Revolusi kecerdasan buatan (AI) semakin cepat, didorong oleh permintaan yang tak terpuaskan akan pusat data yang semakin besar untuk mendukung algoritma dan model pelatihan yang kompleks. Meskipun raksasa teknologi seperti Google dan Amazon biasanya mendanai proyek infrastruktur besar-besaran ini dengan keuntungan mereka sendiri yang besar, gelombang baru pemain kecil yang ingin membuat bagian dari teknologi A.I. pie semakin beralih ke pembiayaan utang. Peralihan ke arah pinjaman miliaran dolar ini, yang berpotensi mencapai $1 triliun pada tahun 2028, telah menimbulkan kekhawatiran mengenai risiko-risiko yang tidak berkelanjutan dalam industri yang sedang booming ini.
Munculnya pusat data yang didanai utang dimulai dengan perusahaan seperti Meta yang bermitra dengan penyedia khusus. Misalnya, Meta setuju untuk membeli daya komputasi senilai $14,3 miliar dari CoreWeave, sebuah perusahaan yang relatif tidak dikenal yang baru saja go public. Model bisnis CoreWeave sangat bergantung pada pinjaman; untuk setiap $5 miliar yang direncanakan untuk dijual dalam bidang daya komputasi selama empat tahun ke depan, mereka perlu mengambil pinjaman sebesar $2,85 miliar.
Tren ini melampaui kemitraan semacam itu. OpenAI, perusahaan di balik chatbot ChatGPT yang viral, memelopori gelombang proyek pusat data yang ambisius. Meskipun menghasilkan miliaran dolar setiap tahunnya, CEO OpenAI, Sam Altman, memperkirakan profitabilitas hanya akan terjadi pada tahun 2029. Namun, OpenAI, bersama dengan mitra seperti Oracle dan SoftBank, berencana menghabiskan lebih dari $400 miliar untuk membangun pusat-pusat pembangunan di Texas, New Mexico, Ohio, dan Wisconsin – yang sebagian besar kemungkinan besar dibiayai melalui utang. Skala pasti pinjamannya masih belum jelas, namun para analis memperkirakan bahwa Oracle sendiri perlu meminjam $25 miliar per tahun selama empat tahun ke depan untuk memenuhi komitmennya.
Menambah kompleksitasnya, proyek-proyek ini sering kali melibatkan struktur pendanaan yang rumit. Misalnya, di pusat data OpenAI pertama di Texas, Oracle menangani perangkat keras komputer, sementara Crusoe membangun infrastruktur fisik, mendapatkan pinjaman $15 miliar dari Blue Owl Capital dan investor lain untuk menutupi porsinya. Sementara itu, SoftBank dan OpenAI dilaporkan bersandar pada utang untuk fasilitas di Ohio dan Texas.
OpenAI telah melakukan langkah berani lainnya untuk mengamankan dana, termasuk menjual saham besar-besaran kepada pembuat chip Nvidia seharga $100 miliar dan menerima paket ekuitas dalam jumlah besar berupa saham AMD – yang berpotensi bernilai puluhan miliar lebih. Kesepakatan ini melibatkan komitmen untuk membeli chip komputer dari kedua perusahaan, namun perjanjian ini menawarkan klausul pelarian jika kebutuhan OpenAI berubah. Namun, meskipun ada jalan keluar seperti itu, utang itu sendiri bisa menjadi masalah.
Ketergantungan pada hutang menimbulkan beberapa risiko. Pertama, jaminan yang mendukung banyak pinjaman seringkali berupa chip komputer itu sendiri, yang terdepresiasi dengan cepat. Kedua, berbagai institusi – mulai dari bank dan pemberi pinjaman swasta hingga perusahaan yang secara langsung berinvestasi pada fasilitas – memiliki utang ini, sehingga menciptakan kerentanan sistemik di seluruh lanskap keuangan. Ketidakjelasan yang melingkupi sebagian besar kesepakatan ini membuat sulit untuk menilai sepenuhnya potensi skala keterpaparan.
“Leverage dalam sistemlah yang mendorong risiko,” Jeremy Kress, seorang profesor hukum bisnis di Universitas Michigan yang mengkhususkan diri pada ketidakstabilan keuangan memperingatkan. “Dan sulit untuk mengetahui seberapa besar pengaruh yang ada dalam sistem.”
Persamaannya dengan booming dot-com pada akhir tahun 1990an sangat mencolok. Ketergesaan dalam membangun infrastruktur serat optik yang dipicu oleh hutang menyebabkan kebangkrutan yang meluas ketika keuntungan yang dijanjikan tidak terwujud. Meskipun potensi AI tidak dapat disangkal, para ahli mengingatkan bahwa ketergantungan pada uang pinjaman saat ini berisiko mengulangi kesalahan di masa lalu. Akumulasi utang terkait AI yang cepat dapat menimbulkan konsekuensi yang semakin besar jika proyeksi pendapatan gagal, sehingga membuat investor dan pemberi pinjaman menjadi rentan dan berpotensi membahayakan keberlanjutan jangka panjang industri itu sendiri.
