Komputasi & AIPracetakSimulasi4 menit baca

EMISI VIDEO AI BISA 75 KALI LEBIH BESAR PADA 2030

Ketik sebuah kalimat, dapatkan sebuah klip video: pembuatan video dari teks kini berjalan dalam skala komersial. Biaya per klipnya sudah diketahui tinggi. Menurut studi sebelumnya oleh Delavande dan rekan-rekannya, membuat video pendek dari teks memakan sekitar 90 watt-jam, hampir 30 kali sebuah gambar dan 45.000 kali tugas klasifikasi teks sederhana. Dan klip-klip itu tidak dibuat di perangkat milik pengguna sendiri: setiap permintaan dijalankan pada rak-rak cip AI di pusat data.

Namun biaya per klip tidak banyak menjelaskan totalnya. Biaya itu tidak memberi tahu berapa banyak klip yang dibuat, perangkat keras apa yang dibutuhkan, atau berapa banyak air yang dipakai untuk pendinginan. Dan efisiensi per klip bisa membaik sementara jejak totalnya justru tumbuh.

Tristan Coignion, di University of Lille, bersama A. Bugeau dan G. Guennebaud di Bordeaux serta A.-L. Ligozat di Paris-Saclay, berupaya memperkirakan jejak keseluruhan pembuatan video AI di seluruh dunia — untuk 2026 dan hingga 2030.

Menghitung klip

Para penyedia jarang menyebutkan berapa banyak video yang mereka hasilkan, jadi tim itu mengukur apa yang bisa diukurnya. Tim itu menjelajahi umpan publik Sora, layanan video OpenAI, selama 54 hari antara Februari dan April 2026: 3,3 juta video publik, atau sekitar 22 juta setahun. OpenAI menutup versi web dan aplikasi Sora tak lama kemudian. Tim itu juga mengikuti penghitung langsung HeyGen selama 90 hari: sekitar 111 juta video setahun, termasuk video privat.

Enam penyedia lain menerbitkan hitungan mereka sendiri. Yang terbesar sejauh ini adalah Grok Imagine, dengan sekitar 3,8 miliar setahun. Jika dijumlahkan, angka-angka ini memberikan total yang dapat diamati sekitar 6,2 miliar video setahun. Model itu mengambil volume 2026 secara acak antara 6,2 dan 9,5 miliar, dengan median 7,16 miliar.

Diagram titik jumlah video yang dibuat per tahun per layanan, dari 22 juta untuk Sora hingga 3,8 miliar untuk Grok Imagine, dengan total yang dapat diamati 6,21 miliar.

Video AI tahunan per layanan: titik terisi diukur oleh tim, titik kosong diungkapkan oleh penyedia; pita berarsir adalah rentang model untuk 2026. — Gambar 1, Coignion dkk. (2026), arXiv:2611.17938.

Tagihan 2026

Dari situ, sebuah model dari bawah ke atas (bottom-up) memperkirakan ukuran armada cip AI yang dibutuhkan, lalu menurunkan konsumsi listrik, air, gas rumah kaca, dan penipisan sumber daya mineral, dengan menjalankan 10.000 simulasi untuk menangkap ketidakpastiannya. Pelatihan dan penyimpanan disertakan; suara, dan streaming video kepada penonton, tidak.

Untuk 2026, hasil mediannya adalah armada 72.600 prosesor grafis, 724 gigawatt-jam listrik, dan 124.300 ton setara CO₂. Ambil jumlah gas rumah kaca yang dapat diemisikan umat manusia setiap tahun tanpa melampaui batas iklim planet ini, lalu bagi rata per orang: 124.300 ton adalah jatah tahunan sekitar 126.000 orang.

Per video, biaya totalnya mencapai sekitar 100 watt-jam — 4,1 kali 24,4 watt-jam yang dihabiskan cip itu sendiri untuk satu kali pembuatan. Waktu menganggur, beban tambahan gedung, pelatihan, dan penyimpanan membentuk selisihnya. Pembuatan video menyumbang sekitar 69% emisi, pelatihan model 31%, penyimpanan nyaris nol. Dan asal listrik lebih penting daripada jumlah yang dipakai: untuk emisi, intensitas karbon jaringan listrik berbobot 12 kali lebih besar daripada jumlah video.

Tiga masa depan

Model itu kemudian dijalankan hingga 2030 dalam tiga skenario, semuanya dengan kemajuan teknis yang sama dan stabil: cip yang lebih baru dan lebih efisien, serta perangkat lunak yang sekitar 10% lebih efisien setiap tahun.

  • Referensi: jumlah video berlipat dua pada 2027, 2028, dan 2029, lalu tumbuh 60% pada 2030 — 12,8 kali secara keseluruhan, jalur yang sengaja dibuat moderat. Emisi tumbuh 74 kali, mencapai sekitar 9,2 juta ton pada 2030: anggaran sekitar 9,3 juta orang. Mengapa lebih cepat daripada permintaan? Video menjadi lebih panjang dan lebih tajam, sehingga energi per video naik dari 24,4 menjadi 214 watt-jam.
  • Stagnasi penggunaan: volume, resolusi, dan durasi tetap pada tingkat 2026. Emisi turun sekitar dua perlima. Ini satu-satunya skenario ketika emisi menurun.
  • Adopsi massal: volume tumbuh 60 kali lipat. Emisi mencapai 42,9 juta ton — anggaran sekitar 44 juta orang.

Emisi gas rumah kaca dari 2026 hingga 2030 pada skala logaritmik untuk tiga skenario: adopsi massal dan referensi naik tajam, stagnasi penggunaan sedikit menurun.

Emisi dalam ketiga skenario, 2026–2030; garis adalah median, pita adalah rentang 5–95%. — Gambar 6, Coignion dkk. (2026), arXiv:2611.17938.

Efisiensi tidak akan mampu mengejar

Tim itu juga menjalankan model secara terbalik. Di jalur referensi, bahkan peningkatan efisiensi 30% setiap tahun membuat emisi 2030 tetap 27,5 kali di atas 2026. Menahan emisi agar tidak naik membutuhkan sekitar 75% per tahun — kira-kira tujuh kali 10% yang diasumsikan model, dan melampaui efisiensi terbaik yang pernah diukur pada model produksi mana pun. Target sektor digital itu sendiri, yang selaras dengan Perjanjian Paris, menuntut pemangkasan 45% emisi antara 2020 dan 2030.

Lantai, bukan langit-langit

Para penulis menyajikan semua angka ini sebagai batas bawah. Model pembuatan video dipertahankan tetap hingga 2030, padahal model sungguhan kemungkinan akan makin berat tuntutannya; streaming, suara, dan penggunaan AI lainnya tidak disertakan; pelatihan, bagian yang paling sedikit terdokumentasi, dikalibrasi pada beberapa model terbuka berukuran kecil. Penggunaan juga bisa menyusut dengan cepat, seperti yang ditunjukkan oleh penutupan Sora. Namun menurut angka-angka makalah ini, jejaknya baru berhenti tumbuh jika jumlah video, atau kualitasnya, juga berhenti tumbuh.