Pelatihan dan inferensi AI memakai GPU yang menarik listrik banyak dan menghasilkan panas serius. Satu rak high-density bisa butuh listrik beberapa kali lipat dibanding rak server biasa. Itu mengubah hampir semuanya tentang bagaimana data center dibangun dan dioperasikan.
Sistem pendingin yang dulu cukup tiba-tiba jadi bottleneck. Distribusi daya harus di-upgrade, dan lantai harus menopang peralatan yang lebih berat. Fasilitas yang dirancang untuk beban IT rata-rata mulai terasa sesak begitu proyek AI masuk.
Densitas daya jadi tantangan baru
Rak tradisional mungkin menarik 5–10 kW. Rak AI bisa dengan mudah 30 kW atau lebih. Artinya sistem listrik, pendinginan, bahkan beban lantai harus direncanakan berbeda sejak awal. Mengubah aula lama sering lebih mahal daripada membangun untuk densitas tinggi dari hari pertama.
Banyak operator kini merancang aula baru dengan daya per rak lebih tinggi dan opsi liquid cooling supaya bisa menerima pelanggan AI tanpa renovasi besar nanti.
Pendinginan harus mengikuti
Pendinginan udara mulai kewalahan di atas densitas tertentu. Liquid cooling—baik direct-to-chip atau rear-door heat exchanger—makin umum. Fasilitas juga butuh kapasitas chilled water yang cukup dan redundansi supaya kegagalan satu chiller tidak menjatuhkan cluster AI.
Fasilitas yang sudah tersertifikasi Tier IV dan berada di lokasi yang dekat dengan pusat internet exchange di Jakarta biasanya lebih mudah menjaga koneksi tetap stabil sambil menangani beban yang lebih padat ini.
Artinya untuk pelanggan colocation
Kalau tim kamu sedang uji AI atau berencana menjalankan model sendiri, tanyakan ke data center tentang maksimal kW per rak, metode pendinginan, dan seberapa cepat mereka bisa menambah kapasitas. Situs yang hanya bisa menawarkan 8–10 kW per rak mungkin memaksa kamu menyebar peralatan ke banyak rak, yang memperumit jaringan dan manajemen.
Kalau kebutuhanmu sudah mengarah ke workload AI atau butuh densitas daya tinggi per rak, data center yang memang dirancang untuk itu akan jauh lebih nyaman dikelola. Banyak perusahaan juga mencari opsi disaster recovery di kota berbeda biar risiko regional bisa diminimalisir.
Kesimpulan praktisnya sederhana: cek batas daya dan pendinginan sejak awal. Lebih mudah memilih fasilitas yang tepat sebelum proyek AI membesar daripada migrasi nanti di bawah tekanan.
