人工智能逐漸變得比云技術更普及。我們說人工智能無所不在，并不僅僅因為數據中心有AI應用，或者MIT Python程序員可進行AI編程，而是它已經進入我們的日常生活，比如在超市里巡游的導購機器人，安裝在機場里采用卷積神經網絡（CNN）的安防攝像頭，放在壁爐罩上的亞馬遜Alexa語音助理，甚至我們牛仔褲兜的蘋果手機Siri虛擬助理（它可以向我們推薦10英里內的壽司店）。

AI編程能夠從經驗中或通過訓練進行學習，并能將學到的知識自主運用到未來的場景中，因而以極快的速度進入我們的生活中。換句話說，它可以像人一樣完成工作，同時還會自動適應不斷變化的環境。無論使用AI的是超市里目光呆滯的機器人，還是領著我們去酒吧的澳大利亞性感女聲，其功能都是通過CPU或GPU系統（比如英傳達的DGX）來實現的。

AI應用的種類非常多，不能簡單地說哪種硬件就是最好的。正如英特爾的Naveen Rao所說：“因為AI應用并非只有一種，客戶發現沒有所謂‘最好’的硬件平臺能夠適用于所有AI應用”。無論為AI應用選擇哪種硬件，有一點是明確的：每一臺處理設備都需要供電。

昂貴的數據

對IT經理來說，在計算服務器所需的電力時必須考慮AI的影響。一個普通服務器機架的平均功耗為7kW，而運行AI應用程序的機架功耗可能超過30kW。因為運行AI應用程序時處理器利用率更高，比如在GPU類服務器上運行AI應用會使每個芯片的功耗翻番，因此必須提高功率以保證系統正常運行。

當然，如果設備功率不夠，可以嘗試遷移數據，但這可能比處理數據耗電多得多，因為數據遷移過程中一直都要耗電。簡單地說就是數據傳輸的成本很高。

例如，盡管有許多云提供商（AWS、Azure、Google等）可供選擇，但復雜的數據傳輸還隱含成本，許多公司都會遇到這一問題。因此一個可行的方案不是遷移數據，而是在靠近數據源的位置進行處理，邊緣計算應運而生。

小網絡解決大問題

邊緣計算有望成為另一種備受期待的5G數據技術的基礎。5G網絡要達到1ms時延的指標，需要許多分布式處理區域（也稱為邊緣網絡）的支持。邊緣服務器的位置應靠近產生4K甚至8K格式高清視頻的個體，以及智慧城市中監控行人和交通動態的攝像頭等應用，這些場景下都不需要將數據發送到云端。

此外，無人駕駛汽車也需要邊緣網絡的支持。這些新型數據應用的關鍵是接近實時的AI信息處理。

目前，所有的AI應用程序都運行在基于硅的計算硬件上——可以是智能手機內的定制芯片、邊緣計算服務器內的FPGA、或是可通過公共云訪問的專有AI系統（如英傳達的DGX）。

這些硬件都需要供電，不管是直流電（如電池）還是交流電（來自電網）。物理系統之間也需要通過銅線或光纖連接起來以進行數據通信。

掉電是AI面臨的最大威脅

AI似乎對人類具有前所未有的價值。然而，一旦掉電它就會崩潰，并停止工作，就像超人對氪石的反應一樣。要使AI避開掉電問題，減少系統崩潰的風險，最好的辦法就是確保持續可靠的供電。

對那些需要接近實時處理的AI應用來說，具有Per Outlet Power Sensing（檢測每個插座電力）功能的交換式PDU（配電單元）可以讓邊緣數據中心提供最大化的運行時間。在這種環境下，像交通信號控制和消防站等城市緊急響應系統所需要的AI服務器就必須選擇可靠的PDU，以確保救護車、消防車和執法部門的數字通信系統暢通。

圖1：Server Technology公司的交換式PDU。

對于這些關鍵任務，智慧城市需要智能電力設備來確保5G服務的暢通。利用可以遠程監控和管理的數據中心PDU，可監控機柜的溫度和環境條件。

對于數據中心和主機托管設施，人們將用AI處理能力更強的GPU系統取代基于CPU的服務器，在需要更大的C13和C19插座組合時，可擴展的機架式PDU就派上用場了，它支持30千瓦機架。

信息革命源于技術進步

詳細信息有助于進行決策，而最開始只需要口頭收集信息。直到1846年Royal Earl House發明了電報打印系統，信息的收集才開始需要手搖柄來提供電力。從那時起，電力和信息處理就不可分割了。

目前世界上處理能力最強的超級計算機是橡樹嶺國家實驗室的Summit，它使用了近3萬個強大的圖形處理器來運行深度學習算法，達到每秒10億次的運算速度，以幫助我們解決氣候變化問題。我們正在邁入歷史的新紀元，人工智能將給我們的生活帶來翻天覆地的變化，但我們得先為人工智能提供電力。選擇可擴展的可靠電源對順利實現AI功能至關重要。