Kecerdasan buatan (AI) terus mengubah cara kita beraktivitas. Di berbagai sektor, teknologi ini merubah cara kita bekerja, namun perkembangan yang cepat ini tidak bisa berlangsung tanpa terhambat oleh beberapa batasan nyata.
Salah satu tantangan yang paling mencolok adalah perencanaan untuk pusat data berskala besar di seluruh dunia serta infrastruktur komputasi awan dan sistem AI yang semakin kompleks. Hal ini membawa pada pembicaraan sulit terkait harga energi, produksi, dan ketersediaan.
Di seluruh dunia, konsumsi listrik meningkat dengan salah satu laju tercepat dalam beberapa dekade terakhir, tanpa tanda-tanda akan melambat. Badan Energi Internasional (IEA) memperkirakan pertumbuhan permintaan listrik global sebesar 3,3% pada tahun 2025 dan 3,7% pada tahun 2026, yang sebagian besar dipicu oleh pusat data, penerapan AI, dan ekspansi industri maju lainnya.
IEA juga telah memperingatkan bahwa permintaan listrik dari pusat data diperkirakan akan berlipat ganda pada tahun 2030, dengan fasilitas yang berfokus pada AI diproyeksikan meningkatkan konsumsi daya mereka hingga tiga kali lipat dalam periode yang sama.
Dampak finansial dan kebijakan dari perkembangan ini sudah mulai dirasakan. Dengan perluasan jaringan listrik yang terbatas, semakin banyak konsumen bersaing untuk sumber daya yang semakin sedikit, menyebabkan harga semakin melonjak. Menurut S&P Global, beberapa daerah dengan pusat data AI telah melihat harga listrik grosir meroket lebih dari 250% dalam lima tahun terakhir.
Tensi yang semakin meningkat antara kemajuan AI dan ketersediaan energi mulai membentuk kembali cara sektor teknologi berpikir tentang masa depan inovasi. Selama bertahun-tahun, asumsi paling utama adalah bahwa kemajuan AI akan terutama berasal dari skala ukuran model dan infrastruktur komputasi terpusat.
Namun, gelombang berikutnya dari penciptaan nilai juga akan datang dari AI yang tertanam dalam dunia fisik: mesin, perangkat, gedung, aset industri, alat medis, dan infrastruktur yang terus-menerus merasakan, bertindak, dan beradaptasi. Dalam konteks ini, pertanyaannya bukan hanya tentang bagaimana melatih model yang lebih besar, tetapi juga bagaimana memproses aliran data dunia nyata yang masif dengan latensi minimal dan pengeluaran energi yang sekecil mungkin.
Inilah mengapa arsitektur alternatif, termasuk AI berdaya rendah dan terdesentralisasi, menjadi sangat penting secara strategis.
Apa itu sistem AI berdaya rendah
AI berdaya rendah adalah sistem yang dirancang khusus untuk meminimalkan sumber daya yang diperlukan untuk inferensi dan pembelajaran online, terutama konsumsi energi, sambil tetap memenuhi harapan kinerja tinggi. Alih-alih bergantung sepenuhnya pada infrastruktur berbasis cloud yang besar dan pusat data terpusat yang menyedot banyak energi, sistem-sistem ini memprioritaskan efisiensi sumber daya di semua tingkat teknologi, mulai dari arsitektur semikonduktor hingga pemrosesan dan penerapan data.
AI berdaya rendah bukanlah sebuah terobosan tunggal di tingkat model. Ini adalah disiplin desain sistem yang mencakup sensor, pengolahan sinyal, pemrosesan tertanam, arsitektur semikonduktor, optimisasi algoritma, dan penerapan. Tantangan nyata adalah merancang perangkat keras dan perangkat lunak secara bersamaan untuk kasus penggunaan tertentu sehingga kecerdasan disampaikan di tempat yang dibutuhkan, dengan anggaran energi serendah mungkin.
Ini adalah area di mana lembaga penelitian seperti CSEM dapat memberikan kontribusi: dengan menggabungkan keahlian dalam sensor, komputasi tepi, desain IC yang ultra-efisien, dan integrasi sistem berbasis aplikasi untuk menerjemahkan AI menjadi solusi nyata yang kuat daripada sekadar demonstrasi umum.
Fokus utama dalam pengembangan AI selama ini adalah menciptakan sistem yang dilatih dan dioperasikan pada arsitektur umum, menangani berbagai tugas secara bersamaan. Sistem-sistem ini sangat kuat tetapi bergantung pada model yang membutuhkan banyak energi untuk menjaga kinerja.
