人工智慧＋數據中心，如何碰撞出火花？

如今，人工智慧、機器人、自動化、機器學習等新興技術成為了數據中心領域發展的一些新趨勢，也帶來了許多爭論，因為它們引發了投資者對數據中心領域現代化的新興趣。

如今，人工智慧、機器人、自動化、機器學習等新興技術成為了數據中心領域發展的一些新趨勢，也帶來了許多爭論，因為它們引發了投資者對數據中心領域現代化的新興趣。調研機構Jo?o Marques Lima公司在調查報告中預測了由新興技術驅動的未來數據中心的五個未來面貌：

（1）減少能源費用

數據中心運營商如今面臨的最大成本之一就是能源。

根據英國高科技產業貿易協會(Intellect)的數據，一個超大規模的數據中心一年可能消耗30GWh的電力，其運營成本約為420萬英鎊。

根據Queensway Par Data Centres的調查數據，在美國，數據中心能源消耗將從2013年的910億千瓦時增長到2000億千瓦時，每年的能源消耗成本達到200億美元。

相比之下，英國預計將繼續成為歐洲最大的託管數據中心市場，每年的能源成本將達到70億美元。其高昂的成本需要改進以遏制能源消耗的增長，並使數據中心設施更有效率。

谷歌公司在數據中心領域最近的一個發展是使用DeepMind AI軟體降低數據中心的能源費用。DeepMind AI內置的神經網路建立了谷歌數據中心的120個參數變數，並通過分析感測器數據來找出最佳的冷卻方法。

超大規模數據中心通過採用人工智慧可以降低40％的用於冷卻的電力成本，從而將總體PUE降低了15％。

谷歌公司表示，該軟體可應用於數據中心的其他部分以及其他工業系統運營商。

（2）減少停機時間

雖然能源成本對數據中心運營商來說是一件令人頭疼的事情，但沒有什麼比停機時間更嚴重。

根據波洛蒙研究所的調查，2016年每個數據中心停機事件的平均成本接近750,000美元。其停機的影響超出了運營商的主要業務。而那些數據中心中斷時間超過10天的企業平均有9個企業申請破產。

而數據中心停機的主要原因是人為錯誤、UPS故障和冷卻設備故障。隨著對數據中心的依賴性不斷增加，修復停機時間的競爭加速，並成為數據中心管理人員的首要任務。

人工智慧最近被用來幫助減少數據中心停機的例子是HPE公司的AI推薦引擎，它協助企業管理他們的IT基礎設施，其中包括應用程序，這是另一個增長的趨勢。

HPE InfoSight是一個預測性分析平台，為數據中心帶來軟體定義的智能，能夠利用先進的機器學習預測和防止基礎設施問題發生，從而為走向自治數據中心鋪平道路。

（3）改進冷卻

就像電力一樣，冷卻成本對大多數運營商而言都是一筆沉重的代價。

根據ABB公司企業研究部首席科學家，行業領先的能源技術專家之一Xiaojing Zhang的研究，在給定的數據中心中，大約40%的電能被用來保持建築物的冷卻。就像在能源部分一樣，人工智慧在冷卻方面的應用也是一種跨越式解決方案，從而節省成本和提高效率。

谷歌公司的DeepMind AI軟體再一次在這裡發揮作用，因為谷歌公司還使用該系統控制從風扇到窗戶的冷卻系統，然後可以了解如何提高整體效率的適當措施。

人工智慧在冷卻系統中的另一個應用就將與物聯網感測器相結合，可以預測冷卻系統是否會發生故障。

全球許多行業廠商採用了可預見的維護。例如，博世公司一直使用PTC公司的ThingWorx系統來實現此目的，同時創建其數字孿生的產品，從而實現更高的生產效率。

（4）智能操作

到目前為止，人們已經看到人工智慧如何幫助降低成本和避免災難，儘管已經採用預測性維護開展實施更加智能化的業務，但是隨著區塊鏈的應用，將會帶來更加智能的操作。

根據調研機構Markets＆Markets公司的調查，2022年區塊鏈相關產品和服務的價值將達到77億美元，而2016年僅為2.42億美元。

在研究區塊鏈技術如何改變數據中心發展趨勢時，Deloitte公司總監Richard Bradley表示，對於數據中心而言，區塊鏈可幫助數據中心運營商更好地進行容量規劃、冷卻、資產管理和環境虛擬化。

（5）更好的安全性

最後，數據中心的另一個重要組成部分將通過使用支持人工智慧的技術進行大規模改進，這將成為促進物理和網路安全的有利措施。

在實體方面，有許多已經適用的解決方案和新的方案。例如，人工智慧機器人可以巡視數據中心設施，以搜尋入侵者或潛在的物理危險。人工智慧感測器也可以用於監控閥門和入侵者。

在未來，智能的自我修復基礎設施還可以防止任何物理安全漏洞。在建築物的訪問和進出方面，圍繞生物識別技術的新技術將很快出現。

至於網路攻擊，人工智慧軟體將能夠更快地檢測到威脅，並採取行動預防潛在的違規行為。

Telehouse公司是目前使用這種系統的公司之一，該公司正在採用機器學習和深度學習應用，使其數據中心能夠更快地適應安全需求。

而Darktrace公司使用機器學習來定義正常的網路行為，然後根據與該標準規範的偏差來檢測威脅。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！