Angka-angka itu tidak harus dipandang bertentangan karena menggunakan tanggal pelaporan dan metodologi estimasi yang berbeda. Namun, keduanya menunjukkan satu hal: pendanaan pusat data, kapasitas komputasi, sistem listrik, dan infrastruktur pendukung AI sedang mengalir deras ke pasar obligasi serta pasar kredit swasta.

Perusahaan raksasa teknologi menjadi sumber pasokan utama

Peminjam korporasi terbesar berasal dari Amazon, Alphabet, Meta, Microsoft, dan Oracle. Amazon, Alphabet, Meta, dan Oracle saja telah menerbitkan sekitar US$194 miliar obligasi hingga 7 Juli 2026, dibandingkan sekitar US$108 miliar sepanjang 2025, menurut analisis Reuters atas data LSEG.

Salah satu gambaran berdasarkan masing-masing penerbit memperkirakan:

• Amazon: sekitar US$53 miliar utang, termasuk penerbitan obligasi AS senilai US$37 miliar dan lebih dari US$16 miliar obligasi berdenominasi euro.
• Alphabet: sekitar US$20 miliar obligasi.
• Oracle: sekitar US$25 miliar untuk mendanai ekspansi AI.

Angka per perusahaan bergantung pada tanggal batas data dan definisi “pendanaan terkait AI”. Penerbitan obligasi, sewa, kesepakatan private credit, usaha patungan, serta kendaraan pembiayaan proyek tidak selalu tercatat secara seragam. Karena itu, angka tersebut lebih tepat diperlakukan sebagai gambaran sementara, bukan peringkat definitif.

Mengapa perusahaan yang kaya kas tetap berutang?

Perubahan ini cukup mencolok. Selama bertahun-tahun, perusahaan teknologi besar cenderung mengandalkan arus kas internal untuk membiayai investasi. Namun, AI membutuhkan beberapa pengeluaran besar secara bersamaan: prosesor canggih, peralatan jaringan, lahan, gedung pusat data, sistem pendingin, dan pasokan listrik.

Pengeluaran tersebut muncul sebelum pendapatan penuh dari layanan AI benar-benar terbukti. Reuters memperkirakan total belanja perusahaan teknologi dapat melampaui US$730 miliar pada 2026, naik dari perkiraan sebelumnya sekitar US$700 miliar. Estimasi lain dalam pelaporan yang tersedia bahkan menempatkan belanja modal perusahaan hyperscale lebih tinggi, yang menunjukkan masih besarnya ketidakpastian mengenai skala akhir pembangunan infrastruktur ini.

Utang memungkinkan perusahaan memulai pembangunan dan mengamankan kapasitas sekarang, tanpa harus menunggu seluruh pendapatan AI terealisasi. Pilihan pendanaannya juga semakin beragam, mulai dari obligasi dan sewa hingga ekuitas, private credit, dana infrastruktur, usaha patungan, serta pembiayaan proyek.

Konsekuensinya, sebagian risiko pelaksanaan berpindah dari saldo kas perusahaan kepada pemegang obligasi, pemberi pinjaman, dan investor proyek.

Pasar kredit mulai menuntut imbal hasil lebih tinggi

Dampak langsungnya adalah lonjakan pasokan obligasi investment grade—obligasi yang dinilai memiliki kualitas kredit relatif tinggi—dengan tenor panjang. Ketika semakin banyak perusahaan teknologi menerbitkan obligasi, investor menjadi lebih selektif mengenai jumlah surat utang yang bersedia mereka serap dan harga yang mereka minta.

Reuters melaporkan bahwa penerbit besar harus membayar imbal hasil yang semakin tinggi ketika permintaan investor mendingin. Dalam praktiknya, gelombang penerbitan ini dapat mendorong:

• kenaikan imbal hasil yang diminta investor;
• pelebaran spread kredit;
• konsesi penerbitan baru yang lebih besar;
• biaya refinancing yang lebih mahal; dan
• penggunaan pembiayaan non-dolar, kredit swasta, atau struktur di luar neraca yang lebih luas.

