📢PENTING: Beberapa kontraktor yang terlibat dalam proyek Obama Presidential Center dilaporkan mengungkapkan kekhawatiran tentang keterlambatan pembayaran menjelang pembukaan fasilitas di Chicago. Biaya konstruksi dilaporkan telah meningkat mendekati $1 miliar, menambah tekanan terhadap proyek ini.

💻 Pembangunan AI – Saya membagi perdagangan ini menjadi 10 kategori — 3 pilihan utama saya di masing-masing beserta harga saham terakhir penutupan pasar (~11/6/26): Simpan ini & beri tahu saya apa yang saya lewatkan / nama-nama favorit Anda? 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

Pusat data AI di Amerika Utara mengonsumsi hampir 264 miliar galon (1 triliun liter) air pada tahun 2025. Angka konsumsi besar ini, yang disorot oleh perusahaan riset pasar Mordor Intelligence, setara dengan seluruh permintaan air tahunan Kota New York. Masalah ini telah menjadi titik api, karena sekitar 63% wilayah Amerika Serikat mengalami kondisi kekeringan parah pada periode yang sama.

Dapatkah kita memanfaatkan panas yang dilepaskan oleh pusat data untuk menghasilkan listrik?

🚨 BREAKING! RUMOR MENGEJUTKAN MELEDAK SEKARANG—KITA AKAN KEHABISAN PUSAT DATA PADA 2028 DAN INTERNET SEPERTI YANG KITA KETAHUI DITAKDIRKAN! 😱

☀️ Energi surya melampaui batu bara di AS. Namun, laporan tentang pencapaian ini disertai ERROR 404. Sumber asli tidak tersedia untuk mengonfirmasi angka, tanggal, atau konteks. Ini menyoroti pentingnya memeriksa informasi secara ketat. Meskipun tidak dapat diakses, percakapan tentang energi terbarukan terus tumbuh setiap hari. Transformasi sistem listrik berlanjut, tetapi memerlukan data yang jelas. Tetap terinformasi tentang masa depan energi.

Dalam siklus ini pusat data AI, saya lebih tertarik memantau "daftar bahan": tembaga digunakan secara besar-besaran mulai dari distribusi listrik ruang server, saluran bus, transformator, UPS hingga pompa dan katup pendingin cair. Sebuah pusat data AI berkapasitas 1 GW dapat mengonsumsi hingga sekitar 500.000 ton tembaga, dan pada tahun 2026, permintaan pusat data diperkirakan mencapai 475.000 ton. Ekspansi kekuatan komputasi pada akhirnya akan tercermin dalam daftar BOM, dan bahan lama seperti tembaga tiba-tiba berubah menjadi kurva bayangan dari capex AI.

Banyak perusahaan telah melebihi arus kas bebas mereka dengan pengeluaran modal besar-besaran untuk pusat data dan infrastruktur. Meskipun perusahaan-perusahaan ini mempertahankan neraca yang kuat dan peringkat kredit tinggi, risiko utama terletak pada apakah pendapatan AI dapat mengejar pertumbuhan pengeluaran. Peningkatan laba yang cepat akan mendukung pertumbuhan; penundaan dapat memberikan tekanan pada metrik kredit dan pembiayaan ulang. Dan jika tren alokasi modal saat ini berlanjut, gelembung AI yang akhirnya terbentuk bisa jauh lebih besar daripada gelembung dot-com akhir tahun 1990-an. Sejarah tidak mengulang, tetapi sering kali berima.

Karena masalah pada pusat data superkomputer Tesla, disewakan ke Anthropic Alih-alih menggunakan Colossus 1 yang dipamerkan Musk sebagai proyek yang dibangun cepat, ia menyewakannya ke Anthropic. Faktanya, SpaceX mengalami masalah latensi dan pencampuran perangkat keras pada jaringan komputasi AI besar yang awalnya dirancang untuk pelatihan Grok, lalu beralih menyewakan sumber daya komputasi tersebut ke Anthropic dan pihak lain untuk menghasilkan pendapatan. Artinya, pusat data ini tidak benar-benar gagal, tetapi menunjukkan bottleneck saat digunakan untuk pelatihan model AI mutakhir, sehingga diubah menjadi model penyewaan eksternal untuk menghasilkan pendapatan. Jumlah GPU saja tidak cukup untuk melatih AI. Jika generasi GPU seperti H100, H200, dan GB200 dicampur dan sinkronisasi jaringan terganggu, bahkan akselerator terbaru pun tidak dapat mencapai performa optimalnya. Pada akhirnya, inti infrastruktur AI bukanlah jumlah chip, tetapi desain, jaringan komunikasi, dan homogenitas. "Dengan kata lain, klaster yang dicampur asal tidak cukup—dibutuhkan klaster GPU mutakhir yang homogen dan jaringan berkinerja tinggi." "Saat ini, pentingnya jaringan komunikasi berkinerja tinggi yang menghubungkan GPU secara cepat dan stabil menjadi semakin krusial, bukan hanya sekadar GPU terbaru."