Masalah inti dari infrastruktur AI: Risiko aset yang terbengkalai – mereka yang bergantung pada struktur usang saat ini akan menanggung konsekuensinya di masa mendatang

AI yang boros energi: Alternatif cerdas (dan diabaikan) untuk pusat data nuklir raksasa

Kurangnya transparansi sebagai masalah politik inti dari infrastruktur AI

Kebutuhan energi kecerdasan buatan (AI) meningkat secara eksponensial – dan bersamaan dengan itu, kepanikan politik pun muncul. Untuk memenuhi kebutuhan listrik yang sangat besar dari pusat data AI yang direncanakan, solusi yang konon baru tiba-tiba menjadi fokus di Eropa dan AS: reaktor nuklir modular kecil (SMR). Namun, sementara para politisi dan pelobi industri merayakan penyelamat nuklir ini sebagai satu-satunya pilihan, kesalahan perhitungan ekonomi yang belum pernah terjadi sebelumnya membayangi di baliknya.

Biaya konstruksi yang melonjak, waktu implementasi yang memakan waktu puluhan tahun, dan risiko besar dari apa yang disebut "aset terbengkalai" mengubah impian pabrik raksasa AI bertenaga nuklir menjadi pertaruhan berisiko tinggi. Yang sangat berbahaya adalah apa yang secara sistematis diabaikan dalam perdebatan ini: infrastruktur AI yang terdesentralisasi. Artikel ini mengkaji kebenaran biaya tersembunyi dari perdebatan SMR dan menunjukkan mengapa kita berisiko mengulangi kesalahan struktural yang mahal di masa lalu dengan teknologi masa depan.

Oleh karena itu, pemicu sebenarnya dari perdebatan ini bukanlah pertanyaan teknis tentang infrastruktur mana yang lebih baik. Pemicu sebenarnya adalah pertanyaan politik: Mengapa diskusi tentang infrastruktur AI yang tahan masa depan hampir secara eksklusif berfokus pada teknologi yang cakupan realisasinya berada di luar cakupan perencanaan peta jalan AI, yang sejarah biayanya ditandai dengan pembengkakan biaya hingga beberapa ratus persen, dan yang subsidinya sebagian besar tidak jelas?

Berkaitan dengan ini:

• Pabrik Raksasa AI: Biaya Tersembunyi – Bagaimana Ekspansi Perusahaan Hyperscaler di AS dan Tiongkok Membebani Sumber Daya

Kurangnya transparansi sebagai masalah politik inti infrastruktur AI: Isu energi sebagai taktik pengalihan strategis

Dalam perdebatan seputar pembangunan gigafactory AI Eropa, satu pertanyaan mendominasi diskusi publik: Dari mana semua listrik akan berasal? Jawaban yang semakin banyak beredar di kalangan politik dan forum industri adalah: reaktor nuklir modular kecil, yang disebut Reaktor Modular Kecil (SMR). Jawaban ini terdengar canggih secara teknologi, layak secara politik, dan memiliki keuntungan dalam memenangkan hati kelompok kepentingan yang ada—industri nuklir, penyedia energi milik negara, dan lembaga penelitian nuklir. Namun, yang hampir sepenuhnya hilang dari diskusi ini adalah penilaian ekonomi yang jujur: Apakah gigafactory AI terpusat, yang didukung oleh reaktor SMR, benar-benar merupakan jawaban yang paling masuk akal secara ekonomi untuk meningkatnya permintaan daya komputasi? Atau apakah pertanyaan ini mengalihkan perhatian dari alternatif struktural yang jauh lebih mendasar—infrastruktur AI yang terdesentralisasi?

Badan Energi Internasional (IEA) memperkirakan bahwa konsumsi listrik global oleh pusat data akan meningkat lebih dari dua kali lipat pada tahun 2030, mencapai hampir 1.000 terawatt-jam per tahun. Bahkan saat ini, satu pusat data AI besar mengonsumsi listrik sebanyak sebuah kota dengan 50.000 penduduk, dan fasilitas yang benar-benar besar sekarang beroperasi dalam kisaran gigawatt. Untuk AS saja, IEA memperkirakan kebutuhan kapasitas tambahan sebesar 60 gigawatt pada tahun 2029 untuk pusat data dan aplikasi AI saja—setara dengan output sekitar 60 pembangkit listrik tenaga nuklir. Angka-angka ini mengesankan, tetapi mengarah pada penalaran yang keliru: angka-angka tersebut secara sembarangan memproyeksikan arsitektur pusat data terpusat saat ini ke masa depan, alih-alih mempertimbangkan secara serius model infrastruktur alternatif.

Kebenaran tentang biaya tersembunyi di balik janji SMR

Diskusi seputar Reaktor Modular Kecil (SMR) ditandai dengan tingkat optimisme yang luar biasa, yang, setelah diteliti lebih lanjut, memiliki sedikit dasar empiris. Para pendukung SMR menjanjikan waktu konstruksi yang lebih singkat, biaya yang lebih rendah melalui produksi massal, dan skalabilitas yang lebih cepat dibandingkan dengan reaktor skala besar konvensional. Namun, kenyataan menunjukkan gambaran yang jauh lebih suram.

