Pertaruhan AI Bernilai $1.4 Trilion: Di Sebalik Unjuran Optimis Goldman Sachs dan Risiko Hutang Tersembunyi

Mengapa Goldman Fikir Konsensus Terlalu Rendah?

Inti pati hujah Goldman adalah bahawa anggaran Wall Street semasa membayangkan kelembapan perbelanjaan yang tidak munasabah. Konsensus untuk capex hyperscaler pada 2027 ialah sekitar $920 bilion, yang akan mewakili kelembapan mendadak daripada kadar pertumbuhan pantas pada 2025 dan 2026 . Goldman mencabar andaian itu dengan memodelkan apa yang berlaku jika pelaburan AI terus menggunakan 2% hingga 3% daripada KDNK—satu senario yang mendorong perbelanjaan tahunan ke arah garis dasar $1.1 trilion dan setinggi $1.4 trilion dalam kes yang lebih optimis .

Di sebalik model ini adalah pertaruhan ke atas AI ejen. Tidak seperti chatbot ringkas yang menjawab soalan dan berhenti, ejen AI beroperasi secara berterusan—melaksanakan tugas berbilang langkah, memanggil API, dan menaakul merentasi rangkaian pemikiran yang panjang. Goldman menjangkakan tingkah laku sentiasa aktif ini akan mendorong peningkatan 24 kali ganda dalam penggunaan token menjelang 2030 . Setiap interaksi ejen menggunakan kuasa pengkomputeran yang jauh lebih besar, dan dengan perusahaan mula menggunakan ejen secara besar-besaran, trajektori permintaan kelihatan tidak seperti lengkung pertumbuhan linear yang menyokong model konsensus.

Kesesakan Sebenar: Kuasa, Tenaga Kerja, dan Kekangan Fizikal

Goldman Sachs agak berterus terang tentang di mana had sebenar terletak. Dalam laporannya tentang menjana era AI, bank itu menyatakan dengan jelas: "kekurangan modal bukanlah kesesakan paling mendesak—ia adalah kuasa elektrik yang diperlukan untuk menjananya" . Selepas sedekad permintaan elektrik yang mendatar, penggunaan kuasa pusat data global diunjurkan melonjak 160% menjelang 2030 . Amerika Syarikat sahaja menghadapi anggaran kekurangan kuasa 45 gigawatt untuk pusat data menjelang 2028, memerlukan 72 gigawatt kapasiti baharu sehingga 2030—bersamaan dengan kira-kira 72 loji tenaga nuklear yang besar .

Grid kuasa tidak direka untuk masa depan ini. Tempoh penghantaran dan kelulusan permit untuk loji gas asli baharu mengambil masa lima hingga tujuh tahun, tenaga angin dan solar hanya menyediakan bekalan yang tidak menentu, dan tenaga nuklear adalah penyelesaian jangka panjang . Turbin pembakaran gas baharu, yang merupakan tunggak penjanaan kuasa, secara efektif telah habis dijual sehingga 2030 .

Tenaga kerja pula mungkin terbukti sebagai kekangan paling sukar. Goldman menganggarkan bahawa kira-kira 760,000 juruelektrik, pekerja talian, dan pekerja mahir tambahan diperlukan untuk membina infrastruktur fizikal yang diperlukan AI, termasuk 207,000 peranan khusus yang memerlukan latihan selama tiga hingga empat tahun . Ini bukanlah pekerjaan yang boleh diautomasikan oleh Silicon Valley atau dipindahkan ke luar negara—ia memerlukan kepakaran di tapak, dan kekurangan ini bermakna garis masa projek akan berlanjutan dengan setiap gigawatt permintaan baharu .

Kertas kerja "Tracking Trillions" keluaran Goldman memperkenalkan konsep "risiko pemanjangan" (elongation risk): giliran sambungan ke grid kuasa, kelewatan permit, dan kekurangan peralatan kritikal seperti transformer dan alat suis boleh memanjangkan masa pembinaan jauh melebihi rancangan awal. Dalam senario tekanan, kelewatan ini memberi maklum balas kepada keraguan dari segi permintaan, mewujudkan kitaran yang mengukuhkan di mana projek mengambil masa lebih lama dan justifikasi untuk membina lebih banyak menjadi lemah . Walaupun begitu, anggaran garis dasar Goldman menjangkakan kira-kira $7.6 trilion dalam perbelanjaan modal AI kumulatif antara 2026 dan 2031 .

Bagaimana Anggaran Morgan Stanley Sebagai Perbandingan?

Unjuran Morgan Stanley telah melalui semakan menaik yang dramatik. Setahun lalu, firma itu menganggarkan gabungan capex hyperscaler sekitar $450 bilion untuk kedua-dua tahun 2026 dan 2027. Selepas laporan pendapatan suku pertama 2026, penganalisis yang diketuai oleh Brian Nowak menaikkan angka tersebut kepada kira-kira $800 bilion untuk 2026 dan $1.2 trilion untuk 2027 .

Morgan Stanley kini meramalkan $1.16 trilion dalam capex hyperscaler untuk 2027, satu angka yang melebihi garis dasar Goldman sekitar $1.1 trilion tetapi masih di bawah had atas $1.4 trilion Goldman . Sehingga 2028, Morgan Stanley menjangkakan $2.9 trilion dalam perbelanjaan modal pusat data global, dengan $1.4 trilion dibiayai oleh aliran tunai hyperscaler dan jurang pembiayaan $1.5 trilion yang mesti diisi oleh hutang, pajakan, dan usaha sama .

