人工智能(AI)的發(fā)展，尤其是ChatGPT等生成式AI產(chǎn)品，在過去一年占據(jù)了各大媒體的頭條新聞。除了顛覆或改善日常生活的潛力之外，人工智能以及所有廣泛采用的技術(shù)經(jīng)常被忽視的影響是對數(shù)據(jù)中心的影響。

經(jīng)歷過移動設(shè)備和云的引入和快速采用后，數(shù)據(jù)中心非常擅長采取積極主動的方法來使用新技術(shù)。

由于人工智能仍處于相對不成熟的狀態(tài)，現(xiàn)在是數(shù)據(jù)中心專業(yè)人員考慮如何應(yīng)對即將到來的人工智能熱潮的關(guān)鍵時刻。

適應(yīng)新的工作負載

可將人工智能分為四大類：自然語言處理(NLP)、計算機視覺、機器學(xué)習(xí)和機器人。雖然機器人技術(shù)對延遲特別敏感，通常需要邊緣計算解決方案非常靠近所管理的流程的物理位置。但預(yù)計，前三個解決方案將真正增加對數(shù)據(jù)中心解決方案的需求。

滿足這種不斷增長的需求絕非易事。不僅需要考慮托管大量服務(wù)器以適應(yīng)更高密度工作負載的物理影響，還需要考慮如何集成新技術(shù)，如液體冷卻和沉浸式冷卻，以對抗這些服務(wù)器將產(chǎn)生的熱量。

此外，負載也不穩(wěn)定。任何時候都可能出現(xiàn)巨大的激增，而從歷史上看，數(shù)據(jù)中心管理的負載相當平穩(wěn)、一致。

最大的挑戰(zhàn)之一是，人工智能不是一個同質(zhì)實體，而是一種分為兩個不同階段的技術(shù)：訓(xùn)練和推理。

成功的數(shù)據(jù)中心將學(xué)會適應(yīng)這兩種情況。人工智能訓(xùn)練將不再需要關(guān)注彈性和冗余，而是更多地關(guān)注成本、PUE和總體效率。另一方面，推理對延遲非常敏感，需要靠近城域中心，以確保用戶界面和應(yīng)用的快速響應(yīng)時間。

監(jiān)管方面

監(jiān)管機構(gòu)面臨的困難在于不知人工智能將如何發(fā)揮作用。其在很大程度上還處于起步階段，可以理解的是，監(jiān)管機構(gòu)希望涵蓋所有潛在危險

歐盟的人工智能法案就是一個明顯的例子，監(jiān)管機構(gòu)將應(yīng)用分為四個關(guān)鍵風(fēng)險級別：不可接受的風(fēng)險、高風(fēng)險、有限風(fēng)險以及最小風(fēng)險或無風(fēng)險。在其他方面，NIS2指令將擴大預(yù)計遵守其網(wǎng)絡(luò)安全原始法規(guī)的部門數(shù)量，其中包括現(xiàn)在的數(shù)字領(lǐng)域。

包括數(shù)據(jù)中心在內(nèi)的許多行業(yè)面臨的挑戰(zhàn)將是確保遵守不斷變化的法規(guī)。人工智能的發(fā)展速度比近年來所看到的任何事物都快，隨著監(jiān)管機構(gòu)不斷更新參數(shù)并定義新的風(fēng)險邊界，數(shù)據(jù)中心肯定會感受到連鎖反應(yīng)。

解決關(guān)鍵短缺問題

眾所周知，微處理器的戰(zhàn)略價值使其受到政府貿(mào)易限制。隨著多樣化人工智能采用的加速，以及這些應(yīng)用所需的巨大工作負載，圖形處理單元(GPU)變得越來越稀缺。

擴大生產(chǎn)規(guī)模并不是一個簡單的解決方案。事實上，最近的數(shù)據(jù)發(fā)現(xiàn)，在美國或歐洲建造一座兩納米芯片工廠將花費約400億美元。雖然有看到各方齊心協(xié)力將生產(chǎn)分散到多個地區(qū)，并且Vultr和Northern Data等企業(yè)正在認真轉(zhuǎn)向創(chuàng)建一個全新的“人工智能云”行業(yè)，但在供應(yīng)與需求相匹配之前，微處理器短缺肯定仍然是一個痛點。

數(shù)據(jù)中心短缺也是一個令人擔(dān)憂的問題，但這里的挑戰(zhàn)不在于創(chuàng)新，而在于有限的土地和電力資源，更不用說政治了。

解決數(shù)據(jù)中心短缺問題需要采取雙管齊下的方法：a.最大限度地提高電力容量，以提供人工智能所需的低延遲水平;b.同時在有更多可用土地的地區(qū)也這樣做。尋找偏遠地點進行人工智能訓(xùn)練，這樣就不會占用大量推理的大都市地區(qū)的工作量，這是一種非常有價值的方法。

為人工智能重新配置數(shù)據(jù)中心

這種最大化現(xiàn)有資源的概念，可以決定如何重新配置數(shù)據(jù)中心，因為其將可持續(xù)性置于戰(zhàn)略的核心。

在法國，“零凈人工化”是一項旨在阻止城市擴張并維護綠色空間生物多樣性的協(xié)議。對于數(shù)據(jù)中心而言，這意味著充分利用現(xiàn)有建筑的潛力，并盡可能地使這些站點更加密集。但要做到這一點，需要進行一些重新配置。

需要評估如何最大限度地利用這些現(xiàn)有站點的空間，以便優(yōu)先考慮效率，來支持高人工智能工作負載。可持續(xù)性不再是一個無形的概念，而是一個非常現(xiàn)實的問題，應(yīng)該在全球范圍內(nèi)定義重新配置戰(zhàn)略。

如果還不開始做出更好的決策，來延長數(shù)據(jù)中心產(chǎn)品的使用壽命，例如轉(zhuǎn)向改用液體和沉浸式冷卻技術(shù)，那么之前為適應(yīng)人工智能密集型基礎(chǔ)設(shè)施所做出的努力基本上將變得徒勞。

對于任何行業(yè)而言，包括數(shù)據(jù)中心，保持領(lǐng)先于人工智能革命都是一個雄心勃勃的目標。但通過采用先進的冷卻技術(shù)、遵守不斷變化的法規(guī)，并抓住一切機會倡導(dǎo)可持續(xù)發(fā)展，相信有潛力在這個新的技術(shù)時代蓬勃發(fā)展。