# Artikel Terkait Memori

Pusat Berita HTX menyediakan artikel terbaru dan analisis mendalam mengenai "Memori", mencakup tren pasar, pembaruan proyek, perkembangan teknologi, dan kebijakan regulasi di industri kripto.

Apakah 'Cahaya Maju, Penyimpanan Mundur' Sedang Menjadi Narasi Perdagangan Saham AS Baru?

Setelah narasi valuasi chip AI mencapai puncak, modal mulai mencari cerita baru yang terkait AI. "Majunya komunikasi optik, mundurnya memori" muncul dalam konteks ini—aliran dana bergeser dari memori ke komunikasi optik. Komunikasi optik, yang menggunakan sinyal cahaya (serat optik) untuk mentransmisikan data, menjadi krusial bagi AI karena mengatasi batasan kabel tembaga dalam jarak, redaman, dan efisiensi daya. Hal ini sangat vital untuk menghubungkan kluster GPU skala besar dalam pelatihan dan inferensi model AI. Pergerakan saham mencerminkan narasi ini: saham memori seperti Micron dan SK Hynix mulai tertekan setelah harga naik dan posisi keuangan padat, sementara saham komunikasi optik seperti AAOI, COHR, dan LITE melonjak 40-50% pada Agustus karena konfirmasi permintaan dan transisi ke teknologi 800G/1.6T. Laporan keuangan LITE baru-baru ini semakin menguatkan tren ini, dengan laba dan margin yang melampaui ekspektasi, serta pandangan positif mengenai permintaan yang melebihi pasokan, termasuk untuk laser daya ultra-tinggi dan CPO (Co-Packaged Optics). Namun, risiko tetap ada: kenaikan harga yang tajam berpotensi menciptakan koreksi, terutama jika laporan COHR mendatang tidak memenuhi harapan. Investor disarankan untuk berhati-hati dan mempertimbangkan dengan matang sebelum masuk di level harga saat ini.

marsbit23j yang lalu

Apakah 'Cahaya Maju, Penyimpanan Mundur' Sedang Menjadi Narasi Perdagangan Saham AS Baru?

marsbit23j yang lalu

Ramalan Mengejutkan Altman: 6 Bulan Lagi, ChatGPT Akan Sepenuhnya Mengendalikan Hidup Anda

CEO OpenAI Sam Altman membuat prediksi mengejutkan: dalam 6 bulan ke depan, generasi berikutnya ChatGPT akan mampu "mengambil alih hidup Anda". AI ini akan terus memantau layar, merekam setiap rapat dan panggilan, serta menguasai seluruh konteks kehidupan pengguna, mengubah hubungan manusia-komputer dari sekadar percakapan menjadi simbiosis. Altman membayangkan model AI kecil dengan konteks triliunan token yang mengingat semua aspek hidup pengguna. Tren menunjukkan generasi muda sudah menggunakan ChatGPT sebagai "sistem operasi" hidup mereka, konsultasi untuk keputusan penting. OpenAI telah mengembangkan fitur seperti **Chronicle** (dalam Codex) yang mengambil screenshot layar untuk memahami konteks pekerjaan, dan **Dreaming V3** pada ChatGPT yang menyintesis memori dari riwayat percakapan, dengan kemampuan evolusi otomatis. Evaluasi internal menunjukkan peningkatan signifikan dalam daya ingat fakta dan preferensi pengguna. Industri AI serempak berinvestasi pada teknologi memori. Google mengembangkan "Memory Bank" untuk Gemini Enterprise, sementara Anthropic memberikan memori persisten ke semua pengguna Claude. Startup seperti Mem0 berusaha menciptakan lapisan memori lintas platform. Memori menjadi "parit pertahanan" baru: semakin banyak memori pribadi yang terakumulasi di suatu platform, semakin tinggi biaya bagi pengguna untuk beralih. Altman tidak hanya menggambarkan visi produk, tetapi juga strategi bisnis untuk mengunci pengguna di ekosistem mereka.

marsbitKemarin 07:34

Ramalan Mengejutkan Altman: 6 Bulan Lagi, ChatGPT Akan Sepenuhnya Mengendalikan Hidup Anda

marsbitKemarin 07:34

Analisis Laporan Riset JPMorgan: Saham SK Hynix Turun 15% Pekan Lalu, Kekhawatiran Penetapan Harga HBM Berlebihan dan Pengembalian Kepada Pemegang Saham Akan Diwujudkan Lebih Awal

