Ada ironi yang too on the nose untuk ukuran observasi infrastruktur: semakin cepat industri membangun, semakin lambat fondasinya bergerak. Dalam arsitektur sistem, kita menyebutnya latency — dan untuk pertama kalinya dalam sejarah komputasi, latency yang paling mahal bukanlah yang diukur dalam milidetik, melainkan yang diukur dalam dekade. International Energy Agency (IEA), dalam laporan Key Questions on Energy and AI 2026, memproyeksikan konsumsi listrik pusat data naik dari 485 TWh pada 2025 menjadi sekitar 950 TWh pada 2030 — sekitar tiga persen dari permintaan listrik global. Angka itu besar, tapi bukan itu yang menarik. Yang menarik adalah rate limiter-nya: bukan silikon, bukan fabric interkoneksi, melainkan kabel transmisi yang perizinannya ditangani lembaga yang tidak pernah mendengar kata GPU.
Rack yang Lebih Berat dari Pick-up Truck
IEA mencatat kepadatan daya server AI naik 11 kali lipat antara 2020 dan 2025, dan diperkirakan naik empat kali lipat lagi pada 2027. Satu rack — seukuran lemari es besar — pada 2027 akan memiliki peak power demand setara 65 rumah tangga. Beratnya melebihi pick-up truck. Panas yang harus dibuang setara 30 boiler gas alam. Dan load swing-nya bisa melebihi 50 persen kapasitas terpasang dalam satu detik.
Dalam istilah infrastruktur, ini bukan evolusi — ini pergeseran kelas. Pusat data lama adalah konsumen listrik yang sopan: beban stabil, bisa diprediksi, punya profil. Pusat data AI adalah beban yang tidak punya profil sama sekali: ia melompat, berdenyut, dan membalikkan asumsi desain gardu induk yang dibangun untuk melayani pabrik baja. Utility yang melayaninya tidak sedang menghadapi pelanggan baru. Mereka menghadapi workload yang belum pernah mereka lihat di production — dan tidak ada rollback untuk jenis beban ini.
Dua Zaman yang Berjalan pada Kecepatan Berbeda
Kilpatrick Townsend, dalam analisis Januari 2026, mencatat perbedaan timeline yang mencengangkan: saluran transmisi tegangan tinggi membutuhkan 15 sampai 30 tahun untuk perizinan dan konstruksi. Pusat data AI dibangun dalam waktu kurang dari dua tahun. Artinya, setiap proyek pusat data yang dimulai hari ini mengantre di belakang infrastruktur yang belum dirancang, untuk beban yang belum pernah diukur, di atas jaringan yang dibangun untuk ekonomi abad ke-20. Perizinan California, yang terkenal ketat, membuat negara bagian itu tetap menjadi pemimpin pengembangan AI sambil kehilangan kapasitas fisik untuk menopang kepemimpinan itu sendiri.
Belfer Center mencatat contoh yang lebih tajam. Juli 2024, Virginia: fluktuasi tegangan memutus 60 pusat data secara bersamaan — bukan karena outage, tapi karena protection mechanism yang bekerja terlalu serentak. Hasilnya: surplus 1.500 MW yang harus diserap sistem dalam keadaan darurat untuk mencegah cascading failure. Enam puluh entitas yang seharusnya menjadi tulang punggung ekonomi digital, dalam satu detik, berubah menjadi beban yang hampir merobohkan grid. Ini thundering herd dalam bentuk fisik — dan tidak ada circuit breaker yang bisa membedakan enam puluh pelanggan dari satu serangan.
Rate Limiter yang Tidak Bisa Di-Scale Out
Respons industri sudah bisa ditebak: bypass. Alih-alih menunggu grid, mereka membangun daya di belakang meteran. IEA memperkirakan pembangkit gas on-site 15–27 GW pada 2030, mayoritas di Amerika Serikat — dengan overbuilding 30–70 persen relatif terhadap kebutuhan, karena beban AI yang berdenyut tidak bisa dilayani oleh pembangkit yang dirancang untuk beban konstan. Battery storage 20–25 GW ikut masuk ke dalam desain pusat data, mengubah mereka dari konsumen menjadi aset grid — jika insentifnya benar.
Dalam arsitektur sistem, ini vertical integration pada lapisan pasokan: sama seperti Google membangun TPU-nya sendiri, kini mereka membangun gardu, fuel cell, dan reaktor. Belanja modal lima perusahaan teknologi terbesar pada 2025 melampaui USD 400 miliar — lebih besar dari investasi global produksi minyak dan gas — dan diperkirakan naik 75 persen pada 2026. Kapasitas “AI factory” yang terdeteksi satelit IEA meningkat tiga kali lipat dalam 18 bulan. Scale out tidak pernah semudah ini di sisi komputasi — dan tidak pernah sesulit ini di sisi fisik.
Lokalitas Terbatas, Antrean yang Sama
Dari lokalitas terbatas, ceritanya berjalan pada stack yang lebih sederhana tapi strukturnya identik. e-Conomy SEA 2025 mencatat pendapatan aplikasi AI Indonesia tumbuh 127 persen tahun-ke-tahun — tertinggi di Asia Tenggara — dan 79 persen pengguna Indonesia telah belajar memakai alat AI. Airlangga Hartarto, di Shanghai, memproyeksikan ekonomi digital Indonesia mencapai USD 135 miliar pada 2026 dan USD 366 miliar pada 2030. Sementara itu, lebih dari 4.600 MW kapasitas pusat data baru direncanakan di kawasan ASEAN untuk mendukung permintaan AI.
Angka-angka itu hidup di atas grid yang tidak pernah dirancang untuk menerimanya. Di Indonesia, stack-nya sama: komitmen daya raksasa dari PLN, gardu yang antre, dan jaringan distribusi yang dirancang untuk keandalan jauh di bawah standar Tier IV yang diminta pelanggan barunya. Antrean perizinan mungkin lebih pendek daripada 30 tahun versi Amerika, tetapi kesenjangan antara pipeline proyek dan pipeline fisik adalah struktur, bukan kebetulan. Dalam istilah infrastruktur, grid adalah monolith yang terlalu besar untuk di-refactor, terlalu kritis untuk di-migrate, dan terlalu tua untuk di-upgrade secara diam-diam.
Ketika Efisiensi Menjadi Bumerang
Bagian paling ironis dari laporan IEA: energi per tugas AI telah turun setidaknya satu orde magnitudo per tahun. Kueri teks sederhana kini mengonsumsi lebih sedikit listrik daripada menyalakan televisi untuk durasi yang sama. Jika seluruh pencarian konvensional diganti dengan kueri AI sederhana, konsumsinya kurang dari 4 TWh per tahun — di bawah satu persen konsumsi pusat data hari ini.
Namun konsumsi listrik pusat data AI tumbuh 50 persen pada 2025. Jevons paradox dalam bentuk paling murni: setiap penurunan biaya inference membuka kelas penggunaan baru yang lebih berat, dan setiap penggunaan baru menuntut lebih banyak siklus daripada yang dihemat efisiensi. Optimasi yang bekerja pada lapisan software hanya memindahkan bottleneck ke lapisan di bawahnya — sampai akhirnya menabrak lapisan yang tidak bisa di-patch: fisika.
Log ditutup di sini. Grid tidak pernah punya release cycle, tidak punya rollback, dan tidak akan pernah di-deprecate — sementara workload yang mengantre padanya berganti arsitektur setiap kuartal. Antrean tetap panjang, dan pemiliknya menyebutnya kemajuan.