Væskekjøling for AI-datasentre: nedsenking, kjølemidler, PFAS-bekymringer og gjenbruk av spillvarme

Sammendrag:Datasentre blir varmere ettersom AI-arbeidsbelastninger presser brikker til høyere effektnivåer, og det er i økende grad ikke nok å «bare blåse mer luft». Det er derfor bransjen beveger seg mot væskekjøling – fra kalde plater og mikrofluidiske kanaler til fulle «dusjer» og nedsenkingsbad – for å holde servere stabile, kutte ned på energien som brukes til kjøling og (i noen tilfeller) gjenbruke spillvarme.

Men kjøleløsningen kommer med sine egne avveininger: kjemiske valg (inkludert bekymringer om PFAS-holdige kjølemidler), sikkerhet, kostnader og risikoen for at effektivitetsgevinster rett og slett muliggjør enda mer datavekst.

Hvorfor kjøling plutselig betyr så mye

Hvis du vil ha én enkelt grunn:effekttetthet.

Moderne AI-systemer bruker racks fullpakket med høytytende akseleratorer som:

trekker mye mer strøm enn vanlige CPU-er
generere varme i mindre fysiske fotavtrykk
kjøres ofte nær ytelsesgrensene

Det gjør kjøling til en begrensning av første orden. Når kjølingen svikter, kan hele anlegget svikte.

BBC peker på et eksempel fra den virkelige verden: en svikt i kjølesystemet i USA som forstyrret finanshandelsteknologien hos CME Group, og utløste ekstra kjølekapasitet etter hendelsen.

Problemet med luftkjøling: fysikk og avtagende avkastning

Luftkjøling er enkelt og kjent, men det sliter når:

varmen er konsentrert i et lite område
du må fjerne varme raskt og jevnt
viftekraft og luftstrømstyring begynner å forbruke en betydelig andel energi

På et tidspunkt «kjøler du ikke ned brikkene» – du «driver en vindtunnel» inne i bygningen.

Hva væskekjøling egentlig betyr (det er ikke én teknologi)

«Væskekjøling» er en familie av tilnærminger:

1) Direkte-til-brikken / kald platekjøling

En væskesløyfe går gjennom en plate festet til de varmeste komponentene.

Fordeler:

effektiv varmefjerning ved kilden
modne ingeniørmønstre

Ulemper:

krever fortsatt nøye rørleggerarbeid og lekkasjehåndtering

2) Spray-/dusjkjøling

BBC beskriver design der væske siver eller dusjer ned på komponenter.

Fordeler:

kan kjøle ned flere komponenter, ikke bare brikker
potensielt reduserer behovet for store vifter

Ulemper:

reiser spørsmål om væskekjemi, kompatibilitet og vedlikehold

3) Immersionskjøling («bad»)

Servere (eller komponenter) er nedsenket i en sirkulerende dielektrisk væske som fører bort varme.

Fordeler:

høy termisk ytelse
kan muliggjøre mer jevn drift ved høy belastning

Ulemper:

Maskinvare må være designet/validert for nedsenking
driftsendringer (service, bytte av deler)

4) Tofasekjøling (væske → gassfaseendring)

Et kjølemiddel fordamper når det absorberer varme, noe som kan være svært effektivt.

Fordeler:

sterk kjøleytelse

Ulemper:

avhenger av kjølemidler; noen kan ha klima- eller sikkerhetsproblemer

Kjemiavveiningen: PFAS og kjølemidler

En av de underdiskuterte delene av datasenterkjøling er kjemisk valg.

BBC bemerker:

Noen tofasesystemer bruker kjølemidler som kan inneholde PFAS
Noen kjølemidler kan være kraftige klimagasser
Det er sikkerhetsbekymringer om damper som slipper ut i noen design
Noen selskaper går over til PFAS-frie alternativer

Selv når et system er ansvarlig konstruert, gjelder en enkel sannhet:

Hvis du skalerer en teknologi til tusenvis av steder, blir små lekkasjerater til store miljøtall

Lukket vannkretsløp: hvorfor det er viktig for lokalsamfunn

Datasentre er stadig mer kontroversielle fordi mange forbruker:

store mengder strøm
betydelig vann (avhengig av kjøledesign)

Noen væskekjølingsdesign bruker vann i en lukket sløyfe for å kjøle ned en oljebasert dielektrisk væske, noe som reduserer pågående vanntrekk.

