Kekurangan Daya Pusat Data AS Diperkirakan Mencapai 38GW: Mengapa Morgan Stanley Mendukung Nvidia dan Broadcom

Pusat data AI Amerika merupakan infrastruktur kritis untuk melatih model bahasa besar, mendukung layanan inferensi, serta menunjang bisnis komputasi awan. Membangun fasilitas ini membutuhkan volume besar GPU, chip ASIC, memori, peralatan jaringan, dan pasokan listrik yang andal. Seiring perusahaan teknologi global terus meningkatkan belanja modal untuk AI, pembangunan pusat data berkembang dengan cepat. Namun, kapasitas jaringan listrik, infrastruktur transmisi, dan kecepatan akses daya mungkin tidak tumbuh dengan laju yang sama. Ketersediaan daya kini semakin menjadi faktor kunci yang menentukan apakah kekuatan komputasi AI dapat diterapkan secara nyata.

Dalam catatan riset terbarunya, Morgan Stanley menaikkan perkiraannya untuk kekurangan listrik bersih pusat data AS dari 33GW menjadi 38GW pada periode 2026–2028, mencerminkan kekhawatiran pasar yang terus meningkat mengenai kemampuan pasokan listrik untuk infrastruktur AI. Pada saat yang sama, perusahaan tersebut tetap menyoroti Nvidia (NVDA) dan Broadcom (AVGO) sebagai pilihan positif penting di sektor semikonduktor. Perusahaan meyakini faktor seperti visibilitas pengiriman chip, ekspansi pasar luar negeri, dan efisiensi komputasi per unit-daya dapat membantu beberapa perusahaan terkemuka mempertahankan daya saing di lingkungan yang listriknya terbatas.

Perubahan ini menunjukkan bahwa persaingan di industri chip AI tidak lagi semata-mata mengejar performa komputasi yang lebih tinggi. Kini persaingan semakin berfokus pada efisiensi komputasi, ketersediaan daya, dan imbal hasil belanja modal. Bagi investor, kesenjangan listrik 38GW bukan hanya soal tenggat pembangunan pusat data. Kesenjangan ini juga dapat mengubah hubungan kompetitif antara GPU dan ASIC serta memengaruhi permintaan masa depan di berbagai segmen rantai pasok semikonduktor, termasuk memori, komunikasi optik, dan manajemen daya.

Apa Arti Kesenjangan Daya 38GW bagi Pusat Data AS?

Morgan Stanley menaikkan perkiraannya untuk kekurangan listrik bersih pusat data AS dari 33GW menjadi 38GW. Artinya, perusahaan mengharapkan adanya ketidaksesuaian yang lebih besar antara permintaan listrik dari pusat data AI dan pasokan listrik yang tersedia dalam beberapa tahun mendatang. Dalam konteks ini, 38GW mengacu pada kesenjangan perkiraan kapasitas daya, bukan ukuran pemadaman aktual yang sudah terjadi. Selain itu, hal ini juga tidak boleh diartikan bahwa jaringan listrik AS secara keseluruhan kekurangan 38GW kapasitas pembangkit.

GW (gigawatt) adalah satuan daya. 1GW setara dengan 1.000MW. Pusat data AI skala besar biasanya membutuhkan kapasitas daya puluhan hingga ratusan megawatt, sedangkan kampus hyperscale dapat merencanakan permintaan listrik yang lebih tinggi lagi. Akibatnya, potensi kesenjangan puluhan gigawatt mengindikasikan bahwa banyak pusat data yang sudah direncanakan mungkin perlu menunggu peningkatan jaringan listrik, menyesuaikan lokasi pembangunannya, atau menerapkan solusi energi alternatif.

Penting untuk dicatat bahwa pasokan listrik pusat data dipengaruhi oleh berbagai faktor, termasuk kapasitas sambungan jaringan setempat, pembangunan gardu, jaringan saluran transmisi, sumber daya pembangkit, serta persetujuan terkait. Bahkan jika pembangkitan di suatu wilayah secara keseluruhan cukup, itu tidak menjamin bahwa pusat data tertentu dapat memperoleh daya yang cukup dalam jangka waktu yang direncanakan. Oleh karena itu, kekurangan listrik terutama mencerminkan ketidaksesuaian antara pasokan dan permintaan di waktu maupun geografi.