Pasar global untuk pembangkit listrik tenaga nuklir telah mengalami stagnasi selama bertahun-tahun. Pada tahun 2024, hanya enam pembangkit listrik tenaga nuklir baru yang beroperasi di seluruh dunia, sementara empat lainnya dinonaktifkan – peningkatan bersih sebanyak dua pembangkit. Alasannya bersifat struktural: biaya investasi yang sangat tinggi, waktu konstruksi 10 hingga 15 tahun, dan risiko pembiayaan yang praktis hanya dapat ditanggung oleh perusahaan milik negara. Contoh utama dari ledakan biaya ini adalah Flamanville 3 di Prancis: awalnya diperkirakan sebesar €3,2 hingga €3,3 miliar pada tahun 2006 dan direncanakan untuk periode konstruksi lima tahun, pembangkit listrik tersebut akhirnya menelan biaya €23,7 miliar setelah 17 tahun konstruksi.

Bahkan proyek unggulan AS, pembangkit listrik tenaga nuklir Vogtle di Georgia, awalnya dianggarkan sebesar $14 hingga $15,5 miliar dan akhirnya menelan biaya $34 miliar – lebih dari dua kali lipat perkiraan awal. Westinghouse, salah satu perusahaan teknologi nuklir terkemuka di dunia, mengajukan kebangkrutan tak lama kemudian. Biaya pembangkit Hinkley Point C di Inggris membengkak menjadi £32,7 miliar (sekitar $41,3 miliar) – meskipun anggaran awal proyek hanya £2 miliar. Aturan praktis yang sekarang digunakan oleh pengamat industri berpengalaman adalah: kalikan perkiraan biaya awal industri nuklir dengan sepuluh untuk mendapatkan angka yang realistis.

Untuk pembangkit listrik SMR, yang hingga saat ini belum memiliki satu pun sistem modular yang dikomersialkan di dunia Barat, situasi biayanya bahkan lebih tidak pasti. Sebuah analisis oleh Yayasan Heinrich Böll dari awal tahun 2024 (catatan: tahun tersebut secara logis dikoreksi menjadi 2024, bukan 2026 di masa mendatang) menyimpulkan bahwa sebagian besar konsep SMR masih dalam tahap pengembangan awal, belum mendapatkan persetujuan regulasi di Uni Eropa, dan kemungkinan besar tidak akan menghasilkan listrik dalam jumlah signifikan sebelum tahun 2050. Institut Ekonomi Energi dan Analisis Keuangan (IEEFA) mengkonfirmasi penilaian kritis ini: SMR tetap terlalu mahal, terlalu lambat untuk dibangun, dan terlalu berisiko untuk memainkan peran penting dalam transisi energi selama 10 hingga 15 tahun ke depan. Menurut IEEE, investasi dalam SMR akan mengalihkan sumber daya dari sumber energi terbarukan yang bebas karbon dan lebih hemat biaya yang sudah tersedia saat ini.

Aspek yang sering diabaikan dalam perdebatan ini adalah subsidi tersembunyi. Menurut perhitungan Forum untuk Ekonomi Pasar Ekologis dan Sosial, yang ditugaskan oleh Greenpeace, dukungan historis untuk tenaga nuklir di Jerman mencapai setidaknya €165 miliar dalam bentuk subsidi negara antara tahun 1950 dan 2008 – ditambah lagi €92,5 miliar dalam biaya yang dapat diperkirakan di masa mendatang. Namun, pemerintah Jerman hanya melaporkan kurang dari €200 juta dalam laporan subsidinya – perbedaan beberapa orde besaran, yang disebabkan oleh definisi subsidi yang sangat sempit. Perhitungan ini gagal memperhitungkan keringanan pajak, jaminan pemerintah, pendanaan penelitian, biaya penyimpanan limbah nuklir, dan – yang paling signifikan – tanggung jawab pemerintah yang secara de facto tidak terbatas jika terjadi bencana. Jika operator pembangkit listrik tenaga nuklir diharuskan membayar asuransi tanggung jawab pasar standar, tenaga nuklir, menurut perhitungan ini, akan lebih mahal hingga €2,70 per kilowatt-jam – dan dengan demikian tidak kompetitif.

Defisit transparansi: Ketika kepentingan lobi mendikte keputusan infrastruktur

Pertanyaan mengapa diskusi tentang pasokan energi untuk pabrik raksasa AI hampir secara eksklusif berfokus pada tenaga nuklir – dan tidak secara bersamaan pada alternatif terdesentralisasi – bukanlah pertanyaan teknis, melainkan pertanyaan politik. Hal ini menunjukkan kurangnya transparansi struktural dalam debat infrastruktur publik.

