【Microsoft membuat AI menghitung jaringan listrik lebih dulu, kekurangan daya bisa diatasi lewat model?】
Saat membahas AI dan listrik, banyak orang langsung terpikir untuk membangun pembangkit baru. Tapi ketika listrik sudah berhasil diproduksi dan dialirkan, bagaimana caranya menyalurkan dengan biaya rendah ke tempat yang membutuhkannya juga menjadi persoalan.
Pada 30 September, Microsoft Research mempublikasikan presentasi perencanaan jaringan listrik yang menunjukkan GridSFM: komputasi perkiraan untuk mempercepat pemrosesan arus terbaik (optimal power flow) melalui model. Penelitian ini sebelumnya sudah diumumkan pada bulan Mei, jadi bukan seolah-olah kemarin tiba-tiba diciptakan “tombol penyediaan listrik”.
Intinya, mereka meneliti: ketika beban, saluran, dan kondisi pembangkitan berubah, bagaimana jaringan listrik sebaiknya mengatur operasinya. Model dapat membantu menyaring skenario lebih cepat, tetapi hasil prediksinya tetap harus memenuhi batasan fisik dan kebutuhan operasi nyata.
Nilai komersial dari jalur ini adalah berpotensi meningkatkan efisiensi pemanfaatan fasilitas yang sudah ada. Namun, ia tidak bisa begitu saja “menciptakan” trafo, dan tidak bisa juga memperbesar kapasitas saluran yang terbatas tanpa batas. Optimalisasi perangkat lunak dan perluasan perangkat keras mengatasi masalah pada bagian yang berbeda.
Kalau bicara infrastruktur AI, saya akan bertanya: penghematan terjadi di mana—waktu komputasi, biaya penjadwalan, atau benar-benar ada daya tambahan yang tersalurkan? Ketiganya tidak boleh dicampur menjadi satu pendapatan. Ketika membahas narasi AI terkait RENDER, FET, NEAR, kebutuhan komputasi dan kondisi pasokan daya di lapisan dasar juga perlu dilihat terpisah, jangan langsung mencatat riset Microsoft sebagai keuntungan token.
Menghitung lebih cepat adalah menemukan solusi; kemampuan nyata terletak pada apakah daya benar-benar tersalurkan.
Gambar pendamping adalah foto arsip kantor Microsoft.
$RENDER $FET $NEAR
Klik avatar saya untuk melihat transaksi real dengan satuan penuh
Saat membahas AI dan listrik, banyak orang langsung terpikir untuk membangun pembangkit baru. Tapi ketika listrik sudah berhasil diproduksi dan dialirkan, bagaimana caranya menyalurkan dengan biaya rendah ke tempat yang membutuhkannya juga menjadi persoalan.
Pada 30 September, Microsoft Research mempublikasikan presentasi perencanaan jaringan listrik yang menunjukkan GridSFM: komputasi perkiraan untuk mempercepat pemrosesan arus terbaik (optimal power flow) melalui model. Penelitian ini sebelumnya sudah diumumkan pada bulan Mei, jadi bukan seolah-olah kemarin tiba-tiba diciptakan “tombol penyediaan listrik”.
Intinya, mereka meneliti: ketika beban, saluran, dan kondisi pembangkitan berubah, bagaimana jaringan listrik sebaiknya mengatur operasinya. Model dapat membantu menyaring skenario lebih cepat, tetapi hasil prediksinya tetap harus memenuhi batasan fisik dan kebutuhan operasi nyata.
Nilai komersial dari jalur ini adalah berpotensi meningkatkan efisiensi pemanfaatan fasilitas yang sudah ada. Namun, ia tidak bisa begitu saja “menciptakan” trafo, dan tidak bisa juga memperbesar kapasitas saluran yang terbatas tanpa batas. Optimalisasi perangkat lunak dan perluasan perangkat keras mengatasi masalah pada bagian yang berbeda.
Kalau bicara infrastruktur AI, saya akan bertanya: penghematan terjadi di mana—waktu komputasi, biaya penjadwalan, atau benar-benar ada daya tambahan yang tersalurkan? Ketiganya tidak boleh dicampur menjadi satu pendapatan. Ketika membahas narasi AI terkait RENDER, FET, NEAR, kebutuhan komputasi dan kondisi pasokan daya di lapisan dasar juga perlu dilihat terpisah, jangan langsung mencatat riset Microsoft sebagai keuntungan token.
Menghitung lebih cepat adalah menemukan solusi; kemampuan nyata terletak pada apakah daya benar-benar tersalurkan.
Gambar pendamping adalah foto arsip kantor Microsoft.
$RENDER $FET $NEAR
Klik avatar saya untuk melihat transaksi real dengan satuan penuh
