Manajemen Nvidia menjelaskan: Dari mana asal panduan pendapatan sebesar 70% yang mengejutkan pasar?

Penjelasan Manajemen Nvidia: Dari Mana Asal Panduan Pendapatan 70% yang Mengejutkan Pasar?

Nvidia jarang sekali memberikan prospek pendapatan lintas tahun kepada pasar, sehingga langsung menarik perhatian luas.

Dalam laporan terbaru yang dirilis pada 2 September, JPMorgan menyebut bahwa menurut komunikasi terbaru mereka dengan Wakil Presiden Hubungan Investor & Keuangan Strategis Nvidia, Toshiya Hari, kerangka pertumbuhan 70% year-on-year ini bukan didorong oleh satu faktor tunggal, melainkan didasarkan pada percepatan permintaan dari perusahaan cloud skala besar, penyedia layanan cloud baru, laboratorium AI, AI kedaulatan, serta permintaan dari sisi korporasi yang meningkat pesat. Lebih penting lagi, manajemen menegaskan: tanpa hambatan pasokan, pertumbuhan bisnis bahkan bisa dua kali lipat—variabel inti yang saat ini membatasi pertumbuhan adalah pasokan, bukan permintaan.

Alasan utama mengapa Nvidia secara aktif mengungkapkan panduan hingga tahun fiskal 2028 adalah untuk menjembatani kesenjangan signifikan antara konsensus pasar dan penilaian internal perusahaan. Jika perbedaan ini dibiarkan, hal tersebut dapat menimbulkan tantangan substansial dalam perencanaan bagi mitra rantai pasok. Hal ini menunjukkan bahwa target pertumbuhan 70% menurut manajemen adalah zona nyaman yang sangat didukung, bukan perkiraan agresif, dengan potensi pertumbuhan lebih tinggi dari penilaian pasar saat ini.

Secara bersamaan, Nvidia juga memberikan sinyal penting dari berbagai aspek seperti struktur pelanggan, proporsi pendapatan dari bisnis inference (inferensi), hambatan pasokan, dan pengaturan pendanaan, yang selanjutnya menggambarkan prospek pertumbuhan menengah dari raksasa chip AI ini. JPMorgan mempertahankan rating overweight untuk Nvidia, dengan target harga $320, mengindikasikan potensi kenaikan sekitar 43% dibandingkan harga penutupan 2 September di $224,41.

Pasokan, Bukan Permintaan, Adalah “Langit-langit” Sebenarnya untuk Pertumbuhan

Laporan tersebut menyebutkan, dari komunikasi antara JPMorgan dengan Toshiya Hari, manajemen Nvidia sangat yakin akan kerangka pertumbuhan 70% ini, namun juga memberi batasan yang jelas: ini adalah angka yang dibatasi oleh pasokan, bukan oleh permintaan.

Menurut laporan JPMorgan, Toshiya Hari menyebut bahwa jika hambatan pasokan disingkirkan, pertumbuhan bisnis Nvidia kemungkinan bisa lebih dari dua kali lipat year-on-year. Hal ini secara eksplisit mengungkap sifat konservatif dari panduan saat ini—70% adalah ekspektasi dengan kondisi pasokan nyata, bukan batas atas permintaan yang bisa dicapai perusahaan.

Manajemen juga secara khusus menjelaskan bahwa keputusan memberikan panduan lintas tahun sebagian disebabkan oleh “kesenjangan signifikan” antara konsensus pasar dan pengamatan internal perusahaan. Jika tidak diungkapkan secara aktif, asimetri informasi ini dapat menyebabkan rantai pasok membuat rencana kapasitas yang salah, dan akhirnya membatasi kemampuan pengiriman Nvidia sendiri. Dengan kata lain, panduan prospektif ini adalah sinyal bagi investor sekaligus bentuk pengelolaan aktif terhadap ekosistem rantai pasok.

Wafer Canggih dan Memori: Dua Hambatan Utama dalam Rantai Pasok

Dalam hal rincian hambatan pasokan, Toshiya Hari secara spesifik menyebut dua material paling penting: wafer canggih dan memori, keduanya merupakan komponen terbesar dalam bill of materials (BOM) Nvidia.

Menurut laporan JPMorgan, Nvidia saat ini menjalankan komunikasi erat dengan TSMC serta tiga pemasok memori—Micron, SK Hynix, dan Samsung—dengan tema utama seputar peningkatan ketersediaan pasokan.

JPMorgan menilai penjelasan Toshiya Hari ini menunjukkan bahwa manajemen rantai pasok Nvidia sudah memasuki tahap koordinasi aktif yang intens, bukan lagi menunggu kapasitas dilepas secara pasif. Kecepatan pelonggaran hambatan-hambatan inilah yang akan menentukan apakah Nvidia bisa melebihi pertumbuhan acuan 70% di FY28 nanti. Ruang perbaikan rantai pasok sama dengan ruang elastis untuk pertumbuhan kinerja.

