Industri AI saat ini masih digerakkan oleh pembangunan infrastruktur besar-besaran, dengan pendanaan utamanya berasal dari utang. Sedangkan pada gelembung dotcom, sumber pendanaan terutama adalah ekuitas. Ini adalah perbedaan signifikan dalam struktur pendanaan antara AI dan internet.
Gelembung dotcom tahun 2000 pecah dan memicu krisis pasar saham. Jika ada krisis gelembung AI di masa depan, pertama-tama kemungkinan akan terjadi di pasar obligasi. Tapi jangan kira ini tidak berhubungan dengan pasar saham. Krisis keuangan 2008 justru dipicu oleh krisis obligasi subprime.
Perbedaan kedua krisis tersebut terletak pada kecepatan ledakannya.
Pecahnya gelembung dotcom tahun 2000 adalah pembantaian valuasi, sebuah proses linear. Setiap hari terjadi transaksi raksasa, Anda bisa memilih untuk menjual kapan saja. Satu siklus bear market bisa berlangsung bertahun-tahun. Tapi ekuitas adalah modal sabar, setelah terjebak, Anda bisa terus memegangnya, menunggu perusahaan keluar dari kesulitan.
Sebaliknya, utang memiliki konveksitas negatif. Sebagus apapun kinerja perusahaan, ia hanya bisa mendapatkan pendapatan bunga yang tetap; tetapi saat kinerja memburuk, ia harus menanggung kerugian besar tanpa batas bawah. Jadi, syarat-syarat utang memiliki ketentuan tegas 'hitam putih', antara 0 atau 1, tidak ada nilai tengah. Entah bisa melakukan refinancing dengan lancar, tampaknya tidak terjadi apa-apa, atau akan segera terjerembab ke dalam situasi di mana asetnya disita, harga obligasi menjadi nol dalam hitungan hari.
Ambil contoh sederhana, angka akuntansi 'Sisa Kewajiban Pemenuhan' (Remaining Performance Obligation/RPO). Jika Anda investor saham, Anda akan menganggapnya sebagai pendapatan masa depan dan memberikan valuasi tertentu. Tapi bagi investor obligasi, dia pasti akan melihat, di masa depan, siapa yang akan memenuhi pesanan ini, dan bagaimana cara pemenuhannya?
Rantai pendanaan utang industri infrastruktur AI saat ini kira-kira polanya seperti ini:
Laboratorium AI terdepan seperti OpenAI akan menandatangani kontrak dengan Microsoft, berkomitmen membayar ratusan miliar dolar dalam beberapa tahun ke depan untuk membeli daya komputasi. Tapi kas OpenAI saat ini tidak cukup untuk membayar, jadi ini adalah pesanan yang dibiayai, mirip dengan pembiayaan sewa pesawat maskapai penerbangan.
Lima penyedia cloud besar, pusat data, perusahaan penyewaan daya komputasi akan menggunakan kontrak ini sebagai jaminan untuk meminjam dari lembaga swasta, mengumpulkan dana untuk menyelesaikan pembangunan fisik pusat data dan pembelian fasilitas daya komputasi.
Jadi, singkirkan semua aura gemerlap tentang AI, infrastruktur AI dibangun dari tuas kredit. Lembaga keuangan membayar di muka modal untuk bangunan-bangunan berisi chip milik penyedia cloud, pusat data adalah agunan, pembayaran yang dilakukan lab AI sesuai kontrak adalah jumlah pelunasan utang. Prinsip agar struktur ini berjalan normal adalah, laboratorium AI sebagai sumber pesanan mampu terus menyediakan dana untuk pembayaran ini.
Tapi bagi perusahaan yang tidak menghasilkan laba, pendapatan (ARR) lebih kecil dari pengeluaran (pesanan), artinya ia hanya bisa mengandalkan pembiayaan terus-menerus untuk bertahan.
Jika Anda seorang peneliti obligasi, menemukan bahwa pihak lawan adalah perusahaan yang rugi ratusan miliar dolar setiap tahun, hanya bisa bertahan dengan terus-menerus melakukan refinancing untuk membayar, maka 'sisa kewajiban pemenuhan' ini pada dasarnya adalah janji sekunder, tapi malah digunakan untuk memberikan pembenaran atas pengeluaran modal besar yang belum disusutkan.
Dia pasti akan teringat krisis obligasi subprime yang memicu krisis keuangan 2008.
