Harga Saham Snowflake Naik 33%, Infrastruktur AI Bergerak dari Chip ke Lapisan Data

marsbitPublished on 2026-05-29Last updated on 2026-05-29

Abstract

Harga saham Snowflake melonjak lebih dari 33% setelah perusahaan meningkatkan proyeksi pendapatan tahunan dan mengumumkan kerja sama lima tahun senilai $6 miliar dengan Amazon Web Services (AWS). Kesepakatan ini menyediakan akses ke chip AWS Graviton untuk mengatasi kelangkaan daya komputasi dan memperdalam integrasi antara platform data Snowflake dengan beban kerja AI di AWS. Pasar tampaknya menilai kembali posisi Snowflake dalam rantai penerapan AI perusahaan. Alih-alih sekadar menggunakan AI, bisnis membutuhkan infrastruktur data untuk mengintegrasikan data mereka sendiri ke dalam alur kerja AI dan membangun sistem aplikasi yang dapat dikelola serta diskalakan. Kinerja ini menjawab keraguan sebelumnya apakah AI benar-benar dapat mendorong pertumbuhan pendapatan, dan menempatkan Snowflake sebagai "pemenang AI" di mata banyak analis. Setidaknya 30 analis menaikkan harga target sahamnya. Kerja sama ini juga memperkuat ekosistem chip buatan sendiri Amazon. Snowflake, yang sebagian besar pelanggannya berjalan di AWS, kini dilihat tidak hanya sebagai perusahaan gudang data, tetapi sebagai lapisan data kritis dalam proses penerapan AI perusahaan. Kenaikan harga saham yang signifikan mencerminkan perubahan sentimen pasar dari skeptis menjadi optimis begitu kontribusi AI terhadap pendapatan terbukti nyata.

Catatan Editor: Narasi perdagangan AI sedang berkembang dari chip dan model, lebih jauh menyebar ke lapisan infrastruktur data.

Setelah mengalami tekanan pada harga saham sejak awal tahun, Snowflake melonjak lebih dari 33% dalam satu hari karena menaikkan proyeksi pendapatan tahunan dan mencapai kesepakatan kerja sama lima tahun senilai $6 miliar dengan AWS. Inti dari reaksi pasar ini bukan hanya karena laporan keuangan yang melampaui ekspektasi, tetapi karena investor mulai menilai kembali posisi Snowflake dalam rantai implementasi AI perusahaan.

Selama setahun terakhir, perusahaan perangkat lunak korporat secara umum menghadapi pertanyaan: Apakah AI akan menjadi mesin pertumbuhan, atau justru akan melemahkan model bisnis mereka yang ada? Kinerja terbaru Snowflake dan kerja sama dengan AWS memberikan jawaban yang relatif jelas—ketika perusahaan mulai menerapkan aplikasi AI dalam skala besar, kemampuan penyimpanan, pemrosesan, analisis data, dan penyebaran model justru menjadi semakin penting.

Dalam kerja sama ini, pasokan chip AWS Graviton memecahkan masalah kendala daya komputasi, sementara integrasi yang lebih dalam antara platform Snowflake dan beban kerja AI AWS menunjuk pada kebutuhan korporat yang lebih mendasar: perusahaan tidak hanya sekadar "menggunakan AI", tetapi membutuhkan akses data mereka sendiri ke dalam alur kerja AI, membangun sistem aplikasi yang dapat dijalankan, dikelola, dan diskalakan.

Ini juga alasan mengapa Snowflake dimasukkan kembali ke dalam narasi "pemenang AI". Saham perangkat lunak AI sebelumnya mengalami penjualan, dengan pasar dipenuhi keraguan akan "apakah AI benar-benar dapat berkontribusi pada pendapatan". Namun kasus Snowflake menunjukkan bahwa begitu AI berubah dari demonstrasi konsep menjadi pertumbuhan pendapatan nyata, sentimen pasar juga dapat berbalik dengan cepat. Setidaknya 30 analis menaikkan target harga, yang menunjukkan bahwa pasar modal sedang menilai kembali nilai platform data dalam siklus infrastruktur AI.

Yang lebih patut diperhatikan adalah, transaksi ini juga memperkuat eksistensi ekosistem chip buatan sendiri AWS. Dari Anthropic, OpenAI, Meta, hingga Uber, dan sekarang Snowflake, Amazon sedang menyematkan dirinya lebih dalam ke infrastruktur AI melalui kerja sama cloud, chip, dan perangkat lunak perusahaan. Bagi Snowflake, ini berarti mereka bukan sekadar perusahaan gudang data korporat, tetapi sedang menjadi lapisan data kunci dalam proses implementasi aplikasi AI perusahaan.

