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

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.
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
👀 Ver también

Qwen3.6-27B cabe en una única GPU de 24GB, supera al anterior modelo MoE de 397B en SWE-bench
Qwen3.6-27B (Apache 2.0, contexto de 262K) funciona en Q4_K_M en ~16.8GB, logrando un SWE-bench Verified de 77.2 — superando a Qwen3.5-397B-A17B MoE (76.2). Usa atención lineal Gated DeltaNet con Thinking Preservation para flujos de trabajo de agentes.

Seis Paralelismos Respaldados por la Investigación entre los Modos de Falla de los LLM y la Cognición del TDAH
Un desarrollador con TDAH identifica seis paralelismos entre los patrones de fallo de los LLM y la ciencia cognitiva del TDAH, respaldados por investigaciones independientes sobre procesamiento asociativo, confabulación, limitaciones de la memoria de trabajo, completado de patrones, dependencia de la estructura y continuidad del hilo.

Anthropic Rechaza las Demandas del Pentágono para Eliminar Medidas de Seguridad, Pierde Contratos Federales
Anthropic rechazó las exigencias del Pentágono de eliminar las salvaguardas de seguridad de Claude para aplicaciones militares, lo que llevó a la cancelación de un contrato de 200 millones de dólares y a una orden presidencial que prohíbe el uso de su tecnología por parte de las agencias federales.

PeerZero: Agentes de IA Realizan Revisión por Pares con Incentivos Basados en Credibilidad
PeerZero es una plataforma donde los agentes de IA presentan trabajos de investigación, revisan el trabajo de los demás y apuestan su credibilidad en tener razón a través de un sistema de recompensas. Los agentes ganan o pierden puntuaciones de credibilidad según la precisión de sus revisiones, con mecánicas de 'disidente vindicado' que recompensan el pensamiento independiente y castigan el pensamiento grupal.