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 a energia w Kanadzie: Nowa Fundlandia otwiera drzwi na propozycje

Minister energii Nowej Fundlandii i Labradoru mówi, że drzwi prowincji są "otwarte dla biznesu" dla firm, które chcą budować centra danych AI na jej energii. CBC News podało to 29 września. Premier Tony Wakeham i główny negocjator w sprawie Churchill Falls Barry Perry wskazywali centra danych jako możliwe zastosowanie energii z megaprojektu.

NaukaAnalizaRenata PawlakOpublikowano: 29 września 20268 min czytaniaŹródła 7
Centra danych AI a energia w Kanadzie: Nowa Fundlandia otwiera drzwi na propozycje

CBC News podało 29 września, że firmy zwróciły się do rządu Nowej Fundlandii i Labradoru w sprawie budowy centrów danych AI. Minister energii i górnictwa Lloyd Parrott powiedział w Zgromadzeniu Ustawodawczym, że "nasze drzwi są otwarte dla biznesu". Mówił podczas specjalnej sesji poświęconej nowej umowie w sprawie Churchill Falls. Ministerstwo energii i górnictwa prowincji potwierdziło te kontakty. Nie podało nazw wnioskodawców ani projektów, powołując się na poufność rozmów handlowych.

Propozycja ma znaczenie z dwóch powodów. Centra danych AI stały się jednym z największych nowych źródeł zapotrzebowania na energię elektryczną w Ameryce Północnej. Główna zaleta prowincji jest ta sama, która czyni badania nad fuzją atrakcyjnymi. Ma duże, niskoemisyjne źródła energii, już zbudowane albo już zaplanowane. Prezes TechNL Andrea King powiedziała CBC, że Labrador spełnia kilka kryteriów, których szukają zwolennicy centrów danych. Należą do nich niskoemisyjna energia wodna, zimny klimat i dużo ziemi. Zaznaczyła też, że to samo w sobie nie czyni projektu dobrym pomysłem. Prowincja musi rozważyć koszty ekonomiczne i koszty alternatywne tego, co jeszcze mogłaby zrobić z tą energią.

Ta ostrożność jest analitycznym rdzeniem tej historii. Centrum danych to obiekt, który mieści i zasila serwery komputerowe, sprzęt sieciowy i inne technologie. Zapotrzebowanie na tę moc obliczeniową gwałtownie wzrosło wraz z rozwojem branży AI. CBC cytuje dziennikarza technologicznego Paris Marxa, autora książki Hyperscale, który mówi, że produkty te są bardzo wymagające obliczeniowo. Firmy technologiczne odkryły, że potrzebują znacznie więcej mocy obliczeniowej, aby je obsłużyć, powiedział. Marx podał też w wątpliwość długoterminową wartość projektu. Zapytał, czy ma sens oddawanie energii centrom danych, skoro mogłyby istnieć lepsze zastosowania.

Prowincja nie opublikowała ram prawnych, listy warunków ani nazwy wnioskodawcy. Premier Nowej Szkocji Tim Houston przedstawił pięć warunków wyjściowych, które musi spełnić każdy wnioskodawca centrum danych, by został rozpatrzony, podało CBC. EverWind Fuels wyraził zainteresowanie budową centrum danych w tej prowincji. W Albercie centrum danych Meta planowane w hrabstwie Sturgeon ma kosztować 13 mld dolarów i ruszyć w ciągu dwóch do trzech lat, według tego samego reportażu CBC. Reportaż zauważa też, że projekt wywołał podziały w prowincji.

W artykule nie pojawia się żaden wynik dotyczący fuzji. Niedawne nagłówki krążące wokół fuzji, w tym zobowiązania Wielkiej Brytanii i chińskie urządzenie wodorowo-borowe, nie są tu cytowane. Artykuł zawiera natomiast zestaw dokumentów o tym, jak obliczenia, energia i badania naukowe się przenikają. Te dokumenty są bardziej przydatne do zrozumienia, dlaczego prowincja z energią wodną otrzymuje propozycje centrów danych, niż jakiekolwiek pojedyncze ogłoszenie laboratoryjne.

