Suurenpieni konesalitason AI-kiihdytinkeskustelu (AMD, Intel, Nvidia,...)

[finWeazel]

AMD:lla aika paljon petrattavaa softapuolella. Teoreettiset speksit eivät käänny reaalimaailman suorituskyvyksi. Puutteita myös testauspuolen resursseissa&prosesseissa. Osa koodista generoidaan koneella nvidian koodeista. Generoidun koodin suorituskyky ei ole hyvä kun amd:n rauta erilainen. Karu artikkeli, oletettavasti totta. Selittää aika paljon miksi amd:n osuus ai-konesalimarkkinasta on aika pieni. Selittää myös miksi amd:lta puuttuu täysi mlperf ajo MLCommons - Better AI for Everyone

MI300X vs H100 vs H200 Benchmark Part 1: Training - CUDA Moat Still Alive

Training Performance, User Experience, Usability, Nvidia, AMD, GEMM, Attention, Networking, InfiniBand, Spectrum-X Ethernet, RoCEv2 Ethernet, SHARP, Total Cost of Ownership

semianalysis.com

 

[finWeazel]

Piipohjaiset optiset linkit tekevät tuloansa konesalipiireihin? Jensen Huang kommentoi paketointiasioita

“The technology that we’re working on is becoming more sophisticated. Chips are getting more and more complex, and the packaging technology will need to evolve as well. What’s even more exciting is the integration of silicon photonics, enabling us to connect multiple packages into one massive system,” Huang said.

Silicon photonic devices can be made using existing semiconductor fabrication techniques, and because silicon is already used as the substrate for most integrated circuits, it is possible to create hybrid devices in which the optical and electronic components are integrated onto a single microchip.<a href="Silicon photonics - Wikipedia"><span>[</span>6<span>]</span></a> Consequently, silicon photonics is being actively researched by many electronics manufacturers including IBM and Intel, as well as by academic research groups, as a means for keeping on track with Moore's Law, by using optical interconnects to provide faster data transfer both between and within

Silicon photonics - Wikipedia

en.wikipedia.org

Nvidia CEO says its advanced packaging technology needs are changing - Taipei Times

Bringing Taiwan to the World and the World to Taiwan

www.taipeitimes.com

Edit. Googlettelin niin ehkä tuo silicon photonics oikeasti on nyt tapahtumassa?

International research team unveils the first electrically pumped continuous-wave semiconductor laser designed for seamless integration with silicon.

https://scitechdaily.com/silicon-photonics-breakthrough-the-last-missing-piece-now-a-reality/

Silicon Photonics Market to Surge from USD 1.87 Billion in 2023 to USD 9.64 Billion by 2030, at an Impressive CAGR of 26.4 Percentage

Silicon Photonics Market to Surge from USD 1.87 Billion in 2023 to USD 9.64 Billion by 2030, at an Impressive CAGR of 26.4 Percentage

size was valued at USD 1 87 Billion in 2023 and the total Silicon Photonics revenue is expected to grow at a CAGR of 26 4 from 2024 to 2030 reaching nearly USD 9 64 Billion by 2030 The silicon ...

www.openpr.com

 

[finWeazel]

Nvidian blackwell GB200 NVL72:et nyt pilvessä oikeasti tarjolla. 72 gpu:ta kytketty yhteen nvlink:lla, per yksikkö jotain 130kW lämpöä. Hintaa huhujen mukaan jotain 1-3miljoonaa per yksikkö.

NVIDIA GB200 NVL72 is a liquid-cooled, rack-scale solution with a 72-GPU NVLink domain, which enables the six dozen GPUs to act as a single massive GPU.

NVIDIA Blackwell Now Generally Available in the Cloud

CoreWeave has launched NVIDIA GB200 NVL72-based instances, becoming the first cloud service provider to make Blackwell generally available.

blogs.nvidia.com

CoreWeave lupaa, että ratkaisu skaalautuu 110000 gpu:hun asti: CoreWeave brings Nvidia GB200 NVL72 instances to its cloud platform

OpenAI:lla myös käytössä: OpenAI and Microsoft Unveil GB200 NVL72 GPU on Azure: A New Era for AI

 

[ztec]

Mistral AI saa ilmeisesti 50 miljardin data centerin. - France, UAE to Invest Up to €50 Billion in AI Megadatacenter - Economy news - Tasnim News Agency - Hyviä hintalappuja kyllä noilla. Ja sähköäkin palaa pikkasen (gigawatti). Tarvii oman ydinvoimalan.