Laporan riset J.P. Morgan (8 September 2026) menanggapi kekhawatiran pasar yang menyebabkan penurunan saham SK Hynix sebesar 15% pekan lalu. Analis JPM menyatakan bahwa kekhawatiran tersebut berlebihan dan mempertahankan rating **'Overweight'** dengan target harga 2,75 juta KRW. **1. Harga HBM: Diskon 50% Tidak Akurat** Kekhawatiran utama adalah laporan media tentang potensi diskon harga HBM4 2027 sebesar 50% dari pesaing. JPM menyatakan angka tersebut **tidak akurat**. Asumsi harga konservatif mereka adalah kenaikan kurang dari 40% YoY pada 2027, didukung oleh alokasi kapasitas LTA ke produk lain yang menguntungkan, hubungan jangka panjang dengan pelanggan utama seperti NVIDIA, dan ruang negosiasi harga tahunan. **2. Pengembalian kepada Pemegang Saham: Dijadwalkan Lebih Awal** Katalis jangka pendek terpenting adalah rencana pengembalian modal tambahan. SK Hynix menyatakan akan mengumumkan langkah-langkahnya **sebelum akhir kuartal ketiga (September)**, lebih awal dari jadwal awal "sebelum akhir tahun". Dengan proyeksi arus kas bebas kumulatif lebih dari 800 triliun KRW dalam 3 tahun dan posisi kas yang kuat, pasar diharapkan menyambut kebijakan progresif ini. **3. Belanja Modal (Capex) 54 Triliun KRW: Untuk Sasaran Jangka Panjang 2030** Rencana capex besar ini (untuk pabrik DRAM Y2 di Yongin dan NAND M17 di Cheongju) konsisten dengan roadmap perluasan kapasitas jangka panjang menuju **target 1 juta wafer per bulan pada 2030**. Investasi ini terutama untuk kapasitas pasca-2031 dan bukan ekspansi agresif jangka pendek. **4. IPO Solidigm: Nilai Strategis Terbatas** JPM bersikap hati-hati mengenai nilai strategis IPO anak perusahaan AS, Solidigm. Dengan siklus super NAND yang menguntungkan dan kemampuan keuangan internal SK Hynix yang kuat, IPO dinilai tidak terlalu diperlukan dan bahkan bisa menghadapi batasan regulasi. Kesimpulannya, penurunan harga saham dinilai sebagai reaksi berlebihan pasar. Kekhawatiran atas harga HBM salah baca, pengembalian kepada pemegang saham dipercepat, dan capex besar adalah untuk visi jangka panjang. Siklus super memori diperkirakan terus berlanjut dengan fundamental SK Hynix yang tetap kuat.

marsbit2 hari yang lalu 02:18

Analisis Laporan Riset JPMorgan: Saham SK Hynix Turun 15% Pekan Lalu, Kekhawatiran Penetapan Harga HBM Berlebihan dan Pengembalian Kepada Pemegang Saham Akan Diwujudkan Lebih Awal

marsbit2 hari yang lalu 02:18

Interpretasi Laporan Riset BofA: Siklus Super Penyimpanan Berlanjut hingga 2027, Samsung Kemungkinan akan Luncurkan Buyback Skala Besar dan Dividen Khusus

Siklus super penyimpanan diproyeksikan berlanjut hingga 2027, didorong oleh permintaan HBM untuk AI. Laporan BofA meningkatkan perkiraan penjualan DRAM global menjadi $847 miliar pada 2027. Harga spot NAND dan DRAM menunjukkan pemulihan kuat, melampaui pola musiman. BofA memperkirakan kenaikan ASP DRAM 8% dan NAND 3% pada Q4-2026. Pangsa HBM dalam pengiriman DRAM diperkirakan naik dari 8,5% (2025) menjadi 14,1% (2027). Samsung diperkirakan akan mengumumkan pengembalian uang tunai besar-besaran kepada pemegang saham, termasuk dividen khusus >30 triliun Won dan buyback >40 triliun Won. Kapasitas wafer HBM diproyeksikan tumbuh signifikan, dengan Samsung mengejar pangsa pasar SK Hynix. Siklus ini didukung oleh permintaan struktural dari server AI, mengubah model profitabilitas industri.

