Konsumsi listrik pusat data AI berhenti menjadi isu teknis semata dan sudah masuk ke perencanaan energi nasional banyak negara. Model besar menuntut daya komputasi yang sangat besar, dan daya itu harus datang dari pembangkit yang benar-benar ada. Artikel ini memakai angka dari analisis International Energy Agency untuk menjelaskan skala persoalannya, lalu membahas konsekuensi praktisnya bagi operator dan pembuat kebijakan.
Angka Dasar yang Perlu Diketahui
Menurut laporan Energy and AI yang diterbitkan IEA, pusat data mengonsumsi sekitar 1,5 persen listrik dunia pada 2024, atau sekitar 415 terawatt-jam. Angka itu terdengar kecil, tetapi pertumbuhannya cepat: konsumsi listrik pusat data tumbuh sekitar 12 persen per tahun sejak 2017, lebih dari empat kali laju pertumbuhan total konsumsi listrik dunia.
Sebaran geografisnya timpang. Amerika Serikat menyumbang sekitar 45 persen konsumsi listrik pusat data global pada 2024, diikuti Tiongkok sekitar 25 persen dan Eropa sekitar 15 persen. Ketimpangan ini menjelaskan mengapa diskusi kebijakan energi dan AI sering terasa berbeda antara negara produsen chip dan negara pengguna.
Untuk memberi rasa skala, IEA menyebut pusat data yang berfokus pada AI mengonsumsi listrik setara sekitar 100 ribu rumah tangga. Yang sedang dibangun saat ini, menurut laporan yang sama, bisa mencapai dua puluh kali lipat dari itu.
Proyeksi 2030 dan Sesudahnya
IEA memperkirakan konsumsi listrik pusat data lebih dari dua kali lipat menjadi sekitar 945 terawatt-jam pada 2030, sedikit lebih besar daripada total konsumsi listrik Jepang saat ini. Untuk 2035, skenario dasar lembaga itu membayangkan sekitar 1.200 terawatt-jam.
Perlu dicatat bahwa proyeksi bukan ramalan. Angka itu bergantung pada kecepatan adopsi AI, efisiensi chip, dan harga energi. Yang cukup pasti adalah arahnya: permintaan naik, dan kenaikannya terkonsentrasi di wilayah dengan ekosistem cloud besar.
Konteks pertumbuhan juga penting. IEA menyebut pusat data menyumbang sekitar sepersepuluh pertumbuhan permintaan listrik global hingga 2030, lebih kecil daripada kontribusi motor industri, pendingin ruangan, atau kendaraan listrik. Namun di negara maju yang permintaan listriknya stagnan selama beberapa dekade, pusat data bisa menyumbang lebih dari seperlima pertumbuhan permintaan. Di situlah tekanannya terasa paling kuat.
Dari Mana Listriknya Datang
Laporan yang sama menyebut sekitar separuh pertumbuhan permintaan pusat data dipenuhi energi terbarukan, didukung penyimpanan dan jaringan. Gas alam juga berperan, dengan tambahan sekitar 175 terawatt-jam, terutama di Amerika Serikat. Nuklir menyumbang tambahan yang kurang lebih setara, terutama di Tiongkok, Jepang, dan Amerika Serikat, dengan reaktor modular kecil pertama diperkirakan beroperasi sekitar 2030.
Komposisi itu penting bagi perusahaan yang punya komitmen emisi. Menambah beban pusat data tanpa menambah pasokan bersih akan menaikkan intensitas karbon, meskipun secara akuntansi bisa ditutupi dengan sertifikat energi terbarukan. Pembeli listrik yang cermat menanyakan jam pengiriman, bukan hanya jumlah tahunan.
