Namun di balik sorotan terhadap konsumsi listrik dan jejak karbon, ada aspek lain yang selama ini jarang dibahas, yakni penggunaan logam pada chip AI.

Sebuah studi terbaru mencoba mengungkap hal tersebut dengan membongkar salah satu chip AI populer milik Nvidia, yakni A100, yang banyak digunakan dalam pengembangan chatbot generatif pada fase awal ledakan AI.

Penelitian yang dilakukan tim dari University of Bonn itu menganalisis kandungan material chip secara rinci hingga tingkat unsur kimia. Sophia Falk, peneliti dari Bonn Sustainable AI Lab sekaligus penulis utama studi, bersama timnya menemukan bahwa satu chip Nvidia A100 mengandung 32 elemen berbeda.

Hasil analisis menunjukkan sekitar 90 persen massa chip tersusun dari logam berat. Tembaga menjadi material dominan dengan berat sekitar 1,4 kilogram per unit. Selain itu terdapat besi, timah, silikon, dan nikel dalam jumlah besar. Sementara emas, perak, platinum, dan paladium hanya ditemukan dalam kadar kecil.

Dari seluruh elemen yang diidentifikasi, banyak di antaranya tergolong bahan berbahaya seperti arsenik, merkuri, timbal, kadmium, kromium, seng, nikel, antimon, kobalt, hingga berilium.

Secara keseluruhan, sekitar 93 persen material dalam satu chip A100 terdiri dari unsur yang memiliki sifat toksik. Meski aman saat terpasang di dalam server pusat data, risiko terbesar justru muncul pada proses penambangan bahan baku dan limbah elektronik ketika perangkat sudah tidak digunakan.

Tim peneliti juga menelusuri dampak penggunaan chip dalam pelatihan model AI besar seperti GPT-4.

Jumlah chip yang dibutuhkan ternyata sangat bergantung pada tingkat pemanfaatan perangkat dan usia pakai hardware. Dalam skenario yang dianggap paling realistis, yakni utilisasi 35 persen dengan masa pakai dua tahun, pelatihan satu model GPT-4 diperkirakan membutuhkan sekitar 2.515 chip Nvidia A100.

Dilansir dari laman earth,  jika usia perangkat diperpanjang menjadi tiga tahun, kebutuhan chip turun menjadi sekitar 1.676 unit. Sebaliknya, apabila pemanfaatan rendah dan umur perangkat pendek, satu proses pelatihan dapat menghabiskan hingga 8.800 GPU.

Secara total, pelatihan satu model GPT-4 diperkirakan memerlukan ekstraksi material tambang hingga sekitar 3,6 metrik ton.

Penelitian itu juga mencatat lonjakan kebutuhan komputasi yang sangat besar saat OpenAI beralih dari GPT-3.5 ke GPT-4. Menurut tim peneliti, kebutuhan sumber daya GPU meningkat sekitar 31 kali lipat atau lebih dari 3.000 persen.

Meski begitu, peningkatan performa model tidak selalu sebanding dengan lonjakan sumber daya yang digunakan. GPT-4 memang mencatat peningkatan kemampuan matematika hingga 61 persen dan pengkodean sebesar 39 persen dibanding pendahulunya. Namun untuk kemampuan penalaran umum, peningkatannya hanya sekitar 14 persen.

“Inovasi arsitektur dan metodologi pelatihan mungkin menawarkan peningkatan kinerja yang lebih efektif daripada sekadar meningkatkan sumber daya mentah,” tulis Falk bersama rekan penelitinya.

Mereka menilai model AI yang lebih besar belum tentu selalu lebih cerdas. Penelitian juga menunjukkan bahwa dampak lingkungan terbesar justru terjadi jauh dari lokasi pusat data. Material logam berat pada chip berasal dari tambang dan fasilitas pemrosesan di wilayah dengan regulasi lingkungan yang sering kali lebih longgar.

Dalam sembilan model simulasi yang dianalisis, skenario paling realistis menghasilkan sekitar 6,4 metrik ton material tambang berbahaya. Pada kondisi terburuk, jumlahnya bahkan mendekati 20 metrik ton.

Tim peneliti menilai ada dua langkah utama yang dapat menekan dampak tersebut, yakni meningkatkan tingkat pemanfaatan chip serta memperpanjang usia pakai perangkat keras.

Jika utilisasi chip dinaikkan dari 20 persen menjadi 60 persen, kebutuhan GPU dapat berkurang hingga dua pertiga. Sementara memperpanjang masa pakai hardware dari satu tahun menjadi tiga tahun juga menghasilkan pengurangan serupa.

Bahkan, apabila chip Nvidia A100 dijalankan dengan utilisasi 60 persen selama lima tahun, kebutuhan perangkat untuk melatih GPT-4 dapat turun drastis dari 8.800 menjadi hanya sekitar 587 chip, atau berkurang hingga 93 persen.

Temuan ini dinilai penting karena selama ini pembahasan mengenai dampak AI lebih banyak berfokus pada energi dan air, sementara penggunaan logam berat belum banyak diperhitungkan.

