Doug O'Loughlin kembali ke SemiAnalysis Weekly setelah lama absen, tepat ketika sektor semikonduktor mengalami penarikan tajam setelah "paruh pertama tahun terbaik sepanjang sejarah". KOSPI Korea jatuh 40%, leverage 2x investor ritel disapu bersih, SK Hynix meleset dari ekspektasi karena peralihan ke LTA menyebabkan perlambatan kenaikan harga. Doug membandingkan situasi saat ini dengan gelembung Taiwan tahun 1980-an, berpendapat pola perilaku gelembung sangat mirip, namun fundamental tetap sehat.
Mereka berdebat panas seputar "seberapa besar permintaan AI sebenarnya". Dylan berangkat dari pengalaman SemiAnalysis sendiri: setelah asisten coding diluncurkan, pengeluaran AI perusahaan meningkat 100 kali lipat, pengguna berkembang dari 9 menjadi 90 orang, dan penggunaan per orang juga meningkat 10 kali lipat. Doug tidak menyangkal permintaan yang kuat, namun mengungkapkan kekhawatiran inti: sisi penawaran bisa dihitung, sisi permintaan adalah "pertanyaan triliunan dolar", tidak ada yang tahu jawabannya. Yang lebih krusial, scaling laws meminta chip berlipat ganda, namun hambatan fisik dan kelembagaan seperti tukang listrik, modal, izin tidak bisa berlipat ganda secara bersamaan. Penyedia cloud hyperscale tahun ini telah menerbitkan utang senilai $450B, dananya berasal dari dana pensiun dan anuitas, sementara kumpulan dana pensiun itu sendiri menyusut.
Ringkasan Pandangan Menarik
Tentang Penarikan Pasar
"Pada akhir Q2, ini adalah kinerja terbaik dalam sejarah semikonduktor. Lalu kita mulai membayar hutang. Semakin cepat sesuatu naik, gravitasinya semakin besar."
"Orang Korea punya rekor 20 tahun: selalu membeli di puncak. 2007 beli bank, 2021 beli SaaS, kali ini mereka yolo diri mereka sendiri."
"KOSPI jatuh 40%, orang dengan leverage 2 kali langsung terhapus. Lalu spiral yang terwujud sendiri: setiap orang melihat akun menyusut, memutuskan menjual, lalu memperparah penurunan."
Tentang Siklus Memori
"SK Hynix beralih ke lebih banyak LTA, kenaikan harga melambat dari 3 kali menjadi 30 hingga 50%. Pikiran orang-orang di dunia finansial rusak semua, hanya melihat tingkat perubahan. Begitu turunan kedua turun, mereka pikir siklus sudah berakhir."
"Naskah semikonduktor selalu sama: saat kekurangan semua orang order ganda, pabrik lihat permintaan gila-gilaan ekspansi kapasitas. Lalu permintaan bersin, pasokan masih ramp, utilisasi turun dari 100% ke 50%, hanya bisa tebang harga."
Tentang Permintaan AI
"Kurva permintaan adalah pertanyaan triliunan dolar. Kurva penawaran relatif bisa dipahami, tapi apakah permintaan 10 kali atau 100 kali, tidak ada yang tahu."
"SemiAnalysis sendiri adalah contoh kasus: setelah asisten coding diluncurkan, 9 pengguna teknis jadi 90 pengguna semua staf, penggunaan token per orang juga 10 kali lipat. Pengeluaran AI perusahaan 100 kali lipat."
Tentang Hambatan Rantai Pasokan
"AS kekurangan 100 ribu tukang listrik. Tukang listrik menengah gaji $250k setahun, yang mau lembur bisa sampai $400k, $500k. Ada yang pakai pesawat kecil Cessna antar tukang listrik ke lokasi konstruksi terpencil."
"Penyedia cloud hyperscale tahun ini terbitkan utang $4500 miliar, terbesar kedua setelah pemerintah AS dan China. Uang ini dari dana pensiun dan anuitas, tapi kumpulan dana pensiun tidak akan berlipat ganda."
"TSMC langsung dan tidak langsung menyumbang 20% PDB Taiwan. Kalau mau berlipat ganda lagi, Taiwan perlu punya lebih banyak anak untuk mencukupi pekerja."