Det er politisk relevant. Lokal motstand dannes ofte rundt «hvorfor skal strømnettet/vannet vårt tjene andres kunstige intelligens?»

Kjøleteknologi blir en del av den sosiale lisensen til å operere.

Spillvarme er en mulighet – men bare hvis noen kan bruke den

BBC nevner en kunde som planlegger å bruke spillvarme fra servere til:

gjesterom
klesvask
et svømmebasseng

Dette er konseptuelt sett riktig retning: databehandling omdanner elektrisitet til varme, slik at gjenbruk kan forbedre den generelle effektiviteten.

Men det er vanskelig å skalere gjenbruk av varme fordi det krever:

en nærliggende varmekunde (bygninger, svømmebassenger, fjernvarmenett)
jevn etterspørselsjustering
infrastrukturinvesteringer

Så det er lovende, men ikke automatisk.

Den dypere risikoen: effektivitet kan øke den totale etterspørselen

Det er en klassisk rebound-effekt:

Når noe blir billigere eller mer effektivt, gjør folk mer av det

Hvis væskekjøling reduserer kjøleenergien dramatisk, kan markedet reagere med:

bygging av flere datasentre
kjører større modeller
presser maskinvaren hardere

Så kjøleforbedringer er verdifulle – men de garanterer ikke lavere total miljøpåvirkning med mindre de kombineres med:

karbonbevisst nettstrategi
åpenhet om energibruk
insentiver for å redusere det totale fotavtrykket

Hva du skal se på neste gang

Hvilken kjølemetode blir dominerende(kalde plater vs. immersion vs. tofase) etter arbeidsbelastningstype.
Regulering og standarderrundt kjølemidler og PFAS.
Motstand fra lokalsamfunnetom kjøleinnovasjoner reduserer lokale vann- og støypåvirkninger.
Prosjekter for gjenbruk av varmegå fra pilotprosjekter til repeterbare utplasseringer.
AI-gjennomsiktighetSom BBC bemerker, etterlyser forskere tydeligere rapportering av energiforbruk per modell/produkt.

Konklusjon

Kjøling er i ferd med å bli den «skjulte infrastrukturen» som bestemmer hvor raskt AI kan skaleres.

Væskekjøling kan redusere kjøleenergien og gi høyere ytelse, men det introduserer også nye spørsmål om kjemikaliesikkerhet, klimapåvirkning og om effektivitetsgevinster brukes til å redusere fotavtrykk eller bare akselerere dataveksten.

Kilder

BBC Nyheter (Forretningsteknologi):https://www.bbc.com/news/articles/cp8zd176516o?at_medium=RSS&at_campaign=rss

Document Title
Liquid cooling for AI data centres: immersion, refrigerants, PFAS concerns, and waste-heat reuse	Væskekjøling for AI-datasentre: nedsenking, kjølemidler, PFAS-bekymringer og gjenbruk av spillvarme

