Kesalahan Penilaian Kredit di Balik Ledakan Kekuatan Komputasi AI: Bagaimana Model Pembiayaan Infrastruktur Bertabrakan dengan Aset yang Menurun Nilainya

Judul berita teknologi menggambarkan gambaran yang cerah untuk awal 2026: investasi infrastruktur AI terus mempercepat, pembangunan pusat data di seluruh Amerika Utara melonjak, dan penambang kripto merayakan keberhasilan mereka dalam beralih ke layanan daya komputasi AI yang stabil. Tetapi di balik layar, analis kredit di lembaga keuangan besar mengalami sentimen yang sangat berbeda. Di ruang konferensi di seluruh Wall Street, fokusnya bukan pada kinerja model atau spesifikasi GPU—melainkan pada spreadsheet yang menunjukkan mimpi buruk struktural: pasar membiayai aset dengan umur 18 bulan menggunakan model hipotek 10 tahun. Ketidakcocokan ini bukanlah teori semata. Laporan terbaru dari Reuters dan Bloomberg mengungkapkan apa yang sebenarnya terjadi: infrastruktur AI telah menjadi sektor yang padat utang, dan arsitektur keuangan yang dibangun di bawah ledakan AI mengandung benih krisis kredit yang signifikan.

Masalah inti bukanlah kegagalan teknologi—melainkan ketidaksesuaian mendalam antara aset daya komputasi yang cepat menurun nilainya, jaminan yang terlalu leverage, dan utang infrastruktur yang tidak fleksibel. Ketika ketiga kekuatan ini bersatu, rantai tersembunyi dari transmisi default aktif, dan ilusi keamanan hancur.

Perangkap Deflasi: Ketika Hukum Moore Bertemu Utang Tetap

Di dasar setiap obligasi atau investasi utang terdapat asumsi fundamental: Rasio Cakupan Layanan Utang (DSCR). Selama 18 bulan terakhir, peserta pasar bertaruh bahwa pendapatan sewa daya komputasi AI akan berperilaku seperti properti komersial—stabil, dapat diprediksi, bahkan tahan inflasi. Data, bagaimanapun, menunjukkan cerita yang berbeda sama sekali.

Menurut pelacakan oleh SemiAnalysis dan Epoch AI yang dirilis di Q4 2025, biaya menjalankan beban kerja inferensi AI telah runtuh 20-40% dari tahun ke tahun. Ini bukan koreksi kecil; ini adalah langkah pasti dari Hukum Moore yang bertemu dengan adopsi yang semakin cepat dari kuantisasi model, teknik distilasi, dan sirkuit terintegrasi khusus aplikasi (ASICs). Setiap terobosan efisiensi membuat penerapan GPU yang mahal kemarin menjadi kurang berharga secara sistematis untuk menghasilkan pendapatan sewa.

Ini menciptakan ketidakcocokan durasi kritis pertama: investor membeli GPU dengan valuasi puncak 2024, mengunci biaya CapEx sambil secara bersamaan mengunci kurva hasil sewa yang ditakdirkan menurun melalui 2025 dan seterusnya. Matematika sederhananya: jika Anda memiliki utang pembayaran pada perangkat keras yang dibeli seharga $10.000 per GPU tetapi daya komputasi yang dihasilkan GPU tersebut menurun 30% dalam nilai sewa tahunan, margin antara pendapatan dan kewajiban menguap. Dari sudut pandang investor ekuitas, ini adalah “kemajuan teknologi.” Dari sudut pandang kreditur, ini adalah “penurunan nilai jaminan”—fondasi risiko default.

Paradoks semakin dalam ketika Anda mempertimbangkan model bisnis daya komputasi itu sendiri: berbeda dengan properti yang dapat mengapresiasi atau tetap stabil, aset fundamental—kapasitas daya komputasi—secara inheren deflasi secara desain. Setiap generasi GPU baru melakukan lebih banyak kalkulasi per dolar, mengurangi pendapatan sewa per unit infrastruktur yang dikerahkan. Ini berarti utang yang diterbitkan hari ini terhadap pendapatan daya komputasi sedang dilunasi dari kelas aset dengan arus kas yang secara struktural menurun.

Pembalikan Pembiayaan: Risiko Modal Ventura Menyamarkan Keamanan Infrastruktur

Menghadapi pengembalian yang semakin tipis di sisi aset, peserta pasar yang rasional seharusnya memperketat standar pinjaman dan menuntut premi risiko yang lebih tinggi. Sebaliknya, yang terjadi justru sebaliknya. Total pembiayaan utang untuk pusat data AI dan infrastruktur daya komputasi terkait diperkirakan melonjak 112% menjadi sekitar $25 miliar di tahun 2025 saja, menurut laporan The Economic Times dan Reuters.