Sebaliknya, sistem AI berdaya rendah fokus pada sistem yang lebih dikustomisasi, terbatas dalam lingkup dan kemampuan untuk satu set tugas yang jelas sehingga memungkinkan mereka tidak terlalu bergantung pada infrastruktur besar dan sumber daya energi untuk berfungsi.
Ini termasuk AI tepi, di mana data diproses langsung di dalam perangkat dan sistem daripada terus-menerus dikirim ke infrastruktur cloud yang jauh. Pergeseran ini semakin penting di era AI fisik. Ketika kecerdasan tertanam dalam dunia nyata, volume data yang relevan yang dihasilkan oleh sensor, mesin, kendaraan, gedung, dan aset lainnya menjadi sangat besar.
Mengirim semua data ke cloud tidak hanya tidak efisien, tetapi sering kali juga terlalu lambat dan mahal. Banyak keputusan harus diambil secara lokal, dalam waktu nyata, dengan batasan kuat pada daya, bandwidth, privasi, dan keandalan.
Dengan demikian, AI berdaya rendah menjadi esensial tidak hanya untuk mengurangi penggunaan energi, tetapi juga untuk memproses data dekat dengan sumbernya, mengekstrak bagian kecil dari informasi yang berarti, dan memungkinkan sistem secara lebih luas untuk dipantau dan dioptimalkan untuk kinerja, sumber daya, dan kesehatan.
Yang lebih penting lagi, sistem berdaya rendah memperluas tempat di mana alat AI dapat berfungsi secara realistis. Alat medis yang dapat dikenakan, sensor industri, sistem pemantauan jarak jauh, infrastruktur transportasi, dan lingkungan manufaktur cerdas semuanya memerlukan sistem AI yang mampu beroperasi dalam batasan energi yang ketat.
Konteks ini menunjukkan di mana keberlanjutan bukan hanya ukuran biaya yang efektif, tetapi juga persyaratan fungsional. Pada tingkat sub-milliwatt, beberapa sistem bahkan bisa melampaui ketergantungan pada baterai dan menjadi otonom energi, memanen energi dari lingkungan sekitar seperti cahaya, panas, atau getaran untuk memungkinkan siklus hidup yang benar-benar tanpa intervensi.
Mengapa efisiensi menjadi keharusan
Kapabilitas produksi energi, infrastruktur transmisi, sumber daya pendinginan, dan rantai pasokan semikonduktor semuanya menghadapi tekanan yang semakin besar. Asumsi bahwa daya saing di masa depan bergantung semata-mata pada pembangunan sistem yang lebih besar dan lebih boros energi mungkin tidak lagi berlaku, karena semakin banyaknya perluasan kemungkinan membawa biaya yang meningkat secara eksponensial.
Organisasi yang mampu menyediakan sistem AI terdistribusi yang efisien dan sangat terarah dapat mendapatkan keuntungan strategis yang besar dan menawarkan jalur menuju ketahanan teknologi yang lebih tinggi, karena desain mereka secara alami membuat mereka lebih tahan terhadap fluktuasi harga listrik, gangguan pasokan, dan ketidakstabilan geopolitik.
Selain itu, pilihan yang lebih berkelanjutan dapat memberikan nilai dengan mengurangi dampak lingkungan, sambil tetap tidak mengorbankan fungsi. Percakapan tentang AI yang bertanggung jawab oleh karena itu tidak boleh hanya fokus pada tata kelola perangkat lunak dan kerangka etika, tetapi juga harus membahas bagaimana sistem diberdayakan, dan bagaimana serta di mana mereka memproses informasi.
Peluang strategis bagi negara kecil
Bangkitnya AI berdaya rendah juga membawa kesempatan untuk mendefinisikan kembali siapa yang dapat berpartisipasi secara berarti dalam perlombaan AI global.
Amerika Serikat dan China telah berperan sebagai tiang utama dalam pengembangan AI, disertai dengan investasi besar-besaran yang mengikuti.
Keduanya merupakan contoh negara besar yang memiliki sumber daya untuk berinvestasi miliaran ke dalam pusat data, produksi chip, dan infrastruktur lainnya. Sekilas, paradigma ini memaksa banyak negara kecil untuk kehilangan keuntungan finansial dan inovasi dari gerakan AI.
Namun, dengan sistem AI berdaya rendah dan terdistribusi, negara kecil tidak perlu bersaing hanya berdasarkan skala. Mereka dapat bersaing melalui spesialisasi, teknik presisi, dan kemampuan untuk menerjemahkan penelitian menjadi sistem yang dapat diterapkan pada aplikasi yang menuntut.
