Mengapa Data Center AI Menjadi Konsumen Energi Terbesar yang Pernah Ada

Satu sesi pelatihan model AI seperti GPT4 mengonsumsi sekitar 50 gigawatt jam listrik, setara dengan kebutuhan energi tahunan 40.000 rumah tangga. Dan itu baru satu model. Di seluruh dunia, ribuan model AI sedang dilatih setiap harinya. Inilah mengapa permintaan energi data center global diproyeksikan mencapai 945 terawatt jam pada 2030, hampir dua kali lipat dari kondisi saat ini.

Bagi para profesional IT, pemilik data center, penyedia layanan internet, system integrator, dan konsultan infrastruktur, angka ini bukan sekadar statistik. Ini adalah sinyal bahwa arsitektur energi data center yang selama ini digunakan sudah mendekati batas kemampuannya. Artikel ini membahas secara rinci mengapa AI mengubah lanskap konsumsi energi data center secara fundamental, apa yang mendorong lonjakan ini, dan bagaimana industri harus bersiap menghadapinya.

Skala Masalah: Dari Data Center Konvensional ke Data Center AI

Data center tradisional yang menjalankan aplikasi bisnis, email, dan penyimpanan cloud biasa memiliki pola konsumsi energi yang relatif stabil dan dapat diprediksi. Server CPU standar bekerja dengan efisiensi tinggi untuk beban kerja yang tidak terlalu intensif secara komputasi.

Data center AI beroperasi dengan logika yang sangat berbeda. Menurut laporan International Energy Agency (IEA) berjudul Energy and AI, konsumsi listrik global dari data center diperkirakan lebih dari dua kali lipat menjadi sekitar 945 terawatt jam pada 2030, dari 415 terawatt jam pada 2024. Angka ini setara dengan lebih dari dua kali lipat konsumsi tahun 2024, dengan Amerika Serikat mencatat kenaikan terbesar diikuti oleh Tiongkok.

Yang lebih mengejutkan, listrik yang digunakan oleh data center yang dioptimalkan untuk AI diproyeksikan tumbuh lebih dari empat kali lipat hingga 2030, jauh melampaui pertumbuhan data center konvensional. Ini menunjukkan bahwa beban kerja AI, bukan pertumbuhan data center secara umum, adalah pendorong utama krisis energi ini.

Dari 2024 hingga 2030, konsumsi listrik data center tumbuh sekitar 15 persen per tahun, lebih dari empat kali lebih cepat dibandingkan pertumbuhan konsumsi listrik total dari semua sektor lainnya. Sementara itu, konsumsi listrik pada server akselerasi (accelerated servers) yang terutama didorong oleh adopsi AI diproyeksikan tumbuh 30 persen setiap tahun dalam skenario dasar, sedangkan pertumbuhan konsumsi listrik server konvensional jauh lebih lambat yaitu 9 persen per tahun.

Mengapa AI Jauh Lebih Boros Energi Dibanding Beban Kerja IT Tradisional

Ada beberapa alasan teknis mendasar mengapa beban kerja AI, terutama pelatihan dan inferensi model bahasa besar, mengonsumsi energi jauh lebih besar dibanding aplikasi IT konvensional.

1. Kepadatan Daya Chip yang Ekstrem

GPU generasi terbaru yang digunakan untuk pelatihan AI, seperti kelas Nvidia H100 dan Blackwell, membutuhkan daya per unit yang jauh lebih tinggi dibanding CPU server biasa. Satu rack server AI modern dapat menarik daya puluhan hingga ratusan kilowatt, dibandingkan rack server tradisional yang biasanya hanya membutuhkan beberapa kilowatt. Kepadatan daya inilah yang memaksa operator data center merombak seluruh desain kelistrikan dan pendinginan fasilitas mereka.

2. Pelatihan Model yang Berjalan Tanpa Henti

Melatih model bahasa besar bukan proses sekali jalan. Model dilatih ulang, disesuaikan (fine tuned), dan diuji berulang kali selama berminggu-minggu hingga berbulan bulan, dengan ribuan GPU bekerja secara paralel dan terus menerus pada beban puncak. Berbeda dengan aplikasi bisnis yang memiliki pola beban naik turun sepanjang hari, klaster pelatihan AI cenderung beroperasi pada utilisasi tinggi secara konstan.

