Ledakan Infrastruktur AI Mengubah Satu Taruhan Teknologi Menjadi Risiko Lintas Pasar

Boom infrastruktur kecerdasan buatan (AI) tidak lagi hanya menjadi cerita pasar saham. Kini, boom tersebut berkembang menjadi satu rangkaian transaksi pembiayaan yang menghubungkan obligasi publik, surat utang konversi, proyek pusat data, kredit privat, serta perusahaan pemasok perangkat dan layanan AI.

Kondisi ini menciptakan apa yang dapat disebut investor sebagai faktor AI: paparan bersama terhadap sekelompok kecil perusahaan dan terhadap keyakinan bahwa permintaan AI di masa depan akan menghasilkan arus kas yang cukup untuk membenarkan belanja serta utang hari ini.

Kekhawatiran utamanya bukan bahwa perusahaan teknologi raksasa—atau hyperscaler, yakni operator cloud berskala sangat besar—pasti gagal bayar. Risikonya adalah kekecewaan terhadap pendapatan AI, tingkat pemanfaatan pusat data, atau kondisi pendanaan dapat menghantam beberapa pasar yang terlihat berbeda secara bersamaan.

Gelombang utang menjadikan AI persoalan teknis pasar

Alphabet, Amazon, dan Meta telah menerbitkan hampir US$220 miliar obligasi pada 2026 hingga pertengahan Agustus. Angka itu sudah lebih dari dua kali lipat dibandingkan US$108 miliar yang diterbitkan sepanjang 2025, berdasarkan data LSEG yang dikutip Reuters.

Morgan Stanley secara terpisah memperkirakan penerbitan utang terkait AI secara global dapat mendekati US$570 miliar pada 2026. Hingga akhir Mei, sekitar US$236 miliar telah diterbitkan.

Angka tersebut bukan sekadar pembiayaan ulang utang perusahaan. Perusahaan teknologi semakin memanfaatkan pasar obligasi dan instrumen yang terkait dengan saham untuk mendukung ekspansi AI serta cloud yang membutuhkan modal besar—bergeser dari pola tradisional yang lebih banyak mengandalkan arus kas internal.

Besarnya pasokan baru penting karena hyperscaler mengambil dana dari kumpulan modal institusional yang sama dengan pembeli surat utang pemerintah Amerika Serikat dan obligasi korporasi berperingkat investasi. Gelombang penerbitan besar tidak otomatis membuat imbal hasil naik, tetapi dapat membuat investor lebih selektif. Penerbit mungkin harus menawarkan selisih imbal hasil yang lebih tinggi, sementara investor jangka panjang dapat meminta kompensasi lebih besar untuk menambah eksposur terhadap obligasi berjangka panjang.

Dampaknya juga tidak terbatas pada sektor teknologi. Reuters melaporkan bahwa utang terkait AI mendekati 15% dari penerbitan obligasi berperingkat investasi pada 2026, meskipun konsentrasi AI masih rendah dalam indeks kredit yang lebih luas. Perbedaan ini penting: sektor AI dapat memengaruhi harga dan likuiditas penerbitan baru tanpa mendominasi seluruh pasar obligasi berperingkat investasi.

Mengapa saham dan obligasi semakin saling terhubung

Saluran saham dan kredit saling memperkuat melalui dua mekanisme.

Pertama, sekelompok kecil perusahaan teknologi besar dapat memengaruhi kinerja indeks saham dan sentimen investor. Jika valuasi mereka sangat bergantung pada ekspektasi laba AI di masa depan, penurunan perkiraan permintaan atau imbal hasil belanja infrastruktur dapat menekan harga saham sekaligus mengurangi nilai arus kas masa depan di mata investor.

Kedua, valuasi saham yang lebih rendah dapat membuat pendanaan menjadi lebih mahal. Perusahaan mungkin menghadapi selisih imbal hasil yang lebih lebar di pasar obligasi biasa, persyaratan yang kurang menguntungkan dalam kredit privat, dan permintaan yang lebih lemah untuk surat utang terkait saham. Kenaikan biaya pendanaan kemudian dapat membuat alasan ekonomi di balik investasi awal terlihat semakin lemah.

Hubungan ini terlihat jelas di pasar obligasi konversi. Instrumen tersebut menggabungkan utang dengan opsi untuk dikonversi menjadi saham. Bagi penerbit, struktur ini dapat menekan biaya bunga tunai ketika investor masih menghargai potensi kenaikan harga saham. Penerbitan obligasi konversi di Amerika Serikat mencapai sekitar US$34 miliar dalam empat bulan pertama 2026, lebih dari dua kali lipat dibandingkan periode yang sama setahun sebelumnya. Perusahaan yang terkait dengan AI turut mendorong kenaikan tersebut.

Dengan demikian, pasar saham AI yang kuat dapat membantu perusahaan memperoleh pendanaan berbasis saham dengan biaya lebih rendah. Dana itu kemudian membiayai lebih banyak infrastruktur dan mempertahankan narasi pertumbuhan. Sebaliknya, aksi jual saham yang tajam dapat membalik mekanisme tersebut: daya tarik obligasi konversi menurun, kondisi lindung nilai memburuk, dan peminjam mungkin harus mengandalkan utang konvensional yang lebih mahal atau menerbitkan saham baru.

Hubungan tersembunyi itu adalah permintaan AI

Obligasi hyperscaler, pinjaman pusat data, fasilitas kredit privat, pinjaman proyek energi, dan piutang pemasok dapat diterbitkan oleh entitas hukum yang berbeda. Namun, semuanya bisa bergantung pada asumsi ekonomi yang sama: pelanggan AI akan terus berbelanja, menyewa kapasitas komputasi, dan menghasilkan pendapatan yang cukup untuk menopang seluruh rantai infrastruktur.

