Apakah infrastruktur AI merupakan gelembung, atau "bergabung untuk membeli waktu"? Mengurai struktur keuangan di balik 30 triliun dolar.

Ini bukan sekadar debat biner “gelembung vs non-gelembung” yang sederhana, jawabannya mungkin lebih kompleks dan lebih canggih daripada yang Anda pikirkan. Saya tidak memiliki bola kristal untuk meramalkan masa depan. Namun, saya mencoba untuk mendalami struktur keuangan yang mendasari pesta ini dan membangun kerangka analisis.

Artikel ini cukup panjang dan penuh detail, pertama-tama sampaikan kesimpulannya:

Dalam hal ini, saya tidak berpikir ini adalah gelembung besar. Namun, ada risiko tinggi di beberapa segmen.

Lebih tepatnya, infrastruktur AI saat ini seperti sebuah “jebakan + membeli waktu” yang panjang. Perusahaan besar ( Microsoft, Google, Meta, Nvidia… dan lainnya) memanfaatkan rekayasa keuangan untuk menggerakkan leverage besar, tetapi mengalihkan risiko kredit utama kepada perusahaan proyek (SPV) dan pasar modal, mengikat kepentingan semua peserta dengan erat.

Yang disebut “membeli waktu” adalah ketika mereka mempertaruhkan aliran kas mereka dan kesabaran sumber daya eksternal, apakah bisa bertahan sampai hari “AI benar-benar meningkatkan produktivitas” tiba.

Jika berjudi menang, AI akan memenuhi janji, dan perusahaan besar adalah pemenang terbesar. Jika berjudi kalah (kemajuan AI tidak sesuai harapan atau biaya terlalu tinggi), yang paling awal terluka adalah sumber daya eksternal yang menyediakan pembiayaan.

Ini bukan gelembung “leverage bank yang berlebihan, ledakan titik tunggal” seperti tahun 2008. Ini adalah eksperimen raksasa dalam pembiayaan langsung, dipimpin oleh pemilik perusahaan terpandai dan terkaya di bumi, menggunakan strategi “pembiayaan di luar neraca” yang kompleks untuk membagi risiko menjadi banyak potongan yang dapat diperdagangkan, yang kemudian didistribusikan kepada berbagai investor untuk dicerna.

Meskipun bukan gelembung, itu tidak berarti bahwa semua investasi infrastruktur AI dapat menghasilkan ROI yang baik.

01 Memahami Inti: Mekanisme Pengikatan Kepentingan “Bergabung”

Istilah “berhimpun” merujuk pada pengikatan ketat lima kepentingan dalam infrastruktur AI ini:

Raksasa teknologi (Meta, Microsoft, Google) dan mitra model besar mereka (OpenAI, xAI): membutuhkan daya komputasi, tetapi tidak ingin mengeluarkan uang dalam jumlah besar sekaligus.

Pemasok chip (Nvidia): Membutuhkan pesanan besar yang berkelanjutan untuk mendukung valuasinya.

Dana investasi swasta (Blackstone, Blue Owl, Apollo): memerlukan kategori aset baru untuk memperluas skala manajemen aset dan mengenakan lebih banyak biaya manajemen.

Neocloud (CoreWeave, Nebius) dan penyedia layanan cloud hybrid (Oracle Cloud Infrastructure): menyediakan infrastruktur dan kekuatan komputasi, tetapi pada saat yang sama memerlukan kontrak jangka panjang dengan perusahaan besar untuk menarik pembiayaan.

Investor institusi (dana pensiun, dana kedaulatan, dana tradisional seperti BlackRock): membutuhkan hasil stabil yang lebih tinggi dari obligasi pemerintah.

dan kelima pihak ini membentuk sebuah “komunitas kepentingan”, contohnya:

Nvidia memberikan prioritas pasokan kepada CoreWeave, sambil berinvestasi di ekuitasnya.

Microsoft memberikan kontrak jangka panjang kepada CoreWeave, sekaligus membantu pendanaannya.

Blackstone menyediakan pembiayaan utang, sambil mengumpulkan dana dari dana pensiun

Meta dan Blue Owl bersama-sama mendirikan SPV, berbagi risiko

OpenAI dan vendor model besar lainnya terus meningkatkan standar parameter model, kemampuan inferensi, dan skala pelatihan, yang sama dengan terus meningkatkan ambang kebutuhan daya komputasi industri secara keseluruhan. Terutama dalam ikatan mendalam dengan Microsoft, struktur kerjasama “outsourcing teknologi, internalisasi tekanan” ini membuat OpenAI meskipun tidak mengeluarkan uang, tetapi menjadi pemicu perlombaan pengeluaran modal global yang semakin cepat. Ia bukan pihak yang mendanai, tetapi merupakan kurator nyata yang mendorong peningkatan leverage di seluruh arena.

