Istilah “AI-ready” sudah menjadi salah satu label yang paling sering digunakan dalam pemasaran colocation. Hampir setiap fasilitas kini memposisikan dirinya sebagai pilihan colocation untuk AI workloads dan mengklaim mampu menyediakan high-density rack hosting, tetapi data industri menunjukkan kondisi yang berbeda. Uptime Institute’s 2025 Global Data Center Survey menemukan bahwa kepadatan rack rata-rata memang terus meningkat, tetapi secara bertahap. Sebagian besar deployment masih berada di kisaran 10–30 kW, sementara rack dengan daya di atas itu masih relatif jarang. Satu rack GPU modern untuk training dapat mengonsumsi daya 40–130 kW. Kesenjangan antara klaim pemasaran dan kondisi engineering inilah yang sering menyebabkan kesalahan mahal saat memilih provider.
Panduan ini ditujukan bagi tim yang sedang mempersiapkan deployment GPU atau workload berdensitas tinggi di fasilitas colocation. Panduan ini bukan penjelasan tentang komponen AI infrastructure; spesifikasi daya, cooling, dan hardware yang membentuk sebuah AI data center sudah dibahas dalam artikel Mengenal Data Center AI: Spesifikasi Utama dan Perangkat Keras. Fokus panduan ini adalah bagian lain dari proses tersebut: bagaimana memastikan sebelum menandatangani kontrak bahwa fasilitas tertentu benar-benar mampu menyediakan apa yang dijanjikan dalam brosurnya, serta pertanyaan apa saja yang dapat membedakan provider colocation yang benar-benar AI-ready dari provider yang pada dasarnya masih mengandalkan air cooling.
Mengapa Verifikasi Lebih Penting daripada Label
Permintaan tumbuh lebih cepat daripada pasokan. Laporan Energy and AI dari IEA (April 2025) memproyeksikan konsumsi listrik data center yang dioptimalkan untuk AI akan meningkat lebih dari empat kali lipat pada 2030 — proyeksi yang sejak itu telah direvisi oleh IEA sendiri, namun arah trennya tetap konsisten: permintaan tumbuh jauh lebih cepat daripada kapasitas yang bisa disediakan, mendorong operator di berbagai wilayah untuk menyesuaikan fasilitas yang sudah ada.
Perbedaan ini penting karena komitmen untuk deployment berdensitas tinggi biasanya berlangsung dalam jangka panjang. Deployment GPU umumnya memiliki kontrak tiga hingga lima tahun, dan risikonya tidak seimbang: jika fasilitas tidak mampu menyediakan daya atau heat rejection seperti yang dijanjikan, masalah tersebut tidak bisa diperbaiki dengan software. Anda hanya punya dua pilihan: menerima hardware yang performanya terdegradasi atau mengalami throttling, atau memindahkannya — dan memindahkan GPU cluster yang sudah beroperasi merupakan proyek yang bisa memakan waktu berbulan-bulan dan biaya jutaan.
Aturan untuk semua hal yang dibahas berikutnya sederhana: anggap setiap klaim “AI-ready” belum terbukti sampai provider menunjukkan bukti engineering-nya. Operator yang benar-benar mampu seharusnya terbuka terhadap pertanyaan-pertanyaan ini. Jawaban yang menghindar juga merupakan sebuah jawaban.
Power: Verifikasi kW yang Benar-Benar Tersedia, Bukan kW Desain
Power adalah batasan pertama sekaligus yang paling sulit, dan di sinilah istilah pemasaran paling sering digunakan secara kreatif. Fasilitas dapat menyebut “design capacity”, “planned capacity”, atau “campus capacity” — tetapi tidak satu pun menjamin bahwa cage Anda benar-benar dapat menarik daya sesuai kapasitas yang dikontrak saat go-live.