Bagi industri AI, keterbatasan daya dapat menunda beberapa pengembangan kapasitas komputasi. Dampaknya bisa meluas ke pengadaan GPU, pengiriman server, dan waktu peluncuran layanan cloud. Investor perlu membedakan antara kapasitas yang direncanakan pusat data, kapasitas listrik yang benar-benar disetujui, serta kapasitas komputasi yang sudah beroperasi. Metrik-metrik ini tidak identik.

Mengapa Kekurangan Daya Bisa Mengubah Lanskap Persaingan GPU vs. ASIC?

GPU dan ASIC adalah dua kategori chip penting dalam komputasi AI. GPU memiliki kemampuan paralel komputasi serbaguna yang kuat dan dapat mendukung pelatihan model, inferensi, serta berbagai tugas komputasi. ASIC adalah sirkuit terpadu khusus untuk aplikasi (application-specific integrated circuits) yang dirancang untuk kasus penggunaan tertentu. Umumnya, ASIC meningkatkan performa dan efisiensi dengan mengoptimalkan arsitektur chip serta alur kerja komputasi.

Ketika pasokan daya relatif mencukupi, operator pusat data dapat menimbang harga pembelian chip, performa komputasi, kompatibilitas perangkat lunak, dan biaya operasi jangka panjang. Namun, ketika kapasitas daya menjadi batas yang benar-benar tidak bisa ditawar, perusahaan perlu fokus lebih pada seberapa banyak tugas komputasi yang dapat diselesaikan oleh setiap unit daya. Untuk bisnis inferensi AI, hal ini dapat dinyatakan sebagai jumlah Token yang diproses per watt listrik.

Morgan Stanley meyakini Nvidia memiliki keunggulan kompetitif dalam efisiensi keluaran token per watt. Dalam lingkungan yang dibatasi daya, beberapa produk ASIC mungkin menghadapi tekanan terhadap pangsa pasar. Inti pandangan ini adalah bahwa pelanggan pusat data dapat memprioritaskan platform komputasi yang menghasilkan keluaran nyata lebih tinggi dalam anggaran daya yang terbatas, dibanding hanya berfokus pada biaya pengadaan chip.

Namun, tidak akurat untuk menyimpulkan bahwa semua ASIC kurang efisien dibanding GPU. Google TPU, Amazon Trainium, dan akselerator AI kustom lainnya juga dapat menawarkan keunggulan efisiensi yang kuat pada model dan beban kerja tertentu. Performa aktual berbagai chip bergantung pada arsitektur model, akurasi inferensi, ukuran batch, konfigurasi memori, optimasi perangkat lunak, dan pemanfaatan sistem.

Jadi, tidak ada kesimpulan tetap yang berlaku untuk semua skenario dalam persaingan GPU vs. ASIC. Pandangan Morgan Stanley paling tepat dipahami sebagai berikut: dalam kondisi produk dan skenario penerapan saat ini, efisiensi tingkat sistem untuk beberapa platform komputasi Nvidia mungkin mendapat perhatian lebih besar. Daya saing ASIC tetap perlu dievaluasi berdasarkan beban kerja spesifik.

Mengapa Morgan Stanley Terus Mengutamakan Nvidia (NVDA)?

Nvidia (NVIDIA, NVDA) adalah pemasok besar di pasar komputasi akselerasi AI global. Keunggulannya tidak hanya berasal dari chip GPU itu sendiri, tetapi juga dari ekosistem perangkat lunak CUDA, interkoneksi jaringan, sistem server, serta alat pengembangan terkait. Seiring permintaan untuk pelatihan dan inferensi model AI terus meningkat, Nvidia terus meluncurkan platform komputasi baru untuk meningkatkan performa komputasi, bandwidth memori, dan efisiensi sistem secara keseluruhan.