 

[finWeazel]

Mistral AI saa ilmeisesti 50 miljardin data centerin. - France, UAE to Invest Up to €50 Billion in AI Megadatacenter - Economy news - Tasnim News Agency - Hyviä hintalappuja kyllä noilla. Ja sähköäkin palaa pikkasen (gigawatti). Tarvii oman ydinvoimalan.

Ilmeisen hieno juttu myös cerebrasin erikoisemmalle teknologialle josta on kirjoittu vähemmän

As part of the broader Franco-Emirati cooperation, Cerebras—backed by UAE-based G42—announced it will provide its wafer-scale AI compute platform to Mistral.AI. The technology, integrated into Mistral’s Le Chat platform, supports "Flash Answers," which claims to generate 1,100 tokens per second using speculative decoding techniques.

 

[finWeazel]

Morgan Stanleyn arvio paljonko piikiekkoja ja paketointikapasiteettia AI-piireihin käytetään 2025 vuonna. Saa hyvän kuvan markkinaosuuksista. Tuon pohjalta voi arvella, että vaikka nvidian rubin on etuajassa niin sitä ei massavalmisteta 2025 aikana

Nvidia to consume 77% of wafers used for AI processors in 2025: Report

AWS, AMD, and Google lose wafer share.

www.tomshardware.com

Spoileri: lähde

Tämän sisällön näkemiseksi tarvitsemme suostumuksesi kolmannen osapuolen evästeiden hyväksymiseen.
Lisätietoja löydät evästesivultamme.

Hyväksy kolmannen osapuolen evästeet

 

[finWeazel]

Google julkisti uusimman version AI-kiihdyttimestänsä. Lisää tehoa paremmalla per watti suorituskyvyllä. Linkin päässä paljon materiaalia.

Ironwood: The first Google TPU for the age of inference

We’re introducing Ironwood, our seventh-generation Tensor Processing Unit (TPU) designed to power the age of generative AI inference.

blog.google

 

[finWeazel]

Morgan Stanleyn arviota 2025 ai-piirituotannosta

Morgan Stanley predicts that Nvidia will dominate AI semiconductor wafer consumption in 2025, increasing its share from 51% in 2024 to 77% in 2025 while consuming 535,000 300-mm wafers.

Spoileri: Lähde

Tämän sisällön näkemiseksi tarvitsemme suostumuksesi kolmannen osapuolen evästeiden hyväksymiseen.
Lisätietoja löydät evästesivultamme.

Hyväksy kolmannen osapuolen evästeet

 

[finWeazel]

Nvidian uudet pelipiiripohjaiset visualisaatioon ja simulointiin optimoidut serverit videolla. Per pömpeli 8 gpu:ta. GPU.t kytketty verkkolinkillä toisiinsa niin, että kaikista korteista saa täyden kaistan verkkokytkimeen ja kortit näkyvät verkon yli. Muistia 96GB per kortti. Näitä käyttävät esim. omniversessä, että saa tehtaanrakennusvisualisaation+simulaation nopeaksi tai isaac sim robottisimulaation suoritusnopeuden optimoitua. 1gpu ei riitä.

Tämän sisällön näkemiseksi tarvitsemme suostumuksesi kolmannen osapuolen evästeiden hyväksymiseen.
Lisätietoja löydät evästesivultamme.

Hyväksy kolmannen osapuolen evästeet

Jännä video siitä miten yksi blackwell nvl72 rakennetaan, piiristä konesaliin. Tuollaisessa 72gpu:ta, nvlink kytkin jne. AMD:lta tulee tän haastava mi450 joskus 2026 loppupuolella. Suuntaus tuntuu olevan, että ensin oli 1 gpu, sitten 2 gpu;ta, 8gpu:ta ja nyt 72gpu:ta yhteenkytkettynä per pömpeli. Kun aletaan laittamaan liikennettä pömpelistä toiseen niin kommunikaatio hidastuu oleellisesti versus esim. nvl72 sisäinen liikenne.

Tämän sisällön näkemiseksi tarvitsemme suostumuksesi kolmannen osapuolen evästeiden hyväksymiseen.
Lisätietoja löydät evästesivultamme.

