Perkembangan paling penting dalam industri kecerdasan buatan (AI) selama sepekan terakhir ternyata bukan tentang kemampuan model AI terbaru. Perhatian justru tertuju pada skema pembiayaan raksasa yang melibatkan Nvidia dan OpenAI.
Pada 26 dan 27 Juli, The Wall Street Journal dan Bloomberg melaporkan Nvidia tengah bernegosiasi untuk menjamin pembiayaan sekitar US$250 miliar atau setara Rp4.000 triliun, dengan asumsi kurs Rp16.000 per dolar AS.
Dana tersebut akan membantu OpenAI menyewa kompleks pusat data berkapasitas 10 gigawatt di Ohio bagian selatan.
Pembicaraan terpisah juga dilaporkan mencakup pembiayaan hingga US$350 miliar atau sekitar Rp5.600 triliun untuk membantu OpenAI membeli chip Nvidia yang nantinya digunakan untuk mengisi pusat data tersebut.
Kabar itu langsung mendapat respons dari pasar.
Saham Nvidia turun 4,5 persen pada perdagangan menjelang tengah hari. Namun, indikator yang lebih menarik justru datang dari pasar utang.
Credit default swaps (CDS) atas obligasi Nvidia—instrumen yang pada dasarnya berfungsi seperti asuransi gagal bayar bagi pemegang obligasi—mencatat lonjakan intraday paling tajam sejak mulai aktif diperdagangkan pada November.
Ketika pasar utang mulai gelisah terhadap perusahaan paling menguntungkan di industri AI, kegelisahan tersebut menjadi sesuatu yang patut diperhatikan.
Proyek Pusat Data Raksasa di Ohio
Proyek pusat data di Ohio dikembangkan oleh salah satu unit SoftBank di bekas lokasi fasilitas pengayaan uranium yang sudah tidak digunakan, di atas lahan federal.
Lokasinya sekitar 112 kilometer di selatan Columbus.
Kebutuhan listrik proyek akan dipasok melalui pembangunan pembangkit listrik tenaga gas alam baru senilai US$33 miliar atau sekitar Rp528 triliun. Proyek tersebut didanai Jepang, sementara Departemen Perdagangan AS akan memegang kendali atas pasokannya.
Jika biaya chip ikut dihitung, total nilai proyek berpotensi melampaui US$500 miliar atau sekitar Rp8.000 triliun.
Nilai tersebut akan menjadikannya salah satu proyek pusat data terbesar yang pernah diumumkan.
Namun, persoalan yang lebih penting justru terletak pada alasan mengapa jaminan pembiayaan Nvidia dibutuhkan.
OpenAI belum menghasilkan keuntungan dan tidak dapat memperoleh peringkat kredit investment grade secara mandiri.
Kondisi tersebut juga akan menjadi salah satu faktor yang memengaruhi penerimaan OpenAI jika nantinya menjadi perusahaan publik. Hassan Taher sebelumnya telah mengulas dinamika tersebut, termasuk pertanyaan yang kemungkinan akan diajukan pasar modal kepada perusahaan-perusahaan AI ketika Anthropic dan OpenAI bergerak menuju pencatatan saham.
Tanpa dukungan, pemberi pinjaman pada dasarnya memberikan pembiayaan berdasarkan janji sebuah perusahaan yang memiliki pertumbuhan pendapatan sangat besar tetapi belum mencatatkan laba.
Dengan nama Nvidia sebagai penjamin, OpenAI dapat menggalang utang dengan persyaratan yang jauh lebih menguntungkan.
Bagi OpenAI, kesepakatan tersebut akan memberikan pusat data yang disewa secara langsung untuk pertama kalinya. Langkah itu juga dapat mengurangi ketergantungan OpenAI terhadap Microsoft, Amazon, dan Oracle untuk kebutuhan infrastrukturnya.
Sementara bagi Nvidia—yang kapitalisasi pasarnya berada di kisaran US$5 triliun atau sekitar Rp80.000 triliun, dengan margin kotor sekitar 75 persen—kesepakatan tersebut berpotensi mengunci permintaan chip selama bertahun-tahun.
Nvidia Juga Bermitra dengan Safe Superintelligence
Pada hari yang sama, Nvidia mengumumkan kesepakatan kedua dengan berinvestasi dan bermitra dengan Safe Superintelligence, perusahaan AI milik Ilya Sutskever.
