數(shù)據(jù)中心與AI如何擦出火花？

自從2016年AlphaGo打敗李世石之后，人工智能的能力開始逐漸被世人了解，人工智能開始真正落地。Gartner的數(shù)據(jù)顯示，到2020年，人工智能預(yù)計(jì)將減少180萬個(gè)就業(yè)機(jī)會(huì)。好消息是，它也將創(chuàng)造230萬個(gè)就業(yè)崗位。如今，AI相關(guān)專利申請量飆升，AI芯片需求也不斷增加，微軟已決定采購華為新開發(fā)的AI芯片應(yīng)用于中國的數(shù)據(jù)中心。

然而，人工智能技術(shù)的發(fā)展與落地應(yīng)用還遠(yuǎn)未成熟。對人工智能硬件而言，算力是技術(shù)實(shí)現(xiàn)的保障，這需要大量強(qiáng)有力的數(shù)據(jù)中心提供基礎(chǔ)支持。但傳統(tǒng)數(shù)據(jù)中心存在諸多痛點(diǎn)，亟需借力人工智能，開展數(shù)據(jù)中心的革命。

實(shí)際上，人工智能的發(fā)展少不了數(shù)據(jù)中心的支撐，與此同時(shí)，智能化是未來能源基礎(chǔ)設(shè)施發(fā)展的必由之路，在此過程中，人工智能也將助推數(shù)據(jù)中心朝智能化方向發(fā)展。

數(shù)據(jù)中心與AI如何擦出火花?

數(shù)據(jù)中心成千上萬臺服務(wù)器為人工智能所需的計(jì)算能力提供了物理基礎(chǔ)，人工智能也將給數(shù)據(jù)中心帶來了新的革命，其帶來的積極影響主要有三個(gè)方面。

一是便于數(shù)據(jù)中心管理和控制。未來的數(shù)據(jù)發(fā)展必將走向軟件定義，但隨著數(shù)據(jù)中心呈現(xiàn)復(fù)雜化，人工處理的精力和能力都有限。如果通過人工智能利用其學(xué)習(xí)能力，對以往管理數(shù)據(jù)進(jìn)行智能分析，就可得到可觀準(zhǔn)確的決策。

二是降低數(shù)據(jù)中心能耗。數(shù)據(jù)中心是能耗大戶，巨額的電能費(fèi)用已經(jīng)成為數(shù)據(jù)中心高速發(fā)展的瓶頸，很多互聯(lián)網(wǎng)巨頭的自建數(shù)據(jù)中心開始想盡一切辦法去降低能耗。人工智能技術(shù)就可以充分計(jì)算PUE值，再根據(jù)PUE值反推哪些因素對其影響最大，再去優(yōu)化這些部分，從而達(dá)到降低能耗的目的，提升數(shù)據(jù)中心運(yùn)行效率。

例如，谷歌使用DeepMind提供的AI技術(shù)，在機(jī)房的能耗上獲得了大幅的削減，相應(yīng)減少PUE值。具體而言，通過建立機(jī)器學(xué)習(xí)的模型，對機(jī)房的PUE指標(biāo)趨勢進(jìn)行預(yù)測，從而指導(dǎo)制冷設(shè)備的配置優(yōu)化，減少了閑置的用于制冷的電力消耗。這項(xiàng)技術(shù)能夠?yàn)楣雀铚p少15%的數(shù)據(jù)中心整體耗電量，節(jié)省下來的成本相當(dāng)可觀。

三是數(shù)據(jù)中心的數(shù)據(jù)加工。數(shù)據(jù)中心擁有海量數(shù)據(jù)，原有的計(jì)算方式效率太低。借助AI技術(shù)的智能化運(yùn)維，就可以對這些數(shù)據(jù)進(jìn)行深度分析，將數(shù)據(jù)進(jìn)行過濾、整理、組建各種模擬模型，這些加工后的數(shù)據(jù)可能會(huì)產(chǎn)生巨大的價(jià)值。如果是數(shù)據(jù)中心的運(yùn)行數(shù)據(jù)，則可以通過智能運(yùn)算，獲得提升數(shù)據(jù)中心運(yùn)維水平機(jī)會(huì);如果是數(shù)據(jù)中心的存儲數(shù)據(jù)，則可以通過只能運(yùn)算獲得行業(yè)市場狀況，進(jìn)行人員特征的分析等。

數(shù)據(jù)中心運(yùn)維日趨智能化

人工智能為數(shù)據(jù)中心提供了全新的機(jī)遇：未來可以建設(shè)智能化的數(shù)據(jù)中心，用來替代簡單重復(fù)勞動(dòng)，在大量數(shù)據(jù)中提取規(guī)律性信息，大量方案中優(yōu)選最佳方案，復(fù)合數(shù)據(jù)環(huán)境下選擇最優(yōu)模式。