Tidak ada orang yang dapat hidup sendiri, inilah esensi dari “berkelompok”.

02 Struktur Modal — Siapa yang mengeluarkan uang? Uang mengalir ke siapa?

Untuk memahami keseluruhan arsitektur, kita dapat mulai dengan membahas diagram aliran dana di bawah ini.

Raksasa teknologi memerlukan kekuatan komputasi yang sangat besar, ada dua jalan:

Pusat data yang dibangun sendiri: Ini adalah model tradisional. Kelebihannya adalah penguasaan penuh, kelemahannya adalah pembangunan yang lambat, dan semua pengeluaran modal serta risiko dibebankan pada neraca aset sendiri.

Mencari penyedia eksternal: raksasa tidak hanya menyewa server, tetapi juga menciptakan dua model “penyedia eksternal” inti. Ini adalah tren baru saat ini dan juga menjadi fokus analisis kami.

Jenis pertama adalah SPV (Special Purpose Vehicle) / jebakan tujuan khusus, ini adalah alat keuangan murni. Anda dapat membayangkannya sebagai entitas khusus yang didirikan untuk “satu proyek, satu klien.”

Model bisnis: Misalnya Meta ingin membangun pusat data, tetapi tidak ingin mengeluarkan sejumlah besar uang sekaligus, sehingga bekerja sama dengan perusahaan manajemen aset untuk membentuk SPV. Tugas tunggal SPV adalah membangun dan mengoperasikan pusat yang khusus untuk Meta. Investor mendapatkan obligasi berkualitas tinggi yang didukung oleh aliran kas sewa (campuran obligasi perusahaan + pembiayaan proyek).

Tipe klien: ekstrem tunggal, biasanya hanya satu (misalnya Meta).

Tingkat risiko: hidup dan mati sepenuhnya tergantung pada kredit pelanggan tunggal.

Jenis kedua adalah Neocloud ( seperti CoreWeave, Lambda, Nebius ), ini adalah perusahaan yang beroperasi secara independen (Operating Company, OpCo), memiliki strategi operasional sendiri dan hak keputusan penuh.

Model bisnis: Sebagai contoh, CoreWeave mengumpulkan dana (ekuitas dan utang) untuk membeli sejumlah besar GPU, kemudian menyewakannya kepada beberapa klien, menandatangani kontrak “jaminan/penyewaan”. Fleksibel tetapi nilai ekuitas sangat fluktuatif.

Tipe pelanggan: Secara teoritis beragam, tetapi secara praktis sangat bergantung pada perusahaan besar di tahap awal (misalnya, dukungan awal Microsoft untuk CoreWeave). Karena ukurannya yang lebih kecil, tidak seperti SPV yang bergantung pada satu “ayah kaya”, Neocloud memiliki ketergantungan yang lebih tinggi pada pemasok hulu (Nvidia).

Tingkat risiko: Risiko tersebar ke banyak klien, tetapi kemampuan operasional, teknologi, dan nilai ekuitas semuanya mempengaruhi kelangsungan hidup.

Meskipun berbeda secara hukum dan struktur operasional, keduanya memiliki esensi bisnis yang sama: keduanya adalah “penyedia kekuatan komputasi eksternal” bagi raksasa, mengeluarkan pengadaan GPU yang besar dan pembangunan pusat data dari neraca aset raksasa.

Jadi, dari mana uang SPV dan Neoclouds ini berasal?

Jawabannya bukanlah bank tradisional, melainkan dana kredit swasta (Private Credit Funds). Kenapa?

Ini karena setelah tahun 2008, “Basel III” memiliki persyaratan yang ketat terhadap rasio kecukupan modal bank. Bank yang mengambil pinjaman besar dengan risiko tinggi, konsentrasi tinggi, dan jangka panjang harus menyisihkan cadangan yang sangat tinggi sehingga tidak sesuai dengan biaya.

Bisnis yang “tidak bisa dilakukan” atau “tidak berani dilakukan” oleh bank telah menciptakan kekosongan besar. Raksasa swasta seperti Apollo, Blue Owl, dan Blackstone mengisi kekosongan tersebut — mereka tidak terikat oleh regulasi bank, mampu menawarkan pembiayaan yang lebih fleksibel dan cepat, tetapi dengan suku bunga yang lebih tinggi. Dengan sewa proyek atau GPU/peralatan sebagai jaminan.

