Pendapatan "triliun yuan", kepercayaan diri dan tantangan Nvidia

Minggu ini, tidak ada angka yang lebih mengejutkan pasar daripada “1 triliun dolar”.

Dalam pidato utama di konferensi pengembang tahunan NVIDIA GTC, Huang Renxun mengatakan bahwa pada akhir tahun 2027, arsitektur chip akselerator AI generasi baru NVIDIA Blackwell dan produk Rubin generasi berikutnya secara kumulatif akan menciptakan setidaknya 1 triliun dolar pendapatan, dan secara tegas menyatakan bahwa angka tersebut tidak termasuk penjualan CPU Vera dan solusi rak LPX yang berdiri sendiri.

Dari 500 miliar hingga 1 triliun, proyeksi pendapatan chip NVIDIA akan berlipat dua dalam waktu setengah tahun.

Di pasar yang sedang beradu dalam permainan “gelembung AI” ini, mengapa Huang Renxun bisa memberikan penilaian yang jauh melampaui ekspektasi pasar? Dan apakah target ini bisa tercapai?

Buka berita dari NetEase untuk melihat gambar yang menakjubkan

Modal kepercayaan dari mana datangnya

Di balik proyeksi “pendapatan hingga satu triliun dolar” Huang Renxun ada tiga dukungan utama.

1、Visibilitas pesanan sangat tinggi. Selama menerima wawancara media pada GTC2026, Huang Renxun menekankan bahwa proyeksi pendapatan lebih dari 1 triliun dolar yang diumumkan pada hari Senin minggu ini memiliki “visibilitas” yang sangat kuat. NVIDIA memperkirakan akan mencapai, membukukan, dan mengirimkan bisnis bernilai lebih dari 1 triliun dolar, serta menunjukkan “keyakinan yang teguh” untuk mewujudkan target “lebih dari 1 triliun dolar”.

Penilaian tentang “visibilitas yang kuat” ini tidak datang begitu saja. Huang Renxun menyebutkan bahwa saat ini kebutuhan paling inti pelanggan adalah “memastikan mendapat pasokan yang cukup”, bukan harga. Ini mencerminkan bahwa pasar komputasi daya AI masih berada pada tahap bottleneck pasokan yang khas—permintaan jauh melebihi pasokan, sehingga pelanggan lebih khawatir tidak mendapatkan barang daripada apakah harganya tinggi atau tidak.

Omdia menyatakan bahwa sektor advanced packaging sedang menghadapi krisis. Kapasitas CoWoS TSMC tengah diperluas dari 75k wafer per bulan pada 2025 menjadi 120-130k wafer pada akhir 2026, namun tetap tidak dapat memenuhi lonjakan kebutuhan; pada akhirnya menyebabkan periode pengiriman memanjang, harga meningkat, dan alokasi kapasitas menjadi lebih condong kepada pelanggan terbesar.

Huang Renxun juga menambahkan bahwa pembelian besar-besaran dari perusahaan cloud dan perusahaan AI membuat pesanan, pre-booking, dan pengiriman perusahaan menjadi sangat dapat dipastikan—ini juga merupakan alasan kunci mengapa ia berani memberikan penilaian “visibilitas yang kuat”. Dari perspektif industri, raksasa teknologi termasuk OpenAI, Meta, Microsoft, Google, Amazon, dan lainnya terus menambah investasi untuk pembangunan pusat data AI, mendorong pertumbuhan permintaan komputasi daya secara eksponensial.

JPMorgan juga menilai bahwa “1 triliun dolar” berarti ada setidaknya ruang kenaikan 50-70 miliar dolar, dibanding dengan ekspektasi konsensus Wall Street saat ini untuk pendapatan pusat data pada 2026 hingga 2027.

2、AI memasuki era “inferensi” (推理). Berbeda dari dua tahun terakhir yang berfokus pada “pelatihan model”, Huang Renxun berulang kali menegaskan dalam forum GTC2026 bahwa industri AI telah memasuki “titik balik inferensi”.