marsbit08/10 04:45

Interpretasi Laporan Riset BofA: Siklus Super Penyimpanan Berlanjut hingga 2027, Samsung Kemungkinan akan Luncurkan Buyback Skala Besar dan Dividen Khusus

marsbit08/10 04:45

Karpathy Bilang Masih Butuh Sepuluh Tahun, Tapi Jalan Ini Sudah Penuh Orang

Andrej Karpathy memperkirakan dibutuhkan satu dekade lagi untuk mengatasi defisit kognitif model bahasa besar (LLM), terutama dalam kemampuan pembelajaran berkelanjutan (*continual learning*)—kemampuan model untuk belajar dari pengalaman baru tanpa melupakan pengetahuan lama. Tantangan utama adalah "lupa katastrofik" (*catastrophic forgetting*), di mana pembaruan parameter untuk tugas baru merusak kinerja pada tugas lama. Artikel ini memetakan beberapa aliran teknis utama yang berkembang untuk mengatasi masalah ini: 1. **Memori Eksternal (RAG/Agent Memory):** Menyimpan pengetahuan baru di basis data eksternal dan mengambilnya saat diperlukan (contoh: MemGPT/Letta, LLM Wiki Karpathy). Aman dan dapat diinterpretasi, tetapi pengetahuan tidak terinternalisasi sepenuhnya ke dalam model. 2. **Rekayasa Konteks (*Context Engineering*):** Mengembangkan "buku panduan" konteks yang terus diperbarui sebagai input model (contoh: ACE dari Stanford). Meningkatkan kinerja tanpa mengubah bobot model. 3. **Pelatihan Lanjutan Berkelanjutan (*Continual Post-training*):** Memperbarui bobot model secara cerdas (misalnya, melalui fine-tuning atau LoRA) sambil berupaya meminimalkan lupa (contoh: SDFT pada Tinker dari Thinking Machines). Lebih berisiko tetapi memungkinkan internalisasi pengetahuan. 4. **Prasangka Ulang Berkelanjutan (*Continual Pre-training*):** Melanjutkan pelatihan awal model dengan data baru. Berguna untuk pembaruan pengetahuan atau adaptasi domain, tetapi berbiaya tinggi dan rentan terhadap lupa. 5. **Pendekatan Terobosan:** Ide-ide seperti SEAL (MIT) yang memungkinkan model menghasilkan dan menjalankan "instruksi edit diri", atau *Nested Learning* (Google) yang mendesain arsitektur dengan memori multi-skala. Pendekatan ini bertujuan membuat proses belajar menjadi kemampuan intrinsik model. Kesimpulannya, bidang ini telah berkembang dari sekadar wacana menjadi arena aktif dengan berbagai pendekatan. Solusi praktis kemungkinan akan menggabungkan beberapa lapisan: memori eksternal untuk pengetahuan jangka pendek, pembaruan parameter untuk keterampilan jangka panjang, dan akhirnya, model yang mampu mengarahkan pembelajarannya sendiri. Meskipun tantangan inti belum sepenuhnya terpecahkan, lanskap riset dan pengembangan yang cepat menunjukkan jalan menuju "rekan kerja AI" yang lebih mampu.