Bagi mereka, ini adalah kue besar yang sangat menarik - banyak yang memiliki pengalaman dalam pembiayaan infrastruktur tradisional, dan tema ini cukup untuk membuat pengelolaan skala aset tumbuh beberapa kali lipat, biaya pengelolaan dan hak terkait (Carried Interest) meningkat pesat.

Jadi, dari mana uang untuk dana pinjaman swasta ini berasal?

Jawabannya adalah investor institusi (LPs), seperti dana pensiun (Pension Funds), dana kekayaan negara, perusahaan asuransi, bahkan investor umum (misalnya melalui ETF kredit swasta yang diterbitkan oleh BlackRock - di dalamnya terdapat obligasi swasta 144A Beignet Investor LLC 144A 6.581% 05/30/2049 di bawah proyek Meta)

Jalur penyebaran risiko dalam rantai kemudian ditetapkan:

( pemegang risiko akhir ) dana pensiun/ETF investor/fond sovereign → ( lembaga perantara ) dana kredit swasta → ( entitas pembiayaan ) SPV atau Neocloud ( seperti CoreWeave ) → (pengguna akhir) raksasa teknologi ( seperti Meta )

03 Analisis Kasus SPV — Hyperion Meta

Untuk memahami mode SPV, rencana “Hyperion” Meta adalah contoh yang sangat baik (informasi publik yang cukup banyak):

Struktur/Saham: Meta dan Blue Owl mengelola grup dana JV (Beignet Investor LLC). Meta memiliki 20% saham, Blue Owl 80%. Menerbitkan obligasi dengan struktur SPV 144A. JV menutupi aset, Meta menyewa berdasarkan kontrak jangka panjang. Pengeluaran modal selama periode konstruksi berada di JV, aset secara bertahap berpindah ke neraca Meta setelah pembiayaan sewa dimulai.

Skala: sekitar 27,3 miliar dolar utang (obligasi swasta 144A) + sekitar 2,5 miliar dolar ekuitas, merupakan salah satu pembiayaan proyek perusahaan tunggal terbesar dalam sejarah Amerika. Dan tanggal jatuh temponya adalah tahun 2049, struktur pembayaran kembali jangka panjang ini pada dasarnya adalah “mengunci risiko waktu yang paling sulit terlebih dahulu.”

Suku bunga/Peringkat: Utang mendapat peringkat S&P A+ (peringkat tinggi memungkinkan perusahaan asuransi untuk mengalokasikan), suku bunga nominal sekitar 6,58%.

Struktur investor: PIMCO berinvestasi 18 miliar; ETF di bawah BlackRock total lebih dari 3 miliar. Bagi kelompok investor ini, ini adalah imbal hasil stabil berkualitas tinggi yang sangat menarik.

Arus kas dan sewa: Blue Owl tidak melihat GPU yang mungkin terdepresiasi (saya pikir beberapa orang di pasar saat ini khawatir bahwa asumsi usia penyusutan GPU terlalu panjang adalah fokus yang salah, karena GPU hanyalah bagian perangkat keras, sementara nilai keseluruhan AI terletak pada perangkat keras + model; harga perangkat keras lama jatuh karena iterasi, tidak berarti bahwa nilai aplikasi model AI akhir juga ikut turun), melainkan arus kas SPV yang didukung oleh sewa jangka panjang Meta (mulai dari tahun 2029). Dana untuk periode pembangunan juga dialokasikan di obligasi pemerintah AS untuk mengurangi risiko. Struktur ini menggabungkan likuiditas utang perusahaan dengan ketentuan perlindungan pembiayaan proyek, dan juga merupakan 144A-for-life (lingkup investor terbatas).

Lalu mengapa risiko jangka pendek dari arsitektur ini sangat rendah?

Ini karena dalam struktur ini, tugas Hyperion sederhana: tangan kiri menerima sewa Meta, tangan kanan membayar bunga Blue Owl. Selama Meta tidak bangkrut (kemungkinan di masa depan sangat rendah), aliran kas akan stabil seperti batu. Tidak perlu khawatir tentang fluktuasi permintaan AI, penurunan harga GPU.

Struktur utang yang berjangka waktu sangat panjang selama 25 tahun ini, dengan pengembalian sewa, selama sewa stabil masuk dan bunga dibayar dengan normal, akan mengunci semua risiko refinancing terbaru. Inilah inti dari “membeli waktu” (memungkinkan nilai yang diciptakan oleh aplikasi AI untuk perlahan-lahan mengejar struktur keuangan).