Hyväksy kolmannen osapuolen evästeet

Hyvä keynote dell:lta. Kertovat paljon konesaliratkaisuista ja niiden rakentamisesta. Edelleen puheissa, että tullaan skaalaamaa miljoonan gpu:n klusteriin asti. Tällä hetkellä isoin yksittäinen klusteri taitaa olla xAI:n 200k gpu:ta ratkaisu. Toki amazon/microsoft/... on enemmän gpu:ta konesalissa, mutta konteksti yksi klusteri eikä hallit missä on useita erillisiä klustereita.

Tämän sisällön näkemiseksi tarvitsemme suostumuksesi kolmannen osapuolen evästeiden hyväksymiseen.
Lisätietoja löydät evästesivultamme.

Hyväksy kolmannen osapuolen evästeet

edit. AMD:n ratkaisu mikä tulee 2026 loppupuolella haastamaan nvidiaa: AMD 2.0 – New Sense of Urgency | MI450X Chance to Beat Nvidia | Nvidia’s New Moat

 

[finWeazel]

Semianalysis analyysi per token hinnasta. Muutama aika yllättävä juttu seassa. Suorituskyvyssä nvidia edellä poislukien muutama harva keissi missä vertaillaan erittäin vanhoja tuotteita. H100:en pieni muistinmäärä ottaa pahasti vastaan, tosi ei relevantti sen kannalta mitä konesaleihin nyt ostetaan

Models score worse on various evals on ROCm compared to CUDA due to lack of CI and numeric accuracy kernels.

For customers renting GPUs using short to medium term contracts (sub-6-month terms), Nvidia GPUs always have better perf/$ due to fact that only a handful of providers offer AMD GPU rentals on short to medium term contracts. This leads to an artificially tight market and to elevated prices. The Nvidia ecosystem, on the other hand, has over a hundred Neocloud providers offering short to medium term rentals. This abundant supply has led to a competitive market, driving down costs.

Software for the B200 and GB200 is still not fully fleshed out. As an example, FP8 DeepSeek V3 is not fully working properly on Tensor-RT LLM (TRT-LLM), vLLM or SGLang.

En tajua, pitäisi perehtyä

with the invention of disaggregated decode and disaggregated prefill, which is used in production by all the major AI labs, multi node inferencing has become the de facto frontier standard. Unfortunately, disaggregated decode/prefill is not currently available on AMD on open software stacks, and only available on Nvidia’s systems.

AMD vs NVIDIA Inference Benchmark: Who Wins? – Performance & Cost Per Million Tokens

It has been long claimed that AMD’s AI servers can achieve better inference performance per total cost of ownership (TCO) than Nvidia. We have spent the past six months investigating and validating…

semianalysis.com

 

[finWeazel]

Hurjalta kuulostaa, että yksittäinen räkki menisi 1MW+ luokkaan. Nykyisissä nvidia ratkaisuissa taitaa NVL72 gb300:en olla 130kW per räkki. Ei ihan hetkeen ole tulossa konesalitason on prem ratkaisuja. Haastava laittaa vaikka firman "siivouskaappin" yksi 130kW saati sitten 1MW räkki.

Nvidia expects to have 1 megawatt (MW) IT racks ready around 2027, and it is planning a massive power boost to support the new architecture. That will come in the form of its 800V HVDC power system. At the moment, AI centers feature 54V DC power in racks that have power needs as high as 200 kilowatts (KW).

per is another issue when moving this much power through a data center. Nvidia estimates that it would require half a million tons of copper in a 1-gigawatt (GW) data center if it stuck to the existing architecture. It expects the 800V HVDC to heavily reduce copper usage. In fact, Nvidia is estimating that copper requirements could drop by as much as 45% in the upcoming 800V HVDC design, instead of increasing.

Overall, Nvidia expects to see maintenance costs drop by as much as 70%, lower cooling costs, and as much as 5% in end-to-end power efficiency improvements.

Linkinpäässä tarkempaa selostusta + kuvia miten virta kulkee konesaleissa.

https://www.extremetech.com/computing/nvidia-800v-hdc-to-power-future-1mw-racks-for-growing-ai-workloads

 

[finWeazel]

Massamuistipuolella tapahtumassa kehitystä. Uutta ssd-ohjainta ja ajuria missä datansiirtoa ssd-gpu välillä optimoidaan. Käytetään myös pienempiä 512B palasia. Tuolla pitäisi saada 3x verran pyyntöjä menemään läpi per sekunti versus entiset parhaat käytössä olevat konesali ssd:t. Latenssi myös parempi kuin vanhoissa ssd-ratkaisuissa. Käyttätarkoituksena esimerkiksi isot kielimallit.

