AI menggunakan air lebih sedikit daripada yang dipikirkan publik

 (californiawaterblog.com)
1 poin oleh GN⁺ 1 jam lalu | 1 komentar | Bagikan ke WhatsApp
  • Kekhawatiran tentang penggunaan air oleh pusat data AI di California, jika dikuantifikasi berdasarkan skala nyatanya, ternyata relatif kecil dibandingkan total penggunaan air manusia di seluruh negara bagian
  • California memiliki sekitar 15 juta kaki persegi luas lantai pusat data, dan jika semuanya diasumsikan terus beroperasi dengan pendinginan evaporatif, maka 32.000–290.000 acre-ft air dapat menguap setiap tahun
  • Rentang total dari berbagai estimasi AI sangat lebar, yaitu 2.300–400.000 acre-ft/tahun, tetapi nilai sempit yang didukung bersama oleh empat estimasi adalah sekitar 20.000 acre-ft/tahun
  • Sekitar 20.000 acre-ft/tahun adalah 0,055% dari sekitar 40 juta acre-ft penggunaan air manusia tahunan di California, dan bahkan rentang yang lebih lebar yaitu 32.000–290.000 acre-ft/tahun hanya setara sekitar 0,08–0,7%
  • Di California, tidak banyak alasan untuk panik terhadap penggunaan air oleh pusat data AI, dan diskusi kebijakan memerlukan estimasi kuantitatif yang jujur serta landasan teknis yang lebih baik daripada sekadar spekulasi

Konteks kekhawatiran penggunaan air oleh AI

  • AI masih berada pada tahap awal perkembangan, dan seperti teknologi baru pada umumnya, ia sekaligus dipandang membawa harapan untuk membantu manusia dan ketakutan akan merusak pikiran manusia maupun peradaban
  • Salah satu kekhawatiran yang sering dibahas media adalah penggunaan air oleh AI dan dampak ikutannya, yang kerap diperlakukan sebagai campuran antara kekhawatiran spekulatif tahap awal dan upaya mendapatkan dukungan maupun pendanaan riset melalui perhatian publik
  • Ketakutan dan harapan terhadap teknologi baru telah berulang di masa lalu; sebagian berakhir sebagai ilusi, sebagian besar bersifat positif, dan sebagian lagi menghasilkan dampak yang campuran
    • Mobil terbang adalah contoh yang dekat dengan ilusi
    • Vaksin, klorinasi air minum, dan fluoridasi pada umumnya termasuk contoh yang positif
    • Teknologi pengawasan dan basis data, internet, dan mobil dapat dilihat sebagai contoh yang campuran
  • Fondasi AI adalah pusat data yang menyimpan data dan melakukan komputasi, yaitu gudang komputer berskala besar yang terhubung dalam rak dan membutuhkan energi, air untuk pendinginan, serta lahan fisik
  • Permintaan listrik pusat data yang besar dapat memengaruhi tarif listrik setempat, dan penggunaan air terutama muncul dari kebutuhan pendinginan untuk membuang panas yang dihasilkan oleh konsumsi listrik
  • Diskusi air di California kadang digerakkan oleh ketakutan yang landasan ilmiahnya lemah, dan penggunaan air pusat data juga menjadi sasaran kekhawatiran semacam itu
  • Penggunaan air oleh pusat data di California cenderung tidak besar, tetapi di negara bagian lain yang aktivitas pusat datanya lebih tinggi dan infrastruktur airnya kurang berkembang, ini bisa menjadi masalah yang lebih besar

Estimasi penggunaan air pusat data California

  • Diskusi publik, artikel, dan liputan media seputar penggunaan air industri AI memang mencerminkan kekhawatiran tersebut
  • Kritik bahwa perusahaan dan fasilitas AI tidak cukup transparan dalam mengungkap penggunaan energi, air, dan sumber daya lain kemungkinan benar mengingat sifat industrinya yang kompetitif
  • Namun karena kurangnya informasi eksplisit tentang penggunaan air, jurnalis, akademisi, dan advokat juga sering terlalu bergantung pada spekulasi
  • Estimasi penggunaan air pusat data AI di California terutama didasarkan pada perhitungan fisika dasar yang mengonversi penggunaan energi menjadi penggunaan air untuk pendinginan
  • Setelah perhitungan itu, estimasinya diperiksa dan dieksplorasi menggunakan empat model AI

