Centro de Dados de IA da Geórgia Drenou 29 Milhões de Galões de Água Não Medida

Um campus de data center de propriedade da Blackstone no Condado de Fayette, Geórgia, consumiu secretamente 29 milhões de galões de água ao longo de 15 meses através de duas conexões sem medidor que o condado desconhecia. O local QTS Fayetteville ("Projeto Excalibur"), com 6,2 milhões de pés quadrados, entre os maiores desenvolvimentos de data center dos EUA, foi descoberto depois que moradores próximos relataram baixa pressão de água.
Detalhes Principais
- Volume: 29 milhões de galões retirados através de duas conexões de água não autorizadas.
- Duração: 15 meses antes da detecção.
- Descoberta: Moradores reclamaram de baixa pressão de água; investigação do condado rastreou até o data center.
- Penalidade: O condado dispensou multas, cobrando apenas US$ 147.474 em taxas de água retroativas.
- Escala: Campus de 615 acres com 13 edifícios, totalizando 6,2 milhões de pés quadrados, com planos de expansão.
- Contexto: Enquanto o data center consumia água sem permissão, o condado simultaneamente pedia aos moradores que parassem de regar os gramados para economizar água.
Este incidente destaca tensões crescentes em torno do consumo de recursos por data centers de IA. À medida que a demanda por computação de IA aumenta, os data centers competem cada vez mais com as comunidades locais por água e energia. Diferentemente do uso residencial de água, os data centers normalmente usam água para resfriamento — muitas vezes milhares de galões por megawatt-hora de carga de TI. A falta de supervisão e a aplicação leniente neste caso podem estabelecer um precedente para outros projetos de infraestrutura de IA.
📖 Leia a fonte completa: HN AI Agents
👀 See Also

Meta Lança Modelo de IA BOxCrete para Formulação de Misturas de Concreto
A Meta lançou o Bayesian Optimization for Concrete (BOxCrete), um modelo de IA de código aberto para projetar misturas de concreto sustentáveis usando materiais produzidos nos EUA. O modelo melhora versões anteriores com melhor robustez ao ruído e capacidades de previsão de slump.

Debate MCP vs Habilidades: Entendendo os Papéis e o Verdadeiro Problema da Degradação de Contexto
Uma postagem no Reddit esclarece que o MCP fornece ferramentas, autenticação e direcionamento de contexto para agentes de IA, enquanto Skills são prompts reutilizáveis que definem o comportamento do agente. O autor argumenta que ambos são necessários e identifica a deterioração do contexto como um problema crítico em que os agentes esquecem instruções.

Os Modelos de IA Carecem de Autoconhecimento de Suas Próprias Ferramentas e Interface do Usuário
Modelos de IA como ChatGPT e Claude frequentemente fornecem informações incorretas ou desatualizadas sobre seus próprios recursos e interfaces, como negar a existência de novos comandos de barra ou descrever versões antigas da interface, porque são treinados em instantâneos passados enquanto os produtos evoluem constantemente.

OpenClaw v2026.6.11: Correções para Respostas Mal Posicionadas, Envios Travados e Falhas de Modelo
OpenClaw v2026.6.11 corrige respostas mal colocadas, envios travados, reconexões e falhas de configuração de modelo no Telegram, WhatsApp, Matrix e muito mais.