人工智能如何助力數據中心成為可持續性的動(dòng)力

數據中心是眾多技術(shù)進(jìn)步的結晶，發(fā)展中面臨的不僅是基礎設施提供商的問(wèn)題。人工智能的快速發(fā)展凸顯了數據中心迫切需要更加敏捷和不斷創(chuàng )新的能力，為時(shí)代持續發(fā)展提供動(dòng)力。

人工智能和AI的蓬勃發(fā)展，加上云和企業(yè)工作負載的容量增大并且持續增長(cháng)，需要重新評估由運營(yíng)商和用戶(hù)合作的數據中心策略。在當今，除了接近、能力和速度之外，成功還需要必須在用戶(hù)的挑戰出現之前加以解決問(wèn)題。

這包括大規模管理可持續電力，實(shí)施支持快速、可擴展的人工智能部署的設計，并與運營(yíng)需求產(chǎn)生共鳴，同時(shí)有意識地與有利于數據中心提供商、客戶(hù)和更廣泛的社會(huì )責任的價(jià)值觀(guān)保持一致。

重新思考可擴展性：人工智能對位置動(dòng)態(tài)的影響

在為了最大限度地減少延遲而精心繪制技術(shù)格局的時(shí)代，人工智能和AI學(xué)習工作能力的集成正在協(xié)調優(yōu)先級的轉變。與對延遲敏感的工作負載不同，這些高級工作負載挑戰了通常決定最佳數據中心位置的傳統原則。

其結果是對理想場(chǎng)地的定義進(jìn)行了深刻的反思，人們對配備可再生能源接入的200-1000MW園區出現了偏好。這些園區主要由可再生能源供電。其設計靈活且可定制，能夠與用戶(hù)盡早互動(dòng)，創(chuàng )建能夠快速適應技術(shù)環(huán)境的基礎設施。這種演變強調了從過(guò)去的線(xiàn)性數據中心模型向更加動(dòng)態(tài)、可擴展和環(huán)境和諧的設施的轉變。

向更大園區的轉變不僅僅是AI/ML工作負載對延遲敏感性低的結果；這是一個(gè)經(jīng)過(guò)深思熟慮的舉措，承認這些操作中固有的非線(xiàn)性成本關(guān)系；較大的園區通?？梢詾樘峁┥桃约?/span>用戶(hù)提供更高的效率。

這一大膽的舉措挑戰了長(cháng)期以來(lái)的行業(yè)規范，提出了一個(gè)令人信服的論點(diǎn)，即優(yōu)先考慮規模而不連接，可以產(chǎn)生更高效和可持續的結果。

可持續性是一個(gè)關(guān)鍵組成部分

隨著(zhù)數據中心規模和數量的快速擴張，其對環(huán)境的影響受到重點(diǎn)關(guān)注。而認識到能源效率在數據中心運營(yíng)的持續轉型中發(fā)揮的關(guān)鍵作用，進(jìn)一步強調了對可持續性的承諾。向更大園區的轉變必須與減少環(huán)境影響的迫切要求緊密結合。對可持續性的強調不僅僅是一個(gè)流行語(yǔ)，而是一種戰略認識，即這些由可再生能源供電的數據中心是效率和環(huán)保意識齊頭并進(jìn)的未來(lái)不可或缺的一部分。

雖然有些人可能會(huì )考慮獲得電力、水和連接，但從客戶(hù)的角度來(lái)看，傳統需求將保持不變。數據中心提供商必須繼續努力創(chuàng )新，以降低電力使用效率（PUE）和水資源使用效率（WUE），從而減少對柴油發(fā)電機的依賴(lài)。僅采購100%可再生能源和購電協(xié)議(PPA)，以使用專(zhuān)用太陽(yáng)能和風(fēng)電場(chǎng)為數據中心供電，這些都是關(guān)鍵舉措。

在當代，業(yè)界也前所未有地重視數據中心能為當地社區帶來(lái)的好處。這包括努力建設與當地環(huán)境和諧的設施，減少數據中心建筑的負面景觀(guān)。