Asumsi dan rentang perhitungan

  • California memiliki sekitar 15 juta kaki persegi luas lantai pusat data, setara dengan sekitar 340 acre
  • Pembuangan panas yang dibutuhkan rak pusat data adalah sekitar 2–12 kW/㎡
  • Jika efisiensinya 100%, pelepasan panas ini setara dengan penguapan air 70–420 mm per hari untuk setiap 1㎡ luas lantai
  • Efisiensi sistem pendingin industri besar tampak berada pada kisaran 60–90%, dan jika ini diperhitungkan, maka kisaran penguapan air menjadi 80–700 mm per hari untuk setiap 1㎡ luas lantai
  • Dalam basis tahunan, ini berarti penguapan 29–255 m per 1㎡ luas lantai pusat data, kira-kira 25–150 kali lebih besar daripada penguapan tahunan pertanian irigasi per satuan luas
  • Jika semua pusat data California seluas 15 juta kaki persegi, yaitu 1,4 juta㎡, diasumsikan terus beroperasi dan hanya menggunakan pendinginan evaporatif industri, maka total penguapan tahunan diperkirakan 40 juta–357 juta㎥
  • Jika dikonversi ke acre-foot, kisarannya menjadi 32.000–290.000 acre-ft per tahun untuk seluruh California
  • Untuk prompt “Berapa banyak air yang mungkin menguap setiap tahun jika pusat data California sebagian besar menggunakan pendinginan evaporatif?”, beberapa situs AI gratis memberikan rentang estimasi, dan juga dapat menyajikan rentang asumsi perhitungan serta sumbernya

Arti dari hasil estimasi

  • Rentang total estimasi kehilangan air karena penguapan tahunan yang diajukan AI sangat lebar, yaitu 2.300–400.000 acre-ft/tahun
  • Kisaran 32.000–290.000 acre-ft/tahun dari perhitungan terpisah masih lebar, tetapi dapat dianggap sebagai estimasi yang masuk akal
  • Nilai yang lebih sempit dan didukung oleh keempat estimasi adalah sekitar 20.000 acre-ft/tahun
  • Jumlah air ini besar dari sudut pandang individu, tetapi kecil bila dibandingkan dengan total penggunaan air manusia California yang sekitar 40 juta acre-ft per tahun
  • Sekitar 20.000 acre-ft/tahun adalah sekitar 0,055% dari penggunaan air manusia tahunan California, dan bisa jadi merupakan salah satu penggunaan air yang efektif secara ekonomi
  • Jika menggunakan estimasi awal yang lebih lebar yaitu 32.000–290.000 acre-ft/tahun, itu setara dengan 0,08–0,7% dari penggunaan air manusia tahunan California
  • Kisaran ini mirip dengan volume air yang dapat memasok 10.000–100.000 acre dari 7 juta acre lahan pertanian beririgasi di California
  • Di sejumlah wilayah di luar bagian barat yang kering, saat penggunaan air kota besar menurun karena upaya konservasi, permintaan air industri baru dapat muncul dan bisa menjadi sumber pendapatan yang diinginkan bagi kota dengan kapasitas pasokan air berlebih
  • Ini mengarah pada kesimpulan bahwa semua persoalan air bersifat lokal
  • Ada ungkapan bahwa air yang menguap dari napas selama penulisan posting blog itu mungkin lebih banyak daripada tambahan penguapan air dari satu kueri AI menurut empat estimasi tadi, sebagai cara menggambarkan kecilnya tambahan penggunaan air per kueri AI

