Ada ironi yang terlalu on the nose bahkan untuk standar distopia teknis: semakin efisien sebuah model bahasa besar, semakin besar daya yang dibutuhkan untuk menjalankannya dalam produksi. DeepSeek membuktikan bahwa efisiensi arsitektur tidak selalu menurunkan konsumsi energi — dalam beberapa kasus, justru memperluas surface area komputasi. MIT Technology Review, Januari 2025, mencatat bahwa energi yang dihemat pada training oleh DeepSeek sepenuhnya terkikis oleh intensitas inference dan panjang respons yang dihasilkan. Ketika GPU mulai melimpah dan harga compute turun, yang menjadi rate limiter baru bukanlah sirkuit silikon — melainkan kabel tembaga yang membawa daya ke sana.
Lapisan Pasokan: Arsitektur Nuklir Big Tech
Forbes, 26 Juli 2026, mengamini: “The AI Boom Is Making Nuclear Power Bankable Again.” Meta menandatangani tiga kontrak nuklir raksasa dengan Vistra, TerraPower, dan Oklo — suplai hingga 6,6 GW pada 2035. Google meneken perjanjian dengan Kairos Power untuk tiga unit 600 MW. Microsoft membeli output PLTN Three Mile Island selama 20 tahun ke depan. Amazon mengerjakan 5 GW SMR bersama X-energy.
Dalam arsitektur sistem, ini adalah overprovisioning pasokan pada skala yang belum pernah terjadi. Satu GW — standar industri utilitas untuk menyalakan sekitar 750.000 rumah — kini dialokasikan untuk satu AI campus kelas Meta Prometheus di Ohio. Rasio resource allocation yang mencengangkan: sebuah cluster inference mengkonsumsi setara satu kota kecil.
Reuters, April 2026, melaporkan bahwa Big Tech tidak hanya membeli daya — mereka membentuk ulang lanskap pendanaan nuklir. Dengan neraca korporat investment grade, mereka menawarkan offtake agreement 20-25 tahun yang membuat proyek reaktor modular kecil (SMR) tiba-tiba bankable. Dalam istilah infrastruktur, ini adalah vertical integration pada lapisan pasokan — sama seperti Google yang membangun TPU atau Amazon yang membangun Graviton, kini mereka membangun pembangkit.
Lapisan Distribusi: Kontrak PLN dan Realitas Batu Bara
Di Indonesia, ceritanya bergerak pada stack yang berbeda. BDx Data Centers mengamankan komitmen daya 1,2 GW dari PLN — komitmen daya terbesar untuk satu operator pusat data di Indonesia. Digital Edge menandatangani perjanjian 1,45 GW untuk campus CGK1 di Bekasi, dengan dua gardu 725 MVA yang ditargetkan beroperasi Q4 2026. BP Batam mengawasi investasi US$5 miliar untuk pusat data AI di Batam.
Dalam istilah infrastruktur, angka-angka ini mengesankan di atas kertas. Namun sumber dayanya: PLN masih bergantung pada batu bara untuk lebih dari 60% bauran energi nasional. Tenggara — sebuah think tank kebijakan — mencatat bahwa pusat data yang mengejar operasi hijau atau rendah karbon menghadapi fleksibilitas terbatas dalam sourcing listrik terbarukan melalui jaringan publik. Tidak ada power purchase agreement nuklir 20 tahun di sini. Yang ada adalah kontrak dengan jaringan yang dijalankan oleh pembangkit fosil yang deprecation schedule-nya tidak pernah jelas.
Ini bukan perbandingan moral — ini perbandingan arsitektur. Total cost of ownership satu inference request di pusat data bertenaga batu bara vs nuklir vs hidro menghasilkan struktur biaya yang berbeda secara fundamental. Dan dalam ekonomi unit AI, perbedaan ini bermanifestasi sebagai latency adopsi, harga token, dan pada akhirnya lapisan geografis dari rantai pasok komputasi global.
Dari lokalitas terbatas, pola ini familier: overprovisioning kontrak di atas kertas, underdelivery infrastruktur di lapangan. Sama seperti ekosistem startup AI Indonesia yang penuh pilot project tetapi minim production deployment, pasokan energi mengikuti pola yang persis sama.
