如今，大多數圍繞人工智能（AI）的討論都集中在自動駕駛汽車、聊天機器人、數字孿生技術、機器人技術，以及使用基于人工智能的智能系統從大型數據集中提取商業洞察力。但是人工智能和機器學習將會在企業數據中心的服務器中扮演重要角色。

人工智能在提高數據中心效率以及擴展業務方面的潛力可分為四個主要類別：

電源管理：基于人工智能的電源管理可幫助優化加熱和冷卻系統，從而降低電費，減少工作人員并提高效率。該領域的代表性供應商包括施耐德電氣、西門子、Vertiv和伊頓公司。

設備管理：人工智能系統可以監視服務器、存儲設備和網絡設備的運行狀況，檢查以確保人工智能系統配置正確，并預測設備何時將發生故障。調研機構Gartner公司表示，AIOps IT基礎設施管理（ITIM）類別的供應商包括OpsRamp、Datadog、Virtana、ScienceLogic和Zenoss。

工作負載管理：人工智能系統可以自動將工作負載實時移動到更高效的基礎設施上，包括在數據中心以及在混合云環境中，在內部部署、云計算和邊緣計算環境之間。越來越多的中小型企業提供基于人工智能的工作負載優化服務，其中包括Redwood、Tidal Automation和Ignio。像思科、IBM和VMware這樣的主要廠商也提供這樣的產品。

安全性：人工智能工具可以了解正常網絡流量的情況，發現異常情況，區分需要安全從業者注意的警報的優先級，幫助進行事故后分析，并為有關企業安全漏洞的防御措施提供建議。提供這一功能的供應商包括VectraAI、Darktrace、ExtraHop和Cisco。

綜上所述，人工智能可以幫助企業創建高度自動化、安全、自我修復的數據中心，這些數據中心幾乎不需要人工干預，并且能夠以更高的效率和彈性運行。

戴爾技術公司全球首席技術官辦公室的杰出工程師Said Tabet解釋說：“人工智能自動化技術可以擴展到超出人類能力的水平來解釋數據，收集優化能源使用、分配工作負載和最大化效率所需的必要見解，以實現更高的數據中心資產利用率。”

就像自動駕駛汽車的承諾一樣，自驅動數據中心至今還沒有出現。在數據中心應用的人工智能的突破有很多技術、運營和人員方面的障礙。如今，雖然采用的人工智能技術剛剛起步，但潛在的好處將使一些企業不斷尋找機會采取行動。

電源管理充分利用服務器工作負載管理

據估計，數據中心消耗了全球3%的電力，并造成了約2%的溫室氣體排放。因此，無論是為了節省成本，還是為了節能環保，很多企業都在認真研究數據中心的電源管理。

調研機構451 Research公司高級分析師Daniel Bizo表示，基于人工智能的系統可以幫助數據中心運營人員了解當前或潛在的冷卻問題，例如由于高功率密度機柜阻礙了氣流而導致的冷空氣輸送不足、精密空調單元性能不佳，或冷熱通道之間的冷空氣輸送不足。

Bizo說，人工智能系統可以通過將精密空調系統數據與環境感知讀數相關聯來學習設施。

IT咨詢和顧問機構StorageIO公司的創始人Greg Schulz補充說，“電源管理是一個很容易實現的成果。這意味著使電源設備更智能地工作。”

企業還要有一個容量規劃的角度。除了尋找熱點和冷點之外，人工智能系統還可以確保數據中心為適當數量的物理服務器供電，并且在電力需求臨時激增的情況下，還有能力啟動和關閉新的物理服務器。

Schulz補充說，電源管理工具正在開發與管理設備和工作負載的系統的連接。例如，如果傳感器檢測到服務器運行溫度過高，則人工智能系統可能會快速自動將工作負載轉移到未充分利用的服務器上，以避免可能影響關鍵任務應用程序的潛在中斷。然后，人工智能系統可以調查服務器過熱的原因，可能是風扇故障（HVAC問題）、物理組件即將崩潰（設備問題），或者服務器剛剛過載（工作負載問題）。

人工智能驅動的健康監控、配置管理監督

數據中心有很多需要定期維護的物理設備。人工智能系統可以幫助數據中心的定期維護，并收集和分析遙測數據，從而確定需要立即關注的特定區域。Schulz說，“人工智能工具可以探查所有這些數據和異常點。監視數據中心運行狀況始于檢查設備配置是否正確以及是否達到預期效果。由于大型數據中心可以有上千個IT機柜和數萬個組件，這些工作是勞動密集型的，因此并不總是能夠及時徹底地執行。”