Pelajaran yang bisa diambil California

  • California tidak perlu panik soal penggunaan air oleh pusat data AI
    • Studi Central Arizona menyatakan bahwa produksi bir di wilayah tersebut mengonsumsi lebih banyak air daripada pusat data
    • Juga disebutkan bahwa mungkin ada kekhawatiran yang lebih penting tentang AI, seperti akhir peradaban manusia
  • Estimasi AI memberikan kisaran yang masuk akal dan cukup lebar
    • AI berguna untuk estimasi awal yang cepat
    • Jika pertanyaannya tepat, AI dapat menampilkan sebagian besar proses perhitungannya
    • Dalam penilaian publik dan kebijakan yang sering menghilangkan estimasi kuantitatif demi kemudahan dalam wacana, AI dapat membantu membuat dan memformalkan estimasi awal dengan cepat
  • Perlu waspada terhadap pembahasan dangkal, artikel, dan laporan “teknologi” yang tidak memiliki estimasi yang jujur dan masuk akal
  • Laporan kebijakan memerlukan landasan teknis yang lebih baik
  • Seperti ungkapan “fakta tetap fakta, tetapi persepsi adalah realitas”, wacana publik termasuk soal air sering terhambat oleh kata-kata yang tidak dijinakkan oleh bukti, data, dan kuantifikasi
  • Sekarang, dengan adanya AI, hampir tidak ada alasan untuk tidak mencoba membuat dan memanfaatkan estimasi yang jujur dalam diskusi yang membahas rasa takut dan harapan
  • Terlepas dari teknologi dan institusi modern, masyarakat manusia, teknologi, dan pemahaman tetap bergantung pada otak manusia berusia 50.000 tahun yang berevolusi secara lambat dan misterius, sehingga kita tidak punya pilihan selain bekerja dalam batas perangkat keras saraf individu dan kolektif

Referensi

Bacaan terkait

1 komentar

 
GN⁺ 1 jam lalu
Komentar Hacker News

  • Sistem pendingin loop tertutup untuk pusat data masih terus dibangun sampai sekarang. Pendinginan evaporatif penuh punya keunggulan lebih efisien listrik sehingga lebih murah, dan alasan itu dipakai ya karena air tersedia melimpah dan murah
    Banyak orang tidak punya gambaran realistis betapa murahnya harga air industri di negara ini. Orang tua saya punya kebun ceri, dan mereka membayar tagihan air tahunan 100 dolar per acre meski memakai sebanyak yang diinginkan. Jadi konsumsi air pusat data hanyalah sebagian kecil dari air yang hilang lewat penguapan pada irigasi semprot yang tidak efisien

    • Di Arizona tengah juga ada ladang alfalfa. Alfalfa mengubah air dan sinar matahari menjadi selulosa hampir secepat yang bisa dilakukan tanaman
      Yang lebih buruk, pemilik ladang itu sering kali perusahaan asing. Di salah satu wilayah paling kering di Bumi, di tengah kekeringan besar yang sudah berlangsung puluhan tahun, air dipakai dalam jumlah sangat besar, dan kekayaan yang dihasilkan pertanian itu mengalir ke luar negeri
    • Kalau berkendara antara SF dan LA, Anda akan melihat tak terhitung papan protes dari para penyedot air yang mengeluh karena pemerintah tidak mau memberi lebih banyak air yang nyaris gratis. Saya tentu tidak ingin hidup tanpa hasil panen segar, tetapi menurut saya menanam almond di gurun pada dasarnya memang seharusnya mahal secara finansial
      Kalau akibatnya sebungkus kacang camilan jadi lebih mahal, ya sudahlah. Kalau mengeringkan sungai demi kacang enak sudah tidak masuk akal lagi, saya bisa menerima itu
    • Hanya karena sesuatu itu murah bukan berarti itu tidak menguras sumber daya atau tidak memperburuk kehidupan komunitas di suatu tempat. Orang-orang terus mencoba memasang pipa ke barat untuk menguras Great Lakes. Ada batas sosial dan ekologis, dan perusahaan AI seperti ini tidak sepadan