AI workloads are pushing data-centre chips to higher power density, making liquid cooling essential. Here’s how immersion/spray systems work and the key trade-offs.	AI-arbeidsbelastninger presser datasenterbrikker til høyere effekttetthet, noe som gjør væskekjøling avgjørende. Slik fungerer immersions-/sprøytesystemer og de viktigste avveiningene.
Title Attribute
oEmbed (JSON)
oEmbed (XML)
JSON
View all posts by Admin
Why Excel won’t die: network effects, governance gaps, and the AI-era spreadsheet problem	Hvorfor Excel ikke vil dø: nettverkseffekter, styringshull og regnearkproblemet fra AI-æraen
Can technology fix fashion sizing? The real issue is incentives, not measurements	Kan teknologi fikse størrelsesforskjeller på mote? Det virkelige problemet er insentiver, ikke målinger
Page Content
Liquid cooling for AI data centres: immersion, refrigerants, PFAS concerns, and waste-heat reuse	Væskekjøling for AI-datasentre: nedsenking, kjølemidler, PFAS-bekymringer og gjenbruk av spillvarme
Nature
Climate
Liquid cooling is becoming the bottleneck tech for AI data centres	Væskekjøling er i ferd med å bli flaskehalsteknologien for AI-datasentre
/
Technology
/ By
Admin
Summary:
Data centres are running hotter as AI workloads push chips to higher power levels, and “just blow more air” is increasingly not enough. That’s why the industry is moving toward liquid cooling — from cold plates and microfluidic channels to full-on “showers” and immersion baths — to keep servers stable, cut energy used for cooling, and (in some cases) reuse waste heat.	Datasentre blir varmere ettersom AI-arbeidsbelastninger presser brikker til høyere effektnivåer, og det er i økende grad ikke nok å «bare blåse mer luft». Det er derfor bransjen beveger seg mot væskekjøling – fra kalde plater og mikrofluidiske kanaler til fulle «dusjer» og nedsenkingsbad – for å holde servere stabile, kutte ned på energien som brukes til kjøling og (i noen tilfeller) gjenbruke spillvarme.
But the cooling fix comes with its own trade-offs: chemical choices (including concerns about PFAS-containing refrigerants), safety, cost, and the risk that efficiency gains simply enable even more compute growth.	Men kjøleløsningen kommer med sine egne avveininger: kjemiske valg (inkludert bekymringer om PFAS-holdige kjølemidler), sikkerhet, kostnader og risikoen for at effektivitetsgevinster rett og slett muliggjør enda mer datavekst.
Why cooling suddenly matters so much	Hvorfor kjøling plutselig betyr så mye
If you want a single reason:	Hvis du vil ha én enkelt grunn:
power density
.
Modern AI systems use racks packed with high-performance accelerators that:	Moderne AI-systemer bruker racks fullpakket med høytytende akseleratorer som:
draw far more power than general-purpose CPUs	trekker mye mer strøm enn vanlige CPU-er
generate heat in smaller physical footprints	generere varme i mindre fysiske fotavtrykk
are often run close to performance limits	kjøres ofte nær ytelsesgrensene
That makes cooling a first-order constraint. When cooling fails, the whole facility can fail.	Det gjør kjøling til en begrensning av første orden. Når kjølingen svikter, kan hele anlegget svikte.
The BBC points to a real-world example: a cooling system failure in the US that disrupted financial trading technology at CME Group, triggering additional cooling capacity after the incident.	BBC peker på et eksempel fra den virkelige verden: en svikt i kjølesystemet i USA som forstyrret finanshandelsteknologien hos CME Group, og utløste ekstra kjølekapasitet etter hendelsen.
Air cooling’s problem: physics and diminishing returns	Problemet med luftkjøling: fysikk og avtagende avkastning
Air cooling is simple and familiar, but it struggles when:	Luftkjøling er enkelt og kjent, men det sliter når:
heat is concentrated in a small area	varmen er konsentrert i et lite område
you need to remove heat quickly and consistently	du må fjerne varme raskt og jevnt
fan power and airflow management start consuming a meaningful share of energy	viftekraft og luftstrømstyring begynner å forbruke en betydelig andel energi
At some point, you’re not “cooling the chips” — you’re “running a wind tunnel” inside the building.	På et tidspunkt «kjøler du ikke ned brikkene» – du «driver en vindtunnel» inne i bygningen.
