paperbot · PL 论文追踪

全部论文 待读 收藏

P2 Moonwalk

Moonwalk
ASPLOS Proceedings of the Twenty-Second International Conference on Architectural Support for Programming Languages and Operating Systems2017匹配度 0/10 · 该论文讨论基于 ASIC 的云数据中心在能耗与 TCO 层面的优化，属于体系结构与硬件加速方向，与静态分析、Agentic 程序、浮点程序分析、贝叶斯程序分析及 LLM 交叉等研究画像均无直接关联。引用 56 inbox
Moein Khazraee, Lu Zhang, Luis Vega, Michael Bedford Taylor
语言与体系结构
crossref: 2026-09-12dblp: 2026-09-12

AI 速览

一句话：探讨基于 ASIC 的云如何通过降低能耗与边际计算成本来优化数据中心总拥有成本（TCO）。

云服务日益全球化，数据中心负载呈指数增长。GPU 与 FPGA 云已通过加速计算密集型负载在功耗和性能上取得改进。本文关注 ASIC 云这一方向，主张针对特定数据中心计算（如 YouTube 转码）定制 ASIC，可同时降低能耗与边际计算成本，从而优化总拥有成本（TCO）。摘要属于方向性论述，未展开 Moonwalk 的具体架构、编译/部署方法或量化评估结果。

问题
如何应对全球化云服务与指数级增长的数据中心负载，并降低计算密集型负载的能耗和边际成本、优化 TCO。
方法
摘要主张采用 ASIC 云，针对给定数据中心计算（如 YouTube 转码）进行加速；未给出具体实现细节。
评估
摘要未报告实验评估，仅引用 GPU/FPGA 云在功耗与性能上的改进及 ASIC 云的成本优势作为论据。
原文摘要（Abstract）

Cloud services are becoming increasingly globalized and data-center workloads are expanding exponentially. GPU and FPGA-based clouds have illustrated improvements in power and performance by accelerating compute-intensive workloads. ASIC-based clouds are a promising way to optimize the Total Cost of Ownership (TCO) of a given datacenter computation (e.g. YouTube transcoding) by reducing both energy consumption and marginal computation cost.

链接与引用

DOI 原文 · DBLP

BibTeX 
@inproceedings{KhazraeeZVT17,
  title = {Moonwalk},
  author = {Moein Khazraee and Lu Zhang and Luis Vega and Michael Bedford Taylor},
  booktitle = {ASPLOS},
  year = {2017},
  doi = {10.1145/3037697.3037749}
}