By Neal Weinberg

大多數圍繞人工智能（AI）的討論都集中在自動車輛、聊天機器人、數字孿生技術、機器人技術以及使用基于人工智能的“智能”系統(tǒng)從大型數據集中提取商業(yè)洞察力。但是人工智能和機器學習（ML）總有一天會在企業(yè)數據中心內部的服務器機架中扮演重要角色。

人工智能在提升數據中心效率以及擴展業(yè)務方面的潛力可分為以下四個主要類別：

電源管理：基于人工智能的電源管理有助于優(yōu)化加熱和冷卻系統(tǒng)，從而降低電力成本，減少員工人數，提高效率。該領域的代表性供應商包括施耐德電氣、西門子、Vertiv和伊頓公司。

設備管理：AI系統(tǒng)可以監(jiān)控服務器、存儲和網絡設備的運行狀況，檢查系統(tǒng)是否保持正確配置，并預測設備何時會出現故障。據Gartner稱，AIOpsIT基礎設施管理（ITIM）類別的供應商包括OpsRamp、Datadog、Virtana、ScienceLogic和Zenoss。

工作負載管理：人工智能系統(tǒng)可以自動將工作負載實時移動到最高效的基礎設施上，包括在數據中心內部，以及在混合云環(huán)境中，在prem、云和邊緣環(huán)境之間。有越來越多的小型公司提供基于人工智能的工作負載優(yōu)化，包括Redwood、TidalAutomation和Ignio。思科（Cisco）、IBM和VMware等重量級企業(yè)也有產品。

安全性：人工智能工具可以“了解”正常網絡流量的情況，發(fā)現異常情況，區(qū)分需要安全從業(yè)者注意的警報的優(yōu)先級，幫助對出了什么問題的事后分析，并為填補企業(yè)安全防御漏洞提供建議。提供此功能的供應商包括VectraAI、Darktrace、ExtraHop和Cisco。

綜上所述，人工智能可以幫助企業(yè)創(chuàng)建高度自動化、安全、自我修復的數據中心，這些數據中心幾乎不需要人工干預，并且能夠以高水平的效率和彈性運行。

戴爾技術公司全球CTO辦公室的杰出工程師Tabet解釋說：“人工智能自動化可以擴展到超出人類能力的水平來解釋數據，收集優(yōu)化能源使用、分配工作負載和最大化效率所需的必要見解，以實現更高的數據中心資產利用率�！�

當然，就像自動駕駛汽車的承諾一樣，自動駕駛數據中心還沒有出現。在數據中心，存在著阻礙人工智能突破的重大技術、操作和人員配備障礙。如今，采用技術才剛剛起步，但潛在的好處將使企業(yè)不斷尋找機會采取行動。

電源管理利用服務器工作負載管理

據估計，數據中心將消耗全球3％的電力供應，造成約2％的溫室氣體排放，因此，無論是為了省錢，還是為了環(huán)保，那么多企業(yè)都在認真研究數據中心的電源管理。

451Research的高級分析師丹尼爾·比佐（DanielBizo）表示，基于人工智能的系統(tǒng)可以幫助數據中心操作員了解當前或潛在的冷卻問題，例如，由于高密度機柜堵塞氣流、HVAC裝置性能不佳或冷熱通道之間的空氣密封不足而導致的冷空氣輸送不足。

Bizo說，人工智能承諾提供“不僅僅是良好的設施設計所能帶來的好處”。人工智能系統(tǒng)在數據中心層“可以通過關聯暖通空調系統(tǒng)數據和環(huán)境感知讀數來學習設備”。

IT咨詢和咨詢公司StorageIO的創(chuàng)始人格雷格·舒爾茨（GregSchulz）補充說：“電源管理是一個很容易實現的成果�！苯裉欤�它是關于生產力的，關于每BTU完成更多工作，每瓦能源完成更多工作，這意味著工作更智能，讓設備工作更智能�！�

還有一個容量規(guī)劃的角度。除了尋找熱點和冷點之外，人工智能系統(tǒng)還可以確保數據中心為適當數量的物理服務器供電，并且在需求臨時激增的情況下，有能力啟動（和關閉）新的物理服務器。

Schulz補充說，電源管理工具正在開發(fā)連接到管理設備和工作負載的系統(tǒng)的掛鉤。例如，如果傳感器檢測到服務器運行太熱，系統(tǒng)可能會快速自動地將工作負載轉移到未充分利用的服務器上，以避免可能影響任務關鍵型應用程序的潛在停機。然后系統(tǒng)可以調查服務器過熱的原因——可能是風扇出故障（HVAC問題）、物理組件即將崩潰（設備問題），或者服務器剛剛過載（工作負載問題）。

人工智能驅動的健康監(jiān)控、配置管理監(jiān)督

數據中心充滿了需要定期維護的物理設備。人工智能系統(tǒng)可以超越定期維護，幫助收集和分析遙測數據，從而確定需要立即關注的特定區(qū)域�！比斯ぶ悄芄ぞ呖梢孕岢鏊�有這些數據和斑點模式，以及異常點，”Schulz說。

Bizo補充說：“健康監(jiān)測從檢查設備配置是否正確以及性能是否符合預期開始�！庇捎谟谐砂偕锨�個IT機柜和數萬個組件，這些平凡的任務可能是勞動密集型的，因此并不總是能夠及時徹底地執(zhí)行�！�
他指出，基于大量感官數據日志的預測性設備故障模型可以“發(fā)現一個即將出現的組件或設備故障，并評估其是否需要立即維護，以避免任何可能導致服務中斷的容量損失�！�

JuniperNetworks負責企業(yè)和云營銷的副總裁MichaelBushong認為，企業(yè)數據中心運營商應該忽略一些與人工智能相關的過度宣傳和炒作，而專注于他所說的“無聊的創(chuàng)新”。

是的，人工智能系統(tǒng)可能有一天會“告訴我問題出在哪里，并加以解決”，但是到了這一點，許多數據中心運營商會接受“如果出了問題，請告訴我要去哪里看”，Bushong說依賴關系映射也是AI有用的一個重要但不是特別令人興奮的領域。如果數據中心經理正在對防火墻或其他設備進行策略更改，可能會產生什么意外后果？”如果我提出一個改變，知道爆炸半徑范圍內可能有什么是很有用的。

保持設備平穩(wěn)、安全運行的另一個重要方面是控制所謂的配置漂移（configurationdrift），這是一個數據中心術語，指的是隨著時間的推移，臨時配置的變化會導致問題的產生。Bushong說，人工智能可以作為“額外的安全檢查”來識別即將發(fā)生的基于配置的數據中心問題。