Bowmer & Kirkland: Aumento dei Profitti e Successo nel Mercato delle Costruzioni

La Federal Emergency Management Agency (FEMA) è un’agenzia del Dipartimento della Sicurezza Interna degli Stati Uniti d’America, creata nel 1979 con l’obiettivo di coordinare la risposta federale alle catastrofi naturali e agli eventi di emergenza. La FEMA fornisce assistenza finanziaria e logistica alle comunità colpite da disastri, supportando le operazioni di soccorso e di ripristino.

Negli ultimi anni, la FEMA è stata oggetto di critiche per la sua gestione delle emergenze, in particolare dopo gli uragani Katrina nel 2005 e Maria nel 2017. Tali critiche hanno portato alcuni legislatori a chiedere una riforma dell’agenzia per migliorarne l’efficacia e l’efficienza.

L’8 maggio, i legislatori hanno presentato una legge volta a preservare e riformare la FEMA, nonostante le richieste degli ufficiali dell’amministrazione Trump di abolirla. L’obiettivo della legge è quello di garantire che l’agenzia abbia le risorse e le competenze necessarie per rispondere in modo tempestivo ed efficace alle emergenze, promuovendo nel contempo un approccio bipartisan alla questione.

La discussione sul ruolo e sul funzionamento della FEMA è ancora in corso, ma è evidente che l’agenzia svolge un ruolo fondamentale nella protezione delle comunità americane durante le situazioni di emergenza. È importante che i legislatori lavorino insieme per trovare soluzioni che migliorino la capacità della FEMA di svolgere il suo compito in modo efficiente e tempestivo.

Intel AI Scopre i Difetti Nascosti nei Chip dei Data Center

Nei data center di grandi dimensioni, i chip ad alte prestazioni possono avere dei difetti nascosti che possono passare inosservati durante i controlli di qualità convenzionali. Intel ha presentato una tecnica basata sull’apprendimento per rinforzo per individuare più rapidamente questi errori silenziosi, garantendo la qualità dei suoi processori Xeon.

Quando si verifica un errore in un data center, gli operatori possono decidere se sostituire un nodo o utilizzare il sistema difettoso per calcoli meno critici. Tuttavia, sarebbe molto meglio individuare gli errori in anticipo, prima che il chip venga incorporato in un sistema informatico, quando è possibile apportare correzioni di progettazione o di produzione per evitare che gli errori si ripetano in futuro.

“In un laptop, non noteresti errori. Nei data center, con nodi molto densi, c’è una grande probabilità che si verifichi un errore.” —Manu Shamsa, Intel

Individuare questi difetti non è semplice. Gli ingegneri hanno faticato a capirli e hanno scherzato sul fatto che potessero essere dovuti a azioni spettrali a distanza, come diceva Einstein. Tuttavia, Shamsa ha passato anni a caratterizzarli e ha identificato le cause di questi errori, principalmente dovuti a variazioni infinitesimali nella produzione.

Anche se miliardi di transistor su ciascun chip sono funzionali, non sono completamente identici tra loro. Piccole differenze nella risposta di un transistor ai cambiamenti di temperatura, tensione o frequenza possono causare un errore.

Queste sottigliezze sono molto più probabili nei grandi data center a causa del ritmo di calcolo e della vasta quantità di silicio coinvolta. Alcuni errori possono manifestarsi solo dopo che un chip è stato installato in un data center e ha operato per mesi. Variazioni nelle proprietà dei transistor possono causarne il deterioramento nel tempo.

Apprendimento Automatico per individuare i difetti

La nuova tecnica si basa su un insieme esistente di metodi per individuare errori silenziosi, chiamati test Eigen. Questi test fanno eseguire al chip problemi matematici complessi ripetutamente nel tempo, nella speranza di rendere evidenti gli errori silenziosi. Coinvolgono operazioni su diverse dimensioni di matrici riempite di dati casuali.

Ci sono molti test Eigen. Eseguirli tutti richiederebbe troppo tempo, quindi i produttori di chip utilizzano un approccio casuale per generare un insieme gestibile di test. Questo risparmia tempo ma lascia errori non rilevati. Shamsa voleva trovare un modo per guidare la selezione in modo che un numero relativamente piccolo di test potesse individuare più errori.

Il team di Intel ha utilizzato l’apprendimento per rinforzo per sviluppare test per la parte del chip Xeon CPU che esegue la moltiplicazione di matrici utilizzando le istruzioni fuse-multiply-add (FMA). Dopo circa 500 cicli di test, l’algoritmo ha imparato quali test Eigen ottimizzavano il tasso di rilevamento degli errori per la regione FMA.