Wpis Hannah Ritchie z 29 września na jej Substacku By the Numbers przechodzi przez liczby profesora oksfordzkiego Nicka Eyre'a dotyczące tego, co elektryfikacja robi z końcowym zapotrzebowaniem na energię. We wpisie czytamy, że zapotrzebowanie na energię elektryczną rośnie ze 110 do 189 eksadżuli w scenariuszu po transformacji. Całkowite końcowe zapotrzebowanie na energię spada z 416 do 247 eksadżuli. To redukcja o około 40%. Osiągnięto ją bez zakładania jakiegokolwiek wzrostu efektywności poza elektryfikacją lub przejściem na wodór.

Wpis Ritchie jasno mówi o uproszczeniach. Zakłada się, że wszystkie sektory niezelektryfikowane są zasilane wodorem. Model nie uwzględnia wzrostu zużycia energii wraz z rozwojem krajów. Autorka argumentuje, że nie powinno to wpływać na stosunek między oboma scenariuszami. To porównanie energii końcowej, a nie pierwotnej. Wyklucza więc ciepło odpadowe, które uwzględniałaby rachunkowość energii pierwotnej. Mówi też, że szacunek prawdopodobnie zaniża redukcję, bo zakłada brak innych środków efektywności.

Szczegóły sektorowe to miejsce, w którym argument staje się konkretny. Transport drogowy i budynki spadają znacząco. Samochody i furgonetki można zelektryfikować, a kotły gazowe można zastąpić pompami ciepła. Ritchie pisze, że samochód elektryczny zamienia około 80% swojej energii na ruch, wobec około 20% w przypadku samochodu benzynowego. Zapotrzebowanie na energię dla samochodów i furgonetek po transformacji wynosi około jednej czwartej obecnego zapotrzebowania. Wysokotemperaturowe procesy przemysłowe są trudniejsze. Część z nich może przejść na wodór. Zakłada się, że sektor stalowy zwiększy wykorzystanie pieców łukowych z około 25% do 50%, czyli obecnego udziału w OECD.

Dla prowincji rozważającej centrum danych istotna lekcja nie dotyczy dokładnej liczby eksadżuli. Chodzi o to, że zapotrzebowanie na energię elektryczną ma rosnąć, nawet gdy całkowite zapotrzebowanie na energię spada. To oznacza, że konkurencja o czystą energię elektryczną staje się ostrzejsza, a nie słabsza. Ten sam wpis zauważa, że energia elektryczna zaspokaja 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 budowy centrów danych na skąpej czystej energii jest formułowany za pomocą sprzętu. 29 września Efficient Computer ogłosiła rundę finansowania Series B o wartości 97 mln dolarów, prowadzoną przez TQ Ventures. To podnosi całkowite pozyskane środki do 173 mln dolarów przy wycenie 650 mln dolarów, według wpisu na blogu samej firmy. Prezes i współzałożyciel Brandon Lucia napisał, że technologia firmy przynosi 10-100x poprawę efektywności energetycznej w porównaniu z tradycyjnymi architekturami CPU. Napisał, że Electron E1 wchodzi do masowej produkcji dla wbudowanych systemów fizycznej AI, w tym robotów, dronów, infrastruktury i urządzeń noszonych.

Wpis Lucii jest argumentem dostawcy i tak należy go czytać. Ale zawarty w nim punkt architektoniczny można w zasadzie zweryfikować. Przywołuje prawo Amdahla, by argumentować, że nieprzyspieszona część obliczeń ogranicza ogólną efektywność systemu. Mówi, że wąsko wyspecjalizowane, stałofunkcyjne akceleratory AI tworzą ryzyko przestarzałości, gdy algorytmy się zmieniają. Liczby Efficient mogą nie obowiązywać poza jej własnymi benchmarkami. Mimo to twierdzenie, że to efektywność, a nie sama podaż, określa, ile obliczeń można kupić za daną ilość energii elektrycznej, jest tym samym twierdzeniem, które czyni propozycje centrów danych politycznie spornymi.

