Malaysia Pakai Data Konsumsi Listrik Data Center Buru Penyelundupan GPU AI

Telset.id – Malaysia bersiap menerapkan undang-undang baru yang mewajibkan operator data center melaporkan impor AI accelerator dan konsumsi listrik mereka. Langkah ini diambil untuk mencegah pengalihan perangkat keras yang dibatasi ke negara seperti China, sekaligus mengoptimalkan pemanfaatan infrastruktur listrik nasional. Rencana tersebut pertama kali dilaporkan Malay Mail dan dikonfirmasi Menteri Investasi, Perdagangan, dan Industri Malaysia Datuk Seri Johari Abdul Ghani pada Kamis lalu.

Kebijakan ini muncul setelah otoritas Malaysia mengakui adanya celah yang dimanfaatkan sejumlah perusahaan. Johari menyatakan beberapa perusahaan menyewa ruang di data center Malaysia untuk mengimpor GPU secara legal, lalu mengirimkannya ke luar negeri melalui operasi penyelundupan. Karena itu, Kementerian Digital Malaysia kini meninjau peraturan yang ada untuk menentukan apakah otoritas lokal dapat mengambil tindakan terhadap entitas yang mengekspor ulang prosesor yang tunduk pada larangan ekspor Amerika Serikat. Johari menegaskan Malaysia ingin AI accelerator yang diimpor ke negaranya digunakan untuk kebutuhan domestik.

Rancangan undang-undang tersebut akan mewajibkan operator data center mengungkapkan jumlah GPU yang mereka impor, konsumsi daya, lokasi fisik fasilitas, serta identitas operator dan pelanggan hyperscale. Pemerintah Malaysia berniat memantau operasional data center sepanjang siklus hidupnya, bukan hanya membatasi pengawasan pada tahap persetujuan proyek. Pendekatan ini menandai pergeseran dari model pengawasan konvensional menuju pemantauan berkelanjutan.

Selain kewajiban pelaporan, operator data center juga harus membayar seluruh kapasitas listrik yang mereka pesan, terlepas dari konsumsi daya aktual. Sebagai contoh, jika sebuah data center memesan kapasitas 100 MW tetapi hanya memakai 50 MW, operatornya tetap harus membayar sisa 50 MW. Aturan ini dimaksudkan untuk mencegah perusahaan memesan kapasitas listrik yang mungkin baru dibutuhkan satu hingga tiga tahun ke depan. Kebijakan itu sekaligus menjadi pengendali tambahan agar perangkat AI tidak dialihkan ke China dengan dalih digunakan di Malaysia.

Keterbatasan Deteksi Berbasis Konsumsi Daya

Meski gagasan menggunakan konsumsi daya untuk mendeteksi potensi penyelundupan GPU punya dasar, pendekatan ini menyimpan celah. Data konsumsi listrik bisa membantu otoritas Malaysia menemukan ketidaksesuaian mencurigakan antara impor GPU AI dan operasional data center yang sebenarnya. Namun, hampir mustahil menentukan jumlah AI accelerator yang benar-benar beroperasi di sebuah fasilitas hanya berdasarkan konsumsi daya.

Contohnya, GPU Nvidia H100 dan H200 SXM memiliki rating daya 700W, sementara akselerator B200 SXM tercatat 1.000W. Keduanya belum tentu mengonsumsi daya sesuai rating tersebut saat menjalankan beban kerja aktual. Tanpa pengetahuan tentang konfigurasi server, konsumsi daya CPU, memori, penyimpanan, perangkat jaringan, atau power usage effectiveness (PUE) fasilitas tertentu, setiap perkiraan jumlah GPU yang beroperasi akan sangat tidak presisi.

Faktor lain yang memperumit adalah jeda waktu antara impor GPU dan penerapan aktualnya. Verifikasi yang andal disebut memerlukan audit inventaris fisik atau mekanisme lain untuk melacak prosesor secara individual. Johari menyatakan otoritas Malaysia siap bekerja sama dengan pihak Amerika Serikat dan memberikan informasi tentang fasilitas yang menampung GPU tertentu jika diminta. Namun, ia tidak merinci apakah undang-undang baru akan mewajibkan operator mengungkap model dan nomor seri GPU, atau apakah otoritas akan melakukan inspeksi langsung di lokasi.

Malaysia sendiri telah menjadi tujuan utama investasi data center di Asia Tenggara seiring ekspansi penyedia layanan cloud dan perusahaan infrastruktur AI di kawasan. Hingga saat ini, otoritas Malaysia telah menyetujui 117 proyek data center, dengan 55 di antaranya sudah beroperasi, menurut Johari. Pertumbuhan data center AI lokal itulah yang membuat Malaysia menjadi lokasi strategis untuk mengalihkan perangkat keras terbatas ke negara seperti China, karena menyembunyikan jarum di tumpukan jarum jauh lebih mudah daripada di tumpukan jerami.

