据相关报告指出，2018年中国数据中心总用电量1608.89亿千瓦时，占中国全社会用电量的2.35%，超过上海市2018年全社会用电量。照此预计，2023年中国数据中心总用电量将达到2667.92亿千瓦时，未来5年将增长66%，年均增长率将达10.64%。
2019年以来，北京，上海，广州和深圳等地相继出台政策以调控数据中心建设。到2022年新建大型、超大型数据中心PUE必须达到1.4以下。但是传统降低PUE的方法其潜力已达极限，如何运用新技术、新架构降低能源损耗，实现数据中心的绿色发展已经成为行业关注的焦点。
在能耗当中，数据中心IT设备本身因计算产生的能耗当仁不让的排位第一，而为了保证这些设备稳定运行，制冷产生的能源消耗则稳居第二位。据相关调查数据显示，制冷平均占数据中心能源成本已达40％；2017年在东南亚的一项研究表明，如果PUE从1.80（接近全球平均水平）下降到1.30，则电力成本可以减半。尽管这种大幅改进不太可能实现，但即使是中等程度的改进也将有效降低运营成本。
在这样的背景下，依靠人工智能（AI）技术，通过深度学习，动态感知不同IT设备在当前环境下的计算状态，网络环境，以及能源消耗等方面的要素从而做出适应性调整的方法正在被很多大型数据中心所采用。
由于AI是基于基础设施管理技术和星罗棋布的智能传感器工作，并通过神经网络来分析和处理工作指令，所以相比于传统的人工管理团队，其对故障或者是威胁的处理几乎可以达到实时响应的程度，从而帮助数据中心管理者有效预测或减少灾难性故障。
虽然AI对于数据中心能够带来诸多好处，但并非所有数据中心都能像谷歌一样有足够的资金尝试最新技术。另外，这些好处还必须放在一个较长的运营周期才能体现，而部署AI的成本，则让很多数据中心运营商望而却步。根据研究显示，目前AI无论是在多租户数据中心（MTDC）还是企业数据中心当中的渗透率都还比较低。特别是对于那些老旧机房而言，虽然合理部署AI可以在能耗和运营方面对其产生助益，但由于其机房建设较早，并无标准可言，很多设计上的硬伤不仅会导致AI技术的优势难以发挥，甚至还会反向影响其正常运转。
除此之外，对于很多机房而言，相关人才的缺乏也是制约因素。简单来说，AI学习算法是依靠必要水平的数据同化、学习和应用能力，来优化整体性能。但这种算法的形成，必须要依靠大量的机房运营数据才能建立。对于很多老旧数据中心而言，空有相关数据，但是如何形成算法并最终建立AI模型，则是无法逾越的障碍。
虽然目前还有一些限制性因素，但AI技术能否真正普惠数据中心降本增效的问题，其答案显然是肯定的。事实上，目前已经有很多数据中心解决方案供应商在做相关尝试，并获得了不错的效果。
在2019年11月投产的中国移动宁夏数据中心（中卫）也同样应用了AI能效优化解决方案。该方案包含了AI节能优化技术及配套的云计算、边缘AI推理等。在第一阶段自然冷却场景下实测数据显示，iCooling AI 解决方案已有效降低中国移动宁夏数据中心PUE数值达3.5%。在第二阶段中高负载及机械制冷场景下，随PUE模型精度的不断提升，节能效果预计可达到5%-8%。
所谓iCooling，是基于AI的数据中心能效优化解决方案，可以很好的解决数据中心制冷效率的瓶颈问题。具体来说，该解决方案是通过机器深度学习，能够对大量历史数据进行业务分析，找出其中影响能耗的关键因素，并籍此获取PUE的预测模型。然后基于该模型计算出PUE的敏感特征值，再进行相关业务训练。当训练完成之后，会形成完整的业务模型。最后以PUE预测模型，业务模型作为参照，利用寻优算法，获取调优参数组，下发到控制系统，实现制冷系统的控制。iCooling可通过规范化的实践引导和目标导向评测，不断调整优化，获取均衡PUE，并最终帮助数据中心降低能耗。
后记：
由上述数据不难发现，AI对于数据中心未来的发展而言，将起到非常积极的作用。虽然目前的渗透率还比较低。在数据中心基础设施领域，iCooling解决了数据、算法、算力的问题，将原本感觉高高在上的AI技术带入到了实际运维工作当中。
事实上，除了降低能耗以外，AI在数据中心的其他领域也有突出表现。如在运维层面，通过图像、声音的大数据分析，可以实现自动化的巡检，防患于未然；在运营层面，可以建立资产模型，识别闲置设备，实现资源高效利用。在安全领域，帮助检测恶意软件和垃圾邮件，分析正常和异常的活动模式，识别弱点并加强对潜在威胁的防护。更有甚者，AI还能通过算法，将恶意入侵数据“圈禁”以实施监控，并籍此追踪入侵者。“前途似海,来日方长”，我们有理由相信，AI技术在我国的数据中心行业一定大有可为。
来源：中国IDC圈
联系客服