Tentang Politik AI
"Ketidaksukaan terhadap AI lebih rendah daripada es krim, lebih rendah daripada politisi. Ini belum dipricing. Dalam pemilu menengah AI akan jadi kambing hitam isu biaya hidup."
"RUU ROSA lolos di DPR 300 lawan 20, mentok di Senat. Kekuatan lobi perusahaan menghalangi legislasi yang membatasi akses remote ke GPU dari China."
Teks Utama
Paruh Pertama Tahun Terbaik Sejarah Semikonduktor, Lalu Mulai Bayar Hutang
Dylan: Pasar saham menarik, semua nama AI turun. Kita hari ini mau tambah minyak ke api, atau kasih sedikit penghiburan.
Doug: Sampai 30 Juni akhir Q2, ini mungkin kinerja terbaik dalam sejarah semikonduktor. Lalu kita mulai unwind. Banyak yang bisa dikaitkan dengan faktor teknis: leverage, pembalikan momentum. Tapi kenyataannya, semakin cepat sesuatu naik, gravitasinya semakin besar. Kita sedang membayar rally momentum gila sebelumnya.
Keadaan di Korea gila. Setiap hari ada saham yang terkena batas turun. Ada cuitan "bagaimana saya melakukan pekerjaan saya?" Direktur SDM rugi habis semua uang, semua orang depresi karena saham semua turun. Kalau lihat sejarah keuangan Asia, hal seperti ini terjadi lebih sering dari yang kamu bayangkan.
Satu buku favorit saya bicara tentang gelembung besar Taiwan. Taiwan di basis per kapita mengalami gelembung 100 kali lipat, bank diperdagangkan di PE 500 kali, semua hal jadi gila.
Dylan: Kapan ini?
Doug: Akhir 1980-an.
Dylan: Menurutmu fundamental Korea sekarang berbeda dengan saat itu?
Doug: Fundamentalnya baik. Tapi masalahnya, hal-hal tidak pernah seburuk ketakutan, juga tidak sebaik yang kamu bayangkan. SK Hynix hari ini meleset ekspektasi karena mereka beralih ke lebih banyak LTA. Ironisnya, waktu mereka roadshow ADR masih mengeluh Micron buat LTA dapat harga lebih rendah.
Harga memori tahun lalu naik sekitar 3 kali, tahun depan tidak mungkin naik 3 kali lagi, mungkin naik 30 sampai 50%. Tapi pikiran orang-orang di dunia finansial rusak semua, hanya melihat tingkat perubahan. Dalam sejarah siklus memori, turunan kedua turun biasanya adalah titik akhir. Karena tingkat perubahan tidak berhenti di 30%, tapi akan langsung jatuh ke minus 50%.
Naskah siklus ini selalu sama: semua orang investasi bangun pabrik, kapasitas online, lalu sadar "astaga, kenapa permintaannya sedikit sekali". Karena sebelumnya ada order ganda, order triple. Pabrik turun dari utilisasi 100% ke 50%, satu-satunya cara balik modal adalah tebang harga. Ini sifat dasar pasar semikonduktor.
KOSPI sekarang turun 40%. Orang dengan leverage 2 kali langsung terhapus. Lalu spiral yang terwujud sendiri: setiap orang melihat akun menyusut, memutuskan menjual, lalu memperparah penurunan.
Memori China: Mungkin Mengacaukan Pesta, Tapi Permintaan Masih Lebih Besar Dari Penawaran
Dylan: Baru-baru ini memori China masuk ekosistem, CXMT, YMTC IPO besar, bagaimana pandanganmu?
Doug: Mereka punya kapasitas, meski yield rendah, tidak masalah. Perusahaan China tidak sedang bersaing di margin atau EPS.
CXMT sekarang jelas pasar keempat, tapi ini lingkungan kekurangan, mereka tetap bisa untung. Apple sudah mulai pakai memori CXMT, karena Micron "price gouging". Tidak ada yang menangis di kasino, Tim Apple. Kamu harus beli dengan harga pasar.