Yang dimaksud inferensi (Inference) adalah kebutuhan komputasi real-time ketika model AI digunakan dalam aplikasi nyata. Ketika pengguna mengajukan pertanyaan kepada ChatGPT, menggunakan Midjourney untuk menghasilkan gambar, atau meminta mobil otonom mengambil keputusan, di baliknya semuanya adalah komputasi inferensi yang menjadi penopang. Berbeda dengan komputasi skala besar yang bersifat sekali pada tahap pelatihan, inferensi bersifat berkelanjutan dan kebutuhan komputasinya tumbuh secara linear bahkan eksponensial seiring bertambahnya skala pengguna.

Dalam pidato utamanya, Huang Renxun menyatakan: “Pelatihan membuat model menjadi cerdas, tetapi inferensi yang membuat AI benar-benar masuk ke rumah-rumah di seluruh penjuru. Setiap interaksi pengguna membutuhkan komputasi daya, dan seiring meluasnya AI Agent (agen cerdas), kebutuhan inferensi akan jauh melebihi kebutuhan pelatihan.”

Pengukuran skala pasar:

- Pasar pelatihan: relatif terkonsentrasi, terutama dipimpin oleh sedikit raksasa teknologi; permintaan bersifat berbasis proyek, dengan ledakan yang terjadi pada tahapan-tahapan tertentu

- Pasar inferensi: sangat terfragmentasi, dari API di cloud hingga perangkat edge, dari aplikasi kelas konsumen hingga solusi tingkat perusahaan; permintaan bersifat berkelanjutan dan tumbuh secara masif

3、Iterasi produk + strategi platformisasi. Proyeksi 1 triliun dolar yang diungkapkan Huang Renxun di GTC2026 hanya mencakup pendapatan dari chip arsitektur Blackwell dan Rubin generasi berikutnya, dan tidak termasuk pendapatan dari produk baru yang akan dirilis, juga tidak termasuk pendapatan dari wilayah dan pasar tambahan. Ini berarti skala bisnis AI total potensial NVIDIA kemungkinan dapat melampaui batas cakupan proyeksi saat ini.

Peta jalan produk:

- Arsitektur Blackwell (2024-2025): telah diproduksi massal dalam skala besar; chip B200 memiliki performa pelatihan 4 kali lebih tinggi daripada H100, dan performa inferensinya meningkat hingga 30 kali lipat

- Arsitektur Rubin (2026-2027): diperkirakan mulai dideploy secara besar-besaran pada 2026, dan performanya akan semakin melonjak

- Arsitektur Feynman (2028 dan seterusnya): arsitektur generasi berikutnya untuk jangka yang lebih jauh sudah dalam tahap riset dan pengembangan

Yang lebih penting, NVIDIA sedang beralih dari “menjual chip” menjadi “menjual pabrik AI”. Dalam konferensi tersebut, Huang Renxun meluncurkan NVIDIA Dynamo open-source inference operating system, cetak biru pabrik data fisik AI, serta kerja sama dengan raksasa perangkat lunak industri global, berupaya membangun ekosistem infrastruktur AI yang lengkap.

Para analis menyatakan bahwa strategi platformisasi ini berarti pendapatan NVIDIA di masa depan tidak lagi terbatas pada satu GPU saja, melainkan diperluas hingga sistem pusat data yang lengkap. Analis senior Wedbush Technology (000021) Dan Ives mengatakan bahwa NVIDIA tidak hanya melaju di atas gelombang besar yang dipicu oleh kecerdasan buatan, tetapi sekarang sedang memperluas kontrolnya atas infrastruktur yang menjadi penopang kecerdasan buatan.

Ini akan secara signifikan memperbesar plafon pendapatan. Huang Renxun secara tegas menyatakan: “Target 1 triliun dolar ini akan terus membengkak.”

Jalan menuju triliun dolar menghadapi banyak tantangan

Meskipun Huang Renxun menyampaikan keyakinan yang sangat penuh, mewujudkan akumulasi pendapatan 1 triliun dolar (hingga akhir tahun 2027) tetap menghadapi banyak tantangan.

Pertama, mendesaknya jendela waktu. Dari Maret 2026 hingga akhir 2027, waktu yang tersedia untuk NVIDIA mencapai akumulasi pendapatan 1 triliun dolar kurang dari dua tahun. Dengan mempertimbangkan siklus chip dari pemesanan hingga pengiriman (biasanya 6-12 bulan), serta waktu untuk deploy skala besar, jendela waktu untuk memastikan pendapatan menjadi semakin ketat.