  • Membandingkan penggunaan air AI dengan pertanian atau kota agak menyesatkan. Penggunaan air kota mencakup hal-hal yang pada dasarnya wajib untuk menopang hidup, seperti sanitasi dan air minum, dan air pertanian dibutuhkan karena kita harus makan. Hal yang opsional tidak seharusnya dibandingkan dengan hal yang esensial
    Sebaiknya dibandingkan dengan penggunaan opsional di perkotaan seperti cuci mobil atau taman air. Atau bisa juga dibandingkan dengan air yang dibutuhkan manusia untuk melakukan pekerjaan serupa. Misalnya membandingkan menjalankan AI untuk menulis laporan 15 menit dengan air yang diperlukan untuk menjaga seseorang tetap hidup selama beberapa jam. AI mungkin tetap tampak tidak terlalu buruk, tetapi itu perbandingan yang lebih jujur

    • “Karena kita harus makan,” ya, jadi itu sebabnya kita menanam alfalfa di tengah gurun, membanjiri ladang agar hak air tetap berlaku, lalu mengirim alfalfa itu ke China. Ternyata demi kita makan
    • Perbandingan “opsional” yang mudah adalah irigasi lapangan golf. Saya pernah melihat tulisan yang lebih rinci tetapi sekarang tidak menemukannya; pencarian cepat menunjukkan lapangan golf di AS memakai 500 miliar galon per tahun, sementara semua pusat data, bukan hanya pusat data AI, memakai 180 miliar galon per tahun
    • Hampir setengah penggunaan air kota adalah irigasi lanskap rumah tangga, sebagian besar untuk menyiram rumput. Ini jelas bukan kebutuhan esensial atau kebutuhan pokok
      Irigasi lanskap memakai sekitar 3,5 juta acre-feet per tahun, yaitu 10 sampai 100 kali lebih tinggi daripada perkiraan penggunaan pusat data AI
    • AI tidak wajib, dalam arti yang sama seperti mesin cuci dan pengering juga tidak wajib. Kita tidak harus mencuci pakaian dengan mesin, dan kita tidak harus memakai AI untuk pekerjaan terampil, tetapi memang menghemat cukup banyak waktu dan energi
    • Artikel itu punya data bahwa produksi bir di Arizona memakai lebih banyak air daripada pusat data di Arizona. Akan ada orang yang sangat tidak setuju, tetapi kita sama sekali tidak butuh bir secara mutlak. Jika harus memilih antara bir dan AI, itu pilihan mudah, dan saya akan memilih AI setiap kali
      Jika kita hanya menghitung air yang diperlukan untuk menopang hidup manusia dan minimum yang dibutuhkan pertanian, itu mungkin hanya sebagian sangat kecil dari air yang kita gunakan sekarang. Membandingkan pusat data dengan standar minimum untuk bertahan hidup tidak terlalu menarik, dan inti tulisan ini adalah bahwa penggunaan air secara umum memang tidak efisien, dan AI adalah sumber yang relatif kecil dalam keseluruhan pemborosan itu

  • Beberapa bulan lalu ada tulisan[1] yang menyebut Google merahasiakan kebutuhan airnya dari warga setempat yang menuntut transparansi, dengan alasan itu adalah rahasia dagang
    Lalu ada gugatan, dan terungkap bahwa mereka berencana memakai 2 juta sampai 8 juta galon air minum per hari[2]. Dari ucapan pejabat publik, kelihatannya itu sudah mendekati batas kapasitas yang bisa ditangani
    “Pasokan air itu awalnya tidak akan dibutuhkan sampai 2060 atau dekade 2060-an, tetapi sekarang tiba-tiba menjadi sesuatu yang harus dikhawatirkan pada dekade 2030-an”
    “Jika melampaui permintaan, kita harus mencari sumber air baru”
    Jadi saya tidak begitu paham bagaimana ini cocok dengan klaim tulisan utama. Setidaknya di lokasi tertentu, terutama yang persiapannya kurang, dampaknya tampak tidak proporsional
    [1] https://pivot-to-ai.com/2026/03/06/how-much-water-do-the-dat...
    [2] https://www.wsls.com/news/local/2026/02/26/google-data-cente...

