The Green Paradox of Artificial Intelligence: Keberlanjutan, Konsumsi, dan Ketimpangan Energi Dunia

 

Ilustrasi AI dan konsumsi listrik tinggi (Pic: Grok)

Dunia sedang memasuki fase di mana permintaan energi dari AI bukan sekadar isu teknologi, melainkan krisis energi-keberlanjutan global

Transformasi besar-besar penggunaan kecerdasan buatan (AI) membawa beban luar biasa terhadap sistem energi global. 

Seiring adopsi model besar dan pusat data skala masif, permintaan daya listrik meningkat drastis—diperkirakan tambahan daya puluhan gigawatt (GW) dibutuhkan untuk mendukung ekspansi AI pasca-ChatGPT. 

Sementara itu, di Amerika Serikat terjadi bottleneck pasokan daya dan keterbatasan infrastruktur yang bisa menghambat pertumbuhan komputasi AI. 

Di sisi lain, negara seperti China dengan surplus energi terbarukan dan skala investasi besar menunjukkan keunggulan cost-computing yang menjanjikan untuk AI. 

Tulisan ini mengkaji dinamika konsumsi energi AI, hambatan infrastruktur, perbandingan AS dan China, serta strategi keberlanjutan untuk masa depan.

Pendahuluan

Dalam dekade terakhir, penggunaan AI, khususnya model bahasa besar (LLM) dan infrastruktur pusat data, meningkat sangat cepat.

Setiap GW kapasitas komputasi AI menciptakan kebutuhan infrastruktur daya, pendinginan, dan konektivitas yang sangat besar.

AS menghadapi kendala: jaringan listrik yang padat, izin pembangunan pembangkit/penyaluran daya baru yang lambat, dan biaya listrik yang relatif tinggi.

China, melalui kombinasi investasi negara, kebijakan energi terbarukan yang agresif, dan skala ekonomi besar, berhasil menurunkan biaya operasional komputasi sehingga menjadi pemain utama dalam ekosistem AI global.

Tantangan keberlanjutan muncul: bagaimana memastikan ekspansi AI tidak menimbulkan krisis daya, emisi karbon yang tinggi, dan ketidakadilan akses energi antar-negara.

Metodologi

• Analisis kuantitatif berdasarkan data konsumsi listrik pusat data dan proyeksi dari lembaga energi internasional (IEA) dan lembaga penelitian independen.

• Perbandingan komparatif antara dua wilayah utama: AS dan China – infrastruktur energi, kebijakan terbarukan, harga listrik, skala data center.

• Kajian literatur terhadap penelitian terbaru mengenai konsumsi energi AI, efisiensi model, dan strategi keberlanjutan. (Contoh: baros et al., 2025; Jegham et al., 2025)

• Studi kasus pembangunan pusat data AI besar di AS yang dilaporkan memerlukan hingga 7–10 GW daya listrik (contoh: proyek OpenAI “Stargate”).  

Data & Temuan Kunci

• Total konsumsi listrik pusat data global diperkirakan sekitar ~415 TWh dalam 2024.  

• AI-specific workloads diperkirakan menyumbang antara 20-25% dari konsumsi pusat data saat ini.  

• Proyeksi: Pusat data dapat menyentuh ~945 TWh listrik tahunan pada 2030.  

• Di AS, data center diperkirakan akan menjadi lebih dari 14% dari konsumsi listrik nasional pada 2030.  

• Contoh konkret: Projek AI besar memerlukan 7 GW awal dan total hingga 10 GW daya listrik di beberapa lokasi di AS.  

• Hambatan AS: pertumbuhan pembangkit & infrastruktur transmisi listrik lambat → potensi bottleneck.

• China: dengan skala besar energi terbarukan (angin, surya, hidro) + kebijakan negara → biaya listrik untuk pusat data lebih rendah → keunggulan komputasi.

Analisis: Hambatan dan Keunggulan

Hambatan AS

• Jaringan listrik padat dan ageing: sulit menambah kapasitas pembangkit dengan cepat.

• Izin lingkungan dan konstruksi transmisi barat → timbul penundaan.

• Biaya listrik tinggi → membuat pusat data skala besar menjadi mahal.

• Emisi dan tekanan keberlanjutan → membuat operator harus ekstra-kreatif.

Keunggulan China

• Skala ekonomi besar → investasi besar dalam pusat data dan energi terbarukan.

• Kebijakan “AI nasional” sebagai prioritas → sinergi antara kondisi energi dan teknologi.

• Energi terbarukan murah → biaya listrik rendah → memungkinkan komputasi AI lebih efisien.

Dilema Energi & Keberlanjutan

• Permintaan listrik yang tumbuh cepat dapat menyebabkan krisis pasokan dan peningkatan emisi jika pembangkit fosil masih dominan.

• Perlu transisi ke energi bersih agar ekspansi AI tidak memicu peningkatan karbon besar-besaran.

• Efisiensi model AI (warna “green AI”) menjadi kunci: memilih model yang lebih kecil namun memadai. (Contoh: Barros et al., 2025)  

Implikasi untuk Kebijakan & Industri

Pemerintah dan regulator perlu memperhitungkan beban daya dari pusat data AI dalam rencana infrastruktur nasional (transmisi, pembangkit, pendinginan).

Industri AI harus mengadopsi strategi seperti:

• Pemilihan model efisien (“small is sufficient”).

• Operasi pusat data dekat sumber energi terbarukan.

• Sistem pendingin hemat air dan listrik.

• Bagi negara seperti Indonesia atau lainnya, kompetisi global AI-computing berarti jika energi dan biaya tidak kompetitif → tertinggal.

• Konteks geopolitik: negara dengan surplus energi terbarukan akan punya keunggulan komputasi → potensi perubahan dalam rantai nilai teknologi global.

Dunia sedang memasuki fase di mana permintaan energi dari AI bukan sekadar isu teknologi, melainkan krisis energi-keberlanjutan global. 

AS menghadapi risiko bottleneck daya yang bisa menghambat ekspansi AI, sedangkan China dengan struktur energi terbarukan dan skala besar menunjukkan jalur yang lebih berkelanjutan dan efisien. 

Untuk memastikan bahwa revolusi AI tidak menjadi beban lingkungan dan ekonomi, diperlukan kebijakan strategis, desain efisiensi, dan investasi besar dalam energi bersih.

Referensi

• Jegham, N., Abdelatti, M., Elmoubarki, L., Hendawi, A. (2025). How Hungry is AI? Benchmarking Energy, Water, and Carbon Footprint of LLM Inference. arXiv.  

• Barros, T. da Silva, Giroire, F., Aparicio-Pardo, R., Moulierac, J. (2025). Small is Sufficient: Reducing the World AI Energy Consumption Through Model Selection. arXiv.  

• Deloitte. (2025, March 5). The use of Gen AI will double global data center’s electricity consumption by 2030.  

• IEA / Europarl Report. (2025). Data Centres and AI Electricity Consumption.  

• Goldman Sachs Research. (2024, May 14). AI is poised to drive 160% increase in data centre power demand.