Meningkatnya Minat AI terhadap Kekuatan: Apakah Pusat Data Siap Mengimbanginya?

Seiring dengan pesatnya perkembangan kecerdasan buatan (AI), permintaan energinya membebani pusat data hingga mencapai titik puncaknya. Teknologi AI generasi berikutnya seperti AI generatif (genAI) tidak hanya mengubah industri—konsumsi energinya memengaruhi hampir setiap komponen server data—dari CPU dan memori hingga akselerator dan jaringan.

Aplikasi GenAI, termasuk Copilot milik Microsoft dan ChatGPT milik OpenAI, membutuhkan lebih banyak energi daripada sebelumnya. Pada tahun 2027, pelatihan dan pemeliharaan sistem AI ini saja dapat menghabiskan energi yang cukup besar. listrik untuk memberi daya pada negara kecil selama setahun penuh. Dan tren ini tidak melambat: selama dekade terakhir, permintaan daya untuk komponen seperti CPU, memori, dan jaringan diperkirakan akan tumbuh 160% pada tahun 2030, menurut sebuah Goldman Sachs melaporkan.

Penggunaan model bahasa yang besar juga menghabiskan energi. Misalnya, query ChatGPT menghabiskan sekitar sepuluh kali pencarian Google tradisional. Mengingat kebutuhan daya AI yang sangat besar, dapatkah kemajuan pesat industri ini dikelola secara berkelanjutan, atau akankah berkontribusi lebih lanjut terhadap konsumsi energi global? Laporan McKinsey baru-baru ini penelitian menunjukkan bahwa sekitar 70% dari lonjakan permintaan di pasar pusat data diarahkan ke fasilitas yang dilengkapi untuk menangani beban kerja AI tingkat lanjut. Pergeseran ini pada dasarnya mengubah cara pusat data dibangun dan dijalankan, karena pusat data beradaptasi dengan persyaratan unik dari tugas genAI berdaya tinggi ini.

“Pusat data tradisional sering kali beroperasi dengan peralatan yang sudah tua, boros energi, dan kapasitas tetap yang sulit beradaptasi dengan beban kerja yang berfluktuasi, sehingga menyebabkan pemborosan energi yang signifikan,” Mark Rydon, Chief Strategy Officer dan salah satu pendiri platform komputasi cloud terdistribusi Aethir, memberitahuku. “Operasi terpusat sering kali menciptakan ketidakseimbangan antara ketersediaan sumber daya dan kebutuhan konsumsi, yang membawa industri ke titik kritis di mana kemajuan dapat berisiko merusak tujuan lingkungan karena permintaan yang didorong oleh AI meningkat.”

Para pemimpin industri kini menghadapi tantangan ini secara langsung, berinvestasi dalam desain yang lebih ramah lingkungan dan arsitektur hemat energi untuk pusat data. Upaya yang dilakukan mulai dari mengadopsi sumber energi terbarukan hingga menciptakan sistem pendinginan yang lebih efisien yang dapat mengimbangi sejumlah besar panas yang dihasilkan oleh beban kerja genAI.

Merevolusi Pusat Data untuk Masa Depan yang Lebih Hijau

Lenovo baru-baru ini memperkenalkan Pikirkan Sistem N1380 Neptunus, sebuah lompatan maju dalam teknologi pendinginan cair untuk pusat data. Perusahaan menegaskan bahwa inovasi tersebut telah memungkinkan organisasi untuk menerapkan komputasi berdaya tinggi untuk beban kerja genAI dengan penggunaan energi yang jauh lebih rendah — hingga 40% lebih sedikit daya di pusat data. N1380 Neptune, memanfaatkan perangkat keras terbaru NVIDIA, termasuk GPU Blackwell dan GB200, yang memungkinkan penanganan model AI triliun parameter dalam pengaturan yang ringkas. Lenovo mengatakan bahwa mereka bertujuan untuk membuka jalan bagi pusat data yang dapat mengoperasikan rak server 100KW+ tanpa memerlukan pendingin udara khusus.

“Kami mengidentifikasi persyaratan penting dari konsumen kami saat ini: pusat data mengonsumsi lebih banyak daya saat menangani beban kerja AI karena arsitektur pendinginan yang sudah ketinggalan zaman dan kerangka struktural tradisional,” Robert Daigle, Direktur Global AI di Lenovo, memberitahuku. “Untuk memahami hal ini dengan lebih baik, kami berkolaborasi dengan pelanggan komputasi kinerja tinggi (HPC) untuk menganalisis konsumsi daya mereka, yang membawa kami pada kesimpulan bahwa kami dapat mengurangi penggunaan energi hingga 40%.” Dia menambahkan bahwa perusahaan memperhitungkan faktor-faktor seperti daya kipas dan konsumsi daya unit pendingin, membandingkannya dengan sistem standar yang tersedia melalui layanan penilaian pusat data Lenovo, untuk mengembangkan arsitektur pusat data baru dalam kemitraan dengan Nvidia.