What liquid cooling actually means (it’s not one technology)	Hva væskekjøling egentlig betyr (det er ikke én teknologi)
“Liquid cooling” is a family of approaches:	«Væskekjøling» er en familie av tilnærminger:
1) Direct-to-chip / cold plate cooling	1) Direkte-til-brikken / kald platekjøling
A liquid loop runs through a plate attached to the hottest components.	En væskesløyfe går gjennom en plate festet til de varmeste komponentene.
Pros:
efficient heat removal at the source	effektiv varmefjerning ved kilden
mature engineering patterns
Cons:
still requires careful plumbing and leak management	krever fortsatt nøye rørleggerarbeid og lekkasjehåndtering
2) Spray/shower cooling
The BBC describes designs where fluid trickles or showers onto components.	BBC beskriver design der væske siver eller dusjer ned på komponenter.
can cool multiple components, not only chips	kan kjøle ned flere komponenter, ikke bare brikker
potentially reduces the need for large fans	potensielt reduserer behovet for store vifter
raises questions about fluid chemistry, compatibility, and maintenance	reiser spørsmål om væskekjemi, kompatibilitet og vedlikehold
3) Immersion cooling (“baths”)	3) Immersionskjøling («bad»)
Servers (or components) are immersed in a circulating dielectric fluid that carries heat away.	Servere (eller komponenter) er nedsenket i en sirkulerende dielektrisk væske som fører bort varme.
high thermal performance
can enable more consistent operation at high load	kan muliggjøre mer jevn drift ved høy belastning
hardware must be designed/validated for immersion	Maskinvare må være designet/validert for nedsenking
operational changes (servicing, swapping parts)	driftsendringer (service, bytte av deler)
4) Two-phase cooling (liquid → gas phase change)	4) Tofasekjøling (væske → gassfaseendring)
A refrigerant evaporates as it absorbs heat, which can be very effective.	Et kjølemiddel fordamper når det absorberer varme, noe som kan være svært effektivt.
strong cooling performance
depends on refrigerants; some may have climate or safety concerns	avhenger av kjølemidler; noen kan ha klima- eller sikkerhetsproblemer
The chemistry trade-off: PFAS and refrigerants	Kjemiavveiningen: PFAS og kjølemidler
One of the under-discussed parts of data-centre cooling is chemical choice.	En av de underdiskuterte delene av datasenterkjøling er kjemisk valg.
The BBC notes:
some two-phase systems use refrigerants that can contain PFAS	Noen tofasesystemer bruker kjølemidler som kan inneholde PFAS
some refrigerants can be potent greenhouse gases	Noen kjølemidler kan være kraftige klimagasser
there are safety concerns about vapours escaping in some designs	Det er sikkerhetsbekymringer om damper som slipper ut i noen design
some companies are switching to PFAS-free alternatives	Noen selskaper går over til PFAS-frie alternativer
Even when a system is engineered responsibly, a simple truth applies:	Selv når et system er ansvarlig konstruert, gjelder en enkel sannhet:
if you scale a technology to thousands of sites, small leakage rates become big environmental numbers	Hvis du skalerer en teknologi til tusenvis av steder, blir små lekkasjerater til store miljøtall
Closed-loop water: why it matters to communities	Lukket vannkretsløp: hvorfor det er viktig for lokalsamfunn
Data centres are increasingly controversial because many consume:	Datasentre er stadig mer kontroversielle fordi mange forbruker:
large amounts of electricity
significant water (depending on cooling design)	betydelig vann (avhengig av kjøledesign)
Some liquid cooling designs use water in a closed loop to cool an oil-based dielectric fluid, reducing ongoing water draw.	Noen væskekjølingsdesign bruker vann i en lukket sløyfe for å kjøle ned en oljebasert dielektrisk væske, noe som reduserer pågående vanntrekk.
That’s politically relevant. Local opposition often forms around “why should our grid/water serve someone else’s AI?”	Det er politisk relevant. Lokal motstand dannes ofte rundt «hvorfor skal strømnettet/vannet vårt tjene andres kunstige intelligens?»
Cooling technology becomes part of the social license to operate.	Kjøleteknologi blir en del av den sosiale lisensen til å operere.
Waste heat is an opportunity — but only if someone can use it	Spillvarme er en mulighet – men bare hvis noen kan bruke den
