Brilio.net - AI kerap digadang sebagai teknologi masa depan. Bukan hanya membuka pintu terobosan ilmiah, tapi juga mendongkrak layanan kesehatan, pendidikan, hingga nilai ekonomi global. Namun, di balik potensinya, jejak lingkungan AI masih jadi pertanyaan besar. Data mendetail soal energi, emisi, dan konsumsi air dari proses inference, yaitu saat model AI yang sudah dilatih digunakan untuk menghasilkan teks atau gambar, selama ini terbatas. Padahal, semakin banyak pengguna yang berinteraksi dengan AI, semakin penting juga efisiensi di tahap ini.
Google pun merilis makalah teknis yang membongkar metodologi perhitungan jejak lingkungan Gemini. Dengan cara ini, median satu prompt teks di Gemini Apps tercatat memakai 0,24 watt-hour (Wh) energi, menghasilkan 0,03 gram emisi karbon dioksida ekuivalen, dan menggunakan 0,26 mililiter air atau setara lima tetes. Angka itu lebih rendah dibanding banyak perkiraan publik.
BACA JUGA :
Cerita 11.000 karyawan Yahoo Jepang kejar target produktivitas 2028 dobel pakai AI, bisa kah?
Seberapa besar konsumsi satu prompt Gemini dalam kehidupan sehari-hari?
Diungkap brilio.net dari laman resmi Google, Jumat (4/9) Untuk memberikan gambaran sederhana, energi 0,24 Wh setara dengan menyalakan TV kurang dari sembilan detik. Jumlah tersebut juga bisa dipakai untuk menyalakan lampu LED selama sekitar dua menit. Dari sisi emisi, 0,03 gram CO2 ekuivalen sama artinya dengan jarak mobil yang hanya bergerak beberapa sentimeter. Sedangkan penggunaan air sebesar 0,26 mililiter tak lebih dari lima tetes air, nyaris seukuran cipratan kecil.
Efisiensi yang berhasil dicapai Gemini
Dalam periode satu tahun terakhir, efisiensi Gemini meningkat drastis. Konsumsi energi median per prompt turun hingga 33 kali lipat, sementara jejak karbon menyusut 44 kali. Semua pencapaian ini terjadi bersamaan dengan peningkatan kualitas respons. Faktor yang berperan besar adalah pemangkasan emisi data center, pemanfaatan energi bebas karbon, serta upaya replenishment air.
Metodologi yang dipakai Google bukan sekadar hitungan teoretis. Pengukuran memperhitungkan konsumsi energi penuh, mulai dari daya dinamis sistem, mesin idle, CPU dan RAM, hingga overhead data center seperti pendingin dan distribusi daya. Termasuk juga air yang dipakai untuk menjaga suhu perangkat. Jika hanya mengukur konsumsi aktif TPU dan GPU, angka terlihat jauh lebih kecil yaitu sekitar 0,10 Wh energi, 0,02 gCO2e, dan 0,12 mL air. Namun ini dinilai terlalu optimistis dan tidak mencerminkan kondisi operasional sesungguhnya.
BACA JUGA :
AI yang satu ini bisa beliin sarapan buat kamu? Yuk kenalan dengan ChatGPT Agent!
Efisiensi Gemini lahir dari pendekatan full-stack Google. Dari arsitektur model berbasis Transformer dan Mixture-of-Experts yang bisa mengaktifkan hanya bagian tertentu sesuai kebutuhan, algoritme hemat daya, hingga teknik serving seperti speculative decoding dan distillation. Hardware khusus seperti TPU generasi terbaru Ironwood juga dirancang agar makin hemat energi. Ditambah software stack dan data center dengan Power Usage Effectiveness (PUE) 1,09, semua lapisan diarahkan ke tujuan yang sama, yaitu respons AI lebih cepat, hemat energi, dan rendah emisi.
Google juga menegaskan komitmennya untuk terus menekan konsumsi listrik dan air seiring meningkatnya permintaan AI. Dengan berbagi metodologi ini, harapannya industri bisa punya standar pengukuran yang konsisten sekaligus dorongan kolektif menuju AI yang lebih efisien.