Uni Eropa telah mendeklarasikan pembangunan gigafactory AI sebagai prioritas strategis dan meluncurkan fasilitas InvestAI senilai €20 miliar untuk membangun hingga lima fasilitas tersebut. Gigafactory AI, sebagaimana didefinisikan oleh Uni Eropa, terdiri dari 100.000 atau lebih chip khusus, dan setiap fasilitas, termasuk pasokan energi, diperkirakan oleh Uni Eropa menelan biaya antara €3 dan €5 miliar. Jerman telah mengalokasikan €805 juta dalam pendanaan awal untuk satu fasilitas tersebut dan secara aktif membahas perusahaan mana yang akan mendapatkan kontrak tersebut – Deutsche Telekom, Schwarz Group, Ionos, atau konsorsium Bavaria. Struktur pendanaan ini secara inheren menciptakan insentif yang sangat merugikan: hal ini menguntungkan proyek-proyek skala besar yang terpusat karena hanya proyek-proyek inilah yang memenuhi ambang batas definisi "gigafactory" Uni Eropa. Pendekatan yang lebih kecil dan terdesentralisasi terabaikan dalam skema pendanaan ini, meskipun seringkali lebih menarik dari perspektif ekonomi.

Kurangnya transparansi juga terlihat dalam penyajian data biaya yang selektif. Ketika politisi dan perwakilan industri berbicara tentang SMR, mereka mengutip perkiraan optimis dari produsen. Ketika para kritikus menunjuk pada pembengkakan biaya di masa lalu, hal ini dianggap sebagai insiden terisolasi atau masalah yang melekat pada teknologi pendahulunya. Namun, tidak ada satu pun bukti empiris yang dapat diandalkan bahwa SMR akan lebih ekonomis dalam skala komersial daripada proyek reaktor skala besar yang menjadi contoh negatif – terutama karena belum ada satu pun proyek SMR yang relevan secara komersial yang telah dioperasikan sesuai dengan standar Barat.

Berkaitan dengan ini:

• Riset Stanford: Apakah AI lokal tiba-tiba unggul secara ekonomi? Akhir dari dogma cloud dan pusat data gigabit?

Alternatif yang sering diabaikan: Mengapa infrastruktur AI terdesentralisasi dapat menjadi solusi yang lebih unggul secara ekonomi?

Pertanyaan yang secara mengejutkan jarang diajukan dalam seluruh debat tentang gigafactory AI dan pasokan energinya adalah: Mengapa kita membutuhkan gigafactory sama sekali? Dan jika kita memang membutuhkannya – mengapa harus terpusat?

Infrastruktur AI lokal dan terdesentralisasi saat ini sedang mengalami penilaian ulang ekonomi yang tenang namun mendasar. Penelitian dari Institut Fraunhofer menunjukkan bahwa sistem berbasis edge dapat menghemat hingga 35 persen biaya listrik dibandingkan dengan pemrosesan cloud konvensional karena membutuhkan lebih sedikit bandwidth dan kapasitas pendinginan. Sebuah pabrik dengan 1.000 sensor IoT yang mengirimkan pengukuran setiap detik akan mengirimkan 86 juta titik data ke cloud setiap hari tanpa komputasi edge; dengan penyaringan data lokal (edge ​​​​filtering), angka ini berkurang menjadi sekitar 8 juta – penghematan 90 persen dalam biaya bandwidth dan penyimpanan cloud. Angka-angka ini signifikan secara ekonomi tetapi jarang dibahas dalam diskusi infrastruktur publik.

Pusat data tepi terdesentralisasi juga menawarkan pemulihan panas lokal, yang dapat digunakan untuk memanaskan area perumahan, gedung perkantoran, atau fasilitas industri. Sinergi ini secara signifikan meningkatkan keseimbangan biaya secara keseluruhan ketika panas limbah dianggap sebagai produk sampingan yang layak secara ekonomi. Pabrik raksasa terpusat menghasilkan panas limbah yang sama, tetapi di lokasi di mana permintaan untuk penggunaannya tidak mencukupi.

Patut dicatat bahwa kesepakatan koalisi pemerintah federal Jerman secara eksplisit bertujuan untuk mendukung infrastruktur terdesentralisasi seperti edge computing di lokasi yang tersebar. Namun, pada saat yang sama, setidaknya satu gigafactory AI Eropa sedang dibangun di Jerman – sebuah pendekatan yang secara struktural bertentangan dengan prinsip desentralisasi. Inkonsistensi ini mencerminkan betapa drastisnya perbedaan antara prestise politik dan rasionalitas ekonomi dalam hal keputusan infrastruktur.

Model infrastruktur AI yang terdiri dari beberapa fasilitas terpusat yang besar mereplikasi paradigma usang pasokan energi terpusat melalui pembangkit listrik besar – dan ini terjadi pada saat industri energi sendiri baru mulai memahami keuntungan dari struktur pembangkitan terdesentralisasi. Akan menjadi kesalahan historis jika mengulangi kesalahan institusional industri energi di bidang infrastruktur digitalisasi.

