Ledakan AI generatif dalam tiga tahun terakhir membawa dampak yang jarang dibicarakan secara serius: konsumsi energi yang meledak. Menurut data dari Our World in Data (Juli 2026), pusat data global kini menyedot listrik dalam jumlah yang kalau disetarakan dengan konsumsi negara, equivalen dengan negara berkembang menengah.
Laporan Stanford HAI (Human-Centered AI) dalam AI Index 2026 menegaskan tren ini. Kebutuhan komputasi untuk pelatihan model bahasa besar (large language model) tumbuh eksponensial, bukan linear. Setiap generasi model baru membutuhkan infrastruktur yang jauh lebih besar dari pendahulunya.
Dari Cloud Computing ke Cloud Comsuming
Istilah “cloud computing” mulai dicemooh karena ironis. Di balik layanan yang terasa ringan di gawai pengguna, ada ribuan server yang bekerja tanpa henti mendinginkan chip GPU. Pendinginan saja sudah memakan 30-40% dari total energi pusat data.
Perusahaan-perusahaan besar mulai melirik sumber energi nuklir. Microsoft telah meneken kontrak jangka panjang dengan operator reaktor nuklir. Google dan Amazon juga mengumumkan investasi besar-besaran di proyek kecil reaktor modular (SMR — Small Modular Reactor).
Apa yang Bisa Dilakukan?
Dari sisi perangkat lunak, model distillation — proses mengecilkan model besar menjadi versi ringkas tanpa kehilangan signifikan — mulai diutamakan. Meta, misalnya, merilis Llama versi 3B yang performanya cukup untuk banyak用例 aplikasi biasa, dengan konsumsi energi hanya sepersepuluh dari model terbesar.
Langkah kecil seperti memilih layanan AI yang efisien secara energi bukan sekadar tren, tapi sudah jadi keharusan. Masa depan AI tidak hanya diukur dari akurasi, tapi juga dari jejak karbonnya.
Sumber: Our World in Data — “How much energy do data centers and artificial intelligence use?” (Juli 2026); Stanford HAI — AI Index 2026 Report (April 2026).