[[383176]]

如今，人工智能(AI)在捕獲、處理和分析數(shù)據(jù)方面發(fā)揮著關鍵作用，其速度比以往任何時候都要快。采用人工智能技術整合數(shù)據(jù)和管理數(shù)據(jù)中心也將變得更加高效和有用。

隨著數(shù)據(jù)成為支撐幾乎所有組織運營業(yè)務以獲得洞察力和業(yè)務成果的先決條件，數(shù)據(jù)中心成為這一數(shù)字化轉型的關鍵。這些容納計算機和設備的物理設施為現(xiàn)代經濟的信息需求提供動力。數(shù)據(jù)中心提供無縫的數(shù)據(jù)備份和恢復設施，同時支持云存儲應用程序和事務。除了促進經濟發(fā)展之外，數(shù)據(jù)中心生態(tài)系統(tǒng)還吸引了更多科技公司的進入。此外，建設和運營數(shù)據(jù)中心可以確保當?shù)厣鐓^(qū)具有良好的投資環(huán)境和就業(yè)機會。

盡管數(shù)據(jù)中心在帶來數(shù)字革命方面發(fā)揮了關鍵作用，但并非沒有遇到問題和挑戰(zhàn)。調研機構Gartner公司分析師Dave Cappuccio表示，到2025年，全球80%的組織將關閉其內部部署數(shù)據(jù)中心?？紤]到傳統(tǒng)數(shù)據(jù)中心面臨的諸多問題，如升級準備不足、基礎設施的挑戰(zhàn)、環(huán)境問題等，關閉和淘汰這些數(shù)據(jù)中心是適當?shù)?。解決這些問題的方法是利用人工智能來增強數(shù)據(jù)中心基礎設施的功能。

根據(jù)《福布斯洞察》發(fā)布的一份調查報告，在2020年初，人工智能對數(shù)據(jù)中心管理、生產力和基礎設施產生了巨大影響。同時，人工智能技術繼續(xù)提供數(shù)據(jù)中心的潛在解決方案，以改善長期運營。作為回報，由人工智能加速計算能力支持的數(shù)據(jù)中心將能夠更有效地處理人工智能工作負載。

眾所周知，數(shù)據(jù)中心消耗大量能源，因此訓練人工智能系統(tǒng)以提高數(shù)據(jù)中心能源使用效率(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。，谷歌公司于2014年通過在其一個數(shù)據(jù)中心設施中部署Deepmind AI，將其制冷設施的用電量減少了40%，這相當于在考慮了電力損耗和其他非冷卻設施的損耗之后， PUE整體成本減少15%。它還產生了該數(shù)據(jù)中心有史以來最低的PUE值。Deepmind分析了數(shù)據(jù)中心內的100多個不同變量，以提高運營效率并降低功耗。

數(shù)據(jù)中心也容易受到各種網(wǎng)絡威脅。網(wǎng)絡攻擊者總是在尋找從數(shù)據(jù)中心獲取數(shù)據(jù)或進行數(shù)據(jù)泄露攻擊的新方法。通過學習正常的網(wǎng)絡行為，并根據(jù)這種行為的偏差來檢測網(wǎng)絡威脅，人工智能再次證明了其能力，通過分析多個系統(tǒng)的事件和輸入，設計合適的事件響應系統(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)中心運營中，經常部署或從機架上移除IT設備，這會帶來大量零碎的資源，這些資源無法監(jiān)控或管理，很容易被浪費。通過使用智能硬件和物聯(lián)網(wǎng)傳感器，人工智能允許有效的數(shù)據(jù)中心基礎設施管理軟件監(jiān)控數(shù)據(jù)中心，并通過自動化技術減少重復性工作。在這里，數(shù)據(jù)中心管理人員可以自動執(zhí)行諸如溫度管理、設備狀態(tài)監(jiān)控、樓層安全、火災隱患緩解、通風和冷卻系統(tǒng)管理等活動。與預測分析相結合，自動化技術也有助于數(shù)據(jù)中心的預測性維護。

此外，這種基于人工智能的預測分析可以幫助數(shù)據(jù)中心將工作負載分布到組織的許多服務器上。因此，可以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)中可能出現(xiàn)的故障點、縮短處理時間，并更快地降低風險。

麻省理工學院的研究人員最近開發(fā)了一個人工智能系統(tǒng)，可以自動學習如何在數(shù)千臺服務器上安排數(shù)據(jù)處理操作。根據(jù)觀察，在完成關鍵數(shù)據(jù)中心任務的高流量期間，處理速度是原來的兩倍。研究人員指出，這種人工智能系統(tǒng)可以使數(shù)據(jù)中心以更快的速度處理相同的工作負載，并使用更少的資源。

此外，通過深度學習(DL)應用程序，人工智能可以提前預測故障和停機。例如HPE公司的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。根據(jù)一項對200家公司進行的調查，全球的數(shù)據(jù)中心每年由于停機造成的損失超過265億美元，網(wǎng)絡停機每分鐘的成本約為7900美元。通過監(jiān)視服務器性能、網(wǎng)絡擁塞和磁盤利用率，人工智能可以檢測和預測數(shù)據(jù)中斷。此外，它還可以實施緩解策略，幫助數(shù)據(jù)中心從數(shù)據(jù)中斷中恢復，從而提高客戶滿意度，并將此類中斷期間的損失降至最低。