Pertumbuhan AI Mengubah Permintaan Listrik
Sistem AI membutuhkan lebih dari sekedar perangkat lunak. Mereka bergantung pada chip-performa tinggi, server, memori, peralatan jaringan, sistem pendingin, dan infrastruktur-pusat data yang beroperasi sepanjang waktu.
Bagi banyak orang, “kekuatan komputasi AI” terdengar abstrak. Permintaan energi menjadi lebih jelas ketika melihat konsumsi daya dari chip itu sendiri.
Akselerator{0}}NVIDIA H100 kelas atas dapat menghabiskan daya hingga700Wdalam konfigurasi SXM-nya. Versi PCIe NVIDIA biasanya diberi peringkat sekitar350–400W. Akselerator AI berkepadatan tinggi generasi baru-bergerak lebih jauh lagi: NVIDIA telah menerbitkan angka TGP maksimum hingga1,200Wuntuk produk kelas-Blackwell Ultra.
Instinct MI300X dari AMD, akselerator AI lain yang banyak digunakan untuk pelatihan dan inferensi-model besar, memiliki daya board tipikal hingga750W. Model akselerator AMD yang lebih baru juga telah memasuki pasar1,000Wrentang daya.
Akselerator Intel Gaudi 3 OAM memiliki rating hingga900W, yang menggambarkan seberapa cepat-perangkat keras AI berperforma tinggi bergerak menuju konsumsi daya-tingkat kilowatt per akselerator.
Angka-angka ini hanya mengacu pada akselerator AI itu sendiri. Server AI sebenarnya juga mencakup CPU, memori, NVLink atau-interkoneksi berkecepatan tinggi lainnya, penyimpanan, kartu jaringan, kipas pendingin, dan kehilangan-konversi daya.
Misalnya, server GPU 8-yang menggunakan akselerator kelas 700W mungkin memerlukan:
Sekitar5,6kWuntuk GPU saja
Lain1,5–3kWuntuk CPU, memori, jaringan, penyimpanan, dan pendinginan internal
Dengan kasar7–9kWdari total daya server di bawah beban tinggi
Dengan akselerator kelas-generasi 1.000W-berikutnya, satu server AI dapat dengan mudah berpindah ke10–15kWjangkauan. Pada skala besar, hal ini menciptakan tantangan energi yang sangat berbeda dari tantangan TI perusahaan tradisional.
Daya Komputasi Membutuhkan Energi yang Andal
Beban kerja AI sering kali bersifat terus-menerus, intensif, dan sensitif terhadap gangguan.
Pelatihan-model besar dapat berjalan selama berhari-hari atau bahkan berminggu-minggu. Layanan inferensi, asisten AI, sistem visi industri, dan platform pengambilan keputusan yang cerdas memerlukan respons yang stabil dan segera. Gangguan listrik jangka pendek dapat memengaruhi kemajuan pelatihan, pemrosesan data, ketersediaan layanan, dan operasi bisnis.
Artinya, infrastruktur AI memerlukan lebih dari sekadar “listrik yang cukup”. Dibutuhkan energi yaitu:
Dapat diandalkan dan stabil
Dapat diskalakan seiring meningkatnya permintaan komputasi
Efisien dalam penyaluran daya dan pendinginan
Cukup fleksibel untuk mengelola permintaan puncak
Berkelanjutan dalam jangka panjang
Pasokan jaringan listrik tradisional tetap penting, namun meningkatnya permintaan listrik memberikan tekanan yang lebih besar pada jaringan listrik, trafo lokal, sistem pendingin, dan-manajemen beban puncak.
Dari Chip Individual hingga Permintaan Skala-Pusat Data-
Dampaknya menjadi lebih signifikan ketika chip AI diterapkan dalam skala besar.
Cluster AI kecil dengan 100 server-performa tinggi mungkin sudah memerlukan hampir semua kebutuhan1MW daya TI, tergantung pada konfigurasi chip dan beban pengoperasian. Cluster pelatihan AI yang besar dengan ribuan akselerator memerlukan puluhan megawatt.
Itu sebelum mempertimbangkan pendinginan, distribusi listrik, sistem UPS, penerangan, pompa, dan infrastruktur pendukung lainnya.
