Era Chip Khusus AI: Apakah MRVL Bisa Menjadi Perusahaan Triliunan Dolar Berikutnya di Bawah Evolusi Kolaboratif ASIC vs GPU?

27 Mei 2026, Marvell Technology (MRVL) merilis laporan keuangan kuartal pertama FY2027—pendapatan kuartal sebesar 2,418 juta dolar AS, meningkat 28% YoY, naik 9% QoQ, sedikit melebihi ekspektasi pasar sebesar 2,41 miliar dolar AS. Tapi yang benar-benar membuat pasar bergemuruh bukanlah laporan ini, melainkan kejadian berikutnya: 2 Juni, CEO NVIDIA Jensen Huang tampil bersama CEO Marvell Matt Murphy di COMPUTEX 2026 di Taipei, dan mengumumkan di depan umum: "Para hadirin, ini adalah perusahaan dengan nilai pasar triliunan dolar berikutnya."

Kalimat ini menyebabkan harga saham Marvell melonjak lebih dari 30% dalam satu hari. Hingga sebelum dan sesudah laporan keuangan dirilis, harga saham Marvell sejak 2026 hampir berlipat ganda, dengan kenaikan tahunan mencapai 95%.

Di balik fluktuasi ini, muncul sebuah proposisi industri yang lebih mendalam: Chip AI kustom (ASIC) sedang menjadi jalur independen yang berkembang paralel dengan GPU. Mengapa raksasa teknologi (Google TPU, Amazon Trainium, Meta MTIA) secara beramai-ramai menghindari NVIDIA dan berinvestasi dalam pengembangan chip sendiri? Peran apa yang dimainkan Marvell—pengganti GPU atau kolaborator?

Esensi ASIC Chip AI Kustom: Transformasi Paradigma dari Umum ke Khusus

Untuk memahami mengapa raksasa teknologi berinvestasi dalam chip sendiri, pertama-tama perlu memperjelas satu konsep: perbedaan mendasar antara ASIC dan GPU terletak pada pertimbangan umum versus khusus.

GPU (Graphics Processing Unit) adalah chip komputasi AI yang bersifat umum. GPU NVIDIA mampu tampil luar biasa dalam berbagai tugas AI seperti pelatihan, inferensi, visual, suara, sistem rekomendasi, namun juga menanggung beban sirkuit redundan dan set instruksi umum, sehingga ada ruang untuk optimisasi efisiensi energi dalam skenario tertentu.

ASIC (Application-Specific Integrated Circuit) adalah hardware yang dirancang khusus untuk tugas AI tertentu. Contohnya, TPU (Tensor Processing Unit) Google, yang inti utamanya melakukan hardcoding operasi matriks perkalian, sehingga throughput komputasi matriks dalam konsumsi daya yang sama bisa berkali lipat lipat dari GPU. Secara spesifik:

• Keunggulan efisiensi energi: dalam tugas inferensi AI tertentu, performa per watt ASIC bisa 3-5 kali lipat GPU
• Optimisasi biaya: dalam skala besar deployment (misalnya data center cloud dengan jutaan chip), TCO (total cost of ownership) ASIC secara signifikan lebih rendah daripada pembelian GPU komersial
• Keunggulan integrasi sistem: ASIC buatan sendiri dapat diintegrasikan secara end-to-end dengan stack perangkat lunak cloud, arsitektur jaringan, sistem pendinginan

Transformasi paradigma ini didasarkan pada fakta bahwa beban kerja AI sedang beralih dari pelatihan yang beragam menuju inferensi skala besar. Ketika arsitektur model AI (seperti Transformer) menjadi arus utama dan skala inferensi meningkat secara eksponensial, optimisasi hardware khusus menjadi tren yang tak terelakkan.

Seorang analis mengungkapkan dengan sangat tepat: “Marvell bukan ‘mengganti NVDA’, melainkan membuka jalur kedua pasar AI. ASIC kustom mungkin menjadi jalur yang paling diabaikan namun tumbuh sangat cepat dalam beberapa tahun ke depan.”

Mengapa raksasa teknologi mengembangkan chip sendiri? Logika biaya-efisiensi dari de-NVDA

Microsoft, Amazon, Google, Meta, empat raksasa cloud computing ini mendorong rencana pengembangan chip sendiri dengan kecepatan yang belum pernah terjadi sebelumnya, membentuk tren jangka panjang terpenting di bidang chip AI dalam beberapa tahun terakhir.