OpenAI yang baru berdiri beberapa tahun sudah berkomitmen membayar biaya daya komputasi skala sangat besar, total utang mencapai triliunan dolar, hal yang belum pernah terjadi sebelumnya dalam sejarah perusahaan. Dan dari total sekitar $2,1 triliun pesanan tertunggak dari lima platform besar, sekitar setengahnya dijanjikan dibayar oleh OpenAI dan Anthropic. Tingkat konsentrasi utang juga belum pernah terjadi sebelumnya.
Berbanding terbalik dengan utang ini adalah bisnis operasional yang tidak bisa diprediksi kapan akan menghasilkan laba. Meskipun pendapatannya nyata, skalanya besar, dan tumbuh cepat, satu-satunya harapan kemenangan mereka adalah bisa terus menemukan bidang seperti coding yang tumbuh eksplosif di masa depan. Ini adalah taruhan abad yang melibatkan raksasa teknologi.
Jadi penyebab sebenarnya dari krisis potensial ini adalah, AI sebagai revolusi teknologi, di level pendanaannya, justru sangat tradisional, didorong oleh kredit keuangan properti.
Ya, infrastruktur AI pada dasarnya adalah properti. Inilah alasan mengapa, setelah menyelesaikan penelitian tentang krisis pecahnya gelembung dotcom 2000 di edisi sebelumnya 'Gelembung Teknologi, 120 Hari Terakhir', hari ini kita perlu meneliti tahun 2008.
2/4
Inti Properti dari Industri AI
Revolusi teknologi dan siklus properti, seharusnya satu di langit, satu di bumi.
Revolusi teknologi didorong oleh inovasi dan tingkat adopsi, risikonya besar, tingkat kegagalan tinggi, tapi sekali berhasil manfaatnya juga besar, paling cocok dibiayai dengan ekuitas, terutama modal ventura.
Siklus properti bersifat mekanis, nilainya ditentukan oleh ruang/lokasi tanah, labanya tetap, bisa dikunci pendapatannya lebih awal dengan kontrak sewa komersial atau penjualan pra-konstruksi, investasinya jangka panjang dan jumlahnya besar, sehingga paling cocok dengan pembiayaan utang.
Tapi perhatikan baik-baik pembangunan infrastruktur AI, Anda akan menemukan setiap cirinya adalah tiruan dari pengembangan properti:
Membangun pusat data di atas lahan yang disetujui, karena investasinya sangat besar, dari awal sudah harus berutang untuk mengumpulkan dana tahap pertama bangunan ini, setara dengan pinjaman pengembangan.
Kemudian, menandatangani kontrak 'Bayar atau Tidak Digunakan' (Take-or-pay) dengan klien besar, lalu menggadaikan kontrak ini untuk mendapatkan lebih banyak dana, setara dengan pinjaman tahap akhir proyek properti.
Kontrak 'Bayar atau Tidak Digunakan' misalnya, sebuah perusahaan AI berjanji membeli daya komputasi senilai $1 miliar per tahun selama 5 tahun ke depan. Meskipun pelatihan model tidak sebanyak itu, pertumbuhan pengguna di bawah ekspektasi, uangnya tetap harus dibayar. Ini karena investasi pusat data sangat besar, pihak pembangun perlu menentukan berapa arus kas masa depannya. Sama seperti gedung perkantoran atau mal besar yang perlu mengunci penyewa utama sebelum mengajukan pinjaman bank.
Belum selesai, penyedia cloud setelah membeli dan memasang rak GPU, akan menggadaikannya lagi untuk mendapatkan pinjaman pembiayaan GPU, untuk mendukung operasional, ini setara dengan pinjaman operasional properti komersial.
Tapi nilai pembiayaan infrastruktur AI belum habis, langkah terakhir penyedia cloud dan pusat data adalah menerbitkan 'Surat Berharga Beragun Aset' (Asset-Backed Securities/ABS), menjual paket arus kas masa depan kepada investor stabil seperti perusahaan asuransi, dana pensiun, reksadana, agak mirip REITs properti.
Dan pengemasan aset ABS inilah biang keladi menyebarnya risiko gagal bayar pinjaman subprime dari properti ke seluruh sistem keuangan.
Ini sebenarnya adalah cara main umum semua aset berat global, melalui penggadaian berlapis, pengemasan arus kas masa depan, menggunakan dana leverage untuk menyelesaikan seluruh proses pembangunan, tidak peduli apakah Anda perusahaan teknologi atau bukan, revolusi teknologi atau bukan.