Perusahaan konsultan teknologi informasi yang berbasis di Inggris SAYA TELAH, mengatakan pihaknya memanfaatkan analisis prediktif untuk mengidentifikasi masalah dengan kompresor pusat data, motor, peralatan HVAC, penangan udara, dan banyak lagi.

“Kami menemukan bahwa pra-pelatihan AI generatiflah yang menghabiskan banyak daya,” Jim Chappell, Kepala AI & Analisis Lanjutan AVEVA, memberitahuku. "Melalui sistem berbasis AI prediktif kami, kami bertujuan untuk menemukan masalah jauh sebelum SCADA atau sistem kontrol apa pun, yang memungkinkan operator pusat data untuk memperbaiki masalah peralatan sebelum menjadi masalah besar. Selain itu, kami memiliki Vision AI Assistant yang terintegrasi secara native dengan sistem kontrol kami untuk membantu menemukan jenis anomali lainnya, termasuk titik panas suhu saat digunakan dengan kamera pencitraan panas."

Sementara itu, komputasi terdesentralisasi untuk pelatihan dan pengembangan AI melalui GPU melalui cloud muncul sebagai alternatif. rydon menjelaskan bahwa dengan mendistribusikan tugas komputasi ke seluruh jaringan yang lebih luas dan lebih adaptif, penggunaan energi dapat dioptimalkan, dengan menyelaraskan permintaan sumber daya dengan ketersediaan—yang mengarah pada pengurangan substansial dalam pemborosan sejak awal.

“Daripada bergantung pada pusat data terpusat yang besar, infrastruktur 'Edge' kami menyebarkan tugas komputasi ke node yang lebih dekat dengan sumber data, yang secara drastis mengurangi beban energi untuk transfer data dan menurunkan latensi,” kata Rydon. “Jaringan Aethir Edge meminimalkan kebutuhan pendinginan daya tinggi yang konstan, karena beban kerja didistribusikan ke berbagai lingkungan daripada terkonsentrasi di satu lokasi, membantu menghindari sistem pendinginan yang boros energi seperti yang umum terjadi di pusat data.”

Demikian pula dengan perusahaan-perusahaan termasuk Amazon dan Google bereksperimen dengan sumber energi terbarukan untuk mengelola kebutuhan daya yang meningkat di pusat data mereka. Microsoft, misalnya, berinvestasi besar dalam sumber energi terbarukan dan teknologi peningkatan efisiensi untuk mengurangi konsumsi energi di pusat datanya. Google juga telah mengambil langkah untuk beralih ke energi bebas karbon dan mengeksplorasi sistem pendingin yang meminimalkan penggunaan daya di pusat data. “Tenaga nuklir mungkin merupakan jalur tercepat menuju pusat data bebas karbon. Penyedia pusat data utama seperti Microsoft, Amazon, dan Google sekarang berinvestasi besar-besaran dalam jenis pembangkit listrik masa depan ini. Dengan reaktor modular kecil (SMR), fleksibilitas dan waktu produksi menjadikan ini pilihan yang lebih layak untuk mencapai Net Zero,” menambahkan Chappell dari AVEVA.

Bisakah AI dan Keberlanjutan Pusat Data Hidup Berdampingan?

Ugur Tigli, CTO di platform infrastruktur AI minIO, mengatakan bahwa meskipun kita mengharapkan masa depan di mana AI dapat berkembang tanpa lonjakan besar dalam konsumsi energi, hal itu tidak realistis dalam jangka pendek. “Dampak jangka panjang lebih sulit diprediksi,” dia memberitahuku, “tetapi kita akan melihat pergeseran dalam tenaga kerja, dan AI akan membantu meningkatkan konsumsi energi secara menyeluruh.” Tigli yakin bahwa seiring efisiensi energi menjadi prioritas pasar, kita akan melihat pertumbuhan dalam komputasi seiring dengan penurunan penggunaan energi di sektor lain, terutama saat sektor tersebut menjadi lebih efisien.

Ia juga menunjukkan adanya peningkatan minat di kalangan konsumen terhadap solusi AI yang lebih ramah lingkungan. “Bayangkan sebuah aplikasi AI yang memiliki efisiensi 90% namun hanya menggunakan setengah daya—itulah jenis inovasi yang benar-benar dapat berhasil,” Jelas bahwa masa depan AI bukan hanya tentang inovasi—tetapi juga tentang keberlanjutan pusat data. Baik melalui pengembangan perangkat keras yang lebih efisien maupun cara yang lebih cerdas dalam menggunakan sumber daya, cara kita mengelola konsumsi energi AI akan sangat memengaruhi desain dan operasional pusat data.

rydon menekankan pentingnya inisiatif di seluruh industri yang berfokus pada desain pusat data yang berkelanjutan, beban kerja AI yang hemat energi, dan berbagi sumber daya terbuka. “Ini adalah langkah penting menuju operasi yang lebih ramah lingkungan,” katanya. “Perusahaan yang menggunakan AI harus bermitra dengan perusahaan teknologi untuk menciptakan solusi yang mengurangi dampak lingkungan. Dengan bekerja sama, kita dapat mengarahkan AI menuju masa depan yang lebih berkelanjutan.”