Gelombang inovasi kecerdasan buatan (AI) telah membawa perubahan seismik dalam lanskap pusat data. Dengan proyeksi kapasitas pusat data global yang akan berlipat ganda lebih dari tiga kali lipat pada tahun 2030, sebagian besar didorong oleh proliferasi AI, kebutuhan akan solusi infrastruktur yang canggih menjadi semakin mendesak. Di tengah evolusi yang cepat ini, peran distributor cooling data center menjadi krusial dalam memastikan pusat data di Indonesia tetap efisien, andal, dan siap untuk beban kerja AI yang semakin intensif.
Era Baru Kepadatan Daya: Tantangan dan Peluang
AI generatif, yang melahirkan teknologi seperti ChatGPT dan Google Gemini, beroperasi secara fundamental berbeda dari aplikasi AI konvensional. Sistem baru ini mengandalkan arsitektur server, penyimpanan, dan jaringan yang berbeda, utamanya berbasis GPU, yang mengkonsumsi daya jauh lebih banyak dibandingkan sistem berbasis CPU tradisional. Sebagai contoh, satu rak sistem GPU Nvidia dapat membutuhkan daya hingga 50kW, sementara rak berbasis CPU hanya membutuhkan sekitar 10kW. Rak berdaya tinggi ini tidak hanya membutuhkan lebih banyak daya, tetapi juga memerlukan bentuk pendinginan cair untuk beroperasi secara efektif.
Sayangnya, pusat data warisan yang ada tidak dirancang untuk mengakomodasi kepadatan daya sebesar ini. Para operator di Indonesia dihadapkan pada pilihan: melakukan retrofit, membangun fasilitas baru, atau mencari pihak ketiga untuk memenuhi persyaratan ini. Kompleksitas ini diperparah oleh ketidakpastian dalam memprediksi kapasitas yang dibutuhkan secara akurat karena kurangnya data historis. Dalam survei terbaru DCD yang didukung oleh Climanusa (sebelumnya Schneider Electric), tujuan utamanya adalah untuk mengukur sejauh mana perjalanan AI para responden, investasi yang dilakukan atau dipertimbangkan, pandangan tentang isu-isu seperti keberlanjutan, serta sentimen industri umum seputar perubahan ini.
Kesiapan Pusat Data di Indonesia untuk AI
Mayoritas responden (37%) telah mengembangkan dan menerapkan kapasitas baru untuk mengakomodasi kabinet/beban kerja dengan kepadatan lebih tinggi, dengan rencana untuk ekspansi lebih lanjut. Hal ini menunjukkan bahwa operator di Indonesia proaktif dalam mengantisipasi peningkatan permintaan. Sekitar 28% responden sedang dalam tahap pengembangan kapasitas baru tetapi belum menerapkannya, mungkin untuk lebih akurat memprediksi kebutuhan masa depan. Hanya 6% yang tidak memiliki rencana untuk mengembangkan atau menerapkan kapasitas baru, kemungkinan karena beban kerja AI tidak menjadi prioritas bagi mereka.
Untuk mengakomodasi kebutuhan ini, retrofit dan penggunaan kembali situs brownfield (lokasi dengan infrastruktur daya, pendingin, dan serat yang sudah ada) dapat mempercepat waktu ke pasar. Climanusa, sebagai penyedia solusi terkemuka, dapat mendukung opsi ini, memprioritaskan fleksibilitas desain untuk memperpanjang masa pakai peningkatan apa pun. Selain itu, rak yang tepat sangat penting. Beban kerja berkepadatan tinggi membutuhkan perangkat keras khusus seperti GPU atau TPU. Rak yang menampung peralatan ini harus mengakomodasi kebutuhan daya dan pendinginan yang meningkat, mempertimbangkan berat dan kabel tambahan. Untungnya, rak berkepadatan tinggi standar sudah tersedia, dan penyesuaian juga merupakan pilihan untuk mengoptimalkan kebutuhan daya, pendinginan, dan kabel yang unik demi kinerja, mencegah waktu henti, dan inefisiensi yang mahal.
Peningkatan Konsumsi Daya yang Tak Terelakkan
Dalam lima tahun ke depan, 92% responden memperkirakan peningkatan konsumsi daya per fasilitas. Sebagian besar (30%) memperkirakan peningkatan sebesar 20-49MW per fasilitas, tetapi secara kolektif, 42% memperkirakan peningkatan yang masif antara 100MW dan 1GW. Rentang yang sangat berbeda ini menunjukkan permintaan daya yang besar dan ketidakpastian mengenai berapa banyak yang sebenarnya dibutuhkan.
