作者 | Peter Judge

編譯 | CDA數據分析師

我們對人工智能（AI）理解和解決問題的能力幾乎是神秘的信念。它被應用于我們日常生活的許多領域，因此，實現這一目標的硬件開始填充我們的數據中心。

數據中心本身就存在一系列復雜問題，包括優化和預測。那么，如何使用這種奇跡技術來改善我們的設施呢？

向內轉動AI

機器學習，尤其是深度學習，可以檢查大量數據，并在其中找到不依賴于人類用于理解和預測數據的模型的模式。它還可以預測將來會重復出現的模式。

數據中心已經配備齊全，傳感器可提供大量有關IT性能和環境因素的實時和歷史數據。2016年，谷歌在將AI應用于該數據時成為頭條新聞，以提高效率。

谷歌使用其擁有的人工智能技術DeepMind來優化其數據中心的散熱。2014年，該公司宣布數據中心工程師Jim Gao正在使用AI技術實施推薦引擎。

2016年，該項目利用一套神經網絡優化了谷歌新加坡工廠的冷卻，該網絡學習如何預測未來的溫度并提供主動響應的建議，

根據DeepMind的研究工程師Richard Evans的說法，該結果使該網站的冷卻費減少了40％，而PUE（功率利用效率）減少了15％。2016年，他承諾：“由于算法是理解復雜動態的通用框架，因此我們計劃將其應用于數據中心環境中的其他挑戰?！?/span>

2018年宣布的下一步是向自動駕駛數據中心冷卻系統靠攏，人工智能在人工監督下調整數據中心的運行設置。為了確保系統安全運行，團隊限制了其運行，因此自動系統“僅”節省了30％的冷卻費用。

AI補充

該系統每五分鐘拍攝數千個傳感器的數據中心冷卻系統快照，并將其輸入云中的AI系統。這預測了潛在行動將如何影響未來的能源消耗，并選擇最佳選擇。將其發送到數據中心，由本地控制系統驗證，然后實施。

項目團隊報告說，該系統已開始產生意外的優化。谷歌數據中心運營商Dan Fuenffinger曾與該系統一起廣泛合作，他說：“看到AI學會利用冬季條件生產比普通水更冷的水，這令人驚訝，這降低了冷卻所需的能量。數據中心。隨著時間的推移，規則并沒有變得更好，但AI確實如此?！?/span>

高智晟表示，這里的重大勝利證明了該系統安全有效地運作。決策受到安全規則的審查，人工操作員可以隨時接管。 在這個階段，谷歌的AI優化有一個客戶：谷歌本身。但這個想法得到了學術界的強烈支持。

穩定很重要

人類和簡單的基于規則的系統可以響應任何穩態情況，但是當環境發生變化時，它們會以“波濤洶涌”的方式作出反應 - 人工智能可以做得更好，因為它可以預測變化，根據DCD主題演講演講人Suvojit Ghosh，他是安大略省麥克馬斯特大學計算基礎設施研究中心（CIRC）的負責人。

“我們知道運行服務器太熱了很糟糕?！盙hosh說?！暗绻阌袦囟炔▌?，情況顯然會更糟?！焙唵蔚囊巹t使數據中心迅速達到最佳穩態位置，但在此過程中，它們會使溫度突然發生階段性變化，結果發現這會浪費很多能源。如果條件經常變化，那么這些能量損失可以抵消收益。

“如果你的環境溫度從70華氏度到80華氏度（21-27攝氏度），然后倒退，真的很疼，”戈什說。

數據中心服務公司正在做出回應。數據中心基礎設施管理（DCIM）公司已經增加了智能，而那些已經在進行預測分析的公司已經增加了機器學習。

“目前的機器學習方面處于平臺的初始數據處理階段，傳感器和儀表的原始數據在被送入預測建模引擎之前被標準化，清理，驗證和標記，”Zahl Limbuwala說，他是聯合創始人。 Romonet，一家分析公司，現在由房地產公司CBRE擁有。

電力和冷卻方面的智能行動有不同的名稱。在中國，華為的電力，冷卻和DCIM智能化的目標在于iPower，iCooling和iManager的代號。

與谷歌和其他公司一樣，華為從簡單的實際步驟開始，例如使用模式匹配來控制溫度并發現制冷劑泄漏的證據。在電力系統中，它致力于使用AI識別和隔離故障。

根據高級營銷經理鄒曉騰的說法，在擁有1,540個機架的廊坊數據中心，華為大幅降低了使用iCooling的PUE。該設施的運行速度約為每機架6kW，IT負載率為43％。

