Pendinginan harus mengikuti lonjakan komputasi AI
Pendingin pusat data adalah rangkaian teknologi yang mengendalikan panas dari komponen server hingga fasilitas, agar perangkat dapat bekerja stabil saat menjalankan beban komputasi tinggi. Ketika kecerdasan buatan berkembang, kebutuhan komputasi meningkat dan CPU serta GPU menghasilkan panas lebih besar; pendinginan pun tak lagi sekadar urusan kenyamanan ruangan.
Pada 19 November 2026, LG Electronics Indonesia memperkenalkan solusi terintegrasi Chip-to-Chiller untuk mengelola panas dari chip sampai sistem pendinginan berskala besar di pusat data. Langkah ini tepat sasaran: memasang pendingin ruangan saja tidak cukup untuk rak server AI berdaya tinggi. Namun, nilai pendekatan terintegrasi pada akhirnya bergantung pada kinerja sistem secara keseluruhan—bukan hanya pada kecanggihan satu perangkat.

Dari chip hingga chiller, cairan mengambil panas
Bagian penting dari solusi LG adalah pendinginan langsung ke chip atau direct-to-chip. Sistem ini mengalirkan cairan menuju cold plate yang dipasang pada CPU dan GPU, sehingga panas ditangkap di sumbernya, bukan hanya di udara sekitar server. Inilah pendekatan yang membuat pendingin liquid server relevan ketika beban komputasi menghasilkan panas terkonsentrasi.
Cairan yang menyerap panas dialirkan ke unit distribusi pendingin (CDU) untuk didinginkan sebelum kembali ke komponen. LG menawarkan CDU berkapasitas 600 kilowatt, 1 megawatt, hingga 2,6 megawatt. Rentang itu menunjukkan bahwa sistem dirancang untuk kebutuhan kapasitas berbeda, meski angka kapasitas saja belum membuktikan efisiensi operasional. LG juga menggabungkan pendinginan cair, pendinginan udara, manajemen fasilitas, dan pasokan daya baterai dalam pendekatan One LG.
Sirkulasi liquid bukan berarti memakai air baru
Sorotan terhadap konsumsi air data center muncul bersamaan dengan kekhawatiran bahwa kebutuhan komputasi AI menuntut banyak energi dan air untuk pendinginan. Chairman Asosiasi Big Data & AI (ABDI), Rudi Rusdiah, menjelaskan bahwa AI data center menggunakan liquid khusus yang disirkulasikan dan didaur ulang, bukan air yang terus diambil dari lingkungan. Penjelasan ini penting, tetapi perlu dibaca secara spesifik: yang dibahas adalah mekanisme pendingin liquid, bukan bukti bahwa setiap fasilitas memiliki jejak air yang sama.
Dalam penjelasan Rudi, cairan menyerap panas dari chip, mengalir ke CDU untuk didinginkan, lalu kembali bersirkulasi. Untuk sistem AI konvensional dengan daya sekitar 5 kilowatt per rak, pendinginan udara seperti AC umumnya memadai dan tidak memakai air sebagai media pendingin. Jadi, penggunaan liquid dalam sistem tertutup tidak otomatis sama dengan konsumsi air baru. Klaim tentang dampak air tetap sebaiknya dinilai berdasarkan rancangan dan operasi fasilitas, bukan disamakan begitu saja dengan sirkulasi cairan.
Energi tetap menjadi tantangan yang nyata
Klarifikasi soal air tidak menghapus persoalan energi. Rudi mengakui bahwa AI data center membutuhkan energi besar seiring meningkatnya kapasitas komputasi, sambil menegaskan bahwa kebutuhan energi tinggi tidak serta-merta berarti konsumsi air tinggi. Pembedaan ini perlu dipertahankan dalam perdebatan publik: pendingin liquid yang didaur ulang dapat membatasi kebutuhan air untuk media pendingin, tetapi tidak dengan sendirinya menjawab besarnya listrik yang diperlukan server dan sistem fasilitas.
Karena itu, solusi pendingin AI data center layak dinilai lewat dua ukuran yang berbeda: kemampuan membuang panas secara andal dan dampak sumber daya sepanjang operasinya. Chip-to-Chiller menawarkan pendekatan menyeluruh, sementara keterangan ABDI membantu meluruskan anggapan bahwa cairan bersirkulasi selalu berarti air lingkungan terus dikonsumsi. Kesimpulannya, pendinginan terintegrasi merupakan bagian penting dari infrastruktur AI, tetapi transparansi tentang energi dan penggunaan air tetap diperlukan agar klaim efisiensi dapat diuji.






