Apa Itu Jejak Material AI?

Model AI mungkin tampak sebagai perangkat lunak di layar, tetapi pengoperasiannya membutuhkan rantai fisik yang panjang. Tambang dan fasilitas pemurnian memasok bahan baku; pabrik semikonduktor membuat prosesor dan memori; produsen peralatan merakit server; dan pusat data menyediakan listrik, jaringan, serta pendinginan.

Pembedaan ini penting karena listrik operasional hanyalah satu bagian dari daur hidup. Sebelum server memproses prompt pertamanya, energi dan material sudah digunakan untuk membuat cip, papan sirkuit, catu daya, perangkat penyimpanan, peralatan pendingin, serta bangunan yang menampungnya.

Tidak ada satu angka yang dapat mewakili seluruh jejak ini. Batas cakupan berbeda antarpenelitian: sebagian hanya menghitung peralatan komputasi, sedangkan yang lain mencakup bangunan, infrastruktur listrik, air, jaringan, siklus penggantian, atau penanganan pada akhir masa pakai. Estimasi yang dapat dipercaya harus menyatakan apa saja yang dicakup.

Akselerator AI menggabungkan prosesor, memori berlebar pita tinggi, papan sirkuit, komponen pendingin, dan teknologi pengemasan yang kompleks. Produksinya membutuhkan proses manufaktur yang sangat terkendali, tahapan pemrosesan berulang, air ultramurni, listrik, gas khusus, dan bahan kimia.

Simpul proses semikonduktor yang lebih kecil dapat menghasilkan kinerja komputasi lebih tinggi, tetapi fabrikasinya tetap memiliki dampak. Tinjauan The Shift Project mencatat bahwa dampak terkait energi, air, dan gas rumah kaca per satuan luas silikon dapat meningkat seiring makin majunya proses manufaktur, sementara data produk yang tersedia untuk publik masih belum lengkap.

Karena itu, efisiensi perlu dipertimbangkan pada dua tingkat. Akselerator yang lebih baru mungkin dapat menjalankan beban kerja yang sama dengan listrik lebih sedikit, tetapi mengganti peralatan lebih awal juga menciptakan jejak manufaktur baru. Hasil terbaik bergantung pada efisiensi beban kerja, masa pakai, tingkat utilisasi, dan penanganan perangkat keras yang digantikan.

Server mengandung baja, aluminium, tembaga, silikon, serta beragam material khusus dalam jumlah lebih kecil yang digunakan pada komponen elektronik, baterai, magnet, konektor, dan sistem daya. Penelitian ADEME yang dirangkum oleh The Shift Project mencatat bahwa lebih dari 50 jenis logam dapat ditemukan dalam berbagai peralatan digital.

Persoalannya bukan sekadar massa setiap material. Penambangan, pemurnian, dan produksi komponen berlangsung di berbagai negara, dengan kondisi terkait energi, air, pencemaran, ketenagakerjaan, dan tata kelola yang dapat sangat berbeda. Material yang sulit dimurnikan, meskipun jumlahnya kecil, dapat menimbulkan dampak yang tidak terlihat dari berat akhir server.

Rantai pasok juga terkonsentrasi secara geografis. AI Index dari Stanford menyoroti pemusatan fabrikasi semikonduktor canggih dan kapasitas komputasi AI di sejumlah kecil negara. Konsentrasi ini dapat menimbulkan hambatan industri serta pembagian manfaat dan beban lingkungan yang tidak merata.

Infrastruktur AI membutuhkan lebih dari sekadar rak akselerator. Pusat data menggunakan beton, baja struktural, gardu listrik, sistem cadangan, baterai, transformator, perangkat hubung bagi, kabel, pompa, penukar panas, menara pendingin, dan peralatan jaringan.

Emisi melekat dari manufaktur dan konstruksi sering kali lebih kecil daripada emisi operasional pada jaringan listrik yang sangat bergantung pada bahan bakar fosil, tetapi tetap tidak dapat diabaikan. Peran relatifnya meningkat ketika listrik menjadi lebih rendah karbon, karena beton, baja, elektronik, dan peralatan pengganti tetap menjadi bagian dari daur hidup.

