Uptime Institute
PulseAugur coverage of Uptime Institute — every cluster mentioning Uptime Institute across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
数据中心瓶颈威胁人工智能革命，面临能源和成本障碍 · 已追踪 2 个来源
人工智能模型的快速发展正受到全球数据中心发展步伐缓慢的阻碍。众多大型数据中心项目面临严峻挑战，包括获得充足的能源供应、高昂的建设成本以及当地居民的反对，导致项目被取消或延期。这种基础设施瓶颈正导致像 Google 这样的 AI 公司经历“计算限制”，因为对 AI 服务的需求超过了可用的电力和资源。专家警告称，这些数据中心预计的能源需求可能会给现有电网带来压力，尤其是在北美地区，这可能会减缓全球人工智能革命的进程。
-
微软启动威斯康星州人工智能数据中心，提升计算能力
微软已正式启用其位于芒特普莱森特（Mount Pleasant）的威斯康星州首个人工智能数据中心。该投资33亿美元的设施于4月开始有限运营，现已全面投入使用，约有550名全职员工，并计划继续发展。该园区建在原先为富士康（Foxconn）预留的地点，彰显了微软将人工智能基础设施计划转化为实际能力的承诺，以应对当前市场对计算能力供应的限制。该设施还采用了先进的可持续性举措，包括旨在最大限度减少用水量的闭环冷却系统和用于图形处理器（GPUs…
-
敦促网络行业统一仪表板之上的数据层
网络行业长期以来一直寻求通过仪表板统一监控和管理，但这些工具未能降低复杂性或提高运营效率。最近的一项调查表明，尽管许多组织认为他们能够看到网络资产，但 DNS、DHCP 和 IPAM 等底层数据源的碎片化阻碍了有效行动。文章认为，下一步的关键是超越仪表板，专注于统一数据层，使 AI 能够通过关联身份、遥测和策略中的信息来提供更准确的风险评估和事件响应。
-
人工智能工作负载给传统数据中心基础设施带来压力
由于电力分配、冷却和机架密度的限制，改造现有数据中心以适应人工智能工作负载被证明是具有挑战性的。虽然传统设施比新建项目部署更快，但它们难以支持现代人工智能硬件的高功率和重量要求。集成液体冷却等先进冷却解决方案和升级电气系统是必要的，但过程复杂，通常导致运营商寻求部分升级而非全面改造。
-
数据中心故障减少但变得更严重
数据中心遇到的故障次数正在减少，但发生的故障规模更大、持续时间更长。Uptime Institute 的一份报告表明，尽管过去五年的整体弹性有所提高，但单次故障的影响正在增加。这一趋势表明需要加强恢复策略，以减轻这些更大规模故障带来的日益增长的成本和延长停机时间。
-
AI时代需要新的数据中心供电设计；欧盟视AI为未来优化器
一项新的研究论文提出了一个框架，用于设计数据中心供电层级，以满足AI加速器日益增长的需求，预计到2027年，每个部署的需求将达到1兆瓦。该框架使用预测模型和生产数据，根据吞吐量、功耗和成本评估设计，并强调多资源闲置如何影响可部署容量和资本支出。与此同时，欧盟机构EU-LISA的一份报告建议，虽然AI可以优化数据中心运营并提高PUE等效率指标，但基于AI的解决方案尚未成熟到可以立即全面采用来管理整个复杂的数据中心环境。