Kini, studi tersebut menghadirkan gambaran lebih konkret mengenai biaya material di balik pelatihan model AI besar, mulai dari ribuan chip hingga berton-ton bahan tambang yang sebagian besar bersifat beracun.

Kelompok peneliti Falk juga mendorong laboratorium AI dan perusahaan teknologi agar lebih transparan dalam mengungkap konfigurasi pelatihan model mereka sebagai bagian dari laporan keberlanjutan.

Penelitian tersebut telah dipublikasikan dalam jurnal ilmiah Communications Earth & Environment.

Artikel Bukan Cuma Boros Listrik, Peneliti Ungkap AI Mengandung Banyak Logam Berbahaya pertama kali tampil pada Katafoto.id.

Hal itu disampaikan Aryo dalam Energy Insights Forum bertajuk “The Energy We Share” yang digelar Kadin Bidang ESDM di Jakarta, Rabu (20/8) malam.

Tantangan Investasi Transmisi EBT

Menurut Aryo, kendala terbesar dalam pengembangan EBT bukan terletak pada ketersediaan sumber energi, melainkan pada investasi jaringan transmisi yang menghubungkan pembangkit dengan pusat beban.

“Internal rate of return (IRR) pembangunan transmisi saat ini hanya sekitar 6 persen. Angka itu terlalu rendah bagi investor swasta, sehingga PLN harus mengambil peran utama. Karena itu, penerbitan green bonds penting agar PLN memiliki pendanaan yang cukup untuk memperluas jaringan transmisi listrik hijau sekaligus memperkuat bauran energi terbarukan nasional,” ujarnya dikutip dalam keterangan tertulis. 

Ia menambahkan, Indonesia tidak kekurangan sumber daya energi bersih, namun masih membutuhkan skema finansial yang tepat untuk menjembatani potensi energi dengan kebutuhan listrik yang terus meningkat.

Green Bonds dan Transisi Energi

Green bonds merupakan obligasi khusus yang dananya hanya digunakan untuk proyek ramah lingkungan, seperti pembangunan pembangkit EBT, transmisi hijau, hingga penyimpanan energi. Skema ini memberi jaminan kepada investor global bahwa dana mereka benar-benar diarahkan ke proyek hijau, sehingga meningkatkan kepercayaan sekaligus kredibilitas Indonesia dalam transisi energi.

“Bagi Indonesia, green bonds bisa menjadi instrumen kunci dalam memenuhi kebutuhan investasi pembangkit hingga jaringan transmisi yang hampir mencapai Rp3.000 triliun,” tambah Aryo.

SEVP Hukum, Regulasi, dan Kepatuhan PLN, Nurlely Aman, menegaskan bahwa PLN tidak mungkin menjalankan seluruh program pembangunan sendirian.

“Dalam RUPTL 2025–2034, sekitar 76 persen tambahan kapasitas listrik ditargetkan berasal dari energi terbarukan, termasuk energy storage. Pertanyaannya bukan lagi apa yang harus dilakukan, tapi bagaimana mengeksekusinya bersama. Peran swasta sangat krusial,” katanya.

RUPTL terbaru menempatkan peran Independent Power Producer (IPP) sebagai penyumbang dana lebih dari 70 persen. Untuk merealisasikan target tersebut, PLN mengandalkan skema pembiayaan hijau, kolaborasi internasional, serta opsi transition financing yang tengah dikembangkan.

Perspektif Dunia Usaha

Dari sisi pelaku industri, CEO Bosowa Corporindo, Subhan Aksa, menyoroti kebutuhan energi rendah emisi di kawasan timur Indonesia. Ia mencatat pertumbuhan konsumsi listrik di Sulawesi Selatan mencapai 9 persen per tahun.

“Pada 2023, kekeringan ekstrem menyebabkan PLTA mengalami penurunan produksi signifikan hingga memengaruhi industri. Energi terbarukan bukan sekadar beban, tapi peluang. Namun tanpa regulasi dan dukungan pemerintah, swasta sulit bergerak. Kami siap menjadi mitra pemerintah dalam pemerataan energi,” ujarnya.

Subhan menambahkan, insentif dan arah kebijakan yang jelas akan membuat industri lebih percaya diri untuk berinvestasi pada energi bersih. Saat ini Bosowa juga mulai mengembangkan energi terbarukan dan pemanfaatan bahan bakar alternatif seperti biomassa.

Kebutuhan Energi Digital

Sementara itu, VP Operations DCI Indonesia, Lucas Adrian, mengingatkan bahwa lonjakan permintaan energi juga datang dari pertumbuhan pesat pusat data (data center).

“Pertumbuhan data center di Indonesia diperkirakan mencapai CAGR sekitar 20 persen per tahun dalam 4–5 tahun ke depan. Data center adalah pengguna listrik besar dengan standar layanan tinggi, sehingga pasokan energi harus stabil,” jelasnya.

Artikel Green Bonds Dinilai Jadi Kunci Pembiayaan Transmisi Listrik Energi Terbarukan di Indonesia pertama kali tampil pada Katafoto.id.