Ledakan utang ini bukan didorong oleh pemberi pinjaman infrastruktur yang konservatif. Sebaliknya, didominasi oleh vendor Neo-Cloud seperti CoreWeave dan Crusoe Energy, bersama dengan penambang kripto yang sedang menjalani “transformasi” mereka, menggunakan pinjaman berbasis aset (ABL) dan struktur pembiayaan proyek—model yang dirancang untuk aset stabil dan berisiko rendah seperti jalan tol atau pembangkit hidroelektrik.

Ini mewakili kesalahan kategori mendasar dalam klasifikasi risiko:

Model lama (sebelum 2024): AI adalah permainan modal ventura. Anda berinvestasi di sebuah perusahaan, membangun teknologi, berharap sukses. Kegagalan berarti kerugian ekuitas; kreditur tidak terlibat.

Model baru (2025-sekarang): AI telah menjadi permainan infrastruktur. Utang kini membiayai penempatan daya komputasi. Kegagalan berarti gagal bayar obligasi dan kewajiban terstruktur. Risiko kerugian meluas ke kreditur dan investor pendapatan tetap.

Namun pasar menilai ini seolah-olah tidak ada perubahan mendasar. Pemberi pinjaman menerapkan model risiko tingkat infrastruktur (leverage setara utilitas, spread lebih rendah, jatuh tempo lebih panjang) ke aset tingkat ventura (depresiasi tinggi, usang teknologi, profil keberhasilan/gagal biner). Ini adalah kesalahan penetapan harga kredit sistematis dengan konsekuensi signifikan.

Ilusi Leverage Penambang: Bermain dengan Double-Leverage

Posisi paling berisiko ditempati oleh penambang kripto yang beralih ke daya komputasi AI. Narasi media merayakan transisi ini sebagai “pengurangan risiko”—penambang akhirnya lepas dari volatilitas penambangan kripto untuk menyediakan layanan infrastruktur yang stabil. Tetapi menelusuri neraca keuangan nyata menunjukkan cerita yang lebih gelap.

Data dari VanEck dan TheMinerMag mengungkapkan bahwa rasio utang bersih perusahaan penambangan terdaftar terkemuka di tahun 2025 tetap sebagian besar tidak berubah dari puncaknya tahun 2021. Beberapa pemain agresif bahkan meningkatkan utang mereka hingga 500%. Bagaimana penambang mencapai deleveraging yang tampaknya ini tanpa benar-benar mengurangi leverage?

Mekanismenya secara menipu sederhana:

• Sisi kiri neraca (aset): Penambang terus memegang posisi volatil kripto (BTC/ETH) atau mencatat pendapatan sewa daya komputasi masa depan sebagai jaminan implisit.

• Sisi kanan neraca (liabilitas): Mereka menerbitkan surat konversi, obligasi hasil tinggi, dan instrumen lain yang didenominasikan dalam dolar AS untuk membiayai pembelian GPU H100/H200 dan infrastruktur terkait.

Ini bukan deleveraging—ini risiko rollover yang digabungkan dengan konsentrasi korelasi. Penambang secara esensial bermain permainan “double-leverage”: mereka menggunakan volatilitas aset kripto sebagai jaminan untuk bertaruh pada arus kas sewa GPU. Dalam lingkungan pasar yang baik, ini memperbesar pengembalian. Tetapi begitu pengencangan makroekonomi terjadi, kedua komponen gagal secara bersamaan. Harga kripto turun sementara tarif sewa GPU menurun paralel (lebih sedikit proyek yang mendanai riset AI, kecepatan investasi secara keseluruhan menurun). Dalam pemodelan kredit, skenario ini disebut konvergensi korelasi—mimpi buruk untuk produk terstruktur dan bencana bagi kreditur tanpa jaminan.

Asumsi bahwa pendapatan daya komputasi akan berfungsi sebagai kekuatan stabilisasi bagi neraca keuangan penambang tidak terwujud. Sebaliknya, penambang menumpuk utang tambahan di atas volatilitas yang ada, menciptakan struktur yang memperbesar risiko downside sekaligus memberikan sedikit bantalan upside.

Likuiditas yang Menghilang: Ketika Jaminan Menjadi Teoritis

Apa yang membuat manajer kredit terjaga adalah bukan kegagalan default itu sendiri, tetapi apa yang terjadi setelahnya. Dalam krisis hipotek subprime 2008, kreditur dapat melelang properti yang disita untuk memulihkan modal. Tetapi jika operator daya komputasi utama gagal bayar dan kreditur menyita 10.000 kartu grafis H100, apa yang terjadi selanjutnya? Siapa yang membelinya, dan dengan harga berapa?