The BBC mentions a customer planning to use server waste heat for:	BBC nevner en kunde som planlegger å bruke spillvarme fra servere til:
guest rooms
laundry
a swimming pool
This is the right direction conceptually: computing turns electricity into heat, so reuse can improve overall efficiency.	Dette er konseptuelt sett riktig retning: databehandling omdanner elektrisitet til varme, slik at gjenbruk kan forbedre den generelle effektiviteten.
But scaling heat reuse is hard because it requires:	Men det er vanskelig å skalere gjenbruk av varme fordi det krever:
a nearby heat customer (buildings, pools, district heat networks)	en nærliggende varmekunde (bygninger, svømmebassenger, fjernvarmenett)
steady demand alignment
infrastructure investment
So it’s promising, but not automatic.	Så det er lovende, men ikke automatisk.
The deeper risk: efficiency can increase total demand	Den dypere risikoen: effektivitet kan øke den totale etterspørselen
There’s a classic rebound effect:	Det er en klassisk rebound-effekt:
when something becomes cheaper or more efficient, people do more of it	Når noe blir billigere eller mer effektivt, gjør folk mer av det
If liquid cooling cuts cooling energy dramatically, the market may respond by:	Hvis væskekjøling reduserer kjøleenergien dramatisk, kan markedet reagere med:
building more data centres
running bigger models
pushing hardware harder
So cooling improvements are valuable — but they don’t guarantee lower total environmental impact unless paired with:	Så kjøleforbedringer er verdifulle – men de garanterer ikke lavere total miljøpåvirkning med mindre de kombineres med:
carbon-aware grid strategy
transparency on energy use
incentives to reduce total footprint	insentiver for å redusere det totale fotavtrykket
What to watch next
Which cooling approach becomes dominant	Hvilken kjølemetode blir dominerende
(cold plates vs immersion vs two-phase) by workload type.	(kalde plater vs. immersion vs. tofase) etter arbeidsbelastningstype.
Regulation and standards
around refrigerants and PFAS.
Community pushback
: whether cooling innovations reduce local water and noise impacts.	om kjøleinnovasjoner reduserer lokale vann- og støypåvirkninger.
Heat reuse projects	Prosjekter for gjenbruk av varme
moving from pilots to repeatable deployments.	gå fra pilotprosjekter til repeterbare utplasseringer.
AI transparency
: as the BBC notes, researchers are calling for clearer reporting of energy use by model/product.	Som BBC bemerker, etterlyser forskere tydeligere rapportering av energiforbruk per modell/produkt.
Bottom line
Cooling is becoming the “hidden infrastructure” that decides how fast AI can scale.	Kjøling er i ferd med å bli den «skjulte infrastrukturen» som bestemmer hvor raskt AI kan skaleres.
Liquid cooling can reduce cooling energy and unlock higher performance, but it also introduces new questions about chemical safety, climate impact, and whether efficiency gains are used to shrink footprints or simply accelerate compute growth.	Væskekjøling kan redusere kjøleenergien og gi høyere ytelse, men det introduserer også nye spørsmål om kjemikaliesikkerhet, klimapåvirkning og om effektivitetsgevinster brukes til å redusere fotavtrykk eller bare akselerere dataveksten.
Sources
BBC News (Technology of Business):	BBC Nyheter (Forretningsteknologi):
https://www.bbc.com/news/articles/cp8zd176516o?at_medium=RSS&at_campaign=rss	https://www.bbc.com/news/articles/cp8zd176516o?at_medium=RSS&at_campaign=rss
←
Previous Post
Next Post
→
oEmbed (JSON)
oEmbed (XML)
JSON
View all posts by Admin
Why Excel won’t die: network effects, governance gaps, and the AI-era spreadsheet problem	Hvorfor Excel ikke vil dø: nettverkseffekter, styringshull og regnearkproblemet fra AI-æraen
Can technology fix fashion sizing? The real issue is incentives, not measurements	Kan teknologi fikse størrelsesforskjeller på mote? Det virkelige problemet er insentiver, ikke målinger
AI workloads are pushing data-centre chips to higher power density, making liquid cooling essential. Here’s how immersion/spray systems work and the key trade-offs.	AI-arbeidsbelastninger presser datasenterbrikker til høyere effekttetthet, noe som gjør væskekjøling avgjørende. Slik fungerer immersions-/sprøytesystemer og de viktigste avveiningene.

