[[383176]]

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

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

盡管數據中心在帶來數字革命方面發揮了關鍵作用，但并非沒有遇到問題和挑戰。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據中心。考慮到傳統數據中心面臨的諸多問題，如升級準備不足、基礎設施的挑戰、環境問題等，關閉和淘汰這些數據中心是適當的。解決這些問題的方法是利用人工智能來增強數據中心基礎設施的功能。

根據《福布斯洞察》發布的一份調查報告，在2020年初，人工智能對數據中心管理、生產力和基礎設施產生了巨大影響。同時，人工智能技術繼續提供數據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據中心將能夠更有效地處理人工智能工作負載。

眾所周知，數據中心消耗大量能源，因此訓練人工智能系統以提高數據中心能源使用效率(PUE)是一個關鍵目標。PUE是衡量數據中心效率的重要指標。，谷歌公司于2014年通過在其一個數據中心設施中部署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%。它還產生了該數據中心有史以來最低的PUE值。Deepmind分析了數據中心內的100多個不同變量，以提高運營效率并降低功耗。

數據中心也容易受到各種網絡威脅。網絡攻擊者總是在尋找從數據中心獲取數據或進行數據泄露攻擊的新方法。通過學習正常的網絡行為，并根據這種行為的偏差來檢測網絡威脅，人工智能再次證明了其能力，通過分析多個系統的事件和輸入，設計合適的事件響應系統，人工算法可以補充當前的安全事件和事件管理(SIEM)系統。

在數據中心運營中，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，這些資源無法監控或管理，很容易被浪費。通過使用智能硬件和物聯網傳感器，人工智能允許有效的數據中心基礎設施管理軟件監控數據中心，并通過自動化技術減少重復性工作。在這里，數據中心管理人員可以自動執行諸如溫度管理、設備狀態監控、樓層安全、火災隱患緩解、通風和冷卻系統管理等活動。與預測分析相結合，自動化技術也有助于數據中心的預測性維護。

此外，這種基于人工智能的預測分析可以幫助數據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據中心負載。它還將有助于優化服務器存儲系統、查找系統中可能出現的故障點、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了一個人工智能系統，可以自動學習如何在數千臺服務器上安排數據處理操作。根據觀察，在完成關鍵數據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，這種人工智能系統可以使數據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據中心的瓶頸。根據一項對200家公司進行的調查，全球的數據中心每年由于停機造成的損失超過265億美元，網絡停機每分鐘的成本約為7900美元。通過監視服務器性能、網絡擁塞和磁盤利用率，人工智能可以檢測和預測數據中斷。此外，它還可以實施緩解策略，幫助數據中心從數據中斷中恢復，從而提高客戶滿意度，并將此類中斷期間的損失降至最低。