📢СРОЧНО: Некоторые подрядчики, участвующие в проекте Президентского центра Обамы, якобы выразили озабоченность по поводу задержек с оплатой перед открытием объекта в Чикаго. Стоимость строительства, по сообщениям, приблизилась к $1 млрд, что усиливает внимание к проекту.

💻 AI-развитие — я разделил торговлю на 10 категорий — мои топ-3 выбора в каждой с ценами акций по закрытию последней сессии (~11.06.26): Сохраните это и скажите мне, что я упустил или какие ваши любимые названия? 1. GPU/Вычислительные чипы $NVDA $205 | $AMD $178 | $AVGO $436 2. HBM/Память $MU $1 010 | $SNDK $720 | $WDC $314 3. Оптические/Фотонные технологии $COHR ~$350 | $LITE ~$430 | $AAOI ~$150 4. Сетевое оборудование/Интерконнект $ANET ~$155 | $ALAB ~$210 | $CRDO ~$165 5. Фабрики/Упаковка $TSM ~$300 | $ASML ~$1 050 | $AMKR ~$38 6. Серверы/Аппаратное обеспечение $DELL ~$170 | $SMCI $31 | $HPE ~$28 7. Энергоснабжение/Электрика $VRT $289 | $ETN ~$390 | $GEV ~$940 8. Генерация энергии/Сети $CEG ~$370 | $VST ~$215 | $TLN ~$420 9. GPU-облака/Неооблака $CRWV $102 | $NBIS ~$140 | $KEEL ~$5,50 10. REITs центров обработки данных/Связь $EQIX ~$780 | $DLR ~$185 | $GLW ~$95

Центры обработки данных на основе ИИ в Северной Америке потребовали почти 264 миллиарда галлонов (1 триллион литров) воды в 2025 году. Этот огромный объем потребления, отмеченный исследовательской фирмой Mordor Intelligence, эквивалентен полному годовому спросу на воду в Нью-Йорке. Проблема стала точкой напряжения, поскольку примерно 63% США испытывали серьезные условия засухи в тот же период.

Можно ли использовать тепло, выделяемое центрами обработки данных, для генерации электричества?

🚨 СРОЧНО! СЕЙЧАС РАСПРОСТРАНЯЮТСЯ ШОКИРУЮЩИЕ СЛУХИ — К 2028 ГОДУ НАМ НЕ ХВАТИТ ЦЕНТРОВ ОБРАБОТКИ ДАННЫХ, И ИНТЕРНЕТ В ТЕКУЩЕМ ВИДЕ ОБРЕЧЕН! 😱

☀️ Солнечная энергия превзошла уголь в США. Однако отчеты об этом достижении сопровождаются ОШИБКОЙ 404. Исходный источник недоступен для подтверждения цифр, дат или контекста. Это подчеркивает важность тщательной проверки информации. Несмотря на отсутствие доступа, обсуждение возобновляемых источников энергии растет с каждым днем. Преобразование электрической системы продолжается, но требуются четкие данные. Оставайтесь в курсе будущего энергетики.

На этом цикле развития центров обработки данных на базе ИИ я хочу сосредоточиться на «списке материалов»: медь потребляется в распределительных системах серверных, шинопроводах, трансформаторах, ИБП и насосно-клапанных системах жидкостного охлаждения. Один центр ИИ мощностью 1 ГВт может потреблять до 50 000 тонн меди. По оценкам на 2026 год, спрос на медь для центров обработки данных уже составляет 475 000 тонн. Расширение вычислительных мощностей в конечном итоге отражается в BOM-таблице, и такая старая медь неожиданно превращается в теневую кривую капитальных затрат ИИ.

Многие компании уже превысили свой свободный денежный поток за счет масштабных капитальных затрат на центры обработки данных и инфраструктуру. Хотя эти компании сохраняют прочные балансы и высокие кредитные рейтинги, ключевой риск заключается в том, сможет ли доход от ИИ успевать за ростом расходов. Ускорение прибыли будет поддерживать рост; задержки могут создать давление на кредитные показатели и рефинансирование. И если текущие тенденции распределения капитала сохранятся, конечный ИИ-пузырь может значительно превзойти дотком-пузырь конца 1990-х годов. История не повторяется, но часто рифмуется.

Из-за проблем с данными суперкомпьютера Tesla произошла аренда ресурсов Anthropic. Вместо использования Colossus 1, который Маск гордо заявлял, что построил быстро, он сдал ресурсы в аренду Anthropic. Факт заключается в том, что SpaceX столкнулся с проблемами задержек и несовместимости оборудования в крупной вычислительной сети, предназначенной для обучения больших языковых моделей, после чего начал сдавать вычислительные ресурсы Anthropic и другим компаниям для монетизации. То есть это не полностью неудачный центр обработки данных, а скорее ситуация, когда для обучения передовых моделей ИИ выявились узкие места, и эти ресурсы были перенаправлены на внешнюю аренду для получения дохода. Просто наличие большого количества графических процессоров не гарантирует обучение ИИ. Если смешаны разные поколения, такие как H100, H200, GB200, и синхронизация сети нарушена, даже самые современные ускорители не могут демонстрировать свою полную производительность. В конечном счете, ключевым аспектом инфраструктуры ИИ является не количество чипов, а проектирование, сеть связи и однородность. «Другими словами, для эффективного обучения требуется не случайно собранный кластер, а однородный кластер современных GPU и высокопроизводительная сеть. В будущем важность высокопроизводительных сетей, обеспечивающих быструю и стабильную связь между графическими процессорами, будет только расти — помимо самих современных GPU.»