📢PECAHAN: Beberapa kontraktor yang terlibat dalam projek Pusat Presiden Obama dilaporkan telah mengemukakan kebimbangan mengenai pembayaran yang tertunda sebelum pembukaan fasilitas di Chicago. Kos pembinaan dilaporkan telah meningkat mendekati $1 bilion, menambahkan tekanan terhadap projek ini.

💻 Pembinaan AI – Saya memecah perdagangan ini kepada 10 kategori — 3 pilihan utama saya dalam setiap kategori bersama harga saham terakhir penutupan pasaran (~11/6/26): Tandakan ini & beritahu saya apa yang saya lepaskan/apa nama-nama kegemaran 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 mengkonsumsi hampir 264 bilion gelen (1 trilion liter) air pada tahun 2025. Angka penggunaan yang besar ini, yang ditekankan oleh firma penyelidikan pasaran Mordor Intelligence, setara dengan keseluruhan permintaan air tahunan Bandar New York. Isu ini telah menjadi titik panas kerana kira-kira 63% Amerika Syarikat mengalami keadaan kekeringan teruk pada tempoh yang sama.

Bolehkah kita memanfaatkan haba yang dikeluarkan oleh pusat data dalam menghasilkan elektrik?

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

☀️ Tenaga suria melampaui arang di AS. Namun, laporan mengenai pencapaian ini disertai dengan ERROR 404. Sumber asal tidak tersedia untuk mengesahkan angka, tarikh, atau konteks. Ini menekankan kepentingan memeriksa maklumat secara teliti. Walaupun tiada akses, perbincangan mengenai tenaga boleh diperbaharui terus meningkat setiap hari. Transformasi sistem elektrik berterusan, tetapi memerlukan data yang jelas. Kekalkan maklumat mengenai masa depan tenaga.

Dalam gelombang pusat data AI ini, saya lebih tertarik memantau "senarai bahan": tembaga digunakan dalam penghantaran kuasa ruang mesin, saluran bus, transformer, UPS hingga pam dan injap penyejukan cecair. Sebuah kawasan AI berkuasa 1GW boleh menggunakan sehingga 50,000 tan tembaga, dengan permintaan pusat data pada 2026 telah diperkirakan sebanyak 475,000 tan. Pemekaran kekuatan pengiraan akhirnya akan bermuara pada senarai BOM, di mana bahan lama seperti tembaga tiba-tiba menjadi lengkung bayangan AI capex.

Banyak syarikat telah melebihi arus tunai bebas mereka dengan perbelanjaan modal besar-besaran untuk pusat data dan infrastruktur. Walaupun syarikat-syarikat ini mempunyai neraca yang kuat dan peringkat kredit yang tinggi, risiko utama terletak pada sama ada pendapatan AI boleh mengekori pertumbuhan perbelanjaan. Keuntungan yang dipercepat akan menyokong pertumbuhan; penundaan boleh menekan metrik kredit dan pembiayaan semula. Dan jika tren pengagihan modal semasa berterusan, gelembung AI akhirnya boleh jauh lebih besar daripada gelembung dot-com pada akhir 1990-an. Sejarah tidak berulang, tetapi sering berbait.

Disebabkan masalah di pusat data superkomputer Tesla, ia disewa kepada Anthropic. Alih-alih menggunakan Colossus 1 yang dipuji oleh Musk sebagai dibina dengan pantas, ia telah disewa kepada Anthropic. Fakta menunjukkan bahawa SpaceX mengalami masalah latensi dan pencampuran peralatan dalam rangkaian pengiraan AI besar yang dirancang untuk pembelajaran Grok, dan seterusnya menjadikan sumber pengiraan tersebut sebagai sewaan kepada Anthropic dan pihak lain untuk menghasilkan pendapatan. Dengan kata lain, pusat data ini bukanlah gagal sepenuhnya, tetapi lebih kepada menunjukkan bottleneck apabila digunakan untuk pembelajaran model AI terkini, dan kemudiannya diubah menjadi model sewaan luaran untuk menghasilkan pendapatan. Jumlah GPU sahaja tidak cukup untuk melatih AI. Apabila generasi seperti H100, H200, dan GB200 dicampurkan dan penyegerakan rangkaian menjadi tidak stabil, akselerator terkini pun tidak mampu mencapai prestasi maksimumnya. Pada akhirnya, inti infrastruktur AI bukanlah bilangan cip, tetapi rekabentuk, rangkaian komunikasi, dan keseragaman. "Dengan kata lain, kluster yang dicampur secara sembarangan tidak mencukupi; diperlukan kluster GPU terkini yang seragam dan rangkaian berprestasi tinggi. Ke depannya, kepentingan rangkaian komunikasi berprestasi tinggi yang menghubungkan GPU dengan pantas dan stabil akan semakin meningkat, bukan hanya GPU terkini itu sendiri."