Negara asal saya, Swiss, memberikan kerangka kerja yang berguna untuk apa yang terlihat dalam praktik. Seperti halnya negara lain di dunia, kami tidak bisa membelanjakan lebih banyak daripada ekonomi terbesar, tetapi kami memiliki kapabilitas yang kuat dalam mikroelektronika, kecerdasan tertanam, teknologi sensor, dan aplikasi industri serta medis bernilai tinggi.
Dengan mengenali fondasi yang kuat ini, organisasi transfer teknologi seperti kami dapat memainkan peran penting dalam menjembatani kekuatan unik nasional ini dengan penerapan industri, membantu mentransformasi AI dari paradigma berbasis cloud menjadi kecerdasan efisien yang tertanam dalam dunia fisik.
Bahkan untuk negara kecil dengan sumber daya alam yang terbatas, ada kesempatan untuk menjadi pemimpin dalam pengembangan AI dengan mengadopsi desain sistem berdaya rendah. Produsen chip dengan sumber daya yang lebih sedikit harus semakin fokus pada penciptaan teknologi yang terfokus dan efisien dalam hal energi yang dioptimalkan untuk aplikasi tertentu agar dapat bersaing di pentas global.
Seiring dengan semakin ketatnya batasan energi, permintaan akan sistem AI yang mampu beroperasi secara efisien dalam kondisi nyata akan semakin meningkat, daripada hanya berada dalam lingkungan infrastruktur terpusat yang besar.
Dalam banyak cara, AI berdaya rendah bisa mendemokratisasi bagian dari ledakan AI dengan menghargai efisiensi, presisi, dan spesialisasi, bukan hanya memberikan peluang bagi wilayah yang dapat mencapai skala. Dapat dikatakan bahwa hampir setiap negara di dunia memiliki beberapa tingkat keahlian teknis yang dapat dijembatani ke kasus penggunaan AI.
Generasi berikutnya dari AI akan melihat pergeseran dari antarmuka obrolan dan platform cloud ke sistem fisik yang membentuk kehidupan sehari-hari dan produktivitas industri. Dalam konteks itu, kecerdasan lokal yang efisien bukanlah sekadar optimasi sekunder; melainkan menjadi persyaratan arsitektur yang inti.
AI fisik akan bergantung pada kemampuan untuk terus-menerus merasakan dunia, menginterpretasikan secara selektif, dan bertindak berdasarkan informasi yang relevan tanpa menggerakkan setiap aliran data mentah melalui infrastruktur terpusat.
Pendemokrasian AI membawa kebutuhan akan solusi dan peluang yang lebih terdemokratisasi agar semua orang dapat berpartisipasi.
Memandang ke depan
Sementara tahun-tahun awal ledakan AI telah didefinisikan oleh model besar yang multifungsi dan peningkatan skala, bab selanjutnya kemungkinan akan ditulis oleh pengembang dan ekosistem yang mampu memanfaatkan teknik presisi untuk fokus pada sistem terdistribusi berdaya rendah yang secara alami lebih tahan lama dan berkelanjutan.
Ketersediaan energi bukan lagi menjadi pertimbangan sekunder dalam pengembangan AI dan akan semakin menjadi salah satu variabel yang menentukan masa depan industri, serta bagaimana ekonomi global dibangun. Realitas ini menjadikan AI berdaya rendah sebagai kebutuhan yang muncul.
Generasi berikutnya dari sistem AI harus dirancang dengan mempertimbangkan batasan ini, yang memerlukan kemajuan dalam desain semikonduktor, komputasi tepi, arsitektur khusus, dan manajemen energi pintar.
Negara-negara dan perusahaan yang mengadopsi sistem yang lebih efisien dan terarah mungkin pada akhirnya lebih baik diposisikan untuk daya saing jangka panjang daripada mereka yang bergantung pada pertumbuhan ukuran secepat mungkin.
Panduan yang dilakukan Uni Eropa melalui Joint Chips Undertaking sudah mulai menyatukan negara-negara anggotanya, serta beberapa mitra luar seperti Swiss, untuk mengembangkan jalur menuju teknologi seperti chip berdaya rendah. Dengan latar belakang ini, masa depan AI tidak hanya akan menjadi milik para pemain terbesar, tetapi juga para yang paling pintar dan efisien.
Bagi ekonomi global, ini bisa menjadi salah satu transisi terpenting dari era AI yang baru mulai dikenal baru-baru ini, seiring dengan kontroversi yang berkembang terkait pusat data berskala besar.