CXMT mungkin bisa mengacaukan pesta, tapi kenyataannya permintaan masih lebih besar dari penawaran. Pertanyaan triliunan dolar yang sebenarnya: permintaan sebenarnya ada di mana? Kurva penawaran relatif bisa dipahami. Kurva permintaan kita tidak tahu. Kita tahu asisten coding dan chatbot berarti lebih banyak permintaan, tapi tidak tahu apakah 10 kali atau 100 kali. Penawaran akan secara buta ramp, sampai suatu hari menabrak kurva permintaan.
Asisten Coding Adalah Titik Balik: Pengeluaran AI SemiAnalysis Sendiri 100 Kali Lipat
Dylan: Saya rasa permintaan jelas sangat kuat, dan akan bertahan lama. Saya cukup lihat volume penggunaan internal perusahaan sendiri. Kalau kamu pikir permintaan di masa depan akan datar bahkan turun, kamu harus percaya model tidak akan menjadi lebih baik lagi. Saya tidak lihat tanda-tanda stagnasi, hanya lihat sinyal arah sebaliknya.
Doug: Biar saya jadi devil's advocate. Argumen bear terbesar apa? Kecepatan kemajuan teknologi mungkin melebihi kecepatan orang menggunakannya. Anggap saja aplikasi pembunuh AI adalah entri data, Kimi K3 sudah cukup. Kita buat mobil semakin cepat, produk semakin baik, tapi kurva permintaan sebenarnya dipenuhi oleh produk yang sudah kita kuasai.
Ini seperti gelembung internet: waktu itu bilang "permintaan berlipat ganda setiap 90 hari", tapi teknologi fiber meningkat 2 sampai 3 kali per tahun. Akhirnya kinerja satu fiber jadi 500 ribu kali aslinya, lalu semua bilang "tunggu, kita kayaknya tidak butuh sebanyak ini fiber".
Dylan: Saya tidak setuju, tapi ini layak didiskusikan. Bantahan saya: masih ada 100 sampai 1000 kali orang yang sekarang tidak pakai model apapun. Kedua, use case AI jauh lebih dari sekadar coding. Itu bisa buat video generation, drug discovery, material science. Ada yang pakai AI buat komponen superkonduktor, ini berharga berapa? Banyak uang GPU.
Dan coding sendiri juga bukan cuma "membuat div rata tengah". Itu mewakili satu kelas tugas yang nilai ekonominya jauh lebih tinggi dari debugging frontend. Sam Altman bicara tentang RSI (recursive self-improvement), Anthropic ada model baru akan keluar. Asisten coding di versi Claude 4.5 adalah titik balik yang jelas: kamu melewati garis kecerdasan tertentu, pasar baru muncul. Sehari sebelumnya kamu tidak bisa lakukan, hari berikutnya bisa.
Doug: Kamu adalah pengguna prototipe. Saat ini tahun lalu tim teknis SemiAnalysis kurang dari 10 orang pakai asisten coding, lalu kamu dan Dylan bilang "setiap orang di perusahaan harus belajar pakai ini". Sekarang kita punya 90 pengguna.
Dylan: Dari 9 ke 90, 10 kali. Lalu dalam 3 sampai 4 bulan, penggunaan per orang juga sekitar 10 kali lipat. Pengeluaran AI perusahaan 100 kali lipat. Sekarang pertanyaannya, apakah setiap perusahaan akan seperti ini? Mungkin tidak seintens ini, tapi banyak perusahaan punya banyak pekerjaan yang bisa dipotong.
H100 Tidak Akan Jadi Besi Tua, Tapi Model Semakin Besar
Doug: Saya rasa chip lama akan jadi tidak berharga. Semua orang bilang "H100 adalah aset yang terapresiasi", tapi suatu hari nanti inferensi satu model butuh 100 H100. Saat itu kamu akan bilang "pensiunkan yang tua, beli B300". Sinyal konfirmasi sebenarnya adalah ketika diferensiasi harga muncul antara B200 dan B300.
Dylan: Saya sama sekali tidak setuju. Alasannya paling mendasar: tidak ada yang akan mengeluarkan H100 dan menggantinya dengan B300. Desain data center sepenuhnya berbeda. Kamu tidak bisa di ruang server yang sama ganti Hopper dengan Blackwell atau Rubin, kamu harus bongkar seluruhnya dan bangun ulang. Jadi untuk membenarkan pensiunkan satu data center Hopper, harus buktikan dulu pendapatan chip-chip itu sudah di bawah biaya operasional. Ini bukan biaya variabel, ini biaya tenggelam.