- Pendapatan tahun fiskal NVIDIA 2025 (hingga Januari 2025) adalah 130,5 miliar dolar

- Pendapatan tahun fiskal NVIDIA 2026 (setara periode Februari 2025 hingga Januari 2026) adalah 215,9 miliar dolar, dan pendapatan tahun fiskal 2027 mencapai sekitar 3000-10k dolar

- Akumulasi pendapatan selama tiga tahun 2025-2027 sekitar 6000-10k dolar

- Untuk mencapai 1 triliun dolar, berarti pendapatan satu tahun pada 2027 mungkin perlu menembus 10k dolar

Ini berarti NVIDIA perlu mencapai pertumbuhan yoy yang hampir berlipat ganda pada tahun 2027, yang merupakan tantangan yang belum pernah terjadi untuk perusahaan perangkat keras mana pun.

Kedua, persaingan pasar semakin ketat.

Seri MI400 yang diluncurkan AMD pada 2025 dianggap oleh industri sebagai tantangan langsung terhadap Blackwell NVIDIA. CEO AMD Su Zifeng dalam wawancara baru-baru ini mengatakan: “Pangsa kami di pasar AI terus meningkat secara stabil. MI400 menawarkan value for money yang lebih baik daripada Blackwell pada beban kerja tertentu, yang sangat menarik bagi pelanggan yang sensitif terhadap harga.”

Ancaman yang lebih besar datang dari pelanggan besar NVIDIA yang mempercepat deploy chip AI buatan sendiri:

- Google TPU v6: sudah digunakan untuk pelatihan dan inferensi Gemini2.0, performanya mendekati Blackwell

- Amazon Trainium3/Inferentia3: dideploy secara skala besar di AWS, biaya 30-40% lebih rendah daripada skema NVIDIA

- Microsoft Maia200: mulai deploy penuh di Azure pada akhir 2025

- Meta MTIA: berencana merilis empat generasi chip AI buatan sendiri sebelum akhir 2027

Seorang mantan insinyur chip Google mengatakan: “Efisiensi TPU dalam pelatihan model Transformer sudah melampaui GPU. Meskipun serbaguna-nya tidak sebaik CUDA, bagi perusahaan besar yang memiliki beban kerja yang jelas, ekonomi dari chip buatan sendiri sangat menarik. Target penyedia cloud adalah pada 2027, chip buatan sendiri menyumbang 30-40% dari pengadaan komputasi AI mereka.”

Analis Seaport Research mengatakan, “NVIDIA sekarang lebih dari sebelumnya perlu bekerja keras untuk merebut pendapatan.”

Selain itu, rantai pasokan juga berpotensi mengalami bottleneck. Saat ini, kapasitas CoWoS advanced packaging TSMC adalah bottleneck utama. Meskipun TSMC mempercepat ekspansi kapasitas, kesenjangan pasokan-permintaan untuk chip AI kelas atas diperkirakan akan terus berlanjut hingga akhir 2026. Jika laju ekspansi tidak sesuai ekspektasi, NVIDIA bisa menghadapi situasi memalukan “ada pesanan tetapi tidak bisa mengirimkan barang”.

Keguncangan situasi di Timur Tengah sedang berdampak ke Korea yang memiliki kemampuan manufaktur penyimpanan. Menurut statistik Asosiasi Perdagangan Internasional Korea tahun 2025, ketergantungan impor helium Korea terhadap Qatar mencapai 64,7%. Proses manufaktur semikonduktor sangat bergantung pada helium untuk mendinginkan wafer silikon, dan saat ini diyakini tidak ada solusi pengganti yang layak. Pemerintah Korea juga menyatakan bahwa jika gangguan pasokan berlanjut dalam waktu yang lebih lama, dapat menyebabkan kekurangan helium dan kenaikan harga.

Perlu dicatat bahwa penyumbatan Selat Hormuz membuat harga minyak global bertahan di level tinggi sekitar 100 dolar per barel, yang menjadi pukulan berat bagi pusat data komputasi beronsumsi energi tinggi. Jika biaya energi meniadakan peningkatan efisiensi yang diberikan oleh chip, rencana investasi AI global mungkin akan terpaksa dipangkas.