Bagaimana Utang Infrastruktur AI Mendorong Kenaikan Imbal Hasil Obligasi

Utang terkait AI juga diperkirakan menyumbang hampir 15% dari penerbitan obligasi investment grade pada pertengahan tahun. Investment grade merujuk pada obligasi dengan peringkat kredit relatif tinggi, meski bukan berarti bebas dari risiko gagal bayar atau penurunan harga.

Mengapa hal ini dapat memengaruhi imbal hasil obligasi negara?

Ada dua jalur utama.

Pertama, bertambahnya pasokan obligasi korporasi memberi investor alternatif selain Treasury AS dan surat utang pemerintah lain, terutama untuk tenor panjang. Agar obligasi baru terserap, perusahaan mungkin harus menawarkan kupon atau imbal hasil yang lebih tinggi.

Kedua, pemerintah juga sedang menerbitkan utang dalam jumlah besar. Ketika pasokan obligasi korporasi dan pemerintah meningkat bersamaan, pasar harus menyerap lebih banyak aset berjangka panjang. Kondisi ini dapat menaikkan premi tenor, yaitu kompensasi tambahan yang diminta investor karena harus menanggung risiko suku bunga dan inflasi selama periode yang lebih lama. Imbal hasil riil di sejumlah ekonomi besar telah mencapai level tertinggi dalam lebih dari satu dekade seiring akselerasi belanja pemerintah dan pembiayaan AI.

Imbal hasil Treasury AS bertenor 30 tahun bahkan sempat menembus 5,3%, mendekati level tertinggi dalam 19 tahun, di tengah aksi jual obligasi global dan kekhawatiran bahwa utang nasional AS mendekati US$40 triliun.

Namun, hubungan sebab-akibatnya tidak boleh disederhanakan. Imbal hasil Treasury dipengaruhi banyak faktor, termasuk ekspektasi inflasi, defisit fiskal, jumlah penerbitan utang, pertumbuhan ekonomi, risiko geopolitik, ekspektasi kebijakan bank sentral, dan premi tenor. Penerbitan utang hyperscaler kemungkinan memperkuat ketidakseimbangan antara pasokan dan permintaan, tetapi bukti yang tersedia belum menunjukkan bahwa utang AI merupakan penyebab utama kenaikan imbal hasil obligasi pemerintah.

Big Tech mulai mencari investor di luar pasar AS

Besarnya kebutuhan dana mendorong perusahaan teknologi memperluas sumber pembiayaan secara geografis dan menggunakan berbagai mata uang. Strategi ini membantu mereka mengakses basis investor yang lebih luas dan mengurangi ketergantungan pada pasar obligasi dolar AS.

Contohnya adalah transaksi perdana Alphabet di pasar dolar Australia. Perusahaan induk Google tersebut menghimpun A$5,5 miliar melalui obligasi berjangka tiga, lima, 10, dan 20 tahun. Pesanan investor melampaui A$18 miliar, menunjukkan kuatnya minat institusional terhadap penerbit besar dengan reputasi kredit yang baik. Transaksi itu juga disebut sebagai penerbitan pertama oleh hyperscaler AI di pasar tersebut.

Untuk tranche 20 tahun, Alphabet membayar imbal hasil sekitar 6,9%. Angka ini menunjukkan bahwa perusahaan dengan kualitas kredit tinggi pun mungkin harus membayar lebih mahal ketika melakukan diversifikasi pendanaan berdasarkan negara dan mata uang.

Alphabet juga telah menjadi salah satu peminjam besar di pasar obligasi korporasi euro, pound sterling, franc Swiss, dan yen. Sementara itu, penerbitan Amazon senilai €14,5 miliar pada Maret menjadi transaksi terbesar yang pernah tercatat di pasar obligasi korporasi euro.

Angka A$5,5 miliar, imbal hasil hampir 6,9% untuk obligasi 20 tahun, dan permintaan lebih dari A$18 miliar didukung oleh laporan yang tersedia. Namun, angka spesifik mengenai rekor sekitar A$60 miliar untuk penerbitan asing di Australia, serta proyeksi pendanaan US$1,75 triliun dari total US$3,2 triliun hingga 2028, belum dapat diverifikasi secara independen dari sumber berkualitas yang tersedia. Angka tersebut sebaiknya diperlakukan sebagai estimasi yang memerlukan rujukan riset asalnya.