Proporsi Bisnis Inferensi Terus Meningkat, namun Universalitas Platform Menyulitkan Kuantifikasi

Struktur pendapatan antara inferensi (inference) dan pelatihan (training) selalu menjadi perhatian pasar untuk jangka waktu lama. Toshiya Hari dalam diskusi kali ini memberikan arahan yang paling jelas sejauh ini: sekitar 18 bulan lalu, kontribusi pendapatan training dan inference masih seimbang; kini, inference telah melampaui training, dan tren ini diperkirakan akan berlanjut.

Namun, laporan tersebut juga menyebutkan bahwa manajemen menegaskan sulitnya memisahkan proporsi keduanya secara presisi. Hal ini dikarenakan tingginya universalitas (fungibility) platform Nvidia—misal dalam produk Grace Blackwell, pelanggan bisa menggunakan perangkat keras yang sama untuk workload pelatihan dulu lalu dialihkan ke tugas inferensi. Fleksibilitas ini jadi keunggulan kompetitif platform Nvidia, sekaligus membuat analisis pemisahan struktur pendapatan menjadi terbatas.

Struktur Pelanggan Semakin Beragam, Kontribusi Penyedia Cloud Baru Melebihi 50%

Sumber pendapatan Nvidia kini bergerak dari perusahaan cloud raksasa menuju ekosistem yang lebih luas. Menurut Toshiya Hari, OpenAI dan Anthropic sebagai dua pembangun model terdepan saat ini, menyumbang sekitar 20% bisnis Nvidia berdasarkan konsumsi akhir, dan diperkirakan proporsi ini akan naik menjadi sekitar 25% di FY28.

Perlu dicatat, angka tersebut mencerminkan porsi di level konsumsi akhir, bukan struktur pelanggan langsung Nvidia—Nvidia umumnya menjual kapasitas komputasi ke perusahaan cloud raksasa atau penyedia layanan cloud baru, dan mereka lah yang menjual kapasitas tersebut ke pembangun model.

Pada level pelanggan langsung, kontribusi penyedia layanan cloud baru (neoclouds) sudah sangat signifikan. Menurut laporan JPMorgan, cloud provider baru kini berkontribusi lebih dari 50% pendapatan ACIE (Accelerated Computing and AI Infrastructure Ecosystem) Nvidia, memperlihatkan bahwa mesin pertumbuhan Nvidia tidak lagi hanya mengandalkan segelintir pemain cloud besar, namun juga ekosistem pembangunan dan penyewaan kapasitas komputasi yang lebih luas.

Perdebatan Open Source vs Closed Source: Jawaban Nvidia Adalah “Keduanya Diperlukan”

Soal perdebatan apakah model bahasa besar (LLM) open source atau closed source lebih baik, manajemen Nvidia menawarkan posisi terang: keduanya bukan relasi persaingan zero-sum, evolusi AI membutuhkan pengembangan bersama antara model open source dan closed source.

Toshiya Hari menyatakan bahwa Nvidia secara internal banyak menggunakan model closed source seperti OpenAI dan Claude, sementara pada tugas-tugas kunci seperti desain chip, mereka menggabungkan model open source dan closed source. Logika intinya: selama pembangun model mampu mencapai komersialisasi dan terus meningkatkan model ekonomi, permintaan akan selalu mengalir ke pemasok chip seperti Nvidia.

Manajemen juga menyoroti marjin kotor (GM) pembangun model tampaknya membaik, sebagian karena setiap generasi menurunkan biaya token melalui platform Nvidia. Peningkatan ekonomi model ini membentuk umpan balik positif atas permintaan chip Nvidia.

Pengaturan Pembiayaan Untuk Menopang Permintaan Masa Depan, Manajemen Membantah Tuduhan “Pendanaan Sirkuler”

Berbagai pengaturan pembiayaan yang diluncurkan Nvidia belakangan ini menarik perhatian pasar, dan manajemen kali ini memberikan penjelasan secara sistematis.

Menurut laporan JPMorgan, pengaturan yang bersangkutan meliputi: perjanjian bagi hasil dengan sejumlah cloud provider baru, rencana kawasan data center PORTS-Pike, serta platform pembiayaan modal privat $500 miliar hasil kerjasama dengan Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs, KKR, dan lain-lain.

Pada perjanjian bagi hasil, mekanisme Nvidia adalah: menetapkan batas bawah harga sewa kapasitas, lalu membagi keuntungan ketika harga pasar lebih tinggi dari acuan, sehingga selain dari penjualan perangkat keras inti, Nvidia juga memperoleh opsi pendapatan berulang.

Menanggapi kekhawatiran pasar tentang “pendanaan sirkuler”, manajemen menegaskan skala pembiayaan ini terukur, ada plafon, dan ditopang oleh permintaan riil yang kuat, pengembalian ekosistem, serta kelayakan kredit pelanggan akhir. Nvidia memposisikan instrumen pembiayaan ini untuk mendukung permintaan ke depan infrastruktur AI, bukan sebagai operasi financial leverage.