Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

Centra danych AI i energia wodna Nowej Fundlandii: prowincja otwiera drzwi na propozycje

Minister energii Nowej Fundlandii i Labradoru Lloyd Parrott powiedział, że drzwi prowincji są „otwarte na interesy” dla firm planujących centra danych AI. Informację tę podało CBC News 29 września. Premier Tony Wakeham i główny negocjator umowy w Churchill Falls, Barry Perry, wskazywali centra danych jako potencjalnego odbiorcę energii z tego megaprojektu.

NaukaAnalizaRenata PawlakOpublikowano: 29 września 20268 min czytaniaŹródła 7
Centra danych AI i energia wodna Nowej Fundlandii: prowincja otwiera drzwi na propozycje

29 września CBC News poinformowało, że do rządu Nowej Fundlandii i Labradoru zgłosiły się firmy zainteresowane budową centrów danych AI. Lloyd Parrott, minister energii i górnictwa, stwierdził w Izbie Zgromadzenia podczas nadzwyczajnej sesji poświęconej nowemu porozumieniu w sprawie Churchill Falls, że „nasze drzwi są otwarte na interesy”. Resort energii i górnictwa potwierdził te zgłoszenia, ale odmówił podania nazw wnioskodawców lub projektów, powołując się na wrażliwość handlową prowadzonych rozmów.

Propozycja ma znaczenie, ponieważ centra danych AI stały się jednym z największych nowych źródeł zapotrzebowania na energię elektryczną w Ameryce Północnej. Główna przewaga prowincji jest taka sama, która czyni atrakcyjnymi badania nad fuzją: duże, niskoemisyjne źródło energii, które jest już zbudowane lub zaplanowane. Andrea King, dyrektor generalna TechNL, powiedziała CBC, że Labrador spełnia kilka kryteriów, których szukają inwestorzy w centra danych, w tym niskoemisyjną energię wodną, chłodny klimat i dużą ilość ziemi. Zastrzegła jednak, że to samo w sobie nie czyni projektu dobrym pomysłem, ponieważ prowincja musi rozważyć koszty ekonomiczne i koszty alternatywne innych zastosowań tej energii.

Ta ostrożność stanowi analityczny rdzeń sprawy. Centrum danych to obiekt, który mieści i zasila serwery komputerowe, sprzęt sieciowy i inne technologie, a popyt na takie przetwarzanie skoczył wraz z rozwojem branży AI. CBC cytuje Paris Marxa, dziennikarza technologicznego i autora książki Hyperscale, który mówi, że te produkty są bardzo wymagające obliczeniowo, a firmy technologiczne odkryły, że potrzebują znacznie więcej mocy obliczeniowej, aby je napędzać. Marx podważył też długoterminową wartość takiego projektu, pytając, czy ma sens oddawanie energii elektrycznej centrów danych, skoro mogą istnieć lepsze zastosowania.

Prowincja nie opublikowała ram, listy warunków ani nazwy wnioskodawcy. Premier Nowej Szkocji Tim Houston przedstawił pięć warunków wyjściowych, które musi spełnić każdy wnioskodawca o centrum danych, aby jego propozycja została rozpatrzona, podało CBC. EverWind Fuels wyraziło zainteresowanie budową centrum danych w tej prowincji. W Albercie centrum danych Meta planowane w hrabstwie Sturgeon ma kosztować 13 000 000 000 dolarów i ruszyć w ciągu dwóch do trzech lat, według tego samego materiału CBC. Media odnotowują też, że projekt wywołał podziały w prowincji.

W dossier nie ma żadnego wyniku dotyczącego fuzji. Warto to powiedzieć wprost, ponieważ ostatnie nagłówki krążące wokół fuzji, w tym brytyjskie zobowiązania i chińskie urządzenie wodorowo-borowe, nie są częścią materiałów źródłowych dostarczonych do tej analizy i nie są tu cytowane. Dossier zawiera natomiast zestaw dokumentów o tym, jak przetwarzanie, energia i badania zaczynają się zbiegać. Te dokumenty lepiej wyjaśniają, dlaczego prowincja z energią wodną dostaje propozycje centrów danych, niż jakiekolwiek pojedyncze ogłoszenie z laboratorium.

Wpis Hannah Ritchie z 29 września na jej Substacku By the Numbers analizuje liczby profesora oksfordzkiego Nicka Eyre'a dotyczące wpływu elektryfikacji na końcowe zapotrzebowanie na energię. Wpis podaje, że zapotrzebowanie na energię elektryczną rośnie ze 110 do 189 eksadżuli w scenariuszu po transformacji, podczas gdy całkowite końcowe zapotrzebowanie na energię spada z 416 do 247 eksadżuli. To redukcja o około 40%, osiągnięta bez zakładania jakiegokolwiek zysku efektywnościowego poza elektryfikacją lub przejściem na wodór.