Sementara itu, Meta menggunakan kredit dan arus kas yang kuat untuk mendapatkan pembiayaan jangka panjang yang besar yang dapat menghindari pengeluaran modal tradisional. Meskipun berdasarkan standar akuntansi modern (IFRS 16), sewa jangka panjang akhirnya tetap tercatat sebagai “kewajiban sewa” dalam laporan, keuntungannya adalah: tekanan pengeluaran modal senilai miliaran dolar selama periode pembangunan awal, serta risiko pembangunan terkait dan bisnis pembiayaan, semuanya terlebih dahulu dialihkan kepada SPV.

Mengubah pengeluaran modal besar sekali menjadi biaya sewa yang dibayarkan secara angsuran selama 25 tahun ke depan, sangat mengoptimalkan arus kas. Kemudian bertaruh apakah investasi AI ini dapat menghasilkan manfaat ekonomi yang cukup dalam 10-20 tahun untuk membayar pokok dan bunga (dengan mempertimbangkan tingkat kupon obligasi 6,58%, biaya operasional, ROI yang dihitung menggunakan EBITDA setidaknya harus berada di kisaran 9-10% agar pemegang saham mendapatkan tingkat pengembalian yang cukup baik).

04 Neocloud 的 jebakan — OpCo 的股权风险

Jika SPV mode adalah “pindah kredit”, maka CoreWeave, Nebius, dan model Neocloud seperti itu adalah “lapisan risiko lebih lanjut.”

Sebagai contoh CoreWeave, struktur modal jauh lebih kompleks dibandingkan SPV. Pendanaan ekuitas dan utang yang dilakukan dalam beberapa putaran, dengan investor termasuk Nvidia, VC, dana pertumbuhan, dan dana utang swasta, membentuk urutan penyangga risiko yang jelas.

Jika permintaan AI tidak sesuai harapan, atau pesaing baru muncul, pendapatan CoreWeave turun drastis dan tidak dapat membayar bunga tinggi, apa yang akan terjadi:

Langkah pertama adalah evaporasi nilai ekuitas: harga saham CoreWeave jatuh drastis. Ini adalah “jebakan ekuitas” - yang pertama kali menyerap guncangan. Perusahaan mungkin terpaksa melakukan pembiayaan dengan diskon, dan ekuitas pemegang saham asli sangat tereduksi, bahkan bisa kehilangan modal sama sekali. Sebagai perbandingan, jebakan ekuitas SPV lebih tipis, karena tidak dapat melakukan pembiayaan langsung di pasar publik.

Langkah kedua adalah kerugian bagi kreditor: hanya setelah ekuitas sepenuhnya “hangus”, CoreWeave masih tidak dapat membayar utang, barulah giliran kreditor swasta seperti Blackstone menanggung kerugian. Namun, saat memberikan pinjaman, biasanya dana ini meminta jaminan yang sangat baik (GPU terbaru) dan hak pembayaran kembali yang ketat.

CoreWeave dan Nebius sama-sama mengadopsi “menentukan kontrak jangka panjang terlebih dahulu, kemudian membiayai kontrak jangka panjang tersebut”, untuk memperluas dengan cepat melalui pendanaan ulang di pasar modal. Keindahan struktur ini terletak pada efisiensi penggunaan dana yang lebih baik bagi pelanggan besar, di mana mereka dapat memanfaatkan kontrak jangka panjang untuk menggerakkan lebih banyak belanja modal tanpa harus mengeluarkan dana, sehingga kemungkinan risiko menular ke seluruh sistem keuangan menjadi terbatas.

Sebaliknya, pemegang saham Neocloud harus menyadari bahwa mereka duduk di posisi yang paling bergejolak dan juga paling mendebarkan dalam permainan judi ini. Mereka mempertaruhkan pertumbuhan yang cepat, dan juga harus berdoa agar operasi keuangan manajemen (perpanjangan utang, penerbitan saham baru) hampir sempurna tanpa cacat. Selain itu, mereka harus memperhatikan struktur jatuh tempo utang, lingkup jaminan, jendela perpanjangan kontrak, dan konsentrasi pelanggan, agar dapat lebih baik menilai rasio risiko dan imbalan ekuitas.

Kita juga bisa membayangkan jika permintaan AI tumbuh lebih lambat, siapa yang akan menjadi kapasitas yang paling mudah ditinggalkan di margin? SPV atau Neocloud? Mengapa?