Doug: Di dunia tanpa friksi kamu benar, tapi dunia yang kita tinggali friksinya semakin besar. Friksi membangun daya komputasi baru termasuk izin listrik, lahan, persetujuan.
Dylan: Ya, saya setuju. Skenario harga GPU turun adalah kemajuan model stagnan, skenario naik adalah kemajuan model terus berlanjut. Ada juga faktor X: intervensi pemerintah terhadap lab frontier. Kalau membatasi siapa yang bisa pakai chip terbaru dan terbaik, permintaan akan terkompresi, harga chip lama juga akan ikut turun.
Modal dan Tukang Listrik: Batas Fisik Scaling Laws
Doug: Yang paling membuat saya khawatir bukan permintaan, tapi hambatan fisik di sisi penawaran. Pertama tukang listrik. AS kekurangan 100 ribu tukang listrik. Tukang listrik menengah gaji $250k setahun, yang mau kerja 18 jam bisa sampai $400k, $500k. Ada situs lacak perekrutan tukang listrik, Wayback Machine bisa lihat upah per jam naik dari $15, $20 ke $50, $100, $200. Latihan seorang tukang listrik butuh 18 bulan. Untuk melipatgandakan orang yang dibutuhkan, kita belum pernah latih sebanyak itu.
Kedua modal. Penyedia cloud hyperscale tahun ini terbitkan sekitar $4500 miliar utang, terbesar sepanjang sejarah. Terbesar kedua setelah pemerintah AS dan China. Harus ada yang beli obligasi ini. Untuk membuat mereka beli lebih banyak, harus kasih suku bunga lebih tinggi. Dan sumber uang ini, sebagian besar adalah dana pensiun dan anuitas. Kumpulan dana pensiun menyusut secara struktural. Pensiun sudah banyak beralih ke 401k, 401k tidak beli obligasi. Jadi pada dasarnya kamu harus percaya setiap orang butuh dua kali asuransi, tapi ini tidak masuk akal.
Scaling laws bilang "bagus, kita buat model dua kali lebih besar". Tapi tidak semua hal bisa berlipat ganda dua tiga kali secara sinkron.
Dylan: Tunggu, kamu bilang dana pensiun sedang membayar pembangunan data center?
Doug: Ya. Anuitas dibeli secara terkonsentrasi sebelum pensiun, generasi baby boomer semua pensiun, jadi kumpulan aset ini cukup besar. Tapi bisakah berlipat ganda? Tiga kali? Saya rasa tidak. Asuransi jiwa juga sumber. Tapi kamu harus percaya semua orang butuh dua kali asuransi jiwa. Tidak ada yang beli dua kali asuransi jiwa.
Dylan: Ini menarik. Dana pensiun menyusut secara struktural, tapi memang banyak uang di sana.
Doug: Ada contoh lain Taiwan. TSMC langsung dan tidak langsung menyumbang 20% PDB Taiwan. Kalau TSMC berlipat ganda tiga kali lagi, Taiwan perlu punya lebih banyak anak untuk mencukupi pekerja. Taiwan hanya punya satu permainan. PDB Taiwan tahun ini naik 25%, itu TSMC sedang memanggang chip. Tapi berlipat ganda lagi, orang tidak cukup.
Politisasi AI: Kambing Hitam Pemilu Menengah
Dylan: Banyak orang tidak suka AI, ini belum dipricing. Bagaimana bisa dipricing? Saya kira pemilu menengah.
Doug: AI mungkin prioritas kelima, bukan tiga besar. Kesehatan, biaya hidup lebih dulu. Tidak ada yang akan kampanye dengan platform AI.
Dylan: Tapi AI akan jadi proxy sub isu biaya hidup. Bukan "apakah kita dukung AI", tapi "peduli ekonomi, salahkan tech bro dan AI". RUU ROSA lolos di DPR 300 lawan 20, mentok di Senat. Lobi perusahaan menghalanginya.