Document Title

Liquid cooling for AI data centres: immersion, refrigerants, PFAS concerns, and waste-heat reuse

AI workloads are pushing data-centre chips to higher power density, making liquid cooling essential. Here’s how immersion/spray systems work and the key trade-offs.

Title Attribute

oEmbed (JSON)

oEmbed (XML)

JSON

View all posts by Admin

Why Excel won’t die: network effects, governance gaps, and the AI-era spreadsheet problem

Can technology fix fashion sizing? The real issue is incentives, not measurements

Page Content

Liquid cooling for AI data centres: immersion, refrigerants, PFAS concerns, and waste-heat reuse

Nature

Climate

Liquid cooling is becoming the bottleneck tech for AI data centres

Technology

/ By

Admin

Summary:

Data centres are running hotter as AI workloads push chips to higher power levels, and “just blow more air” is increasingly not enough. That’s why the industry is moving toward liquid cooling — from cold plates and microfluidic channels to full-on “showers” and immersion baths — to keep servers stable, cut energy used for cooling, and (in some cases) reuse waste heat.

But the cooling fix comes with its own trade-offs: chemical choices (including concerns about PFAS-containing refrigerants), safety, cost, and the risk that efficiency gains simply enable even more compute growth.

Why cooling suddenly matters so much

If you want a single reason:

power density

Modern AI systems use racks packed with high-performance accelerators that:

draw far more power than general-purpose CPUs

generate heat in smaller physical footprints

are often run close to performance limits

That makes cooling a first-order constraint. When cooling fails, the whole facility can fail.

The BBC points to a real-world example: a cooling system failure in the US that disrupted financial trading technology at CME Group, triggering additional cooling capacity after the incident.

Air cooling’s problem: physics and diminishing returns

Air cooling is simple and familiar, but it struggles when:

heat is concentrated in a small area

you need to remove heat quickly and consistently

fan power and airflow management start consuming a meaningful share of energy

At some point, you’re not “cooling the chips” — you’re “running a wind tunnel” inside the building.

What liquid cooling actually means (it’s not one technology)

“Liquid cooling” is a family of approaches:

1) Direct-to-chip / cold plate cooling

A liquid loop runs through a plate attached to the hottest components.

Pros:

efficient heat removal at the source

mature engineering patterns

Cons:

still requires careful plumbing and leak management

2) Spray/shower cooling

The BBC describes designs where fluid trickles or showers onto components.

can cool multiple components, not only chips

potentially reduces the need for large fans

raises questions about fluid chemistry, compatibility, and maintenance

3) Immersion cooling (“baths”)

Servers (or components) are immersed in a circulating dielectric fluid that carries heat away.

high thermal performance

can enable more consistent operation at high load

hardware must be designed/validated for immersion

operational changes (servicing, swapping parts)

4) Two-phase cooling (liquid → gas phase change)

A refrigerant evaporates as it absorbs heat, which can be very effective.

strong cooling performance

depends on refrigerants; some may have climate or safety concerns

The chemistry trade-off: PFAS and refrigerants

One of the under-discussed parts of data-centre cooling is chemical choice.

The BBC notes:

some two-phase systems use refrigerants that can contain PFAS

some refrigerants can be potent greenhouse gases

there are safety concerns about vapours escaping in some designs

some companies are switching to PFAS-free alternatives

Even when a system is engineered responsibly, a simple truth applies:

if you scale a technology to thousands of sites, small leakage rates become big environmental numbers

Closed-loop water: why it matters to communities

Data centres are increasingly controversial because many consume:

large amounts of electricity

significant water (depending on cooling design)

Some liquid cooling designs use water in a closed loop to cool an oil-based dielectric fluid, reducing ongoing water draw.