Using smaller blocks could also enable more efficient use of memory semantics for access.

The 'AI SSD' from Kioxia will also be optimized for peer-to-peer communications between the GPU and SSD, bypassing the CPU for extra performance and lower latency

boasts read latencies in the range of 3 to 5 microseconds, significantly lower than the read latencies of 40 to 100 microseconds offered by SSDs based on conventional 3D NAND.

Kioxia preps XL-Flash SSD that's 3x faster than any SSD available — 10 million IOPS drive has peer-to-peer GPU connectivity for AI servers

10 million IOPS per drive, but there is a slight catch.

www.tomshardware.com

 

[finWeazel]

Mielenkiintoinen tuo AI-kiihdytinmarkkina. Nyt julkaistaan diilejä joissa rakennetaan supertietokoneita piireillä mitä ei vielä ole edes olemassa. Saapa nähdä pitääkö aikataulut. Toinen mielenkiintoinen aspekti, että näiden diilien asiakkaina valtiotason toimijat.

Leibniz Supercomputing Centre to build a new supercomputer using Nvidia's next-generation chips. The Blue Lion supercomputer, as the project is called, will become available to scientists in early 2027, using Nvidia's "Vera Rubin" chips.

Virallisesti euroopan nopein

Nvidia also said that Jupiter, another supercomputer using its chips at German national research institute Forschungszentrum Julich, has officially become Europe's fastest system.

https://finance.yahoo.com/news/nvidia-hpe-build-supercomputer-germany-090420778.html

Powered by Dell Technologies infrastructure with the NVIDIA Vera Rubin architecture, and set to launch in 2026, Doudna is tailored for real-time discovery across the U.S. Department of Energy’s most urgent scientific missions

The Supercomputer Designed to Accelerate Nobel-Worthy Science

Built by Dell Technologies and powered by NVIDIA’s next-generation Vera Rubin platform, Doudna will bring together AI and simulation to help 11,000 scientists tackle fusion, astronomy and the future of life itself.

blogs.nvidia.com

 

[finWeazel]

AMD:lla oli advancing ai eventti missä julkaistiin uusia tuotteita ja roadmappia. Ehkä isoin tärkeä asia oli helios eli räkkikoon optimoitu serveri missä 72 gpu:ta sisässä.

Tämän sisällön näkemiseksi tarvitsemme suostumuksesi kolmannen osapuolen evästeiden hyväksymiseen.
Lisätietoja löydät evästesivultamme.

Hyväksy kolmannen osapuolen evästeet

AMD Confirms Next-Gen EPYC Venice "Zen 6" CPUs With 256 Cores In 2026, EPYC Verano "Zen 7" CPUs & Instinct MI500 GPUs For 2027

AMD has confirmed its next-gen product lineups, including Zen 6-based EPYC Venice, Zen 7-based EPYC Verano, and Instinct MI500 series.

wccftech.com

 

[finWeazel]

Linkin päässä hbm-muistien tulevaisuudesta asiaa. Mielenkiintoinen tuo immersion cooling. Kohta on uudet konesalit nesteessä. Linkin päässä enemmän materiaalia.

HBM4:en asiakaskohtaisesti kustomoitavissa oleva "pohjapiiri" on tässä kohtaa vielä mysteeri. Tekevätkä esim. nvidia ja amd jotain kustomointeja hbm-muistien puolelle?

Next-Gen HBM Architecture Detailed Including HBM4, HBM5, HBM6, HBM7 & HBM8: Up To 64 TB/s Bandwidth, 240 GB Capacity Per 24-Hi Stack, Embedded Cooling

Next-generation HBM standards, including HBM4, HBM5, HBM6, HBM7 & HBM8, have been detailed, offering big advances in each generation.

wccftech.com

 

[finWeazel]

Nvidian GB300 toimitetaanm voluumeissa asiakkaille syyskuussa. Ilmeisesti gb300:ssa on oikeasti uusi piiri. Muutoksilla saatu fp4 suorituskykyä 40% lisää. Muistimäärä kasvanut kun siirrytty 8 kerroksisesta hbm muistista 12 kerroksiseen.