Wpis Ritchie jasno opisuje uproszczenia. Wszystkie sektory niezelektryfikowane są założone jako zasilane wodorem. Model nie uwzględnia wzrostu zużycia energii w miarę rozwoju krajów, choć jej zdaniem nie powinno to wpływać na stosunek między dwoma scenariuszami. To porównanie energii końcowej, nie pierwotnej, więc pomija ciepło odpadowe, które uwzględniałoby rozliczanie energii pierwotnej. Autorka pisze też, że szacunek prawdopodobnie zaniża redukcję, ponieważ zakłada brak innych działań na rzecz efektywności.

Szczegóły sektorowe to miejsce, w którym argument staje się konkretny. Transport drogowy i budynki spadają mocno, ponieważ samochody i furgonetki można zelektryfikować, a kotły gazowe wymienić na pompy ciepła. Ritchie pisze, że samochód elektryczny zamienia na ruch około 80% swojej energii, wobec około 20% w przypadku auta benzynowego. Zapotrzebowanie na energię dla samochodów i furgonetek po transformacji to około jednej czwartej obecnego. Wysokotemperaturowe procesy przemysłowe są trudniejsze: część może przejść na wodór, a w sektorze stalowym zakłada się wzrost wykorzystania pieców łukowych z około 25% do 50%, czyli obecnej mieszanki w OECD.

Dla prowincji rozważającej centrum danych istotna lekcja to nie dokładny rachunek w eksadżulach. Chodzi o to, że zapotrzebowanie na energię elektryczną ma rosnąć, nawet gdy całkowite zapotrzebowanie na energię spada. Konkurencja o czystą energię elektryczną staje się więc ostrzejsza, nie luźniejsza. Ten sam wpis odnotowuje, że energia elektryczna pokrywa trzy czwarte końcowego zapotrzebowania na energię w systemie po transformacji, wobec jednej czwartej dziś. Każde dodatkowe duże obciążenie to roszczenie do tej energii.

Kontrargument wobec budowania centrów danych na ograniczonej czystej energii elektrycznej powstaje dziś na sprzęcie. 29 września Efficient Computer ogłosiła rundę Series B o wartości 97 000 000 dolarów pod przewodnictwem TQ Ventures. Podnosi to jej łączne finansowanie do 173 000 000 dolarów przy wycenie 650 000 000 dolarów, według wpisu na blogu samej firmy. Dyrektor generalny i współzałożyciel Brandon Lucia napisał, że technologia firmy daje 10-100x lepszą efektywność energetyczną niż tradycyjne architektury CPU. Electron E1 wchodzi do masowej produkcji dla wbudowanych systemów fizycznej AI, w tym robotów, dronów, infrastruktury i urządzeń noszonych.

Wpis Lucii to argument sprzedawcy i tak trzeba go czytać, ale zawarty w nim punkt architektoniczny da się w zasadzie sprawdzić. Przywołuje prawo Amdahla, aby dowodzić, że nieprzyspieszona część obliczenia ogranicza całkowitą efektywność systemu. Wąsko wyspecjalizowane, stałofunkcyjne akceleratory AI tworzą z kolei ryzyko dezaktualizacji, gdy algorytmy się zmieniają. Niezależnie od tego, czy liczby Efficient się bronią poza ich własnymi benchmarkami, twierdzenie, że to efektywność, a nie sama podaż, decyduje o tym, ile obliczeń kupi dana ilość energii elektrycznej, jest tym samym twierdzeniem, które czyni propozycje centrów danych politycznie spornymi.

Dwie z najnowszych pozycji w dossier opisują systemy AI, które zużywają moc obliczeniową do prowadzenia samych badań. 29 września CoreWeave ogłosiła ARIA, agenta kodującego wbudowanego w Weights & Biases. Agent czyta eksperymenty, buduje wizualizacje na żywo, stawia hipotezy i uruchamia przebiegi przez W&B Launch. Wpis na blogu firmy, pierwotnie opublikowany na blogu Weights & Biases 29 lipca 2026 roku według tej strony, mówi, że ARIA może obejmować projekty i mieć dostęp do kodu treningowego, logów eksperymentów, krzywych straty, metryk, artefaktów i checkpointów. CoreWeave twierdzi, że agent jest trenowany na niuansach platformy, więc potrafi sprawnie zawężać zapytania w projektach z 20 albo 20 000 przebiegów.

Osobna pozycja z 29 września, dokument roboczy NBER autorstwa Matthew Schwartza, Isaiaha Andrewsa i Jessego M. Shapiro, stosuje workflow z użyciem LLM do opublikowanych badań ekonomicznych w skali, która oznacza realne zużycie mocy obliczeniowej. Streszczenie pracy podaje, że w 4 452 opublikowanych pakietach replikacyjnych z pięciu czasopism ekonomicznych workflow wskazał rozbieżności w 3 460 artykułach lub ich załącznikach. Podaje też, że w 496 artykułach workflow skrócił czas obliczeń danego rachunku o więcej niż dziesięciokrotnie przy podobnej lub większej dokładności, a w 923 artykułach rozwinął rozszerzenie, którego nie było w oryginale. Praca ujawnia, że LLM użyto w analizie i pisaniu, że Schwartz pracował jako kontraktor dla Anthropic i że wyniki oraz opinie nie są firmowane przez Anthropic.