Minta semua angka ini tertulis, bukan dijelaskan lisan pas site visit. Yang paling sering kejadian: brosur bilang “campus capacity” 20 MW, tapi begitu ditanya berapa kW yang benar-benar bisa ditarik di posisi rack Anda — sudah termasuk konfigurasi busway-nya, sudah termasuk status gardu di area itu sudah dialiri listrik atau belum — jawabannya berubah jadi “nanti dikonfirmasi saat commissioning.” Kapasitas campus dan kapasitas cage itu dua hal beda, dan di situ biasanya klaim “AI-ready” pertama kali rontok. Soal rack yang berdekatan, jadwal reservasi, sampai redundansi di density tinggi, prinsipnya sama — detailnya ada di checklist di bagian akhir.
Menentukan kapasitas yang tepat — berapa kW yang perlu dikontrak sekarang dan berapa yang cukup di-reserve untuk kebutuhan mendatang — merupakan disiplin tersendiri, yang dibahas lebih lanjut dalam panduan data center capacity planning untuk first-time buyer.
Cooling: “Liquid-Ready” Bukan Berarti Sudah Menjalankan Liquid Cooling
Di atas sekitar 30–40 kW per rack, air cooling mulai tidak lagi menjadi pilihan yang memadai dan direct liquid cooling (DLC) menjadi kemampuan yang menentukan. Di sinilah kesenjangan antara klaim dan kondisi sebenarnya paling terlihat, karena istilah “liquid-cooling ready” dapat berarti apa saja — mulai dari “DLC sudah digunakan dalam production saat ini” hingga “tersedia ruang yang secara teori dapat digunakan untuk memasang CDU.”
Cara paling gampang membedakan keduanya: tanya sudah berapa lama dan sebesar apa DLC benar-benar jalan di fasilitas itu, bukan “sedang direncanakan” atau “ada di roadmap.” Operator yang sudah menjalankan liquid cooling di production sudah melewati fase commissioning, urusan kualitas air, sampai prosedur kalau terjadi kegagalan. Yang belum pernah menjalankannya akan belajar pakai hardware Anda sebagai kelinci percobaan. Laporan Uptime Institute soal resiliency considerations for direct liquid cooling bisa jadi patokan pertanyaan yang seharusnya bisa dijawab provider tanpa gagap, soal deteksi kebocoran, soal siapa yang tanggung jawab kalau ada masalah di facility water system versus di technology cooling loop. Detail masing-masing pertanyaan ada di checklist di bagian akhir.
Detail Fisik yang Tidak Dibahas di Halaman Marketing
Kegagalan deployment berdensitas tinggi tidak selalu berkaitan dengan kelistrikan. Cukup banyak deployment yang justru terhambat oleh masalah logistik dan struktur.
Floor loading ini yang paling sering kelewat: rack GPU kelas atas yang penuh dan pakai liquid cooling — contohnya NVIDIA GB200 NVL72 — bisa mencapai sekitar 1.500 kg setelah coolant-nya terisi. Bandingkan dengan raised floor standar yang biasanya cuma dirancang untuk 500–750 kg per posisi rack. Pastikan rating itu berlaku di sepanjang jalur pengiriman, bukan cuma di titik akhir rack — loading dock, freight lift, koridor, semuanya harus bisa dilewati cabinet yang sudah terpasang penuh. Dimensi rack juga perlu dicek: chassis GPU yang dalam dan rear manifold butuh cabinet lebih dalam dan hot aisle lebih lebar dibanding row lama.
Sepuluh menit untuk memeriksa structural drawing saat site visit dapat mencegah versi terburuk dari masalah ini — baru mengetahuinya saat hari pemasangan.
Network: Cluster Hanya Menyelesaikan Separuh Masalah
Performa AI workload sangat bergantung pada seberapa cepat data dapat masuk dan hasil dapat dikirim keluar. East-west fabric di dalam cluster merupakan bagian dari desain Anda; semua yang berada di luar batas cage menjadi tanggung jawab fasilitas, dan harus diperiksa dengan ketelitian yang sama seperti power.