05 Oracle Cloud：Kebangkitan Pemain Cloud yang Tidak Biasa

Ketika semua orang memperhatikan CoreWeave dan tiga raksasa cloud, sebuah “kuda hitam cloud” yang tak terduga juga perlahan-lahan muncul: Oracle Cloud

Ini tidak termasuk dalam Neocloud, dan bukan pula bagian dari tiga raksasa teknologi terkemuka, namun dengan desain arsitektur yang sangat fleksibel dan kerjasama mendalam dengan Nvidia, berhasil mendapatkan kontrak untuk sebagian beban komputasi dari Cohere, xAI, bahkan OpenAI.

Terutama ketika leverage Neocloud semakin ketat dan ruang cloud tradisional tidak mencukupi, Oracle dengan posisi “netral” dan “dapat diganti” menjadi lapisan penyangga penting dalam rantai pasokan kecerdasan buatan gelombang kedua.

Kehadirannya juga membuat kita melihat bahwa pertempuran perebutan daya komputasi ini tidak hanya melibatkan tiga kekuatan utama, tetapi juga ada penyedia non-typical seperti Oracle yang dengan strategis mengambil posisi.

Tetapi jangan lupa, meja permainan ini tidak hanya ada di Silicon Valley, tetapi juga meluas ke seluruh pasar keuangan global.

Jaminan “terselubung” pemerintah yang diinginkan banyak orang

Akhirnya, dalam permainan yang didominasi oleh raksasa teknologi dan keuangan swasta ini, ada satu “kartu as” potensial - pemerintah. Meskipun OpenAI baru-baru ini secara terbuka mengatakan “tidak ada dan tidak berharap” pemerintah memberikan jaminan pinjaman untuk pusat data, diskusi dengan pemerintah adalah tentang jaminan potensial untuk pabrik chip dan bukan pusat data. Namun, saya percaya bahwa mereka (atau peserta serupa) dalam rencana asli mereka pasti mencakup opsi “mengajak pemerintah bergabung”.

Bagaimana? Jika skala infrastruktur AI cukup besar sehingga bahkan utang swasta tidak dapat menanggungnya, satu-satunya jalan keluar adalah meningkat menjadi persaingan kekuatan nasional. Begitu posisi kepemimpinan AI didefinisikan sebagai “keamanan negara” atau “perlombaan ke bulan abad ke-21”, intervensi pemerintah menjadi hal yang wajar.

Cara paling efektif untuk intervensi ini bukanlah dengan langsung mengeluarkan uang, tetapi dengan memberikan “jaminan”. Pendekatan ini dapat membawa manfaat yang menentukan: secara signifikan mengurangi biaya pembiayaan.

Investor yang usianya hampir sama dengan saya, seharusnya masih ingat Freddie Mac ( dan Fannie Mae ). Kedua “perusahaan yang disponsori pemerintah” (Government Sponsored Enterprises; GSEs) ini bukan merupakan departemen resmi pemerintah AS, tetapi pasar secara umum percaya bahwa mereka memiliki “jaminan pemerintah yang tersirat”.

Mereka membeli pinjaman rumah dari bank, mengemasnya menjadi MBS dan menjaminnya, setelah dijual di pasar terbuka, mereka mengarahkan kembali modal ke pasar pinjaman rumah, meningkatkan dana yang tersedia untuk dipinjamkan. Dengan kata lain, keberadaan mereka membuat dampak krisis keuangan 2008 semakin besar.

Bayangkan, jika di masa depan ada “Perusahaan Kekuatan AI Nasional”, yang dijamin secara implisit oleh pemerintah. Obligasi yang diterbitkannya akan dianggap sebagai obligasi semi-kedaulatan, dengan suku bunga yang sangat mendekati obligasi pemerintah AS.

Ini akan mengubah sepenuhnya “membeli waktu untuk meningkatkan produktivitas” yang telah disebutkan sebelumnya:

Biaya pembiayaan sangat rendah: semakin rendah biaya pinjaman, semakin rendah tuntutan terhadap “kecepatan peningkatan produktivitas AI”.

Waktu diperpanjang tanpa batas: Yang lebih penting, dapat memperpanjang dengan biaya yang sangat rendah (Roll over), sama dengan membeli waktu yang hampir tak terbatas.

Dengan kata lain, praktik ini mengurangi kemungkinan taruhan “meledak” secara langsung. Tetapi sekali meledak, dampaknya bisa meluas puluhan kali lipat.

