Gelombang Utang AI $489 Miliar: Tren Utama dan Dampak Pasar di 2026

Peminjam Tak Lagi Hanya Perusahaan Teknologi Besar

Pergeseran penting di tahun 2026 adalah meluasnya basis peminjam. Goldman Sachs melaporkan bahwa sekitar 40% dari pasokan utang terkait AI tahun ini berasal dari hyperscaler terbesar — Amazon, Alphabet, Meta, Microsoft, dan Oracle. Sisanya sekitar 60% berasal dari berbagai peminjam yang lebih luas: perusahaan infrastruktur AI, operator pusat data, REIT, dan bahkan penambang kripto yang beralih ke AI . Ini merupakan perubahan signifikan dari konsentrasi sebelumnya di segelintir perusahaan teknologi besar.

Amazon sendiri telah menerbitkan obligasi senilai $92 miliar di berbagai mata uang pada tahun 2026, terbanyak di antara para hyperscaler, diikuti oleh Alphabet, Meta, dan Oracle . Namun, pendatang baru semakin penting.

Kesepakatan Obligasi Sampah Galaxy Digital: Pertanda Risiko

Pada 22 Juli 2026, Galaxy Digital mengumumkan bahwa anak perusahaannya, Galaxy Helios Data Centers II LLC, berencana menawarkan $3,507 miliar dalam bentuk senior secured notes yang jatuh tempo pada tahun 2031 dalam penawaran privat . Hasilnya akan membiayai Helios Data Center Campus di Dickens County, Texas — mengubah bekas lokasi penambangan cryptocurrency menjadi pusat data AI yang disewakan ke CoreWeave dengan perjanjian 15 tahun . Bloomberg mencirikan kesepakatan ini sebagai perluasan pendanaan AI ke sudut-sudut pasar kredit AS yang lebih berisiko melalui penjualan obligasi sampah (junk-bond) untuk pertama kalinya . Obligasi ini dipasarkan kepada investor dengan imbal hasil sekitar 9%, dengan Morgan Stanley dan Goldman Sachs bertindak sebagai penjamin emisi .

Kesepakatan ini bukan kasus yang terisolasi. Sebuah anak perusahaan Applied Digital mengumpulkan $1,59 miliar di pasar obligasi sampah pada Juni 2026 untuk mendanai kapasitas komputasi tambahan bagi CoreWeave di North Dakota, dengan obligasi diterbitkan pada imbal hasil 7% — penurunan signifikan dari 10% yang dicari investor hanya beberapa bulan sebelumnya . Bersama-sama, transaksi ini menunjukkan pendanaan AI bergerak secara tegas ke wilayah imbal hasil tinggi dan berisiko tinggi.

Apakah Utang AI Menggeser Treasury AS? Perdebatan Aktif

Salah satu pertanyaan yang paling diperdebatkan di kalangan analis adalah apakah gelombang besar pinjaman AI mengurangi permintaan untuk Treasury AS dan mendorong kenaikan imbal hasil jangka panjang.

Kepala Ekonom Apollo, Torsten Slok, menegaskan bahwa skala pinjaman AI sudah mengurangi permintaan untuk Treasury AS dan aset pendapatan tetap lainnya . Analisis Bloomberg melaporkan bahwa investasi AI yang didanai utang telah membantu mendorong biaya pinjaman jangka panjang ke level yang belum terlihat sejak krisis keuangan, dengan imbal hasil Treasury 30 tahun menyentuh 11 sesi berturut-turut di atas 5% pada 22 Juli, menguji tonggak yang belum terlihat sejak 2007 .

Namun, manajer aset besar lainnya membantah. Todd Czachor dari Columbia Threadneedle mengatakan dia belum mengamati tanda-tanda crowding out di pasar obligasi korporat. "Setidaknya belum," katanya, seraya mencatat bahwa permintaan untuk obligasi korporat tetap kuat . PIMCO juga mengatakan imbal hasil Treasury saat ini didorong oleh taruhan kebijakan The Fed, bukan pinjaman AI, meskipun mengakui utang AI pada akhirnya dapat meningkatkan premi berjangka dari waktu ke waktu .

Reuters melaporkan bahwa lonjakan investasi terkait AI berkontribusi pada penurunan di bulan Mei yang mendorong imbal hasil Treasury 30 tahun ke titik tertinggi sejak 2007, bersamaan dengan kekhawatiran tentang inflasi dan perubahan ekspektasi kebijakan The Fed . Federal Reserve Dallas telah menandai tiga saluran yang melaluinya pendanaan utang AI dapat berdampak pada pasokan durasi dan suku bunga: penerbitan langsung obligasi korporat investment-grade jangka panjang, pertukaran pinjaman suku bunga mengambang dari investor kredit swasta, dan kemungkinan crowding-out dari penerbit keuangan .

Intinya: kekhawatiran meningkat, imbal hasil tinggi, dan pasokan AI sangat besar, tetapi bukti bahwa utang AI menyebabkan aksi jual Treasury masih diperdebatkan.

Eksposur Off-Balance-Sheet: Kekhawatiran Berikutnya

Angka spesifik $1,65 triliun dalam kewajiban infrastruktur AI off-balance-sheet untuk lima perusahaan teknologi terbesar tidak dapat dikonfirmasi secara independen dari sumber yang tersedia. Namun, beberapa sumber mengonfirmasi bahwa hyperscaler membawa eksposur off-balance-sheet yang substansial melalui sewa operasi, perjanjian pembelian listrik, dan struktur usaha patungan untuk pusat data, GPU, dan infrastruktur energi.

Artikel IESE mencatat "kumpulan kewajiban off-balance-sheet yang tumbuh cepat" dalam pendanaan AI, yang oleh Bank for International Settlements (BIS) disebut sebagai "shadow borrowing" . BIS telah menandai bahwa pinjaman kredit swasta ke perusahaan AI telah tumbuh dari hampir nol menjadi lebih dari $200 miliar, dan dengan mengekstrapolasi dari pertumbuhan investasi AI yang diproyeksikan, pinjaman swasta yang beredar ke perusahaan AI dapat mencapai sekitar $300–600 miliar pada tahun 2030 .

Para analis secara luas setuju bahwa kewajiban kontinjensi infrastruktur AI sangat besar, tidak transparan, dan kurang diteliti oleh metrik kredit tradisional, meskipun angka pasti $1,65 triliun memerlukan sumber lebih lanjut.

Implikasi Pasar Utama

• Basis peminjam meluas dengan cepat: Hyperscaler masih menjadi kelompok tunggal terbesar di 40%, tetapi 60% lainnya berasal dari pemberi pinjaman khusus, REIT pusat data, konversi kripto-ke-AI, dan dana kredit swasta.
• Tekanan pasar kredit terlihat: Utang terkait AI sekarang menyumbang sekitar 30% dari pasokan investment-grade bersih baru di pasar dolar AS . Penembusan berkelanjutan imbal hasil Treasury 30 tahun di atas 5% adalah yang tertajam sejak 2007 .
• Risiko pasar sampah meningkat: Kesepakatan Galaxy Digital dan penawaran sampah $1,59 miliar Applied Digital menunjukkan pendanaan AI bergerak secara tegas ke wilayah imbal hasil tinggi dan berisiko tinggi.
• Eksposur off-balance-sheet adalah kekhawatiran berikutnya: Bahkan jika angka pastinya perlu konfirmasi, para analis secara luas setuju bahwa kewajiban kontinjensi infrastruktur AI sangat besar, tidak transparan, dan kurang diteliti oleh metrik kredit tradisional.