marsbit08/10 02:37

Karpathy Bilang Masih Butuh Sepuluh Tahun, Tapi Jalan Ini Sudah Penuh Orang

marsbit08/10 02:37

AMD Membeli Taalas: AI Perangkat Keras Beroperasi Tanpa Memori HBM yang Langka

AMD telah sepakat untuk mengakuisisi startup Taalas dari Toronto yang mengatasi masalah utama dalam inferensi jaringan saraf—kebutuhan untuk terus memindahkan bobot model dari memori ke prosesor untuk menghasilkan setiap token. Chip Taalas menghilangkan operasi ini karena bobot model secara harfiah tertanam dalam transistor. Pemindahan data inilah yang membatasi kecepatan inferensi saat ini dan mengubah memori berbandwidth tinggi (HBM) menjadi komoditas paling langka di industri semikonduktor. Startup yang didirikan pada 2023 ini telah mengembangkan chip sirkuit terpadu khusus model. Chip uji pertama, dibuat dengan proses 6nm TSMC, melayani model Llama 3.1 8B dari Meta dengan kecepatan 16.960 token per detik, diklaim 48 kali lebih cepat daripada GPU Nvidia. Arsitekturnya memiliki dua zona: area untuk bobot model yang tertanam dalam ROM mask dan SRAM biasa untuk cache serta adapter penyesuaian halus. Namun, pendekatan ini memiliki kompromi jelas: setiap chip hanya melayani satu model secara permanen. Mengganti model memerlukan perubahan topologi parsial yang memakan waktu sekitar dua bulan di fasilitas TSMC. Oleh karena itu, ini hanya menguntungkan untuk model yang stabil, banyak digunakan, dan cukup berharga untuk dibekukan. Akuisisi ini tidak banyak mengubah persaingan inferensi antara AMD dan Nvidia, tetapi lebih menonjolkan keadaan pasar memori. Pembelian ini membuktikan bahwa keterbatasan memori dalam inferensi adalah solusi teknis yang dapat diatasi, bukan keniscayaan fisik. Sementara itu, pasar saat ini berasumsi bahwa kelangkaan HBM akan berlanjut, dengan harga DRAM biasa naik hampir 90% pada kuartal pertama dan HBM terjual habis hingga 2026. Namun, asumsi ini sedang ditantang dari berbagai sisi. Selain solusi Taalas yang menghilangkan kebutuhan memori untuk bobot, Nvidia mengompresi dan mengkuantisasi model, sementara produsen memori seperti Samsung dan SK hynix mengembangkan teknologi seperti zHBM dan standar memori flash berkecepatan tinggi baru untuk mengurangi ketergantungan pada HBM. AMD membuktikan bahwa inferensi dapat bekerja tanpa komponen yang langka ini, sementara investor yang melihat harga memori saat ini sebagai fitur permanen dari siklus AI bertaruh melawan gerakan teknikal besar yang bertujuan untuk hasil sebaliknya.

cryptonews.ru08/09 14:57

AMD Membeli Taalas: AI Perangkat Keras Beroperasi Tanpa Memori HBM yang Langka

cryptonews.ru08/09 14:57

Mengapa Kelangkaan Chip Memori Membentuk Ulang Portofolio di Semua Semikonduktor pada 2026

Pasar chip memori global mengalami salah satu kekurangan pasokan terketat dalam beberapa dekade hingga 2026, didorong oleh permintaan besar-besaran infrastruktur AI yang mengalihkan kapasitas produksi dari chip konsumen ke memori bandwidth tinggi (HBM). Kekurangan ini menyebabkan lonjakan harga kontrak DRAM dan NAND hingga 90%, memengaruhi harga perangkat seperti smartphone Apple. DRAM menjadi komoditas inti dalam krisis ini. Micron (MU) memegang posisi kunci sebagai produsen HBM yang kapasitasnya terjual habis hingga 2027, mendorong kinerja finansialnya. Sementara itu, SanDisk (SNDK) menjadi proksi murni untuk kenaikan siklus NAND, didukung kontrak pasokan jangka panjang yang mengunci harga tinggi. Intinya, permintaan AI berbenturan dengan basis pasokan memori yang membutuhkan waktu bertahun-tahun untuk diperluas, menciptakan ketidaksesuaian yang memperpanjang siklus kelangkaan. Bagi trader, pertanyaan utamanya adalah berapa lama harga tinggi dapat bertahan sebelum kapasitas baru atau koreksi tech mengubah persamaan. Platform seperti WEEX menawarkan akses perdagangan aset-aset ini.

