Vai al contenuto
Ora nel mondoEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portale su IA e tecnologiaeventi · analisi · interviste · approfondimenti tecnici

Cerca
LIVE
›

I data centre per l'AI incontrano l'idroelettrico canadese: Terranova apre alle proposte

Il ministro dell'Energia di Terranova e Labrador dice che la porta della provincia è "aperta agli affari" per le aziende che vogliono costruire data centre per l'AI sulla sua energia elettrica, ha riportato CBC News il 29 settembre. Il premier Tony Wakeham e il negoziatore capo per Churchill Falls Barry Perry hanno indicato i data centre come un possibile impiego dell'elettricità del megaprogetto.

ScienzaAnalisiSara GalloPubblicato: 29 settembre 20268 min di letturaFonti 7
I data centre per l'AI incontrano l'idroelettrico canadese: Terranova apre alle proposte

CBC News ha riportato il 29 settembre che alcune aziende si sono rivolte al governo di Terranova e Labrador per sviluppare data centre per l'AI. Il ministro dell'Energia e delle Miniere Lloyd Parrott ha detto alla House of Assembly che "la nostra porta è aperta agli affari". Parlava durante una sessione speciale sul nuovo accordo di Churchill Falls. Il Dipartimento dell'Energia e delle Miniere della provincia ha confermato i contatti. Non ha voluto fare i nomi dei proponenti né dei progetti, citando trattative commercialmente sensibili.

La proposta conta per due motivi. I data centre per l'AI sono diventati una delle maggiori nuove fonti di domanda elettrica in Nord America. Il vantaggio principale della provincia è lo stesso che rende attraente la ricerca sulla fusione. Ha una grande disponibilità di energia a basse emissioni di carbonio, già costruita o già pianificata. Andrea King, amministratrice delegata di TechNL, ha detto a CBC che il Labrador soddisfa diversi criteri cercati dai promotori di data centre. Tra questi l'idroelettrico a basse emissioni, il clima freddo e molta terra. Ha anche detto che questo non basta a rendere buona un'idea progettuale. La provincia deve soppesare i costi economici e i costi opportunità, cioè a cos'altro potrebbe destinare quell'elettricità.

Questa cautela è il nucleo analitico della vicenda. Un data centre è una struttura che ospita e alimenta server, apparecchiature di rete e altre tecnologie. La domanda di calcolo è schizzata con l'industria dell'AI. CBC cita la giornalista tecnologica Paris Marx, autrice di Hyperscale, secondo cui i prodotti sono ad alta intensità di calcolo. Le aziende tecnologiche si sono accorte di aver bisogno di molta più potenza di calcolo per alimentarli, ha detto. Marx ha anche messo in dubbio il valore di lungo periodo di un progetto. Si è chiesta se abbia senso dare elettricità ai data centre quando potrebbero esserci usi migliori.

La provincia non ha pubblicato un quadro normativo, un elenco di condizioni né il nome di un proponente. Il premier della Nuova Scozia Tim Houston ha delineato cinque condizioni di partenza che ogni proponente di data centre deve rispettare per essere preso in considerazione, ha riportato CBC. EverWind Fuels ha manifestato interesse a costruire un data centre in quella provincia. In Alberta, il data centre di Meta previsto nella contea di Sturgeon dovrebbe costare 13.000.000.000 di dollari ed entrare in funzione entro due o tre anni, secondo lo stesso servizio di CBC. Quel servizio nota anche che il progetto ha creato divisioni nella provincia.

Nell'articolo non compare alcun risultato sulla fusione. I titoli recenti che circolano sulla fusione, compresi gli impegni del Regno Unito e un dispositivo cinese a idrogeno-boro, non sono citati qui. L'articolo contiene invece una serie di documenti su come calcolo, energia e ricerca stanno convergendo. Quei documenti servono più a capire perché una provincia con idroelettrico riceva proposte di data centre di qualsiasi singolo annuncio di laboratorio.

Un post del 29 settembre di Hannah Ritchie sul suo Substack, By the Numbers, rielabora i numeri del professore di Oxford Nick Eyre su cosa fa l'elettrificazione alla domanda finale di energia. Il post afferma che la domanda elettrica sale da 110 a 189 exajoule nello scenario post-transizione. La domanda finale totale di energia scende da 416 a 247 exajoule. È una riduzione di circa il 40%. Si ottiene senza ipotizzare alcun guadagno di efficienza diverso dall'elettrificazione o dal passaggio all'idrogeno.