    • Saya penulis Pivot to AI. Dampaknya memang lokal, tetapi di daerah yang terdampak, dampaknya benar-benar serius
      Dan kalau hyperscaler AI sampai menggugat demi merahasiakan penggunaan mereka, itu bukan karena angkanya akan terlihat bagus

  • Anda harus mengirim jutaan prompt agar setara dengan air yang dipakai untuk membuat satu burger sapi
    Emisi karbon dioksidanya juga baru setara setelah puluhan ribu prompt. Ada banyak kekhawatiran yang sah soal AI, tetapi untuk saat ini, penggunaan air atau emisi karbon dioksida bukan salah satunya. Menjadi vegan bisa mengimbangi konsumsi air dan emisi karbon AI pribadi Anda hingga ribuan kali lipat

    • Tergantung prompt-nya. Kalau memakai prompt video, satu video 30 detik memakai listrik setara menjalankan microwave ke sungai selama 15 menit
    • Bagus. Kalau begitu, mari hapus AI yang berjalan dengan listrik non-terbarukan, dan sekalian berhenti makan hewan
    • Soal air saya setuju. Soal karbon dioksida, itu sebenarnya indikator tidak langsung dari konsumsi energi dan bergantung pada bauran listrik, jadi perlu dasar yang lebih kuat
      Saya setuju bahwa ada pendekatan lain yang perlu dijalankan bersamaan terkait emisi
    • Perlu sumber
      Daging bisa “diproduksi” di daerah yang kekurangan airnya lebih ringan, misalnya pedesaan. Pusat data cenderung “suka” tumbuh di wilayah perkotaan
      Materi ini menyebut 100 prompt memakai 0,5 liter air
      https://www.eesi.org/articles/view/data-centers-and-water-co...
      Saya ingat tahun ini Google pernah melaporkan bahwa satu pencarian memakai sekitar satu tetes air, atau lima tetes
    • Saya memelihara beberapa sapi dan hampir tidak memberi air tambahan secara terpisah. Saat musim dingin, mereka mendapat cukup dari salju, dan ketika hujan, terbentuk kolam kecil yang dialiri anak sungai. Sapi-sapi itu malah lebih suka dua sumber itu daripada air sumur dari bak minum. Mereka dipelihara dengan rumput dan hampir tidak diberi jagung atau semacamnya
      Selama menghasilkan ribuan pon daging sapi, air yang dipakai nyaris tidak ada. Saya memakai sumur dangkal berdebit rendah yang hanya menghasilkan 1 galon per menit, dan saya tetap tidak merasakan konsumsi tambahan
      Sebaliknya, tanaman “vegan” seperti jagung justru diairi di banyak wilayah AS, memakai banyak air, dan umumnya sangat tidak efisien