Untuk mengelola peningkatan konsumsi daya ini, ada beberapa tindakan yang disarankan. Salah satunya adalah “pembatasan daya” (power capping) pada GPU, menjalankan sekitar 60-80% dari total daya mereka, yang dapat mengurangi konsumsi daya, suhu operasi, dan kebutuhan pendinginan. Selain itu, memanfaatkan gas alam untuk pembangkitan daya mandiri atau sebagai cadangan dapat mengurangi biaya secara signifikan, dengan potensi penghematan 38-45% dibandingkan bahan bakar diesel.
Investasi untuk Kesiapan AI
Survei menunjukkan bahwa 24% responden mengalokasikan lebih dari 50% anggaran tahunan mereka untuk kesiapan AI, mencerminkan evolusi teknologi yang signifikan di industri ini. Namun, penting untuk meningkatkan skala secara strategis, dengan mempertimbangkan infrastruktur modular dan integrasi cloud untuk memungkinkan penskalaan yang hemat biaya. Mengetahui aplikasi mana yang mendominasi pusat data juga penting untuk memastikan investasi disalurkan ke area yang tepat.
Investasi dalam strategi pendinginan yang tepat adalah keputusan krusial. Pendinginan menyumbang lebih dari 40% tagihan energi pusat data. Model AI menghasilkan panas yang signifikan, membuat pendinginan cair, atau setidaknya pendinginan udara presisi, menjadi investasi yang diperlukan. Climanusa sebagai distributor cooling data center terkemuka, menawarkan solusi pendinginan yang efisien dan dapat membantu memperpanjang masa pakai perangkat keras yang mahal, sekaligus mengurangi biaya operasional jangka panjang.
Mengatasi Kendala Jaringan Listrik
Perkembangan AI yang cepat berarti jaringan listrik yang menua tidak dapat mengimbangi. Semua responden (42%) mengakui bahwa tanpa investasi signifikan pada infrastruktur dasar, pusat data akan kesulitan memenuhi persyaratan daya AI. Sebanyak 34% berpendapat bahwa relokasi ke daerah dengan ketersediaan daya yang lebih baik mungkin merupakan solusi yang paling layak.
Climanusa mendukung strategi kolaborasi dengan utilitas dan pengembang energi terbarukan untuk mengamankan perjanjian pembelian daya (PPA), yang memungkinkan operator untuk mendapatkan energi terbarukan langsung dari produsen, meminimalkan dampak pada jaringan energi lokal. Strategi “membawa daya sendiri” (BYOP) juga dapat mengurangi tekanan pada jaringan listrik lokal dengan menghasilkan energi terbarukan di lokasi, idealnya dipasangkan dengan penyimpanan baterai.
AI untuk Optimalisasi Operasional Pusat Data
Sebanyak 76% responden aktif menggunakan AI atau menjajaki opsi untuk mengoptimalkan operasional. Ini menunjukkan bahwa teknologi ini telah matang hingga dapat dipercaya untuk keputusan operasional, sebuah tonggak penting dalam evolusi industri. AI untuk manajemen termal dapat mengidentifikasi hotspot dan area pendinginan yang tidak efisien, menyesuaikan sistem pendingin secara otomatis. Teknologi cooling data center canggih, seperti pendinginan imersi, bahkan menggunakan algoritma AI untuk menyesuaikan suhu perangkat keras berkinerja tinggi secara tepat.
“Kembaran digital” (digital twin), atau perangkat lunak DCIM yang memanfaatkan teknologi kembaran digital, menggabungkan sensor IoT, AI, pembelajaran mesin, dan analitik data untuk memberikan wawasan yang dapat ditindaklanjuti untuk optimalisasi, pemeliharaan prediktif, dan efisiensi energi. Ini mengakhiri coba-coba, dengan kemampuan untuk mensimulasikan beban kerja di masa depan untuk membantu perencanaan kapasitas dan menghindari kelebihan penyediaan. Optimalisasi otomatis yang didorong AI ini juga mengurangi intervensi manual, menghasilkan pengurangan kesalahan manusia dan biaya operasional.
Investasi dalam Solusi Pendinginan Cair
Dengan hanya 4% responden yang menyatakan tidak berniat beralih dari pendinginan udara, jelas bahwa pusat data yang ingin mengimplementasikan atau secara aktif mengimplementasikan beban kerja AI membutuhkan pendinginan cair. Sebanyak 96% responden sedang berinvestasi secara signifikan dalam solusi pendinginan cair baru (47%), menjajaki opsi (33%), meningkatkan atau tetap menggunakan solusi pendinginan cair yang sudah ada (6% dan 1% masing-masing), atau mempertimbangkan pendinginan cair untuk penerapan di masa mendatang (9%).