Te liczby są dość duże, by same w sobie być sygnałem popytu na centra danych, ale dossier nie wiąże ich z żadnym konkretnym obiektem ani prowincją i ta analiza też tego nie robi. Obie pozycje pokazują, że sam workflow badawczy staje się konsumentem energii elektrycznej. To dokładnie ten rodzaj obciążenia, o którego przyjęcie pytana jest Nowa Fundlandia i Labrador.

Dwa wpisy z 29 września o badaniach matematycznych mówią to samo z drugiej strony: AI może automatyzować coraz więcej pracy, ale praca nie znika. Na swoim blogu Dan Romik dowodzi, że badania matematyczne to pętla sprzężenia zwrotnego. Obecne modele AI generują nowe twierdzenia „oddalone o jeden” od wiedzy wytworzonej przez ludzi. Bez ludzi, którzy by reflektowali, upraszczali i uogólniali, pętla się dusi pod tym, co nazywa górami samogenerowanego szlamu. Cytuje też reakcję Scotta Aaronsona na rzekome rozwiązanie równań Naviera-Stokesa przez OpenAI jako ciąg liter A. Stwierdza, że nie wierzy, byśmy już żyli w świecie, w którym AI stawia końcowe QED przy każdym twierdzeniu.

Esej Stephena Wolframa z 28 września stawia zgodny argument z innym akcentem. Pisze, że współczesna AI jest użyteczna, czasem bardzo, a jej największe zastosowanie w jego własnych poszukiwaniach matematycznych polegało na tematycznym przeszukiwaniu bazy wiedzy ludzkiej matematyki. Odróżnia jednak AI, która korzysta z istniejącego korpusu ludzkiej wiedzy, od obliczeń, które jego zdaniem mogą generować rzeczy fundamentalnie i nieredukowalnie nowe. Twierdzi też, że wielką matematykę definiują pytania, które stawia, a ludzka wyobraźnia wskazuje, które pytania zostaną zadane.

Żaden z tych esejów nie wspomina centrów danych i żaden nie jest wynikiem dotyczącym fuzji. Mają znaczenie dla tej sprawy, ponieważ opisują stronę popytową pytania o energię elektryczną. Jeśli systemy AI mają służyć badaniom, replikacji ekonomicznej w skali tysięcy prac albo pętlom agentowym, które same uruchamiają swoje eksperymenty, to moc obliczeniowa musi gdzieś stać. Nowa Fundlandia i Labrador to jedno z miejsc, które są teraz pytane, czy powinna stać właśnie tam.

Prowincja nie powiedziała „tak”. CBC podało, że rzecznik resortu stwierdził, iż centra danych mogą być rozważane, gdy propozycje są zgodne z celami polityki rządu, w tym z wymogami środowiskowymi, i przynoszą wyraźne korzyści mieszkańcom Nowej Fundlandii i Labradoru. Nie ujawniono żadnego wnioskodawcy, żadnej wielkości mocy, żadnej umowy zakupu energii ani żadnego terminu. Dopóki tak się nie stanie, uczciwy opis sytuacji jest taki: drzwi zostały opisane jako otwarte i na razie nic przez nie nie weszło.

Komentarze 0

Źródła

7
  1. 01AI data centres in N.L.? The door is 'open for business,' says energy ministerEN
  2. 02Electrification efficiency: The world will need less energy after the transitionEN
  3. 03Solving computing's energy problem with Efficient Computer's $97M Series BEN
  4. 04CoreWeave ARIA: AI Research and Iteration AgentEN
  5. 05An LLM Workflow That Reproduces, Improves, and Extends Published Economics ResearchEN
  6. 06The feedback loop of mathematics researchEN
  7. 07What's the Future for Pure Math Research in the Age of AI?EN

Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.

Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.

Renata Pawlak

Renata Pawlak

Nauka i zdrowie

Renata Pawlak zajmuje się w FLASH24 nauką i zdrowiem, opierając teksty na publikacjach recenzowanych, komunikatach instytucji i danych źródłowych, a nie na doniesieniach bez pokrycia. Przy każdej liczbie sprawdza metodologię badania, wielkość próby i jednostki, a wyniki porównuje z wcześniejszymi pracami na ten sam temat. Czeka na comiesięczne raporty GUS i NFZ, rozmawia z lekarzami oraz fizykami, a przed publikacją pyta autorów o ograniczenia ich wniosków. Prywatnie interesuje się fizyką materiałów i obserwuje niebo przez własny teleskop, co pomaga jej czytać prace z dziedzin ścisłych. Nie publikuje niczego, czego nie może potwierdzić w co najmniej dwóch niezależnych źródłach.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.