Nvidia mengatakan memperoleh “akses langka terhadap penelitian perusahaan yang dijaga ketat” dan akan membantu startup tersebut meningkatkan kapasitas komputasinya hingga satu tingkat besaran.
Sementara itu, perwakilan OpenAI maupun Nvidia menolak memberikan komentar mengenai pembicaraan proyek pusat data yang dilaporkan tersebut.
Analis Mulai Bicara soal Circular Financing
Tidak butuh waktu lama bagi para analis untuk menemukan istilah yang dianggap paling tepat menggambarkan pola tersebut: circular financing atau pembiayaan sirkular.
Pola ini sebenarnya cukup sederhana. Pemasok chip memberikan pembiayaan kepada pelanggan. Pelanggan kemudian menggunakan dana tersebut untuk membeli chip dari pemasok yang sama. Setelah itu, pemasok mencatat pendapatan dari penjualan chip tersebut.
Nvidia sendiri memiliki hubungan ekuitas maupun pembiayaan dengan sebagian besar basis permintaannya, termasuk laboratorium AI dan operator pusat data.
Para pengkritik menilai model seperti ini berpotensi membuat permintaan terlihat lebih kuat dibandingkan kondisi ekonomi pengguna akhir yang sebenarnya.
Hassan Taher, analis AI sekaligus penulis yang memberikan konsultasi strategi AI bagi perusahaan, menilai arsitektur pembiayaan pembangunan infrastruktur AI layak mendapatkan pengawasan sebesar teknologi yang sedang dikembangkan.
“Ada satu versi kesepakatan ini yang sepenuhnya rasional, dan ada versi lainnya yang merupakan mekanisme gelembung. Dari luar, keduanya terlihat hampir sama,” ujar Taher.
Ia menjelaskan, versi rasional terjadi ketika pemasok memiliki pandangan yang sangat jelas terhadap permintaan masa depan dan menggunakan neracanya untuk membuka kapasitas yang diyakini benar-benar akan digunakan.
“Versi rasionalnya adalah pemasok yang memiliki pandangan sangat jelas mengenai permintaan masa depan menggunakan neracanya untuk membuka kapasitas yang diketahuinya akan digunakan. Versi gelembungnya adalah pemasok menciptakan permintaan yang kemudian dilaporkannya sebagai pendapatan,” katanya.
Menurut Taher, perbedaan keduanya bukan terletak pada struktur kesepakatannya.
“Perbedaannya bukan pada strukturnya. Perbedaannya adalah apakah pelanggan akhir yang mendasarinya benar-benar menghasilkan cukup uang tunai untuk membayar utang tersebut,” tegasnya.
Mengingatkan pada Lucent di Era Boom Telekomunikasi
Perbandingan historis yang banyak digunakan para analis adalah Lucent Technologies pada periode ledakan telekomunikasi akhir 1990-an.
Ketika itu, Lucent memberikan pinjaman miliaran dolar kepada perusahaan telekomunikasi agar mereka dapat membeli perangkat yang diproduksi Lucent.
Permintaan terlihat sangat kuat selama pinjaman tersebut terus dikucurkan.
Namun setelah operator telekomunikasi mengalami kegagalan akibat runtuhnya gelembung dot-com, Lucent harus menanggung penghapusan nilai dalam jumlah besar atas piutang dari pelanggan yang tidak lagi bertahan.
Perbandingan tersebut memang tidak sepenuhnya sempurna.
Pelanggan Nvidia mencakup sejumlah perusahaan dengan permodalan terbaik di dunia. Selain itu, kemampuan Nvidia menghasilkan kas jauh melampaui apa yang dimiliki Lucent pada saat itu.
Meski demikian, kemiripan struktural kedua situasi tersebut cukup nyata sehingga pasar kredit ikut memperhitungkannya.
Risiko Terbesar Bukan Satu Transaksi
Kekhawatiran sistemik sebenarnya tidak hanya terletak pada satu transaksi.
Risiko yang lebih besar muncul dari semakin eratnya hubungan antara Nvidia, SoftBank, perusahaan hyperscaler, dan semakin banyak operator pusat data khusus.
Mereka terhubung melalui kepemilikan saham, kontrak sewa, pembiayaan jembatan, serta berbagai bentuk jaminan.
Dalam kondisi pasar yang sedang naik, hubungan tersebut dapat memperbesar pertumbuhan.
Namun ketika pasar mengalami penurunan, keterkaitan yang sama dapat menjadi saluran untuk menyebarkan tekanan.
