[[382637]]

 隨著數(shù)據(jù)中心成為一國經(jīng)濟的推動力，采用人工智能可以帶來更高的收益

如今，人工智能(AI)在捕獲，處理和分析數(shù)據(jù)方面起著舉足輕重的作用!合并數(shù)據(jù)元素和管理數(shù)據(jù)中心也變得越來越高效和有用。

隨著數(shù)據(jù)成為維持幾乎所有業(yè)務運營以獲取洞察力和業(yè)務成果的先決條件，數(shù)據(jù)中心正處于這種數(shù)字化轉型的關鍵。這些容納計算機和設備的物理設施滿足了現(xiàn)代經(jīng)濟的信息需求。數(shù)據(jù)中心提供無縫的數(shù)據(jù)備份和恢復功能，同時支持云存儲應用程序和事務。除了促進經(jīng)濟發(fā)展之外，數(shù)據(jù)中心生態(tài)系統(tǒng)還吸引了許多國際高科技公司參與。此外，數(shù)據(jù)中心的存在確保了當?shù)厣鐓^(qū)的絕佳投資環(huán)境和就業(yè)機會。

盡管他們在帶來數(shù)字革命方面發(fā)揮了關鍵作用，但他們并非沒有問題。據(jù)Gartner分析師DaveCappuccio稱，到2025年，將有80%的企業(yè)關閉其傳統(tǒng)數(shù)據(jù)中心?？紤]到傳統(tǒng)數(shù)據(jù)中心面臨的許多問題，如升級準備不足，基礎設施挑戰(zhàn)，環(huán)境問題等，這些數(shù)據(jù)是合適的。對此的解決方案是利用人工智能來增強數(shù)據(jù)中心的功能和基礎架構。

根據(jù)《福布斯見解》(ForbesInsights)報告，到2020年初，人工智能有望對數(shù)據(jù)中心管理，生產(chǎn)力和基礎架構產(chǎn)生巨大影響。同時，其技術繼續(xù)為數(shù)據(jù)中心提供潛在的解決方案，以長期改善運營。作為回報，通過AI的加速計算功能實現(xiàn)的數(shù)據(jù)中心將能夠更有效地處理AI工作負載。

數(shù)據(jù)中心消耗大量能源，因此培訓人工智能網(wǎng)絡以提高電源使用效率(PUE)是一個關鍵目標。PUE是衡量數(shù)據(jù)中心效率的重要指標。2014年，通過在其中一家工廠部署DeepMindAI，谷歌能夠持續(xù)減少40%的冷卻能耗，這相當于在計入電力損耗和其他非冷卻低效因素后，總體PUE開銷減少了15%。它還產(chǎn)生了該網(wǎng)站有史以來最低的PUE。DeepMind分析數(shù)據(jù)中心內的100多個不同變量，以提高效率并降低功耗。

數(shù)據(jù)中心也容易受到各種網(wǎng)絡威脅的影響。網(wǎng)絡犯罪分子一直在尋找從數(shù)據(jù)中心獲取數(shù)據(jù)或發(fā)起下一次數(shù)據(jù)泄露攻擊的新方法。通過學習正常的網(wǎng)絡行為并基于與該行為的偏差來檢測網(wǎng)絡威脅，人工智能再次證明是機智的!通過分析來自多個系統(tǒng)的事件和輸入，并設計適當?shù)氖录憫到y(tǒng)，人工算法可以補充當前的安全事件和事件管理(SIEM)系統(tǒng)。

在數(shù)據(jù)中心中，IT設備通常被部署在架子上或從架子上拆除，這帶來了很多分散的資源，例如U空間，這些資源無法監(jiān)控或管理，并且很容易浪費。通過使用智能硬件和IoT傳感器，人工智能可以實現(xiàn)有效的數(shù)據(jù)中心基礎架構管理，從而密切關注數(shù)據(jù)中心并通過自動化減少重復工作。在這里，數(shù)據(jù)中心經(jīng)理可以自動化諸如溫度管理，設備狀態(tài)監(jiān)控，地板安全，減輕火災隱患，通風和冷卻系統(tǒng)管理之類的活動。結合預測分析，自動化還有助于數(shù)據(jù)中心的預測維護。

此外，這種基于AI的預測分析可以幫助數(shù)據(jù)中心在公司中的許多服務器之間分配工作負載。因此，可以更輕松地更有效地預測和管理數(shù)據(jù)中心負載。它還將有助于優(yōu)化服務器存儲系統(tǒng)，查找系統(tǒng)中可能的故障點，縮短處理時間并更快地降低風險因素。

最近，麻省理工學院的研究人員開發(fā)了一種AI系統(tǒng)，該系統(tǒng)可以自動學習如何在數(shù)千臺服務器之間調度數(shù)據(jù)處理操作。在完成關鍵數(shù)據(jù)中心任務時，觀察到該系統(tǒng)的速度提高了約20%至30%，而在高流量期間則提高了兩倍。研究人員斷言，這種人工智能系統(tǒng)可以使數(shù)據(jù)中心使用更少的資源，以更高的速度處理相同的工作負載。

此外，通過深度學習(DL)應用程序，AI可以提前預測故障和中斷。例如。HPE人工智能預測引擎有助于識別和解決數(shù)據(jù)中心的瓶頸。一項對200家公司的調查強調，停機造成的損失超過265億美元，網(wǎng)絡中斷的每分鐘成本約為7,900美元。通過監(jiān)視服務器性能，網(wǎng)絡擁塞和磁盤利用率，AI可以檢測和預測數(shù)據(jù)中斷。此外，它可以實施緩解策略，以幫助數(shù)據(jù)中心從數(shù)據(jù)中斷中恢復，從而在中斷期間提高客戶滿意度并減少損失。