Shamsa afferma che questa tecnica è cinque volte più probabile nel rilevare un difetto rispetto ai test Eigen casuali. I test Eigen sono open source, parte dell’openDCDiag per i data center. Altri utenti dovrebbero essere in grado di utilizzare l’apprendimento per rinforzo per modificare questi test per i propri sistemi.

In definitiva, i difetti silenziosi e sottili sono una parte inevitabile del processo di produzione, ma Intel sta cercando di utilizzare questa ricerca per individuare più rapidamente i precursori che portano agli errori di dati silenziosi. Sta esaminando se ci sono segnali di avvertimento che potrebbero fornire un avviso precoce di futuri errori e se è possibile modificare le ricette o i design dei chip per gestirli.

Dobbiamo parlare dell’impatto dell’IA sulla salute pubblica

La maggior parte delle persone ha sentito parlare dell’impatto ambientale dell’attuale boom dell’IA, derivante dagli immensi data center pieni di server avidi di energia. Negli Stati Uniti da soli, la domanda di IA è prevista per spingere il consumo di elettricità dei data center al 6,7-12,0 percento del totale nazionale entro il 2028. Per quella stessa data, il consumo di acqua per raffreddare queste strutture dei data center è previsto raddoppiare, se non addirittura quadruplicare, rispetto al livello del 2023.

Molte persone però non hanno fatto il collegamento tra i data center e la salute pubblica. Le centrali e i generatori di emergenza necessari per far funzionare i data center generano inquinanti atmosferici dannosi, come particolato fine e ossidi di azoto (NOx). Questi inquinanti hanno un impatto immediato sulla salute umana, scatenando sintomi di asma, attacchi cardiaci e persino declino cognitivo.

Ma il contributo dell’IA all’inquinamento atmosferico e al carico sulla salute pubblica spesso manca nelle conversazioni sulla progettazione responsabile dell’IA. Perché?

Perché l’inquinamento atmosferico ambientale è un “killer silenzioso”. Mentre le preoccupazioni sugli impatti sulla salute pubblica dei data center, compresi i potenziali legami con l’aumento dei tassi di cancro, stanno iniziando a emergere, la maggior parte degli sviluppatori, praticanti e utenti di modelli di IA semplicemente non sono consapevoli dei seri rischi per la salute legati all’energia e all’infrastruttura che alimentano i moderni sistemi di IA.

Il pericolo dell’inquinamento atmosferico ambientale

L’inquinamento atmosferico ambientale è responsabile di circa 4 milioni di morti premature in tutto il mondo ogni anno. Il principale colpevole sono le minuscole particelle di 2,5 micrometri o meno di diametro (indicate come PM 2.5), che possono penetrare profondamente nel tratto respiratorio e nei polmoni. Insieme all’ipertensione, al fumo e all’alto livello di zucchero nel sangue, l’inquinamento atmosferico è un fattore di rischio per la salute. La Banca Mondiale stima il costo globale dell’inquinamento atmosferico a 8,1 trilioni di dollari USA, equivalente al 6,1 percento del prodotto interno lordo globale.

Contrariamente alla credenza comune, gli inquinanti atmosferici non restano vicino alle loro fonti di emissione: possono viaggiare per centinaia di miglia. Inoltre, il PM 2.5 è considerato un inquinante “senza soglia”, il che significa che non esiste un livello sicuro di esposizione.

Con il pericolo di questo inquinamento ben stabilito, la domanda diventa: quanto è responsabile l’IA? Nella nostra ricerca come professori al Caltech e all’Università della California, Riverside, ci siamo posti l’obiettivo di rispondere a questa domanda.

Quantificare il costo per la salute pubblica dell’IA

Per garantire che i servizi di IA siano disponibili anche durante i black-out della rete, i data center si affidano a grandi insiemi di generatori di emergenza che di solito bruciano carburante diesel. Anche se il tempo totale di funzionamento dei generatori di emergenza è limitato e regolamentato dalle agenzie ambientali locali, i tassi di emissione sono elevati. Un tipico generatore diesel può rilasciare da 200 a 600 volte più NOx di una centrale elettrica a gas naturale che produce la stessa quantità di elettricità.

Un recente rapporto dello stato della Virginia ha rivelato che i generatori di emergenza dei data center della Virginia hanno emesso circa il 7 percento di quanto consentito nel 2023. Secondo lo strumento di modellizzazione COBRA dell’Agenzia per la Protezione dell’Ambiente degli Stati Uniti, il costo per la salute pubblica di quelle emissioni in Virginia è stimato a 150 milioni di dollari, influenzando comunità fino in Florida. Immaginate l’impatto se i data center raggiungessero il massimo delle emissioni consentite.

