行業專家對人工智能如何幫助解決該行業內出現的運營挑戰、數據中心行業需要克服的最大障礙，以及數據中心如何利用人工智能提高效率和保持彈性進行了探討。

[[381591]]

去年數據中心運營面臨的最大挑戰是什么?人工智能如何幫助該行業的公司克服這些挑戰?

盡管每個企業都受到了冠狀病毒疫情的影響，但隨著數字化轉型的加速，數據中心行業仍然保持著蓬勃發展的勢頭。將看到客戶需求激增，服務商提供的每項服務都在增長，因此數據中心行業目前面臨的最大挑戰是在適應工作場所限制的同時應對這種增長。

在不斷增長的市場與更緊俏的資源之間取得平衡意味著數據中心運營商正在尋求向更智能的決策轉變，并進一步擴展自動化，以保證正常運行時間和有效的功能，而這正是人工智能可以提供幫助的地方。

許多數據中心在很大程度上依賴人工操作來通知運營決策，但通過應用人工智能，希望實現更多的自動化，例如在負載轉移或冗余和彈性設備之間的智能切換。利用收集的有關設施溫度、濕度和“硬”基礎設施工作情況的數據，人工智能可以幫助我們了解如何延長設備的使用壽命，以及是否可以節省能源效率、升級和部件更換的資本支出。

人工智能是如何推動能源效率和幫助數據中心空間變得更加環保?

數據中心運營商擁有廣泛的數據管理系統，涉及數據的收集、聚合和可視化，可幫助我們分析各種因素，如客戶負載、通道溫度和每個數據大廳的濕度。人工智能獲取這些數據并根據某些觸發點執行操作。

如果客戶負載超過某個水平，可以增加或減少冷卻基礎設施，以最節能的方式提供足夠的冷卻。這比保持設備100%運行要好，以防負載上升。機器學習還可用于根據許多其他因素(例如外部環境溫度)預測這些事件，以便控制系統能夠相應地自動作出反應。

大多數數據中心控制系統已經在一定程度上使用人工智能來有效地控制和提高能源效率。例如，不間斷電源可以根據系統負載自動從一種效率模式切換到另一種效率模式。AI/控制系統將關閉冗余模塊，并在適當的情況下將其置于休眠狀態，確保系統在任何給定的時間內以接近實際負載的最佳效率運行。

這些控制系統每年都在進步，但制造商們越來越期望能夠開發出高效的系統，我們可以在這些系統的基礎上建立一個自動化水平，幫助我們實現最大的效率收益。

數據中心網絡流量監控如何利用人工智能保持抵御網絡威脅的彈性?

網絡管理人工智能和網絡安全的發展使我們能夠檢測到正常流量模式之外的異常活動。在典型的辦公環境中，如果公司設備在凌晨3點登錄并開始從業務中獲取千兆字節的數據，這將被標記為非典型行為。人工智能可以快速分析這一漏洞，并通過禁用該設備的網絡訪問來阻止可能的數據丟失。

這種數據傳輸也可能發生在工作日的中間，但它可能來自一種通常不會傳輸大量數據的設備，例如一臺專門用于演示的筆記本電腦。人工智能已經了解了該設備的典型行為模式，并將在出現不符合其典型使用模式的數據流入或流出時進行標記。

在數據中心中也沒什么不同。每臺服務器都有自己的典型操作模式，這些模式可以被網絡安全系統監控，任何異常活動都可以被標記。通過與其他系統的接口，可以比簡單的網絡監控更進一步。例如，檢測某人進入安全服務器大廳后服務器行為是否發生變化，這可能表示服務器已被篡改。從網絡安全的角度來看，人工智能實現的可能性幾乎是無限的，這是一個顯著的增長領域。

人工智能可以通過哪些方式幫助數據中心運營商平衡工作負載，以盡可能降低電力成本?

很多組織降低運營數據中心的電力成本，以及有效利用能源。數據中心的負荷逐年增加，這意味著電費逐年上升。世界的數字化意味著這種情況短期內不會改變。

數據中心的設計很大程度上是圍繞著優化人們認為IT負載將在長期內解決的問題。人們需要的負荷水平，使基礎設施運行效率盡可能為一個給定的單位的有用輸出。如果用戶沒有使用合同規定的電源，可能不得不以10%的容量運行制冷機等設備，這意味著它們的運行效率將非常低，因此，雖然保持電力成本較低，但這實際上阻止了最大限度地提高能源效率。組織使用數據收集和人工智能來確定哪里的負荷與已安裝的基礎設施不匹配，并調整關鍵設備的輸出。

這些數據也會反饋到未來的建筑設計中。組織有責任設計控制系統，能夠在整個建筑壽命期間(包括早期低負荷階段)提高能源效率。人工智能可以非常有效地用于控制系統，以幫助用戶平衡成本和效率，這是隨著時間的推移而改善。