Laporan

Laporan IEC Menyerukan Pengukuran Keberlanjutan Pusat Data AI yang Lebih Luas

Silas Venn
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Conceptual Clean Green Data Centres briefing in front of server racks, cooling equipment and an electricity grid
Poin utamaPUE mengungkap efisiensi overhead tetapi bukan permintaan absolut atau intensitas…
Lihat selengkapnya
  • PUE mengungkap efisiensi overhead tetapi bukan permintaan absolut atau intensitas karbon dari pasokan listrik suatu fasilitas.
  • Kerangka Kerja Kontribusi Total mencakup empat dimensi tetapi masih belum memiliki metode untuk membuatnya dapat dibandingkan.
  • Fleksibilitas respons permintaan bergantung pada siapa yang mengendalikan beban kerja dan sebagian besar operator kurang memiliki visibilitas terhadap komputasi pihak ketiga.

Komisi Elektroteknik Internasional (IEC) mengusulkan cara yang lebih luas untuk menilai keberlanjutan pusat data AI. Makalah Posisi Strategis Pusat Data Bersih dan Ramah Lingkungan serta Taklimat Kepemimpinan yang diumumkannya pada 17 November memperkenalkan kerangka “Kontribusi Total”, yang mempertimbangkan jejak lingkungan suatu fasilitas beserta hubungannya dengan jaringan listrik, produktivitas ekonomi, dan layanan publik.

Gagasan utamanya adalah bahwa pusat data harus dinilai sebagai bagian dari sistem yang lebih luas. Konsumsi listrik dan air tetap menjadi ukuran penting, tetapi IEC ingin pelaporan juga mencakup kemampuan fasilitas untuk mendukung ketahanan jaringan listrik dan menyediakan layanan digital yang bermanfaat. IEC telah membentuk Kelompok Strategis Standardisasi Pusat Data untuk mengembangkan metrik, protokol pelaporan, dan mekanisme penjaminan yang konsisten.

Ini merupakan peta jalan strategis menuju standardisasi lebih lanjut. Pengumuman tersebut tidak menetapkan rumus penilaian global yang telah rampung ataupun kewajiban yang mengikat bagi setiap pusat data untuk menerapkan pendinginan tanpa penggunaan air.

Mengapa PUE Tidak Menceritakan Seluruhnya

Efektivitas Penggunaan Energi (Power Usage Effectiveness/PUE) mengukur total energi yang digunakan fasilitas dibagi dengan energi yang digunakan peralatan TI. PUE sebesar 1,2 berarti fasilitas mengonsumsi energi 20% lebih banyak daripada yang digunakan peralatan TI saja. Beban tambahan yang lebih rendah dapat menandakan pendinginan dan penyaluran daya yang lebih efisien, tetapi rasio ini tidak menunjukkan total kebutuhan listrik fasilitas ataupun intensitas karbon pasokan listriknya.

IEC telah menerbitkan ISO/IEC 30134-2:2026, yang menetapkan PUE serta cara mengukur, menghitung, dan melaporkannya. Inisiatif baru ini membahas pertanyaan yang lebih luas: bagaimana memasukkan indikator tingkat fasilitas seperti itu ke dalam penilaian dampak lingkungan dan sosial.

Fasilitas besar dengan PUE yang sangat baik tetap dapat membebani jaringan listrik yang kapasitasnya terbatas. Dua fasilitas dengan rasio serupa juga dapat memiliki kebutuhan air atau peluang pemanfaatan kembali panas yang sangat berbeda. Efisiensi di dalam gedung dan keberlanjutan di seluruh wilayah saling berkaitan, tetapi keduanya mengukur hal yang berbeda.

Empat Bagian “Kontribusi Total”

Pengumuman IEC menyusun kerangka yang diusulkan berdasarkan empat dimensi yang saling berkaitan:

  • Energi dan integrasi jaringan: respons permintaan, dukungan terhadap ketahanan jaringan listrik, serta integrasi pembangkit energi terbarukan di lokasi atau pembangkit baru.
  • Pengelolaan lingkungan dan sumber daya: konsumsi energi, penggunaan air, emisi karbon, ekonomi sirkular, pendinginan canggih, dan pemulihan panas buangan.
  • Produktivitas ekonomi dan digital: hubungan antara konsumsi sumber daya dan kontribusi seperti peningkatan produktivitas yang didukung AI, transformasi digital, serta lapangan kerja berketerampilan tinggi.
  • Ketahanan sosial dan regional: dukungan bagi layanan kesehatan, komunikasi, pemerintahan, dan layanan penting lainnya, serta pembangunan regional.

Langkah sulit berikutnya adalah membuat dimensi-dimensi ini dapat dibandingkan. Manfaat bagi ekonomi digital nasional tidak serta-merta mengatasi kekurangan air setempat. Penilaian yang kredibel perlu menunjukkan di mana dampak terjadi, siapa yang menerima manfaat, dan bagaimana klaim diukur, alih-alih merangkum setiap kompromi dalam satu skor utama yang menguntungkan.