Fasilitas dan peralatan TI juga menua dengan laju yang berbeda. Dokumen pengajuan tahun 2026 untuk pusat data Agate milik Google di Nebraska menjelaskan bahwa umur rencana fasilitas umumnya lebih dari 25 tahun dan umur struktur bangunannya 30 hingga 50 tahun, sedangkan subsistem komputasi, kelistrikan, dan pendinginan di dalamnya diganti atau dimodernisasi secara modular. Ini adalah uraian operator mengenai satu pusat data, bukan aturan yang berlaku universal di industri.

Permintaan akan akselerator yang lebih cepat dapat memperpendek siklus penggantian dalam praktiknya, meskipun perangkat keras lama masih berfungsi. Peralatan baru dapat meningkatkan kinerja per watt, tetapi pembuatannya kembali membutuhkan material, energi industri, transportasi, dan pemasangan.

Perangkat keras yang tidak lagi dioperasikan tidak otomatis menjadi limbah. Sebagian server dan komponen dapat dialihkan ke beban kerja yang lebih ringan, direkondisi, dijual kembali, atau digunakan sebagai suku cadang. Penanganan data yang aman, kompatibilitas, efisiensi energi, dan biaya pemeliharaan menentukan apakah penggunaan kembali layak dilakukan.

Peralatan yang tidak dapat digunakan kembali masuk ke sistem pengelolaan limbah elektronik. Laporan UNU-INWEH mengutip proyeksi limbah elektronik terkait AI yang dapat mencapai 2.5 juta ton per tahun pada 2030. Angka ini merupakan estimasi masa depan, bukan total saat ini yang telah diukur, dan sangat bergantung pada asumsi penerapan serta penggantian perangkat.

Manufaktur semikonduktor dan elektronik dapat mengonsumsi air serta melibatkan pelarut, gas khusus, dan bahan kimia persisten. PFAS digunakan dalam sebagian proses semikonduktor dan aplikasi perpindahan panas, tetapi bukti publik belum mendukung penetapan total PFAS global yang tepat untuk AI saja.

Penggunaan lahan merupakan batas cakupan lainnya. Tambang, pabrik, pembangkit listrik, saluran transmisi, dan kawasan pusat data semuanya menempati ruang, tetapi hasil perhitungan jejak lahan sangat bergantung pada sumber listrik dan metode penghitungan. Laporan UNU-INWEH menunjukkan mengapa pilihan rendah karbon, hemat air, dan hemat lahan tidak selalu merupakan pilihan yang sama.

Dampak ini dapat terjadi jauh dari pengguna layanan akhir. Mineral dapat ditambang di satu wilayah, dimurnikan di wilayah lain, diolah menjadi cip di tempat lain lagi, lalu dipasang di pusat data yang melayani pengguna di seluruh dunia. Analisis daur hidup membantu memperlihatkan dampak yang tersebar tersebut tanpa menganggap semuanya dapat diringkas menjadi satu skor.

Langkah paling langsung mencakup memperpanjang masa pakai perangkat keras, meningkatkan utilisasi server, menggunakan sistem modular yang dapat diperbaiki, mengutamakan penggunaan kembali sebelum daur ulang, menerapkan manufaktur yang lebih bersih, dan meningkatkan pemulihan material bernilai. Operator juga dapat memublikasikan jejak pada tingkat produk serta kebijakan penggantian agar perbaikannya dapat diverifikasi.

Keputusan terkait perangkat lunak juga penting. Model yang lebih kecil dan sesuai kebutuhan, inferensi yang efisien, pemrosesan secara kelompok, kuantisasi, dan pengalihan tugas sederhana ke sistem yang lebih ringan dapat menghasilkan pekerjaan yang bermanfaat dari perangkat keras yang ada. Efisiensi hanya mengurangi jejak total jika pertumbuhan permintaan tidak menghapus penghematannya.

Pengukuran yang lebih baik sangat penting. Pelaporan perlu memisahkan listrik operasional dari emisi melekat, menjelaskan batas cakupan daur hidup, serta membedakan rata-rata perusahaan dari data tingkat fasilitas. Tujuannya bukan memberikan satu angka material yang pasti untuk setiap prompt, melainkan membuat keputusan infrastruktur lebih transparan dan dapat dibandingkan.