Dampak terhadap pasar Treasury AS bersifat tidak langsung. Penerbitan utang korporasi dalam jumlah besar dapat meningkatkan persaingan untuk mendapatkan modal berjangka panjang dan ikut memberi tekanan pada imbal hasil tenor panjang. Namun, imbal hasil Treasury tetap terutama ditentukan oleh kondisi ekonomi makro, ekspektasi inflasi, kebijakan moneter, dan pasokan surat utang pemerintah. Jadi, pinjaman AI merupakan tambahan sumber permintaan terhadap modal jangka panjang, bukan satu-satunya penjelasan pergerakan pasar Treasury.

Bank for International Settlements juga mencatat bahwa penerbitan obligasi perusahaan hyperscale meningkat tajam dan sebagian besar memiliki tenor panjang. Spread credit default swap (CDS), yaitu biaya untuk mengasuransikan utang terhadap risiko gagal bayar, turut meningkat terutama pada penerbit berperingkat lebih rendah ketika investor mempertanyakan potensi imbal hasil proyek-proyek tersebut.

NVIDIA membuka jalur pendanaan kedua

Pada Agustus, NVIDIA mengumumkan kemitraan dengan Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs, dan KKR. Kemitraan tersebut dirancang untuk membentuk platform pembiayaan komputasi independen yang secara bertahap dapat memobilisasi lebih dari US$500 miliar modal pihak ketiga bagi infrastruktur AI.

Struktur ini berbeda dari sekadar menerbitkan obligasi baru oleh NVIDIA atau perusahaan hyperscale. Tujuannya adalah memungkinkan investor eksternal membiayai pusat data, infrastruktur listrik, “pabrik AI”, dan perangkat keras NVIDIA melalui kumpulan modal khusus.

NVIDIA menggambarkan pendekatan tersebut sebagai upaya menjadikan komputasi dan infrastruktur AI menyeluruh sebagai kelas aset yang dapat diinvestasikan. Jika berhasil, model ini dapat mengurangi jumlah aset infrastruktur yang harus dicatat langsung di neraca perusahaan hyperscale. Model tersebut juga dapat menghubungkan proyek AI dengan investor ekuitas swasta, private credit, dana infrastruktur, dan pembiayaan proyek.

Namun, memindahkan aset keluar dari neraca perusahaan induk tidak menghapus risiko. Langkah itu hanya mengubah siapa yang memiliki aset, siapa yang memberikan pinjaman, dan siapa yang menanggung kerugian jika tingkat pemanfaatan atau pendapatan lebih rendah dari perkiraan.

Risiko yang menjadi perhatian investor

1. Suku bunga jangka panjang dapat mempermahal pembangunan

Kenaikan imbal hasil Treasury jangka panjang meningkatkan biaya keseluruhan obligasi korporasi, sewa, dan utang proyek. Kenaikan tersebut juga menurunkan nilai kini dari arus kas AI yang baru diharapkan muncul bertahun-tahun kemudian.

Proyek yang tampak menarik ketika biaya pendanaan rendah dapat menjadi kurang meyakinkan ketika harus menanggung beban bunga yang lebih besar.

2. Pendapatan AI bisa datang setelah utang telanjur jatuh tempo pembayarannya

Pendanaan infrastruktur sering disusun beberapa tahun sebelum fasilitas mencapai tingkat pemanfaatan penuh. Di sinilah muncul risiko waktu: pembayaran utang berjalan sesuai jadwal, sementara permintaan kapasitas komputasi dan pendapatan produk AI bisa tumbuh lebih lambat.

Pertanyaan utamanya bukan apakah perusahaan hyperscale masih mampu meminjam. Banyak di antaranya memiliki kapasitas keuangan yang besar. Pertanyaannya adalah apakah total utang tumbuh lebih cepat daripada permintaan AI yang tahan lama dan kemampuan menghasilkan kas.

3. Oracle menunjukkan bagaimana risiko kredit dapat menjadi sangat spesifik bagi perusahaan

Oracle menjadi salah satu kasus yang banyak diamati karena perusahaan tersebut membiayai ekspansi AI agresif dengan sensitivitas yang lebih besar terhadap leverage dan kondisi refinancing dibandingkan sejumlah perusahaan teknologi yang lebih kaya kas.