他指出，基于大量傳感數據日志的預測性設備故障建模可以發現即將出現的組件或設備故障，并評估其是否需要立即維護，以避免任何可能導致服務中斷的容量損失。

瞻博網絡公司企業和云計算營銷副總裁Michael Bushong認為，企業數據中心運營商應忽略一些與人工智能相關的過度宣傳和炒作。

Bushong說，“也許有一天，人工智能系統可能會告訴工作人員哪里出現問題并加以解決。”

依賴關系映射在人工智能可能有用的領域中也很重要。如果數據中心管理人員正在對防火墻或其他設備進行策略更改，那么意外的后果是什么？Bushong說：“如果我提議進行更改，可能存在的變化非常有用。”

保持設備平穩安全運行的另一個重要方面是控制所謂的配置漂移，這是一個數據中心術語，指的是臨時配置的變化隨著時間推移會導致產生問題。Bushong說，人工智能可以作為額外的安全檢查，識別即將發生的基于配置的數據中心問題。

人工智能與安全

Bizo認為，人工智能和機器學習可以通過對事件進行快速分類和聚類來簡化事件處理（事件響應），從而識別出重要事件并將其分離開來。更快的根本原因分析有助于運營人員做出明智的決定并采取行動。

Schulz補充說，人工智能在實時入侵檢測中特別有用。基于人工智能的系統可以檢測、阻止和隔離威脅，然后可以進行法醫調查，以確定到底發生了什么問題。

在安全操作中心（SOC）工作的安全專業人員經常會收到過多的警報，但基于人工智能的系統可以掃描大量的遙測數據和日志信息，從而清除日常任務，從而使安全專家能夠騰出時間來處理更深層次的調查。

基于人工智能的工作負載優化

在應用程序層，無論是在內部部署還是在云平臺中，人工智能都有可能自動將工作負載移動到適當的著陸點。Bizo說：“人工智能和機器學習將來應該根據有關性能、成本、治理、安全性、風險和可持續性的眾多規范，對將工作負載放置在何處做出實時決策。”

例如，可以將工作負載自動轉移到節能的服務器上，同時確保服務器以最高效率（利用率為70%～80%）運行。人工智能系統可以將性能數據整合到其中，因此對時間敏感的應用程序可以在高效的服務器上運行，同時確保不需要快速執行的應用程序不會消耗過多的能量。

基于人工智能的工作負載優化引起了麻省理工學院研究人員的注意，他們去年宣布開發了一個人工智能系統，可以自動學習如何在數千臺服務器上調度數據處理操作。

但是，正如Bushong指出的那樣，現實情況是，當今的工作負載優化是像Amazon、谷歌和Azure這樣的超大規模企業的重中之重，而不是企業數據中心。這有很多原因。

實施人工智能的挑戰

優化和自動化數據中心是正在進行的數字化轉型計劃不可或缺的一部分。戴爾公司的Tabet補充說：“由于發生疫情，許多組織正在尋求進一步的自動化，推動人工智能驅動并能夠自我修復的‘數字數據中心’的構想。”

谷歌公司在2018年宣布，已將其幾個超大規模數據中心的冷卻系統控制權轉為人工智能程序，該公司報告稱，人工智能算法提供的建議使能源使用量減少了40%。

但是對于很多企業來說，在數據中心中采用人工智能技術非常有抱負。Bizo說，“一些人工智能和機器學習功能可用于事件處理、基礎設施運行狀況和冷卻優化。但是，要想實現人工智能和機器學習模型超越當今標準數據中心基礎設施管理（DCIM）所能實現的更多突破，這需要多年的時間。”

Tabet說，“一些障礙是需要雇用或培訓合適的工作人員來管理系統。另一個需要注意的問題是數據標準和相關架構的需要。AIOps平臺的成熟度、IT技能和運營成熟度是主要障礙。高級部署面臨的其他新挑戰包括數據質量以及IT基礎設施和運營團隊中缺乏數據科學技能”。

Bushong補充說，最大的障礙始終是工作人員。他指出，聘用數據科學家對許多企業來說都是一個挑戰，而培訓現有員工也是一個難題。長期以來，很多員工一直在抵制讓他們無法掌控的技術。他指出，軟件定義網絡（SDN）技術已經存在10年的時間，但是超過75%的IT運營仍然是命令行界面（CLI）驅動的。

Bushong說：““很多人相信，各種基礎設施的運營商都準備將控制權交給人工智能。”

而這就是Bushong建議企業應該向著人工智能方向邁進的原因。