Dari obligasi hipotek properti hingga obligasi hipotek GPU, Nvidia sedang meniru AIG?

Nvidia kembali dikabarkan berencana melakukan sekuritisasi aset pusat data, di mana transaksi kali ini berpotensi mendorong euforia daya komputasi AI ke tahap baru yang berbahaya.

Menurut analisis Simon White, ahli strategi makro Bloomberg, rencana Nvidia untuk mengubah pusat data menjadi aset yang dapat diinvestasikan, berpotensi menyebabkan kelebihan kapasitas serius di bidang daya komputasi AI, terutama di tengah berkembangnya model penetapan harga berbasis hasil yang perlahan menjadi standar industri. Logika inti penilaian ini adalah: finansialisasi secara artifisial memperbesar sinyal permintaan, menutupi kondisi pasar yang sebenarnya sudah oversupply—mirip gelembung properti sebelum krisis keuangan 2008.

White menunjukkan bahwa kerjasama Nvidia dengan Apollo, Brookfield, KKR, Blackstone, BlackRock, dan Goldman Sachs, bertujuan menggerakkan lebih dari USD 500 miliar modal masuk ke apa yang disebut "pabrik AI". Nvidia akan menyediakan asuransi untuk maksimal 25% GPU yang dijadikan agunan dalam sebagian transaksi, yakni menjamin nilai penebusan GPU tersebut. Kemiripannya dengan era gelembung perumahan sulit untuk diabaikan. Kala itu, AIG menjual asuransi untuk obligasi CDO dengan peringkat atas, memungkinkan bank mengurangi konsumsi modal serta mendistribusikan lebih banyak utang beracun—yang pada akhirnya, korelasi risiko melonjak dan berujung pada bailout nasional.

Akselerasi Finansialisasi: Momen AIG di Pasar Obligasi GPU

Simon White percaya bahwa gelombang pembangunan infrastruktur AI ini kini melampaui siklus ekspansi infrastruktur historis seperti pembangunan jalan raya antarnegara bagian AS (1960-an) dan penyebaran broadband (2000-an). Untuk menjaga kelanjutan euforia ini, telah terjadi banyak pembiayaan silang dan transaksi pendanaan vendor—hanya nilai transaksi melibatkan Nvidia sudah mencapai USD 750 miliar.

CEO Nvidia Jensen Huang secara tegas menyatakan bahwa tujuannya adalah menjadikan “daya komputasi pabrik AI” sebagai kelas aset yang dapat diinvestasikan. Pasar utang berbasis GPU telah tumbuh pesat tahun ini, dan perjanjian baru ini mendorong proses itu ke tahap lebih lanjut—sekuritisasi dan distribusi aset. Para mitra menyediakan modal, keahlian infrastruktur, serta mendukung sekuritisasi dan penyaluran.

Dengan meningkatkan daya tarik transaksi, Nvidia akan membuat obligasi tingkat prioritas dalam struktur utang memperoleh peringkat kredit lebih tinggi. Sementara itu, Komisi Sekuritas dan Bursa AS (SEC) baru saja melonggarkan aturan sekuritisasi obligasi pusat data. White membandingkannya dengan titik di mana dana pensiun ikut masuk selama krisis keuangan—yang biasanya menandakan risiko mulai menyebar ke sisi utang yang lebih luas dan menjadi awal dari akhir krisis.

Sekilas, risiko bagi Nvidia mungkin tampak terbatas. Namun White mengingatkan, ini persis seperti penilaian AIG saat itu—seiring waktu, AIG mengambil lebih banyak kewajiban yang dianggap tanpa risiko dan menguntungkan, namun akhirnya korelasi tekanan kredit peminjam meningkat cukup untuk menyebabkan bencana.