Bukti Statistik Pemakaian Blackwell di Model AI China

Isu penyelundupan ini bersinggungan langsung dengan temuan terbaru dari UnemploymentLabs, sebuah lembaga riset independen. Mereka mengklaim memiliki bukti kuat bahwa chip Nvidia Blackwell dipakai untuk melatih model AI open-weight asal China, termasuk DeepSeek V4, Kimi K3.1, MiniMax-M3, dan Ling-3.1-Flash. Para peneliti berhati-hati dalam menyimpulkan bahwa perhitungan matematis mereka konsisten, tetapi tidak mengungkap lokasi chip, cara aksesnya, atau membuktikan bahwa kontrol ekspor telah dilanggar. Sepanjang yang bisa dipastikan, merentalkan perangkat keras Blackwell di luar negeri saat ini tidak ilegal bagi perusahaan China.

Metode identifikasi ini hanya berlaku untuk model dengan bobot terbuka dan bergantung pada tumpukan perangkat keras serta perangkat lunak yang dipakai untuk pelatihan. Pendekatannya cukup sederhana. Pertama, setiap keluarga AI accelerator memiliki jumlah shader module (SM) yang unik, mirip dengan inti CPU. Chip Hopper Nvidia memiliki 132 SM, Blackwell seri B memiliki 148 SM, dan Blackwell GB memiliki 152 SM. Kedua, meski ada lebih dari satu tumpukan perangkat lunak untuk melatih model AI, PyTorch dan rekan-rekan yang mendukung CUDA paling banyak digunakan pada perangkat keras Nvidia.

Langkah awal pelatihan model adalah inisialisasi bobot, yaitu seberapa kuat model mempertimbangkan setiap input. Pada arsitektur LLM modern, inisialisasi melewati proses pengacakan yang menyesuaikan nilai secara pseudo-random menggunakan cuRAND. Artinya, nilai awal seed yang sama akan menghasilkan angka penyesuaian yang sama setiap kali. Proses ini membutuhkan komputasi besar sehingga disebar ke seluruh SM dan dibagi lagi menjadi thread. Untuk kumpulan bobot besar, jumlah thread per SM adalah 2.048 untuk silikon Blackwell dan Hopper.

Para peneliti mengulang proses inisialisasi tiruan menggunakan chip, perangkat lunak, dan jumlah thread yang sama. Lewat analisis statistik sederhana, mereka menemukan distribusi akhir nilai bobot sangat cocok dengan milik DeepSeek, Kimi, dan model lainnya. Ketika jumlah SM dan thread diubah, korelasinya langsung hilang. Metode ini memungkinkan mereka mengidentifikasi setiap keluarga chip Blackwell/Hopper yang dipakai untuk tiap model, dan memperkirakan jumlah kartu yang digunakan. Namun, mereka tidak bisa menentukan varian persis yang menghasilkan bobot tersebut karena analisis hanya terpaut pada jumlah layout inisialisasi, bukan kapasitas VRAM atau bandwidth memori. Untuk DeepSeek V4, mereka juga menyingkirkan kemungkinan penggunaan kartu AMD seperti MI300X lewat analisis nilai bobot aktual, yang tidak menghasilkan pola serupa.

Temuan ini memperkuat konteks di balik langkah Malaysia. Sebelumnya, otoritas Malaysia telah menyita chip AI selundupan dalam sejumlah operasi, termasuk Malaysia Sita Chip AI Nvidia senilai Rp195 miliar yang membongkar sindikat penyelundupan. Kasus-kasus itu menunjukkan bahwa jalur peredaran perangkat keras terbatas memang nyata dan melibatkan kawasan Asia Tenggara.

Pendekatan Malaysia lewat pelaporan impor dan konsumsi listrik adalah upaya menutup celah tanpa sepenuhnya mengandalkan pengawasan fisik. Namun, keterbatasan teknis dalam memetakan konsumsi daya ke jumlah GPU membuat kebijakan ini menghadapi ujian implementasi. Tanpa audit inventaris atau pelacakan nomor seri, data kelistrikan hanya bisa menjadi indikator awal, bukan alat verifikasi tunggal. Bagi pelaku industri data center di kawasan, aturan ini menandakan era baru pengawasan yang lebih ketat terhadap setiap watt yang dipesan dan setiap akselerator yang diimpor.

<