Bagaimana Ledakan Pinjaman AI Mengubah Pasaran Kredit

Infrastruktur AI kini bukan lagi sekadar cerita teknologi—ia semakin menjadi cerita pasaran kredit. Morgan Stanley menganggarkan penerbitan hutang berkaitan AI di seluruh dunia mencecah kira-kira $236 bilion setakat 31 Mei 2026, sekitar empat kali ganda berbanding tempoh sama setahun sebelumnya, dan menjangkakan jumlah itu boleh menghampiri $570 bilion bagi keseluruhan tahun.

Goldman Sachs pula menganggarkan kira-kira $489 bilion hutang berkaitan AI telah diterbitkan setakat 22 Julai, sudah melebihi anggaran jumlah bagi sepanjang 2025.

Angka-angka ini tidak semestinya bercanggah kerana tarikh pengukuran dan kaedah anggarannya berbeza. Namun, kesimpulannya jelas: pembiayaan untuk pusat data, kapasiti pengkomputeran, sistem kuasa dan infrastruktur berkaitan AI sedang mengalir deras ke pasaran kredit awam dan swasta.

Syarikat gergasi awan menjadi peneraju

Peminjam korporat utama dalam gelombang ini ialah Amazon, Alphabet, Meta, Microsoft dan Oracle—syarikat yang lazimnya dikenali sebagai hyperscaler kerana mengendalikan perkhidmatan awan pada skala yang sangat besar.

Menurut analisis Reuters terhadap data LSEG, Amazon, Alphabet, Meta dan Oracle telah menerbitkan kira-kira $194 bilion bon pada 2026 sehingga 7 Julai, berbanding sekitar $108 bilion bagi sepanjang 2025.

Gambaran mengikut penerbit pula menganggarkan:

• Amazon: kira-kira $53 bilion hutang, termasuk tawaran bon Amerika Syarikat bernilai $37 bilion dan lebih $16 bilion dalam bon berdenominasi euro.
• Alphabet: sekitar $20 bilion bon.
• Oracle: sekitar $25 bilion untuk membiayai peluasan AI.

Jumlah mengikut syarikat bergantung pada tarikh tutup data dan perkara yang dikira sebagai pembiayaan berkaitan AI. Penerbitan bon, pajakan, pengaturan kredit swasta, usaha sama dan kenderaan pembiayaan projek tidak semestinya direkodkan dalam set data yang sama. Oleh itu, angka ini wajar dilihat sebagai gambaran pada satu-satu masa, bukannya kedudukan muktamad.

Mengapa syarikat yang kaya tunai masih berhutang?

Perubahan ini penting kerana syarikat teknologi besar secara tradisinya banyak bergantung pada aliran tunai dalaman. Namun, pembangunan infrastruktur AI memerlukan beberapa pelaburan besar secara serentak—pemproses canggih, peralatan rangkaian, tanah, bangunan pusat data, sistem penyejukan dan bekalan elektrik.

Perbelanjaan itu perlu dibuat sebelum hasil penuh daripada perkhidmatan AI dapat dipastikan. Reuters melaporkan bahawa jumlah perbelanjaan syarikat teknologi dijangka melebihi $730 bilion pada 2026, meningkat daripada anggaran terdahulu sekitar $700 bilion.

Hutang membolehkan syarikat memulakan pembinaan dan menempah kapasiti lebih awal, tanpa perlu menunggu hasil AI masa depan terkumpul. Pajakan, penerbitan ekuiti, kredit swasta, dana infrastruktur dan usaha sama turut memperluas sumber pembiayaan.

Namun, pertukarannya ialah lebih banyak risiko pelaksanaan beralih daripada baki tunai syarikat kepada pemegang bon, pemberi pinjaman dan pelabur projek.

Kesan terhadap pasaran kredit

Kesan paling ketara setakat ini ialah peningkatan besar dalam bekalan bon gred pelaburan dengan tempoh matang yang panjang. Apabila lebih banyak syarikat teknologi menerbitkan bon, pelabur menjadi lebih memilih tentang jumlah hutang yang sanggup mereka serap dan harga yang mereka kehendaki.

Reuters melaporkan bahawa penerbit utama terpaksa meminjam pada hasil yang semakin tinggi apabila permintaan pelabur mula reda. Dalam bahasa mudah, syarikat perlu menawarkan pulangan yang lebih menarik untuk meyakinkan pelabur membeli hutang baharu mereka.