Doug: Kalau bukan prioritas tiga besar, kekuatan lobi akan menang atas opini publik.
Dylan: Tapi AI sudah jadi kambing hitam orang di isu lain. Perubahan iklim, perumahan, inflasi, AI dan tech bro akan diseret keluar.
Doug: Ada jajak pendapat menarik: orang yang benci data center biasanya tidak tinggal di dekat data center. Dan yang tinggal dekat, terutama anak muda, sikapnya positif, karena pekerjaan. Saya pernah kunjungi data center dekat Buffalo, penduduk lokal sangat dukung. Data center dibangun di daerah terpencil sebenarnya baik, itu membuat partisipasi ekonomi menjadi luas. Satu data center gigawatt kira-kira butuh sepuluh ribu orang. 70 gigawatt berarti 700 ribu lapangan kerja. Ini mulai mempengaruhi suara.
Final: Investasi Lima Triliun, Pendapatan Lima Ratus Miliar
Doug: Masa depan kemakmuran teknologi akan terwujud, masalahnya adalah waktu arus kas. Kamu habiskan satu triliun, dapat seratus miliar, suatu hari nanti memang akan jadi satu triliun. Tapi mungkin lima tahun kemudian, saat itu kamu bilang "bro, saya tidak punya uang".
Anggap seluruh ekosistem AI saat ini ARR $150B, akumulasi CAPEX satu triliun. Pengembalian pendapatan 15%, dengan margin 50% berarti 7.5%. Tidak buruk, tapi juga tidak super menguntungkan. Kamu harus percaya $150B bisa jadi $500B, ini bisa dilakukan. Lalu $500B bisa menopang CAPEX dua sampai tiga triliun. Tapi berlipat ganda sekali lagi akan sulit.
OpenAI dan Anthropic percaya pra-latihan akhir akan segera datang, karena mereka mau IPO. Model hasil pra-latihan akhir memang bagus, pendapatan tumbuh cepat, tapi kecepatan tumbuh tidak cukup bayar tagihan. Kamu bangun rumah yang tidak mampu kamu bayar. Habiskan investasi lima triliun, pendapatan lima ratus miliar, itu uang sepuluh tahun.
Dylan: Kamu bilang ini pendapatan bukan laba. Dan kamu bilang ini sambil tahu margin layanan perusahaan-perusahaan ini sekarang tinggi seperti apa.
Doug: Ya, kita belum sampai di tahap itu. Sekarang masih di jalan sempit, bisa lihat bagaimana pendapatan cocok. Penyedia cloud hyperscale punya bisnis lain yang cetak uang tunai gila-gilaan, kalau mereka mau hentikan CAPEX, laba langsung bisa dicetak. Tapi seiring kamu investasi semakin banyak, taruhan semakin tinggi, jalan semakin sempit. Di suatu titik kamu sebenarnya harus meminta semua orang menggunakannya. Masalahnya adalah pembuat keputusan dan pengguna sebenarnya adalah dua dunia yang sama sekali berbeda. Zuck pikir semua orang akan pakai kacamata Meta di metaverse bakar triliunan token per hari, tapi nenek di Nebraska tidak bisa pakai iPhone baru.
Dylan: Pendapatan tidak bergantung pada nenek. Bergantung pada perusahaan, bank, telekomunikasi, perusahaan ritel, pertahanan dan intelijen. Saya lihat setiap bank, setiap perusahaan telekomunikasi, setiap retailer pakai ini dalam pekerjaan sehari-hari. Kendala yang lebih menarik di sisi penawaran: bisakah kamu pasang cukup GPU, bisakah rekrut cukup orang untuk jual.
Doug: Ya, masalah sisi penawaran lebih menarik dan lebih sulit. Tukang listrik, modal, izin, hal-hal ini tidak bisa berlipat ganda sesuai scaling laws. Tapi beri mereka waktu, itu akan sampai. Mereka tahun depan memang mungkin terbit satu triliun obligasi. Masalah sebenarnya. Problem adalah jalur akan menjadi sempit, taruhan akan menjadi tinggi, lalu kamu harus meminta semua orang menggunakannya. Kurva adopsi ini butuh waktu.