DCIM供應商Nlyte在2018年簽署了將其工具與世界上最知名的AI項目之一IBM的Watson集成后，將其顏色牢牢地固定在DCIM桅桿上。

Nlyte首席執行官Doug Sabella在當年在DCD>紐約啟動合作伙伴關系時預測，人工智能增強DCIM將帶來偉大的事情：“簡單的事情就是預防性維護，”他告訴DCD?！暗?，除了預測性事物之外，您還真正進入工作負載并管理工作負載。在應用程序性能管理方面考慮一下：今天，您可以根據有限的數據集選擇要放置工作負載的位置。我把它放在公共云中還是私有云中？有助于確定位置和基礎架構的屬性是什么？

“有一整套關鍵信息未包含在該決定中，但從AI的角度來看，您可以為此做出貢獻，以實際減少工作量并優化工作負載并降低工作負載失敗的風險。我們看到并且我們的合作伙伴看到了一整套人工智能游戲，我們正在努力解決這個問題，這將產生重大影響?！?/span>

IBM Watson IoT的北美市場營銷負責人Amy Benett看到了另一個實用的方面：“看哪，數據中心團隊的新成員，一個永遠不會從休息室度假或午餐的人?！?/span>

DCD了解合作伙伴關系仍在繼續。Watson品牌在一些報道中表現得有些黯然失色，因為它沒有像醫療保健等更苛刻的領域那樣提供承諾。這個早期品牌領導者可能已被超賣，但如果是這樣，數據中心可能成為恢復其良好聲譽的舞臺。數據中心的重要系統比人體簡單得多。

Suvojit Ghosh博士- DCD

下一階段

Ghosh說，現在是人工智能解決更大問題的時候了，這與Sabella的觀點相呼應。在最初的打嗝之后，提高功率和冷卻效率的努力最終將達到收益遞減的程度。此時，AI可以開始自己移動IT負載：

“使用計算歷史記錄的成本進行智能負載平衡或容器編排，可以降低特定應用程序的能源成本，”Ghosh告訴他的DCD受眾。這可能會節省一半的IT能源成本，“只需通過重新調整工作[使用AI] - 而且這并沒有考慮到關閉空閑服務器或任何類似的瘋狂事件?！?/span>

除此之外，Ghosh正在研究數據中心聲音的AI分析?！坝薪涷灥娜丝梢愿嬖V你一些事情是錯的，因為這聽起來很有趣，”他說。中國保監會一直在創建數據中心的完整配置文件，并將其與功耗相關聯。

華為也這樣做：“如果變壓器出現問題，噪聲模式會發生變化，”鄒曉騰說?！巴ㄟ^學習變壓器的噪聲模式，我們可以使用聲學技術來監控變壓器的狀態?！?/span>

Ghosh說，這種方法允許人工智能超越專業的人類知識，并選擇“人類認知永遠無法理解的東西”。

“在接下來的10年里，我們將能夠在失敗發生前預測失敗，”Ghosh說?！拔业囊粋€夢想是創建一種能夠完全消除預防性維護需求的算法?！?/span>

他告訴DCD，華為的小騰也認為不太明顯的好處是：人工智能可以將資源利用率提高20％左右，同時減少人為錯誤。 小騰看到人工智能從零級，一個完全手動的數據中心爬上梯子?！霸诘谝患?，基本功能是使用傳感器可視化數據中心的內容，在第二級，我們有一些幫助，部分無人值守操作，”數據中心將向工程師報告條件，工程師將做出適當的響應。

他說，在第三級，數據中心開始提供自己的根本原因分析和虛擬幫助來解決問題。華為已經到了這個階段，他說：“在未來，我相信我們可以使用AI來預測是否存在任何問題，并使用AI來自我恢復數據中心?！?/span>

他預測，在這個階段，DCIM系統甚至可以從專用的AI處理器中受益。華為已經在嘗試使用其Ascend系列AI處理器與云端和邊緣的DCIM合作。

目前，與這些想法相比，大多數用戶仍然處于早期階段，但有些用戶顯然贊同這種樂觀態度：“今天我們使用[AI]來監控設定點，”富國銀行任務關鍵設施現場經理Eric Fussenegger表示，在2019年在DCD>紐約發表演講，增加了DCIM并“增強了單一的玻璃窗格”。

Fussenegger說，人工智能可以在未來進一步發揮作用?！澳踔吝€不干，可能它還沒有打到紙上?！彼f，但智能設備可以在數據中心的日常實際維護和操作中發揮作用。

有一天，機器人可以為我們接管“清潔或貨架設備，所以我不必擔心人員處于冷熱通道區域。有些雜貨店正在使用人工智能掃除?！?/span>

然而，即使這些極端觀點也會受到限制。Fussenegger說：“我認為我們總是需要那里的人作為替補?！?/span>