Berikut adalah teks asli:

28 Mei, harga saham Snowflake melonjak lebih dari 33% pada hari Kamis. Sebelumnya, perusahaan tersebut menaikkan proyeksi pendapatan tahunan dan mencapai kesepakatan kerja sama senilai $6 miliar dengan Amazon, meningkatkan kepercayaan investor bahwa mereka adalah salah satu penerima manfaat utama dari demam AI.

Kesepakatan lima tahun dengan Amazon Web Services (AWS) ini akan menyediakan pasokan chip AWS Graviton yang kritis bagi Snowflake. Saat ini, dengan peningkatan penggunaan AI yang signifikan, sumber daya daya komputasi menjadi semakin ketat.

Kesepakatan ini juga akan semakin memperdalam integrasi antara produk penyimpanan, pemrosesan, dan analisis data Snowflake dengan beban kerja AI di cloud AWS. Seiring perusahaan memperluas aplikasi AI dengan cepat, Snowflake berpotensi menangkap lebih banyak permintaan. Saat ini, sebagian besar pelanggan Snowflake berjalan di atas AWS.

Setelah pengumuman, setidaknya 30 analis menaikkan target harga Snowflake, sehingga target harga median naik dari $230 sebelum rilis laporan keuangan pada hari Rabu menjadi $280. Saham tersebut diperdagangkan sekitar $233,50 di pagi hari.

Jika kenaikan saat ini dapat dipertahankan, kapitalisasi pasar Snowflake akan bertambah sekitar $20 miliar dari dasar $607,5 miliar.

Matt Britzman, Analis Saham Senior di Hargreaves Lansdown, mengatakan bahwa kenaikan tajam harga saham Snowflake—yang turun 20% sejak awal tahun hingga penutupan perdagangan sebelumnya—"menunjukkan betapa kuatnya keraguan yang terakumulasi di pasar selama perusahaan data terdampak oleh gelombang penjualan perangkat lunak AI yang lebih luas."

"Tetapi ini juga menunjukkan seberapa cepat sentimen pasar dapat berbalik begitu sebuah perusahaan membuktikan bahwa AI sudah mendorong pertumbuhan pendapatan, bukan sekadar hiasan presentasi."

Saat ini, rasio harga terhadap pendapatan (P/E) 12 bulan ke depan Snowflake adalah 85,21 kali. Sebagai perbandingan, Datadog berada di 85,19 kali dan MongoDB di 47,17 kali. Rasio P/E yang lebih tinggi biasanya berarti investor bertaruh pada pertumbuhan yang lebih kuat di masa depan.

Sebelumnya, pasar khawatir AI akan mengganggu perangkat lunak perusahaan, membuat Snowflake tertekan. Kini, perusahaan tersebut sedang menyematkan AI ke dalam platformnya, membantu bisnis mengintegrasikan data dari berbagai sumber, menganalisisnya, dan membangun alat-alat AI.

"Kami percaya kinerja ini akan menempatkan Snowflake dengan jelas ke dalam kubu 'pemenang AI' dan layak mendapatkan kelipatan valuasi yang lebih tinggi," kata Patrick Colville, Analis Riset Saham di Scotiabank. Dia menambahkan bahwa ini menunjukkan dengan jelas bahwa Snowflake sedang mendapat manfaat dari peningkatan adopsi AI perusahaan.

Snowflake membantu bisnis menyimpan, mengelola, dan menganalisis semua data mereka dalam satu platform. Alat-alat AI seperti Cortex Code dan Snowpark mereka sedang diadopsi dengan kuat. Alat-alat ini memungkinkan perusahaan membangun aplikasi AI generatif berdasarkan data mereka sendiri dan menerapkan model machine learning.

Kesepakatan ini juga memberikan suara kepercayaan lain bagi bisnis chip buatan sendiri Amazon. Dalam beberapa bulan terakhir, Amazon telah menandatangani sejumlah klien penting termasuk Anthropic, OpenAI, perusahaan induk Facebook Meta, dan Uber.

Related Questions

QApa yang menyebabkan kenaikan saham Snowflake sebesar 33%?

AKenaikan saham Snowflake sebesar 33% disebabkan oleh perusahaan tersebut meningkatkan perkiraan pendapatan tahunan dan mengumumkan perjanjian kerja sama senilai $6 miliar selama lima tahun dengan AWS.

QBagaimana perjanjian antara Snowflake dan AWS menguntungkan Snowflake dalam konteks AI?

APerjanjian ini memberikan Snowflake pasokan chip AWS Graviton untuk mengatasi keterbatasan komputasi dan memperdalam integrasi platform data Snowflake dengan beban kerja AI di AWS, memposisikannya sebagai lapisan data kunci untuk aplikasi AI perusahaan.

QMengapa Snowflake kini dianggap sebagai bagian dari narasi 'pemenang AI'?

ASnowflake dianggap sebagai 'pemenang AI' karena menunjukkan bahwa AI dapat berkontribusi pada pertumbuhan pendapatan nyata, bukan hanya konsep, dan platformnya menjadi penting untuk menyimpan, mengelola, dan menganalisis data dalam alur kerja AI perusahaan.

