JPMorgan: Pengiriman chip kustom AI dapat melampaui GPU pada tahun 2027, Broadcom dan Marvell mengambil peluang

BlockBeats News, 22 Juni, JPMorgan Chase menyatakan bahwa ketika perusahaan komputasi awan besar dan raksasa teknologi berupaya mengurangi biaya komputasi AI, meningkatkan efisiensi, dan menghindari ketergantungan sepenuhnya pada GPU serbaguna, pasar chip ASIC khusus memasuki siklus pertumbuhan baru, dengan Broadcom dan Marvell diperkirakan menjadi penerima manfaat terbesar dari tren ini.

Dalam laporan riset industri semikonduktor terbaru, analis JPMorgan Harlan Sur dan Mayur Ramdhani memperkirakan bahwa pasar ASIC digital AI akan mencapai sekitar $600 miliar hingga $700 miliar pada tahun 2026 dan mempertahankan tingkat pertumbuhan tahunan majemuk di atas 40% hingga 50% dalam beberapa tahun mendatang. Laporan tersebut menyatakan bahwa Broadcom saat ini menguasai sekitar 80% hingga 85% pangsa pasar ASIC kelas atas, dengan Marvell di peringkat kedua di sekitar 10% hingga 12%.

Pertumbuhan pesat permintaan komputasi AI membentuk ulang struktur pengadaan chip. JPMorgan meyakini bahwa pelanggan seperti Google, Amazon, Meta, Microsoft, OpenAI, dan SoftBank/Arm sedang mempercepat pengembangan prosesor AI internal atau khusus untuk mencapai kinerja, konsumsi daya, dan total biaya kepemilikan yang lebih baik. Berbeda dengan GPU serbaguna milik Nvidia dan AMD, ASIC umumnya dirancang untuk pelanggan tertentu, tumpukan perangkat lunak tertentu, atau platform tertentu, sehingga lebih cocok untuk penyedia cloud hyperscale dengan beban kerja internal yang besar.

Laporan tersebut memproyeksikan pendapatan AI Broadcom akan meningkat signifikan dari sekitar $20 miliar di tahun fiskal 2025 menjadi lebih dari $600 miliar di tahun fiskal 2026 dan lebih lanjut menjadi lebih dari $1,5 triliun di tahun fiskal 2027. Proyek yang sedang digarap termasuk Google TPU, Meta MTIA, chip AI video dan jaringan ByteDance, OpenAI XPU, SoftBank/Arm XPU, serta solusi rack-scale TPU terkait Anthropic.

Sementara itu untuk Marvell, JPMorgan memperkirakan pendapatan pusat data akan tumbuh dari sekitar $6,1 miliar pada 2025 menjadi sekitar $9,3 miliar pada 2026 dan mencapai sekitar $14,6 miliar pada 2027. Pendorong pertumbuhan meliputi Amazon Trainium 3 dan Trainium 4, Microsoft Maia, Google SmartNIC/DPU, pengendali CXL, serta DSP optik 800G/1.6T, coherent lite, dan solusi CPO tahap awal.

Laporan tersebut juga menampilkan proyeksi utama: pada tahun 2027, pengiriman unit AI ASIC/XPU akan melampaui GPU. JPMorgan memperkirakan bahwa pada 2027, total pengiriman akselerator AI akan mencapai 23,3 juta unit, dengan GPU sebanyak 10,9 juta unit, sekitar 47%, dan ASIC/XPU sebanyak 12,5 juta unit, sekitar 53%. Ini menandakan bahwa meski GPU akan terus tumbuh, chip khusus dapat mengambil porsi lebih besar dalam penerapan beban kerja AI baru.

Menggunakan Google/Broadcom TPU7x Ironwood dan Nvidia Blackwell sebagai contoh, JPMorgan menyatakan bahwa AI ASIC kompetitif dalam hal efektivitas biaya dan efisiensi daya. Laporan itu mengungkapkan bahwa performa FP8 TPU7x Ironwood mendekati Nvidia B200/B300, namun dengan estimasi harga sekitar $13.000, lebih rendah dari B200 sebesar $35.000 dan B300 sebesar $40.000; biaya per dolar komputasi dan per watt komputasi juga mengungguli tolok ukur GPU.

Proyeksi ini tidak berarti permintaan terhadap Nvidia akan melemah dengan cepat. Sebaliknya, ini menandakan adanya diferensiasi dalam investasi infrastruktur AI: GPU akan tetap digunakan untuk kebutuhan pelatihan dan inferensi umum, sementara ASIC internal penyedia cloud akan memperoleh penetrasi lebih tinggi untuk beban kerja internal yang besar, stabil, dan dapat diprediksi.

Bagi investor, laporan JPMorgan memperkuat pergeseran rantai perangkat keras AI dari GPU ke arah ASIC, kemasan canggih, antarmuka HBM, SerDes, interkoneksi optik, dan logika difusi CPO. Jika prediksi dalam laporan ini terwujud, Broadcom dan Marvell tidak hanya akan menjadi pemasok chip jaringan atau interkoneksi AI, tetapi juga akan menjadi perusahaan platform inti pada tahap berikutnya migrasi arsitektur komputasi AI.