI dan lain-lain)