Ketergantungan bersama ini dapat membuat diversifikasi terlihat lebih kuat daripada kenyataannya. Portofolio yang tersebar di antara obligasi, sekuritisasi, dan pinjaman privat mungkin sebenarnya berisi beberapa klaim terhadap hyperscaler yang sama, operator pusat data yang sama, atau permintaan peralatan yang sama.

Jika proyek tertunda atau kapasitas tidak terpakai, kerugian dapat muncul melalui berbagai instrumen secara bersamaan—bahkan ketika tidak satu pun instrumen tersebut secara formal dijamin oleh perusahaan yang sama.

Risiko menjadi lebih besar ketika struktur pembiayaan memindahkan paparan dari neraca utama tanpa menghilangkan kewajiban komersial sponsor proyek.

Pembiayaan di luar neraca dapat menyamarkan paparan ekonomi

Kendaraan bertujuan khusus (special-purpose vehicle atau SPV), skema sewa, dan jaminan nilai residu menjadi alat penting dalam pembangunan pusat data. Dalam struktur yang umum, entitas eksternal menggalang utang dan memiliki fasilitas, sementara perusahaan teknologi menyewa lokasi setelah selesai dibangun.

Pengaturan ini dapat membuat utang proyek tidak tercatat sebagai utang perusahaan dalam laporan utama. Namun, perusahaan tersebut mungkin tetap terikat pada pembayaran sewa, tingkat penggunaan minimum, atau jaminan yang berkaitan dengan nilai masa depan aset.

Rencana pusat data Hyperion milik Meta menggambarkan struktur tersebut. Analisis hukum menyebut SPV senilai US$30 miliar yang menghimpun sekitar US$27 miliar pinjaman dan US$3 miliar ekuitas, dengan fasilitas itu disewakan kepada Meta. Pelaporan lain menyebut adanya jaminan nilai residu, yang mewajibkan Meta memberikan kompensasi kepada investor jika nilai properti turun di bawah ambang tertentu.

Hal ini tidak membuat utang SPV identik dengan utang senior biasa yang diterbitkan langsung oleh perusahaan induk. Namun, kondisi tersebut berarti rasio utang yang terlihat dalam laporan keuangan mungkin belum sepenuhnya mencerminkan sensitivitas bisnis terhadap biaya konstruksi, keusangan teknologi, tingkat pemanfaatan, dan nilai aset.

Bagi investor, pertanyaan yang relevan bukan hanya, “Siapa yang secara hukum meminjam uang?” tetapi juga, “Siapa yang menanggung kerugian jika ekonomi AI yang diharapkan tidak terwujud?”

Bagaimana penyesuaian harga dapat menyebar

Koreksi pembiayaan tidak harus dimulai dari gagal bayar. Prosesnya dapat bermula dari perubahan asumsi:

1. Pertumbuhan pendapatan AI atau tingkat pemanfaatan pusat data lebih rendah dari perkiraan.
2. Valuasi saham turun dan investor menilai ulang jangka waktu pengembalian belanja modal.
3. Selisih imbal hasil obligasi melebar dan pembiayaan melalui obligasi konversi menjadi kurang menarik.
4. Kendaraan proyek, operator, dan pemasok menghadapi biaya pembiayaan ulang yang lebih mahal.
5. Hyperscaler menunda atau mengurangi pesanan chip, server, konstruksi, perangkat listrik, dan properti.
6. Pihak lawan transaksi yang lebih lemah kehilangan akses kredit, sementara biaya pinjaman jangka panjang yang lebih tinggi menekan investasi nonteknologi.

Urutan ini adalah kemungkinan mekanisme umpan balik, bukan ramalan. Hyperscaler dengan kas besar mungkin mampu menanggung imbal hasil yang lebih rendah lebih lama dibandingkan perusahaan infrastruktur yang lebih kecil. Namun, penundaan proyek dan kondisi keuangan yang lebih ketat tetap dapat memengaruhi siklus investasi yang lebih luas.

Apa yang didukung bukti—dan apa yang belum terbukti

Bukti yang tersedia mendukung adanya risiko konsentrasi dan korelasi yang meningkat. Utang terkait AI berkembang cepat, penerbitan obligasi konversi digunakan untuk membiayai pertumbuhan yang terkait dengan AI, dan transaksi pusat data terstruktur dapat menyebarkan paparan ke pasar publik maupun privat.

Namun, bukti tersebut belum membuktikan bahwa sistem keuangan sedang menghadapi krisis sistemik dalam waktu dekat. Angka US$570 miliar merupakan proyeksi, bukan jumlah penerbitan yang sudah terealisasi. Perkiraan kesenjangan pembiayaan atau porsi belanja modal yang dibiayai utang juga bergantung pada definisi yang digunakan. Sewa, jaminan, pengaturan kredit privat, pembiayaan pemasok, dan komitmen masa depan dapat menghasilkan total yang sangat berbeda.

Karena itu, langkah yang paling berguna bagi investor adalah memetakan paparan secara menyeluruh. Jangan hanya melihat nama penerbit. Periksa apakah beberapa aset dalam portofolio bergantung pada hyperscaler yang sama, penyewa pusat data yang sama, nilai jual kembali peralatan yang sama, atau asumsi yang sama tentang monetisasi AI.

Risiko utamanya bukan bahwa setiap aset yang terkait AI bersifat identik. Risikonya adalah banyak aset tersebut dapat rentan terhadap perubahan ekspektasi yang sama.