Il post di Ritchie dichiara esplicitamente le semplificazioni. Si presume che tutti i settori non elettrificati siano alimentati a idrogeno. Il modello non tiene conto della crescita dei consumi man mano che i paesi si sviluppano. Lei sostiene che ciò non dovrebbe incidere sul rapporto tra i due scenari. È un confronto tra energia finale e non primaria. Quindi esclude il calore di scarto che il conteggio dell'energia primaria includerebbe. Dice anche che la stima probabilmente sottostima la riduzione, perché non presuppone altre misure di efficienza.

Il dettaglio per settore è il punto in cui l'argomento diventa concreto. Il trasporto su strada e gli edifici calano in modo netto. Auto e furgoni possono essere elettrificati, e le caldaie a gas possono essere sostituite con pompe di calore. Ritchie scrive che un veicolo elettrico converte in movimento circa l'80% della sua energia, contro circa il 20% di un'auto a benzina. La domanda energetica post-transizione per auto e furgoni è circa un quarto di quella attuale. I processi industriali ad alta temperatura sono più difficili. Alcuni possono passare all'idrogeno. Per il settore siderurgico si presume che l'uso del forno ad arco elettrico salga da circa il 25% al 50%, il mix attuale dell'OCSE.

Per una provincia che valuta un data centre, la lezione pertinente non è il conteggio esatto degli exajoule. È che la domanda elettrica è destinata a salire anche mentre la domanda totale di energia scende. Questo significa che la competizione per l'elettricità pulita diventa più aspra, non più blanda. Lo stesso post nota che l'elettricità copre tre quarti della domanda finale di energia nel sistema post-transizione, contro un quarto oggi. Ogni grande carico aggiuntivo è una pretesa su quell'elettricità.

La controargomentazione al costruire data centre su energia pulita scarsa si fa con l'hardware. Il 29 settembre Efficient Computer ha annunciato un round di Serie B da 97.000.000 di dollari guidato da TQ Ventures. Porta la raccolta totale a 173.000.000 di dollari con una valutazione di 650.000.000 di dollari, secondo il post sul blog dell'azienda. L'amministratore delegato e cofondatore Brandon Lucia ha scritto che la tecnologia dell'azienda porta un miglioramento dell'efficienza energetica da 10 a 100 volte rispetto alle architetture CPU tradizionali. Ha scritto che l'Electron E1 sta partendo in volumi per sistemi di AI fisica embedded, compresi robot, droni, infrastrutture e dispositivi indossabili.

Il post di Lucia è un argomento di venditore e va letto come tale. Ma il punto architetturale che solleva è verificabile in linea di principio. Invoca la legge di Amdahl per sostenere che la parte non accelerata di un calcolo pone un tetto all'efficienza complessiva di un sistema. Dice che gli acceleratori AI specializzati e a funzione fissa creano un rischio di obsolescenza quando gli algoritmi cambiano. È possibile che i numeri di Efficient non valgano fuori dai suoi benchmark. Anche così, l'affermazione che sia l'efficienza, non la fornitura grezza, a determinare quanto calcolo si compra con una data quantità di elettricità è la stessa che rende politicamente contestate le proposte di data centre.

Due tra gli elementi più recenti descrivono sistemi di AI che consumano calcolo per fare ricerca essi stessi. Il 29 settembre CoreWeave ha annunciato ARIA, un agente di programmazione integrato in Weights & Biases. Legge esperimenti, costruisce visualizzazioni in tempo reale, formula ipotesi e avvia esecuzioni tramite W&B Launch. Il post sul blog dell'azienda dice che ARIA può attraversare più progetti e accedere a codice di addestramento, log degli esperimenti, curve di loss, metriche, artefatti e checkpoint. La pagina dice che il post è stato pubblicato originariamente sul blog di Weights & Biases il 29 luglio 2026. CoreWeave dice che l'agente è addestrato sulle sfumature della piattaforma. Questo gli permette di delimitare le query in modo efficiente su progetti con 20 o 20.000 esecuzioni.

