幾十年來，數據中心一直位于或靠近網絡中心。對于企業、電信運營商、有線電視運營商以及近來的Google和Facebook等服務提供商而言，數據中心是IT的心臟和肌肉。云技術的出現更是彰顯了現代數據中心的重要性。但仔細聆聽，您會聽到變革來臨時的隆隆聲。

隨著網絡計劃遷移至5G和物聯網，IT管理者開始關注邊緣，并且需要將更多容量和處理能力部署在更靠近最終用戶的位置。在此過程中，他們將會重新評估數據中心的作用。Gartner1認為，到2025年，將有75%的企業生成數據在邊緣創建和處理?而2018年這一數據僅為10%。與此同時，數據量方面也要準備迎接新的挑戰。一輛自動駕駛汽車預計平均每小時可產生4T數據。

現在網絡都在爭相確定如何才能更好地應對邊緣流量的激增以及對低延遲性能的需求?而且不會破壞其現有數據中心的設施投資。答案之一是大量投資于東西向網絡鏈路和對等冗余節點，在產生數據的地方建設更多的處理能力。但數據中心呢？它們將會發揮什么樣的作用？

AI/ML 反饋循環

未來超大規模和云計算數據中心的商業應用主要在于其龐大的處理能力和存儲容量。隨著邊緣活動日益活躍，需要借助數據中心的力量創建數據處理算法。在由物聯網賦能的世界，人工智能 (AI) 和機器學習 (ML) 的重要性不容小覷。將其付諸實施的數據中心的角色也同樣不容忽視。

為了生成驅動AI和ML所需的算法，需要處理大量數據。核心數據中心已經開始部署更強大的CPU，以配合TPU或其他專用硬件。此外，這通常需要超高速、大容量網絡，以及先進的交換層，為處理同一問題的服務器庫提供支持。AI和ML模型正是這些艱辛努力的成果。

另一方面，需要將AI和ML模型放在更能提升業務影響力的位置。例如，對于面部識別等企業AI應用，超低延遲要求需要它們在本地部署，而不是在核心部署。但是，還必須定期調整模型，以便將邊緣收集的數據反饋到數據中心，從而更新和優化算法。

利用沙盒還是擁有沙盒？

AI/ML的反饋循環是一個例子，說明數據中心需要能夠支持更廣泛和多樣化的網絡生態系統，而不是控制它。對于超大規模數據中心領域的重要參與者來說，適應分布更廣、協作性更強的環境并不是件易事。他們希望確保，如果您在部署人工智能或機器學習或訪問邊緣時，您會使用他們的平臺，但不一定要使用他們的設施。

像AWS、Microsoft和Google之類的提供商現在正在向客戶所在的位置（包括私人數據中心、運營商中心機房和企業內部的本地存儲）配置具有一定容量的機架。這使客戶能夠使用提供商的平臺，在其設施中構建和運行基于云的應用。由于這些平臺也嵌入在許多運營商的系統中，因此客戶也可以在運營商存在任何位置運行其應用。該模式仍處于起步階段，為客戶提供了更大的靈活性，同時使提供商能夠在邊緣進行控制并聲明所有權。

與此同時，其他模型展現出了一種更開放、更具包容性的方法。邊緣數據中心制造商開始設計可以提供標準化計算、存儲和網絡資源的托管數據中心。較小的客戶（如游戲公司）可租一臺虛擬機來服務其客戶，而數據中心運營商則會以收益分享模式向您收費。對于一家正在努力打入邊緣市場的小企業來說，這種模式具有超強吸引力（或許是其贏得競爭的關鍵途徑）。

基本挑戰

隨著下一代網絡前景逐漸明朗，行業必須應對實施方面的挑戰。就數據中心內部而言，我們了解到：服務器連接將從每通道50G增加到100G；交換機背板帶寬將增加到25.6T；而遷移到100G技術將讓我們獲得800G可插拔模塊。

我們尚不明確如何設計從核心到邊緣的基礎設施?具體來講，就是我們如何實施DCI架構和城域網/遠距離鏈路并支持高冗余對等邊緣節點。另一個挑戰是開發實現海量流量管理和路由所需的協調和自動化功能。隨著行業邁向支持5G/物聯網的網絡，這些問題都亟需解決。

攜手共進

我們深知構建和實施下一代網絡需要協調一致共同努力。云數據中心的低成本、大容量計算和存儲能力都無法在邊緣數據中心復制，因此云數據中心依然會發揮一定作用。但是，隨著網絡內部的責任變得越來越分散，數據中心的工作將從屬于更大的生態系統。

將所有這些組合在一起，將得到一個更快、更可靠的物理層，從核心開始一直延伸到網絡的邊緣。這個布線設計和連接平臺由傳統的以太網光學和相干處理技術提供支持，并將擴大容量。使用共封裝光模塊和硅光子技術的新型交換機將進一步提高網絡效率。當然，到處都需要更多的光纖?采用超高密度、緊湊的光纖布線，這將支撐網絡性能的發展。