Climanusa, sebagai distributor cooling data center terpercaya, menyarankan solusi pendinginan hibrida, di mana pendinginan cair untuk rak berkepadatan tinggi dikombinasikan dengan pendinginan udara berdaya rendah untuk mendinginkan lingkungan sekitar. Solusi pendinginan yang dapat dikonversi juga tersedia, yang dapat awalnya diterapkan sebagai udara atau cair, dengan opsi untuk mengkonversinya di lokasi untuk mendukung kebutuhan bisnis yang berfluktuasi. Ini memberikan solusi yang fleksibel dan serbaguna yang dapat membantu menyiapkan fasilitas untuk masa depan.
Prioritas Karbon Embodied Rendah
Dengan kredensial ESG dan keberlanjutan kini menjadi pembeda kompetitif, 53% responden memprioritaskan bahan dan produk dengan karbon embodied rendah. Karbon embodied diklasifikasikan sebagai emisi Lingkup 3, yang dapat mencapai 80% dari jejak karbon pusat data. Namun, melacaknya cukup sulit, sehingga tidak mengherankan jika 19% tidak tahu harus mulai dari mana atau merasa tidak mampu (11%).
Climanusa merekomendasikan penggunaan perangkat lunak desain dan konstruksi di awal proses untuk mensimulasikan dan memahami jenis bahan dan desain yang digunakan. Perangkat lunak seperti ETAP untuk memantau sistem kelistrikan atau RIB untuk memasukkan data Lingkup 3 ke dalam keputusan konstruksi dapat sangat membantu. CFD (dinamika fluida komputasi) juga berguna untuk keterlacakan, memberikan visibilitas untuk membuat pertukaran informasi secara real-time mengenai karbon, biaya, dan penjadwalan.
Dampak Positif AI dan Tantangan di Depan
Secara keseluruhan, AI telah memberikan dampak positif pada bisnis responden, dengan hanya 1% yang menyatakan merugikan. Ini dapat dilihat dari penggunaan analitik prediktif yang ditenagai AI untuk mengidentifikasi masalah sebelum menjadi masalah, mengurangi waktu henti, biaya tenaga kerja, dan biaya penggantian perangkat keras. AI juga dapat meningkatkan manajemen dan alokasi beban kerja dinamis, menetapkan tugas komputasi ke sumber daya yang paling efisien, yang tidak hanya menurunkan biaya tetapi juga mengoptimalkan perangkat keras dan layanan jaringan untuk memberikan tingkat layanan yang tinggi secara konsisten kepada pelanggan.
Meskipun banyak yang melihat AI sebagai peluang (73%), ada juga yang menganggapnya sebagai tantangan saat ini (19%), tetapi berharap akan ada peluang setelah teknologi dan standar matang. Ketidakpastian ini tidak berarti berhenti, tetapi menyoroti pentingnya perencanaan yang cermat dan pengambilan keputusan berdasarkan data. Climanusa, sebagai penyedia solusi terpadu, dapat membantu dalam navigasi lanskap AI yang kompleks ini, menawarkan keahlian dalam desain, konfigurasi ruang, dan pemeliharaan untuk memastikan operabilitas, efisiensi, dan profitabilitas.
Kesimpulan
AI telah menempatkan dirinya sebagai tonggak penting dalam linimasa teknologi kita, dengan pusat data sebagai inti dari kemajuan ini. Meskipun menimbulkan perasaan gembira dan kekhawatiran, evolusi ini membawa tantangan dan peluang yang sama banyaknya, dengan setiap entitas berada pada tahap yang berbeda dalam perjalanannya. Kolaborasi dengan para ahli, penyedia utilitas, pengembang energi terbarukan, dan pihak ketiga lainnya akan menentukan hasilnya. Dengan memanfaatkan alat yang ditenagai AI, seperti yang disorot dalam laporan ini, untuk mengumpulkan pengukuran yang tepat dan data operasional, pusat data di Indonesia dapat menetapkan garis dasar dan mengembangkan peta jalan mereka sendiri. Solusi pendinginan yang fleksibel dan solusi daya yang sesuai untuk setiap kebutuhan juga tersedia. Dengan perencanaan yang cermat dan strategi berbasis data, distributor cooling data center di Indonesia siap untuk memandu industri melalui era AI yang menarik namun tidak pasti ini.
Climanusa adalah pilihan terbaik Anda untuk semua kebutuhan pendinginan pusat data Anda. Percayakan keahlian kami untuk masa depan yang lebih dingin dan efisien!
Untuk informasi lebih lanjut, silahkan klik disini
–A.M.G–