Jika keadaan ini berterusan, penerbitan hutang AI boleh menyebabkan:

• hasil yang lebih tinggi;
• credit spread yang lebih luas;
• konsesi penerbitan baharu yang lebih besar;
• kos pembiayaan semula yang meningkat; dan
• penggunaan lebih banyak bon mata wang asing, kredit swasta atau pembiayaan di luar kunci kira-kira.

Kesan terhadap pasaran bon kerajaan Amerika Syarikat pula lebih tidak langsung. Penerbitan korporat yang besar meningkatkan persaingan untuk mendapatkan modal jangka panjang dan boleh menyumbang kepada tekanan terhadap hasil bon tempoh panjang. Namun, hasil bon kerajaan tetap banyak ditentukan oleh keadaan ekonomi makro, jangkaan inflasi, dasar monetari dan jumlah penerbitan fiskal. Hutang AI hanyalah sumber tambahan permintaan terhadap modal berdurasi panjang, bukannya penjelasan tunggal bagi pergerakan hasil bon kerajaan.

Bank for International Settlements turut menyatakan bahawa penerbitan bon oleh hyperscaler meningkat dengan ketara, kebanyakannya untuk tempoh panjang. Pada masa sama, credit-default swap (CDS)—instrumen yang digunakan untuk menginsuranskan hutang daripada risiko mungkir—melebar khususnya bagi penerbit bertaraf lebih rendah apabila pelabur mempersoalkan pulangan akhir projek tersebut.

NVIDIA membuka saluran pembiayaan kedua

Pada Ogos, NVIDIA mengumumkan kerjasama dengan Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs dan KKR untuk mewujudkan platform pembiayaan pengkomputeran yang berpotensi menggerakkan lebih $500 bilion modal pihak ketiga dari semasa ke semasa.

Struktur ini berbeza daripada sekadar menerbitkan bon korporat tambahan oleh NVIDIA atau syarikat hyperscaler. Ia direka untuk membolehkan pelabur luar membiayai pusat data, infrastruktur kuasa, kilang AI dan perkakasan NVIDIA melalui kumpulan modal khusus.

NVIDIA menggambarkan pendekatan itu sebagai usaha menjadikan pengkomputeran dan infrastruktur AI menyeluruh satu kelas aset yang boleh dilabur.

Jika berjaya, model ini boleh mengurangkan jumlah aset infrastruktur yang perlu diletakkan secara langsung pada kunci kira-kira syarikat hyperscaler. Ia juga boleh menghubungkan projek AI dengan ekuiti swasta, kredit swasta, dana infrastruktur dan pelabur pembiayaan projek.

Namun, memindahkan aset keluar daripada syarikat induk tidak menghapuskan risiko. Ia hanya mengubah pihak yang memiliki aset, pihak yang memberi pinjaman dan pihak yang menanggung kerugian jika kadar penggunaan atau hasil tidak mencapai sasaran.

Risiko yang sedang diperhatikan pelabur

1. Kadar faedah jangka panjang boleh meningkatkan kos projek

Hasil bon kerajaan tempoh panjang yang lebih tinggi menaikkan kos keseluruhan bon korporat, pajakan dan hutang projek. Ia juga mengurangkan nilai semasa aliran tunai AI yang dijangka diterima jauh pada masa hadapan.

Model perniagaan yang kelihatan menarik ketika pembiayaan murah boleh menjadi kurang berdaya maju apabila projek perlu menanggung kos faedah yang lebih tinggi.

2. Hasil AI mungkin muncul selepas hutang sudah terkunci

Pembiayaan infrastruktur sering disusun bertahun-tahun sebelum sesebuah kemudahan mencapai penggunaan penuh. Ini mewujudkan risiko masa: bayaran hutang bermula mengikut jadual tetap, sedangkan permintaan terhadap kapasiti pengkomputeran dan hasil daripada produk AI mungkin berkembang lebih perlahan.

Persoalan utamanya bukan sama ada hyperscaler masih mampu meminjam. Banyak syarikat ini mempunyai kapasiti kewangan yang besar. Persoalannya ialah sama ada jumlah hutang berkembang lebih pantas daripada permintaan AI dan aliran tunai yang benar-benar berkekalan.

