Narasi di pasar perangkat keras AI sedang mengalami pembalikan struktur yang jelas. Selama dua tahun terakhir, sorotan tertuju pada perluasan klaster GPU untuk pelatihan, dengan dominasi ditentukan oleh siapa yang memiliki chip terbanyak. Namun, laporan pendapatan Q2 HPE yang dirilis pada 1 Juni 2026 menandai perubahan: permintaan untuk AI inference kini beralih menjadi pesanan nyata bagi produsen server dengan kecepatan yang tak terduga. Pendapatan total HPE untuk kuartal tersebut mencapai $10,7 miliar, naik 40% secara tahunan, dengan $1,8 miliar pesanan sistem AI baru dan pesanan server tradisional lebih dari dua kali lipat dibandingkan tahun sebelumnya. Yang lebih penting, manajemen secara langsung mengaitkan pertumbuhan ini dengan pelanggan yang "meng-upgrade infrastruktur komputasi dan berinvestasi dalam AI inference."
Signifikansi perubahan ini terletak pada kenyataan bahwa perusahaan server—bukan perusahaan chip—yang pertama kali memasuki fase pertumbuhan eksplosif. Deploymen skala besar beban kerja AI inference menyebarkan permintaan perangkat keras dari segelintir perusahaan pelatihan model utama ke ribuan perusahaan. Kemampuan integrasi sistem, jaringan pengiriman, dan kualifikasi kepatuhan dari produsen server kini menjadi faktor kompetitif yang lebih penting daripada performa chip individu. Tren ini tidak hanya mengubah lanskap supply dan demand infrastruktur AI, tetapi juga memberikan landasan logis utama untuk memahami siklus investasi perangkat keras di tahun 2026-2027.
Pendapatan Q2 HPE Melampaui Ekspektasi: Upgrade Perangkat Keras Didorong oleh Inference
Pada 1 Juni 2026 (UTC), HPE merilis hasil keuangan untuk fiskal Q2 2026. Sorotan utama keuangan meliputi: pendapatan sebesar $10,7 miliar, naik 40% secara tahunan dan jauh melampaui ekspektasi pasar sebesar $9,76 miliar; EPS non-GAAP sebesar $0,79, naik 108% secara tahunan, juga mengungguli prediksi. Pendapatan bisnis server sebesar $5,5 miliar, naik 32,7%. Pesanan sistem AI baru mencapai $1,8 miliar, sehingga total pesanan sistem AI terkumpul menjadi $16,4 miliar, dengan backlog sistem AI sebesar $5,9 miliar di akhir kuartal.
Server tradisional memberikan hasil yang sangat menonjol. Pesanan server tradisional lebih dari dua kali lipat secara tahunan. CFO HPE, Marie Myers, menyatakan dalam panggilan pendapatan bahwa pendorong langsung pertumbuhan ini adalah "pelanggan yang meng-upgrade infrastruktur komputasi untuk mendukung AI inference." Ini mematahkan asumsi umum bahwa "AI akan menggantikan server tradisional"—kenyataannya, beban kerja inference pada tahap ini justru menciptakan permintaan tambahan dan upgrade untuk infrastruktur komputasi yang sudah ada.
Jika menengok ke belakang, cerita utama infrastruktur AI di 2023-2024 adalah pelatihan model besar, dengan pembeli sangat terpusat pada penyedia layanan cloud dan beberapa laboratorium AI. Pada paruh kedua 2025, deploymen luas model Llama, alat AI enterprise seperti Copilot, dan peluncuran awal AI Agents mempercepat beban kerja inference. Laporan Deloitte November 2025 mencatat bahwa beban kerja inference menyumbang setengah dari seluruh komputasi AI, diproyeksikan naik menjadi dua pertiga pada 2026. Laporan Futurum Mei 2026 mengonfirmasi bahwa inference terkelola menyumbang 58,6% dari belanja infrastruktur AI di 2025, sementara pelatihan menyumbang sekitar tiga perempat di 2022. Data pesanan HPE kini memberikan validasi keuangan yang jelas atas pembalikan struktur ini.