Ulteriormente aggravando il rischio per la salute pubblica, un grande insieme di generatori di data center in una regione può operare contemporaneamente durante interruzioni della rete o carenze di energia come parte di programmi di risposta alla domanda, potenzialmente innescando picchi a breve termine nelle emissioni di PM2.5 e NOx che sono particolarmente dannosi per le persone con problemi ai polmoni.

Successivamente, guardiamo oltre i generatori di emergenza all’approvvigionamento di energia dalla rete. La maggior parte dell’elettricità che alimenta i data center di IA proviene da centrali elettriche che bruciano combustibili fossili, che rilasciano inquinanti atmosferici dannosi, tra cui PM 2.5 e NOx. Nonostante anni di progressi, le centrali elettriche rimangono una delle principali fonti di inquinamento atmosferico negli Stati Uniti.

Abbiamo calcolato che addestrare un singolo grande modello generativo di IA negli Stati Uniti, come il Llama 3.1 di Meta, può produrre tanto PM 2.5 quanto più di 10.000 viaggi in auto tra Los Angeles e New York City.

Secondo la nostra ricerca, nel 2023, l’inquinamento atmosferico attribuibile ai data center degli Stati Uniti è stato responsabile di un costo stimato di 6 miliardi di dollari per la salute pubblica. Se il trend attuale di crescita dell’IA continua, si prevede che questo numero raggiungerà dai 10 ai 20 miliardi di dollari all’anno entro il 2030, avvicinandosi all’impatto delle emissioni dei 30 milioni di veicoli della California.

Perché il carbonio e l’efficienza energetica non raccontano tutta la storia

Fino ad oggi, gli sforzi per mitigare l’impronta ambientale dell’IA si sono concentrati principalmente sulle emissioni di carbonio e sull’efficienza energetica. Questi sforzi sono importanti, ma potrebbero non alleviare gli impatti sulla salute, che dipendono fortemente da dove avvengono le emissioni.

Il carbonio ovunque è carbonio ovunque. L’impatto climatico del biossido di carbonio è in gran parte lo stesso ovunque venga emesso. Ma l’impatto sulla salute dell’inquinamento atmosferico dipende fortemente da fattori regionali come le fonti locali di energia, i modelli del vento, il clima e la densità della popolazione.

Anche se le emissioni di carbonio e gli inquinanti atmosferici dannosi per la salute hanno alcune fonti comuni, un focus esclusivo sulla riduzione del carbonio non riduce necessariamente, e potrebbe addirittura aggravare, i rischi per la salute pubblica. Ad esempio, le nostre ultime (e non pubblicate) ricerche hanno dimostrato che ridistribuire i carichi energetici di Meta nel 2023 tra i suoi data center negli Stati Uniti per privilegiare le riduzioni del carbonio potrebbe potenzialmente abbassare le emissioni totali di carbonio del 7,2 percento, ma aumenterebbe i costi per la salute pubblica del 2,8 percento.

Allo stesso modo, concentrarsi esclusivamente sull’efficienza energetica può ridurre le emissioni di inquinanti atmosferici, ma non garantisce una diminuzione dell’impatto sulla salute. Questo perché addestrare lo stesso modello di IA utilizzando la stessa quantità di energia può produrre risultati sanitari molto diversi a seconda della posizione. Tra i data center degli Stati Uniti di Meta, abbiamo scoperto che il costo per la salute pubblica di addestrare lo stesso modello può variare di più di un fattore di 10.

Ai servono soluzioni informate sulla salute

Le soluzioni dal lato dell’offerta, come l’uso di combustibili alternativi per i generatori di emergenza e l’approvvigionamento di energia da fonti pulite, possono ridurre l’impatto sulla salute pubblica dell’IA, ma comportano sfide significative.

I generatori di emergenza puliti che offrono lo stesso livello di affidabilità del diesel sono ancora limitati. E nonostante i progressi nell’energia rinnovabile, i combustibili fossili rimangono profondamente radicati nel mix energetico. L’Amministrazione per l’Informazione sull’Energia degli Stati Uniti prevede che la generazione di elettricità a carbone nel 2050 rimarrà a circa il 30 percento del livello del 2024 nello scenario alternativo dell’elettricità, in cui le centrali elettriche continuano a operare secondo le norme esistenti prima di aprile 2024. A livello globale, la quota di carbone e altri combustibili fossili nella generazione di elettricità è rimasta quasi costante negli ultimi quattro decenni, sottolineando la difficoltà di cambiare completamente l’approvvigionamento energetico che alimenta i data center.

