Media90 – Selama ini, perbincangan mengenai dampak negatif kecerdasan buatan (AI) terhadap lingkungan lebih banyak berfokus pada tingginya konsumsi listrik dan jejak karbon pusat data. Namun, sebuah studi terbaru dari Universitas Bonn, Jerman, mengungkap sisi lain yang jarang dibahas, yakni jejak material serta kandungan logam beracun di dalam perangkat keras penopang AI.
Penelitian yang dilakukan Sustainable AI Lab Bonn tersebut membedah salah satu chip AI paling populer di dunia, Nvidia A100. GPU ini dikenal sebagai komponen utama yang menjadi tulang punggung ledakan awal popularitas chatbot generatif secara global.
Dalam eksperimen tersebut, para peneliti melakukan analisis kimia untuk mengidentifikasi seluruh unsur yang menyusun satu unit GPU Nvidia A100.
Penulis utama studi, Sophia Falk, menjelaskan bahwa hasil laboratorium menemukan sedikitnya 32 elemen berbeda di dalam perangkat tersebut.
Menariknya, sekitar 90 persen massa chip Nvidia A100 ternyata terdiri dari berbagai jenis logam. Tembaga menjadi komponen terbesar dengan berat mencapai sekitar 1,4 kilogram per unit. Selain itu, unsur utama lainnya meliputi besi, timah, silikon, dan nikel.
Sementara logam mulia seperti emas, perak, platinum, dan paladium hanya ditemukan dalam jumlah yang sangat kecil.
Namun, yang menjadi perhatian utama para peneliti adalah keberadaan berbagai elemen berbahaya di dalam chip tersebut. Beberapa di antaranya meliputi arsenik, merkuri, timbal, kadmium, kromium, seng, antimon, kobalt, hingga berilium.
Secara total, sekitar 93 persen kandungan satu unit chip A100 terdiri dari unsur yang dapat bersifat toksik atau beracun dalam kondisi tertentu.
Meski demikian, para ilmuwan menegaskan bahwa material tersebut aman selama chip tetap tersegel dan beroperasi di dalam rak server pusat data. Risiko lingkungan dan kesehatan justru muncul pada tahap ekstraksi bahan baku di pertambangan serta saat perangkat telah menjadi limbah elektronik atau e-waste.
Studi tersebut juga menghitung besarnya kebutuhan perangkat keras untuk melatih model AI skala besar seperti GPT-4.
Dalam skenario realistis dengan tingkat pemanfaatan chip sebesar 35 persen dan masa pakai dua tahun, pelatihan satu model GPT-4 diperkirakan menghabiskan masa pakai sekitar 2.515 unit GPU Nvidia A100.
Jika masa pakai perangkat diperpanjang hingga tiga tahun, jumlah kebutuhan chip dapat ditekan menjadi sekitar 1.676 unit. Namun, dalam kondisi penggunaan rendah dan umur perangkat pendek, kebutuhan GPU bahkan bisa melonjak hingga 8.800 unit.
Secara keseluruhan, para peneliti memperkirakan pelatihan satu model AI besar membutuhkan ekstraksi sekitar 4 ton material bumi.
Selain persoalan material chip, perkembangan AI juga terus memicu konsumsi energi dan air dalam jumlah besar.
Berdasarkan data industri, satu pencarian menggunakan ChatGPT disebut mengonsumsi listrik sekitar sepuluh kali lebih besar dibanding pencarian standar di Google. Bahkan, satu sesi percakapan singkat dengan AI membutuhkan pendinginan air setara satu botol air plastik standar.
Benjamin Lee, ilmuwan komputer dari Universitas Pennsylvania, menjelaskan konsumsi energi AI terbagi menjadi dua fase utama, yakni fase pelatihan (training) dan fase inferensi (inference).
Fase pelatihan membutuhkan daya sangat besar untuk memproses parameter data dalam jumlah masif. Sementara pada fase inferensi, konsumsi energi terjadi saat AI merespons perintah pengguna.
Menurut Lee, semakin panjang dan kompleks instruksi yang dimasukkan pengguna, semakin besar pula energi yang dibutuhkan untuk memproses hubungan antarkata berbasis konteks.
Untuk menjaga suhu komputer tetap stabil dan mencegah overheating, pusat data mengandalkan sistem pendingin berbasis air.
Pada tahun 2023, pusat data di Amerika Serikat tercatat mengonsumsi sekitar 66 miliar liter air secara langsung. Lonjakan aktivitas digital juga tercermin dari data emisi Amazon yang dirilis Juli 2025.
Dalam laporan tersebut, emisi perusahaan meningkat menjadi 68,25 juta metrik ton pada 2024, naik dari 64,38 juta metrik ton pada 2023.
Sementara itu, insinyur komputer dari MIT, Noman Bashir, mengingatkan bahwa tantangan lingkungan dari perkembangan AI bersifat struktural.
“GPU yang mendukung pusat data AI dibuat dengan unsur tanah jarang atau rare earth elements. Ekstraksinya membutuhkan banyak sumber daya dan dapat menyebabkan degradasi lingkungan,” pungkasnya.
