Dane o zużyciu wody przez AI znikają. Skarga do KE, lokalne bunty i wyścig modeli
Skarga złożona do Komisji Europejskiej 30 września oskarża egzekutywę UE o ukrywanie zużycia energii i wody przez centra danych. W tym samym tygodniu sprzeciw wobec kampusów AI rósł w USA, Indonezji i Australii.

Politico podało o skardze jako pierwsze 30 września, tego samego dnia temat podjął The Next Web. Zdaniem skarżących Bruksela nie publikuje danych środowiskowych, które zbiera od operatorów centrów danych. Żaden z tekstów nie podaje nazwisk skarżących ani nie wymienia brakujących liczb, żadna redakcja nie opublikowała też samego pisma. Oba zgodnie twierdzą jedno: UE ma te dane i ich nie ujawnia.
To niewygodna pozycja dla bloku, który od dekady przedstawia się jako najambitniejszy regulator technologiczny na świecie.
Problem modelu, nie tylko budynku
Czas ma znaczenie, bo pytanie o wodę przenosi się z fizycznej instalacji na sam model. Dwa teksty opublikowane na arXiv 29 i 30 września pokazują, jak badacze mierzą dziś koszt wnioskowania z dokładnością do pojedynczych operacji. Pierwszy, Gaurav Agarwal i współautorzy, opisuje Decode-Latency Feedback Prefill. To kontroler zaimplementowany w vLLM, który zmienia rozmiar fragmentów prefillu na podstawie obserwowanego opóźnienia dekodowania. Na Qwen3-0.6B, modelu z 600 000 000 parametrów, uruchomionym w BF16 na jednym GPU A100 80GB, trzy sparowane serie po 100 zapytań obniżyły opóźnienie międzytokenowe P99 o 24,8%, 30,1% i 28,2%, średnio o 27,7%. Kompromis jest wyraźny: średni czas do pierwszego tokenu przy P99 wzrósł o 34,8%. Autorzy opisują też wynik negatywny. Zauważają, że mechanizm nie uogólnia się na Qwen3-8B (8 000 000 000 parametrów), Qwen3-32B (32 000 000 000 parametrów) ani na układ z dwoma GPU w trybie równoległości tensorowej.
Takie badania nad wydajnością to mniej efektowna połowa debaty o wodzie. Nie dają nagłówkowej liczby. Decydują jednak o tym, ile pracy wykonuje jedna szafa rack na kilowatogodzinę, a więc ile chłodzenia i wody potrzebuje dana lokalizacja.
Drugi tekst, Loay Mualem i sześciu współautorów, przedstawia GoldiMask. To metoda dostrajania dyskretnych modeli dyfuzyjnych językowych. Wybiera tokeny ujawniane jako kontekst, w przybliżeniu maksymalizując funkcję submodularną. Na trzech szkieletach i trzech zbiorach treningowych autorzy raportują najwyższą średnią dokładność w większości badanych ustawień, z zyskami w rozumowaniu i generowaniu kodu. Twierdzą też, że zmniejszyli liczbę iteracji dekodowania na GSM8K i MATH-500, czyli zbiorach 8 000 i 500 zadań, przy równoległym dekodowaniu z progiem pewności.
Żaden z tekstów nie wspomina o wodzie. Oba należą do tej samej arytmetyki, o którą spierają się operatorzy centrów danych i ich krytycy.
Tysiąc czterysta megawatów i rosnąca kolejka sprzeciwów
Zainstalowana moc centrów danych w Indiach przekroczyła 1 575 MW i do 2030 r. może osiągnąć 9 GW, wynika z danych PCC, o których 1 października pisał Fortune India. Ten sam tekst zwraca uwagę na rosnące obawy o energię i wodę. Nowa polityka stanowa Karnataka dla centrów danych stawia wodę i energię w centrum reżimu pozwoleń, podało 1 października Newslaundry.
Indonezja już zadziałała. Projekt centrum danych na Jawie Zachodniej został wstrzymany z powodu obaw o wodę, podało 1 października Asia News Network.
W USA wzorzec jest lokalny, nie krajowy. Grupa w hrabstwie Weld w Kolorado zbiera podpisy pod petycją, by zablokować centrum danych Global AI, podało 1 października KUNC News. Mieszkańcy Adelanto i High Desert sprzeciwili się poprawkom dotyczącym centrów danych, podało 30 września ie community news. Pewna gmina zatwierdziła roczne moratorium na centra danych, podało 30 września Village Report.
„Garstka złych aktorów wyrządziła tu realne szkody”, podało 30 września IT Pro, w tekście o tym, jak firmy mogą uniknąć zakłóceń związanych z szerszą niechęcią do centrów danych.
Branża zaczęła reagować wspólnie. Koalicja AI Infrastructure Coalition zobowiązała się pokrywać rachunki za energię i ograniczyć zużycie wody, podało 30 września Dealroom, opisując ten ruch jako element polityki przed wyborami do Kongresu. Financial Times podał tego samego dnia, że branża AI rusza do walki z niechęcią do centrów danych przed wyborami. Kongres też działa: financialexpress.com podało 30 września, że przepisy przeniosłyby koszty energii centrów danych na samych operatorów.
Nic z tego nie dało dotąd federalnego standardu zużycia wody w USA. Efekt to patchwork: petycje hrabstw, polityki stanowe i dobrowolne zobowiązania. W takim otoczeniu skargę o brakujące dane z UE trudniej zbyć machnięciem ręki.