Kedua-dua bank bersetuju bahawa nisbah capex kepada jualan telah memasuki wilayah yang belum pernah diterokai. Morgan Stanley mengunjurkan nisbah 34% hingga 39% dari 2026 hingga 2028, melebihi kemuncak kira-kira 32% yang dicatatkan semasa era dot-com. Apabila angka yang diselaraskan dengan pajakan dimasukkan, nisbah ini boleh meningkat setinggi 44% hingga 45% .

Lejar Bayangan: Pajakan Luar Kunci Kira-Kira dan Hutang SPV

Di sebalik angka perbelanjaan utama, terdapat lapisan kejuruteraan kewangan yang lebih membimbangkan. Moody’s Ratings telah menganggarkan bahawa lima hyperscaler terbesar AS—Amazon, Meta, Alphabet, Microsoft, dan Oracle—memegang $662 bilion dalam komitmen pajakan pusat data masa depan yang belum bermula . Di bawah Prinsip Perakaunan yang Diterima Umum (GAAP), obligasi ini tidak muncul sebagai liabiliti semasa kerana perkhidmatan belum dimulakan. Ia berada di luar kunci kira-kira, terutamanya kelihatan hanya dalam nota kaki laporan kewangan .

Apabila semua komitmen pajakan masa depan yang tidak didiskaun dijumlahkan, angkanya mencecah $969 bilion—kira-kira 113% daripada gabungan hutang terlaras lima syarikat ini . Apabila pajakan ini bermula dalam beberapa tahun akan datang, ia akan mula mengalir melalui penyata pendapatan sebagai perbelanjaan operasi, berpotensi menekan aliran tunai bebas dan mengehadkan kapasiti untuk pembelian balik saham yang telah lama diharapkan oleh pelabur .

Satu lagi kebimbangan selari adalah penggunaan kenderaan tujuan khas (SPV) yang semakin meningkat untuk membiayai infrastruktur AI. Syarikat teknologi utama telah menstrukturkan lebih daripada $120 bilion dalam hutang pusat data melalui SPV yang dilindungi kebankrapan yang berada di luar kunci kira-kira disatukan . Morgan Stanley mengunjurkan mekanisme pembiayaan luar kunci kira-kira ini boleh mencecah $800 bilion menjelang 2028 . Kenderaan ini biasanya beroperasi dengan kusyen ekuiti yang nipis sebanyak 8% hingga 10%, bergantung pada cagaran GPU yang susut nilai dengan cepat, dan melibatkan terma pajakan yang singkat iaitu empat tahun berbanding tempoh tradisional sepuluh tahun atau lebih .

Amaran Oracle dan Pelebaran Spread Kredit

Oracle telah menjadi kajian kes tentang betapa pantasnya andaian pembiayaan AI boleh terlerai. Pada akhir 2025, syarikat itu berpisah dengan Blue Owl Capital berkaitan pembiayaan untuk pusat data di Michigan, mendedahkan kerapuhan model luar kunci kira-kira. Oracle menanggung hutang $124 bilion dan komitmen pajakan $248 bilion, dan tindak balas pasaran adalah pantas—kredit dinilai semula "dengan kelajuan yang kejam," walaupun untuk penerbit bertaraf pelaburan .

Bank for International Settlements (BIS) telah memerhatikan bahawa spread swap lalai kredit (CDS) untuk hyperscaler dengan penarafan kredit yang lebih rendah telah pun meningkat, mencerminkan kedua-dua jumlah bekalan hutang yang besar dan ketidakpastian yang semakin meningkat tentang sama ada projek AI akan menjana pulangan yang mencukupi . Financial Stability Oversight Council (FSOC) dan Bank of England secara eksplisit telah menandakan pengumpulan hutang infrastruktur AI luar kunci kira-kira ini sebagai kelemahan sistemik yang berpotensi .

Risiko tumpuan memburukkan lagi masalah. Kebanyakan hutang berasaskan SPV terikat kepada pusat data aset tunggal atau penyewa tunggal. Jika penyewa gagal atau permintaan melemah, struktur SPV menawarkan rekursa terhad kepada kunci kira-kira syarikat induk, mewujudkan potensi kerugian bertindan . PIMCO juga telah menandakan sifat pekeliling pembiayaan AI, di mana pembekal seperti pengeluar GPU memberikan kredit atau mengambil pegangan ekuiti dalam SPV yang sama yang mereka bekalkan, mendedahkan diri mereka kepada risiko pembiayaan semula jika pasaran modal mengetat .

Ledakan dengan Dua Naratif

Pembinaan infrastruktur AI adalah luar biasa dari segi skala dan kelajuan. Lima hyperscaler terbesar dijangka membelanjakan gabungan $755 bilion pada 2026 sahaja—peningkatan 83% tahun ke tahun . Morgan Stanley menyatakan bahawa angka $800 bilion untuk 2026 lebih kurang sepadan dengan apa yang dibelanjakan oleh keseluruhan kumpulan bukan teknologi dalam S&P 500 pada tahun sebelumnya .

Namun, struktur pembiayaan yang memungkinkan ini menjana risiko mereka sendiri. Naratif optimis bersandarkan pada peningkatan 24 kali ganda permintaan token daripada ejen AI yang belum lagi digunakan secara besar-besaran. Hujah balas yang skeptikal, yang disuarakan dalam Goldman Sachs sendiri, adalah bahawa pulangan sehingga kini tidak mewajarkan pelaburan tersebut . Di antara dua kutub ini terletaknya realiti fizikal: grid kuasa yang tidak dapat bersaing, tenaga kerja mahir yang tidak wujud dalam jumlah yang mencukupi, dan lejar bayangan hampir satu trilion dolar dalam obligasi yang akan segera matang, dengan akibat yang melangkaui sektor teknologi semata-mata.