Un altro elemento del 29 settembre, un working paper NBER di Matthew Schwartz, Isaiah Andrews e Jesse M. Shapiro, applica un flusso di lavoro basato su LLM alla ricerca economica pubblicata su una scala che implica calcolo reale. L'abstract del paper afferma che su 4.452 pacchetti di replica pubblicati per cinque riviste di economia, il flusso di lavoro segnala discrepanze in 3.460 articoli o nei loro appendici. Dice che in 496 articoli il flusso di lavoro ha ridotto il tempo di calcolo di un calcolo di oltre un fattore 10 con accuratezza simile o superiore. In 923 articoli ha sviluppato un'estensione non presente nell'articolo originale. Il paper dichiara che gli LLM sono stati usati nell'analisi e nella scrittura. Dice che Schwartz ha lavorato come collaboratore per Anthropic, e che i risultati e le opinioni non sono approvati da Anthropic.

Quei numeri sono abbastanza grandi da essere di per sé un segnale di domanda per i data centre. Ma l'articolo non li collega a una struttura o a una provincia specifica, e nemmeno questa analisi lo fa. Quello che i due elementi mostrano è che il flusso di lavoro della ricerca sta diventando esso stesso un consumatore di elettricità. È esattamente il tipo di carico che a Terranova e Labrador viene chiesto di ospitare.

Due post del 29 settembre sulla ricerca matematica fanno lo stesso punto dalla direzione opposta. L'AI può automatizzare più lavoro, ma il lavoro non scompare. Sul suo blog, Dan Romik sostiene che la ricerca matematica è un ciclo di retroazione. Dice che i modelli di AI attuali generano nuovi teoremi che sono "a distanza uno" dalla conoscenza prodotta dagli esseri umani. Senza persone che riflettano, semplifichino e generalizzino, il ciclo si blocca sotto quello che chiama montagne di scorie autogenerate. Cita anche la reazione di Scott Aaronson alla presunta soluzione delle equazioni di Navier-Stokes di OpenAI come una sfilza di A. Afferma di non credere che siamo già in un mondo in cui l'AI mette il QED finale su ogni teorema.

Il saggio di Stephen Wolfram del 28 settembre sostiene un argomento compatibile con un'enfasi diversa. Scrive che l'AI moderna è utile, a volte molto utile. Il suo uso maggiore nelle sue stesse ricerche matematiche è stato setacciare tematicamente la base di conoscenza della matematica umana. Ma distingue l'AI, che usa il corpus esistente di conoscenza umana, dal calcolo. Dice che il calcolo può generare cose fondamentalmente e irriducibilmente nuove. Sostiene anche che la grande matematica è definita dalle domande che pone. L'immaginazione umana guida quali domande vengono poste.

Nessuno dei due saggi menziona i data centre, e nessuno dei due è un risultato sulla fusione. Contano per questa storia perché descrivono il lato della domanda nella questione elettrica. I sistemi di AI possono essere usati per la ricerca, per la replica economica su scala di migliaia di articoli, o per cicli agentici che avviano i propri esperimenti. Se è così, il calcolo deve stare da qualche parte. Terranova e Labrador è uno dei luoghi a cui oggi si chiede se debba stare lì.

La provincia non ha detto sì. CBC ha riportato che un portavoce del dipartimento ha detto che i data centre possono essere presi in considerazione quando le proposte sono coerenti con gli obiettivi politici del governo. Tra questi obiettivi ci sono i requisiti ambientali e benefici chiari per i cittadini di Terranova e Labrador. Nessun proponente, nessun dato di capacità, nessun contratto di acquisto di energia e nessuna tempistica sono stati resi pubblici. Finché non lo saranno, la descrizione onesta dello stato delle cose è che una porta è stata descritta come aperta. Nessuno l'ha ancora varcata.

Commenti 0

Fonti

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

Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.

I contenuti sono stati preparati dalla redazione con il supporto dell'IA.

Sara Gallo

Sara Gallo

Scienza e salute

Sara Gallo scrive di scienza e salute per FLASH24, partendo da studi originali, comunicati di enti di ricerca e dati di agenzie sanitarie, senza fermarsi ai titoli. Per ogni articolo controlla campioni, intervalli di confidenza e conflitti di interesse, confrontando i numeri con le serie storiche di ISS ed Eurostat. Segue le revisioni sistematiche in uscita e attende i briefing del ministero della Salute, parlando con ricercatori e clinici prima di pubblicare. La sua formazione in fisica dei materiali e il telescopio che usa nel tempo libero si ritrovano nella cura con cui legge misure e immagini. Non pubblica stime senza fonte primaria.

Redazione →

Commenti

0
  1. Nessun commento — sii il primo.

Scrivi un commento

I commenti sono pubblici. Non pubblichiamo insulti, spam né pubblicità.