Morgan Stanley terus mengutamakan Nvidia terutama berdasarkan faktor seperti panduan pendapatan yang konservatif, visibilitas pengiriman chip yang membaik, ekspansi pasar luar negeri, serta efisiensi komputasi per unit-daya. Bagi investor, visibilitas pengiriman berarti pengiriman produk dan permintaan pelanggan pada periode berikutnya mungkin lebih jelas, sehingga dapat mengurangi sebagian ketidakpastian dalam prakiraan pendapatan. Meski demikian, pesanan dan ekspektasi pengiriman tetap dapat berubah karena pelanggan menyesuaikan belanja modal atau melakukan pergeseran dalam rantai pasok.

Dalam latar yang dibatasi daya, efisiensi tingkat sistem Nvidia bisa menjadi keunggulan kompetitif yang penting. Operator pusat data perlu membandingkan tidak hanya performa satu GPU, tetapi juga efisiensi server, jaringan, sistem pendingin, dan runtime perangkat lunaknya. Jika sebuah platform komputasi dapat menyelesaikan lebih banyak tugas inferensi dengan kapasitas daya yang sama, platform tersebut dapat meningkatkan potensi pendapatan pusat data.

Pada saat yang sama, Nvidia menghadapi tekanan kompetitif jangka panjang. Perusahaan besar komputasi awan terus mengembangkan chip AI kustom untuk menurunkan biaya komputasi dan meningkatkan kemandirian rantai pasok. Bahkan jika pendapatan Nvidia terus tumbuh, pangsa pasar, margin kotor, dan level valuasinya mungkin tidak bergerak seiring. Karena itu, saat menganalisis saham NVDA, investor tetap perlu fokus pada pendapatan pusat data, margin kotor produk, belanja modal pelanggan, serta persaingan dari chip kustom.

Mengapa Broadcom (AVGO) Juga Mendapat Perhatian Morgan Stanley?

Broadcom (Broadcom, AVGO) adalah perusahaan semikonduktor dan perangkat lunak infrastruktur besar dengan keterpaparan bisnis di area seperti akselerator AI kustom, chip switching jaringan, serta interkoneksi berkecepatan tinggi. Ketika perusahaan-perusahaan besar komputasi awan memperluas pembangunan pusat data AI, permintaan untuk chip kustom dan infrastruktur jaringan menjadi peluang pertumbuhan penting bagi Broadcom.

Berbeda dari Nvidia yang bisnis intinya terutama berpusat pada penyediaan platform GPU serbaguna, salah satu arah penting Broadcom adalah membantu pelanggan teknologi besar mengembangkan chip kustom yang disesuaikan dengan beban kerja tertentu. Untuk penyedia layanan cloud dengan banyak tugas komputasi berulang, ASIC kustom dapat mengurangi sebagian biaya komputasi melalui optimasi yang tertarget. Selain itu, cluster AI skala besar memerlukan chip switching berkecepatan tinggi dan peralatan jaringan untuk menghubungkan node komputasi, yang juga menciptakan peluang pasar bagi Broadcom.

Sikap positif Morgan Stanley secara bersamaan terhadap Nvidia dan Broadcom menunjukkan bahwa perusahaan tersebut tidak memandang GPU dan ASIC sebagai arah investasi yang sepenuhnya saling berlawanan. Bahkan jika sebagian produk ASIC menghadapi tekanan pangsa pasar di lingkungan yang dibatasi daya, chip kustom masih dapat terus bertumbuh pada pelanggan dan skenario komputasi tertentu. Broadcom juga tidak sepenuhnya bergantung pada bisnis ASIC. Bisnis semikonduktor jaringannya dapat ikut berpartisipasi dalam perluasan skala cluster AI.

Namun demikian, bisnis chip kustom Broadcom dapat terpengaruh oleh jadwal proyek pelanggan besar. Jika pelanggan mengubah rencana R&D chip mereka, jadwal pembangunan pusat data, atau belanja modal, pertumbuhan pendapatan terkait bisa berfluktuasi. Akibatnya, tesis investasi AVGO perlu mempertimbangkan permintaan chip AI kustom, pertumbuhan bisnis jaringan, serta risiko konsentrasi pelanggan secara bersamaan.

Mengapa Ekspektasi Capex Pusat Data 2027–2028 Dipertanyakan?