具體到智能運(yùn)維領(lǐng)域，目前依靠已有的日志進(jìn)行模式識別，可以實(shí)現(xiàn)實(shí)時(shí)監(jiān)控，潛在故障告警，實(shí)時(shí)故障定位，重點(diǎn)區(qū)域問題監(jiān)控，還可實(shí)現(xiàn)解決方案智能化推薦;在節(jié)能降耗方面，可實(shí)現(xiàn)整個(gè)基礎(chǔ)設(shè)施的智能化管理，提高可靠性，降低IT能耗，減少制冷消耗，從而節(jié)省電力。

然而，人工智能亦對數(shù)據(jù)中心帶來了不小的挑戰(zhàn)。據(jù)信通院研究數(shù)據(jù)顯示，在供電方面，AI使得數(shù)據(jù)中心功率密度從5kW提升到21kW及以上，給供配電基礎(chǔ)設(shè)施帶來挑戰(zhàn);在制冷方面，AI帶來的高功率帶來高散熱，風(fēng)冷向液冷轉(zhuǎn)變;在邊緣計(jì)算方面，AI使得網(wǎng)絡(luò)限制數(shù)據(jù)需要端側(cè)處理，要建設(shè)好邊緣數(shù)據(jù)中心。

智能微模塊3.0將成智能化里程碑

目前，行業(yè)內(nèi)已有不少智能化數(shù)據(jù)中心解決方案問世。以華為公司為例，2018年6月CEBIT2018期間，華為發(fā)布了一款名為“智能微模塊3.0”的智能化解決方案，主要圍繞(iPower，iCooling，iManager)特性，加入AI優(yōu)化運(yùn)行算法，實(shí)現(xiàn)數(shù)據(jù)中心基礎(chǔ)設(shè)施整體功能的智能化融合，使得數(shù)據(jù)中心的高效智能如虎添翼。

智能微模塊3.0將通過智能化AI算法主動(dòng)判斷運(yùn)行狀態(tài)，實(shí)現(xiàn)供電鏈路毫秒級故障檢測，秒級故障定位，毫秒級故障隔離，分鐘級故障恢復(fù)功能;突破行業(yè)困擾已久的冷媒泄漏檢測難題;提升數(shù)據(jù)中心全生命周期空間、電力、制冷及人力資源的高效利用。

其中，iPower可實(shí)現(xiàn)供電全鏈路可視及告警精確定位，并擁有基于AI技術(shù)的電池管理系統(tǒng)，配合毫秒級故障隔離，以保障供電的可靠性。iCooling，基于AI的自優(yōu)化算法，同等工況下溫控系統(tǒng)節(jié)電可達(dá)8%;溫控系統(tǒng)精確制冷，消除熱點(diǎn)隱患，提升數(shù)據(jù)中心運(yùn)行的穩(wěn)定性。同時(shí)，AI算法支持空調(diào)冷媒容量的自檢測，提高可靠性。iManager是智能微模塊3.0的大腦，讓機(jī)房運(yùn)維變得更加簡單、高效：底層設(shè)備借助先進(jìn)的IoT技術(shù)，擺脫傳統(tǒng)串口通訊速度慢的問題，同時(shí)設(shè)備高度自學(xué)習(xí)、自適應(yīng)，為整個(gè)系統(tǒng)智能化打造堅(jiān)實(shí)的基礎(chǔ);系統(tǒng)平臺通過云化改造，構(gòu)建DCIM+管理資源池，全球數(shù)據(jù)中心運(yùn)營經(jīng)驗(yàn)共享，邁出數(shù)據(jù)中心智能化、自優(yōu)化的重要一步。對于出租型數(shù)據(jù)中心，華為DCIM+通過對租戶資源使用情況進(jìn)行動(dòng)態(tài)分析，識別不同類型用戶的需求，輔助數(shù)據(jù)中心的規(guī)劃建設(shè)與擴(kuò)容。智能識別高價(jià)值客戶類型，牽引優(yōu)勢資源向高價(jià)值用戶轉(zhuǎn)移，優(yōu)化資源配置，提升出租收益。

數(shù)據(jù)中心基礎(chǔ)設(shè)施發(fā)展經(jīng)歷了散件化組合，產(chǎn)品化整合，智能化融合三個(gè)發(fā)展階段?，F(xiàn)在，華為將AI技術(shù)運(yùn)用到數(shù)據(jù)中心基礎(chǔ)設(shè)施管理中，能夠大幅提升數(shù)據(jù)中心的可靠性、能源效率以及運(yùn)維效率，最終幫助客戶降低全生命周期TCO，增加收入。