Sejumlah laporan menyebut pelebaran spread CDS Oracle secara signifikan, meskipun tingkat pastinya berbeda menurut sumber dan tanggal pengukuran. Spread CDS yang lebih lebar tidak berarti gagal bayar sudah dekat. Itu menunjukkan biaya untuk mengasuransikan utang perusahaan meningkat dan investor meminta kompensasi lebih besar atas risiko kredit yang mereka persepsikan.

4. GPU menimbulkan ketidaksesuaian antara aset dan kewajiban

Perangkat keras AI dapat kehilangan nilai ekonominya lebih cepat daripada jatuh tempo obligasi atau pinjaman infrastruktur yang digunakan untuk membiayainya. Jika prosesor generasi baru membuat GPU lama kurang kompetitif, atau tingkat pemanfaatannya turun, nilai agunan bisa merosot sementara utang tetap harus dibayar.

Risiko ini berbeda dari pembiayaan properti biasa. Gedung pusat data mungkin tetap berguna selama bertahun-tahun, tetapi peralatan komputasi di dalamnya dapat mengalami keusangan teknologi dengan cepat.

5. Proyek dapat bergantung pada sedikit penyewa

Struktur pusat data dan pembiayaan proyek bisa sangat bergantung pada sekelompok kecil penyewa hyperscale. Pemangkasan belanja, renegosiasi kontrak, atau melemahnya permintaan cloud dari satu pelanggan besar dapat berdampak pada beberapa proyek sekaligus—terutama fasilitas yang dibangun untuk beban kerja AI khusus.

6. Kapasitas pasar kredit bisa menjadi batasnya

Perusahaan teknologi terbesar mungkin masih mampu menambah utang tanpa langsung kehilangan status investment grade. Namun, kemampuan pasar obligasi untuk menyerap utang tersebut dengan harga yang menguntungkan tidaklah tak terbatas.

Riset Goldman Sachs yang dikutip dalam pelaporan yang tersedia menunjuk pada kemungkinan kesenjangan antara jumlah utang yang secara teoritis dapat ditanggung perusahaan hyperscale dan jumlah surat utang dolar investment grade yang dapat diserap pasar dengan nyaman.

Hal itu membantu menjelaskan mengapa perusahaan mulai memperluas jalur pendanaan ke obligasi euro dan mata uang asing lainnya, kredit investment grade swasta, dana infrastruktur, sewa, serta obligasi proyek usaha patungan. Saluran-saluran tersebut dapat mendiversifikasi pendanaan, tetapi juga berpotensi membuat total leverage di seluruh ekosistem AI lebih sulit dipantau.

Kesimpulan

Ledakan pinjaman AI telah mengubah cara pembangunan infrastruktur ini dibiayai. Apa yang awalnya merupakan investasi teknologi yang sebagian besar ditopang kas perusahaan kini berkembang menjadi siklus pasar modal yang melibatkan obligasi publik, private credit, dana infrastruktur, sewa, dan pembiayaan proyek.

Dampak pasar yang paling terasa dalam jangka pendek adalah bertambahnya pasokan obligasi investment grade dan meningkatnya selektivitas investor. Risiko jangka panjangnya terletak pada ketidaksesuaian antara aset dan kewajiban: infrastruktur serta perangkat keras dibiayai hari ini berdasarkan asumsi bahwa permintaan dan pendapatan AI akan muncul kemudian—atau setidaknya mencapai skala yang diharapkan.

Garis pemisahnya adalah apakah pembangunan ini menjadi siklus infrastruktur produktif atau siklus leverage. Pinjaman masih berkelanjutan jika tingkat pemanfaatan, harga, dan pendapatan layanan AI meningkat sebelum penyusutan perangkat keras serta biaya pembayaran utang mulai menekan. Sebaliknya, struktur tersebut menjadi rapuh jika kapasitas dibangun jauh lebih cepat daripada permintaan yang benar-benar tahan lama.