Tapi ketika diterapkan pada teknologi mutakhir seperti AI, timbul masalah.
Properti dan teknologi sama-sama bisa mengalami gelembung, tapi alasan munculnya kedua gelembung itu sangat berbeda.
Esensi gelembung teknologi adalah perkembangan teknologi baru terlalu maju, atau tidak ada permintaan aktual skala besar, menyebabkan nilai teknologi tinggi itu jatuh.
Gelembung properti adalah ketidaksesuaian siklus. Puncak investasinya biasanya periode kemakmuran ekonomi, jumlah investasi dan pendanaan sesuai dengan proyeksi linier arus kas masa depan di masa makmur, ditambah siklus konstruksi yang panjang, sangat mungkin saat proyek benar-benar digunakan, pasar sudah berubah menjadi kelebihan pasokan, arus kas yang dihasilkan proyek tidak cukup untuk melunasi pembiayaan, sehingga terjadi krisis.
Kedua risiko ini juga sangat berbeda:
Risiko utama investasi teknologi adalah kegagalan produk, biaya riset dan pengembangan awal tinggi, tapi hambatan masuk (barrier to entry) nanti juga tinggi;
Sedangkan risiko investasi properti ada di neraca, adalah risiko leverage, nilai tanah bergantung pada lokasi, hanya berfluktuasi, tidak mungkin hilang, dan penyusutannya lambat, dengan syarat leverage tidak jebol, bisa menunggu sampai siklus berikutnya.
Jadi, 'AI + Infrastruktur' lebih berbahaya, menggabungkan risiko teknologi dari investasi teknologi itu sendiri, ditambah risiko leverage properti. Pusat datanya adalah dana khusus, tidak bisa dikonversi ke penggunaan lain, kluster GPU yang digadaikan pembaruan teknologinya cepat, mungkin dalam 2 tahun nilainya sudah turun drastis, aset ABS yang dikemas dari pendapatan operasional AI lebih lagi dibangun di atas pendapatan teoretis.
Dan, dalam 'perlombaan senjata' pengeluaran modal, ritme pembiayaan saat ini juga berkembang ke arah gelembung properti. Berdasarkan kecepatan pertumbuhan ARR saat ini, dengan asumsi permintaan daya komputasi AI tumbuh 50% per tahun, pembiayaan juga harus mengikuti asumsi arus kas ini.
Ini mirip pasar lelang tanah beberapa tahun lalu, rumah bekas di sekitarnya 10 juta per meter persegi, pengembang berani menawar harga tanah 12 juta, karena semua percaya harga rumah akan naik selamanya, setelah dibangun rumah bekas akan mencapai 12 juta.
Penyedia cloud sedang mengubah diri menjadi perusahaan properti yang bergerak di bisnis komputasi, setidaknya dalam struktur keuangan semakin mirip pengembang properti, bukan perusahaan internet tradisional.
Tentu, saat ini permainan pembiayaan berbahaya ini bisa terus dimainkan, terutama karena lima penyedia cloud besar adalah perusahaan dengan kapitalisasi pasar tertinggi di dunia, masing-masing memiliki bisnis utama yang memberikan arus kas sangat besar, investor tidak percaya raksasa teknologi ini akan mengalami krisis utang.
Tapi coba pikirkan, mengapa Vanke bisa menjadi perwakilan saham blue chip berkualitas di pasar saham A dalam waktu lama? Karena risiko utama properti berasal dari utang, bahkan utang di luar neraca (off-balance sheet). Mereka tidak hanya jarang menggunakan pendanaan ekuitas, tapi juga melalui dividen tinggi terus-menerus mengompensasi laba kepada pemegang saham (esensinya adalah kompensasi kecil atas utang tinggi), jadi risikonya non-linear. Selama utang tidak meledak dalam jangka panjang, mereka adalah saham blue chip berkualitas jangka panjang. Begitu utang meledak, langsung tidak bernilai.
Kita harus tahu, akumulasi utang adalah proses matematika naik linear, kekuatan kuat hanya mewakili waktu sebelum krisis lebih panjang, sedangkan revolusi teknologi adalah proses non-linear, bisa tiba-tiba mempercepat, bisa juga tiba-tiba berhenti. Ingin menggunakan yang terakhir untuk menyelesaikan masalah yang pertama, seperti berpikir dalam perlombaan kura-kura dan kelinci, kelinci yang bisa tidur kapan saja pasti menang.