3. Inferensi yang Terus Bertambah

Setelah model selesai dilatih, fase inferensi atau proses menjawab permintaan pengguna secara real time juga mengonsumsi energi signifikan, apalagi ketika jumlah pengguna dan volume permintaan terus meningkat. Menurut World Economic Forum, meskipun pelatihan model merupakan tahap paling intensif energi, inferensi AI atau proses menjalankan dan mengaplikasikan model tersebut juga mengonsumsi energi signifikan dalam skala besar. Berbeda dengan pelatihan yang bersifat sementara, inferensi berjalan terus menerus selama layanan AI digunakan oleh jutaan pengguna di seluruh dunia.

4. Kebutuhan Pendinginan yang Meningkat Tajam

Semakin padat daya sebuah rack, semakin besar pula panas yang dihasilkan. Sistem pendinginan udara konvensional tidak lagi memadai untuk rack berdensitas tinggi, sehingga banyak operator beralih ke pendinginan cairan langsung ke chip (direct to chip liquid cooling) atau immersion cooling. Sistem pendinginan ini sendiri menambah konsumsi energi keseluruhan fasilitas, meskipun secara rasio efisiensi bisa lebih baik dibanding pendinginan udara pada beban tinggi.

Dampak Regional: Amerika Serikat dan Tiongkok Memimpin Lonjakan

Amerika Serikat dan Tiongkok bersama sama merepresentasikan hampir 80 persen dari proyeksi pertumbuhan global. Di Amerika Serikat, konsumsi listrik data center diperkirakan meningkat hingga 240 terawatt jam, naik 130 persen dibanding level 2024, sementara Tiongkok diperkirakan tumbuh 175 terawatt jam, naik 170 persen dibanding 2024.

Di Eropa, pertumbuhan sekitar 45 terawatt jam diproyeksikan, naik 70 persen, sementara Jepang diperkirakan tumbuh sekitar 15 terawatt jam, lonjakan lebih dari 80 persen. Bahkan lebih mencolok lagi, di Amerika Serikat, pada akhir dekade ini negara tersebut diperkirakan akan mengonsumsi lebih banyak listrik untuk data center dibandingkan produksi aluminium, baja, semen, bahan kimia, dan seluruh barang intensif energi lainnya digabungkan.

Bagi ISP dan penyedia infrastruktur di kawasan Asia Tenggara termasuk Indonesia, tren ini penting diperhatikan. Ekspansi kapasitas AI di Amerika Serikat dan Tiongkok akan mendorong persaingan global untuk sumber daya kritis seperti chip, transformator, dan kapasitas jaringan listrik, yang pada akhirnya memengaruhi rantai pasok dan biaya pembangunan data center di kawasan lain.

Batas Jaringan Listrik: Bottleneck yang Sesungguhnya

Salah satu tantangan terbesar bukan hanya soal berapa banyak energi yang dibutuhkan, tetapi apakah jaringan listrik (grid) mampu menyalurkannya. Banyak proyek data center hyperscale saat ini tertahan bukan karena kurangnya modal atau lahan, melainkan karena antrean panjang untuk mendapatkan sambungan ke jaringan transmisi listrik. Di beberapa wilayah di Amerika Serikat dan Eropa, waktu tunggu untuk interkoneksi grid baru bisa mencapai beberapa tahun.

Inilah sebabnya semakin banyak operator data center mempertimbangkan solusi daya di luar grid publik (behind the meter), termasuk pembangkit gas alam khusus, tenaga nuklir modular kecil (small modular reactor), dan kontrak pembelian energi terbarukan jangka panjang secara langsung dengan pengembang pembangkit.

Menurut IEA, energi terbarukan dan gas alam menjadi sumber utama untuk memenuhi kebutuhan listrik data center, dengan separuh dari pertumbuhan global permintaan data center dipenuhi oleh energi terbarukan yang didukung oleh penyimpanan dan jaringan listrik yang lebih luas. Sementara itu, gas alam tetap memainkan peran penting sebagai sumber energi yang dapat diandalkan (dispatchable), terutama untuk memenuhi lonjakan permintaan jangka pendek yang tidak bisa dipenuhi hanya oleh energi terbarukan.

