Bayangkan sebuah pusat data di Batam sedang menjalankan pelatihan model bahasa besar untuk bahasa Indonesia. Server berderet ratusan rack, pendingin berdesir tak henti, dan tagihan listrik bulanan melonjak tiga kali lipat dalam enam bulan. Di sana, bukan hanya algoritma yang belajar — tapi juga operator fasilitas yang mulai menghitung ulang kapasitas trafo, jadwal pemeliharaan PLN, dan batas aman suhu ruang server. Skenario ini bukan fiksi: ia sudah nyata di puluhan lokasi di Asia Tenggara, termasuk di kawasan industri digital yang tumbuh cepat di Indonesia.
Apa yang Hilang dari Peta Infrastruktur Digital Nasional?
Koalisi baru yang diumumkan awal Mei 2024 — menggabungkan Google, Nvidia, Anthropic, serta perusahaan utilitas besar seperti AES, Constellation, National Grid, dan NRG Energy — bukan sekadar inisiatif lingkungan atau PR korporat. Ia adalah pengakuan eksplisit bahwa pertumbuhan kecerdasan buatan telah melewati ambang batas teknis infrastruktur energi. Menurut TechInAsia, aliansi ini akan fokus pada tiga pilar: standarisasi metrik konsumsi daya per komputasi AI, integrasi langsung antara data center dan jaringan listrik pintar (smart grid), serta desain ulang arsitektur hardware-software agar efisiensi energi menjadi parameter utama ; bukan sekadar kecepatan inferensi atau throughput.
Yang mengejutkan bukan partisipasinya, melainkan struktur koalisinya: tidak ada satu pun perusahaan teknologi Asia Tenggara di dalamnya. Tidak ada Telkom, tidak ada GoTo, tidak ada startup lokal seperti Kata.ai atau Sampingan yang sudah mengadopsi model AI skala menengah. Padahal, menurut laporan Kementerian Energi dan Sumber Daya Mineral (ESDM) 2023, konsumsi listrik sektor digital nasional tumbuh 22% per tahun — laju tertinggi di antara semua sektor non-industri manufaktur. Namun, belum ada roadmap nasional yang menghubungkan pertumbuhan itu dengan penyesuaian kapasitas pembangkit atau regulasi tarif khusus untuk beban komputasi intensif.
Baca juga: LG Uplus dan OptAI Uji Token AI untuk Efisiensi Layanan
Kenapa Utilitas AS Justru Memimpin Diskusi Efisiensi AI?
Pertanyaannya bukan mengapa Google dan Nvidia bergabung — mereka memang pemilik beban terbesar. Tapi mengapa National Grid dan AES, dua perusahaan distribusi listrik AS, masuk sebagai mitra setara? Jawabannya terletak pada insentif finansial: di Amerika Serikat, utilitas bisa mendapat insentif regulasi dan subsidi federal jika berhasil menstabilkan beban puncak melalui kolaborasi dengan konsumen besar. Mereka tidak lagi hanya menjual kilowatt-jam, tapi juga layanan manajemen beban dinamis. Di sini, data center AI berubah dari 'pengguna pasif' menjadi 'mitra aktif' dalam mengatur fluktuasi jaringan.
Dilansir TechInAsia, salah satu proyek uji coba pertama akan dilakukan di Virginia, di mana server Nvidia H100 akan dikendalikan secara real-time oleh sistem kontrol National Grid — memperlambat proses pelatihan saat permintaan listrik regional mencapai 95% kapasitas, lalu mempercepatnya kembali saat beban turun. Ini bukan hanya penjadwalan ulang; ini adalah bentuk baru demand response yang didorong AI, di mana algoritma data center harus bisa membaca sinyal harga dan stabilitas jaringan dalam milidetik.
Baca juga: Bolttech dan Bold Penguin Bentuk Aliansi Asuransi Global Berbasis AI
Baca juga: TCS Bangun Kampus AI Rp123 Triliun di India
Di Indonesia, skema serupa belum ada. Tarif listrik untuk industri digital masih masuk kategori tarif tegangan menengah umum — tanpa diferensiasi berdasarkan profil beban, durasi penggunaan, atau kemampuan respons terhadap sinyal jaringan. PLN belum menerbitkan pedoman teknis untuk integrasi data center dengan sistem SCADA nasional, apalagi menyediakan API terbuka bagi pengembang lokal untuk membangun solusi manajemen beban otomatis. Banyak startup AI di Jakarta atau Bandung terpaksa membeli genset diesel cadangan — bukan karena ingin, tapi karena tidak ada pilihan lain saat gangguan listrik terjadi di jam pelatihan model.
Aliansi ini juga menyingkap celah dalam ekosistem riset lokal. Di universitas-universitas besar seperti ITB dan UI, penelitian tentang efisiensi komputasi AI masih dominan di ranah algoritma — seperti pruning atau quantization — tapi minim kolaborasi dengan jurusan teknik elektro atau sistem tenaga. Belum ada laboratorium bersama antara Fakultas Ilmu Komputer dan Fakultas Teknik Elektro yang fokus pada power-aware AI deployment. Padahal, efisiensi energi bukan soal chip saja: ia juga soal bagaimana kode Python ditulis, kapan batch size disesuaikan, dan bagaimana cache memory dialokasikan ; semua berdampak langsung pada watt per token.
Ke depan, tekanan akan semakin nyata. Proyeksi International Energy Agency (IEA) menyebut konsumsi listrik data center global bisa naik hingga 160% pada 2026 dibanding 2022 — dan sebagian besar pertumbuhan itu berasal dari beban AI. Di tengah rencana percepatan data center di Kawasan Ekonomi Khusus (KEK) Batam dan Kendari, pertanyaan krusial bukan lagi 'berapa banyak server yang bisa dipasang', tapi 'berapa banyak megawatt yang bisa dialokasikan tanpa mengorbankan stabilitas jaringan nasional'. Dan yang lebih penting: apakah Indonesia akan menunggu sampai terjadi pemadaman massal di kawasan digital, atau mulai merancang kerangka kerja bersama — antara regulator, utilitas, dan pengembang AI ; sebelum krisis benar-benar tiba?