Morgan Stanley mencatat bahwa pasar berupaya menyelaraskan perkiraan 2027 sekitar $1,5 triliun dan perkiraan 2028 sekitar $1,6 triliun pada belanja modal pusat data dengan kemampuan pasokan listrik aktual. Angka-angka tersebut adalah prakiraan pasar mengenai skala investasi masa depan, bukan belanja modal yang sudah disetujui, ditandatangani, atau benar-benar terjadi. Ruang lingkup statistik yang tepat juga perlu dikonfirmasi berdasarkan catatan riset yang mendasarinya.

Belanja modal pusat data AI biasanya mencakup proyek seperti chip komputasi, server, peralatan jaringan, pembangunan fasilitas, serta infrastruktur daya dan pendingin. Bahkan jika perusahaan teknologi memiliki niat investasi yang kuat, sebagian perangkat keras mungkin tidak dikerahkan sesuai jadwal jika jaringan tidak dapat menyediakan kapasitas yang cukup dalam jangka waktu yang direncanakan.

Isu ini dapat memengaruhi keputusan alokasi modal perusahaan. Misalnya, jika sebuah pusat data berencana mulai beroperasi pada 2027 tetapi pengiriman daya tertunda hingga 2029, operator mungkin memilih menunda pembelian GPU dan server untuk menghindari waktu menganggur yang terlalu lama setelah peralatan tiba lebih awal. Untuk chip AI yang pembarannya cepat, pengadaan lebih awal juga dapat meningkatkan risiko penyusutan nilai aset perangkat.

Oleh karena itu, pasar perlu membedakan tiga tahap berbeda: perusahaan mengumumkan rencana capex, kemudian perusahaan benar-benar membeli dan membangun infrastruktur tersebut, dan pada akhirnya peralatan komputasi secara resmi mulai dioperasikan serta menghasilkan pendapatan. Hanya tahap terakhir yang benar-benar berubah menjadi arus kas operasi berkelanjutan dari aset komputasi tersebut.

Mengapa Konstruksi Pusat Data yang Lebat Bisa Berdampak pada Chip Penyimpanan dan Modul Optik?

Rantai industri pusat data AI sudah lama memiliki siklus pengadaan dan produksi. Produsen chip, pemasok memori, serta perusahaan peralatan jaringan biasanya merencanakan produksi berdasarkan kebutuhan yang diperkirakan pelanggan pada beberapa kuartal ke depan. Ketika pasar mengharapkan pertumbuhan cepat pada investasi infrastruktur AI, pelanggan dapat membeli komponen-komponen kunci lebih awal untuk memastikan ketersediaan peralatan di masa mendatang.

Namun, jika pembangunan pusat data tertunda akibat kekurangan daya, sebagian komponen yang direncanakan mungkin tidak dikerahkan tepat waktu. Akibatnya, perusahaan dapat menunda pembelian, menyesuaikan persediaan, atau menjadwalkan ulang pengiriman. Perubahan seperti ini bisa tiba-tiba membuat produk yang sebelumnya pasokannya ketat menghadapi ritme permintaan yang lebih lambat.

Chip penyimpanan adalah salah satu area yang perlu diawasi dengan cermat. Permintaan HBM dan server DRAM sangat terkait dengan skala dan kecepatan penerapan akselerator AI. Jika kecepatan cluster GPU baru mulai beroperasi melambat, jadwal pengadaan memori terkait juga dapat terpengaruh. Pada saat yang sama, industri chip penyimpanan bersifat siklis. Ekspansi perusahaan dan pelanggan yang menimbun lebih awal dapat semakin memperkuat pergeseran penawaran dan permintaan.

Modul optik dan komponen interkoneksi berkecepatan tinggi juga bergantung pada pembangunan cluster komputasi besar. Jika penempatan pusat data tertunda, pesanan untuk peralatan jaringan terkait bisa didorong mundur. Untuk perusahaan manajemen daya dan chip analog, kemajuan pembangunan server dan sistem pasokan listrik yang terjadi di lapangan juga akan memengaruhi permintaan produk.