Google TPU (Tensor Processing Unit): sudah mencapai generasi ke-7, dirancang dengan bantuan Broadcom, merupakan proyek chip kustom terbesar dan tertua di industri. Counterpoint memperkirakan Broadcom akan menguasai sekitar 60% pasar desain ASIC server AI pada 2027.

Amazon Trainium / Inferentia: seri Trainium yang dirancang dengan bantuan Marvell sedang mempercepat deployment. Trainium 3 sudah sepenuhnya digunakan sejak awal 2026.

Microsoft Maia: Microsoft merilis chip AI generasi kedua Maia 200 pada Januari 2026, menggunakan proses TSMC 3nm, dan mulai didistribusikan ke data center.

Meta MTIA (Meta Training and Inference Accelerator): dirancang dengan bantuan Broadcom.

Tiga lapisan logika yang mendorong tren ini adalah:

| Level | Logika Inti | Dasar Utama | | --- | --- | --- | | Lapisan pertama: biaya | Pengeluaran besar untuk pembelian GPU secara massal | Total pengeluaran modal cloud utama tahun 2026 mencapai sekitar 660-700 miliar dolar; ASIC buatan sendiri dapat menekan biaya chip inferensi tunggal hingga 30-50% dari GPU komersial | | Lapisan kedua: efisiensi energi | Masalah konsumsi daya data center menjadi hambatan operasional | ASIC dapat menampung throughput lebih tinggi dalam satu kabinet dengan konsumsi daya yang sama | | Lapisan ketiga: strategi | Mengurangi ketergantungan pada satu pemasok | Raksasa cloud menghindari ketergantungan pada produk NVIDIA yang dikendalikan oleh roadmap dan strategi harga |

Konsep aliansi anti-NVIDIA ini banyak dibahas di pasar. Penting ditegaskan bahwa ini bukan organisasi resmi, melainkan gambaran visual dari tren industri di mana raksasa teknologi beralih ke chip kustom secara kolektif. Menurut prediksi Morgan Stanley dan Counterpoint, pasar ASIC AI akan tumbuh dari sekitar 12 miliar dolar AS pada 2024 menjadi 30 miliar dolar AS pada 2027, dengan CAGR 34%.

Goldman Sachs bahkan lebih agresif: pangsa pasar ASIC di chip AI diperkirakan akan naik menjadi 40% pada 2026, melewati 45% pada 2027, hampir seimbang dengan GPU. Sementara itu, pengiriman server ASIC diperkirakan akan tumbuh 44,6% YoY pada 2026, sedangkan GPU komersial hanya 16,1%.

Posisi ganda Marvell MRVL: pengganti atau kolaborator?

Dalam narasi de-NVDA, peran pasar Marvell sering disalahpahami sebagai pengganti NVIDIA. Tapi gambaran industri lengkap jauh lebih kompleks dari sekadar label ini.

Pertama, pasar chip kustom memiliki distribusi lapis yang jelas.

Menurut data Counterpoint dan lembaga lain, pasar layanan desain ASIC AI kustom saat ini menunjukkan pola duopoli:

• Broadcom (AVGO): pangsa pasar sekitar 55-60%, menjadi pemimpin mutlak di pasar ASIC kustom global, dengan hubungan erat dengan Google, Meta, OpenAI, dan lainnya.
• Marvell (MRVL): pangsa sekitar 13-15%, posisi kedua, dengan pelanggan utama Amazon, Microsoft, Google.

Keduanya menguasai sekitar 95% dari pasar desain ASIC AI kustom secara kolektif. Perlu dicatat bahwa pasar ASIC AI secara keseluruhan masih dalam fase pertumbuhan cepat, semua pihak berbagi keuntungan dari pertumbuhan tersebut, dan saat ini lebih condong ke ekspansi bersama daripada kompetisi stok.

Kedua, hubungan Marvell dan NVIDIA bukan pengganti, melainkan kolaborasi mendalam.

Perubahan struktural terjadi pada 2026. Pada Maret 2026, NVIDIA mengumumkan investasi strategis sebesar 2 miliar dolar AS di Marvell. Kedua perusahaan menjalin kerja sama teknologi mendalam terkait NVLink Fusion, mengintegrasikan chip kustom Marvell dan solusi interkoneksi optik ke dalam ekosistem AI factory dan AI-RAN NVIDIA.

