Telset.id – Nvidia mengungkap bahwa dari setiap satu gigawatt listrik yang digunakan pusat data AI, hanya 70% yang benar-benar dipakai untuk pemrosesan AI. Sisanya, sekitar 30%, hilang akibat berbagai masalah infrastruktur dan sistem. Temuan ini menjadi sorotan utama dalam upaya membangun pusat data AI yang lebih efisien dan berkelanjutan ke depan.
Informasi tersebut disampaikan Nvidia melalui Vice President of Supercomputing, AI Cloud Infrastructure, and AI/HPC for EMEA, Rod Evans. Ia menjelaskan bahwa dari 30% listrik yang terbuang, sekitar 20% hilang melalui sistem pendingin, distribusi daya, dan konversi energi. Sementara 10% lainnya hilang akibat rak server yang salah konfigurasi, kegagalan sistem, serta proses restart.
Angka ini menunjukkan bahwa inefisiensi pusat data AI bukan sekadar persoalan teknis kecil, melainkan persoalan berskala besar yang berdampak langsung pada konsumsi daya. Dalam sebuah fasilitas berkapasitas satu gigawatt, jumlah listrik yang terbuang setara dengan kapasitas pembangkit listrik yang cukup besar.
Bottleneck Bukan Lagi Soal Chip
Salah satu temuan paling signifikan dari konferensi pers tersebut adalah pergeseran penyebab utama keterbatasan pusat data AI. Jika sebelumnya kekurangan chip dianggap sebagai hambatan utama, kini hambatan justru datang dari koneksi fasilitas ke jaringan listrik atau grid.
Rod Evans menyatakan bahwa pengguna bisa menandatangani kontrak untuk 100 megawatt, tetapi tidak pernah benar-benar mendapatkan daya sebesar itu. “Dengan sedikit keberuntungan, Anda akan mendapatkan 93 megawatt, dan pada waktu tertentu dalam sehari, bahkan lebih sedikit,” ujarnya.
Kondisi ini menyebabkan pusat data kekurangan daya, dengan sebagian di antaranya harus menunggu beberapa tahun untuk mendapatkan pasokan listrik yang sesuai dengan kapasitas mereka. Keterbatasan ini juga dipengaruhi oleh faktor lokasi.
Presiden EMEA Vertiv, Paul Ryan, menjelaskan bahwa di beberapa lokasi seseorang bisa mendapatkan daya listrik tetapi tidak mendapatkan izin. “Di tempat lain, izin diberikan dengan cepat, tetapi tidak ada daya listrik. Dan kadang keduanya tersedia, tetapi lokasinya begitu terpencil sehingga peralatan hampir tidak bisa sampai ke sana,” jelasnya.
Permasalahan ini menjadi relevan di tengah meningkatnya adopsi AI yang turut menyoroti kesiapan infrastruktur data di berbagai wilayah. Keterbatasan daya listrik dan infrastruktur pendukung menjadi faktor penentu seberapa cepat pusat data AI dapat beroperasi secara optimal.
Kolaborasi Nvidia dan Vertiv
Nvidia dan Vertiv telah menjalin kolaborasi sejak awal 2026 untuk merancang bersama generasi berikutnya dari pusat data. Dalam kerja sama ini, Vertiv menyediakan manajemen daya dan infrastruktur untuk GPU milik Nvidia.
Rod Evans menegaskan bahwa Nvidia dan Vertiv berencana membangun pusat data AI yang lebih efisien dan berkelanjutan. “Bersama-sama, kami ingin membangun pusat data AI yang berkelanjutan di mana fokusnya bukan pada penggunaan daya sebanyak mungkin, tetapi pada mendapatkan hasil maksimal dari setiap watt,” ujarnya.
Pandangan ini juga sejalan dengan perhatian Vertiv terhadap pembangunan fasilitas yang berkelanjutan. Vertiv sendiri mengungkapkan pandangan serupa dalam acara tahunan EMEA terbarunya, yang mendasari langkah pengembangan ke depan berupa perakitan fasilitas yang berkelanjutan.
Evans menambahkan bahwa sebuah pusat data sebenarnya dirancang untuk beban puncak dan pemadaman, bukan untuk penggunaan yang biasanya terjadi. Artinya, kapasitas yang tidak terpakai masih bisa dimanfaatkan, dan sistem daya serta pendingin dapat direvisi untuk menemukan konfigurasi yang paling optimal.
Nvidia meyakini sebagian dari 30% listrik yang terbuang tersebut dapat dipulihkan. Bahkan, angka inefisiensi ini disebut bisa mencapai 40% dalam kondisi tertentu. Pemulihan inefisiensi inilah yang menjadi target utama dalam desain pusat data yang dioptimalkan untuk masa depan.
Baca Juga:
Persoalan konsumsi daya pusat data AI tidak hanya berdampak pada operasional fasilitas, tetapi juga pada sektor yang lebih luas. Ledakan pembangunan pusat data AI turut memengaruhi kondisi ekonomi makro, sebagaimana tercermin dalam Inflasi AS Memanas yang diakui oleh The Fed.
Selain itu, efisiensi infrastruktur juga menjadi sorotan dari sisi kesiapan teknologi pendukung. Berbagai pihak menyoroti pentingnya fondasi data yang kuat, termasuk dalam konteks Kesiapan Infrastruktur yang memadai untuk mendukung beban kerja AI yang terus tumbuh.
Di sisi lain, pengembangan AI yang semakin masif juga memunculkan berbagai persoalan baru, termasuk yang berkaitan dengan data dan regulasi. Salah satunya tergambar dalam kasus OpenAI Digugat terkait dugaan pemanfaatan data anak untuk melatih model AI.
Sementara itu, inovasi di sisi efisiensi terus dikembangkan. Penelitian menunjukkan bahwa AI worm bisa mereplikasi diri tanpa datacenter, sebuah temuan yang membuka perspektif baru soal ketergantungan pada infrastruktur fisik, seperti yang dibuktikan dalam AI Worm Replikasi oleh Anthropic.
Dengan skala inefisiensi yang diungkap Nvidia, perhatian terhadap desain pusat data yang lebih efisien menjadi semakin penting. Upaya memaksimalkan setiap watt yang masuk ke fasilitas menjadi kunci, bukan hanya untuk menekan pemborosan, tetapi juga untuk memastikan kapasitas yang tersedia benar-benar dapat digunakan untuk pemrosesan AI.
Pernyataan Nvidia dan Vertiv ini menegaskan bahwa tantangan terbesar pusat data AI saat ini bukan lagi semata soal ketersediaan chip, melainkan soal bagaimana daya listrik yang masuk ke fasilitas dapat dikelola dan dimanfaatkan secara optimal. Dengan kolaborasi yang sudah berjalan sejak awal 2026, keduanya menargetkan desain pusat data yang lebih efisien dan berkelanjutan di masa depan.
Komentar
Belum ada komentar.