Berkaitan dengan ini:

• Mana yang lebih baik: Infrastruktur AI terdesentralisasi, terfederasi, dan antifragile atau Gigafactory AI atau pusat data AI hyperscale?

Paradoks Jevons dan Logika Efisiensi yang Menipu

Argumen balasan umum terhadap relevansi dilema desentralisasi SMR adalah bahwa perangkat keras AI semakin efisien, dan oleh karena itu konsumsi energi akan stabil. Argumen ini tidak sepenuhnya salah – tetapi juga tidak sepenuhnya benar, dan mengabaikan apa yang disebut paradoks Jevons.

CEO Microsoft Satya Nadella menyatakan di Berlin pada tahun 2024 bahwa kinerja sistem AI berlipat ganda setiap enam bulan. Data terkini menunjukkan bahwa kemampuan sistem AI bahkan berlipat ganda setiap tujuh bulan – jauh lebih cepat daripada Hukum Moore klasik, yang memprediksi penggandaan setiap dua tahun. Perusahaan rintisan AI Tiongkok, DeepSeek, secara mengesankan mendemonstrasikan pada akhir tahun 2024 dan awal tahun 2025 bahwa hasil yang sebanding dapat dicapai dengan sebagian kecil sumber daya yang sebelumnya dibutuhkan: DeepSeek V3 dilatih dalam dua bulan hanya menggunakan 2.048 GPU NVIDIA H800, sebuah prestasi yang membutuhkan 30,8 juta jam GPU untuk model yang sebanding.

Namun, argumen bahwa peningkatan efisiensi teknologi dapat mengurangi permintaan energi secara keseluruhan tidak berlaku karena alasan struktural. Seiring sistem AI menjadi lebih murah dan efisien, sistem tersebut juga akan digunakan lebih intensif – dan permintaan tumbuh lebih cepat daripada peningkatan efisiensi. IEA menegaskan bahwa meskipun konsumsi energi terkait AI meningkat lebih lambat daripada perluasan kapasitas, konsumsi listrik oleh pusat data akan meningkat lebih dari dua kali lipat menjadi 945 TWh secara global pada tahun 2030. Di Jerman saja, permintaan energi pusat data meningkat menjadi 21,3 miliar kilowatt-jam pada tahun 2025, naik dari 20 miliar kWh pada tahun 2024 dan 12 miliar kWh pada tahun 2015. Peningkatan efisiensi dan pertumbuhan permintaan terus bersaing, dengan permintaan secara historis selalu lebih diutamakan.

Selain itu, ada nuansa penting pada contoh DeepSeek: meskipun pelatihannya efisien, model tersebut mengonsumsi energi hingga 87 persen lebih banyak selama operasi (inferensi) daripada meta-model yang sebanding dengan 70 miliar parameter. Kompleksitas arsitektur yang memungkinkan pelatihan yang lebih efisien dapat meningkatkan konsumsi energi selama operasi. Oleh karena itu, efisiensi di satu area sistem tidak selalu berarti efisiensi di seluruh sistem – sebuah kesadaran yang sering diabaikan oleh perencana infrastruktur terpusat ketika merencanakan kapasitas.

Keahlian industri dan ekonomi global kami dalam pengembangan bisnis, penjualan, dan pemasaran - Gambar: Xpert.Digital

Bidang fokus industri: B2B, digitalisasi (dari AI hingga XR), teknik mesin, logistik, energi terbarukan, dan industri

Informasi selengkapnya di sini:

• Pusat Bisnis Pakar

Pusat tematik yang menawarkan wawasan dan keahlian:

• Platform pengetahuan yang mencakup ekonomi global dan regional, inovasi, dan tren spesifik industri
• Kumpulan analisis, wawasan, dan informasi latar belakang dari area fokus utama kami
• Sebuah tempat untuk mendapatkan keahlian dan informasi tentang perkembangan terkini di bidang bisnis dan teknologi
• Sebuah pusat informasi bagi perusahaan yang mencari informasi tentang pasar, digitalisasi, dan inovasi industri

Penyimpanan baterai sebagai terobosan besar? Revolusi ion natrium dan implikasinya

Salah satu argumen paling meyakinkan untuk mengevaluasi kembali strategi SMR terpusat terletak pada perkembangan pesat teknologi penyimpanan energi – khususnya teknologi ion natrium, yang umumnya dikenal sebagai baterai garam. Perkembangan ini bukan spekulatif tetapi dapat diverifikasi secara empiris dan memiliki implikasi langsung terhadap kelayakan ekonomi infrastruktur AI yang terdesentralisasi.