Namun, keterlambatan pembangunan tidak selalu berarti permintaan akhir menghilang. Sebagian pesanan mungkin hanya mengalami penundaan pengiriman, bukan pembatalan permanen. Dampak nyata tetap bergantung pada persediaan pemasok, perjanjian pembelian pelanggan, dan pertumbuhan permintaan di wilayah lain. Karena itu, investor perlu membedakan antara fluktuasi pesanan jangka pendek dan perubahan ukuran pasar jangka panjang.

Saham Semikonduktor Mana yang Berpotensi Terdampak Hambatan Daya Pusat Data AI?

Setiap perusahaan semikonduktor menempati posisi berbeda dalam rantai pasok AI, sehingga dampak kendala pasokan listrik bervariasi di seluruh bisnis mereka.

Untuk NVDA dan AVGO, hambatan daya dapat menciptakan peluang sekaligus tantangan. Di satu sisi, pelanggan dapat memberi penekanan lebih besar pada efisiensi energi, yang berpotensi meningkatkan permintaan untuk platform komputasi berkinerja tinggi dan chip yang dioptimalkan. Di sisi lain, jika pembangunan pusat data melambat, pengiriman chip aktual juga dapat terpengaruh.

Bagi MU dan pemasok memori lainnya, pertanyaan utamanya adalah apakah pembelian server AI dapat terus bertumbuh, dan apakah penimbunan lebih awal menyebabkan akumulasi persediaan. Untuk perusahaan infrastruktur daya seperti VRT dan ETN, pertumbuhan permintaan listrik pusat data dapat menciptakan pasar peralatan baru, tetapi proyek terkait masih dibatasi oleh jadwal pembangunan, persetujuan, dan anggaran investasi.

Oleh karena itu, tidak akurat untuk mengasumsikan bahwa kekurangan daya secara otomatis akan menguntungkan saham peralatan daya atau secara otomatis merugikan semua perusahaan semikonduktor. Campuran pesanan setiap perusahaan, kekuatan teknis, serta level valuasinya tetap menentukan seberapa besar mereka benar-benar akan diuntungkan.

Cara Menggunakan Gate Stock untuk Memantau Rantai Pasok Daya Chip AI dan Pusat Data?

Bagi investor yang ingin memantau siklus investasi infrastruktur AI, mereka dapat menggunakan Gate Stock untuk mengikuti perusahaan semikonduktor seperti Nvidia (NVDA), Broadcom (AVGO), dan Micron Technology (MU). Mereka juga dapat mengombinasikannya dengan ETF sektor teknologi terkait pengelolaan daya pusat data, peralatan pendingin, untuk mengamati bagaimana berbagai segmen rantai pasok berperforma di pasar.

Gate Stock menyediakan cara menggunakan USDT untuk memperdagangkan saham dan ETF AS. Kode ticker yang dapat diperdagangkan, biaya perdagangan, serta aturan produk spesifik bergantung pada halaman aktual platform tersebut.

Saat menganalisis saham terkait, investor sebaiknya melihat tiga dimensi sekaligus: pertama, apakah permintaan komputasi AI terus bertumbuh; kedua, apakah pusat data dapat mengamankan daya yang cukup dan mulai beroperasi sesuai jadwal; dan terakhir, apakah perusahaan dapat mengubah pesanan dan keunggulan teknis menjadi laba serta arus kas. Mengandalkan hanya prakiraan capex pusat data tidak cukup untuk menilai nilai jangka panjang sebuah saham.

Ringkasan

Morgan Stanley menaikkan perkiraan kekurangan listrik bersih pusat data AS pada periode 2026–2028 dari 33GW menjadi 38GW. Ini mencerminkan kendala energi yang semakin jelas terhadap ekspansi infrastruktur AI. Meskipun perusahaan teknologi besar terus meningkatkan belanja modal, apakah pusat data dapat mengamankan listrik sesuai rencana tetap akan memengaruhi skala penerapan nyata untuk GPU, ASIC, chip memori, dan peralatan jaringan.

Di tengah kondisi ini, persaingan chip dapat memberi penekanan yang lebih besar pada efisiensi komputasi per unit daya. Morgan Stanley tetap mengutamakan Nvidia dan Broadcom, yang mencerminkan keyakinan jangka panjang terhadap platform komputasi berkinerja tinggi, chip kustom, serta permintaan jaringan berkecepatan tinggi. Namun demikian, persaingan GPU vs. ASIC bergantung pada beban kerja spesifik. Anda tidak bisa menilai pangsa pasar masa depan hanya berdasarkan satu metrik efisiensi.

