隨著2023年至2026年間全球人工智能系統(tǒng)支出將翻一番，數(shù)據(jù)中心容量顯然將迅速增加以滿足需求。

然而，令人驚訝的是，過去一年許多數(shù)據(jù)中心運(yùn)營(yíng)商踩下了新項(xiàng)目的剎車并放緩了投資，2022-23 年間倫敦的空置容量下降了 6.3%。

這種反直覺趨勢(shì)背后的原因是什么? 為了解釋這一點(diǎn)，我們需要了解有關(guān)人工智能計(jì)算和支持它的基礎(chǔ)設(shè)施的一些問題。

人工智能如何改變數(shù)據(jù)中心基礎(chǔ)設(shè)施

數(shù)據(jù)中心歷來都是圍繞 CPU 供電的機(jī)架構(gòu)建的，以處理傳統(tǒng)的計(jì)算工作負(fù)載。 然而，AI 計(jì)算需要 GPU 驅(qū)動(dòng)的機(jī)架，與同等 CPU 容量相比，它會(huì)消耗更多電量、散發(fā)更多熱量并占用更多空間。

實(shí)際上，這意味著人工智能計(jì)算能力通常需要更多的電源連接或替代冷卻系統(tǒng)。

由于這是嵌入式基礎(chǔ)設(shè)施，因此它被構(gòu)建在數(shù)據(jù)中心綜合體的結(jié)構(gòu)中，即使在經(jīng)濟(jì)上并非完全不可能，更換成本也往往極高。

在實(shí)踐中，運(yùn)營(yíng)商必須致力于在新數(shù)據(jù)中心中有多少空間專用于人工智能與傳統(tǒng)計(jì)算之間進(jìn)行“劃分”。

如果犯了這個(gè)錯(cuò)誤并過度致力于人工智能，可能會(huì)讓數(shù)據(jù)中心運(yùn)營(yíng)商面臨永久未充分利用和無利可圖的能力。

由于人工智能市場(chǎng)還處于起步階段，這個(gè)問題更加嚴(yán)重，Gartner 聲稱目前正處于炒作周期中預(yù)期過高的頂峰。 因此，許多運(yùn)營(yíng)商選擇在設(shè)計(jì)階段猶豫不決，而不是過早地承諾人工智能計(jì)算在新數(shù)據(jù)中心項(xiàng)目中的比例。

在設(shè)計(jì)階段采取整體方法

然而，運(yùn)營(yíng)商敏銳地意識(shí)到，他們只能冒險(xiǎn)推遲投資，否則就會(huì)失去市場(chǎng)份額和競(jìng)爭(zhēng)優(yōu)勢(shì)。 但考慮到數(shù)據(jù)中心基礎(chǔ)設(shè)施的許多基本原理正在被實(shí)時(shí)重寫，這是一項(xiàng)艱巨的任務(wù)。

為了平衡先行者的需求和抵消風(fēng)險(xiǎn)，運(yùn)營(yíng)商需要將其數(shù)據(jù)中心設(shè)計(jì)得在人工智能計(jì)算時(shí)代具有最大的效率和彈性。 這需要一種全新的、整體的設(shè)計(jì)方法。

1、讓更多利益相關(guān)者參與

無論運(yùn)營(yíng)商決定如何區(qū)分人工智能和傳統(tǒng)計(jì)算，具有人工智能計(jì)算能力的數(shù)據(jù)中心站點(diǎn)都將比傳統(tǒng)設(shè)施復(fù)雜得多。 更高的復(fù)雜性通常意味著更多的故障點(diǎn)，特別是因?yàn)槿斯ぶ悄苡?jì)算比傳統(tǒng)計(jì)算有更多的需求。

因此，為了保證站點(diǎn)生命周期內(nèi)的正常運(yùn)行時(shí)間并降低出現(xiàn)代價(jià)高昂的問題的風(fēng)險(xiǎn)，團(tuán)隊(duì)需要在數(shù)據(jù)中心的規(guī)劃階段更加徹底。

