自從2016年AlphaGo打敗李世石之后，人工智能的能力開始逐漸被世人了解，人工智能開始真正落地。Gartner的數據顯示，到2020年，人工智能預計將減少180萬個就業機會。好消息是，它也將創造230萬個就業崗位。如今，AI相關專利申請量飆升，AI芯片需求也不斷增加，微軟已決定采購華為新開發的AI芯片應用于中國的數據中心。

然而，人工智能技術的發展與落地應用還遠未成熟。對人工智能硬件而言，算力是技術實現的保障，這需要大量強有力的數據中心提供基礎支持。但傳統數據中心存在諸多痛點，亟需借力人工智能，開展數據中心的革命。

實際上，人工智能的發展少不了數據中心的支撐，與此同時，智能化是未來能源基礎設施發展的必由之路，在此過程中，人工智能也將助推數據中心朝智能化方向發展。

數據中心如何與AI擦出火花

數據中心成千上萬臺服務器為人工智能所需的計算能力提供了物理基礎，人工智能也將給數據中心帶來了新的革命，其帶來的積極影響主要有三個方面。

一是便于數據中心管理和控制。未來的數據發展必將走向軟件定義，但隨著數據中心呈現復雜化，人工處理的精力和能力都有限。如果通過人工智能利用其學習能力，對以往管理數據進行智能分析，就可得到可觀準確的決策。

二是降低數據中心能耗。數據中心是能耗大戶，巨額的電能費用已經成為數據中心高速發展的瓶頸，很多互聯網巨頭的自建數據中心開始想盡一切辦法去降低能耗。人工智能技術就可以充分計算PUE值，再根據PUE值反推哪些因素對其影響最大，再去優化這些部分，從而達到降低能耗的目的，提升數據中心運行效率。

例如，谷歌使用DeepMind提供的AI技術，在機房的能耗上獲得了大幅的削減，相應減少PUE值。具體而言，通過建立機器學習的模型，對機房的PUE指標趨勢進行預測，從而指導制冷設備的配置優化，減少了閑置的用于制冷的電力消耗。這項技術能夠為谷歌減少15%的數據中心整體耗電量，節省下來的成本相當可觀。

三是數據中心的數據加工。數據中心擁有海量數據，原有的計算方式效率太低。借助AI技術的智能化運維，就可以對這些數據進行深度分析，將數據進行過濾、整理、組建各種模擬模型，這些加工后的數據可能會產生巨大的價值。如果是數據中心的運行數據，則可以通過智能運算，獲得提升數據中心運維水平機會；如果是數據中心的存儲數據，則可以通過只能運算獲得行業市場狀況，進行人員特征的分析等。

數據中心運維日趨智能化

人工智能為數據中心提供了全新的機遇：未來可以建設智能化的數據中心，用來替代簡單重復勞動，在大量數據中提取規律性信息，大量方案中優選最佳方案，復合數據環境下選擇最優模式。

具體到智能運維領域，目前依靠已有的日志進行模式識別，可以實現實時監控，潛在故障告警，實時故障定位，重點區域問題監控，還可實現解決方案智能化推薦；在節能降耗方面，可實現整個基礎設施的智能化管理，提高可靠性，降低IT能耗，減少制冷消耗，從而節省電力。

然而，人工智能亦對數據中心帶來了不小的挑戰。據信通院研究數據顯示，在供電方面，AI使得數據中心功率密度從5kW提升到21kW及以上，給供配電基礎設施帶來挑戰；在制冷方面，AI帶來的高功率帶來高散熱，風冷向液冷轉變；在邊緣計算方面，AI使得網絡限制數據需要端側處理，要建設好邊緣數據中心。

智能微模塊3.0

將成為數據中心智能化里程碑

目前，行業內已有不少智能化數據中心解決方案問世。以華為公司為例，2018年6月CEBIT2018期間，華為發布了“智能微模塊3.0”數據中心解決方案，主要圍繞i3（iPower，iCooling，iManager）特性，加入AI優化運行算法，實現數據中心基礎設施整體功能的智能化融合，使得數據中心的高效智能如虎添翼。

智能微模塊3.0將通過智能化AI算法主動判斷運行狀態，實現供電鏈路毫秒級故障檢測，秒級故障定位，毫秒級故障隔離，分鐘級故障恢復功能；突破行業困擾已久的冷媒泄漏檢測難題；提升數據中心全生命周期空間、電力、制冷及人力資源的高效利用。

iPower可實現供電全鏈路可視及告警精確定位，并擁有基于AI技術的電池管理系統，配合毫秒級故障隔離，以保障供電的可靠性。

iCooling，基于AI的自優化算法，讓溫控系統對效率自動尋優，降低數據中心PUE；溫控系統精確制冷，消除熱點隱患，提升數據中心運行的穩定性。同時，AI算法支持空調冷媒容量的自檢測，提高可靠性。

iManager是智能微模塊3.0的大腦，主要通過智能故障定位與預警管理提高運維效率，面向業務管理增加收益、降低投資。通過數據中心自動化營維，實現能源基礎設施價值最大化。