NVIDIA's High-End "Blackwell Ultra" GB300 AI Servers to Begin Shipping by September as Design Changes Ease Pressure on the Supply Chain

NVIDIA's GB300 AI servers are expected to see volume shipments commence by September, as the supply chain has adjusted to design changes.

wccftech.com

 

[finWeazel]

Nvidia ja META jakaneet tietoa uusimmasta konesaliräkeistänsä. Alkavat olemaan ihan sairaan monimutkaisia. Arvioitu hinta gb300 nvl72 räkille kera jäähdytysräkin noin 4M$. Virallista hintatietoa ei ole. Nvidia on oman ratkaisunsa jakanut open sourceen ja meta käyttää myös avoimia ratkaisuja.

Metan käyttämää räkkiä kuvissa

Isoja pömpeleitä

Metan materiaalit: Meta's Catalina Pod AI System Couples NVIDIA's Blackwell GB200 NVL72 With Open Rack v3, And Liquid Cooling
Nvidian materiaalit: NVIDIA Dives Into Technical Details of Its Blackwell GB200 & GB300 NVL Racks, Trays & MGX's Open Compute Commitments

 

[finWeazel]

Googlelta uutta tpu:ta, koodinimellä ironwood. Linkin päässä lisää tietoa

Google Provides Detailed Insight on Next-Gen "Ironwood" TPU Superpod: 9216 Chips, 192GB HBM Memory & 4614 TFLOPs Compute Per Chip

At Hot Chips 2025, Google presented more insights into its next-gen TPU platform called Ironwood, and how it scales on a rack level.

wccftech.com

 

[finWeazel]

Nvidia julkaisi uuden rubin cpx gpu:n. Jos oikein ymmärsin niin taskeja kuten videopurku/pakkaus ja "context phase" kiihdytystä siirretään halvemmalle cpx:lle että perinteinen iso ai-gpu saa tehdä oman hommansa tehokkaammin

The context phase is compute-bound, requiring high-throughput processing to ingest and analyze large volumes of input data to produce the first token output result. In contrast, the generation phase is memory bandwidth-bound, relying on fast memory transfers and high-speed interconnects, such as NVLink, to sustain token-by-token output performance.

ubin CPX, built with the Rubin architecture, delivers breakthrough performance for the compute-intensive context phase of inference. It features 30 petaFLOPs of NVFP4 compute, 128 GB of GDDR7 memory, hardware support for video decoding and encoding, and 3x attention acceleration (compared to NVIDIA GB300 NVL72).

NVIDIA Rubin CPX Accelerates Inference Performance and Efficiency for 1M+ Token Context Workloads | NVIDIA Technical Blog

Inference has emerged as the new frontier of complexity in AI. Modern models are evolving into agentic systems capable of multi-step reasoning, persistent memory, and long-horizon context—enabling…

developer.nvidia.com

Softapuolen heput varmaan kiskoo hiuksia päästä heterogeenisten kiihdytinjärjestelmien kanssa. Herää myös kysymys miten tuohon on saatu 128GB muistia. 4GB gddr7 piirejä ei minun tietääkseni kukaan ole julkaissut niin 512bit muistiväylä 4GB piireillä ei mahdollinen?

edit. Hyvä selitys mikä cpx on ja miksi sellainen on järkevä ratkaisu nyt: NVIDIA Rubin CPX is an AI GPU for Next-Gen NVIDIA AI GPUs

 

[finWeazel]

Semianalysis artikkeli nvidian cpx:sta. Samasta selvisi, että vera rubinin speksit etenkin muistien osalta parantuneet. Selittivät hyvin miten kuorma jaetaan kahtia, prefill=vaatii paljon laskentatehoa mutta ei muistikaistaa ja token generation=vaatii paljon muistikaistaa mutta vähän laskentatehoa. Spekuloivat, että nyt kun kuorma on jaettu kahdelle erilaiselle kiihdyttimelle niin seuraava askel nvidialta voisi olla optimoida vielä pidemmälle prefill ja token generation spesifiset kiihdyttimet. Mielenkiintoista tässä se, että aletaan astumaan startuppien ja dedikoitujen kiihdyttimien varpaille sen sijaan että tehtäisiin yhtä geneeristä ja epäoptimaalista kiihdytintä.