特別是，設(shè)計(jì)階段應(yīng)在項(xiàng)目開始時(shí)尋求更多團(tuán)隊(duì)和專業(yè)知識(shí)的意見。 除了尋求電源和冷卻方面的專業(yè)知識(shí)外，設(shè)計(jì)人員還應(yīng)該盡早與運(yùn)營(yíng)、布線和安全團(tuán)隊(duì)合作，以了解潛在的瓶頸或故障來源

2、將人工智能融入數(shù)據(jù)中心運(yùn)營(yíng)

由于運(yùn)營(yíng)商現(xiàn)在在現(xiàn)場(chǎng)擁有人工智能計(jì)算，他們應(yīng)該利用自己的能力利用人工智能來提高運(yùn)營(yíng)效率。 人工智能在數(shù)據(jù)中心的采用由來已久，該技術(shù)能夠以極高的精度和質(zhì)量執(zhí)行工作流程。 例如，人工智能可以幫助：

溫濕度監(jiān)測(cè)

安全系統(tǒng)操作

用電監(jiān)控和分配

硬件故障檢測(cè)和預(yù)測(cè)性維護(hù)

通過在數(shù)據(jù)中心生命周期的每個(gè)階段主動(dòng)使用該技術(shù)，運(yùn)營(yíng)商可以顯著提高運(yùn)營(yíng)效率和穩(wěn)健性。 人工智能非常適合幫助解決采用這些下一代數(shù)據(jù)中心新穎而復(fù)雜的布局時(shí)遇到的新挑戰(zhàn)，例如通過故障檢測(cè)和預(yù)測(cè)性維護(hù)。

3、避免虛假經(jīng)濟(jì)

人工智能在高峰時(shí)段會(huì)給數(shù)據(jù)中心帶來更大的負(fù)載，例如在訓(xùn)練運(yùn)行期間或在生產(chǎn)中運(yùn)行企業(yè)級(jí)模型時(shí)。 在此期間，人工智能計(jì)算通常會(huì)大大超出對(duì)功耗、冷卻需求和數(shù)據(jù)吞吐量的傳統(tǒng)預(yù)期。

從最基本的層面來看，這意味著數(shù)據(jù)中心的底層材料承受更大的壓力。 如果這些底層材料或組件質(zhì)量不高，這意味著它們更容易出現(xiàn)故障。 由于人工智能計(jì)算意味著站點(diǎn)中組件和連接數(shù)量的急劇增加，這意味著在傳統(tǒng)站點(diǎn)中運(yùn)行良好的更便宜和質(zhì)量較低的材料可能會(huì)導(dǎo)致運(yùn)行人工智能計(jì)算的數(shù)據(jù)中心停止運(yùn)行。

為此，運(yùn)營(yíng)商應(yīng)避免通過購(gòu)買劣質(zhì)材料(例如不合格的電纜)來節(jié)省資金。 這樣做會(huì)帶來虛假經(jīng)濟(jì)的風(fēng)險(xiǎn)，因?yàn)檫@些材料更容易出現(xiàn)故障，并且需要更頻繁地更換。 但是，最有問題的是，不合格材料和組件的故障通常會(huì)導(dǎo)致工廠停機(jī)或減速，從而影響其盈利能力。

解決基礎(chǔ)設(shè)施難題

雖然人工智能計(jì)算的基礎(chǔ)設(shè)施要求可能是運(yùn)營(yíng)商拖延投資的主要原因，但從長(zhǎng)遠(yuǎn)來看，情況不會(huì)如此。

隨著市場(chǎng)不確定性的增加，企業(yè)將會(huì)在數(shù)據(jù)中心傳統(tǒng)計(jì)算和人工智能計(jì)算之間的分裂方面向他們的“金發(fā)地帶”靠攏。

當(dāng)這種情況發(fā)生時(shí)，公司需要確保在學(xué)習(xí)和成熟的過程中，他們?cè)诰W(wǎng)站運(yùn)營(yíng)中擁有一切可能的優(yōu)勢(shì)。

這意味著從一開始就進(jìn)行整體設(shè)計(jì)，利用人工智能本身來發(fā)現(xiàn)其站點(diǎn)的新效率，并投資于能夠滿足人工智能計(jì)算更大需求的優(yōu)質(zhì)材料。