Kemudian, di COMPUTEX 2026 bulan Juni, Jensen Huang memberikan dukungan yang lebih tegas: (Switch data center Marvell) sangat penting untuk menangani beban kerja AI.

Mengapa NVIDIA berinvestasi di perusahaan yang juga mengembangkan chip kustom? Logika berikut menjelaskan:

Ketika klaster pelatihan AI berkembang dari ribuan ke puluhan ribu bahkan jutaan kartu, konektivitas menjadi sumber daya yang lebih langka daripada komputasi. Pesan utama Huang di COMPUTEX adalah bahwa saat komputasi AI tersebar di seluruh pusat data, perangkat jaringan sama pentingnya dengan GPU itu sendiri. Marvell memiliki keunggulan teknologi di bidang interkoneksi optik berkecepatan tinggi, switch Ethernet, dan DSP 1,6T.

Dengan demikian, posisi Marvell dapat didefinisikan sebagai kolaborator—bukan untuk menggantikan GPU NVIDIA, melainkan menyediakan opsi chip kustom di luar ekosistem NVIDIA sekaligus menjadi penyedia infrastruktur interkoneksi utama dalam ekosistem NVIDIA. Posisi ganda ini memberi Marvell nilai strategis unik di seluruh tumpukan infrastruktur AI.

Analisis laporan keuangan Q1 FY2027 Marvell: validasi logika

Akankah logika industri ini terwujud dalam hasil keuangan yang terukur? Laporan keuangan terbaru Marvell memberikan bukti penting.

Data keuangan utama

| Indikator | Nilai | YoY / QoQ | | --- | --- | --- | | Pendapatan Q1 FY2027 | 2,418 juta dolar AS | YoY naik 28% / QoQ naik 9% | | Pendapatan bisnis data center | 1,833 juta dolar AS | YoY naik 27% / 76% dari total pendapatan | | Panduan pendapatan Q2 FY2027 median | 2,7 miliar dolar AS | implisit naik 35% YoY | | Target pendapatan FY2027 | sekitar 11,5 miliar dolar AS | naik sekitar 40% YoY | | Target pendapatan FY2028 | sekitar 16,5 miliar dolar AS | naik 44% dari FY2027 | | Target jangka panjang chip AI kustom | capai 10 miliar dolar AS pada 2029 | — |

Sumber data: laporan keuangan resmi Marvell dan konferensi telepon Q1 FY2027

Indikator yang patut diperhatikan

Data Q1 FY2027 bisnis data center Marvell mencatat rekor pendapatan 1,833 miliar dolar AS, meningkat dari 76% dari total pendapatan, menunjukkan struktur bisnisnya telah berfokus secara strategis pada data center AI.

Lebih penting lagi, manajemen menaikkan proyeksi: target pendapatan FY2027 dari sekitar 11 miliar dolar AS menjadi 11,5 miliar dolar AS, dan target FY2028 dari sekitar 15 miliar dolar AS menjadi 16,5 miliar dolar AS. Morgan Stanley (MS) langsung memperbarui proyeksi jangka panjangnya, memperkirakan pendapatan data center FY2027 akan tumbuh sekitar 50% YoY, dan meningkat lagi menjadi sekitar 55% pada FY2028.

Satu tonggak penting yang tidak boleh diabaikan adalah: Marvell akan resmi masuk indeks S&P 500 pada 22 Juni 2026, menggantikan Pool Corp dengan kapitalisasi pasar sekitar 254 miliar dolar AS. Ini adalah contoh lain dari permintaan AI yang mendorong perusahaan semikonduktor masuk ke indeks saham utama.

Akuisisi Celestial AI oleh Marvell: dari komputasi ke interkoneksi optik

Dalam memahami narasi pertumbuhan Marvell, satu akuisisi patut diperhatikan secara mendalam—pada Desember 2025, Marvell mengumumkan akuisisi perusahaan teknologi interkoneksi optik Celestial AI dengan nilai sekitar 6 miliar dolar AS, dan menyelesaikan transaksi pada Februari 2026.