  • Apakah hal-hal seperti ini biasanya benar-benar meyakinkan? Pola umumnya adalah orang menentukan posisi terlebih dahulu lalu mencari satu makalah ber-DOI yang mendukung posisi itu. Seperti analogi gajah dan penunggangnya. Bahkan kalau Anda menunjukkan bukti bahwa klaim seseorang salah, sering kali itu tidak membuat mereka berpikir ulang, melainkan menancapkan kaki lebih dalam dan mencari makalah DOI baru
    Kita sekarang hidup di masa yang belum pernah ada sebelumnya bahkan dalam era informasi, di mana orang bisa cepat memperoleh kemampuan dasar di banyak bidang jika memakai Wikipedia, Google, dan LLM secara kritis. Jika akses dan pencarian informasi adalah kendalanya, seharusnya kita melihat kesepakatan fakta yang lebih besar
    Tetapi menurut saya cara orang benar-benar menggunakan informasi justru hampir kebalikan dari itu. Kita percaya bahwa kalau punya informasi cukup, kita bisa membangun model realitas yang akurat. Faktanya, para psikolog sosial tampaknya benar. Umumnya orang membangun model realitas terlebih dahulu, lalu mencari informasi yang mendukungnya. Jadi ketika jumlah informasi bertambah, kemampuan masing-masing orang untuk menyaring informasi yang mendukung model mereka juga meningkat
    Itu tidak berarti upaya seperti ini tidak bernilai. Hanya saja saya tidak melihat fakta menggerakkan opini publik secara besar-besaran
    Yang menarik dari lebih banyak informasi dan pencarian yang lebih baik adalah hal itu mempercepat pemisahan antara orang yang mencari kebenaran dan orang yang mencari pembenaran. Yang pertama cenderung mencari informasi yang membantah, sementara yang kedua mencari informasi yang mendukung. Secara umum, kelompok pertama mungkin lebih berhasil setidaknya dalam memodelkan dunia selain manusia. Tetapi ketika orang lain sudah mempercayai sesuatu sebagai benar, menyerang basis fakta mereka secara frontal sering kali bukan pendekatan terbaik untuk mendapatkan hasil yang diinginkan

    • Cobalah membaca Nexus karya Yuval Noah Harari. Dia menyebut ini sebagai pandangan naif tentang informasi, yaitu sikap yang tidak memahami keberadaan realitas “intersubjektif”. Entri “intersubjectivism” dalam The Encyclopedia of Psychology and Religion karya Angela Cooper-White juga layak dibaca
      Penggunaan yang paling dalam dan kompleks berkaitan dengan konstruktivisme dalam filsafat postmodern, atau konstruksionisme sosial dalam psikologi sosial. Gagasannya adalah bahwa realitas dibangun bersama oleh relasi dan para peserta di dalam masyarakat
      Ini adalah titik akhir pemikiran postmodern dan konstruktivis yang mengangkat narasi dan cerita sebagai sumber kebenaran. Dalam beberapa hal, ini tampak seperti kembali pada cara berpikir religius dan takhayul yang beranggapan bahwa jika suatu sistem doktrin atau dewa cukup diyakini, narasi itu dapat mewujud sebagai realitas yang disepakati
      Secara historis, psikologi Jungian dan agama adalah gudang bersama kebijaksanaan dan teknik yang dikumpulkan umat manusia untuk menangani realitas intersubjektif dan “higiene informasi” kolektif. Agama adalah semacam psikologi arketipal, dan Jung mewarisinya melalui tradisi alkimia. Lihat saja Psychology and Alchemy karya Jung. Namun, pada akhir abad ke-20 dan abad ke-21, dengan fokus hanya pada pengukuran kuantitatif yang bisa diverifikasi secara objektif, teknik-teknik untuk menangani fenomena kualitatif yang privat dan subjektif seperti pemikiran batin, kontemplasi, dan kehidupan mimpi pribadi perlahan menghilang ke masa lalu
      White Rose: Pernahkah kamu berpikir bahwa kalau kamu membayangkan atau mempercayai sesuatu, itu bisa menjadi nyata? Hanya dengan kehendak?
      Angela: Ya. Sebenarnya saya memang percaya begitu. Tapi saya perlahan harus menerima bahwa itu bukan dunia nyata. Meski saya ingin itu terjadi
      White Rose: Yah, pada akhirnya sepertinya itu tergantung bagaimana kamu mendefinisikan realitas
      https://vimeo.com/387207936

  • Ini sebenarnya sudah sering dibahas, tetapi saya tetap heran betapa jauhnya persepsi publik meleset. Sekitar seminggu lalu Pete Buttigieg mengadakan town hall di Tulsa, dan seseorang mengutip bahwa menghasilkan satu gambar membutuhkan 10 ribu galon air[0]
    [0]: https://www.youtube.com/watch?v=MCc-ipWVShY&t=1h5m43s