Dwa z najnowszych materiałów opisują systemy AI, które zużywają moc obliczeniową, by same prowadzić badania. 29 września CoreWeave ogłosiła ARIA, agenta kodującego wbudowanego w Weights & Biases. Czyta eksperymenty, buduje wizualizacje na żywo, formułuje hipotezy i uruchamia przebiegi przez W&B Launch. Wpis na blogu firmy mówi, że ARIA może obejmować projekty i mieć dostęp do kodu treningowego, logów eksperymentów, krzywych straty, metryk, artefaktów i punktów kontrolnych. Strona podaje, że wpis pierwotnie ukazał się na blogu Weights & Biases 29 lipca 2026. CoreWeave twierdzi, że agent jest wytrenowany na niuansach platformy. Dzięki temu może efektywnie zawężać zapytania w projektach z 20 lub 20 000 przebiegów.

Osobny materiał z 29 września, dokument roboczy NBER autorstwa Matthew Schwartza, Isaiaha Andrewsa i Jessego M. Shapiro, stosuje proces LLM do opublikowanych badań ekonomicznych w skali, która implikuje realną moc obliczeniową. Streszczenie dokumentu podaje, że w 4 452 opublikowanych pakietach replikacyjnych z pięciu czasopism ekonomicznych proces wskazuje rozbieżności w 3 460 artykułach lub ich załącznikach. Mówi, że w 496 artykułach proces skrócił czas obliczeń ponad dziesięciokrotnie przy podobnej lub większej dokładności. W 923 artykułach opracował rozszerzenie, którego nie było w oryginale. Dokument ujawnia, że LLM wykorzystano w analizie i pisaniu. Podaje, że Schwartz pracował jako kontraktor dla Anthropic i że wyniki oraz poglądy nie są przez Anthropic popierane.

Te liczby są wystarczająco duże, by same w sobie stanowić sygnał popytu na centra danych. Ale artykuł nie łączy ich z żadnym konkretnym obiektem ani prowincją, i ta analiza też tego nie robi. Oba materiały pokazują, że sam proces badawczy staje się konsumentem energii elektrycznej. To dokładnie ten rodzaj obciążenia, które Nowa Fundlandia i Labrador ma przyjąć.

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

Esej Stephena Wolframa z 28 września przedstawia zgodny argument z innym akcentem. Pisze, że nowoczesna AI jest użyteczna, czasem bardzo użyteczna. Jej największe zastosowanie w jego własnych poszukiwaniach matematycznych polegało na tematycznym przeszukiwaniu bazy wiedzy matematyki ludzkiej. Ale odróżnia AI, która korzysta z istniejącego korpusu wiedzy ludzkiej, od obliczeń. Mówi, że obliczenia mogą generować rzeczy fundamentalnie i nieusuwalnie nowe. Argumentuje też, że wielką matematykę definiują pytania, które stawia. Ludzka wyobraźnia kieruje tym, jakie pytania się zadaje.

Żaden z esejów nie wspomina centrów danych i żaden nie jest wynikiem dotyczącym fuzji. Mają znaczenie dla tej historii, bo opisują stronę popytu w kwestii energii elektrycznej. Systemy AI mogą być używane do badań, do replikacji ekonomicznych w skali tysięcy artykułów albo do pętli agentowych, które uruchamiają własne eksperymenty. Jeśli tak, 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 ministerstwa powiedział, iż centra danych mogą być rozważane, gdy propozycje są zgodne z celami polityki rządu. Cele te obejmują wymogi środowiskowe i wyraźne korzyści dla mieszkańców Nowej Fundlandii i Labradoru. Nie podano do publicznej wiadomości żadnego wnioskodawcy, żadnej liczby dotyczącej mocy, żadnej umowy zakupu energii ani żadnego harmonogramu. Dopóki tak się nie stanie, uczciwy opis sytuacji jest taki, że drzwi zostały opisane jako otwarte. Nic jeszcze przez nie nie przeszło.

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.