Bagaimana sebuah operator telekomunikasi Korea Selatan bisa bersaing dengan raksasa cloud global dalam membangun infrastruktur AI — tanpa mengandalkan skala ekonomi Amazon atau kapasitas server Google?
Modular tidak hanya Cepat, Tapi Strategi Biaya
LG Uplus tidak membangun data center AI di Paju seperti proyek konvensional: fondasi beton, waktu konstruksi 24 bulan, dan desain statis selama satu dekade. Mereka memilih pendekatan modular — unit fisik pra-fabrikasi yang dirakit di lokasi dalam hitungan minggu, bukan bulan. Setiap modul mencakup server, sistem daya, dan manajemen termal terintegrasi. Ini bukan soal kecepatan semata, tapi juga pengendalian biaya operasional jangka panjang. Di tengah kenaikan tarif listrik Korea Selatan yang mencapai 12% tahun lalu — menurut KEPRI (Korea Electric Power Research Institute) ; efisiensi energi menjadi faktor penentu profitabilitas, tidak hanya nilai tambah.
Dilansir TechInAsia, LG Uplus juga mengadopsi sistem pendinginan hibrida: kombinasi air dingin dan udara terkontrol berbasis AI. Sistem ini menyesuaikan aliran pendingin secara real-time berdasarkan beban komputasi tiap rack server. Hasilnya, konsumsi energi untuk pendinginan turun hingga 40% dibanding sistem tradisional, menurut uji coba internal yang dipublikasikan dalam laporan teknis LG Uplus Q3 2023. Itu artinya, setiap megawatt yang dialokasikan untuk pendinginan bisa dialihkan ke komputasi AI — bukan hanya mengurangi tagihan listrik, tapi meningkatkan throughput model pelatihan.
Baca juga: Neural Drive Potong Biaya Alat Komunikasi Bantu 90% Tanpa Operasi
Paju tidak hanya Lokasi Geografis, tapi juga Zona Eksperimen Regulasi
Lokasi Paju bukan pilihan acak. Kota di barat laut Seoul ini berada dalam koridor khusus 'AI Innovation Zone' yang dicanangkan pemerintah Korea Selatan sejak 2022. Di sini, LG Uplus mendapat insentif fiskal langsung — pembebasan pajak properti selama lima tahun dan akses prioritas ke bandwidth fiber 800 Gbps dari jaringan nasional KOREN. Yang lebih krusial: izin lingkungan dipercepat dari 18 bulan menjadi 6 bulan, asalkan proyek memenuhi standar efisiensi energi tertentu. Ini adalah keuntungan konkret yang tak bisa ditiru operator di negara lain — termasuk Indonesia ; yang masih mengandalkan prosedur AMDAL konvensional berbasis dokumen cetak dan rapat tatap muka.
Teknologi modular dan pendinginan hibrida memang bisa diimpor. Tapi kerangka regulasi yang memungkinkan implementasi cepat itu tidak bisa dikirim lewat kapal kontainer. Di Indonesia, misalnya, pembangunan data center masih harus melewati minimal tujuh instansi — dari KLHK hingga Kominfo — dengan rata-rata waktu izin 14–22 bulan, menurut catatan Asosiasi Penyelenggara Data Center Indonesia (APDCI) 2024. Artinya, bahkan jika perusahaan lokal ingin meniru model LG Uplus, mereka akan terbentur pada struktur birokrasi, bukan pada ketersediaan teknologi.
Baca juga: Stripe Masuk Singapura: Apa Artinya untuk UMKM Indonesia?
Target $3,2 miliar dalam pesanan tidak hanya mencerminkan ambisi komersial. Angka itu merupakan sinyal bahwa LG Uplus telah beralih dari penyedia jaringan menjadi 'infrastruktur-as-a-service' untuk startup AI Korea. Mereka tidak menjual bandwidth, tapi kapasitas pelatihan model LLM berbasis GPU H100 dengan SLA garansi latensi kurang dari 5 ms. Kontrak pertama sudah ditandatangani dengan startup NLP lokal, DeepLabs, yang membutuhkan 2.000 GPU untuk fine-tuning bahasa Korea-Inggris dalam waktu tiga bulan — jauh lebih cepat daripada menyewa kapasitas di AWS Seoul Region, yang memiliki antrean alokasi GPU hingga 11 minggu.
LG Uplus tidak mengunci platform ini untuk klien internal. Mereka membuka API publik bagi developer untuk mengakses sistem pendinginan cerdas — sehingga startup bisa memantau konsumsi energi tiap training job secara real-time. Fitur ini jarang ada di layanan cloud global, karena dianggap tidak relevan bagi mayoritas pengguna. Tapi bagi startup yang menghitung biaya pelatihan per token, ini adalah alat pengambilan keputusan operasional. Menurut TechInAsia, pendekatan ini justru menarik minat investor VC seperti KB Investment dan Shinhan Venture, yang mulai memasukkan efisiensi energi sebagai salah satu parameter penilaian portofolio AI mereka.
Di tengah gelombang investasi AI global yang serba spektakuler, LG Uplus memilih jalur yang lebih rendah profil tapi lebih tangguh: bukan membangun superkomputer tunggal, tapi juga jaringan data center kecil yang saling terhubung, hemat energi, dan responsif terhadap regulasi lokal. Pertanyaannya bukan lagi apakah Indonesia bisa meniru model ini — tapi apakah kita siap merevisi cara kita mengatur izin, menghitung biaya energi, dan mendefinisikan apa itu 'infrastruktur strategis' di era AI?