TheNewsCrypto08/09 11:32

Mengapa Kelangkaan Chip Memori Membentuk Ulang Portofolio di Semua Semikonduktor pada 2026

TheNewsCrypto08/09 11:32

‘Rekan Seangkatan’ CXMT, Nasib Fujian Jinhua Mengundang Haru

Setelah listing ChangXin Memory (CXMT), Cina akhirnya memiliki momen gemilang dalam chip memori. Pada tahun yang sama CXMT dimulai, ada satu perusahaan DRAM lain yang juga mendapat perhatian besar: Fujian Jinhua Integrated Circuit Co. (JHICC). Didirikan pada 2016, JHICC mendapat investasi miliaran yuan dan menargetkan produksi massal pada 2018. Namun, jalan JHICC terhambat oleh tuntutan hukum dari Micron AS pada 2017, yang dituduh mencuri rahasia dagang melalui kemitraan teknologinya dengan UMC Taiwan. Pada Oktober 2018, pukulan berat datang: Departemen Perdagangan AS menempatkan JHICC dalam Entity List, menghentikan akses ke peralatan, perangkat lunak, dan dukungan teknis dari pemasok AS. UMC juga menangguhkan kerja sama, menghentikan perkembangan kritis JHICC. Meski kasus hukum berakhir dengan penyelesaian dan JHICC dinyatakan tidak bersalah pada 2024, kerusakan sudah terjadi. Perusahaan kehilangan lima tahun lebih masa kritis, tertinggal dalam siklus boom industri. Sementara CXMT, dengan fokus pada pengembangan tim R&D dan portofolio IP (misalnya, melalui akuisisi paten Qimonda), serta didukung ekosistem rantai pasokan domestik yang lebih matang, akhirnya bisa meluncurkan produk dan berkembang, bahkan menghadapi tekanan geopolitik yang serupa. Saat ini, JHICC telah kembali beroperasi dengan kapasitas produksi stabil dan rencana ekspansi. Kisahnya bukan sekadar kegagalan bisnis, tetapi pelajaran berharga bagi industri chip Cina tentang betapa kompleksnya tantangan dalam persaingan global semikonduktor — mulai dari hambatan IP, kerentanan rantai pasok, hingga tekanan geopolitik. JHICC mungkin bukan jawaban atas ambisi DRAM Cina, tetapi pengalamannya menjadi fondasi penting bagi kesuksesan perusahaan-perusahaan penerusnya.

marsbit08/05 12:35

‘Rekan Seangkatan’ CXMT, Nasib Fujian Jinhua Mengundang Haru

marsbit08/05 12:35

Berteriak Beli, Mengapa Goldman Sachs Masih Optimis Terhadap Samsung dan SK Hynix?

Meskipun saham Samsung Electronics dan SK Hynix masing-masing turun 23% dan 35% dalam sebulan terakhir, Goldman Sachs (GS) tetap mempertahankan rating *beli*. Laporan GS berargumen bahwa kenaikan harga HBM pada 2027, perluasan perjanjian pasokan jangka panjang (LTA), dan tingkat inventaris pemasok yang rendah berpotensi mengurangi volatilitas laba dalam siklus memori saat ini, serta meningkatkan visibilitas pendapatan dan keuntungan masa depan. Logika ini belum sepenuhnya diterima pasar. Investor khawatir dengan ekspektasi pelemahan harga memori, ketidaktransparanan klausul LTA, naiknya inventaris modul, peningkatan pasokan dari China, dan potensi kelebihan produksi. Laba operasi Hynix kuartal II yang di bawah ekspektasi juga memperkuat keraguan terhadap keberlanjutan profitabilitas. Respons GS dapat diringkas dalam tiga poin: 1. **HBM 2027 dan Premium Harga:** GS memproyeksikan harga rata-rata campuran HBM Samsung dan Hynix mendekati $2.9/Gb pada 2027, naik signifikan. Kenaikan didorong ketatnya pasokan-demand untuk AI server, meningkatnya kompleksitas manufaktur HBM generasi baru, dan kebutuhan untuk kembali membangun premium harga terhadap DRAM konvensional yang harganya diperkirakan sudah melampaui HBM pada 2026. 2. **Stabilitas melalui LTA:** Perjanjian jangka panjang 3-5 tahun dengan klien utama (menutupi 60-70% kapasitas target Samsung, misalnya) dengan klausul seperti harga tetap/interval, *floor price*, *take-or-pay*, dan pembayaran di muka, diharapkan dapat mendistribusikan risiko dan mengurangi volatilitas siklus dibanding pola pembelian spot di masa lalu. 3. **Inventaris Rendah & Dukungan Demand SSD Perusahaan:** Inventaris pemasok DRAM/NAND diperkirakan hanya 2-4 minggu (di bawah normal 4-5 minggu), memberikan *buffer*. Di sisi NAND, demand untuk SSD perusahaan (*enterprise*) yang terkait AI diperkirakan tumbuh kuat (66% pada 2026E), berpotensi mengimbangi kelemahan di elektronik konsumen. Model pasokan-permintaan GS untuk 2027 menunjukkan defisit untuk DRAM, NAND, dan terutama HBM. GS juga menyoroti bahwa ekspansi oleh CXMT (ChangXin Memory Technologies) diperkirakan belum cukup secara teknologi (tertinggal 2-3 generasi dalam node, tantangan di HBM) untuk mengubah lanskap pasokan global dalam jangka pendek-menengah. Risiko tetap ada jika permintaan AI server melambat, klausul LTA tidak seketat asumsi, atau ekspansi kapasitas berlebihan. Inti pandangan *bullish* GS adalah kombinasi dari ketiga faktor kunci di atas yang diharapkan membuat siklus ini lebih stabil. Validasi selanjutnya bergantung pada pertumbuhan order AI server, realisasi klausul LTA, dan disiplin dalam ekspansi kapasitas baru.