Angka-angka itu tidak harus dipandang bertentangan karena menggunakan tanggal pelaporan dan metodologi estimasi yang berbeda. Namun, keduanya menunjukkan satu hal: pendanaan pusat data, kapasitas komputasi, sistem listrik, dan infrastruktur pendukung AI sedang mengalir deras ke pasar obligasi serta pasar kredit swasta.

Perusahaan raksasa teknologi menjadi sumber pasokan utama

Peminjam korporasi terbesar berasal dari Amazon, Alphabet, Meta, Microsoft, dan Oracle. Amazon, Alphabet, Meta, dan Oracle saja telah menerbitkan sekitar US$194 miliar obligasi hingga 7 Juli 2026, dibandingkan sekitar US$108 miliar sepanjang 2025, menurut analisis Reuters atas data LSEG.

Salah satu gambaran berdasarkan masing-masing penerbit memperkirakan:

• Amazon: sekitar US$53 miliar utang, termasuk penerbitan obligasi AS senilai US$37 miliar dan lebih dari US$16 miliar obligasi berdenominasi euro.
• Alphabet: sekitar US$20 miliar obligasi.
• Oracle: sekitar US$25 miliar untuk mendanai ekspansi AI.

Angka per perusahaan bergantung pada tanggal batas data dan definisi “pendanaan terkait AI”. Penerbitan obligasi, sewa, kesepakatan private credit, usaha patungan, serta kendaraan pembiayaan proyek tidak selalu tercatat secara seragam. Karena itu, angka tersebut lebih tepat diperlakukan sebagai gambaran sementara, bukan peringkat definitif.

Mengapa perusahaan yang kaya kas tetap berutang?

Perubahan ini cukup mencolok. Selama bertahun-tahun, perusahaan teknologi besar cenderung mengandalkan arus kas internal untuk membiayai investasi. Namun, AI membutuhkan beberapa pengeluaran besar secara bersamaan: prosesor canggih, peralatan jaringan, lahan, gedung pusat data, sistem pendingin, dan pasokan listrik.

Pengeluaran tersebut muncul sebelum pendapatan penuh dari layanan AI benar-benar terbukti. Reuters memperkirakan total belanja perusahaan teknologi dapat melampaui US$730 miliar pada 2026, naik dari perkiraan sebelumnya sekitar US$700 miliar. Estimasi lain dalam pelaporan yang tersedia bahkan menempatkan belanja modal perusahaan hyperscale lebih tinggi, yang menunjukkan masih besarnya ketidakpastian mengenai skala akhir pembangunan infrastruktur ini.

Utang memungkinkan perusahaan memulai pembangunan dan mengamankan kapasitas sekarang, tanpa harus menunggu seluruh pendapatan AI terealisasi. Pilihan pendanaannya juga semakin beragam, mulai dari obligasi dan sewa hingga ekuitas, private credit, dana infrastruktur, usaha patungan, serta pembiayaan proyek.

Konsekuensinya, sebagian risiko pelaksanaan berpindah dari saldo kas perusahaan kepada pemegang obligasi, pemberi pinjaman, dan investor proyek.

Pasar kredit mulai menuntut imbal hasil lebih tinggi

Dampak langsungnya adalah lonjakan pasokan obligasi investment grade—obligasi yang dinilai memiliki kualitas kredit relatif tinggi—dengan tenor panjang. Ketika semakin banyak perusahaan teknologi menerbitkan obligasi, investor menjadi lebih selektif mengenai jumlah surat utang yang bersedia mereka serap dan harga yang mereka minta.

Reuters melaporkan bahwa penerbit besar harus membayar imbal hasil yang semakin tinggi ketika permintaan investor mendingin. Dalam praktiknya, gelombang penerbitan ini dapat mendorong:

• kenaikan imbal hasil yang diminta investor;
• pelebaran spread kredit;
• konsesi penerbitan baru yang lebih besar;
• biaya refinancing yang lebih mahal; dan
• penggunaan pembiayaan non-dolar, kredit swasta, atau struktur di luar neraca yang lebih luas.