Co wydają twórcy modeli
Tymczasem premiery modeli nie ustają. Każda podnosi bazowy poziom mocy obliczeniowej, którą centra danych mają obsłużyć. Alphabet zaprezentował w środę Gemini 4 Argon, a Google opisał go jako swój najbardziej zaawansowany model. CNBC podało, że model ustanawia nowy rekord w realnej inżynierii oprogramowania, dzieli pierwsze miejsce w cyberbezpieczeństwie i prowadzi w kolejnym teście obejmującym finanse, prawo i inne zadania zawodowe. Google podało, że Argon jest już używany wewnętrznie do optymalizacji pamięci w jego centrach danych. Uwalnia to setki terabajtów pamięci bez kupowania dodatkowego sprzętu.
Ten wewnętrzny szczegół jest najciekawszą operacyjnie liczbą w całej premierze. The Guardian podał 1 października, że Google na razie nie udostępnia modelu publicznie. Trafia on tylko do sprawdzonej grupy ekspertów od cyberbezpieczeństwa. Koray Kavukcuoglu, główny architekt AI w Google, napisał na blogu, że „bezpieczne udostępnianie zdolności frontier na tym poziomie wymaga podejścia etapowego”. Dzień wcześniej Sundar Pichai podpisał w Białym Domu dobrowolne porozumienie o bezpieczeństwie AI, obok prezydenta Donalda Trumpa i innych szefów firm technologicznych, podał Guardian.
Na mniejszym końcu skali Amazon Web Services wydało Strands Decider 2B (2 000 000 000 parametrów), otwarty model decyzyjny inspirowany Jevem od TypeSafe, podało 1 października TechCrunch. Marc Brooker, distinguished engineer w Amazonie, powiedział TechCrunchowi, że ta klasa modeli to „idealny decydent dla jednego kroku workflow”. Model jest dość mały, by działać lokalnie. Ideogram wydał z kolei Ideogram 4.5, model do edycji obrazów. Firma twierdzi, że zmienia tylko te części obrazu, które wskaże użytkownik, w czterech poziomach jakości od 0,8 do 22 centów za obraz w natywnej rozdzielczości 2K, czyli 2 000 pikseli, podało 1 października The Decoder.
Małe modele lokalne i duże modele frontier ciągną infrastrukturę w przeciwne strony. Model 2B (2 000 000 000 parametrów), który działa na laptopie, nie potrzebuje wieży chłodniczej. Model frontier, który optymalizuje pamięć w całej flocie, potrzebuje.
Luka w nadzorze
Prokurator generalny Florydy James Uthmeier złożył wniosek o tymczasowy zakaz wobec pięciu podmiotów OpenAI i osobiście Sama Altmana, podało 30 września Tom's Hardware. Wniosek prosi sąd o zakazanie OpenAI rozwijania jakichkolwiek modeli AI bez niezależnych zewnętrznych zabezpieczeń i zatwierdzenia, obok innych żądań. To część pozwu złożonego w czerwcu w hrabstwie Highlands.
To argument o bezpieczeństwo, nie o wodę. Wskazuje jednak na ten sam brak. Żaden regulator nie opublikował wiążącego, ujednoliconego reżimu ujawniania zasobów, które zużywa model AI. Chodzi o wszystko: od treningu, przez pojedyncze zapytanie, po wodę chłodzącą, która odprowadza ciepło.
Skarga do KE, jeśli będzie procedowana, sprawdzi, czy istniejące uprawnienia bloku do zbierania danych wystarczą. Przypadki indyjskie i indonezyjskie sugerują, że bez takich ujawnień spór przenosi się gdzie indziej. Trafia do lokalnej komisji planistycznej, gdzie liczby są takie, jakie deweloper zdecyduje się wpisać do wniosku.
Data Center Knowledge opublikowało pod koniec września dwa teksty o technicznej stronie tej luki. Pierwszy, z 23 września, przekonywał, by przejść od wskaźników efektywności do odporności w realnych warunkach. Drugi, z 1 października, opisywał klimat jako ukrytą zmienną w każdym adiabatycznym bilansie wodnym. Oba trafiają do wyspecjalizowanych odbiorców i to część problemu. Ludzie od modeli i ludzie z głosami w planowaniu nie czytają tych samych dokumentów.
Brakuje jednej uzgodnionej liczby: ile wody zużywa jedno zapytanie do AI. Ta liczba jest sporna. Dopóki spór o ujawnianie się nie rozstrzygnie, sporna pozostanie.
Źródła
8- 01Google rolls out new Gemini AI model but restricts access over safety concernsEN
- 02Ideogram says its new model can edit part of an image without messing up the restEN
- 03Amazon releases its own Jev clone as decision models flood the webEN
- 04Florida attorney general asks judge to bar OpenAI from developing new AI models without third-party approvalEN
- 05Google rolls out Gemini 4 Argon, its most advanced AI modelEN
- 06Decode-Latency Feedback Prefill: A Model-Free Controller and Its Generalization LimitsEN
- 07Fine-Tuning Diffusion Language Models with Context Selection and Target WeightingEN
- 08Data Center Water Use: From Efficiency Metrics to Real-World ResilienceEN
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.
Komentarze
0- Brak komentarzy — bądź pierwszy.