06 Triliun dolar taruhan — Kunci sebenarnya dari “produktivitas”

Semua struktur keuangan yang disebutkan di atas - SPV, Neocloud, utang swasta - tidak peduli seberapa rumit, hanyalah menjawab pertanyaan “bagaimana cara membayar”.

Namun, apakah infrastruktur AI akan menjadi gelembung, pertanyaan mendasar adalah: “Apakah AI benar-benar dapat meningkatkan produktivitas?” dan “Seberapa cepat?”

Semua pengaturan pembiayaan yang berlangsung selama 10 tahun dan 15 tahun pada dasarnya adalah “membeli waktu”. Rekayasa keuangan memberikan raksasa periode bernapas, tanpa perlu segera memberikan hasil. Namun, membeli waktu memiliki biayanya: investor Blue Owl dan Blackstone (dana pensiun, dana kedaulatan, pemegang ETF) membutuhkan imbal hasil bunga yang stabil, sementara investor ekuitas Neocloud membutuhkan pertumbuhan valuasi yang berlipat ganda.

“Tingkat pengembalian yang diharapkan” dari para pemodal ini adalah ambang batas yang harus dilalui oleh produktivitas AI. Jika peningkatan produktivitas yang dibawa oleh AI tidak dapat menutupi biaya pendanaan yang tinggi, struktur yang rumit ini akan mulai runtuh dari titik yang paling lemah (“bantalan ekuitas”).

Oleh karena itu, dalam beberapa tahun ke depan, perlu memperhatikan dua aspek berikut:

Kecepatan peluncuran “solusi aplikasi” di berbagai bidang: memiliki model yang kuat (LLM) saja tidak cukup. Diperlukan untuk melihat “perangkat lunak” dan “layanan” yang benar-benar dapat membuat perusahaan mengeluarkan uang. Diperlukan penyebaran besar-besaran aplikasi semacam ini, dengan arus kas yang cukup besar untuk membayar kembali pokok dan bunga biaya infrastruktur yang besar.

Pembatasan eksternal: Pusat data AI adalah monster pemakan listrik. Apakah kita memiliki cukup daya untuk mendukung permintaan daya komputasi yang tumbuh secara eksponensial? Apakah kecepatan peningkatan jaringan listrik dapat mengikuti? Apakah pasokan GPU Nvidia dan perangkat keras lainnya akan mengalami kendala, membuatnya “lebih lambat” dari jadwal yang diminta oleh kontrak keuangan? Risiko sisi suplai dapat membuat semua “waktu yang dibeli” mengering.

Singkatnya, ini adalah perlombaan antara keuangan (biaya pendanaan) dan fisik (listrik, perangkat keras) serta bisnis (implementasi aplikasi).

Kita juga dapat menggunakan pendekatan kuantitatif untuk memperkirakan seberapa besar peningkatan produktivitas yang diperlukan dari AI untuk menghindari gelembung:

Menurut perkiraan Morgan Stanley, investasi AI pada putaran ini diperkirakan akan mencapai 3 triliun dolar AS pada tahun 2028.

Biaya penerbitan obligasi SPV Meta yang disebutkan sebelumnya sekitar 6-7%, sementara menurut laporan Fortune, tingkat utang rata-rata CoreWeave saat ini adalah sekitar 9%. Dengan asumsi sebagian besar utang swasta di industri meminta pengembalian 7–8% dan rasio utang terhadap ekuitas 3:7, maka ROI infrastruktur AI ini ( (dihitung berdasarkan EBITDA dan total belanja modal) perlu berada di 12-13% agar imbal hasil ekuitas mencapai lebih dari 20%.

Jadi EBITDA yang dibutuhkan = 3 triliun × 12% = 360 miliar USD; jika dihitung berdasarkan margin laba EBITDA 65%, pendapatan yang sesuai sekitar 550 miliar USD;

Dengan nama Amerika Serikat, GDP diperkirakan sekitar 29 triliun, yang setara dengan sekitar 1,9% dari GDP yang membutuhkan dukungan jangka panjang yang diberdayakan oleh AI.

Tenggat ini tidak rendah, tetapi bukanlah omong kosong. ) Pendapatan total industri cloud global diperkirakan sekitar 400 miliar dolar AS pada tahun 2025. Dengan kata lain, kita harus melihat setidaknya AI memberdayakan satu atau dua industri cloud. Kuncinya adalah apakah kecepatan monetisasi aplikasi dapat diselaraskan dengan penghapusan batasan fisik.

Pengujian stres situasi risiko: Ketika “waktu” tidak cukup?

