Residentes de Maryland enfrentan una actualización de la red eléctrica de $2 mil millones para centros de datos de IA fuera del estado: el estado presenta una queja ante la FERC
La Oficina de Abogados del Pueblo de Maryland (OPC) presentó una queja ante la Comisión Federal Reguladora de Energía (FERC) con respecto al plan de PJM Interconnection de cobrar a los consumidores de Maryland $2 mil millones de los $22 mil millones gastados en mejoras de la red para satisfacer la demanda de los centros de datos de IA. Según el comunicado de prensa de la OPC, esto costará a los consumidores de Maryland $1.6 mil millones adicionales en diez años: $823 millones para residenciales (~$345 por cliente), $146 millones para comerciales (~$673 por cliente) y $629 millones para clientes industriales (~$15,074 por cliente).
Detalles clave
- PJM Interconnection es la empresa de transmisión eléctrica más grande de EE. UU., que cubre 13 estados más Washington, D.C.
- Los $2 mil millones asignados a Maryland son parte de una actualización total de la red de $22 mil millones impulsada por la demanda de centros de datos.
- David S. Lapp, Abogado del Pueblo de Maryland: “Sin una acción de la FERC, los clientes de Maryland se enfrentan a pagar miles de millones por infraestructura de transmisión que PJM está promoviendo para beneficiar a los centros de datos.” Añadió que las reglas de asignación de costos están “rotas” y que los clientes de Maryland “no han causado la necesidad de estos miles de millones en nuevos proyectos de transmisión ni se beneficiarán significativamente de ellos.”
Contexto
Este caso refleja una creciente tensión, ya que los centros de datos de IA (a menudo construidos por empresas tecnológicas de fuera del estado) trasladan los costos de expansión de la red a los contribuyentes locales. La metodología de asignación de costos de PJM está siendo cuestionada por favorecer grandes cargas nuevas sobre los clientes existentes.
📖 Lea la fuente completa: HN AI Agents
👀 Ver también
Los Puntos de Referencia Muestran que los Modelos Destilados Igualan a los Modelos de Vanguardia en Tareas Estructuradas con un Costo 10 Veces Menor
Una comparación exhaustiva de modelos pequeños destilados Qwen3 (0.6B a 8B) frente a modelos LLM de vanguardia muestra que los modelos destilados igualan o superan a los modelos de vanguardia de nivel medio en 6 de 9 tareas con un costo dramáticamente menor, con Text2SQL logrando un 98.0% de precisión a $3/M solicitudes versus $378 para Claude Haiku.
La IA es demasiado cara: los hiperescaladores necesitan 3 billones de dólares para alcanzar el punto de equilibrio
Los hiperescaladores han invertido más de $800 mil millones en capex de IA, con $1 billón más planeado para 2027. Solo Microsoft gastó ~$100 mil millones en infraestructura de OpenAI, pero los ingresos por IA cubren solo ~20% de su capex.
Actualización de APEX MoE Quants: Más de 25 nuevos modelos y el nivel I-Nano lanzados
La cuantización mixta de precisión consciente de MoE de APEX se expande a más de 30 modelos en las familias Qwen, Mistral, Gemma y SSM híbridas, además de un nuevo nivel I-Nano que alcanza tan solo 2.06 bpw en expertos de capas medias.
Centro de datos de IA de Georgia drenó 29 millones de galones de agua sin medir
El campus de QTS en Fayetteville utilizó 29 millones de galones a través de dos conexiones de agua no autorizadas durante 15 meses, lo que provocó quejas por baja presión. El condado renunció a las multas y cobró $147,000 de forma retroactiva.