Celestial AI fokus pada silikon fotonik dan teknologi interkoneksi optik, bertujuan mengatasi masalah utama di data center AI saat ini: memory wall—yaitu bottleneck transfer data antara komputasi dan penyimpanan.

Strategi utama akuisisi ini adalah: Marvell menggabungkan pengalaman dalam ASIC kustom, switch Ethernet, dan DSP 1,6T dengan kemampuan interkoneksi optik Celestial AI, membangun kemampuan teknologi yang mencakup seluruh rantai data. Analis JP Morgan menyatakan bahwa Marvell telah menjadi satu-satunya perusahaan yang menguasai desain ASIC kustom, DSP optik 1,6T, silikon fotonik (melalui Celestial AI), dan CXL switch—serangkaian teknologi ini saat ini belum bisa ditiru oleh kompetitor tunggal.

Dari segi jadwal komersialisasi, Marvell memperkirakan kontribusi awal Celestial AI akan mulai dari paruh kedua FY2028, mencapai tingkat operasional tahunan sebesar 500 juta dolar AS pada kuartal keempat.

Analisis perbandingan: struktur Marvell vs NVIDIA dan AMD

Dalam rantai industri chip AI, model bisnis Marvell, NVIDIA, dan AMD memiliki perbedaan esensial yang menentukan jalur pertumbuhan dan logika valuasi masing-masing. Sebelum membandingkan, perlu ditegaskan bahwa indikator valuasi ini hanya sebagai referensi, karena struktur bisnis, skala, tingkat pertumbuhan, dan margin laba berbeda secara signifikan. Investor harus melakukan penilaian mandiri sesuai risiko.

Perbedaan model bisnis utama

| Dimensi | NVIDIA (NVDA) | Marvell (MRVL) | AMD (AMD) | | --- | --- | --- | --- | | Model utama | Penjualan GPU umum dan sistem AI lengkap | ASIC kustom + infrastruktur interkoneksi tinggi | GPU umum + CPU + FPGA multi-lini | | Bentuk produk AI | Chip/ sistem jadi (HGX/DGX) | Chip semi-kustom dan solusi interkoneksi untuk cloud | GPU seri MI dan APU | | Hubungan pelanggan | Pelanggan akhir luas | Terikat erat dengan cloud utama (Amazon/Microsoft/Google) | Produsen server, pusat superkomputer, cloud tertentu | | Hambatan utama | Ekosistem CUDA + kemampuan integrasi sistem | Kemampuan kustomisasi + teknologi interkoneksi/ Ethernet | Multi-arsitektur + positioning cost-performance |

Perbandingan volume dan pertumbuhan

| Indikator | NVIDIA (FY2026, sampai Januari 2026) | Marvell (FY2026 dan proyeksi FY2027) | AMD (tahun 2025) | | --- | --- | --- | --- | | Skala pendapatan tahunan | sekitar 130 miliar dolar AS | FY2026 sekitar 8,2 miliar / target FY2027 ~11,5 miliar | sekitar 25-28 miliar dolar AS | | Pendapatan AI kuartal terbaru | Data center > 35 miliar dolar/kuartal | Data center 18,33 miliar dolar | Seri MI kuartal sekitar 1,5-2 miliar dolar | | Pertumbuhan YoY | sekitar 40%-50% | target FY2027 sekitar 40% | sekitar 20%-30% |

Sumber data: laporan keuangan masing-masing perusahaan dan data pasar terbuka.

Perspektif investor, perbedaan

JPMorgan menyebutkan bahwa proyeksi laba jangka panjang NVIDIA (51,7%) lebih tinggi dari Marvell (39,4%), tetapi valuasi Marvell lebih elastis, dan harga sahamnya lebih sensitif terhadap pesanan dan pelanggan baru. Perbedaan ini terutama karena fase siklus hidup kedua perusahaan berbeda: NVIDIA dalam fase ekspansi skala matang, sementara Marvell berada di ambang transformasi dari volume ke kualitas ASIC kustom.

Setelah akuisisi Celestial AI, investasi strategis NVIDIA, dan masuk indeks S&P 500, bank investasi Stifel menaikkan target harga Marvell secara signifikan dari 230 dolar menjadi 321 dolar, dan tetap merekomendasikan beli.