marsbit08/05 04:13

Berteriak Beli, Mengapa Goldman Sachs Masih Optimis Terhadap Samsung dan SK Hynix?

marsbit08/05 04:13

16 Kartu B200 Dibutuhkan untuk Menjalankan Kimi K3, Hanya 8 Kartu AMD yang Diperlukan

Ini mungkin momen yang sudah lama ditunggu AMD. Baru-baru ini, Wafer AI berhasil menerapkan model **Kimi K3** pada GPU AMD MI355X. Hasilnya, model yang sebelumnya membutuhkan 16 GPU NVIDIA B200 yang dijalankan di dua server, kini dapat dijalankan di satu server AMD dengan 8 MI355X. Kunci utamanya adalah kapasitas memori. Kimi K3 memiliki 2,8 triliun parameter dan membutuhkan lebih dari 1,5 TB memori hanya untuk bobot modelnya. Server 8-kartu B200 dengan 192 GB per kartu hampir tidak cukup, sehingga memerlukan dua server. Sementara MI355X, dengan 288 GB memori per kartu, memungkinkan seluruh model berjalan dalam satu node, menghindari latensi komunikasi antar-node. Dalam pengujian (input 1024 token, output 400 token), konfigurasi 8 MI355X mencapai throughput total puncak 952 token/detik dan kecepatan generasi per pengguna 118 token/detik. Performa throughput per node ini sekitar 3,8 kali lebih tinggi dari rata-rata konfigurasi dua node B200. Meskipun B300 tetap lebih cepat secara absolut, analisis biaya-performa oleh Wafer (dengan asumsi harga tertentu per jam) menunjukkan MI355X menawarkan efisiensi biaya tertinggi. Yang mengejutkan, pengalaman dengan platform perangkat lunak ROCm AMD kali ini relatif mulus. Model Kimi K3 dapat berjalan langsung di MI355X dengan dukungan yang hampir bersamaan. Hanya beberapa penyesuaian kecil yang diperlukan, seperti menambahkan fungsi yang hilang untuk *speculative decoding* dan mengoptimalkan kernel perhatian (*attention kernel*) untuk bentuk spesifik model, yang berhasil mengurangi waktu hingga token pertama (*TTFT*) secara signifikan. Meskipun ekosistem CUDA NVIDIA masih lebih matang, kasus ini menunjukkan bahwa strategi AMD dengan memori HBM yang lebih besar menjadi keunggulan nyata untuk model besar. Jika AMD dapat terus meningkatkan stabilitas ROCm dan dukungan bentuk model, GPU mereka menjadi alternatif yang layak dipertimbangkan untuk *data center*: harga lebih rendah, memori lebih besar, performa memadai, dan perangkat lunak yang semakin tidak merepotkan.

marsbit08/04 11:24

16 Kartu B200 Dibutuhkan untuk Menjalankan Kimi K3, Hanya 8 Kartu AMD yang Diperlukan

marsbit08/04 11:24

活动图片

Kategori Populerright-arrow

Tag Populerright-arrow

Strategi Tradingright-arrow