Perkembangan pesat teknologi kecerdasan buatan generatif atau Generative AI kini tengah menjadi pusat perhatian dunia. Di balik kecanggihannya, terdapat tantangan besar berupa konsumsi energi listrik yang sangat masif. Dilansir dari Medcom, model bahasa besar (LLM) dan Generative AI benar-benar mengarahkan penggunaan energi yang signifikan, baik untuk melatih maupun mengoperasikan komputer tersebut.
Dalam ajang Computex 2026, Paul Tyrer selaku Global Vice President, AI Enterprise & Partner Ecosystem di Schneider Electric, membagikan pandangan mendalam mengenai dinamika ini. Organisasi global dituntut merespons tren lonjakan daya sembari tetap mempertahankan komitmen emisi net zero. Schneider Electric memosisikan diri sebagai mitra strategis untuk membantu industri teknologi meningkatkan efisiensi komputasi.
"Saya akan mengatakan bahwa peran Schneider Electric adalah untuk membantu komputer itu lebih efisien," ujar Paul Tyrer.
Fokus utama perusahaan saat ini adalah melakukan pengoptimalan secara menyeluruh. Pengoptimalan dilakukan untuk menekan penggunaan energi sehingga token watt berada di tingkat serendah mungkin. Guna mewujudkan efisiensi energi yang optimal, Schneider Electric membagi wilayah operasionalnya ke dalam tiga bagian yang berbeda.
Pilar pertama adalah melalui desain yang efisien sejak awal proses. Schneider membantu klien dalam menciptakan data center dengan rancangan elektrikal serta mekanikal yang seefisien mungkin sejak awal. Fasilitas data center akan selalu mengonsumsi energi, namun minimalisasi penggunaan daya dapat diupayakan lewat akurasi desain.
Pilar kedua berfokus pada tahap simulasi pascadesain melalui cetak biru. Setelah cetak biru selesai dibuat, Schneider memfasilitasi pengujian stres terhadap seluruh infrastruktur elektrikal dan mekanikal menggunakan teknologi kembaran digital (digital twins).
"Kami membicarakan tentang eTap dan Aviva sebagai alat utama yang bisa digunakan oleh organisasi untuk simulasi dan mengoptimalkan," kata Tyrer memaparkan perangkat lunak andalan mereka.
Pilar terakhir berkaitan langsung dengan manajemen operasi dan penyimpanan daya. Schneider bekerja sama erat dengan para klien untuk memastikan bahwa seluruh peralatan beroperasi di tingkat paling efisien tanpa melampaui kapasitasnya. Melalui pemantauan yang ketat, operator dapat memberikan perhatian khusus pada titik-titik panas (hotspot) di dalam data center serta melakukan perawatan berkala guna menjamin seluruh perangkat tetap bekerja secara optimal.
Membangun ekosistem kecerdasan buatan yang ramah lingkungan tidak dapat dilakukan secara sepihak, melainkan membutuhkan kolaborasi erat dari berbagai pemangku kepentingan. Schneider Electric secara aktif merangkul berbagai pihak, mulai dari perusahaan cip, produsen server, integrator sistem, hingga berbagai jenis klien akhir seperti penyedia layanan Hyperscale, Colocation, NeoCloud, dan sektor Enterprise.
Secara lebih praktis, Schneider menginvestasikan banyak waktu untuk berkolaborasi dengan produsen cip terkemuka seperti NVIDIA dan AMD. Kerja sama ini berfokus pada peninjauan rencana pengembangan (roadmap) teknologi chipset masa depan mereka. Oleh karena NVIDIA dan AMD tidak memproduksi komputer secara mandiri, Schneider menerjemahkan kebutuhan tersebut kepada produsen server seperti Dell, Supermicro, Asus, dan Gigabyte. Langkah ini membantu produsen server memahami dinamika ketergantungan kekuatan daya, aspek keberlanjutan, dan sistem pengendalian untuk komputer generasi berikutnya.
Bagi perusahaan yang berniat mengadopsi beban kerja (workload) AI namun masih memiliki data center lama atau legasi, tersedia opsi realistis yang dapat diterapkan. Membangun fasilitas baru dari nol yang dirancang khusus untuk AI memang menjadi jalur paling mudah, tetapi hal itu tidak selalu praktis untuk diterapkan oleh semua pemilik fasilitas. Tidak ada solusi tunggal yang instan karena penanganannya sangat bergantung pada kondisi infrastruktur yang sudah ada di data center tersebut.
Solusi yang ditawarkan Schneider meliputi pemeriksaan infrastruktur elektrikal guna memastikan kapasitas dan densitas yang tepat. Modernisasi ini mencakup pembaruan pada tegangan rendah, perangkat switchgear, hingga distribusi akhir. Di sektor pendinginan, jika batas penggunaan pendingin udara (air cooling) atau penukar panas (heat exchangers) sudah mencapai kapasitas maksimal, maka pemasangan teknologi liquid cooling serta perbaikan mekanisme internal menjadi hal baru yang wajib diterapkan untuk mengatasi lonjakan densitas listrik tersebut.
Tantangan pemenuhan energi bersih dan terbarukan juga menjadi isu krusial di kawasan Asia Tenggara. Meskipun operasional AI mengonsumsi daya listrik yang besar, industri ini tetap berjalan karena memberikan manfaat ekonomi dan produktivitas yang signifikan. Guna menjembatani gap tersebut, Schneider membantu mengoptimalkan efisiensi fasilitas dan mengukur aspek keberlanjutan secara luas yang mencakup emisi Scope 1, Scope 2, dan Scope 3.
Langkah ini didukung oleh lebih dari 2.500 konsultan keberlanjutan global yang tersebar intensif di Asia Tenggara dan Jepang untuk membantu klien menyusun strategi serta kontrak pembelian energi. Di sisi lain, terdapat pergeseran lanskap global dengan munculnya tren Sovereign AI. Setiap negara—termasuk Indonesia—berkeinginan untuk menghubungkan dan memproses teknologi AI secara lokal. Tren ini didasari oleh pertimbangan kedaulatan data (data sovereignty) dan minimalisasi isu latensi agar pemersoshan data dilakukan sedekat mungkin dengan lokasi pengguna.
Pergeseran dari sistem cloud terpusat di Amerika Serikat menuju fasilitas regional menuntut Schneider untuk memperkuat fungsi komersial, servis, dan dukungan teknis berskala lokal di seluruh dunia. Schneider merespons dinamika ini dengan menjalin kemitraan erat bersama produsen server lokal, penyedia GPU, dan integrator di masing-masing daerah.
"Jadi apa yang kita lihat adalah pergerakan yang membutuhkan kita sebagai organisasi untuk berperan di wilayah-wilayah," ucap Tyrer.
Melalui kehadiran pasarnya yang kuat di berbagai negara, Schneider berkomitmen untuk mentransfer kembali pengetahuan yang diperoleh dari proyek berskala terpusat langsung ke tingkat perusahaan lokal.