Total permintaan fasilitas sering kali diukur melalui PUE, atau Efektivitas Penggunaan Daya. Jika pusat data AI memiliki beban TI sebesar 1 MW:
Pada PUE1.20, total kebutuhan listrik fasilitas adalah sekitar1,20MW
Pada PUE1.35, total kebutuhan listrik fasilitas adalah sekitar1,35MW
Pada PUE1.50, total permintaan listrik fasilitas meningkat menjadi sekitar1,50MW
Seiring meningkatnya kepadatan rak, sistem-pendingin udara tradisional juga menjadi kurang praktis. Inilah sebabnya mengapa pendingin cair,-distribusi tegangan tinggi, penyimpanan energi, dan sistem manajemen-daya cerdas menjadi bagian utama dari perencanaan infrastruktur AI.
AI dan Energi Terbarukan Berkembang Bersama
AI dan energi terbarukan bukanlah tren yang terpisah. Mereka semakin terhubung.
AI dapat meningkatkan prakiraan tenaga surya, mengidentifikasi kesalahan peralatan, mengoptimalkan pengisian dan pengosongan baterai, mengelola harga listrik, dan membantu operator mengambil keputusan yang lebih baik di seluruh sistem energi yang kompleks.
Pada saat yang sama, energi terbarukan dapat membantu mendukung meningkatnya permintaan listrik yang disebabkan oleh AI.
Tenaga surya sangat cocok untuk transisi ini karena bersifat modular, terukur, dan tersedia secara luas. Sistem PV di atap,-proyek tenaga surya yang dipasang di darat, dan solusi energi terdistribusi semuanya dapat membantu pusat data, pabrik, bangunan komersial, dan kawasan industri mengurangi ketergantungan mereka pada jaringan listrik konvensional.
Ketika tenaga surya digabungkan dengan penyimpanan energi, nilainya menjadi lebih besar.
Pada siang hari, tata surya dapat menyuplai sebagian beban fasilitas atau mengisi daya sistem baterai. Selama periode-permintaan puncak, penyimpanan dapat melepaskan listrik untuk mengurangi tekanan jaringan dan membatasi biaya permintaan. Di beberapa lokasi, sistem-plus-penyimpanan tenaga surya juga dapat meningkatkan ketahanan daya dan memberikan dukungan cadangan untuk beban kritis.
Dari Konsumsi Energi hingga Kecerdasan Energi
Infrastruktur AI generasi berikutnya tidak boleh hanya mengonsumsi lebih banyak energi. Pemerintah harus menggunakan energi dengan lebih cerdas.
Sistem energi yang lebih cerdas dapat mengoordinasikan pembangkitan PV, penyimpanan baterai, pasokan jaringan listrik, peralatan pendingin, dan beban kerja AI secara real-time.
Misalnya, tugas pelatihan AI yang tidak mendesak mungkin dijadwalkan selama periode pembangkit listrik tenaga surya yang kuat atau harga listrik yang lebih rendah. Sistem baterai dapat mendukung beban puncak-durasi pendek. Platform pengelolaan energi-yang cerdas dapat menyeimbangkan permintaan daya antara peralatan komputasi, sistem pendingin, dan jaringan listrik.
Hal ini menciptakan hubungan yang lebih efisien antara daya komputasi dan sumber daya energi.
Daripada memperlakukan listrik sebagai input tetap, infrastruktur-era AI dapat mengelola energi secara dinamis melalui data, otomatisasi, dan kontrol cerdas.
Membangun Masa Depan AI yang Lebih Ramah Lingkungan
Pertumbuhan AI tidak bisa dihindari. Pertanyaan kuncinya adalah bagaimana memberdayakannya secara bertanggung jawab.
Saat chip AI berperforma tinggi-berubah dari beberapa ratus watt menuju tingkat daya kelas-1.000W, pasokan energi, pendinginan, kapasitas jaringan, dan emisi karbon akan menjadi bagian yang semakin penting dalam pengembangan AI.
Masa depan AI tidak boleh hanya ditentukan oleh chip yang lebih cepat dan model yang lebih besar. Hal ini juga harus ditandai dengan listrik yang lebih bersih, sistem energi yang lebih efisien, dan manajemen daya yang lebih cerdas.
PV surya,penyimpanan energi, dan manajemen energi yang cerdas dapat membantu menciptakan landasan bagi era AI yang lebih ramah lingkungan.
Melalui kabel fotovoltaik, konektor, sistem penyimpanan energi, dan solusi tenaga surya terintegrasi,-industri energi terbarukan dapat mendukung tahap pertumbuhan digital berikutnya-di mana komputasi canggih dan energi ramah lingkungan bergerak maju bersama-sama.
Era AI membutuhkan energi. Era energi membutuhkan kecerdasan. Bersama-sama, mereka dapat menciptakan masa depan yang lebih efisien, tangguh, dan berkelanjutan.