Artificial Intelligence (AI) berkembang sangat cepat. Mulai dari chatbot, pembuatan gambar, analisis data, hingga berbagai aplikasi otomatisasi, semuanya membutuhkan infrastruktur komputasi yang semakin besar. Di balik layanan digital tersebut terdapat pusat data yang dipenuhi perangkat berperforma tinggi. Salah satu komponen pentingnya adalah server AI, yang mampu menjalankan beban komputasi jauh lebih intensif dibandingkan server konvensional.
Namun, ada satu hal yang sering luput dari perhatian: kebutuhan air. Mengapa teknologi yang terlihat sepenuhnya digital ternyata membutuhkan sumber daya air dalam jumlah besar?
Mengapa Server AI Menghasilkan Panas Tinggi?
Untuk memahami kebutuhan air, kita perlu melihat cara kerja infrastrukturnya. Server AI menggunakan chip pemrosesan seperti GPU dan akselerator khusus untuk melakukan kalkulasi dalam jumlah sangat besar. Semakin tinggi kemampuan komputasinya, semakin besar pula konsumsi listrik dan panas yang dihasilkan.
International Energy Agency (IEA) mencatat bahwa server menyumbang sekitar 60% konsumsi listrik pada data center modern secara rata-rata. Sementara itu, sistem pendinginan dapat mengambil sekitar 7% hingga lebih dari 30% konsumsi listrik data center, tergantung efisiensi fasilitasnya.
Artinya, tantangannya bukan sekadar menyediakan listrik. Panas dari perangkat tersebut juga harus segera dipindahkan agar komputer dapat bekerja stabil.
Air Menjadi Bagian dari Sistem Pendinginan
Salah satu solusi yang digunakan data center adalah sistem pendinginan berbasis air atau cairan. Air memiliki kemampuan menyerap panas yang tinggi sehingga dapat membantu memindahkan panas dari perangkat komputasi menuju sistem pembuangan panas.
Pada server AI, kebutuhan ini menjadi semakin relevan karena kepadatan daya perangkat terus meningkat. ANTARA melaporkan bahwa industri data center di Indonesia mulai beralih dari pendinginan berbasis udara menuju liquid cooling untuk menghadapi peningkatan kebutuhan komputasi AI.
Dalam sistem tertentu, air digunakan dalam chilled water system atau cooling tower. Sebagian air dapat disirkulasikan kembali, tetapi sebagian lainnya hilang melalui proses penguapan. Karena itu, penggunaan air tidak selalu berarti seluruh air yang masuk ke fasilitas langsung “habis”; mekanisme dan tingkat konsumsinya bergantung pada desain sistem pendinginan.
Seberapa Besar Kebutuhan Airnya?
Angka konsumsi air data center tidak bisa disamaratakan. Lokasi, jenis pendinginan, efisiensi fasilitas, sumber listrik, iklim, hingga beban komputasi dapat memengaruhi jumlah air yang digunakan.
Lawrence Berkeley National Laboratory (LBNL) menjelaskan bahwa sistem pendinginan evaporatif dapat memberikan kontribusi signifikan terhadap konsumsi air data center. Studi mereka juga menunjukkan bahwa pilihan teknologi pendinginan sangat berpengaruh terhadap water usage effectiveness (WUE).
Karena itu, klaim bahwa setiap penggunaan AI pasti menghabiskan jumlah air tertentu perlu dibaca secara hati-hati. Konsumsi air per aktivitas AI dapat berbeda jauh tergantung lokasi dan infrastruktur yang digunakan.
AI Membuat Tantangan Pendinginan Semakin Besar
Pertumbuhan AI membuat persoalan ini semakin penting. IEA memperkirakan konsumsi listrik data center global mencapai sekitar 415 TWh pada 2024 dan dapat meningkat menjadi sekitar 945 TWh pada 2030 dalam skenario dasarnya. Pertumbuhan tersebut salah satunya didorong oleh penggunaan accelerated servers yang banyak digunakan untuk AI.
Semakin besar kapasitas komputasi, semakin penting pula sistem manajemen panasnya. Karena itulah, server AI generasi baru membutuhkan pendekatan pendinginan yang mampu menangani kepadatan daya lebih tinggi.
Di Indonesia, persoalan ini juga mulai menjadi perhatian. Katadata melaporkan bahwa ekspansi data center nasional menghadapi tantangan ketersediaan listrik dan air, terutama karena air digunakan dalam berbagai sistem pendinginan fasilitas.
Bukan Berarti Semua AI Harus Boros Air
Penting untuk melihat persoalan ini secara lebih seimbang. Server AI tidak selalu harus menggunakan air dalam jumlah besar. Industri terus mengembangkan teknologi pendinginan yang lebih efisien, termasuk direct-to-chip cooling, liquid cooling, airside economizer, serta berbagai metode untuk mengurangi kebutuhan air.
LBNL juga meneliti strategi untuk mengoptimalkan penggunaan energi dan air pada fasilitas data center. Efisiensi desain dan operasional menjadi bagian penting untuk menghadapi peningkatan beban komputasi.
Bahkan, perkembangan teknologi pendinginan memungkinkan panas dari data center untuk dimanfaatkan kembali dalam sistem tertentu. Dengan pendekatan seperti ini, panas tidak hanya dianggap sebagai limbah, tetapi berpotensi menjadi sumber energi yang dapat digunakan kembali.
Tantangan Future Tech Bukan Sekadar Teknologi
Perkembangan server AI menunjukkan bahwa kemajuan teknologi selalu memiliki kebutuhan infrastruktur di belakangnya. Kita mungkin hanya melihat hasil akhirnya melalui chatbot atau aplikasi AI, tetapi proses di baliknya melibatkan listrik, chip, jaringan, data center, sistem pendinginan, dan sumber daya air.
Di Indonesia, isu tersebut semakin relevan seiring ekspansi industri data center. Pemerintah bahkan telah menyoroti pentingnya menjaga ketahanan air seiring perkembangan pusat data.
Pada akhirnya, server AI bukan sekadar persoalan seberapa cepat sebuah teknologi dapat memproses data. Masa depan AI juga akan ditentukan oleh seberapa efisien infrastrukturnya menggunakan sumber daya.
Teknologi yang benar-benar future-ready bukan hanya yang mampu menghasilkan komputasi lebih besar, tetapi juga yang mampu mencapai performa tinggi dengan penggunaan energi dan air yang semakin efisien. Dengan demikian, perkembangan AI dapat terus berjalan tanpa mengabaikan kebutuhan sumber daya yang menopang kehidupan sehari-hari.
Baca Juga : AI MARKETING