Apa Artinya Bagi Pemilik Data Center dan System Integrator

Bagi pemilik dan operator data center, tren ini menuntut perubahan pendekatan perencanaan kapasitas secara mendasar. Beberapa implikasi praktis yang perlu segera dipertimbangkan meliputi hal hal berikut.

Pertama, perencanaan daya listrik harus dilakukan jauh lebih awal dalam siklus proyek, bahkan sebelum desain arsitektur IT selesai, karena ketersediaan pasokan listrik kini menjadi faktor pembatas utama, bukan lagi lahan atau modal.

Kedua, desain fasilitas perlu mengakomodasi kepadatan daya per rack yang jauh lebih tinggi dibanding standar lama, sehingga sistem kelistrikan, jalur kabel, dan sistem pendinginan harus dirancang ulang dari awal, bukan sekadar ditingkatkan (retrofit) dari fasilitas lama.

Ketiga, efisiensi energi menjadi metrik yang semakin krusial dalam persaingan bisnis. Metrik seperti Power Usage Effectiveness (PUE) kini menjadi indikator kompetitif yang memengaruhi biaya operasional jangka panjang dan daya tarik fasilitas bagi penyewa kolokasi maupun pelanggan cloud.

Keempat, konsultan dan system integrator perlu memperluas kompetensi mereka ke ranah kelistrikan dan mekanikal tingkat lanjut, bukan hanya arsitektur jaringan dan server. Proyek data center AI modern membutuhkan kolaborasi erat antara tim IT, tim kelistrikan, insinyur mekanikal, dan bahkan perusahaan utilitas listrik setempat.

Strategi Mitigasi yang Sedang Diadopsi Industri

Industri data center global merespons tantangan ini melalui beberapa jalur utama.

Pendinginan cairan (liquid cooling) semakin menjadi standar baru untuk fasilitas berdensitas tinggi, menggantikan pendinginan udara yang tidak lagi cukup efisien untuk rack AI modern. Teknologi ini mampu menangani beban panas yang jauh lebih besar dengan konsumsi energi pendinginan yang lebih efisien secara proporsional.

Optimalisasi chip dan software juga menjadi area investasi besar. Produsen chip terus mengembangkan arsitektur yang lebih efisien secara energi per unit komputasi, sementara pengembang software AI mengeksplorasi teknik seperti model quantization dan sparsity untuk mengurangi kebutuhan komputasi tanpa mengorbankan kualitas hasil.

Penjadwalan beban kerja yang cerdas turut membantu memindahkan beban komputasi yang tidak sensitif waktu ke periode ketika listrik lebih murah dan lebih bersih, misalnya saat produksi energi terbarukan sedang tinggi.

Kontrak energi jangka panjang langsung dengan produsen listrik, termasuk kesepakatan pembelian daya nuklir dan energi terbarukan, semakin banyak digunakan oleh perusahaan teknologi besar untuk mengamankan pasokan energi yang stabil dan dapat diprediksi selama puluhan tahun ke depan.

Kesimpulan: Energi Sebagai Faktor Penentu Masa Depan AI

Pertumbuhan AI tidak akan melambat dalam waktu dekat, dan konsekuensinya terhadap kebutuhan energi data center akan terus meningkat seiring waktu. IEA menegaskan bahwa AI akan menjadi pendorong paling signifikan dari peningkatan konsumsi energi data center di seluruh dunia. Bagi para profesional IT, pemilik data center, ISP, system integrator, dan konsultan infrastruktur, memahami dinamika ini bukan lagi opsional melainkan kebutuhan strategis.

Fasilitas yang mampu beradaptasi lebih cepat terhadap tuntutan daya tinggi, efisiensi energi, dan fleksibilitas sumber listrik akan memiliki keunggulan kompetitif signifikan dalam beberapa tahun ke depan. Sebaliknya, fasilitas yang masih mengandalkan arsitektur kelistrikan dan pendinginan lama berisiko tertinggal, baik dari sisi kapasitas maupun biaya operasional.

Pertanyaannya kini bukan lagi apakah data center perlu beradaptasi dengan era AI, melainkan seberapa cepat industri mampu melakukannya sebelum keterbatasan energi menjadi hambatan nyata bagi pertumbuhan AI itu sendiri.