QApa yang ditunjukkan oleh respons pasar terhadap kinerja Snowflake?

ARespons pasar menunjukkan bahwa sentimen dapat berubah cepat ketika sebuah perusahaan membuktikan bahwa AI mendorong pertumbuhan pendapatan, berbeda dengan kekhawatiran sebelumnya bahwa AI mungkin mengganggu model bisnis perangkat lunak perusahaan.

QApa pentingnya kerja sama ini bagi strategi chip buatan sendiri Amazon (AWS)?

AKerja sama ini memperkuat kepercayaan terhadap strategi chip buatan sendiri Amazon, karena menambahkan Snowflake ke daftar klien penting seperti Anthropic, OpenAI, Meta, dan Uber, memperdalam peran AWS dalam infrastruktur AI.

Related Reads

From Code to Cognition: A Ten-Thousand-Word Guide to the Evolution of the Robot Brain

"From Code to Cognition: The Evolution of Robot Brains" The journey of robotic intelligence has shifted dramatically from manually coded systems to AI-driven brains. For decades, robots relied on layered software stacks—perception, state estimation, planning, control—each handcrafted. While predictable, they lacked adaptability. The 2010s saw deep learning revolutionize perception (e.g., object detection) and control (via reinforcement learning), but learned skills remained narrow. The arrival of Large Language Models (LLMs) marked a turning point. LLMs acted as high-level planners, interpreting natural language instructions and generating sequences of actions for traditional robotic systems to execute. However, true integration came with Visual-Language-Action (VLA) models, which fused vision, language, and motion prediction into a single network. Pioneered by models like RT-2 and open-source projects like OpenVLA, VLAs enable robots to reason and act directly from visual input and commands. The most advanced humanoid robots now employ a "dual-brain" architecture: a slow-thinking, large VLA (System 2) for reasoning and planning, and a fast-reacting, small network (System 1) for high-frequency motion control, sometimes with an even lower-level System 0 for balance. This split balances cognition with the physics of real-time movement. Computation is split between onboard hardware (e.g., NVIDIA Jetson) for safety-critical control loops and cloud/edge servers for non-critical tasks like learning and interfaces. A crucial driver is the open-source ecosystem—models like GR00T and OpenVLA allow startups to build upon pre-trained brains and fine-tune them with their own data, accelerating development. Despite progress, current systems struggle with recovery from errors, sample inefficiency, and long-horizon tasks. This has spurred the rise of **World Models**—neural networks that predict the consequences of actions. By simulating possible futures before acting (like NVIDIA Cosmos or Meta V-JEPA), robots can plan, recover, and generalize better. This represents the next frontier: shifting intelligence from learned reactions to an internal model of physics and cause-and-effect. The field is rapidly evolving. While not yet at its "ChatGPT moment," the convergence of cheaper hardware, scalable simulation, and world models points toward robots that are increasingly capable, adaptive, and useful. The question is shifting from "what can robots do?" to "what *should* they do?"

marsbit29m ago

From Code to Cognition: A Ten-Thousand-Word Guide to the Evolution of the Robot Brain

marsbit29m ago

AI Bubble Is Bursting

The AI Bubble is Bursting: A Necessary Purge on the Path to Ubiquitous Intelligence Market volatility has reignited debates about an AI bubble, with figures like Ray Dalio pointing to high valuations. However, this parallels the dot-com bubble, which, despite its crash, laid the physical infrastructure for today's internet era. The current AI investment frenzy, with tech giants planning trillions in infrastructure spending far outstripping current AI application revenues, appears similarly imbalanced. This 'bubble' is seen as an inevitable phase for a disruptive technology, paying the "innovation tax." Critically, AI inference costs have plummeted over 99.7% since 2023, making intelligence nearly free at the margin. This hasn't reduced spending but has instead unlocked massive new demand, as seen in enterprise AI cloud expenditure tripling. This follows the Jevons Paradox: efficiency gains lead to greater total consumption. The market is now entering a cleansing phase, weeding out speculative ventures lacking real moats. The deeper shift is a move from capital expenditure (CapEx) on hardware to value creation in operational expenditure (OpEx) through AI applications that solve real industry problems. While infrastructure valuations are high, rapid earnings growth from widespread AI adoption across sectors—from manufacturing and finance to law and healthcare—may digest these valuations over time. Ultimately, this creative destruction will leave behind robust infrastructure and optimized models, cheaply powering an AI-augmented future for all industries, much as the internet became indispensable after its own bubble burst. The core productive potential remains undiminished.

链捕手39m ago

AI Bubble Is Bursting

链捕手39m ago

Trading

Spot
Futures

Hot Articles

Discussions

Welcome to the HTX Community. Here, you can stay informed about the latest platform developments and gain access to professional market insights. Users' opinions on the price of LAYER (LAYER) are presented below.

活动图片