Tajemnica centrów danych i spory o nadzór przybierają na sile
Większość europejskich centrów danych nie chce ujawnić, ile zużywa wody i prądu. Tak wynika z badania opublikowanego 30 września. Ta tajemnica rodzi pytania o infrastrukturę stojącą za rosnącym sektorem analityki sportowej.

Rynek technologii sportowych i analityki danych wciąż rośnie. Infrastruktura, która za nim stoi, budzi coraz więcej wątpliwości. Badanie opublikowane 30 września przez Lighthouse Report, przy udziale Trouw i innych europejskich mediów, pokazało, że większość centrów danych w Europie ukrywa swój wpływ na środowisko.
W Holandii mniej niż co czwarte większe centrum danych publikuje dane o zużyciu prądu i wody pitnej. Badacze przez rok powoływali się na przepisy o dostępie do informacji publicznej w całej Europie. Odeszli z niczym.
Europejska dyrektywa o efektywności energetycznej nakazuje centrom danych o zainstalowanej mocy co najmniej 500 kilowatów raportować zużycie energii i wody. Trzy lata po wejściu dyrektywy w życie niewiele z nich się do tego stosuje. Holenderskie stowarzyszenie centrów danych doliczyło się 186 komercyjnych centrów danych o takiej mocy w Holandii na koniec zeszłego roku. Holenderska agencja przedsiębiorczości ma dane tylko o 104 z nich. Publiczne liczby istnieją dla zużycia prądu zaledwie 44 i zużycia wody 47.
Ta luka ma znaczenie. Te same obiekty zasilają platformy analityczne, na których coraz mocniej opierają się profesjonalne ligi sportowe, kluby i nadawcy. Holenderski urząd statystyczny podaje, że centra danych w Holandii zużyły w 2024 roku 5 100 000 000 kilowatogodzin, czyli 4,6 procent całego krajowego zużycia. Operator sieci TenneT przewiduje, że do 2030 roku ten udział sięgnie 10 do 15 procent.
Zużycie wody jest słabiej rozpoznane. Szacuje się, że centra danych w Holandii odpowiadają za około 0,1 procent całego zużycia. Zmiana klimatu sprawia, że oszczędzanie wody staje się coraz ważniejsze, bo susze trwają dłużej.
Infrastruktura nadzoru się rozrasta
Tego samego dnia 404 Media poinformowało, że administracja Trumpa wykorzystuje program grantowy do walki z handlem narkotykami z lat 80. XX wieku, żeby zmusić miasta do przesyłania danych z automatycznych czytników tablic rejestracyjnych do federalnych centrów nadzoru. Program o nazwie High Intensity Drug Trafficking Area pobiera dane z lokalnych kamer Flock, Axon i innych czytników ALPR. Gromadzi je na federalnych serwerach.
Dokumenty pokazują, że dostęp do tych danych mają potem inne federalne, stanowe i lokalne organy ścigania. W niektórych przypadkach dane trafiają do Krajowego Programu Czytników Tablic Rejestracyjnych agencji DEA. Jeramie Scott, dyrektor Centrum Nadzoru nad Inwigilacją w Electronic Privacy Information Center, powiedział 404 Media: „Cały ten schemat dokłada kolejną warstwę zaciemnienia wokół tego, jak wykorzystuje się dane z czytników tablic i kto to robi. Jeśli wkurza cię Flock, to powinien wkurzać cię też ten program”.
Organizacje sportowe sięgają po coraz więcej narzędzi analitycznych opartych na zbieraniu danych, od śledzenia zawodników po platformy angażujące kibiców. Infrastruktura stojąca za tymi narzędziami często pokrywa się z szerszymi ekosystemami nadzoru i chmury, które teraz są pod lupą.
Prace naukowe celują w wydajność infrastruktury AI
Badacze ze Stanford University przesłali 29 września na arXiv pracę o nowej architekturze o nazwie Purlin. Rozdziela ona orkiestrację od ścieżki danych w komunikacji zbiorowej procesorów graficznych, czyli kluczowego elementu rozproszonego wnioskowania AI. Autorzy pracy, Osayamen Jonathan Aimuyo, Swapnil Gandhi i Christos Kozyrakis, raportują skrócenie opóźnień nawet 5,14 raza w siedmiu operacjach zbiorowych na kartach A100, H200 i B200.
Wbudowany w framework serwujący SGLang, Purlin poprawił przepustowość i interaktywność obsługi modeli językowych w trybie offline średnio 1,13 raza, a maksymalnie 1,37 raza względem punktów odniesienia. W wnioskowaniu online interaktywność wzrosła średnio 1,26 raza, a maksymalnie 2,85 raza, przy czym największy zysk pojawił się przy przeciążeniu. Praca ma znaczenie dla platform analityki sportowej. Coraz częściej uruchamiają one modele AI do analizy wideo w czasie rzeczywistym, przewidywania formy zawodników i automatycznego tworzenia skrótów.
Osobno AWS ogłosił 30 września, że Aurora PostgreSQL obsługuje teraz odpytywanie danych Apache Iceberg i Parquet przechowywanych w jeziorach danych bez potoków ETL i bez duplikowania danych. Funkcja jest ogólnie dostępna w Aurora PostgreSQL od wersji 17.11 i 18.6 we wszystkich komercyjnych regionach AWS i regionach GovCloud bez dodatkowych opłat. Rozwiązanie korzysta z silnika zapytań DuckDB osadzonego w PostgreSQL, żeby odpytywać dane Iceberg i Parquet w Amazon S3, S3 Tables lub AWS Glue Data Catalog.
Zespoły analityki sportowej, które łączą dane operacyjne z dużymi zbiorami historycznymi, mogą skorzystać na mniejszym przemieszczaniu danych. Ogłoszenie nie wspomina jednak konkretnie o zastosowaniach w sporcie.
30 września TechCrunch poinformował, że hakerzy ukradli miliony akt personelu wojskowego USA podczas trwającego miesiącami włamania do systemów kadrowych Pentagonu między październikiem 2025 a połową lipca 2026 roku. Wyciek ujawnił numery ubezpieczenia społecznego i inne dane osobowe. Według CNN i Federal News Network przedstawiciel Pentagonu powiedział, że włamanie dotyczy około 2 800 000 żyjących osób i blisko 300 000 zmarłych. Incydent przyszedł po wrześniowym włamaniu do FBI, przypisywanym grupie ShinyHunters.
Sektor analityki sportowej opiera się na infrastrukturze chmurowej i zewnętrznych przetwarzających dane. Dlatego działa pod taką samą presją w sprawie bezpieczeństwa i przejrzystości, jaka teraz dotyka rządowe i firmowe systemy danych.
Źródła
5- 01Most data centers refusing to say how much water, electricity they useEN
- 02How Cities Are Forced to Funnel License Plate Data to a Massive Federal Surveillance ProgramEN
- 03Purlin: Separating Orchestration from the Datapath of CollectivesEN
- 04Aurora PostgreSQL now supports querying of Apache Iceberg and Parquet dataEN
- 05Hackers stole millions of US military personnel records during months-long data breachEN
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.