Jensen Huang, CEO Nvidia, telah membuktikan diri sebagai sosok yang merombak dunia teknologi dengan memperkenalkan chip komputer spesialis yang mendorong kemajuan kecerdasan buatan. Melalui inovasi ini, Nvidia kini menjadi perusahaan paling bernilai di dunia. Namun, ambisi Huang tidak berhenti di situ. Dia berupaya meyakinkan para investor di Wall Street bahwa chip mereka adalah aset keuangan jangka panjang yang setara dengan real estate atau jalan tol.
Saat ini, Nvidia tengah merilis kesepakatan dengan enam manajer aset terbesar di dunia, termasuk BlackRock, Blackstone, Apollo, KKR, Brookfield, dan Goldman Sachs. Tujuannya adalah mengumpulkan dana sebesar $500 miliar untuk membiayai pembangunan pusat data dan kluster GPU bagi perusahaan-perusahaan yang tidak memiliki peringkat kredit atau cukup modal untuk membeli silicon yang berharga jutaan dollar.
Kunci dari rencana ini, seperti yang diungkapkan Huang dalam sebuah segmen CNBC, adalah asumsi bahwa unit pemrosesan grafis (GPU) Nvidia akan mempertahankan nilainya seiring waktu. Dia berharap GPU ini akan berfungsi lebih seperti aset fisik tradisional daripada elektronik konsumen yang cepat menyusut nilainya.
Huang menyatakan, “Platform pabrik AI Nvidia benar-benar adalah aset yang bisa diinvestasikan, aset infrastruktur.” Menurutnya, hal ini terjadi karena GPU dapat menghasilkan pendapatan dan digunakan oleh hampir semua penyedia layanan cloud, serta menjalankan setiap model AI yang ada.
Dalam konteks pembiayaan berbasis aset, bank biasanya meminjamkan uang karena jika peminjam gagal bayar, bank bisa menyita aset seperti gedung atau kapal dan menjualnya untuk mendapatkan kembali uang mereka. Aset fisik ini memiliki pasar sekunder yang terjamin dan dapat bertahan hingga puluhan tahun.
Namun, masa guna produksi GPU terbaru masih menjadi tanda tanya. Meskipun chip baru ini menangani pelatihan model AI canggih, setelah beberapa tahun mereka akan beralih ke pekerjaan inferensi dengan margin lebih rendah. Perubahan ini langsung berpengaruh pada nilai jual kembali dan nilai jaminan yang dimiliki chip tersebut.
“Depresiasi adalah risiko utama di sini,” ungkap Ben Emons, pendiri FedWatch Advisors. Dia pernah merangkai pinjaman berbasis aset serupa dan menekankan bahwa chip Nvidia “bisa terdepresiasi lebih cepat dari yang diperkirakan.”
Risiko Tinggi dari Tiongkok?
Emons juga menyampaikan ancaman terbesar bagi model pembiayaan Nvidia datang dari Tiongkok, yang meningkatkan kapasitas komputasi domestik dengan cepat. Negara itu bisa menggenangi pasar dengan silicon berbiaya rendah dalam sebuah peperangan harga.
Jika produksi Tiongkok membuat harga perangkat keras jatuh, jaminan di balik pinjaman swasta bisa menurun lebih cepat daripada syarat utang itu sendiri, sehingga mengancam investor mengalami kerugian. Untuk mengimbangi risiko ini, Emons memperkirakan investor akan memperlakukan GPU sebagai peralatan yang cepat terdepresiasi, alih-alih sebagai real estate, dengan imbal hasil tinggi sekitar 11% hingga 17%.
Di sisi lain, peminjam kemungkinan adalah perusahaan dengan peringkat di bawah investasi yang terpinggirkan dari pasar utang tradisional, termasuk startup AI dan neocloud. Jika peminjam yang berisiko ini mengalami kebangkrutan, manajer dana Wall Street harus menyita dan menjual chip bekas ke dalam pasar yang mungkin cenderung menurun.
Meskipun potensi risiko dari Tiongkok tidak akan terlihat dalam waktu dekat, Huawei, penyedia chip AI terbesar di Tiongkok, sudah terdaftar dalam Daftar Entitas Departemen Perdagangan AS sejak 2019. Pada bulan Mei lalu, pemerintah AS menyatakan bahwa chip AI Ascend dari Huawei melanggar kontrol ekspor, yang mencegah perusahaan Amerika untuk menggunakan chip tersebut.
Sementara itu, Nvidia tetap menjadi pemasok utama chip AI di AS, dengan estimasi pangsa pasar mencapai lebih dari 75%. Saat ini, situasi ekonomi masih menguntungkan Huang. Dipicu oleh kelangkaan karena penyedia layanan cloud besar berlomba-lomba untuk membangun kapasitas, tarif sewa untuk chip H100 Nvidia meningkat dari sekitar $1,70 per GPU-jam pada akhir 2025 menjadi sekitar $2,35 per GPU-jam tahun ini.
Yang menarik, Nvidia berargumen bahwa lapisan perangkat lunak CUDA, yang memungkinkan pengembang menjalankan beban kerja AI di GPU mereka, terus meningkatkan kinerja perangkat keras setelah diterapkan, memungkinkan chip yang lebih tua tetap produktif dan menghasilkan hasil lebih lama daripada yang diprediksi model akuntansi tradisional.
Keberhasilan pembangunan AI dan investasi senilai ratusan miliar dollar bisa sangat bergantung pada siapa yang benar dalam pandangan ini.