Baterai ion natrium sudah hampir mencapai kesetaraan biaya dengan teknologi ion litium. Menurut data dari IDTechEx, harga rata-rata sel ion natrium saat ini sekitar $87 per kWh. Biaya produksi tingkat sel diperkirakan akan turun menjadi sekitar $40 per kWh – skenario yang mungkin terjadi dengan peningkatan skala lebih lanjut. Untuk penyimpanan stasioner, tren harga bahkan lebih mengesankan: BloombergNEF mencatat penurunan harga untuk paket penyimpanan stasioner menjadi $70 per kWh pada tahun 2025 – penurunan 45 persen dari tahun ke tahun, menjadikannya penurunan harga paling tajam di antara segmen baterai mana pun.

Proyeksi jangka panjang sangat menarik untuk perencanaan infrastruktur strategis. Pada tahun 2050, baterai ion natrium dapat mencapai biaya penyimpanan energi sebesar €11 hingga €14 per megawatt-jam, dengan asumsi tingkat pembelajaran yang cepat – menjadikannya lebih murah daripada teknologi ion litium, yang diperkirakan akan berharga antara €16 dan €22 per MWh. Angka-angka ini secara fundamental mengubah seluruh perhitungan kelayakan ekonomi untuk pusat data terdesentralisasi yang menggunakan tenaga surya. Pusat data terdesentralisasi yang menyimpan energi surya terbarukan di siang hari dan menggunakannya di malam hari atau selama periode output angin dan matahari yang rendah dapat dioperasikan secara ekonomis dengan biaya penyimpanan ini dengan cara yang sama sekali tidak realistis lima tahun yang lalu.

Baterai ion natrium juga menawarkan keunggulan struktural yang sangat penting untuk infrastruktur yang dapat diskalakan secara luas: Natrium tersedia dalam jumlah tak terbatas dan merupakan bahan baku domestik di Eropa, sehingga menghilangkan ketergantungan impor strategis. Daur ulang jauh lebih mudah daripada baterai litium, karena selnya tidak mengandung tembaga atau kobalt. Kedalaman pengosongan hingga 100 persen tanpa merusak baterai. Selain itu, infrastruktur teknologi untuk baterai ion natrium sudah tersedia di Jerman, khususnya di Thuringia dan Saxony.

Penting untuk jujur ​​mengenai keterbatasannya: Baterai ion natrium memiliki kepadatan energi yang lebih rendah daripada baterai ion litium, yang meningkatkan berat dan volumenya. Efisiensi rata-ratanya, sekitar 79 persen, jauh lebih rendah daripada baterai ion litium yang mencapai 96 persen. Namun, untuk aplikasi penyimpanan skala besar stasioner di mana berat dan volume bukanlah kendala utama, kepadatan energi yang lebih rendah bukanlah kerugian yang menentukan. Untuk penyimpanan skala jaringan untuk pusat data terdistribusi, keunggulan efisiensi baterai ion litium kurang relevan dibandingkan analisis biaya-manfaat keseluruhan selama siklus hidupnya.

Bersamaan dengan teknologi ion natrium, baterai solid-state juga mengalami pertumbuhan eksponensial. Pasar global untuk baterai solid-state tumbuh dengan rata-rata tingkat tahunan hingga 36,4 persen. Skenario optimis memprediksi biaya $80 hingga $120 per kWh untuk sel solid-state pada tahun 2027 – dan pengurangan biaya yang substansial lebih lanjut melalui peningkatan skala diharapkan pada dekade berikutnya.

Berkaitan dengan ini:

• Redispatch 2.0 dan penyimpanan baterai skala besar: Kutukan atau Segen bagi jaringan listrik? Peran ambivalen dari sistem penyimpanan baterai raksasa

Risiko aset terdampar: Ketika masa depan datang lebih cepat dari yang direncanakan

Mungkin argumen ekonomi yang paling meyakinkan untuk menentang keputusan yang tidak reflektif untuk membangun pabrik raksasa AI bertenaga SMR adalah risiko yang disebut aset terdampar. Istilah ini merujuk pada investasi yang kehilangan begitu banyak nilai karena pengaruh eksternal seperti perubahan teknologi, perubahan kondisi pasar, atau persyaratan peraturan sehingga tidak lagi dapat menghasilkan keuntungan.

Sejarah teknologi penuh dengan contoh keputusan infrastruktur yang dianggap tepat pada saat perencanaan tetapi ternyata menjadi alokasi yang salah dan mahal hanya beberapa tahun setelah dioperasikan. Di sektor energi, banyak pembangkit listrik tenaga batu bara yang dibangun atau diperluas pada tahun 2010-an telah kehilangan nilai yang signifikan atau telah ditutup sebelum waktunya – meskipun proyeksi masa operasi yang tersisa adalah 30 hingga 40 tahun. Badan Energi Terbarukan Internasional (IRENA) memperkirakan bahwa risiko aset yang terbengkalai dapat mencapai hingga $20 triliun dalam skenario bisnis seperti biasa.