Pesanan Dua Kali Lipat: Kesenjangan Supply-Demand dan Ekspansi Pelanggan
Data Keuangan Kunci HPE Q2 2026
| Metrik | Nilai | Perubahan YoY |
|---|---|---|
| Total Pendapatan | $10,7M | +40% |
| EPS Non-GAAP | $0,79 | +108% |
| Pendapatan Server | $5,5M | +32,7% |
| Pesanan Sistem AI Baru | $1,8M | ~+100% |
| Backlog Sistem AI | $5,9M | — |
| Pendapatan Jaringan | $2,7M | +148% |
Dua perubahan struktural muncul dari data ini.
Permintaan inference mendorong baik server tradisional maupun sistem khusus AI. Pelipatgandaan pesanan server tradisional adalah sinyal yang diremehkan oleh sebagian besar komentator pasar. CEO NVIDIA, Jensen Huang, meningkatkan proyeksi permintaan AI menjadi $1 triliun pada GTC 2026, mencatat bahwa beban kerja inference berjalan tidak hanya pada rak server AI khusus, tetapi juga pada server umum untuk preprocessing, postprocessing, dan penyimpanan. Ini menunjukkan bahwa AI inference menembus infrastruktur komputasi enterprise jauh lebih dalam dibandingkan fase pelatihan.
Basis pelanggan berkembang dari segelintir raksasa ke beragam perusahaan. Manajemen HPE melaporkan bahwa 64% pesanan sistem AI berasal dari pelanggan enterprise dan sovereign, bukan penyedia cloud besar. Dell mengungkapkan bahwa jumlah pelanggan AI mereka melampaui 5.000, tumbuh lebih dari 50% dalam enam bulan. Ekspansi ini berarti permintaan AI inference bergerak dari laboratorium ke lingkungan produksi enterprise nyata, meningkatkan nilai jaringan channel dan kemampuan layanan vendor server.
Perbandingan bisnis server AI HPE dan Dell membantu memperjelas dinamika industri. Data Dell akhir Mei 2026 menunjukkan pendapatan server AI tahunan sekitar $25,2 miliar, naik lebih dari 150% secara tahunan, dengan pesanan AI sebesar $24,4 miliar dan backlog $51,3 miliar dalam kuartal tersebut. Strategi mereka berbeda: HPE fokus pada penyediaan komputasi AI sebagai layanan melalui platform GreenLake, unggul dalam skenario sovereign AI dan hybrid cloud; Dell memanfaatkan channel penjualan enterprise terbesar di dunia dan jaringan layanan berskala untuk memimpin pengiriman server AI.
Perspektif Pasar dan Validasi Narasi: Dua Interpretasi Backlog Pesanan
Diskusi tentang hasil Q2 HPE dan pasar server AI terbagi dalam tiga kubu utama, masing-masing dengan logika dan batas risiko tersendiri.
Peralihan dari permintaan berbasis pelatihan ke inference adalah pendorong fundamental ekspansi pasar server. Pandangan ini adalah konsensus terkuat. Manajemen Lenovo di CES 2026 menyatakan, "80% komputasi AI akan digunakan untuk inference, 20% untuk pelatihan." Data TrendForce mendukung, memproyeksikan pengiriman server global naik 12,8% di 2026, dengan pengiriman server AI naik lebih dari 28%. Namun, beban kerja inference (edge, endpoint, enterprise lokal) berbeda secara fundamental dari beban kerja pelatihan tradisional (data center terpusat), sehingga vendor server harus menyesuaikan portofolio produk mereka—tidak semua akan mendapat manfaat yang sama.
Kesenjangan supply-demand saat ini menunjukkan vendor server berada di fase awal pertumbuhan volume berkelanjutan. Bukti utamanya adalah skala backlog pesanan. Dell menerima $24,4 miliar pesanan AI dalam kuartal, tetapi hanya mencatat $16,1 miliar pendapatan, menyisakan backlog $51,3 miliar. HPE juga mengonsumsi banyak backlog-nya namun masih memiliki $5,9 miliar backlog sistem AI, dengan manajemen menyatakan "kapasitas pipeline jauh melebihi backlog saat ini." Namun, backlog pesanan dapat diinterpretasikan dua cara: bisa menandakan permintaan kuat, atau bisa mencerminkan hambatan rantai pasok (terutama pasokan GPU) yang menyebabkan keterlambatan pengiriman. Yang terakhir tidak bisa dikesampingkan. Jika kendala pasokan mereda pada paruh kedua 2026, konsumsi backlog bisa dipercepat, dan keberlanjutan pertumbuhan pendapatan perlu dievaluasi ulang.