Riteniamo che le strategie dal lato della domanda che tengono conto delle variazioni spaziali e temporali degli impatti sulla salute possano fornire soluzioni efficaci e attuabili immediatamente. Queste strategie sono particolarmente adatte per i data center di IA con una notevole flessibilità operativa. Ad esempio, l’addestramento di IA può spesso essere eseguito in qualsiasi data center disponibile e di solito non ha scadenze rigide, quindi quei lavori possono essere instradati in posizioni o rimandati a tempi che hanno meno impatto sulla salute pubblica. Allo stesso modo, i lavori di inferenza, il lavoro che un modello fa per creare un output, possono essere instradati tra più data center senza influenzare l’esperienza dell’utente.

Incorporando l’impatto sulla salute pubblica come metrica chiave delle prestazioni, queste flessibilità possono essere sfruttate per ridurre il crescente carico sulla salute dell’IA. Crucialmente, questo approccio informato sulla salute all’IA richiede cambiamenti minimi ai sistemi esistenti. Le aziende devono semplicemente considerare i costi per la salute pubblica quando prendono decisioni.

Anche se il costo per la salute pubblica dell’IA sta crescendo rapidamente, l’IA offre anche un enorme potenziale per far avanzare la salute pubblica. Ad esempio, nel settore dell’energia, l’IA può navigare nello spazio decisionale complesso della distribuzione in tempo reale delle centrali elettriche. Allineando la stabilità della rete con gli obiettivi di salute pubblica, l’IA può contribuire a minimizzare i costi sanitari mantenendo un’offerta di energia affidabile.

L’IA sta diventando rapidamente un servizio pubblico e continuerà a plasmare profondamente la società. Pertanto, dobbiamo esaminare l’IA attraverso una lente pubblica, con il suo impatto sulla salute pubblica come considerazione critica. Se continuiamo a trascurarlo, il costo per la salute pubblica dell’IA aumenterà solo. Un’IA informata sulla salute offre un chiaro percorso per far avanzare l’IA promuovendo aria più pulita e comunità più sane.

Nato negli Stati Uniti, Machel Morrison ha conseguito un dottorato in ingegneria strutturale presso una delle università più prestigiose del paese. Dopo aver lavorato per diversi anni come ingegnere civile, ha deciso di dedicarsi all’insegnamento per condividere la sua passione per il design dell’acciaio con le nuove generazioni.

La sua approccio innovativo e la sua capacità di comunicare concetti complessi in modo chiaro e accessibile hanno reso Machel Morrison un punto di riferimento nel campo dell’ingegneria strutturale. I suoi studenti lo apprezzano per la sua dedizione e la sua capacità di ispirarli a dare il meglio di sé stessi.

Oltre all’insegnamento, Machel Morrison è anche autore di numerosi articoli e pubblicazioni scientifiche nel campo del design dell’acciaio. Le sue ricerche sono state accolte con entusiasmo dalla comunità accademica e hanno contribuito a migliorare le pratiche di progettazione e costruzione nel settore dell’ingegneria civile.

Il successo di Machel Morrison è il risultato del suo impegno costante, della sua passione per l’insegnamento e della sua dedizione alla ricerca scientifica. Grazie alla sua esperienza e alla sua competenza, continua a essere una figura di spicco nel mondo dell’ingegneria strutturale e del design dell’acciaio.

Benvenuti nell’analisi di mercato del settore Costruzioni Metalliche, relativo al mese appena concluso di giugno 2024, dove si è registrata una crescita robusta, guidata dalla domanda residenziale e infrastrutturale.

1. Panoramica del Mercato

Nel mese di giugno 2024, il settore delle costruzioni metalliche in Italia ha mostrato un andamento positivo, con una domanda crescente in diversi segmenti, tra cui residenziale, commerciale e infrastrutturale. La spinta verso l’adozione di materiali più sostenibili e l’innovazione tecnologica ha favorito la crescita del mercato.

2. Domanda e Offerta

3. Prezzi e Costi

4. Fattori Economici e Politici

5. Innovazioni e Tecnologie

6. Sfide e Opportunità

7. Previsioni Future

Le previsioni per i prossimi mesi indicano una crescita sostenuta del settore delle costruzioni metalliche, supportata dalla continua domanda di nuove abitazioni, edifici commerciali e progetti infrastrutturali. Le politiche governative favorevoli e l’adozione di tecnologie innovative saranno cruciali per sostenere questa crescita e affrontare le sfide legate ai costi e alla disponibilità di materiali e manodopera.

Conclusioni

Il settore delle costruzioni metalliche in Italia a giugno 2024 ha mostrato una solida ripresa, con una forte domanda in diversi segmenti del mercato. Le politiche di incentivo governative e l’adozione di tecnologie sostenibili e innovative sono fondamentali per il futuro del settore, offrendo opportunità di crescita e miglioramento continuo.

Fonte: ANCE e OICE.