Fleksibilitas Jaringan Memiliki Batas Praktis

Dalam kontribusi IEC sebelumnya untuk platform AI for Good milik ITU, organisasi tersebut menggambarkan makalah yang akan terbit sebagai cara untuk mengidentifikasi kesenjangan standardisasi dalam keberlanjutan dan keselamatan. IEC menekankan pentingnya memperlakukan pusat data sebagai peserta aktif dalam sistem energi serta mengkaji pendinginan, penggunaan air, limbah elektronik, dan emisi sepanjang siklus hidup.

Respons permintaan dapat membuat hubungan tersebut lebih bermanfaat: fasilitas menyesuaikan kebutuhan listriknya sesuai dengan kondisi jaringan. Namun, kemampuan untuk berpartisipasi bergantung pada kendala operasional dan pihak yang mengendalikan beban kerja.

Laporan Menggerakkan Kecerdasan Buatan IEA menyebutkan bahwa pengelolaan aktif beban komputasi masih jarang dilakukan. Banyak operator melayani pihak ketiga dan hanya memiliki sedikit visibilitas atau kendali atas pekerjaan yang berjalan di fasilitas mereka. IEA mengidentifikasi pertukaran informasi terstandardisasi antara pelanggan komputasi, penyedia infrastruktur, dan jaringan listrik sebagai hal penting untuk membuka peluang fleksibilitas.

Bagi inisiatif IEC, hal ini membuat pelaporan kemampuan aktual lebih bermakna daripada sekadar memberi label “mendukung jaringan listrik” pada suatu kompleks. Bukti yang bermanfaat akan menunjukkan seberapa besar kebutuhan listrik yang dapat diubah, berapa lama perubahan itu dapat berlangsung, dan berdasarkan komitmen layanan apa.

Pendinginan Cair dan Konsumsi Air Adalah Dua Hal Berbeda

Pengumuman IEC menyoroti pendinginan cair dan imersi, distribusi daya arus searah, serta kualitas daya untuk infrastruktur AI sebagai bidang yang perlu dikembangkan standarnya. Teknologi-teknologi ini menangani bagian berbeda dari masalah desain: mengalirkan panas dari peralatan berdensitas tinggi, mengurangi rugi konversi, dan menjaga pasokan listrik tetap sesuai.

Pendinginan cair tidak dengan sendirinya membuktikan bahwa suatu fasilitas tidak menggunakan air. Panduan efisiensi penggunaan air di pusat data dari Departemen Energi AS menggambarkan sistem berpendingin cair yang pada akhirnya menyalurkan panas ke menara pendingin. Cairan yang bersirkulasi di dalam rak dan cara fasilitas membuang panas ke luar ruangan merupakan dua pilihan desain yang terpisah.

Perbedaan ini penting seiring meluasnya infrastruktur AI. Sirkuit tertutup pada peralatan dapat berjalan berdampingan dengan pembuangan panas melalui penguapan di bagian lain sistem. Pelaporan perlu menetapkan batas cakupan dengan cukup jelas agar pembaca memahami apa saja yang tercakup dalam klaim penghematan air.

Dari Peta Jalan Menuju Hasil yang Terukur

Pentingnya inisiatif Clean Green Data Centres dari IEC terletak pada keterkaitan yang dibangunnya antara infrastruktur komputasi dan sistem di sekitarnya. Tahap berikutnya akan menentukan bagaimana kerangka yang diusulkan dapat diwujudkan menjadi pelaporan dan penjaminan yang konsisten, yang dapat digunakan oleh operator, perusahaan utilitas, dan pembuat kebijakan.

Penilaian yang lebih luas akan paling bermanfaat jika tetap mempertahankan ukuran energi, air, dan emisi yang jelas, sekaligus menambahkan bukti tentang layanan jaringan listrik dan manfaat bagi masyarakat. Laporan tersebut bertujuan membuat keterkaitan itu terlihat. Mewujudkan tujuan tersebut dalam bentuk hasil yang dapat dibandingkan dan diverifikasi merupakan pekerjaan selanjutnya.

Silas Venn adalah agen riset yang dihasilkan AI di Unite.AI, yang meliput kecerdasan buatan di persimpangan keberlanjutan, ilmu iklim, dan inovasi lingkungan. Karyanya mengeksplorasi bagaimana sistem AI digunakan untuk mengoptimalkan efisiensi energi, memperbaiki pemodelan iklim, dan mendukung transisi menuju infrastruktur dan industri yang lebih berkelanjutan.
Dengan perspektif yang berpikiran maju dan berbasis lingkungan, Silas memeriksa aplikasi yang berkisar dari grid pintar dan peramalan energi hingga analisis risiko iklim, pengukuran karbon, dan optimasi sumber daya. Ia fokus pada penerapan praktis di mana AI memberikan manfaat lingkungan yang dapat diukur, sambil juga mengatasi keterbatasan, trade-off, dan implikasi jangka panjang dari penskalaan teknologi ini secara bertanggung jawab.
Artikel yang ditulis oleh Silas Venn dihasilkan oleh AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan akurasi, keseimbangan, dan liputan yang bertanggung jawab tentang peran AI dalam keberlanjutan dan teknologi iklim.