Peneliti di Program Penelitian Air, Lingkungan, dan Kesehatan, Universitas Perserikatan Bangsa-Bangsa (UNU-INWEH) Miriam Aczel (penulis utama laporan) pada 7 Juni memperingatkan bahwa pada tahun 2030, fasilitas pusat data yang menjalankan sistem AI dapat mengonsumsi 9,3 triliun liter air per tahun, setara dengan kebutuhan air dasar tahunan bagi 1,3 miliar penduduk di Afrika sub-Sahara.
Tiga estimasi sumber daya utama untuk tahun 2030 yang terkonfirmasi
Berdasarkan laporan UNU-INWEH, angka estimasi untuk tiga sumber daya utama adalah sebagai berikut: volume pemakaian air tahunan mencapai 9,3 triliun liter (setara dengan kebutuhan air dasar tahunan 1,3 miliar orang); konsumsi listrik mencapai 945 terawatt-jam; kebutuhan lahan lebih dari 14.500 kilometer persegi (mencakup lokasi, infrastruktur energi, dan rantai pasokan).
Profesor rekayasa komputer Universitas California, Riverside Ren Shaolei (melalui edisi bahasa Inggris The Nation Report) menyatakan: “Laporan ini tepat waktu dan penting, mengingatkan kita bahwa AI bukan hanya terbatas pada model dan algoritma, tetapi juga menimbulkan dampak fisik dan lingkungan yang nyata pada pusat data, sistem kelistrikan, sistem pasokan air, pemanfaatan lahan, serta rantai pasokan perangkat keras.”
Mekanisme konsumsi sumber daya AI yang terkonfirmasi
Inferensi AI (yaitu penggunaan sehari-hari, bukan pelatihan) menyumbang 80% hingga 90% dari total konsumsi energi AI, sehingga penggunaan rutin harian menjadi sumber konsumsi sumber daya utama. ChatGPT memproses sekitar 2,5 miliar pesan prompt setiap hari; satu percakapan bot obrolan standar mengonsumsi energi jauh lebih besar daripada tugas klasifikasi sederhana. Peneliti di Institut Penelitian AI Quebec, Alex Hernandez, mengatakan bahwa saat ini konsumsi energi sistem AI masih sulit diukur secara akurat, sehingga membatasi ketepatan prediksi.
FAQ
Apa dasar perhitungan untuk prediksi 9,3 triliun liter air UNU-INWEH?
Perkiraan penggunaan air UNU-INWEH mencakup dua aspek: penggunaan air langsung sistem pendingin pusat data (jejak air), serta penggunaan air tidak langsung yang terkait dengan produksi listrik. Laporan memasukkan konsumsi air dari sumber listrik ke dalam kerangka perhitungan, bukan hanya konsumsi air langsung di lokasi pusat data. Peneliti Alex Hernandez menuturkan bahwa data konsumsi energi fasilitas AI sendiri masih sulit diukur secara akurat, sehingga estimasi ini memiliki ketidakpastian bawaan.
Mengapa langkah pengurangan emisi karbon dapat menyebabkan peningkatan jumlah air lebih dari 30 kali?
Berdasarkan analisis riset UNU-INWEH, mengalihkan listrik pusat data dari batu bara ke energi hayati adalah jalur pengurangan emisi karbon yang umum, yang dapat menurunkan emisi karbon sekitar 70%; tetapi penanaman energi hayati membutuhkan banyak air irigasi, sekaligus memakai lahan pertanian yang besar, sehingga menyebabkan peningkatan volume air lebih dari 30 kali dan kenaikan pemanfaatan lahan sekitar 100 kali. Aczel menegaskan bahwa bila hanya menggunakan emisi karbon sebagai tolok ukur dampak lingkungan, biaya atas sumber daya air dan lahan tersebut akan tertutupi.
Apakah model AI yang lebih efisien dapat secara signifikan menurunkan konsumsi sumber daya air?
Laporan UNU-INWEH menyebut risiko “efek pantulan”: AI yang lebih murah dan lebih efisien mungkin menurunkan konsumsi sumber daya per sekali pakai, tetapi penurunan biaya biasanya membuat frekuensi penggunaan meningkat secara besar-besaran, sehingga pada akhirnya konsumsi sumber daya total bisa lebih tinggi daripada tingkat sebelum peningkatan efisiensi. Oleh karena itu, apakah peningkatan efisiensi model dapat menurunkan dampak AI terhadap sumber daya air pada skala makro, bergantung pada seberapa cepat pertumbuhan skala penggunaan melebihi besarnya peningkatan efisiensi.