Perlambatan adopsi AI tidak akan berhenti pada satu perusahaan. Dampaknya dapat merambat melalui jaringan pihak yang menjadi sumber pendapatan, kreditur, maupun pemegang agunan satu sama lain.
Taher mengingatkan agar antusiasme maupun kekhawatiran terhadap fenomena ini tidak ditafsirkan secara berlebihan.
“Setiap siklus infrastruktur besar dalam sejarah dibiayai oleh seseorang yang juga menjual sesuatu ke dalam siklus tersebut—perkeretaapian, telekomunikasi, serat optik,” katanya.
Menurut dia, terkadang kapasitas yang dibangun benar-benar digunakan sehingga pembiayaannya terlihat visioner.
“Terkadang kapasitas tersebut digunakan dan pembiayaannya terlihat visioner. Terkadang tidak digunakan dan pembiayaannya terlihat sembrono,” ujarnya.
Karena itu, Taher menilai posisi yang paling jujur saat ini adalah mengakui bahwa belum diketahui apakah kondisi sekarang merupakan yang pertama atau kedua.
“Posisi yang jujur saat ini adalah kita belum tahu yang mana dari kedua hal tersebut, karena kita belum memiliki data permintaan inferensi selama lima tahun pada skala sebesar ini,” katanya.
Namun, menurutnya, terdapat sejumlah hal yang sudah jelas.
“Yang kita tahu adalah leverage itu nyata, pihak-pihak yang menjadi lawan transaksi sangat terkonsentrasi, dan aset-aset tersebut memiliki jadwal depresiasi yang dihitung dalam hitungan beberapa tahun, bukan beberapa dekade,” kata Taher.
GPU Punya Umur Ekonomi yang Pendek
Poin terakhir tersebut menjadi salah satu aspek yang paling mudah diabaikan.
Jalur kereta api dapat bertahan selama satu abad. Sebaliknya, sebuah klaster GPU memiliki masa kompetitif hanya beberapa tahun sebelum arsitektur generasi berikutnya membuat teknologi tersebut secara ekonomi menjadi kurang menarik.
Utang yang dijamin dengan aset yang mengalami depresiasi cepat membutuhkan pendapatan yang masuk dalam waktu singkat.
Kondisi ini memberikan tekanan besar terhadap kurva adopsi AI agar terus meningkat sesuai jadwal.
Di sisi lain, terdapat berbagai biaya yang tidak selalu terlihat dalam harga layanan. Biaya tersebut meliputi listrik, pendinginan, siklus penggantian perangkat, hingga biaya operasional menjalankan sistem AI dalam skala besar.
Biaya-biaya tersebut menjadi bagian dari kajian Hassan Taher mengenai tagihan tersembunyi AI senilai US$25 miliar atau sekitar Rp400 triliun.
Dan menurut analisis tersebut, biaya tersebut tidak dapat dihilangkan hanya dengan memberikan jaminan atas kontrak sewa.
Apa yang Perlu Dipelajari Perusahaan?
Bagi perusahaan yang membeli layanan AI dan bukan membangun infrastrukturnya sendiri, kondisi ini tidak serta-merta mengubah rencana bisnis untuk kuartal berikutnya.
Namun, perkembangan tersebut memberikan satu alasan kuat untuk berhati-hati.
Perusahaan sebaiknya tidak membangun alur kerja penting dengan asumsi bahwa biaya inferensi akan selamanya murah atau kapasitas komputasi akan selalu tersedia.
Harga di industri AI saat ini dibentuk bukan hanya oleh biaya dasar teknologi, tetapi juga oleh kondisi pembiayaan dan subsidi strategis.
Keduanya dapat berubah.
Makna yang lebih besar dari proyek Ohio adalah apa yang diungkapkannya mengenai titik hambatan baru dalam industri AI.
Hambatan tersebut kini bukan lagi sekadar ide atau chip.
Keterbatasan AI semakin berada pada listrik, lahan, dan kesediaan pihak yang memiliki neraca dengan peringkat investasi untuk berdiri di belakang utang.
Ketika produsen chip berubah menjadi penjamin kredit untuk aset real estat pelanggan terbesarnya, industri AI mulai memasuki fase yang lebih menyerupai industri berat daripada perangkat lunak.
Dan perubahan seperti itu, dalam banyak siklus industri sebelumnya, merupakan fase ketika kesalahan finansial paling besar dan paling berdampak justru mulai muncul.