Semua struktur keuangan yang disebutkan di atas, semuanya bertaruh bahwa produktivitas dapat mengalahkan biaya pembiayaan. Biarkan saya menggunakan dua uji stres untuk mensimulasikan reaksi berantai ketika kecepatan produktivitas AI tidak memenuhi harapan:

Dalam kasus pertama, kita mengasumsikan bahwa produktivitas AI “lambat” tercapai (misalnya, 15 tahun untuk mencapai skala, tetapi banyak pendanaan mungkin memiliki jangka waktu 10 tahun):

Neocloud yang pertama kali jatuh: Operador independen dengan leverage tinggi seperti CoreWeave, karena pendapatan tidak dapat menutupi bunga yang tinggi, “buffer ekuitas” mereka terbakar habis, menyebabkan pelanggaran utang atau restrukturisasi dengan diskon.

SPV menghadapi risiko perpanjangan: Saat jatuh tempo utang SPV seperti Hyperion, Meta harus memutuskan apakah akan melakukan refinancing dengan suku bunga lebih tinggi (pasar telah menyaksikan kegagalan Neocloud), yang menggerogoti profit inti bisnis.

LPs dana pinjaman swasta mengalami kerugian besar, dan valuasi saham teknologi mengalami penurunan signifikan. Ini adalah “kegagalan yang mahal”, tetapi tidak akan memicu keruntuhan sistemik.

Situasi kedua, kita mengasumsikan produktivitas AI telah “dibantah” (kemajuan teknis terhenti atau biaya tidak dapat diturunkan dan diskalakan):

Raksasa teknologi mungkin memilih “default strategis”: ini adalah situasi terburuk. Raksasa seperti Meta mungkin menilai bahwa “melanjutkan pembayaran sewa” adalah lubang tanpa dasar, dan memilih untuk secara paksa menghentikan sewa, memaksa restrukturisasi utang SPV.

Kepanikan Obligasi SPV: Obligasi yang dianggap sebagai kelas A+ seperti Hyperion, akan segera terputus dari Meta, harga akan mengalami kejatuhan.

Ini mungkin sepenuhnya menghancurkan pasar “pembiayaan infrastruktur” utang swasta, dan sangat mungkin melalui keterkaitan yang disebutkan di atas, memicu krisis kepercayaan di pasar keuangan.

Tujuan dari pengujian ini adalah untuk mengubah pertanyaan samar “apakah ini gelembung” menjadi analisis situasi yang konkret.

07 Termometer Risiko: Daftar Observasi Praktis untuk Investor

Dan untuk perubahan kepercayaan pasar, saya sendiri akan terus memantau lima hal ini sebagai termometer risiko:

Kecepatan realisasi produktivitas proyek AI: termasuk percepatan atau perlambatan pendapatan yang diperkirakan oleh penyedia model besar (pertumbuhan linier atau pertumbuhan eksponensial), serta keadaan aplikasi produk dan proyek AI yang berbeda.

Harga saham dan imbal hasil obligasi Neocloud, pengumuman: mencakup pesanan besar, default/revisi, refinancing utang (beberapa obligasi swasta akan jatuh tempo sekitar tahun 2030, perlu perhatian khusus), dan ritme peningkatan modal.

Harga/selisih sekunder dari obligasi SPV: Apakah obligasi swasta 144A seperti Hyperion tetap diperdagangkan di atas nilai nominal, apakah transaksi aktif, dan apakah kepemilikan ETF meningkat.

Perubahan kualitas ketentuan jangka panjang: proporsi take-or-pay, masa simpan minimum, konsentrasi pelanggan, mekanisme penyesuaian harga (penyesuaian tarif listrik/suku bunga/harga terhadap inflasi).

Kemajuan listrik dan kemungkinan inovasi teknologi: Sebagai faktor eksternal yang mungkin menjadi kendala, perlu diperhatikan sinyal kebijakan dari pembangkit, distribusi dan mekanisme harga listrik. Juga apakah ada teknologi baru yang dapat secara signifikan mengurangi konsumsi listrik.

Mengapa ini bukan versi 2008?

Beberapa orang mungkin akan membandingkannya dengan gelembung seperti tahun 2008. Saya pikir pendekatan ini bisa menghasilkan kesalahan penilaian:

Poin pertama adalah perbedaan mendasar dalam sifat aset inti: AI vs. rumah

Aset inti dari krisis subprime 2008 adalah “rumah”. Rumah itu sendiri tidak akan memberikan kontribusi produktivitas (pertumbuhan pendapatan sewa sangat lambat). Ketika harga rumah terlepas dari dasar pendapatan rumah tangga dan dikemas menjadi derivatif keuangan yang kompleks, pecahnya gelembung hanya masalah waktu.

