毫無疑問，人工智能（AI）如今正在滲透到各種技術的各個方面，從癌癥的早期發(fā)現(xiàn)到理解各國的人類語言，以及在實時高分辨率視頻中分辨人臉。大量消費者應用為主流需求、社會認可和人工智能的日益普及提供了動力和資金?，F(xiàn)在，人工智能思維系統(tǒng)正在快速地進入企業(yè)IT領域。

很多組織的IT團隊已經(jīng)看到人工智能成為許多任務的主流，其中包括網(wǎng)絡安全、IT運營、監(jiān)控、數(shù)據(jù)分析、業(yè)務流程自動化和基礎設施配置，以響應緩慢增長的技術勞動力和快速增長的IT工作負載之間日益擴大的差距。

然而，對于數(shù)據(jù)中心而言，它們僅代表兩種主要應用：用于數(shù)據(jù)中心的人工智能和用于人工智能的數(shù)據(jù)中心。

用于數(shù)據(jù)中心的人工智能

如今，智能產(chǎn)品已經(jīng)通過篩選大量繁雜的操作遙測數(shù)據(jù)、發(fā)現(xiàn)異常、關聯(lián)事件和確定根本原因來增強IT運營和分析。人們還看到人工智能技術添加到基礎設施配置和流程自動化中，如今幾乎每周都有新產(chǎn)品推出，并將人工智能帶入新的領域。隨著人工智能在IT運營中的成熟，它從解釋發(fā)生了什么、提出建議或識別異常的被動報告者轉變?yōu)轭A測失敗、自主調整過程的步驟以及自動部署或銷毀容量的更加主動的參與者。

但其最大的影響可能是數(shù)據(jù)中心將人工智能與數(shù)據(jù)中心信息管理（DCIM）系統(tǒng)結合起來，以提供數(shù)據(jù)中心的智能運營。2014年，谷歌公司使用DeepMind對其數(shù)據(jù)中心的風扇、通風和冷卻設備進行控制調整，將電力成本降低了40％。例如今年，谷歌公司為冷卻系統(tǒng)運營一個自我學習的算法，不是表明各種變化，而是直接自主調整控制，觀察結果，通過學習變得更加智能。對于量化結果來說還為時過早，但早期跡象看起來很有希望。

但現(xiàn)在只是才剛開始。這些智能產(chǎn)品將在機房的機架上虛擬地重新定位發(fā)熱的計算負載，以實現(xiàn)最佳溫度控制。其他DCIM供應商也在研究人工智能算法，以根據(jù)不斷變化的硬件容差、功耗／成本趨勢、瞬態(tài)工作負載來改變數(shù)據(jù)中心環(huán)境溫度。除了監(jiān)控冷卻設備之外，人工智能管理配電系統(tǒng)，其節(jié)省數(shù)據(jù)中心電力成本的潛力同樣引人注目。而如果人工智能在全球所有數(shù)據(jù)中心上擴展應用的話，其影響可能是巨大的。

展望未來，新興的智能DCIM系統(tǒng)將數(shù)據(jù)中心物聯(lián)網(wǎng)傳感器數(shù)據(jù)（如熱量、氣流、振動，超聲波、功耗、水和煙霧檢測）整合到基于人工智能的平臺中，不僅可以檢測異常的數(shù)據(jù)中心行為，還可以確定問題的根源和原因。很快，這些智能DCIM系統(tǒng)不僅會說明某些事情失敗的時間、地點和原因，而且還會在事情出錯之前預測性地提醒操作人員，并且在某些情況下，還會自動禁止。

用于人工智能的數(shù)據(jù)中心

由于人工智能幾乎改變了每個數(shù)據(jù)中心應用程序，它也在重塑軟件開發(fā)生命周期（SDLC）。傳統(tǒng)應用程序通過程序化更改演變?yōu)槠涞讓哟a庫，然后使用嚴格測試進行驗證，并以受控、可管理、可重復方式部署到生產(chǎn)過程中。但是，基于人工智能的應用程序不依賴于代碼更改或單向部署。相反，許多人在開發(fā)環(huán)境中發(fā)展更智能模型并將其部署到生產(chǎn)中，而其他人則在生產(chǎn)中進行自我訓練，在那里他們從現(xiàn)實世界數(shù)據(jù)中學習并將這些知識傳播回開發(fā)環(huán)境。這種雙向細微差別對數(shù)據(jù)中心網(wǎng)絡拓撲結構具有根本性影響。

無論是嵌入在更加傳統(tǒng)的第三方應用程序中還是內部開發(fā)的人工智能算法，在對盡可能真實且相關的大量數(shù)據(jù)進行訓練時效果最佳。因此，在許多情況下，實時生產(chǎn)數(shù)據(jù)最適合訓練，但在其他應用中，非生產(chǎn)環(huán)境中的外部數(shù)據(jù)系統(tǒng)，以及由此產(chǎn)生的智能模型被部署到生產(chǎn)中。在這兩種情況下，人工智能應用程序不只是從非生產(chǎn)部門應用到生產(chǎn)部門中，還在兩者之間應用，而要求環(huán)境之間的網(wǎng)絡分割變得更具滲透性。

人工智能訓練需要大量的計算和大量的數(shù)據(jù)，數(shù)據(jù)越多越好。為了滿足這種對計算能力的巨大需求，人工智能訓練越來越多地發(fā)生在以CPU為中心的非CPU服務器上，這些服務器基于GPU、FPGA、定制ASIC或專用的深度學習單元，可提供數(shù)量級的性能提升。不幸的是，這些計算系統(tǒng)耗電量大，功率密度高達30－50kW／機架，而且預測下一代計算系統(tǒng)的功率密度將達到驚人的100kW／機架。擁有并運營40多個數(shù)據(jù)中心的數(shù)據(jù)中心運營商Flexential公司云計算主管Jason Carolan表示，“如果沒有對諸如液體冷卻之類的冷卻遏制解決方案進行實質性的重新設計，現(xiàn)有的大多數(shù)數(shù)據(jù)中心在規(guī)模上根本無法支持這一點?！?/p>

除了電源之外，這些超級計算機的運行速度與它們接收的訓練數(shù)據(jù)一樣快。結果是對大型、廉價和閃電般快速的近線存儲的需求不斷增長，觸發(fā)了更快的控制器、協(xié)議（例如，NVMe和NVMe－oF）和存儲媒介（例如3D XPoint和3D NAND）的市場競爭。

在許多情況下，基于人工智能的應用程序需要一個非生產(chǎn)訓練環(huán)境，其計算和存儲容量比生產(chǎn)環(huán)境更高。這種情況促進新計算和存儲平臺部署到開發(fā)和訓練環(huán)境中，以及最新的網(wǎng)絡、SAN和相關的監(jiān)控和管理工具的更多改變。這些演進需要對數(shù)據(jù)中心的服務器和存儲拓撲進行徹底的轉換。

即將到來的基于人工智能的產(chǎn)品和服務將成為運營、自動化、監(jiān)控、合規(guī)、安全、開發(fā)和云集成的分水嶺，而這些都將是數(shù)據(jù)中心大量基礎性改變的基礎。那些具有遠見卓識的數(shù)據(jù)中心運營商采用支持基于人工智能的應用程序，并通過人工智能進行操作，他們可以應對即將到來的市場風暴。