𝗧𝗲𝗺𝗯𝗼𝗸 𝗗𝗮𝘆𝗮 𝗔𝗜: 𝗠𝗲𝗻𝗴𝗮𝗽𝗮 𝗞𝗼𝗺𝗽𝘂𝘁𝗮𝘀𝗶 𝗢𝗿𝗯𝗶𝘁𝗮𝗹 𝗕𝗶𝘀𝗮 𝗠𝗲𝗻𝗷𝗮𝗱𝗶 𝗕𝗮𝘁𝗮𝘀 𝗕𝗮𝗿𝘂 𝗣𝘂𝘀𝗮𝘁 𝗗𝗮𝘁𝗮
AI memiliki masalah daya.
Ini bukan masalah branding. Ini adalah masalah infrastruktur fisik.
Setiap model AI, generator gambar, dan asisten pengodean bergantung pada listrik. Seiring AI masuk ke dalam setiap alur kerja bisnis dan ilmiah, tekanan pada pusat data semakin meningkat.
Selama bertahun-tahun, komputasi awan berkembang dengan menambah lebih banyak server dan serat optik. AI mengubah aturan mainnya. Klaster GPU densitas tinggi membutuhkan daya yang sangat besar, pendinginan yang intensif, dan koneksi jaringan listrik yang besar. Di banyak tempat, batasannya bukan lagi membeli GPU. Batasannya adalah menemukan listrik yang cukup untuk menjalankannya.
Inilah mengapa komputasi orbital menjadi penting.
Saat ini, ini bukanlah pengganti pusat data berbasis Bumi. Ini adalah sinyal bahwa perlombaan AI sedang bergerak melampaui lahan dan jaringan listrik.
Skala permintaannya sangat besar:
- 2024: Pusat data menggunakan sekitar 415 TWh (1,5% listrik global).
- 2030: Permintaan bisa mencapai 945 TWh (hampir 3% listrik global).
- 2050: BloombergNEF memperkirakan permintaan akan mencapai 3.700 TWh (8,7% daya global).
Hal ini menciptakan tekanan pada jaringan listrik lokal. Satu klaster besar dapat membutuhkan daya setara dengan kota kecil. Ketika energi bersih tidak dapat dialirkan cukup cepat, perusahaan mungkin beralih ke gas atau batu bara.
Komputasi orbital menawarkan jalur yang berbeda.
Starcloud-1 baru-baru ini diluncurkan ke orbit dengan GPU NVIDIA H100. Ini membuktikan bahwa perangkat keras kelas pusat data dapat beroperasi di luar angkasa.
Logika untuk komputasi luar angkasa sangat sederhana:
- AI membutuhkan listrik.
- Luar angkasa memiliki energi surya yang melimpah.
- Bumi memiliki kemacetan jaringan, keterbatasan lahan, dan penundaan perizinan.
Sebuah satelit di orbit yang tepat dapat mengumpulkan energi surya secara lebih konsisten daripada ladang tenaga surya di Bumi. Luar angkasa menawarkan sinar matahari tanpa awan, cuaca, atau penggunaan air untuk pendinginan.
Namun, luar angkasa bukanlah solusi yang mudah. Anda tidak dapat menggunakan kipas untuk mendinginkan GPU di ruang hampa. Anda harus menggunakan radiator untuk membuang panas melalui energi inframerah. Anda juga menghadapi tantangan radiasi, penundaan komunikasi, dan biaya peluncuran yang tinggi.
Kasus penggunaan nyata pertama kemungkinan adalah:
- Pemrosesan AI untuk satelit lainnya.
- Analitik observasi Bumi.
- Beban kerja ilmiah.
- Inferensi batch.
Tujuannya adalah untuk memproses data di tempat data tersebut dibuat. Alih-alih mengirim file mentah yang sangat besar ke Bumi, satelit dapat memproses data di luar angkasa dan hanya mengirimkan kembali hasil kecil yang berguna.
Perlombaan infrastruktur AI kini menjadi perlombaan energi. Lokasi yang paling berharga di masa depan adalah di mana pun daya listrik paling murah dan paling andal.
Masa depan AI tidak hanya akan ditentukan oleh ukuran model. Hal ini akan ditentukan oleh daya, pendinginan, dan jaringan.
Komunitas belajar opsional: https://t.me/GyaanSetuAi