Risiko ini sangat terasa bagi infrastruktur AI karena laju perkembangan teknologi sangat pesat. Reaktor resonansi magnetik kecil (SMR) yang dioperasikan saat ini memiliki prospek pengoperasian yang realistis paling cepat pada tahun 2035 hingga 2040 – bahkan dengan asumsi optimis mengenai izin, waktu konstruksi, dan rantai pasokan. Menurut temuan saat ini, kinerja sistem AI berlipat ganda setiap enam hingga tujuh bulan. Dalam 10 hingga 15 tahun yang dibutuhkan untuk membangun SMR, kemampuan sistem AI akan meningkat hingga 20.000 hingga 300.000 kali lipat – suatu besaran di mana perkiraan yang andal tentang kebutuhan infrastruktur spesifik tidak lagi memungkinkan.

Masalahnya bukan hanya ketidakpastian perangkat keras. Seluruh arsitektur sistem AI sedang mengalami transformasi. Seperti yang ditunjukkan DeepSeek secara mengesankan, optimasi algoritma yang cerdas dapat mengurangi kebutuhan perangkat keras hingga sepuluh kali lipat—tanpa kehilangan kualitas. Arsitektur chip baru yang melampaui arsitektur von Neumann dan mengatasi apa yang disebut "batas memori" sedang dalam pengembangan. Komputer berbasis foton, chip neuromorfik, dan komputer kuantum—semua teknologi ini, setelah mencapai kematangan komersial, berpotensi mengurangi konsumsi energi per komputasi secara dramatis. Masa depan teknologi ini akan ditentukan tepat dalam 10 hingga 15 tahun yang dibutuhkan agar SMR (Small Modular Reactor) tersedia secara online.

Siapa pun yang berinvestasi di pabrik raksasa AI bertenaga SMR saat ini berkomitmen pada satu sumber energi selama 40 hingga 60 tahun – masa operasi tipikal pembangkit listrik tenaga nuklir. Dan mereka melakukannya dengan harapan bahwa industri AI akan mempertahankan permintaan konstan untuk jenis infrastruktur terpusat dan intensif energi yang tepat yang dimaksudkan untuk ditenagai oleh reaktor-reaktor ini selama periode tersebut. Dari perspektif saat ini, ini adalah taruhan yang tampak sangat berisiko.

Hambatan keahlian: Masalah struktural tenaga nuklir yang diremehkan

Argumen kunci lain yang menentang strategi SMR, yang kurang mendapat perhatian dalam debat publik, adalah kekurangan tenaga kerja terampil yang akut di industri nuklir. Selama tiga dekade terakhir, yang ditandai dengan moratorium, keputusan penghentian bertahap, dan kurangnya proyek konstruksi baru, industri nuklir telah mengalami kehilangan pengetahuan kelembagaan yang signifikan.

Pasar pembangkit listrik tenaga nuklir saat ini bergantung pada sejumlah kecil perusahaan—sebagian besar milik negara—yang mampu membangun dan mengekspor pembangkit listrik tenaga nuklir. Jaringan global pemasok, insinyur, dan spesialis bersertifikasi untuk implementasi proyek nuklir sangat minim. Ini berarti bahwa bahkan dengan keputusan politik yang menguntungkan bagi SMR (Small Modular Reactors), hambatan utamanya bukanlah perizinan atau modal, tetapi keahlian yang tersedia. Jika AS, Kanada, Inggris, Prancis, dan berbagai negara Uni Eropa ingin meluncurkan program SMR secara bersamaan, mereka semua akan bersaing untuk mendapatkan tenaga profesional teknik nuklir yang terbatas.

Hal ini sangat kontras dengan situasi di sektor energi terbarukan dan teknologi penyimpanan. Industri tenaga surya global telah mengalami pertumbuhan eksponensial selama dekade terakhir, jumlah profesional terampil di sektor energi terbarukan terus meningkat, dan rantai pasokan untuk modul surya, inverter, dan teknologi penyimpanan telah berkembang dengan baik dan terdiversifikasi secara internasional. Infrastruktur AI terdesentralisasi dapat memanfaatkan basis pengetahuan, rantai pasokan, dan pengalaman regulasi yang ada ini. Industri SMR, di sisi lain, masih perlu membangun fondasi tersebut – di bawah tekanan waktu dan biaya yang sangat besar.

Neraca ekonomi nasional: Perbandingan langsung

Perbandingan sistematis dari berbagai faktor menghasilkan situasi ekonomi sebagai berikut:

Perbandingan menunjukkan bahwa gigafactory AI berbasis SMR tidak akan memasok listrik paling cepat hingga tahun 2035–2040 (secara optimis), sementara infrastruktur AI terdesentralisasi dengan tenaga surya dan penyimpanan akan tersedia segera pada tahun 2027. Dari segi intensitas modal, opsi SMR membutuhkan investasi awal yang sangat tinggi sekitar €3–5 miliar per gigafactory ditambah SMR, sedangkan solusi terdesentralisasi memungkinkan penskalaan modular dan jumlah investasi individual yang jauh lebih rendah. Risiko biaya sangat tinggi untuk SMR (overbursement historis 100–600%), sedangkan untuk tenaga surya + penyimpanan risikonya rendah, karena biaya teknologi terus menurun. Risiko teknologi yang terbengkalai sangat tinggi untuk SMR karena komitmen 40–60 tahun, sedangkan infrastruktur terdesentralisasi memiliki risiko terbengkalai yang rendah karena dapat diperluas dan diadaptasi secara modular. Pengetahuan teknis merupakan hambatan bagi SMR dengan sedikit penyedia global, sedangkan solusi terdesentralisasi memiliki kumpulan profesional terampil yang luas dan terus berkembang. Subsidi tersembunyi (kewajiban, pembuangan, penelitian) tinggi untuk SMR dan rendah untuk tenaga surya + penyimpanan. Biaya penyimpanan energi tidak relevan untuk SMR, karena ditujukan untuk daya beban dasar; untuk sistem terdesentralisasi, biaya diproyeksikan mencapai sekitar USD 70/kWh (kondisi stabil, tren menurun) pada tahun 2025 dan EUR 11–14/MWh pada tahun 2050. Konsumsi air tinggi untuk SMR karena sistem pendingin, sedangkan rendah hingga tidak ada untuk tenaga surya + penyimpanan. Ketidakpastian regulasi sangat tinggi untuk SMR dan moderat untuk opsi terdesentralisasi. Fleksibilitas dalam menanggapi perubahan permintaan hampir sepenuhnya tidak ada di SMR, sedangkan solusi terdesentralisasi menawarkan fleksibilitas yang tinggi. Terakhir, risiko lingkungan tinggi untuk SMR (keamanan nuklir, limbah jangka panjang) dan rendah untuk tenaga surya + penyimpanan. Secara keseluruhan, opsi SMR berkinerja lebih buruk di hampir setiap kriteria – dengan satu-satunya pengecualian pasokan daya beban dasar yang andal dan tidak bergantung pada cuaca. Namun, argumen ini menjadi kurang penting karena kemajuan teknologi penyimpanan, seperti penyimpanan ion natrium skala besar dengan siklus pengisian/pengosongan yang lebih panjang, memungkinkan untuk menyimpan sejumlah besar energi selama berhari-hari dan berminggu-minggu, sehingga sebagian besar meniadakan argumen beban dasar.

Titik buta logika perencanaan: Mengapa para pengambil keputusan selalu terlambat

Ada alasan struktural mengapa para pengambil keputusan di pemerintahan dan perusahaan industri besar berulang kali membuat keputusan infrastruktur yang, jika dilihat kembali, tampak sebagai investasi yang buruk: Siklus perencanaan kelembagaan pada dasarnya tidak sesuai dengan laju perubahan teknologi.

Program pemerintah, resolusi parlemen, program pendanaan, dan tender publik beroperasi dalam siklus empat hingga sepuluh tahun. Sebuah proyek infrastruktur seperti stasiun relai transportasi umum (SMR) diputuskan dalam lingkungan politik dan teknologi yang akan berubah secara fundamental beberapa kali sebelum dioperasikan. Inersia kelembagaan yang diciptakan oleh prosedur birokrasi, lobi oleh kelompok industri yang berpengaruh, dan fiksasi psikologis pada keputusan yang dibuat pada waktu tertentu berarti bahwa kebutuhan dan pilihan aktual pada saat konstruksi tidak lagi selaras dengan asumsi yang dibuat pada saat perencanaan.

Perkembangan teknologi beberapa abad terakhir secara jelas menunjukkan percepatan ini: Revolusi Industri membutuhkan waktu sekitar 100 tahun untuk mewujudkan dampak ekonomi utamanya. Elektrifikasi membutuhkan waktu sekitar 50 tahun. Internet mengubah ekonomi global dalam waktu sekitar 20 tahun. AI dan perkembangan perangkat keras terkait mengubah kondisi kerangka kerja fundamental dalam siklus kurang dari sepuluh tahun – dan dengan percepatan yang terus meningkat. Logika yang tepat untuk keputusan infrastruktur di abad ke-20 secara struktural tidak cocok untuk abad ke-21.

Hal ini sangat penting terutama untuk investasi skala besar yang tidak dapat dibatalkan dengan periode amortisasi yang panjang. Ladang surya dapat dibangun dalam hitungan bulan dan relatif mudah dimodifikasi atau dibongkar jika kebutuhan berubah. Pusat data yang berbasis arsitektur modular dapat diskalakan dan dimodernisasi. Pembangkit listrik tenaga nuklir, setelah dibangun, merupakan struktur yang sebagian besar kaku selama 40 hingga 60 tahun, dengan biaya pembongkaran mencapai miliaran dolar. Nilai strategis dari fleksibilitas dan pilihan—kemampuan untuk bereaksi terhadap perubahan keadaan—secara sistematis diremehkan dalam perhitungan investasi tradisional.