數據中心的UPS電源占機房總功耗的5%左右。而UPS自身的功率約占UPS電源的7%左右。而且數據中心機房建設的等級越高需要UPS電源的數量就越多。所以ups電源設備自身的功率損耗降低也越來(lái)越成為各廠(chǎng)家努力的目標。這也是我們金武士ups電源廠(chǎng)家努力的目標之一。

設計靈活性：適應動(dòng)態(tài)景觀(guān)

在數據中心技術(shù)的快速發(fā)展中，實(shí)現“人工智能就緒”不僅僅是技術(shù)實(shí)力，其取決于早期與那些需要人工智能就緒基礎設施的客戶(hù)接觸的必要性。

這種戰略合作不僅確保了共生關(guān)系，而且成為開(kāi)發(fā)真正靈活和定制的基礎設施的關(guān)鍵，這些基礎設施可以與快速增長(cháng)和不斷變化的技術(shù)環(huán)境無(wú)縫發(fā)展。

這種早期參與模式的本質(zhì)超越了傳統的合作。這是一種動(dòng)態(tài)且持續的對話(huà)，為所謂的“量身定制”方法奠定了基礎。與靜態(tài)解決方案不同，這種方法本質(zhì)上是響應式的，認識到客戶(hù)的需求和挑戰不是一成不變的，而是會(huì )不斷演變和完善。

挑戰標簽：超大規模園區的出現

很明顯，人工智能正在改變數據中心的需求，并且正在討論如何命名下一代數據中心——超大規模2.0、超大規模、千兆規模以及各種其他選項。

然而，“超大規?！辈粌H僅涉及物理尺寸；其還反映了所指的特定客戶(hù)?！叭菁{超大規?？蛻?hù)的超大規模園區”一詞更準確地定義了正在進(jìn)行的行業(yè)轉型。然而，無(wú)論使用什么術(shù)語(yǔ)，一個(gè)共同的挑戰都是顯而易見(jiàn)的：滿(mǎn)足這些客戶(hù)的巨大容量需求。目前歐洲超大規模設施在應對不斷增長(cháng)的人工智能市場(chǎng)方面的局限性凸顯了這一挑戰，而超大規模園區可能是答案。

邊緣計算的作用：確保連接性和延遲敏感性

除了超大型園區之外，邊緣計算的作用仍然很重要。隨著(zhù)企業(yè)采用人工智能/機器學(xué)習策略，對邊緣解決方案的需求變得更加明顯。一個(gè)完全集成的人工智能解決方案需要連接到企業(yè)系統的各個(gè)方面。雖然核心語(yǔ)言模型和推理模型可能駐留在超大規模的園區中，但大都市仍然需要邊緣解決方案，以確保全面集成。

邊緣計算對于直播等對延遲高度敏感的應用仍然很重要。此外，對于一些企業(yè)而言，邊緣數據中心解決方案對于成本效益至關(guān)重要。例如，通過(guò)本地邊緣數據中心提供的內容分發(fā)網(wǎng)絡(luò )有助于華為的無(wú)縫鴻蒙升級，從而無(wú)需在每個(gè)國家/地區建立單獨的數據中心。

未來(lái)發(fā)展

當我們應對這些變革趨勢時(shí)，有一件事變得非常清楚：數據中心格局正在經(jīng)歷一場(chǎng)深刻的變革。AI/ML工作負載的集成、可擴展性的重新定義，以及支持AI的大型園區的戰略發(fā)展共同標志著(zhù)數據中心故事的新篇章。這不僅僅是為了滿(mǎn)足需求，這是為了引導我們走向一個(gè)充滿(mǎn)活力且可持續的數據驅動(dòng)的未來(lái)。

供應商需要繼續致力于提供數據中心，以支撐不斷增長(cháng)的數據驅動(dòng)的數字經(jīng)濟，為我們每天依賴(lài)的信息和應用提供動(dòng)力。人工智能的持續增長(cháng)，為供應商提供了令人興奮的機會(huì )，可以進(jìn)一步探索設計、建設和運營(yíng)創(chuàng )新，重新定義數據中心行業(yè)的可能性，同時(shí)確保對卓越運營(yíng)和可持續性的承諾。