Dan aset inti AI adalah “kekuatan komputasi”. Kekuatan komputasi adalah “alat produksi” di era digital. Selama Anda percaya bahwa AI memiliki kemungkinan tinggi di suatu titik di masa depan untuk secara substantif meningkatkan produktivitas seluruh masyarakat (pengembangan perangkat lunak, penelitian obat, layanan pelanggan, penciptaan konten), Anda tidak perlu terlalu khawatir. Ini adalah “pendahuluan” terhadap produktivitas masa depan. Ini memiliki dasar fundamental yang nyata sebagai titik jangkar, hanya saja belum sepenuhnya terwujud.

Poin kedua adalah bahwa titik kunci dalam struktur keuangan berbeda: pembiayaan langsung vs. bank

Krisis 2008 menyebar secara signifikan melalui titik kunci (bank). Risiko menyebar melalui “pembiayaan tidak langsung bank”. Ketika satu bank bangkrut (seperti Lehman), itu memicu krisis kepercayaan terhadap semua bank, menyebabkan pasar antar bank membeku, dan akhirnya memicu krisis keuangan sistemik yang berdampak pada semua orang (termasuk krisis likuiditas).

Dan sekarang struktur pembiayaan infrastruktur AI didominasi oleh “pembiayaan langsung”. Jika produktivitas AI terbukti salah, CoreWeave bangkrut, dan Blackstone gagal bayar utang sebesar 7,5 miliar dolar AS, ini akan menjadi kerugian besar bagi investor Blackstone (dana pensiun).

Setelah 2008, sistem perbankan memang lebih kuat, tetapi kita tidak dapat menyederhanakan secara berlebihan dan beranggapan bahwa risiko dapat sepenuhnya “dihadapi” di pasar swasta. Misalnya, dana kredit swasta itu sendiri juga dapat menggunakan leverage bank untuk memperbesar pengembalian. Jika investasi AI secara umum gagal, kerugian besar dari dana ini masih dapat menyebar melalui dua jalur:

Pelanggaran leverage: Pelanggaran pembiayaan leverage dana terhadap bank akan mengembalikan risiko ke sistem perbankan.

Dampak LPs: Dana pensiun dan perusahaan asuransi mengalami kerugian investasi yang besar sehingga menyebabkan pelemahan neraca mereka, memicu mereka untuk menjual aset lainnya di pasar terbuka, yang memicu reaksi berantai.

Oleh karena itu, pernyataan yang lebih akurat adalah: “Ini bukan krisis likuiditas antar bank yang meledak di satu titik dan membekukan segalanya seperti pada 2008.” Kondisi terburuknya adalah “kegagalan yang mahal”, dengan penularan yang lebih rendah dan kecepatan yang lebih lambat. Namun, mengingat ketidaktransparanan pasar modal swasta, kita tetap harus waspada terhadap risiko penularan lambat yang baru ini.

Pencerahan bagi para investor: Di lapisan mana Anda berada dalam sistem ini?

Mari kita kembali ke pertanyaan awal: Apakah infrastruktur AI adalah gelembung?

Pembentukan dan ledakan gelembung berasal dari perbedaan besar antara manfaat yang diharapkan dan hasil yang sebenarnya. Saya pikir dalam arah besar bukanlah gelembung, lebih mirip dengan pengaturan keuangan berskala tinggi yang presisi. Namun dari sisi risiko, selain beberapa aspek yang perlu diperhatikan secara khusus, kita juga tidak boleh mengabaikan “efek kekayaan negatif” yang mungkin ditimbulkan oleh gelembung berskala kecil.

Bagi para investor, dalam perlombaan infrastruktur AI senilai triliunan dolar ini, Anda harus tahu apa yang Anda pertaruhkan saat memiliki berbagai aset:

Saham raksasa teknologi: Anda bertaruh bahwa produktivitas AI dapat mengalahkan biaya pendanaan

Kredit swasta: Anda mendapatkan bunga stabil, tetapi menghadapi risiko “waktu mungkin tidak cukup”.

Neocloud saham: Anda adalah bantalan pertama dengan risiko tertinggi dan imbalan tertinggi.

Dalam permainan ini, posisi menentukan segalanya. Memahami rangkaian struktur keuangan ini adalah langkah pertama untuk menemukan posisi Anda sendiri. Dan memahami siapa yang “mengkurasi” pertunjukan ini adalah kunci untuk menilai kapan permainan ini akan berakhir.