Kesimpulan yang lebih bernuansa: Ini bukan pilihan antara dua hal, melainkan soal prioritas

Akan terlalu menyederhanakan masalah jika mengklaim bahwa SMR pada dasarnya tidak berharga atau bahwa infrastruktur terdesentralisasi dapat memenuhi setiap kebutuhan. Realitasnya lebih kompleks.

Ada kasus penggunaan spesifik di mana daya komputasi terpusat—setidaknya untuk melatih model AI besar—masih akan dibutuhkan dalam jangka pendek. Dan ada argumen yang sah untuk tenaga nuklir sebagai bagian dari bauran energi yang terdiversifikasi dan rendah karbon—terutama di negara-negara yang kekurangan sumber daya terbarukan yang memadai. Prancis, yang mempertahankan infrastruktur pembangkit listrik tenaga nuklir yang sudah ada dan telah mengalami penyusutan selama beberapa dekade, berada dalam posisi yang sangat berbeda dibandingkan dengan negara yang ingin membangun SMR (Small Modular Reactors) dari awal saat ini.

Masalah sebenarnya bukanlah gagasan reaktor kecil itu sendiri. Masalahnya terletak pada kombinasi tiga faktor: pertama, perbedaan antara kapan SMR dapat menghasilkan daya dan kapan infrastruktur AI membutuhkan daya tersebut; kedua, kurangnya transparansi mengenai total biaya sebenarnya, termasuk subsidi tersembunyi dan risiko terbuangnya dana; dan ketiga, kebutaan strategis terhadap fakta bahwa perkembangan teknologi—baik dalam perangkat keras AI maupun penyimpanan energi—dapat secara fundamental mengubah asumsi mendasar dari keputusan investasi ini dalam jangka waktu yang lebih pendek daripada periode konstruksi tipikal.

Jawaban yang bertanggung jawab secara ekonomi terhadap pertanyaan energi di era AI bukanlah pilihan antara SMR dan energi terbarukan, antara terpusat dan terdesentralisasi. Jawabannya terletak pada perancangan keputusan infrastruktur untuk memaksimalkan pilihan dan meminimalkan risiko terhentinya proyek. Ini berarti modular, dapat dibalik, netral secara teknologi, dan transparan. Dan itu berarti tidak membebankan biaya kepada wajib pajak generasi mendatang sambil memprivatisasi keuntungan saat ini—suatu pola yang, sayangnya, terlalu sistematis telah menjadi ciri sejarah tenaga nuklir di Eropa.

Oleh karena itu, pemicu sebenarnya dari perdebatan ini bukanlah pertanyaan teknis tentang infrastruktur mana yang lebih baik. Pemicu sebenarnya adalah pertanyaan politik: Mengapa diskusi tentang infrastruktur AI yang tahan masa depan hampir secara eksklusif berfokus pada teknologi yang cakupan realisasinya berada di luar cakupan perencanaan peta jalan AI, yang sejarah biayanya ditandai dengan pembengkakan biaya hingga beberapa ratus persen, dan yang subsidinya sebagian besar tidak jelas? Jawaban atas pertanyaan ini bukanlah bersifat teknologi, melainkan bersifat politik-ekonomi – dan justru itulah mengapa pertanyaan ini tetap tidak diajukan dalam debat publik.

☑️ Bahasa bisnis kami adalah bahasa Inggris atau Jerman

☑️ BARU: Korespondensi dalam bahasa ibu Anda!

Konrad Wolfenstein

Saya dan tim saya dengan senang hati siap membantu Anda sebagai penasihat pribadi Anda.

Anda dapat menghubungi saya dengan mengisi formulir kontak di sini atau cukup hubungi saya di +49 7348 4088 965. Alamat email saya adalah : [email protected]

Saya sangat menantikan proyek bersama kita.

☑️ Dukungan UKM dalam strategi, konsultasi, perencanaan, dan implementasi

☑️ Pembuatan atau penyesuaian kembali strategi digital dan digitalisasi

☑️ Perluasan dan optimalisasi proses penjualan internasional

☑️ Platform perdagangan B2B global & digital

☑️ Pelopor Pengembangan Bisnis / Pemasaran / Humas / Pameran Dagang

Solusi semi-internal: Bagaimana Xpert.Digital menutup kesenjangan operasional dalam pemasaran dan penjualan B2B – Bisnis Cerdas Berbasis Konten - Gambar: Xpert.Digital

Xpert.Digital adalah pusat industri B2B berbasis data yang dipimpin oleh Konrad Wolfenstein . Perusahaan ini bertindak sebagai solusi eksternal, yang hampir bersifat internal, bagi mitra industri, menutup kesenjangan operasional dalam pemasaran, konten, dan penjualan – tanpa memerlukan sumber daya tambahan di pihak klien.

Informasi selengkapnya di sini:

• Solusi semi-internal: Bagaimana Xpert.Digital menutup kesenjangan operasional dalam pemasaran dan penjualan B2B – Bisnis Cerdas Berbasis Konten