Apa artinya bagi investor pencari pendapatan?

Peluang imbal hasil

Obligasi hyperscaler dengan imbal hasil sekitar 4,75% hingga 8%, bergantung pada penerbit dan jatuh tempo, dapat menawarkan pendapatan nominal yang menarik dibandingkan obligasi pemerintah. Bagi investor yang mampu menanggung risiko durasi dan spread kredit, instrumen tersebut bisa menjadi bagian dari alokasi obligasi investment grade.

Besarnya buku pesanan dalam transaksi Alphabet di Australia juga menunjukkan bahwa investor institusional masih memiliki selera terhadap penerbit teknologi besar yang dikenal luas.

Risiko kredit tidak seragam

Utang Alphabet, Amazon, dan Meta tidak sama dengan utang pengembang pusat data, pemasok peralatan, perusahaan AI yang lebih kecil, atau kendaraan special purpose dan project finance.

Investor perlu memperhatikan apakah obligasi tersebut merupakan klaim senior tanpa jaminan terhadap perusahaan induk, utang berjaminan, utang holding company yang secara struktural subordinasi, kewajiban sewa, atau pembiayaan di luar neraca. Label “obligasi AI” dan kupon tinggi tidak otomatis berarti kompensasinya sepadan dengan risiko yang ditanggung.

Risiko durasi dan reinvestasi

Sebagian imbal hasil menarik berasal dari tenor yang panjang. Jika imbal hasil pasar naik lebih jauh, harga obligasi yang sudah dimiliki dapat turun cukup besar. Sebaliknya, jika imbal hasil turun, kupon yang telah dikunci menjadi lebih bernilai, tetapi pendapatan dari investasi ulang obligasi yang jatuh tempo kemungkinan menurun.

Pendapatan AI belum sepenuhnya terbukti

Banyak utang tersebut diterbitkan sebelum pendapatan dan tingkat pengembalian dari infrastruktur AI benar-benar terbukti. Jika monetisasi AI berjalan lebih lambat dari perkiraan, belanja modal tetap tinggi, atau persaingan menekan margin cloud dan AI, rasio leverage serta spread kredit dapat memburuk—bahkan pada perusahaan yang saat ini memiliki posisi keuangan kuat.

Risiko pasar tidak mampu menyerap seluruh pasokan

Permintaan investor memang masih kuat, tetapi menjadi lebih selektif seiring penerbitan meningkat dan imbal hasil bergerak naik. Analis memperingatkan bahwa pasar obligasi investment grade mungkin tidak mampu menyerap seluruh kebutuhan pembiayaan hyperscaler yang diperkirakan. Akibatnya, perusahaan dapat menghadapi tekanan untuk menawarkan spread lebih lebar dan kupon lebih tinggi, menggunakan private credit, menerbitkan saham, atau mengembangkan struktur pendanaan yang lebih kompleks.

Kesimpulan

Bagi portofolio pendapatan tetap, obligasi perusahaan teknologi besar sebaiknya diperlakukan sebagai alokasi kredit yang terdiversifikasi, bukan pengganti Treasury. Pendekatan yang lebih defensif adalah memprioritaskan kekuatan neraca dan senioritas utang, menyebar jatuh tempo, serta tidak mengejar imbal hasil mendekati 8% tanpa memahami tambahan risiko proyek, leverage, likuiditas, mata uang, dan struktur pembiayaannya.

Penerbitan utang AI memang dapat membuat persaingan memperebutkan modal jangka panjang semakin ketat. Namun, kenaikan imbal hasil obligasi negara tetap merupakan hasil dari gabungan kekuatan fiskal, inflasi, kebijakan moneter, kondisi ekonomi, dan risiko pasar yang lebih luas—bukan semata-mata akibat aksi pinjam perusahaan teknologi.