Pasar sekunder ini tidak ada dalam skala yang berarti—sebuah fakta yang tersembunyi di balik lapisan penilaian jaminan yang dipublikasikan. Ilusi keamanan bergantung pada tiga kelemahan utama:

Ketergantungan pada infrastruktur fisik: GPU berkinerja tinggi bukan perangkat plug-and-play. Mereka memerlukan rak pendingin cair khusus, infrastruktur daya tertentu (30-50kW per rak), dan konfigurasi jaringan khusus. GPU yang disita di luar infrastruktur data center aslinya menghadapi hambatan besar dalam menemukan lokasi penempatan alternatif.

Depresiasi non-linear akibat usang teknologi: Dengan NVIDIA merilis arsitektur Blackwell di akhir 2024 dan merencanakan Rubin di tahun-tahun berikutnya, generasi GPU yang lebih tua tidak mengalami depresiasi secara linier. Sebaliknya, mereka menghadapi depresiasi tajam saat chip yang lebih baru dan lebih efisien tersedia. Sebuah H100 yang bernilai $40.000 bulan lalu mungkin hanya mendapatkan $8.000-12.000 dalam penjualan distressed, potongan 70-80%.

Ketiadaan penyedia likuiditas: Yang paling kritis, tidak ada mekanisme “pemberi pinjaman terakhir” di pasar perangkat keras daya komputasi bekas yang bersedia menyerap tekanan penjualan miliaran dolar. Berbeda dengan pasar ekuitas atau obligasi pemerintah di mana bank sentral dan lembaga keuangan menstabilkan harga saat stres, pasar sekunder GPU khusus ini kekurangan penstabil. Ketika penjualan distressed dimulai, penemuan harga menjadi bencana.

Ini mewakili apa yang bisa disebut sebagai “ilusi jaminan”—rasio LTV (loan-to-value) di atas kertas tampak bijaksana, seringkali 50-70% berdasarkan penilaian perangkat keras yang dipublikasikan. Tetapi rasio ini mengasumsikan likuidasi tertib di pasar sekunder yang berfungsi. Pasar nyata untuk GPU bekas yang menghadapi risiko usang dan depresiasi jauh lebih tipis dan lebih rumit, menjadikan nilai jaminan teoretis ini sebagian besar fiksi saat tekanan terjadi.

Siklus Kredit Mencapai Puncaknya Sebelum Siklus Teknologi: Garis Waktu Risiko Nyata

Untuk memperjelas, analisis ini tidak menolak potensi teknologi AI atau pentingnya daya komputasi untuk infrastruktur masa depan. Teknologi akan terus maju, dan permintaan untuk kapasitas komputasi AI akan tetap kuat. Yang dipertanyakan adalah arsitektur keuangan yang mendukung industri ini—khususnya, bagaimana pembiayaan daya komputasi telah salah harga.

Aset deflasi yang didorong oleh Hukum Moore sedang dihargai sebagai infrastruktur lindung nilai inflasi. Penambang yang belum secara berarti mengurangi leverage mereka sedang dibiayai seolah-olah mereka adalah utilitas dengan neraca yang stabil. Daya komputasi dengan relevansi teknologi 18-24 bulan sedang dibiayai dengan struktur utang 10 tahun. Ini bukan risiko marginal; ini adalah kesalahan penetapan harga mendasar yang tertanam dalam utang bernilai miliaran dolar.

Analisis historis menunjukkan pola yang konsisten: siklus kredit mencapai puncaknya dan meledak sebelum siklus teknologi matang. Ledakan kereta api besar tahun 1880-an menunjukkan kelebihan kredit besar yang mencapai puncaknya sebelum jaringan rel mencapai utilitas penuh. Era dot-com menunjukkan pembiayaan utang teknologi berlebihan pada 1999-2000, bertahun-tahun sebelum adopsi internet matang. Krisis subprime mencapai puncaknya pada 2007-2008 sebelum harga rumah stabil.

Bagi para ahli strategi makro dan trader kredit, tugas analisis utama sebelum pertengahan 2026 bukanlah memprediksi model AI mana yang akan mencapai kemampuan terobosan—melainkan meninjau kembali spread kredit dan probabilitas default yang sebenarnya tertanam dalam kombinasi “Infrastruktur AI + Penambang Crypto” tersebut. Pasar mungkin telah salah menilai risiko keuangan secara signifikan. Dan ketika penilaian ulang itu terjadi, itu tidak hanya akan mempengaruhi investor ekuitas tetapi juga pasar pendapatan tetap yang kini memikul sebagian besar leverage ini.

Ledakan daya komputasi itu nyata. Yang dipertanyakan adalah apakah pasar kredit yang mendukungnya telah menghargai risiko dari realitas tersebut secara akurat.