本篇文章1728字,读完约4分钟
但是,人工智能技术的快速发展和落地应用还不成熟。 对人工智能硬件来说,计算力是技术实现的保障,需要众多强大的数据中心提供基础支持。 但是,以前流传的数据中心有很多痛点,需要借用人工智能展开数据中心的革命。
事实上,人工智能的快速发展离不开数据中心的支撑,同时智能化是未来能源基础设施快速发展的必由之路,在此过程中,人工智能也将促进数据中心向智能化方向的快速发展。
数据中心如何与ai擦火花
数据中心的数千万台服务器为人工智能所需的计算能力提供了物理基础,人工智能也给数据中心带来了新的革命,其积极影响主要有三个方面。
第一,数据中心易于管理和控制。 未来数据的迅速发展将会走向软件的定义,但随着数据中心变多和混合化,人工解决的劳动力和能力有限。 如果人工智能利用其学习能力,对传统的管理数据进行智能分解,则可以做出相当准确的决定。
二是降低数据中心的能耗。 数据中心能耗高,巨大的电力成本成为数据中心快速发展的瓶颈,许多大型网络公司的自建数据中心开始想尽一切办法来降低能耗。 人工智能技术可以充分计算pue值,根据pue值逆算并优化这些要素影响最大的部分,从而降低功耗,提高数据中心的运营效率。
例如,谷歌采用了deepmind提供的ai技术,大幅减少了机房的能耗,相应地减少了pue值。 具体通过建立机器学习模型,预测机房pue指标的趋势,指导制冷设备的配置优化,降低了空闲制冷用电量的消耗。 该技术将谷歌整个数据中心的能耗降低15%,从而大幅降低成本。
三是数据中心的数据加工。 数据中心有大量的数据,传统的计算方法效率很低。 通过ai技术的智能运输,可以深入分解这些数据,对数据进行滤波、整理,建立各种仿真模型,这些加工后的数据有可能产生很大的价值。 如果是数据中心的运营数据,可以通过智能运算获得提高数据中心运营水平的机会;如果是数据中心的存储数据,可以只通过运算获得领域的市场状况,进行人员特征的分解等。
数据中心的运输越来越智能化
人工智能为数据中心提供了新的机会。 将来,可以建设智能的数据中心代替单纯的重复劳动,从大量数据中提取有序的新闻,在大量方案中选择最佳方案,在复合数据环境中选择最佳模式。
具体来说,在智能运输行业,目前可以依靠现有日志进行模式识别,实现实时监测、潜在故障报警、实时故障定位、关键区域问题监测、处理方案的智能推荐; 在节能方面,可以实现整个基础设施的智能管理,提高可靠性,降低it功耗,降低制冷功耗,节约电力。
但是,人工智能也给数据中心带来了巨大的挑战。 信通院的研究数据表明,在供电方面,ai将数据中心的电力密度从5kw提高到21kw以上,给配电基础设施带来了挑战。 在制冷方面,在基于ai的高功率带来高散热,空冷向液冷转变的边缘计算中,ai需要在终端解决互联网的限制数据,必须建设边缘数据中心。
微模块3.0将成为数据中心的智能里程碑
目前,领域出现了许多智能数据中心处理程序。 以华为企业为例,在去年6月的cebit期间,华为发布了智能微模块3.0数据中心处理方案,主要以i³为中心; ( ipower,icooling,imanager )的特点是引入了ai优化执行算法,实现了整个数据中心基础架构功能的智能融合,进一步增强了数据中心的高效智能。
智能模块3.0通过智能ai算法积极评价运行状态,实现供电链路的毫秒级故障检测、秒级故障定位、毫秒级故障隔离、分级故障恢复功能; 突破长期以来困扰的制冷剂泄漏检测难题; 提高数据中心整个生命周期空内的电力、冷却和人力资源的高效利用。
ipower实现了供电的完全链路可视化和报警的清晰化,配备了基于ai技术的电池管理系统,与毫秒级的故障隔离相结合,确保了供电的可靠性。
自动提高icooling、基于ai的自优化算法和温控系统的效率,降低数据中心的pue温控系统准确冷却,消除热点风险,提高数据中心运行的稳定性。 另外,ai算法支持空制冷剂容量的自我检测,提高可靠性。
imanager是智能微模块3.0的头脑,最重要的是通过智能故障定位和报警管理来提高运维效率,为业务管理增加收益,降低投资。 通过数据中心自动化最大限度地提高能源基础架构的价值。
标题:“AI使能数据中心 加速数据中心智能化”
地址:http://www.sdsxywx.com/sdss/8930.html