That’s politically relevant. Local opposition often forms around “why should our grid/water serve someone else’s AI?”

Cooling technology becomes part of the social license to operate.

Waste heat is an opportunity — but only if someone can use it

The BBC mentions a customer planning to use server waste heat for:

guest rooms

laundry

a swimming pool

This is the right direction conceptually: computing turns electricity into heat, so reuse can improve overall efficiency.

But scaling heat reuse is hard because it requires:

a nearby heat customer (buildings, pools, district heat networks)

steady demand alignment

infrastructure investment

So it’s promising, but not automatic.

The deeper risk: efficiency can increase total demand

There’s a classic rebound effect:

when something becomes cheaper or more efficient, people do more of it

If liquid cooling cuts cooling energy dramatically, the market may respond by:

building more data centres

running bigger models

pushing hardware harder

So cooling improvements are valuable — but they don’t guarantee lower total environmental impact unless paired with:

carbon-aware grid strategy

transparency on energy use

incentives to reduce total footprint

What to watch next

Which cooling approach becomes dominant

(cold plates vs immersion vs two-phase) by workload type.

Regulation and standards

around refrigerants and PFAS.

Community pushback

: whether cooling innovations reduce local water and noise impacts.

Heat reuse projects

moving from pilots to repeatable deployments.

AI transparency

: as the BBC notes, researchers are calling for clearer reporting of energy use by model/product.

Bottom line

Cooling is becoming the “hidden infrastructure” that decides how fast AI can scale.

Liquid cooling can reduce cooling energy and unlock higher performance, but it also introduces new questions about chemical safety, climate impact, and whether efficiency gains are used to shrink footprints or simply accelerate compute growth.

Sources

BBC News (Technology of Business):

https://www.bbc.com/news/articles/cp8zd176516o?at_medium=RSS&at_campaign=rss

←

→

oEmbed (JSON)

oEmbed (XML)

JSON

View all posts by Admin

Why Excel won’t die: network effects, governance gaps, and the AI-era spreadsheet problem

Can technology fix fashion sizing? The real issue is incentives, not measurements

AI workloads are pushing data-centre chips to higher power density, making liquid cooling essential. Here’s how immersion/spray systems work and the key trade-offs.

Document Title
Page not found - Florin.blog	Siden ble ikke funnet - Florin.blog
Image Alt
Florin.blog
Title Attribute
Florin.blog » Feed
RSD
Skip to content
Placeholder Attribute
Search...
Page Content
Page not found - Florin.blog	Siden ble ikke funnet - Florin.blog
Skip to content
Home
Blog
Garden Decor
Indoor
Main Menu
This page doesn't seem to exist.	Denne siden ser ikke ut til å eksistere.
It looks like the link pointing here was faulty. Maybe try searching?	Det ser ut som om lenken som pekte hit var feil. Kanskje du kan prøve å søke?
Search for:
Search
Quick Links
Outdoors
About
Contact
Explore
Bestsellers
Hot deals
Best of The Year
Featured
Gift Cards
Help
Privacy Policy
Disclaimer
: As an Amazon Associate, we earn from qualifying purchases — at no extra cost to you.	Som Amazon-partner tjener vi penger på kvalifiserte kjøp – uten ekstra kostnad for deg.
Florin.blog
Florin.blog » Feed
RSD
Search...

Document Title

Page not found - Florin.blog

Image Alt

Florin.blog

Title Attribute

Florin.blog » Feed

RSD

Placeholder Attribute

Search...

Page Content

Page not found - Florin.blog

Home

Blog

Garden Decor

Indoor

Main Menu

This page doesn't seem to exist.

It looks like the link pointing here was faulty. Maybe try searching?

Search for:

Quick Links

Outdoors

About

Contact

Explore

Bestsellers

Hot deals

Best of The Year

Featured

Gift Cards

Help

Disclaimer

: As an Amazon Associate, we earn from qualifying purchases — at no extra cost to you.

Florin.blog

Florin.blog » Feed

RSD

Search...