Investor obligasi adalah orang paling pesimis di dunia, tidak akan pernah menunggu sampai kelinci tidur baru panik. Saat turunan kedua (second derivative) pertumbuhan turun, mereka akan mulai waspada.
3/4
Mengapa Turunan Kedua Lebih Penting
Umumnya dianggap, krisis obligasi subprime 2008 terjadi karena persetujuan pinjaman tidak ketat, penurunan harga rumah menyebabkan peminjam dalam situasi nilai aset tidak cukup menutupi utang, kemudian terjadi wanprestasi, akhirnya sekuritas ABS yang diterbitkan berdasarkan pinjaman ini benar-benar meledak.
Sebenarnya, saat tingkat wanprestasi naik, harga rumah masih dalam tahap naik, hanya kecepatan naiknya tidak setinggi dulu, inilah pertumbuhan positif, tapi turunan kedua (kecepatan kenaikan) turun.
Ini berhubungan dengan cara main obligasi subprime properti. Peminjam menikmati suku bunga 'umpan' sangat rendah dalam tiga tahun pertama, menjamin pendapatan mereka cukup untuk membayar cicilan rumah; setelah tiga tahun, jika harga rumah naik, nilai rumah naik, peminjam bisa melakukan refinancing, mendapatkan suku bunga umpan rendah baru, semuanya mulai lagi. Dalam pinjaman hipotek suku bunga dapat disesuaikan campuran subprime yang dikeluarkan tahun 2003, hampir empat perlimanya sudah diganti dengan refinancing sebelum akhir 2006.
Tapi permainan ini punya satu prasyarat, harga rumah harus naik selamanya, agar pinjaman ini tidak pernah sampai ke langkah penyesuaian ulang suku bunga, kalau tidak tidak akan mampu membayar.
Pada tahun 2006, harga rumah masih naik, hanya kecepatannya tidak setinggi dua tahun sebelumnya. Ini juga berarti harga rumah di beberapa wilayah sudah tidak naik lagi, beberapa keluarga tidak bisa melakukan reset pinjaman, juga tidak mampu membayar suku bunga baru. Tingkat keterlambatan pinjaman subprime mulai berbalik naik pada saat ini.
Dari turunan kedua mulai meluncur, hingga turunan pertama menembus titik nol, ada 'jendela waktu pinjaman' di antaranya. Dalam jendela ini, semuanya terlihat indah, pendapatan pada level tertinggi sejarah, pertumbuhan masih positif, tapi sebenarnya, krisis sudah tak terhindarkan akan terjadi di suatu waktu di masa depan.
Di sini bisa diperkenalkan kerangka utang Minsky. Minsky berpendapat 'stabilitas itu sendiri melahirkan ketidakstabilan'. Saat ekonomi makmur dalam jangka panjang, pasar sering membentuk ekspektasi berlebihan terhadap masa depan, struktur pendanaan perlahan beralih dari stabil ke mode leverage tinggi, lebih bergantung pada refinancing, akhirnya memicu 'Minsky Moment'.
Berdasarkan kemampuan bayar utang perusahaan, Minsky membagi mode pendanaan menjadi tiga jenis:
Jenis pertama: arus kas operasional perusahaan cukup untuk menutupi pokok dan bunga utang.
Jenis kedua: arus kas hanya bisa membayar bunga, tidak bisa melunasi pokok, perusahaan harus terus-menerus mempertahankan perputaran utang dengan pinjam baru bayar lama.
Jenis ketiga: pembiayaan Ponzi, yaitu arus kas operasional tidak cukup untuk menutupi pengeluaran bunga.
Turunan kedua pertumbuhan permintaan mulai turun, berhubungan dengan perusahaan jenis pertama mulai berubah menjadi jenis kedua. Turunan pertama menembus titik nol, berarti sepenuhnya menjadi perusahaan jenis kedua, dan sulit mengandalkan usaha sendiri kembali ke jenis pertama.
Kembali ke laporan kuartal kedua lima penyedia cloud besar, bisa dibagi tiga jenis:
Arus kas bebas Google dan Amazon sudah negatif, artinya kecepatan pertumbuhan pengeluaran modal AI sudah melebihi kecepatan pertumbuhan arus kas bisnis utama untuk sementara, kuartal ini baru masuk jenis kedua.
Microsoft dan Meta masih termasuk jenis pertama, tapi jika tidak mengontrol pengeluaran modal, akan segera masuk jenis kedua.