Sementara itu, jika pembangunan pusat data melambat akibat pasokan listrik yang tidak memadai, chip penyimpanan, modul optik, serta komponen manajemen daya yang sebelumnya didorong lebih awal karena ketatnya pasokan dapat menghadapi penyesuaian persediaan dan volatilitas pesanan. Bagi investor, fokus ke depan harus pada kapasitas yang benar-benar dikerahkan, tingkat realisasi capex perusahaan, efisiensi energi chip, dan persediaan rantai pasok—bukan hanya total jumlah dalam rencana pembangunan pusat data.

Pada tahap berikutnya investasi infrastruktur AI, kuncinya bukan lagi hanya berapa banyak chip yang dapat dibeli. Kuncinya adalah seberapa banyak komputasi efektif yang bisa didukung oleh sumber daya daya yang terbatas—dan seberapa besar pendapatan komersial yang pada akhirnya dihasilkan dari kemampuan komputasi tersebut.

FAQ

Apa arti kesenjangan listrik 38GW untuk pusat data AS?

Ini adalah perkiraan Morgan Stanley tentang kesenjangan pasokan-permintaan listrik bersih untuk pusat data AS dari 2026 hingga 2028. Perkiraan ini mencerminkan potensi adanya perbedaan yang cukup besar antara permintaan listrik yang direncanakan dan kapasitas daya yang tersedia. Ini tidak berarti AS sudah mengalami 38GW pemadaman listrik aktual.

Mengapa kekurangan daya bisa menguntungkan GPU Nvidia?

Ketika listrik yang tersedia untuk pusat data terbatas, operator dapat memberi penekanan lebih besar pada seberapa banyak tugas komputasi AI yang bisa diselesaikan per watt. Jika platform komputasi Nvidia memberikan efisiensi energi tingkat sistem yang lebih tinggi pada beban kerja tertentu, Nvidia dapat memperoleh keunggulan kompetitif. Namun, hasil sebenarnya tetap bergantung pada konfigurasi chip, optimasi perangkat lunak, dan skenario aplikasi.

Apakah chip ASIC akan kehilangan pangsa pasar akibat kekurangan daya?

Sebagian produk ASIC mungkin menghadapi tekanan kompetitif, tetapi Anda tidak bisa menggeneralisasi. ASIC kustom juga dapat mencapai efisiensi energi yang tinggi untuk tugas AI tertentu. Pangsa pasar di masa depan bergantung pada performa chip, biaya, ekosistem perangkat lunak, dan strategi penerapan pelanggan.

Mengapa Morgan Stanley mendukung NVDA dan AVGO sekaligus?

Nvidia memiliki keunggulan pada GPU, sistem komputasi akselerasi, dan ekosistem perangkat lunak. Broadcom terlibat dalam pasar chip AI kustom dan jaringan berkecepatan tinggi. Dua perusahaan ini mendapat manfaat dari investasi infrastruktur AI dengan cara yang berbeda, dan itu tidak berarti hanya GPU atau hanya ASIC yang bisa berkembang.

Mengapa pembangunan pusat data yang lebih lambat bisa memengaruhi chip penyimpanan?

Jika pusat data menunda penerapan server akibat kendala daya, pelanggan mungkin menunda pembelian HBM, DRAM, dan komponen lain yang terkait. Jika sebelumnya terjadi penimbunan sejak awal, penyesuaian persediaan jangka pendek dapat semakin memperkuat volatilitas pesanan dan harga.

Apakah kesenjangan listrik 38GW akan membuat investasi AI berhenti di seluruh lini?

Belum tentu. Perusahaan dapat mengurangi sebagian kendala dengan menyesuaikan lokasi pembangunan, menerapkan secara bertahap, meningkatkan efisiensi energi komputasi, atau menambah infrastruktur energi. Namun, langkah-langkah ini biasanya memerlukan waktu dan uang, sehingga tidak bisa menjamin semua proyek yang direncanakan selesai sesuai jadwal.