Valuasi pasar untuk vendor server mungkin sudah mencerminkan ekspektasi yang terlalu optimis. Beberapa hari sebelum pendapatan HPE, laporan positif Dell mendorong saham HPE naik 12,76% dalam sehari, dengan volume perdagangan mencapai 66,7 juta lembar—sekitar 260% dari rata-rata harian tiga bulan. Penetapan harga awal ini berarti meski laporan Q2 kuat, kenaikan lebih lanjut HPE bisa dibatasi oleh informasi yang sudah terpriced-in—variabel risiko yang perlu diperhatikan.
Tiga bias narasi umum patut mendapat perhatian. Pertama, klaim bahwa "AI akan menggantikan server tradisional" terbantahkan—pesanan server tradisional dua kali lipat, didorong langsung oleh permintaan inference. Kedua, anggapan bahwa "AI hanya permainan segelintir raksasa teknologi" ditantang oleh pertumbuhan pelanggan, namun 5.000 pelanggan masih terbatas dan sebagian besar mungkin masih dalam tahap pilot. Laporan Deloitte menunjukkan bahwa hingga awal 2026, hanya 25% perusahaan yang disurvei telah memindahkan lebih dari 40% eksperimen AI ke produksi. Ketiga, keyakinan bahwa "pertumbuhan AI HPE dan Dell sepenuhnya didorong oleh pasokan GPU" sedang berubah; TrendForce memproyeksikan server AI berbasis ASIC akan menyumbang 27,8% pengiriman di 2026.
Analisis Dampak Industri: Redistribusi Rantai Pasok, Model As-a-Service, dan Upgrade Jaringan
Kenaikan permintaan AI inference berdampak struktural pada industri server setidaknya dalam tiga aspek.
Redistribusi rantai pasok. Setelah personel Supermicro didakwa oleh Departemen Kehakiman AS (Maret 2026), perusahaan besar dan proyek AI sovereign semakin menekankan risiko kepatuhan saat mengevaluasi pemasok. Faktor kepatuhan ini, ditambah peluncuran simultan server generasi berikutnya oleh Dell dan HPE berbasis platform Vera Rubin di GTC 2026, membuka jendela penting untuk menilai ulang alokasi rantai pasok server AI. Bagi pasar, ini berarti OEM teratas memiliki daya tawar lebih besar dalam perebutan pangsa, dan kemampuan kepatuhan menjadi keunggulan kompetitif yang eksplisit.
Amplifikasi nilai as-a-service. Platform GreenLake HPE mengelola sekitar 6,7 juta sistem pada Q2, melayani sekitar 15.000 pelanggan, dengan jumlah sistem terkelola naik sekitar 26% secara tahunan. Bagi perusahaan yang mencari pengalaman cloud di data center mereka sendiri, model as-a-service sangat cocok untuk deploymen AI inference. Keunggulan utamanya adalah mengurangi belanja modal awal untuk infrastruktur AI sambil tetap memenuhi persyaratan lokalisasi data. Seiring permintaan AI sovereign meningkat, layanan tipe GreenLake bisa menjadi pembeda utama HPE dari vendor server lain.
Permintaan upgrade jaringan secara sinkron. Pendapatan jaringan HPE tumbuh 148% secara tahunan dalam kuartal, dengan pertumbuhan pesanan jaringan jauh melampaui pertumbuhan pendapatan. Manajemen menyoroti "jaringan sebagai bisnis AI-first" sebagai prioritas strategis. Kebutuhan aplikasi inference akan latensi rendah dan bandwidth tinggi mendorong perusahaan meng-upgrade jaringan data center, mempercepat transisi dari 100G ke 400G/800G. Ini adalah pasar tambahan di luar upgrade server tradisional, dan perangkat jaringan biasanya memiliki siklus penggantian lebih pendek daripada server, berpotensi memberikan kontribusi pendapatan yang lebih berkelanjutan.
