無論是維護自身內部的數據中心，還是依賴異地數據中心運營，其實都需要確保服務器具備應對新型技術、適應日益增長需求、對抗大環境變化的能力。從大數據、云計算，再到人工智能，未來幾年的科技發展有很大概率重塑數據中心行業格局，意味著數據中心面臨革命性整合。

機器學習的結果是通過執行數據驅動來完成任務，從客觀的角度，保障精確度、專業性與速度，譬如象棋機器人、機器人面試官等等，能夠利用完整數據集做出有效合理的動作和決策。但是現實情況是，大環境中的數據其實是非常分散的，在構建數據集的時候需要將數據集中化，再以業務目標出發，進行分析、建模，實現AI的自主決策，這個時候如何保障數據的質量就十分重要。

數據中心就像一個數據“配送中心”，進行數據的管理、存儲、傳輸等等流程，依靠AI希望能夠做到將數字化運營的效率提至最高水平，首先便是希望借助人工智能，實現預測分析優化工作負載。

數據中心需要維護物理服務器和存儲設備，基于AI的預測分析，可以幫助數據中心在服務器之間分配工作負載，更易于管理，能夠更好地追蹤服務器性能、磁盤利用率、網絡堵塞，快速查找故障端點，縮短處理時間，減少風險因素，促進服務器的最大程度優化。譬如當機器開始發出異常聲音，AI能夠自動辨別入侵者，并直接采取解決方案，有效監控網絡。再或者，AI平臺能夠自動進行系統更新、安全補丁、文件備份等例行工作，亦有助緩解勞動力資源。

數據中心的費用開支很大一部分是能源消耗，來自數據中心的冷卻系統，而保持服務器的持續散熱是保證服務器正常運行的必要條件。為了追求更好的數據中心能源效率，希望AI的機器算法優化散熱系統。據悉，Google的部分數據中心采用DeepMind機器算法，成功將冷卻能源節省近40%，而且完全不會影響服務器的性能。

應該幸運AI能夠在數據中心擔任更多角色，將人與機器的優勢共同放大，致力提高數據中心的運營效率。

責任編輯:zl