Konferensi Goldman Sachs: Prospek Belanja Infrastruktur AI Diproyeksi Capai $4 Triliun

CEO Nvidia, Jensen Huang, menegaskan kembali proyeksinya bahwa belanja infrastruktur kecerdasan buatan (AI) global akan mencapai $3 triliun hingga $4 triliun pada tahun 2030. Pernyataan ini disampaikan dalam Konferensi Communacopia + Technology yang diselenggarakan oleh Goldman Sachs, menggarisbawahi skala peluang pasar yang sangat besar di sektor ini.

Prospek Pertumbuhan dan Kendala Pasokan

Para analis Goldman Sachs yang hadir dalam konferensi tersebut mencatat bahwa permintaan yang tinggi terus membebani rantai pasokan. Kendala terjadi baik di sisi hulu (komponen) maupun hilir, yang mencakup kapasitas pusat data, ketersediaan lahan, dan sumber daya listrik. Menurut para analis, kendala di sisi hilir mungkin terbukti lebih signifikan dalam jangka panjang.

Di tengah tantangan ini, sektor semikonduktor menunjukkan optimisme yang kuat. Perusahaan peralatan dan pengecoran semikonduktor melaporkan peningkatan pesanan dan tingkat *backlog* yang substansial. Visibilitas di seluruh sektor ini digambarkan sebagai "belum pernah terjadi sebelumnya dalam sejarah" (*historically unprecedented*).

Ekspansi Kapasitas dan Inovasi Teknis

Untuk memenuhi lonjakan permintaan, industri sedang mempersiapkan ekspansi besar. Komentar dari perusahaan peralatan fabrikasi wafer mengindikasikan bahwa sekitar 8 hingga 10 fasilitas fabrikasi baru diperkirakan akan mulai beroperasi pada tahun 2027. Perkembangan ini sejalan dengan kebutuhan teknis yang terus meningkat.

Ad

Beberapa tren teknis utama yang disorot meliputi:

• Inferensi AI: Mendorong penggunaan data yang lebih tinggi untuk *context windows*, yang pada gilirannya meningkatkan permintaan akan penyimpanan massal (*mass storage*).
• Kemasan Canggih: Pergeseran ke arah paket terintegrasi multi-cip dalam infrastruktur AI menciptakan pertumbuhan yang lebih tinggi untuk solusi kemasan canggih (*advanced packaging*) dan struktur papan sirkuit cetak (PCB).

Implementasi AI di Dunia Usaha

Konferensi ini juga menyoroti bagaimana perusahaan secara aktif mengimplementasikan AI dalam proses bisnis internal mereka. Perusahaan-perusahaan memaparkan contoh konkret penggunaan AI untuk mendorong pertumbuhan pendapatan melalui pengembangan produk baru dan siklus inovasi yang lebih cepat.

Selain itu, alat AI internal juga digunakan untuk mendorong efisiensi biaya. Namun, adopsi tidak merata di semua sektor. EPAM Systems, misalnya, memperkirakan tantangan akan berlanjut hingga akhir tahun di tengah belanja klien yang lesu di vertikal tertentu. Perusahaan berupaya mempertahankan margin kotor yang solid melalui perbaikan harga dan pergeseran ke kontrak harga tetap.