Provisioning cross-connect sering diremehkan padahal ini titik gesekan yang nyata: deployment training atau inference multi-site bisa butuh puluhan cross-connect, dan kalau providernya nggak bisa kasih komitmen waktu serta biaya tertulis, jumlah itu diam-diam jadi batasan arsitektur Anda sendiri. Semakin banyak carrier yang tersedia secara fisik, semakin kompetitif harga transit yang bisa Anda tawar, dan semakin mudah bikin jalur cadangan. Akses langsung ke internet exchange dan cloud on-ramp melengkapi ini — buat inference yang melayani user lokal, direct peering motong jalur ke jaringan pengguna; buat training pipeline hybrid, ini yang bikin Anda nggak perlu kirim dataset lewat internet publik.
Operations: Siapa yang Akan Menangani GPU Anda Jam 3 Pagi?
Hardware berdensitas tinggi meningkatkan tuntutan terhadap operasi sehari-hari. GPU server berat, mahal, dan tidak toleran terhadap penanganan yang dilakukan secara improvisasi. Sistem liquid-cooled juga menambahkan prosedur yang mungkin belum pernah dilakukan oleh banyak teknisi fasilitas.
Tanyakan secara spesifik bagaimana provider menangani layanan remote hands untuk hardware kelas GPU: apakah teknisi mereka sudah dilatih menangani sistem liquid-cooled dan blind-mate manifold, berapa SLA respons pada malam hari, dan apakah provider dapat menyimpan serta mengelola spare hardware Anda di lokasi? Komitmen respons empat jam jauh lebih penting pada 100 kW per rack dibandingkan saat kebutuhan Anda hanya 5 kW.
Shortlist: Sepuluh Pertanyaan yang Perlu Dibawa ke Setiap Site Visit
- Berapa kW per rack yang dapat Anda sediakan untuk posisi saya saat ini, dan apa buktinya?
- Apakah Anda dapat menyediakan rack yang berdekatan dengan density penuh untuk fase pertumbuhan saya, dan bagaimana ketentuannya?
- Apakah daya utilitas untuk area saya sudah dialiri listrik, atau masih bergantung pada upgrade?
- Apakah direct liquid cooling sudah beroperasi di fasilitas ini, dan pada skala berapa?
- Berapa spesifikasi temperatur, flow, dan kualitas facility water di posisi saya?
- Di mana tepatnya batas tanggung jawab provider dan tanggung jawab saya untuk sistem cooling?
- Bagaimana cakupan leak detection dan prosedur respons terhadap kehilangan coolant?
- Berapa rating floor load di sepanjang jalur pengiriman hingga ke cage saya?
- Berapa waktu provisioning cross-connect yang dijamin dan berapa biaya bulanannya?
- Apakah teknisi remote hands Anda sudah dilatih menangani sistem GPU liquid-cooled?
Kesimpulan
AI-ready colocation adalah kondisi engineering yang dapat diverifikasi, bukan sekadar label: kW yang benar-benar tersedia di rack Anda, liquid cooling yang sudah beroperasi dalam production dan bukan sekadar roadmap, lantai serta jalur pengiriman yang mampu menahan beban hardware, cross-connect dengan SLA yang jelas, serta tim operasional yang terlatih menangani hardware yang benar-benar akan Anda kirimkan.
Provider yang benar-benar memenuhi kriteria tersebut seharusnya dapat menunjukkan bukti untuk setiap poin melalui site visit dan dokumen kontrak. Anggap checklist dalam panduan ini sebagai standar minimum — fasilitas yang mampu melewatinya dapat mendukung high-density rack Anda selama bertahun-tahun; sementara fasilitas yang tidak mampu memenuhi standar tersebut dapat menimbulkan biaya yang jauh lebih besar daripada selisih harga bulanan.
Jika Anda sedang mengevaluasi fasilitas di Jakarta untuk deployment GPU atau workload berdensitas tinggi, hubungi tim Digital Edge Indonesia untuk membahas delivered rack density, liquid-cooling readiness, dan pilihan interconnection di EDGE1, EDGE2, serta CGK Campus — lengkap dengan bukti engineering untuk mendukung setiap jawabannya.