Dampak terhadap pasar Treasury AS bersifat tidak langsung. Penerbitan utang korporasi dalam jumlah besar dapat meningkatkan persaingan untuk mendapatkan modal berjangka panjang dan ikut memberi tekanan pada imbal hasil tenor panjang. Namun, imbal hasil Treasury tetap terutama ditentukan oleh kondisi ekonomi makro, ekspektasi inflasi, kebijakan moneter, dan pasokan surat utang pemerintah. Jadi, pinjaman AI merupakan tambahan sumber permintaan terhadap modal jangka panjang, bukan satu-satunya penjelasan pergerakan pasar Treasury.

Bank for International Settlements juga mencatat bahwa penerbitan obligasi perusahaan hyperscale meningkat tajam dan sebagian besar memiliki tenor panjang. Spread credit default swap (CDS), yaitu biaya untuk mengasuransikan utang terhadap risiko gagal bayar, turut meningkat terutama pada penerbit berperingkat lebih rendah ketika investor mempertanyakan potensi imbal hasil proyek-proyek tersebut.

NVIDIA membuka jalur pendanaan kedua

Pada Agustus, NVIDIA mengumumkan kemitraan dengan Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs, dan KKR. Kemitraan tersebut dirancang untuk membentuk platform pembiayaan komputasi independen yang secara bertahap dapat memobilisasi lebih dari US$500 miliar modal pihak ketiga bagi infrastruktur AI.

Struktur ini berbeda dari sekadar menerbitkan obligasi baru oleh NVIDIA atau perusahaan hyperscale. Tujuannya adalah memungkinkan investor eksternal membiayai pusat data, infrastruktur listrik, “pabrik AI”, dan perangkat keras NVIDIA melalui kumpulan modal khusus.

NVIDIA menggambarkan pendekatan tersebut sebagai upaya menjadikan komputasi dan infrastruktur AI menyeluruh sebagai kelas aset yang dapat diinvestasikan. Jika berhasil, model ini dapat mengurangi jumlah aset infrastruktur yang harus dicatat langsung di neraca perusahaan hyperscale. Model tersebut juga dapat menghubungkan proyek AI dengan investor ekuitas swasta, private credit, dana infrastruktur, dan pembiayaan proyek.

Namun, memindahkan aset keluar dari neraca perusahaan induk tidak menghapus risiko. Langkah itu hanya mengubah siapa yang memiliki aset, siapa yang memberikan pinjaman, dan siapa yang menanggung kerugian jika tingkat pemanfaatan atau pendapatan lebih rendah dari perkiraan.

Risiko yang menjadi perhatian investor

1. Suku bunga jangka panjang dapat mempermahal pembangunan

Kenaikan imbal hasil Treasury jangka panjang meningkatkan biaya keseluruhan obligasi korporasi, sewa, dan utang proyek. Kenaikan tersebut juga menurunkan nilai kini dari arus kas AI yang baru diharapkan muncul bertahun-tahun kemudian.

Proyek yang tampak menarik ketika biaya pendanaan rendah dapat menjadi kurang meyakinkan ketika harus menanggung beban bunga yang lebih besar.

2. Pendapatan AI bisa datang setelah utang telanjur jatuh tempo pembayarannya

Pendanaan infrastruktur sering disusun beberapa tahun sebelum fasilitas mencapai tingkat pemanfaatan penuh. Di sinilah muncul risiko waktu: pembayaran utang berjalan sesuai jadwal, sementara permintaan kapasitas komputasi dan pendapatan produk AI bisa tumbuh lebih lambat.

Pertanyaan utamanya bukan apakah perusahaan hyperscale masih mampu meminjam. Banyak di antaranya memiliki kapasitas keuangan yang besar. Pertanyaannya adalah apakah total utang tumbuh lebih cepat daripada permintaan AI yang tahan lama dan kemampuan menghasilkan kas.

3. Oracle menunjukkan bagaimana risiko kredit dapat menjadi sangat spesifik bagi perusahaan

Oracle menjadi salah satu kasus yang banyak diamati karena perusahaan tersebut membiayai ekspansi AI agresif dengan sensitivitas yang lebih besar terhadap leverage dan kondisi refinancing dibandingkan sejumlah perusahaan teknologi yang lebih kaya kas.