3. Oracle menjadi kes yang diperhatikan rapat

Oracle menarik perhatian kerana ia membiayai peluasan AI yang agresif dan lebih sensitif terhadap tahap leveraj serta keadaan pembiayaan semula berbanding pesaing yang memiliki tunai lebih besar.

Beberapa laporan menyatakan bahawa credit-default swap Oracle telah melebar dengan ketara, walaupun tahap tepatnya berbeza mengikut sumber dan tarikh.

CDS yang lebih tinggi tidak bermaksud kemungkiran akan berlaku dalam masa terdekat. Ia menunjukkan kos menginsuranskan hutang syarikat itu meningkat dan pelabur menuntut pampasan yang lebih besar bagi risiko kredit yang mereka anggap semakin tinggi.

4. GPU mewujudkan ketidakpadanan antara aset dan liabiliti

Perkakasan AI boleh kehilangan nilai ekonomi lebih pantas daripada tempoh matang bon atau pinjaman infrastruktur yang digunakan untuk membiayainya. Jika pemproses generasi baharu menjadikan GPU sedia ada kurang kompetitif, atau kadar penggunaannya merosot, nilai cagaran boleh jatuh sedangkan hutang masih belum selesai.

Risiko ini berbeza daripada pembiayaan hartanah biasa. Bangunan pusat data mungkin kekal berguna selama bertahun-tahun, tetapi peralatan pengkomputeran di dalamnya boleh menjadi ketinggalan zaman dengan pantas.

5. Projek mungkin bergantung pada beberapa penyewa sahaja

Struktur pusat data dan pembiayaan projek boleh terdedah kepada kumpulan penyewa hyperscale yang kecil. Pengurangan perbelanjaan, rundingan semula kontrak atau permintaan awan yang lebih lemah daripada seorang pelanggan utama boleh menjejaskan beberapa projek serentak—terutamanya kemudahan yang dibina khusus untuk beban kerja AI.

6. Kapasiti pasaran kredit mungkin menjadi batasan

Syarikat teknologi terbesar mungkin masih mempunyai ruang untuk menambah hutang tanpa kehilangan status gred pelaburan dalam masa terdekat. Tetapi keupayaan pasaran bon menyerap hutang tersebut pada harga yang menguntungkan bukanlah tidak terbatas.

Penyelidikan Goldman Sachs yang dipetik dalam laporan berkaitan menunjukkan kemungkinan wujud jurang antara jumlah yang boleh dipinjam oleh hyperscaler dengan jumlah yang mampu diserap secara selesa oleh pasaran bon gred pelaburan berdenominasi dolar.

Keadaan ini membantu menjelaskan mengapa saluran alternatif semakin berkembang—termasuk bon euro dan mata wang asing lain, kredit swasta gred pelaburan, dana infrastruktur, pajakan dan bon projek usaha sama.

Saluran tersebut mempelbagaikan pembiayaan, tetapi pada masa yang sama boleh menyukarkan penilaian sebenar tahap leveraj di seluruh ekosistem AI.

Kesimpulan

Gelombang pinjaman AI telah mengubah cara pembangunan industri ini dibiayai. Apa yang pada asalnya merupakan pelaburan teknologi yang banyak menggunakan tunai korporat kini berkembang menjadi kitaran pasaran modal yang melibatkan bon awam, kredit swasta, dana infrastruktur, pajakan dan pembiayaan projek.

Kesan pasaran yang paling jelas dalam jangka pendek ialah bekalan bon gred pelaburan yang lebih besar serta sikap pelabur yang lebih memilih. Risiko jangka panjang pula terletak pada ketidakpadanan antara aset dan liabiliti: infrastruktur serta perkakasan dibiayai hari ini berdasarkan jangkaan permintaan dan hasil AI pada masa depan—yang mungkin muncul lewat atau tidak mencapai skala yang diharapkan.

Garis pemisahnya ialah sama ada ledakan ini menjadi kitaran infrastruktur yang produktif atau kitaran leveraj. Pinjaman adalah mampan jika kadar penggunaan, harga dan hasil perkhidmatan AI meningkat sebelum susut nilai perkakasan serta kos khidmat hutang mula menekan. Ia menjadi rapuh jika kapasiti berkembang lebih pantas daripada permintaan yang berkekalan.