Oracle sudah lama menjadi perusahaan jenis kedua, rasio pelunasan utangnya (present value pokok bunga utang / arus kas operasional) hanya 48%, lebih dekat ke perusahaan aset berat properti daripada perusahaan teknologi tinggi.
、
Kesimpulannya sangat jelas: Saat pengeluaran modal melebihi 100% arus kas operasional, mempercepat ekspansi lagi berarti setiap kuartal harus meminjam lebih banyak dana dengan kecepatan lebih cepat. Dalam setahun ke depan, jumlah penerbitan utang penyedia layanan cloud hyperscale harus naik drastis, seluruh pembangunan infrastruktur AI akan sepenuhnya bergantung pada pasar obligasi untuk menyediakan dana marginal.
Hal ini mungkin lebih buruk dari angka di atas. Infrastruktur AI juga punya kemiripan dengan properti, banyak utang dalam bentuk 'pinjaman bayangan' (shadow loan), disembunyikan di luar neraca.
4/4
Pinjaman Bayangan
Laporan Bank for International Settlements menunjukkan, skala pembiayaan pusat data AI oleh penyedia cloud besar menggunakan 'pinjaman bayangan' sedang meningkat cepat.
'Pinjaman bayangan' biasanya terjadi dalam bentuk kredit swasta. Misalnya, penyedia cloud besar pertama-tama mendirikan entitas tujuan khusus (Special Purpose Vehicle/SPV) atau perusahaan patungan dengan beberapa konsorsium, mengakuisisi atau membangun aset pusat data, hanya memegang saham minoritas. Penyedia cloud besar berkomitmen menandatangani perjanjian sewa operasional jangka panjang atau perjanjian pembelian daya komputasi, dan memberikan jaminan kredit. Utang dilunasi dari arus kas sewa.
Ini sangat mirip risiko pembiayaan proyek di luar neraca perusahaan properti. Jika di masa depan, setelah pusat data selesai dibangun, permintaan daya komputasi AI tidak cukup untuk menutupi biaya sewa jangka panjang, kewajiban tersirat dari jaminan akan muncul ke permukaan, membentuk kewajiban baru.
Menurut perhitungan beberapa lembaga, skala kewajiban implisit ini sekitar $1,65 triliun. Meskipun penyedia cloud ini menekankan, saat ini pesanan tertunggak layanan cloud masih mencukupi. Jika pesanan ini bisa direalisasikan sesuai rencana, pada dasarnya bisa menutupi kewajiban yang timbul dari sewa terkait. Tapi 'pesanan belum dipenuhi' sudah dianalisis di atas.
Meringkas, mulai tahun ini, dengan ekspansi berkelanjutan pengeluaran modal AI, struktur pembiayaan lima penyedia cloud besar sedang berubah. Mode pembiayaan beralih dari pembiayaan internal ke eksternal, terjadi transformasi dari perusahaan teknologi ke perusahaan properti, sekaligus memiliki 'sifat padat modal properti' dan 'sifat penyusutan cepat semikonduktor', hanya valuasinya masih seperti saham teknologi.
Minsky Moment belum tiba, tapi 'migrasi pembiayaan' dalam arti Minsky sudah dimulai. Dan sebagian besar masalah ada pada dua laboratorium AI sumbernya itu. Kapan tepatnya akan muncul permintaan eksplosif berikutnya, saya yakin pasti akan ada, tapi kuncinya adalah waktu.
Akhirnya harus kembali ke pandangan awal, jangan campur aduk risiko saham dan risiko obligasi:
Investasi ekuitas mempertimbangkan: apakah AI punya nilai teknologi, berapa banyak pendapatan laba yang bisa dihasilkan di masa depan.
Kreditor mempertimbangkan: investasi aset tetap AI yang sangat besar, apakah arus kas yang dihasilkan di masa depan bisa menutupi biaya modal.
Risiko jangka panjang AI adalah kekurangan permintaan, tapi risiko yang terakumulasi jangka menengah adalah kecepatan pengeluaran modal melebihi kecepatan munculnya arus kas nyata.
Di bagian selanjutnya, saya akan menganalisis dua laboratorium AI teratas, siapa yang lebih rentan mengalami krisis, serta lima momen paling rentan di mana krisis utang mungkin muncul.
Artikel ini berasal dari akun WeChat publik "lig0624" (ID: sxgy9999), penulis: Pikiran Cap Baja (Thought Imprint).
