Belanja AI Hyper 5 Bisa Tembus US$5,3 Triliun pada 2030, Arus Kas Mulai Tertekan

Perlombaan membangun infrastruktur AI kini bukan semata soal siapa yang mampu mendirikan pusat data terbanyak. Ujian terbesarnya adalah kapan investasi raksasa itu mulai menghasilkan kas.

Menurut analisis S&P Global, lima perusahaan yang disebut “Hyper 5”—Amazon, Alphabet, Microsoft, Meta, dan Oracle—memimpin siklus belanja modal yang sangat terkonsentrasi. Mereka memiliki bisnis inti yang sudah besar dan menguntungkan. Namun, percepatan investasi AI menekan arus kas bebas dan membuat sumber pendanaan di luar kas operasional semakin penting. 12

US$1,1 triliun sudah keluar, US$5,3 triliun lagi diproyeksikan

S&P Global Market Intelligence mencatat Hyper 5 secara kolektif telah menghabiskan US$1,1 triliun untuk belanja modal (capital expenditure atau capex) dalam lima tahun terakhir. Konsensus Visible Alpha yang dikutip S&P Global memperkirakan tambahan US$5,3 triliun akan dibelanjakan hingga 2030. Angka tersebut adalah proyeksi, bukan komitmen belanja yang sudah pasti, tetapi menggambarkan besarnya ekspansi infrastruktur digital dan AI yang diantisipasi. 1

Laju belanja tahunannya meningkat tajam. Belanja modal perusahaan teknologi besar naik dari sekitar US$80 miliar pada 2019 menjadi sekitar US$700 miliar pada 2026, lalu diproyeksikan mencapai sekitar US$850 miliar pada 2027, menurut pemaparan S&P Global dalam sebuah webinar. 5

Dana itu membiayai lapisan fisik layanan AI: pusat data, kapasitas komputasi, serta infrastruktur digital terkait. Dalam panggilan pendapatan kuartal IV 2025, Alphabet, Amazon, dan Microsoft secara bersama-sama mengindikasikan capex sekitar US$495 miliar untuk 2026, dengan porsi besar terkait infrastruktur teknis dan pusat data AI. 6

Mengapa arus kas bebas menjadi titik tekan

Perusahaan dapat tetap mencetak laba, tetapi arus kas bebasnya melemah atau bahkan negatif. Laba mengukur kinerja bisnis dalam periode akuntansi, sedangkan arus kas bebas berkurang ketika perusahaan mengeluarkan dana sangat besar di muka untuk aset jangka panjang.

Perbedaan itulah yang menjadi inti penilaian S&P. S&P Global Ratings memperkirakan arus kas operasi bebas negatif pada enam hyperscaler terbesar sepanjang 2026 dan 2027. Kelompok tersebut mencakup Hyper 5 serta SpaceX. 2

Artinya bukan mereka kehilangan kemampuan menghasilkan laba. Masalahnya, biaya untuk kapasitas AI dibayarkan sekarang, sementara tingkat pemakaian, pendapatan, dan imbal hasil penuh dari kapasitas tersebut belum pasti. S&P Global Ratings menyatakan kenaikan capex, pembiayaan yang semakin rumit, dan periode pengembalian investasi yang panjang secara bertahap melemahkan kualitas kredit hyperscaler. 37

Pendanaan mulai melampaui kas internal

Pada tahap awal siklus ini, perusahaan-perusahaan tersebut terutama dapat mengandalkan arus kas dari operasional. Ketika kebutuhan investasi terus naik, S&P Global Ratings melihat utang, sewa guna usaha, jaminan, dan struktur pembiayaan lain memainkan peran yang semakin besar dalam mendanai pertumbuhan infrastruktur AI. 2

Pergeseran ini penting karena mengubah lokasi beban keuangan dan waktu pengakuannya. Skema sewa atau pembiayaan melalui mitra dapat menyebarkan biaya investasi dalam jangka waktu lebih panjang, tetapi tidak menghapus kewajiban ekonomi atas infrastruktur yang dibangun. Bagi investor dan kreditur, pertanyaan utamanya adalah apakah kas masa depan dari AI mampu menutup biaya aset sekaligus komitmen pembiayaannya.

Lebih agresif dibanding siklus teknologi sebelumnya

S&P Global menyebut intensitas investasi AI—diukur dari capex relatif terhadap depresiasi—telah melampaui puncak pada era dot-com dan periode sekitar Resesi Besar. Pembangunan ini juga sangat terkonsentrasi pada segelintir perusahaan. 1

Namun, kondisi sekarang tidak otomatis sama dengan gelembung dot-com. Para hyperscaler terdepan adalah perusahaan matang dengan bisnis besar yang telah menghasilkan uang dari layanan cloud, iklan, perangkat lunak, perdagangan, dan langganan. S&P menilai sektor ini belum memperlihatkan karakteristik pembiayaan rapuh yang membuat pembangunan infrastruktur pada era dot-com rentan. 1

Tetap saja, perusahaan matang bukan berarti bebas risiko. Komitmen modal yang bertumbuh lebih cepat daripada arus kas operasional dalam waktu lama tetap dapat menekan kondisi keuangan. Variabel penentunya adalah tingkat pemanfaatan kapasitas AI, harga layanan, pertumbuhan pendapatan, dan imbal hasil atas modal yang ditanamkan.

Oracle menjadi contoh risiko terhadap kredit

Oracle menjadi contoh paling nyata bahwa ekspansi AI dapat berubah menjadi isu kredit. S&P Global Ratings menurunkan peringkat Oracle menjadi BBB- dari BBB pada 2026, sebagaimana tercantum dalam judul aksi pemeringkatan dan materi terkait S&P. 1720

Pelajarannya bukan bahwa seluruh hyperscaler akan mengalami hasil serupa. Komposisi bisnis, neraca, dan pilihan pendanaan masing-masing perusahaan berbeda. Namun, strategi pembangunan infrastruktur AI yang agresif dapat memengaruhi metrik kredit, bahkan pada perusahaan teknologi mapan dengan bisnis operasional yang signifikan.

Pertanyaan yang menentukan hasil investasi AI

Analisis S&P Global bersifat bersyarat, bukan pernyataan bahwa investasi AI akan gagal. Pengeluaran tersebut bisa saja terbukti tepat apabila layanan AI menciptakan tambahan permintaan, pendapatan, dan margin yang cukup—serta terjadi cukup cepat.

Pertanyaan penentunya adalah apakah imbal hasil dari infrastruktur AI dapat mengejar modal yang telah dikeluarkan sebelum utang dan pembiayaan eksternal lain menjadi sumber dana yang dominan secara struktural. Jika monetisasi AI melaju, kapasitas yang dibangun hari ini dapat menjadi keunggulan jangka panjang. Jika hasilnya datang lebih lambat, Hyper 5 berpotensi menghadapi periode arus kas bebas negatif yang lebih panjang, struktur pembiayaan yang makin kompleks, dan tekanan lebih besar terhadap kualitas kredit. 12