    • Terus terang aneh melihat kedua kubu sama-sama begitu terobsesi pada air
      Pihak yang menentang pusat data melebih-lebihkan penggunaan air, tetapi pihak yang merasa kita harus membangun sebanyak mungkin secepat mungkin juga tampaknya mengira bahwa kalau mereka bisa bilang “sebenarnya air yang dipakai tidak sebanyak itu”, maka masalah pusat data yang lebih nyata somehow menjadi batal
    • Bagian lain dari masalah ini adalah, kalau Anda tidak sepakat soal faktanya, itu ditafsirkan sebagai Anda menentang apa pun yang membuat lawan marah. Kalau Anda tidak setuju bahwa setiap kali seseorang bertanya ke Claude, AI menghancurkan 50 kuadriliun galon air murni, Anda langsung diperlakukan seolah sepenuhnya mendukung Grok membuat gambar telanjang anak di bawah umur
      Sebagian orang mendapatkan kemarahan, mencintai kemarahan itu, dan tidak membiarkan siapa pun merampasnya
    • Itulah populisme, dan sayangnya sangat efektif
      Sementara itu China dan India menawarkan listrik gratis, subsidi belanja modal 1 banding 1 per dolar, dan pembebasan pajak 25 tahun untuk pembangunan pusat data[0][1]
      Menarik melihat HN ingin mencekik infrastruktur yang menjadi fondasi seluruh industri kita dan alasan para pengguna HN dibayar. Ini menunjukkan dengan baik bahwa banyak penolakan terhadap AI datang dari “kelas yang pekerjaannya banyak bicara” dan tipe pekerja kerah putih lainnya, seperti yang terus muncul dalam jajak pendapat[2][3]
      Lucu melihat orang-orang di partai saya sendiri, yang dulu menyuruh penambang batu bara dan pekerja otomotif untuk “belajar coding”, meremehkan buruh kerah biru, dan mengabaikan kekhawatiran pekerja manufaktur serta pekerja terampil hingga mereka terdorong ke kanan, sekarang bertingkah persis sama
      Edit: Saya tidak bisa membalas komentar
      “Pusat data AI bukan cara semua pengguna HN, atau bahkan mayoritas pengguna HN, menghasilkan uang”
      Sebagian besar pusat data bukan hanya untuk inferensi atau pelatihan model, melainkan menyewakan ruang rak untuk banyak jenis komputasi sekaligus. Selain itu, kalau Anda mencekik keekonomian lapisan infrastruktur, seluruh ekosistem akan pindah ke luar negeri
      Ada penolakan serupa terhadap fab semikonduktor di AS pada awal 2010-an, dan belum sampai 10 tahun hampir seluruh ekosistemnya sudah pergi, sampai CHIPS Act ditandatangani dan dijalankan
      Hal yang sama juga terjadi pada tenaga nuklir di Jerman dan green tech di banyak wilayah AS
      [0] - https://www.reuters.com/world/asia-pacific/china-offers-tech...
      [1] - https://www.reuters.com/world/india/india-gives-20-year-tax-...
      [2] - https://www.cnbc.com/amp/2026/02/25/top-earners-are-more-afr...
      [3] - https://www.pewresearch.org/social-trends/2023/07/26/which-u...

  • Biasanya, kalau penggunaan air pusat data dibandingkan dengan penggunaan air lapangan golf, saya jadi jauh lebih tenang soal keseluruhan isu ini

    • Kalau dibandingkan dengan alfalfa, Anda akan tertawa melihat betapa besarnya konsumsi air alfalfa
      Sekitar 340 acre alfalfa yang ditanam sepanjang tahun di California memakai air sebanyak pusat data Google di The Dalles dalam satu tahun
      Pusat data itu memakai 550 juta galon untuk pendinginan evaporatif pada 2025, yaitu 1.687 acre-feet
      Satu acre alfalfa di California memakai sekitar 5 acre-feet air per tahun. Di California ada sekitar 1 juta acre alfalfa, dan alfalfa menghabiskan 5 juta acre-feet air per tahun. Dan itu dipakai untuk pakan sapi
    • Saya sarankan membaca laporan berikut: Proximity to Golf Courses and Risk of Parkinson Disease
      Orang yang tinggal di wilayah layanan air minum yang memiliki lapangan golf hampir dua kali lebih mungkin terkena Parkinson dibanding orang yang tinggal di wilayah layanan air minum tanpa lapangan golf
      https://jamanetwork.com/journals/jamanetworkopen/fullarticle...

