📢PANGUNAHING BALITA: Ilan sa mga kontraktor na kasali sa proyekto ng Obama Presidential Center ay sinasabing nagpaalala tungkol sa pagkakaroon ng pagkakatigil sa pagbabayad bago ang pagbukas ng facility sa Chicago. Ang gastos sa pagtatayo ay sinasabing tumataas papunta sa $1 bilyon, na nagdaragdag sa pagmamasid sa proyekto.

💻 Ang AI Buildout— Ibinahagi ko ang trade sa 10 kategorya — ANG aking top 3 na pili sa bawat isa kasama ang kanilang presyo ng stock noong huling pagbukas ng merkado (~6/11/26): I-bookmark ito at sabihin mo rin sa akin kung ano ang nalilimutan ko/o ano ang mga paborito mong pangalan? 1. GPU/Compute Silicon $NVDA $205 | $AMD $178 | $AVGO $436 2. HBM/Memory $MU $1,010 | $SNDK $720 | $WDC $314 3. Optical/Photonics $COHR ~$350 | $LITE ~$430 | $AAOI ~$150 4. Networking/Interconnect $ANET ~$155 | $ALAB ~$210 | $CRDO ~$165 5. Foundry/Packaging $TSM ~$300 | $ASML ~$1,050 | $AMKR ~$38 6. Servers/Hardware $DELL ~$170 | $SMCI $31 | $HPE ~$28 7. Power/Electrical $VRT $289 | $ETN ~$390 | $GEV ~$940 8. Power Generation/Grid $CEG ~$370 | $VST ~$215 | $TLN ~$420 9. GPU Clouds/Neoclouds $CRWV $102 | $NBIS ~$140 | $KEEL ~$5.50 10. Data Center REITs/Connectivity $EQIX ~$780 | $DLR ~$185 | $GLW ~$95

Ang mga data center ng AI sa North America ay nag-consume ng halos 264 bilyong galon (1 trilyon litro) ng tubig noong 2025. Ang malaking bilang na ito, na binigyang-diin ng market research firm na Mordor Intelligence, katumbas ng buong taunang pangangailangan sa tubig ng New York City. Naging punto ng kontrobersya ang isyu dahil sa halos 63% ng United States ang naranasan ang matinding kahinaan sa tubig sa parehong panahon.

Maaari nating gamitin ang init na inilalabas ng mga data center sa pagbuo ng elektrisidad?

🚨 BREAKING! MALAKAS NA KUWENTO NA NAGPAPATIBAY NGAYON—SASABAYIN NAMIN ANG MGA DATA CENTER BAGO ANG 2028 AT ANG INTERNET AY TATAGPUAN SA KATAPUSAN! 😱

☀️ Ang enerhiyang solar ay lumampas sa koga sa US. Gayunpaman, ang mga ulat tungkol sa kariktang ito ay kasama ng ERROR 404. Hindi available ang orihinal na pinagkukunan upang kumpirmahin ang mga bilang, petsa, o konteksto. Ito ay nagpapakita ng kahalagahan ng pagsusuri ng impormasyon nang masiguro. Sa kabila ng kakulangan ng pagkakaroon ng access, tumataas ang usapin tungkol sa mga renewable energy araw-araw. Patuloy ang pagbabago ng sistema ng kuryente, ngunit kailangan ng malinaw na datos. Manatiling updated tungkol sa kinabukasan ng enerhiya.

Sa新一轮 ng AI data center, mas gusto kong tandaan ang “listahan ng materyales”: ang tanso ay ginagamit sa lahat ng bagay mula sa配电 ng machine room, busway, transformer, UPS hanggang sa mga pump at valve ng liquid cooling. Ang isang AI park na may kapasidad na 1GW ay maaaring magamit hanggang sa halos 500,000 tonelada ng tanso, at mayroon nang 475,000 tonelada ang demand para sa data center hanggang 2026. Ang pagpapalawak ng computing power ay hahantong sa BOM listahan, at ang tanso, isang lumang materyales, ay biglang naging shadow curve ng AI capex.

Nakalampas na ang maraming kumpanya sa kanilang libreng pera sa malalaking gastos sa kapital para sa mga data center at infrastraktura. Habang nananatili ang mga kumpanyang ito sa malakas na balance sheet at mataas na credit rating, ang isang pangunahing panganib ay kung makakasabay ba ang kita mula sa AI sa paglago ng gastusin. Ang pagpapabilis ng kita ay susuporta sa paglago; ang pagkakaroon ng pagkaantala ay maaaring magdulot ng presyon sa mga metric ng credit at refinancing. At kung magpapatuloy ang kasalukuyang mga trend sa pagkakaloob ng kapital, ang posibleng AI bubble ay maaaring mas malaki kaysa sa dot-com bubble noong huling bahagi ng dekada ng 1990. Hindi uulit ang kasaysayan, ngunit madalas itong may tugma.

Dahil sa problema sa Tesla Supercomputer data center, inirenta sa Anthropic Hindi ginagamit ang Colossus 1 na ipinagmamalaki ni Musk na mabilis na itinayo, kundi inirenta ito sa Anthropic. Ang katotohanan ay may mga problema sa latency at equipment mixing sa malaking AI computing network na plano ng SpaceX para sa Grok training, at pagkatapos ay inirenta nila ang computing resources sa Anthropic at iba pa upang maging source ng kita. Kaya hindi ito isang ganap na nabigo na data center, kundi mas katulad ng isang istruktura kung saan ipinakita ng mga advanced AI model training ang bottleneck, at ginamit ito bilang external rental income. Hindi sapat ang dami ng GPU para sa AI training. Kapag nagkakasundo ang mga henerasyon tulad ng H100, H200, GB200 at ang network synchronization ay nagkakaroon ng problema, hindi makakapagbigay ang pinakabagong accelerators ng kanilang optimal performance. Sa wakas, ang pangunahing bahagi ng AI infrastructure ay hindi ang bilang ng chip kundi ang disenyo, network, at homogeneity. “Sa madaling salita, hindi sapat ang isang arbitraryong cluster—kailangan ng homogenous, pinakabagong GPU cluster at high-performance network. Sa hinaharap, higit na mahalaga ang pagkakaroon ng high-performance network na mabilis at tiyak na nag-uugnay sa mga GPU, hindi lamang ang pinakabagong graphics processing units.”