Sejumlah laporan menyebut pelebaran spread CDS Oracle secara signifikan, meskipun tingkat pastinya berbeda menurut sumber dan tanggal pengukuran. Spread CDS yang lebih lebar tidak berarti gagal bayar sudah dekat. Itu menunjukkan biaya untuk mengasuransikan utang perusahaan meningkat dan investor meminta kompensasi lebih besar atas risiko kredit yang mereka persepsikan.

4. GPU menimbulkan ketidaksesuaian antara aset dan kewajiban

Perangkat keras AI dapat kehilangan nilai ekonominya lebih cepat daripada jatuh tempo obligasi atau pinjaman infrastruktur yang digunakan untuk membiayainya. Jika prosesor generasi baru membuat GPU lama kurang kompetitif, atau tingkat pemanfaatannya turun, nilai agunan bisa merosot sementara utang tetap harus dibayar.

Risiko ini berbeda dari pembiayaan properti biasa. Gedung pusat data mungkin tetap berguna selama bertahun-tahun, tetapi peralatan komputasi di dalamnya dapat mengalami keusangan teknologi dengan cepat.

5. Proyek dapat bergantung pada sedikit penyewa

Struktur pusat data dan pembiayaan proyek bisa sangat bergantung pada sekelompok kecil penyewa hyperscale. Pemangkasan belanja, renegosiasi kontrak, atau melemahnya permintaan cloud dari satu pelanggan besar dapat berdampak pada beberapa proyek sekaligus—terutama fasilitas yang dibangun untuk beban kerja AI khusus.

6. Kapasitas pasar kredit bisa menjadi batasnya

Perusahaan teknologi terbesar mungkin masih mampu menambah utang tanpa langsung kehilangan status investment grade. Namun, kemampuan pasar obligasi untuk menyerap utang tersebut dengan harga yang menguntungkan tidaklah tak terbatas.

Riset Goldman Sachs yang dikutip dalam pelaporan yang tersedia menunjuk pada kemungkinan kesenjangan antara jumlah utang yang secara teoritis dapat ditanggung perusahaan hyperscale dan jumlah surat utang dolar investment grade yang dapat diserap pasar dengan nyaman.

Hal itu membantu menjelaskan mengapa perusahaan mulai memperluas jalur pendanaan ke obligasi euro dan mata uang asing lainnya, kredit investment grade swasta, dana infrastruktur, sewa, serta obligasi proyek usaha patungan. Saluran-saluran tersebut dapat mendiversifikasi pendanaan, tetapi juga berpotensi membuat total leverage di seluruh ekosistem AI lebih sulit dipantau.

Kesimpulan

Ledakan pinjaman AI telah mengubah cara pembangunan infrastruktur ini dibiayai. Apa yang awalnya merupakan investasi teknologi yang sebagian besar ditopang kas perusahaan kini berkembang menjadi siklus pasar modal yang melibatkan obligasi publik, private credit, dana infrastruktur, sewa, dan pembiayaan proyek.

Dampak pasar yang paling terasa dalam jangka pendek adalah bertambahnya pasokan obligasi investment grade dan meningkatnya selektivitas investor. Risiko jangka panjangnya terletak pada ketidaksesuaian antara aset dan kewajiban: infrastruktur serta perangkat keras dibiayai hari ini berdasarkan asumsi bahwa permintaan dan pendapatan AI akan muncul kemudian—atau setidaknya mencapai skala yang diharapkan.

Garis pemisahnya adalah apakah pembangunan ini menjadi siklus infrastruktur produktif atau siklus leverage. Pinjaman masih berkelanjutan jika tingkat pemanfaatan, harga, dan pendapatan layanan AI meningkat sebelum penyusutan perangkat keras serta biaya pembayaran utang mulai menekan. Sebaliknya, struktur tersebut menjadi rapuh jika kapasitas dibangun jauh lebih cepat daripada permintaan yang benar-benar tahan lama.