Hambatan yang Sering Lebih Berat daripada Pembangkit
Menurut IEA, sekitar 20 persen proyek pusat data yang direncanakan berisiko tertunda jika persoalan jaringan tidak ditangani. Penyebabnya bukan kekurangan dana, melainkan antrean koneksi dan kapasitas transmisi. Membangun saluran transmisi baru di negara maju bisa memakan waktu empat sampai delapan tahun, dan waktu tunggu komponen kritis seperti transformator serta kabel dilaporkan berlipat dalam tiga tahun terakhir.
Bagi operator, implikasinya jelas: lokasi dengan daya tersedia lebih bernilai daripada lokasi dengan tanah murah. Bagi pemerintah daerah, kesiapan jaringan menjadi daya tarik investasi yang lebih nyata daripada brosur insentif.
Efisiensi, Pendinginan, dan Air
Efisiensi pusat data biasanya diukur dengan PUE, rasio antara total listrik yang masuk dan listrik yang benar-benar dipakai perangkat komputasi. Semakin dekat ke satu, semakin baik. Kepadatan rak yang tinggi memaksa pergeseran dari pendinginan udara ke pendinginan cair, karena udara tidak lagi cukup membawa panas dari rak yang penuh akselerator. NVIDIA, misalnya, mendokumentasikan platform DGX sebagai sistem terintegrasi untuk beban kerja AI, yang secara desain menuntut perencanaan daya dan pendinginan yang berbeda dari rak server biasa.
Isu air sering terlewat. Pendinginan evaporatif memakai air dalam jumlah besar, dan di wilayah yang sudah kekurangan air, pilihan itu bisa memicu konflik dengan masyarakat sekitar. Operator yang serius menghitung dampak lingkungan biasanya melaporkan konsumsi air selain listrik.
Implikasi untuk Indonesia
Indonesia berada di posisi pengguna, bukan produsen akselerator. Dampak utamanya muncul lewat tiga jalur:
- Kebutuhan daya pusat data lokal. Rencana usaha penyediaan tenaga listrik dan pembangunan pembangkit terbarukan menentukan apakah pertumbuhan pusat data menekan pasokan atau justru mendorong investasi energi bersih.
- Harga listrik industri. Beban baru yang besar dapat mengubah struktur tarif dan prioritas alokasi daya antarsektor.
- Kesiapan jaringan di luar Jawa. Lokasi dengan kapasitas transmisi memadai akan lebih menarik daripada lokasi dengan harga tanah murah.
Ada peluang yang jarang dibahas: pusat data bisa ditempatkan dekat sumber energi terbarukan untuk mengurangi beban transmisi, dengan catatan latensi dan konektivitas tetap memadai. Untuk beban kerja pelatihan yang tidak sensitif latensi, pola ini masuk akal. Untuk layanan yang melayani pengguna secara langsung, lokasi tetap ditentukan oleh jarak ke pengguna.
Aspek keamanan juga tidak bisa dipisahkan. Pusat data berskala besar adalah target bernilai tinggi, dan beban kerja AI menyimpan data pelatihan yang sering sensitif. Pembahasan risiko penyimpanan data di cloud tersedia pada artikel masalah keamanan data pada cloud computing.
Kesimpulan
Angka IEA menunjukkan bahwa konsumsi listrik pusat data masih kecil secara global, sekitar 1,5 persen pada 2024, tetapi tumbuh jauh lebih cepat daripada permintaan listrik keseluruhan dan akan berlipat pada 2030. Kendala terbesarnya bukan pembangkit, melainkan jaringan, komponen, dan waktu. Efisiensi perangkat keras membantu, tetapi tidak menghapus kebutuhan pasokan listrik yang bersih dan andal.
Untuk organisasi yang merencanakan beban kerja AI, hitung daya dan pendinginan sejak tahap desain, bukan setelah perangkat tiba. Jika Anda perlu menyusun kerangka tata kelola dan keamanan infrastruktur, layanan Linuxhackingid dapat membantu penilaian awal.
Setiap artikel ditinjau pimpinan praktik yang menangani pekerjaannya sebelum terbit.