Sinyal Kelebihan Kapasitas: Ketidakseimbangan Penawaran-Permintaan yang Ditutupi Alkimia Finansial

Kekhawatiran inti White adalah finansialisasi kini secara sistemik menutupi sinyal pasar terkait kelebihan kapasitas. Mirip dengan krisis perumahan, lonjakan belanja modal saat ini justru mungkin mendorong arus modal yang membesar melalui “alkimia finansial”, sehingga terjadilah pembangunan berlebihan. Dan sinyal bahwa kapasitas daya komputasi sudah cukup melimpah tampaknya sukar mendapat perhatian.

Dari sisi permintaan, White menunjuk bahwa standar pengukuran sendiri sedang mengalami perubahan mendasar. Unit standar untuk menyewa GPU adalah biaya per jam, dan proses inferensi dinilai berdasarkan biaya per token yang diproses. Namun bagi pengguna akhir, yang benar-benar penting adalah hasil output—berapa banyak nilai kecerdasan yang bisa saya dapatkan untuk setiap rupiah yang dikeluarkan, atau lebih jelasnya, berapa biaya menyelesaikan satu tugas?

Biaya kecerdasan sedang menurun, namun perubahan ini belum langsung tercermin pada harga tingkat GPU. Jika sebuah model bisa menyelesaikan tugas sama dengan 10 kali lebih sedikit token, sementara harga per token GPU tidak berubah, berarti efektivitas setiap GPU sebenarnya meningkat 10 kali lipat.

Seiring dengan “maksimalisasi token” menjadi sejarah, bukti bahwa pemakaian token untuk tugas tertentu dapat sangat berfluktuasi terus bermunculan. Ditambah lagi model bahasa besar (LLM) dapat dengan mudah diatur agar mengonsumsi lebih banyak token, maka penetapan harga berbasis hasil semakin menarik bagi pengguna korporat. Ketika tren ini jadi arus utama, penyedia model akan terdorong untuk mengurangi konsumsi token, sehingga menekan harga sewa GPU.

Hal lain yang patut jadi perhatian, tingkat utilisasi GPU sesungguhnya dikabarkan sangat rendah. Laporan Cast AI menunjukkan rata-rata utilisasi GPU hanya 5%; sementara ClearML menemukan hampir setengah dari perusahaan membuang “jutaan dolar” hanya untuk chip yang menganggur.

Keterbatasan Paradoks Jevons: Ketergantungan Jalur Adalah Risiko Pasar Sebenarnya

Menghadapi argumen peningkatan efisiensi di atas, pihak yang optimis terhadap belanja modal AI kerap membantah dengan Paradox Jevons: Ketika biaya kecerdasan turun berkat daya komputasi, permintaan niscaya meningkat hingga kompensasi harga dengan volume.

Namun White tidak sepakat. Menurutnya, Paradox Jevons tidak berlaku di semua horizon waktu, sedangkan bagi pasar, justru ketergantungan jalur (path dependence) yang lebih menentukan. Ia berpendapat, pada tahap perkembangan AI saat ini—didominasi model bahasa besar—pertumbuhan permintaan kecerdasan (bukan permintaan token) pada tingkat harga kini, lambat laun akan memelambat cukup untuk menimbulkan penurunan biaya komputasi jangka panjang.

Sebagai pemberi pinjaman, ketika korelasi agunan mulai memburuk, dan risiko kunci lain—yakni kondisi kredit peminjam—juga melemah secara bersamaan, risiko akan cepat terakumulasi. Pada saat itu, Nvidia akan harus memenuhi kewajiban asuransinya. Sementara, transaksi pembiayaan lain yang digalang perusahaan juga berpotensi bermasalah—belum lagi jika nilai inti produknya ikut anjlok. Perusahaan seperti Google yang juga menjamin euforia belanja modal ini dengan neraca sendiri menghadapi risiko serupa.

Seperti ditunjukkan oleh krisis perumahan, sekali korelasi mulai bergerak, ia tidak akan berhenti menunggu siapa pun. Kesimpulan White adalah, rencana transaksi Nvidia kali ini hanya membuat pasar makin dekat untuk menyaksikan lagi kekuatan alamiah keuangan itu dalam aksinya.