Risiko potensial di jalur chip kustom

Dalam suasana pasar yang sangat optimis, faktor risiko berikut perlu dipertimbangkan:

Persaingan pangsa pasar yang semakin ketat

Walaupun Marvell berada di posisi kedua di pasar ASIC kustom, pemimpin pasar Broadcom (AVGO) sudah mendapatkan pesanan besar dari Google TPU dan Meta MTIA. Kemungkinan Marvell memperbesar pangsa pasar di masa depan masih belum pasti. Counterpoint bahkan memprediksi pangsa desain layanan Marvell bisa turun ke sekitar 8% pada 2027.

Risiko konsentrasi pelanggan

Bisnis ASIC kustom Marvell sangat bergantung pada beberapa pelanggan utama seperti Amazon, Microsoft, dan Google. Perubahan roadmap produk atau pergantian pemasok dari pelanggan utama ini bisa berdampak besar. Saat ini, Marvell telah menjalin kerja sama desain ASIC AI dengan lebih dari 20 pelanggan, tetapi pendapatan utama tetap terkonsentrasi pada pelanggan inti.

Stabilitas margin laba

Margin laba operasional Marvell sekitar 15%, mencerminkan sifat tradisional sebagai penyedia desain perangkat keras. Dengan meningkatnya volume produksi ASIC kustom, apakah margin ini bisa stabil dan membaik menjadi perhatian utama pasar.

Ketidakpastian dari iterasi GPU NVIDIA yang terus berlangsung

Produk GPU NVIDIA tetap berkembang pesat, dan peningkatan performa produk generasi baru bisa menunda pengambilan keputusan proyek chip kustom tertentu. Kompetisi di pasar hardware AI masih dinamis dan terus berubah.

Risiko geopolitik dan rantai pasok teknologi

Rantai industri semikonduktor global menghadapi ketidakpastian geopolitik, termasuk pembatasan ekspor dan de-globalisasi supply chain.

Risiko valuasi

Pendapatan FY2026 sekitar 8,2 miliar dolar AS, sementara kapitalisasi pasar saat ini sekitar 2,5 triliun dolar AS, menunjukkan pasar sudah memperhitungkan ekspektasi pertumbuhan selama beberapa tahun ke depan. Analisis dari AInvest menyebutkan bahwa harga saham Marvell saat ini mungkin menghadapi tekanan valuasi. Jika kinerja atau pesanan melambat, penyesuaian valuasi bisa terjadi.

Penutup

Kinerja luar biasa laporan keuangan Q1 FY2027 Marvell, ditambah prediksi Huang tentang perusahaan bernilai triliunan dolar, menandai bahwa jalur chip kustom AI sedang beralih dari pinggiran ke panggung utama.

Dari sudut pandang industri yang lebih makro, infrastruktur komputasi AI sedang mengalami transformasi struktural—dari arsitektur unipolar yang didominasi GPU NVIDIA, menuju ekosistem yang lebih beragam dengan pelatihan GPU dan inferensi/ interkoneksi ASIC yang saling melengkapi.

Kehadiran chip kustom seperti TPU Google, Trainium Amazon, Maia Microsoft, dan MTIA Meta mencerminkan arah seragam dari para raksasa cloud global untuk mengurangi ketergantungan pada NVIDIA. Tapi de-NVDA bukan berarti menggantikan NVIDIA. Faktanya, kolaborasi mendalam antara Marvell dan NVIDIA mengungkapkan sebuah pola yang lebih dalam: kunci keberhasilan pusat data AI bukan hanya kekuatan komputasi, melainkan juga konektivitas. Ketika skala klaster mencapai ratusan ribu kartu, bagaimana menghubungkan chip sebanyak itu secara efisien sama pentingnya dengan kemampuan komputasi setiap chip.

Dalam pola baru yang melibatkan banyak kekuatan dan kolaborasi ini, Marvell dengan strategi ganda di ASIC kustom dan infrastruktur interkoneksi berkecepatan tinggi sedang membangun sebuah keunggulan kompetitif yang unik. Ini bukan jalan untuk menggantikan GPU, melainkan jalur paralel yang penting dalam ekosistem infrastruktur AI secara keseluruhan.

Apakah prediksi perusahaan bernilai triliunan dolar berikutnya akan terwujud, tergantung pada eksekusi pesanan, evolusi pangsa pasar, dan perkembangan teknologi di masa depan. Tapi satu hal pasti: gerbang era chip kustom telah terbuka.