Penggunaan model AI terbaru ternyata menyimpan tantangan tersembunyi: lonjakan daya listrik yang bisa mencapai empat kali lipat hanya dalam 200 milidetik. Stabilitas energi pun kini menjadi sorotan utama seiring dengan pesatnya perkembangan teknologi kecerdasan buatan.
Profesor Teknik Mesin di National University of Singapore (NUS), Lee Poh Seng, menjelaskan bahwa teknologi AI generasi terbaru, seperti Lama 3.1 dengan delapan miliar parameter, tak hanya membutuhkan perangkat keras mumpuni, tetapi juga memicu pola konsumsi listrik yang ekstrem.
“Lonjakan daya bisa terjadi sangat cepat, hanya dalam 200 milidetik, dengan intensitas mencapai empat kali lipat dari pemakaian normal. Jika tidak diantisipasi, hal ini berpotensi mengganggu stabilitas sistem energi,” ungkap Lee dalam NeutraDC Summit 2025 di Nusa Dua, Bali, Senin (25/8).
Dalam beberapa tahun terakhir, inovasi perangkat keras menjadi fokus utama pengembangan AI, mulai dari GPU NVIDIA RTX 4090 hingga cip generasi terbaru seperti X200 dan Blackwell. Namun, Lee berpendapat bahwa tantangan terbesar justru terletak pada infrastruktur energi yang menopangnya.
“Penggunaan AI dengan miliaran parameter menyebabkan lonjakan listrik besar dalam hitungan milidetik. Artinya, infrastruktur daya harus dirancang untuk mendukung reliabilitas sistem, bukan hanya mengandalkan kecepatan cip,” tegasnya.
Lebih dari sekadar teknis, aspek keberlanjutan juga menjadi perhatian penting. Diskusi mengenai efisiensi energi kini meluas hingga pemanfaatan blockchain berbasis sistem kuantum. Teknologi kuantum diyakini mampu mendukung efisiensi energi, menyediakan algoritma pembayaran yang lebih transparan, serta mengintegrasikan mekanisme offset karbon. Tujuannya adalah menghasilkan solusi yang inovatif sekaligus ramah lingkungan.
Semih Ural, APAC – Africa Area Manager EAE Elektrik, menekankan pentingnya kolaborasi lintas sektor untuk mengatasi tantangan ini. Ia menilai bahwa ekosistem riset dan industri selama ini berjalan terpisah, padahal integrasi sangat diperlukan untuk mempercepat adopsi solusi berkelanjutan.
Ia mencontohkan Sustainable Tropical Data Center Testbed di NUS, yang selama lebih dari tiga tahun menjadi wadah kolaborasi antara akademisi, peneliti, dan pelaku industri. Platform ini memfasilitasi pengembangan bersama (co-innovation) solusi data center yang hemat energi dan siap diadopsi oleh industri.
“Riset di laboratorium biasanya dilakukan dalam lingkungan yang sangat terkendali. Namun, ketika diterapkan di dunia nyata, adopsi luas seringkali memakan waktu puluhan tahun. Melalui co-innovation platform, adopsi bisa dipercepat karena riset langsung diuji dengan tantangan praktis,” jelas Semih.
Semih menyoroti bahwa lonjakan daya listrik akibat AI bersifat burst workload, yaitu beban komputasi yang melonjak secara tiba-tiba. Oleh karena itu, strategi penjadwalan atau workload scheduling menjadi krusial untuk memastikan kebutuhan listrik selaras dengan kapasitas energi yang tersedia.
“Dengan pendekatan kolaboratif, kita dapat menyelaraskan jadwal beban kerja AI dengan ketersediaan energi. Ini memungkinkan performa tinggi tetap tercapai tanpa mengorbankan kestabilan sistem listrik,” ujarnya.
Menurutnya, integrasi antara daya, perangkat keras, dan algoritma AI akan menjadi kunci dalam mengatasi tantangan skala besar ini. Tanpa integrasi tersebut, pertumbuhan AI berpotensi menjadi beban serius bagi infrastruktur energi global.
Fenomena lonjakan listrik akibat AI modern menggarisbawahi bahwa era komputasi besar-besaran menuntut inovasi tidak hanya di bidang perangkat keras, tetapi juga di sektor energi dan keberlanjutan.
“Langkah selanjutnya adalah bagaimana kita dapat mengintegrasikan riset dan industri untuk menciptakan sistem AI yang tidak hanya mendorong inovasi, tetapi juga mendukung keberlanjutan,” pungkas Semih.
