如今，人工智能遍布數(shù)據(jù)中心——幫助管理和保護網(wǎng)絡、過濾警報和移動工作負載。然而，在將人工智能應用于運營技術問題上，而不是應用于IT方面，該行業(yè)一直進展緩慢。具體來說，在冷卻領域，有時負責多達三分之一的服務器群的總功耗。

你可能聽說過谷歌使用DeepMind開發(fā)的基于深度學習的推薦引擎，以“持續(xù)”減少其數(shù)據(jù)中心40%的冷卻能耗。2018年，該公司又進了一步，允許算法在人類監(jiān)督下自動做出調(diào)整。

鑒于該行業(yè)對排放的擔憂，以及對人工智能的熱情，人們可能希望這一發(fā)展到目前為止會得到更廣泛的應用。

緩慢的開始

不幸的是，這類系統(tǒng)的創(chuàng)建需要數(shù)據(jù)中心的深厚技術專長和尖端的機器學習研究相結(jié)合;我們必須記住，DeepMind是一家預算看似無限、沒有商業(yè)產(chǎn)品的“登月工廠”。

由于數(shù)據(jù)中心代表著谷歌的核心業(yè)務，該公司不太可能與業(yè)界分享它的發(fā)展成果。將機器學習引入空白區(qū)管理是現(xiàn)有數(shù)據(jù)中心軟件供應商的責任。

由于人們普遍不信任人工智能技術，這個過程一直很緩慢，但在過去兩年中，谷歌內(nèi)外都出現(xiàn)了一些有前景的案例研究。數(shù)據(jù)中心運營商報告稱，人工智能確實減少了他們用于冷卻的能源，減少了他們的能源賬單和碳足跡。

冷卻設備的實時控制為機器學習模型提出了一個合適的問題，因為機器學習模型在決策中可能會考慮比人類團隊多得多的數(shù)據(jù)，并且可以產(chǎn)生看起來非傳統(tǒng)甚至反直覺的解決方案。有大量的數(shù)據(jù)可以提供給這些模型:與其他一些工業(yè)環(huán)境不同，數(shù)據(jù)中心已經(jīng)塞滿了傳感器，可以很容易地添加更多。

2020年底，德國工業(yè)巨頭西門子(Siemens)發(fā)布了一份白皮書，強調(diào)了基于人工智能的降溫技術的一些好處。該公司表示，隨著IT負荷的變化，機器學習使冷卻系統(tǒng)能夠?qū)崟r調(diào)整其輸出，使設備冷卻需求與冷卻輸出相匹配。

這是一個有價值的目標，因為它通過避免數(shù)據(jù)中心普遍存在的過度冷卻問題直接減少了能源使用。這個行業(yè)喜歡過于謹慎。

用于冷卻的人工智能還可以最大限度地減少對工作人員監(jiān)督和現(xiàn)場人員的需要，允許員工被分配到其他關鍵任務，并減少需要訪問的人數(shù)，這在流行病期間，在現(xiàn)場訪問受到限制時非常重要。

西門子自己的人工智能冷卻方法結(jié)合了兩種產(chǎn)品:DemandFlow主要關注冷凍水輸送的監(jiān)測和控制，還有一個叫做“空白空間冷卻優(yōu)化(WSCO)”的平臺，它收集溫度和送風傳感器數(shù)據(jù)，并計算出所需的氣流調(diào)整，以維持機架每個通道的正確溫度。

去年12月，該平臺被部署到巴黎的第一個四級認證數(shù)據(jù)中心，為法國國有銀行CaissedesDép?ts建造。該設施預計將以1.2的電力使用效率(PUE)運行。

西門子的WSCO是與一家名為Vigilent(原名FederspielControls)的迷人公司合作開發(fā)的，這是一家位于奧克蘭的小型公司，專注于一件事，而且只專注于一件事——關鍵任務冷卻。

Vigilent開發(fā)了一個動態(tài)冷卻管理系統(tǒng)(并申請了專利)，該系統(tǒng)由監(jiān)督學習提供動力，可以控制設備，就像DeepMind開發(fā)的系統(tǒng)一樣。

該軟件通過不斷分析傳感器數(shù)據(jù)來了解環(huán)境變化，并根據(jù)歷史行為提出建議。它可以建立建筑物中每個crh單位的貢獻，并指出哪些是浪費他們的冷卻努力。

Vigilent承諾與Google實驗中看到的節(jié)能水平相似，聲稱在500多個安裝中的冷卻功率平均降低了38%。該公司不僅向西門子提供機器學習技術，而且還向眾多DCIM和BMS軟件供應商提供服務，例如ABB，日立Vantara和施耐德電氣。

另一家引領人工智能進行自動冷卻管理的企業(yè)是中國企業(yè)集團華為(Huawei)。去年，該公司推出了iCooling，這是一項基于云的服務，使用深度學習來處理傳感器數(shù)據(jù)，找到不同設備和系統(tǒng)的參數(shù)之間的關系，并將泵、制冷機和冷卻塔的輸出與IT負載相匹配。

該公司聲稱，當部署在其自己的云數(shù)據(jù)中心之一時，該服務將用電效率(PUE)提高了8%。當中國移動試用iCooling時，它將其位于中衛(wèi)的設施的總耗電量削減了3.2%，即40多萬千瓦時。隨著該系統(tǒng)繼續(xù)從數(shù)據(jù)中學習，預計它將產(chǎn)生更大的節(jié)能效果。

關于人工智能用于數(shù)據(jù)中心冷卻的討論與圍繞人工智能用于可持續(xù)性的更廣泛的辯論息息相關：凱捷研究公司(CapgeiniResearch)最近的一份報告估計，人工智能的創(chuàng)新應用可能在未來三到五年內(nèi)將全球溫室氣體排放量減少16%。

凱捷在報告中確定了一些積極的人工智能使用案例，并指出，在不中斷業(yè)務運營的情況下識別缺陷和預測設備故障的能源優(yōu)化平臺和算法將產(chǎn)生最大的影響。

隨著人工智能在其他行業(yè)的成功部署，用于冷卻和其他數(shù)據(jù)中心基礎設施管理的人工智能將是下一件大事——這只是將理論轉(zhuǎn)化為實踐的問題。

西門子在白皮書中警告稱:“人工智能有望在未來幾年重塑數(shù)據(jù)中心的運營。”“然而，數(shù)據(jù)中心需要在今天做好準備，才能在明天發(fā)揮作用。”