Kesimpulan
Inti yang perlu diambil adalah: permintaan AI inference kini menjadi mesin pertumbuhan independen bagi pasar perangkat keras server, sangat berbeda dari fase pelatihan. Sifat terdistribusi dan berskala besar beban kerja inference membuat integrasi sistem, jaringan channel, dan kualifikasi kepatuhan vendor server menjadi lebih langka dan bernilai daripada daya komputasi chip. Laporan Q2 HPE—pesanan server tradisional dua kali lipat, backlog pesanan AI tinggi, dan ekspansi basis pelanggan—menawarkan bukti keuangan awal atas perubahan struktur ini.
Dalam jangka menengah, paruh kedua 2026 hingga 2027 akan menjadi jendela krusial untuk memvalidasi keberlanjutan permintaan inference. Metrik utama yang perlu dipantau meliputi: tingkat konversi deploymen AI enterprise dari pilot ke produksi, perubahan pangsa pengiriman server ASIC, dan kecepatan vendor server terdepan mengonsumsi backlog pesanan. Jika tingkat konversi terus meningkat dan hambatan pasokan mereda, industri server dapat memasuki siklus ekspansi volume stabil selama 2-3 tahun.
Investor sebaiknya mengalihkan fokus dari "apakah ada permintaan untuk server AI?" ke "vendor server mana yang memiliki keunggulan berbeda dalam struktur pelanggan, jangkauan geografis, dan penawaran produk?" Kemampuan kepatuhan (terutama untuk proyek AI sovereign), penetrasi model as-a-service, dan pertumbuhan sinergis di bidang jaringan bisa menjadi variabel kritis yang membedakan nilai jangka panjang antar vendor.
FAQ
Mengapa permintaan AI inference meningkatkan kinerja perusahaan server lebih cepat dibandingkan permintaan pelatihan?
AI inference sangat terdistribusi, membutuhkan banyak server tradisional dan khusus yang dideploy secara lokal di ribuan perusahaan. Pelatihan terpusat pada segelintir penyedia cloud, sehingga jaringan channel dan kemampuan pengiriman vendor server lebih bernilai pada fase inference.
Apa yang membedakan HPE dan Dell di pasar server AI?
HPE menekankan model GreenLake as-a-service dan skenario AI sovereign, sementara Dell mengandalkan channel penjualan enterprise terbesar di dunia dan jaringan layanan berskala untuk memimpin volume pengiriman.
Apa logika di balik pelipatgandaan pesanan server tradisional?
Beban kerja AI inference—preprocessing, postprocessing, penyimpanan, dan tugas inference ringan—banyak berjalan di server umum. Perusahaan perlu meng-upgrade infrastruktur yang ada, bukan sepenuhnya mengganti.
Apakah backlog pesanan server AI yang tinggi menandakan permintaan berkelanjutan?
Backlog mencerminkan permintaan kuat sekaligus hambatan rantai pasok GPU. Keberlanjutan tergantung pada pertumbuhan pesanan baru setelah kendala pasokan mereda pada paruh kedua 2026.
Bagaimana permintaan server inference yang tumbuh memengaruhi perangkat keras kripto?
Konsumsi energi data center dan persaingan komputasi yang meningkat bisa berdampak tidak langsung pada biaya perangkat keras mining kripto dan alokasi daya, namun saat ini belum ada substitusi langsung.
Bagaimana peningkatan pangsa server ASIC akan mengubah lanskap kompetitif?
Solusi ASIC diperkirakan mencapai 27,8% pengiriman di 2026, berpotensi mengurangi ketergantungan pada pemasok GPU tunggal dan memberi vendor server ruang lebih untuk kontrol biaya serta diferensiasi produk.
Dalam kondisi apa siklus pertumbuhan industri server bisa berakhir lebih awal?
Jika ROI AI enterprise tidak memenuhi ekspektasi atau terjadi perlambatan ekonomi makro yang menyebabkan pemotongan belanja IT, pertumbuhan pesanan server bisa melambat di 2027.
Vendor server mana yang memiliki keunggulan jangka panjang pada fase inference?
Vendor dengan jaringan layanan global, kepatuhan kuat (terutama kredensial AI sovereign), dan portofolio produk as-a-service yang kokoh paling siap mempertahankan daya tawar harga seiring permintaan inference menyebar.
