Centro de datos de IA de Georgia drenó 29 millones de galones de agua sin medir

✍️ OpenClawRadar📅 Publicado: 11 de mayo de 2026🔗 Source
Centro de datos de IA de Georgia drenó 29 millones de galones de agua sin medir
Ad

Un campus de centros de datos propiedad de Blackstone en el condado de Fayette, Georgia, consumió en secreto 29 millones de galones de agua durante 15 meses a través de dos conexiones no medidas que el condado desconocía. El sitio QTS Fayetteville ("Proyecto Excalibur") de 6.2 millones de pies cuadrados, uno de los desarrollos de centros de datos más grandes de EE. UU., fue descubierto después de que residentes cercanos reportaran baja presión de agua.

Ad

Detalles clave

  • Volumen: 29 millones de galones extraídos a través de dos conexiones de agua no autorizadas.
  • Duración: 15 meses antes de la detección.
  • Descubrimiento: Residentes se quejaron por baja presión de agua; la investigación del condado lo rastreó hasta el centro de datos.
  • Penalización: El condado renunció a las multas, cobrando solo $147,474 en cargos de agua retroactivos.
  • Escala: Campus de 615 acres con 13 edificios, total de 6.2 millones de pies cuadrados, con planes de expansión.
  • Contexto: Mientras el centro de datos extraía agua sin permiso, el condado simultáneamente pedía a los residentes que dejaran de regar el césped para conservar agua.

Este incidente resalta las crecientes tensiones en torno al consumo de recursos de los centros de datos de IA. A medida que aumenta la demanda de cómputo de IA, los centros de datos compiten cada vez más con las comunidades locales por agua y electricidad. A diferencia del uso residencial de agua, los centros de datos suelen usarla para refrigeración, a menudo miles de galones por megavatio-hora de carga de TI. La falta de supervisión y la aplicación indulgente en este caso podrían sentar un precedente para otros proyectos de infraestructura de IA.

📖 Leer la fuente completa: HN AI Agents

Ad

👀 Ver también

TabFM: Modelo Fundacional Zero-Shot de Google para Clasificación y Regresión de Datos Tabulares
Noticias

TabFM: Modelo Fundacional Zero-Shot de Google para Clasificación y Regresión de Datos Tabulares

TabFM aplica aprendizaje en contexto a datos tabulares, eliminando el ajuste de hiperparámetros y la ingeniería de características para clasificación y regresión. Disponible en Hugging Face y GitHub.

OpenClawRadar
Claude-Code v2.1.74 Lanzamiento: Correcciones de Fugas de Memoria, Optimización de Contexto y Mejoras en Complementos
Noticias

Claude-Code v2.1.74 Lanzamiento: Correcciones de Fugas de Memoria, Optimización de Contexto y Mejoras en Complementos

Claude-Code v2.1.74 corrige una fuga de memoria crítica en las respuestas de la API de streaming que causaba un crecimiento ilimitado de RSS en las rutas de código de Node.js/npm. La actualización añade sugerencias prácticas al comando /context e introduce la configuración autoMemoryDirectory para el almacenamiento personalizado de memoria automática.

OpenClawRadar
Actualizaciones de Claude Code Engineer: Preguntas al Usuario en Markdown, Hooks HTTP, Nuevas Habilidades
Noticias

Actualizaciones de Claude Code Engineer: Preguntas al Usuario en Markdown, Hooks HTTP, Nuevas Habilidades

Claude Code Engineer lanzó tres actualizaciones: la herramienta AskUserQuestion ahora admite fragmentos de markdown para diagramas y ejemplos de código, un nuevo manejador de enlaces HTTP permite que los enlaces publiquen en endpoints HTTP, y se han agregado dos nuevas habilidades.

OpenClawRadar
Usuarios de Claude sistemáticamente excluidos de la investigación psicológica en IA – Una brecha metodológica
Noticias

Usuarios de Claude sistemáticamente excluidos de la investigación psicológica en IA – Una brecha metodológica

Una revisión de docenas de artículos de psicología sobre el uso de chatbots de IA revela que los usuarios de Claude nunca se muestrean como un grupo distinto, a pesar de tener perfiles de uso y diseño de modelo fundamentalmente diferentes en comparación con los usuarios de ChatGPT, Character.AI o Replika.

OpenClawRadar