  • Saya tidak terlalu paham kekhawatiran soal air untuk pendinginan pusat data. Walaupun ada klaim bahwa banyak air dipakai untuk pendinginan setiap prompt, dan di sini justru dikatakan tidak begitu, tetapi sekalipun benar, bukankah air yang “dipakai” untuk pendinginan itu hanya keluar sedikit lebih panas? Mungkin juga menguap. Lalu akan kembali sebagai hujan
    Ini bukan proses kimia industri yang meninggalkan limbah beracun dalam air, dan bukan pertanian yang memasukkan air ke tanaman lalu mengangkutnya ke wilayah lain. Ini hanya jalur lain dalam siklus air
    Saya sungguh tidak tahu apakah ini hal yang patut dikhawatirkan orang. Apakah ada operasi pembentukan opini di baliknya? Mungkin ini upaya untuk membuat para pemerhati lingkungan dan skeptikus AI terlihat bodoh?

    • Kritik terkuatnya adalah bahwa pusat data mengonsumsi air minum yang sudah diolah. Air minum lebih tidak melimpah daripada air non-minum mana pun dan juga tidak mudah dibuat kembali
      Tentu solusi mudahnya adalah pusat data menarik air non-minum sendiri lalu mengolahnya. Atau utilitas mengenakan tarif yang mencerminkan eksternalitas dari pengambilan lebih banyak air minum. Bahkan kalau pusat data harus mengolah airnya sendiri, secara ekonomi tetap masuk akal. Masalah dasarnya adalah utilitas menetapkan harga air minum terlalu murah, sehingga jika kondisi lain sama, pusat data akan lebih memilih air minum
    • Karena air itu diambil dari daerah yang sudah kering, sering kali dengan memompa air tanah. Kalaupun air itu kembali sebagai hujan ke daerah tersebut, yang kenyataannya tidak begitu, orang-orang yang hidup dengan bergantung pada akuifer dan sumber air yang sama jadi makin sulit hidup secara berkelanjutan
    • Hanya 30 menit dari tempat saya tinggal saja, pusat data sudah memengaruhi air untuk pertanian
      https://www.theguardian.com/global-development/2024/sep/25/m...
      https://www.bbc.com/news/articles/cx2ngz7ep1eo
    • Air itu bukan keluar sedikit lebih panas, melainkan menguap di menara pendingin. Hasilnya sama seperti penggunaan air lain. Menara pendingin juga tidak bisa memakai air laut. Sebagian besar pusat data memang berada di tempat yang air tawarnya melimpah, tetapi sebagian tidak
      Meski begitu, di California penggunaan air pertanian jauh lebih parah
    • Airnya tidak hilang, tetapi kalau kembali sebagai hujan, setidaknya tetap harus dimurnikan lagi. Pusat data tentu tidak memakai air hujan mentah untuk pendinginan
      Tetap saja itu tidak terlalu buruk, tetapi jelas ada pekerjaan “menghabiskan” air ketika air keran atau air hasil desalinasi untuk pendinginan diuapkan

  • Sejauh yang saya pahami sejauh ini, penggunaan air pusat data LLM berkisar dari nyaris nol sampai lebih besar daripada kota berukuran menengah. Pada akhirnya, semuanya selalu bergantung pada bagaimana Anda memilih cara menghitungnya, dan lebih mendasar lagi, cerita seperti apa yang ingin Anda sampaikan
    Statistik memang menggemaskan