Criticality sebagai Metafora: Antara Pilot dan Produksi
DOE AS membiayai 11 proyek reaktor canggih hingga Juli 2026. Target ambisius — setidaknya tiga desain reaktor mencapai criticality pada 4 Juli 2026. Hasilnya: tiga startup — Antares Nuclear, Valar Atomics, dan Aalo Atomics — plus satu di luar program, Deployable Energy, berhasil mencapai tonggak teknis tersebut.
Namun criticality bukanlah komersialisasi. Bloomberg, Oktober 2025, memperingatkan bahwa valuasi perusahaan nuklir “berlari lebih cepat dari realitas.” SMR memiliki timeline pengiriman yang masih diukur dalam tahun, sementara kebutuhan daya pusat data AI tumbuh dalam bulan.
Di Indonesia, kesenjangan antara kontrak dan ketersediaan daya riil bahkan lebih lebar. Antara penandatanganan MoU dengan PLN dan daya yang benar-benar sampai ke rack GPU, ada lapisan tak terlihat: transmission bottleneck, perizinan lingkungan, grid interconnection study, dan construction timeline gardu induk yang tidak sinkron dengan data center fit-out. Campus pusat data bisa dibangun dalam 18-24 bulan. Gardu induk dan transmission line membutuhkan waktu lebih lama. Izin lingkungan untuk pembangkit baru? Tidak ada yang berani memberikan estimasi.
Biaya Tersembunyi: Karbon sebagai Middleware Tak Terlihat
Setiap inference request yang diproses GPU H100 atau B200 mengonsumsi sekitar 700-1500 watt. Satu rak 40 GPU: 28-60 kW. Satu data hall 100 rak: 2,8-6 MW — setara konsumsi listrik sebuah desa kecil. Lipatkan untuk cluster ribuan GPU yang beroperasi 24/7.
Dalam ekonomi unit, cost of inference bukan semata harga komputasi per token. Lapisan-lapisannya:
- Biaya energi per kWh — komponen dominan dalam operating expense jangka panjang
- Biaya pendinginan per BTU — semakin padat rak, semakin mahal termal management
- Biaya transmission loss per kilometer kabel — relevan ketika pusat data dibangun di luar Jawa
- Biaya karbon — saat ini subisdi silang, tetapi carbon tax adalah pending feature request
CNBC melaporkan pada Oktober 2025 bahwa resistensi publik terhadap nuklir di AS mulai memudar — 59% warga AS mendukung lebih banyak tenaga nuklir pada 2025, naik dari 43% satu dekade sebelumnya. Di Indonesia, diskusi nuklir masih berkutat pada safety, lokasi, dan investasi awal yang besar. Sementara itu, batu bara terus menyala.
Ketika Big Tech mengintegrasikan pembangkit nuklir ke dalam stack infrastruktur mereka, mereka pada dasarnya menginternalisasi carbon cost ke dalam cost of inference. Ketika Indonesia mengandalkan PLN berbasis fosil, biaya karbon tersebut tidak hilang — hanya ditangguhkan. Dan dalam arsitektur sistem, utang teknis selalu jatuh tempo.
Kedaulatan Daya sebagai Prasyarat Kedaulatan Komputasi
Diskursus kedaulatan digital di Indonesia sering berfokus pada lokalisasi data, regulasi cross-border flow, dan data residency. Namun kedaulatan komputasi tanpa kedaulatan daya hanyalah server yang tidak pernah menyala. Jika power budget adalah rate limiter tertinggi dalam stack AI, maka kendali atas supply daya adalah kendali atas throughput komputasi nasional.
ASEAN meninjau kembali rencana tenaga nuklir — TechXplore, Maret 2026, melaporkan bahwa negara-negara Asia Tenggara melihat nuklir sebagai jawaban atas lonjakan permintaan energi pusat data AI. Namun cycle time kebijakan energi diukur dalam dekade, sementara doubling time kebutuhan komputasi AI diukur dalam bulan. Ketidakcocokan time-to-market ini adalah architectural mismatch klasik — dan seperti semua architectural mismatch, ia akan menghasilkan workaround yang mahal.
Log ditutup di sini. Server menyala. Pendingin berputar. Namun batas paling tegas dari ambisi tetap terukir pada kapasitas jaringan listrik — dan dari lokalitas terbatas, power budget bukanlah constraint yang bisa di-scale hanya dengan menambah node saja.