10:17arXiv cs.AI@Marcin Korecki, Cesare Carissimo论文(arXiv:2606.30206)提出数据中心常是AI的具身化体现,并从生物学视角揭示其有机体特性。它分析了数据中心作为非唯一、普遍化具身形式所引发的多体问题。论文还探讨了计算与人类欲望的深层关联,指出数据中心存储和处理的数据皆源自人类欲望。最终,资本通过AI的定价机制将智能价值量化,跨越了有机体与机械的鸿沟。论文数据中心有机体类比资本智能定价推荐理由:这篇论文把数据中心比作AI的身体,还讲了资本怎么给智能定价,角度挺新鲜的。原文
11:46arXiv cs.AI@Grant Wilkins, Fiodar Kazhamiaka, Alok Gautam Kumbhare, Chaojie Zhang, Ricardo Bianchini精选随着AI加速器需求激增,数据中心机架功率密度预计到2027年将接近每部署1MW,这对电力输送设计构成重大挑战。传统数据中心若针对不同密度目标设计,可能导致电力搁浅,即无法充分利用已配置的电力容量。论文提出一个评估框架,结合GPU、计算和存储部署的投影模型与微软Azure的生产数据,分析多资源搁浅对可部署容量、资本支出和性能的影响。结果表明,规划目标不应是装机兆瓦数,而是随时间变化的可部署容量。该框架帮助设计者在长期运营中保持效率,适应多代硬件和不断变化的工作负载。论文数据中心电力层级AI加速器功率密度微软Azure推荐理由:数据中心电力设计是AI基础设施的瓶颈,这篇论文用微软Azure的实际数据量化了电力搁浅的代价,做数据中心规划或AI硬件部署的团队值得一读。原文