Spekulaatiota mihin nvidia voisi mennä vera-rubinin jälkeisessä generaatiossa jos/kun jatketaan prefill ja token generaatio spesifisten piirien tekemistä

Lastly – why should Nvidia stop at only having a prefill focused chip – why not a decode focused chip as well? Nvidia has so far only debuted a prefill focused chip, and the decode step stays with the existing R200 chip rather than a decode specialized SKU.

A decode specialized chip would be the opposite of the prefill chip: skinny compute, fat on memory bandwidth. This chip would look like a R200 but without the need for as much compute. Ideally, I/O would be preserved for both memory and off-package I/O by maintaining the size of the I/O chiplets, but the edges of the main compute die facing the I/O dies can be reduced, whilst keeping the same edge to fit 2 HBM site per edge. The result is a much smaller compute die.

Additional savings could be also had from a significant increase in parametric yields with a lot of defeatured SMs as well as much TDP reducing costs associated with power delivery and thermal management. This is the opposite of the case of the pre-fill chip where the amount of HBM is preserved, while there are reductions in other parts of the system, bringing HBM’s share of BOM back up.

Another Giant Leap: The Rubin CPX Specialized Accelerator & Rack

Nvidia announced the Rubin CPX, a solution that is specifically designed to be optimized for the prefill phase, with the single-die Rubin CPX heavily emphasizing compute FLOPS over memory bandwidth…

semianalysis.com

 

[heimoi]

Inside the world’s most powerful AI datacenter - The Official Microsoft Blog

This week we have introduced a wave of purpose-built datacenters and infrastructure investments we are making around the world to support the global adoption of cutting-edge AI workloads and cloud services. Today in Wisconsin we introduced Fairwater, our newest US AI datacenter, the largest and...

blogs.microsoft.com

Voi vaan kuvitella kuinka paljon nvidia tekee rahaa.

 

[finWeazel]

Hiljaisempaa ollut rautauutisten saralla niin alla podcastia liittyen AI:hin ja konesalirautaan. Minulle podcastin mielenkiintoisin yksittäinen fakta oli, että ai-kiihdyttimien valmistuskapasiteetti on täysin kiinni HBM-muistien saatavuudesta. Koska muistit ovat pullonkaula niin kysyntä ylittää tuotannon. Lieköhän tässä iso syy nvidian cpx:aan missä on gddr7 muistit? Nvidia yrittää tuolla keinoin vähentää hbm-muisteista johtuvaa pullonkaulaa? Podcastin vieras kertoo aika hyvin miksi tämä pullonkaula luo esim. hänen yritykselle mahdollisuuden kun heidän kiihdytin ei käytä hbm-muisteja

Tämän sisällön näkemiseksi tarvitsemme suostumuksesi kolmannen osapuolen evästeiden hyväksymiseen.
Lisätietoja löydät evästesivultamme.

Hyväksy kolmannen osapuolen evästeet

Linkki: https://www.youtube.com/watch?v=VfIK5LFGnlk

 

[finWeazel]

En keksinyt tälle parempaakaan paikkaa ja mielenkiintoinen väite. Amazonista kuuluisa jeff bezos ennustaa, että hyvinkin lähitulevaisuudessa alettaisiin rakentamaan konesaleja avaruuteen koska siellä saa 24/7 aurinkopaneeleilla tuotettua sähköä.

Mun aivot ei riitä raksuttamaan miten jäähdytys hoidettaisiin sekä luotetettavasti että hintatehokkaasti. Verkkoliikenteen puolesta mahdollinen skenaario kun avaruuden konesalit kytkettäisiin spacex/... satelliittien kautta internettiin. Training puolen konesali ei edes tarvi/halua edes internet kaistaa samalla tapaa kuin inferenssi jossa koko ajan tulee liikettä molempiin suuntiin.

Toinen aika iso ongelma mikä tulee mieleen on rautaongelmat mitä ei robotilla saa hoidettua. Kai konesalien hinnat pompsahtaa aika valtavasti jos siellä pitää pystyä myös ihmisen asumaan ja operoimaan.

Jeff Bezos predicts that within the next 10 to 20 years, extremely large-scale data centers will be constructed in orbit, where continuous access to solar power and relatively easy cooling could allow them to surpass Earth-based facilities in efficiency and cost, reports Reuters. However, building a data center in space will require a number of breakthroughs as it is commercially unfeasible today.

Jeff Bezos envisions space-based data centers in 10 to 20 years — could allow for natural cooling and more effective solar power

But at what cost?

www.tomshardware.com