重塑数据中心的人工智能：威9国际真人
毫无疑问，人工智能（AI）如今正在渗透到各种技术的各个方面，从癌症的早期找到到解读各国的人类语言，以及在动态高分辨率视频中辨别人脸。大量消费者应用于为主流市场需求、社会接纳和人工智能的日益普及获取了动力和资金。现在，人工智能思维系统正在较慢地转入企业IT领域。很多的组织的IT团队早已看见人工智能沦为许多任务的主流，其中还包括网络安全、IT运营、监控、数据分析、业务流程自动化和基础设施配备，以号召较慢快速增长的技术劳动力和快速增长的IT工作阻抗之间日益不断扩大的差距。
毫无疑问，人工智能（AI）如今正在渗透到各种技术的各个方面，从癌症的早期找到到解读各国的人类语言，以及在动态高分辨率视频中辨别人脸。大量消费者应用于为主流市场需求、社会接纳和人工智能的日益普及获取了动力和资金。现在，人工智能思维系统正在较慢地转入企业IT领域。很多的组织的IT团队早已看见人工智能沦为许多任务的主流，其中还包括网络安全、IT运营、监控、数据分析、业务流程自动化和基础设施配备，以号召较慢快速增长的技术劳动力和快速增长的IT工作阻抗之间日益不断扩大的差距。
然而，对于数据中心而言，它们仅有代表两种主要应用于：用作数据中心的人工智能和用作人工智能的数据中心。用作数据中心的人工智能如今，智能产品早已通过检验大量繁复的操作者遥测数据、发现异常、关联事件和确认根本原因来强化IT运营和分析。人们还看见人工智能技术加到到基础设施配备和流程自动化中，如今完全每周都有新产品发售，并将人工智能带进新的领域。
随着人工智能在IT运营中的成熟期，它从说明再次发生了什么、明确提出建议或辨识出现异常的被动报告者改变为预测告终、自律调整过程的步骤以及自动部署或封存容量的更为主动的参与者。但其仅次于的影响有可能是数据中心将人工智能与数据中心信息管理（DCIM）系统融合一起，以获取数据中心的智能运营。2014年，谷歌公司用于DeepMind对其数据中心的风扇、通风和加热设备展开掌控调整，将电力成本减少了40％。例如今年，谷歌公司为冷却系统运营一个自我自学的算法，不是指出各种变化，而是必要自律调整掌控，仔细观察结果，通过自学显得更为智能。
对于分析结果来说还为时过早，但早期迹象看上去很有期望。但现在只是才刚开始。
这些智能产品将在机房的机架上虚拟世界地新的定位痉挛的计算出来阻抗，以构建最佳温度控制。其他DCIM供应商也在研究人工智能算法，以根据大大变化的硬件容差、功耗／成本趋势、瞬态工作阻抗来转变数据中心环境温度。
除了监控加热设备之外，人工智能管理配电系统，其节省数据中心电力成本的潜力某种程度引人注目。而如果人工智能在全球所有数据中心上拓展应用于的话，其影响有可能是极大的。展望未来，新兴的智能DCIM系统将数据中心物联网传感器数据（如热量、气流、振动，超声波、功耗、水和烟雾检测）统合到基于人工智能的平台中，不仅可以检测出现异常的数据中心不道德，还可以确认问题的根源和原因。
迅速，这些智能DCIM系统不仅不会解释某些事情告终的时间、地点和原因，而且还不会在事情错误之前预测性地警告操作者人员，并且在某些情况下，还不会自动禁令。用作人工智能的数据中心由于人工智能完全转变了每个数据中心应用程序，它也在重塑软件开发生命周期（SDLC）。传统应用程序通过程序化变更演进为其底层代码库，然后用于严苛测试展开检验，并以可控、可管理、可反复方式部署到生产过程中。
但是，基于人工智能的应用程序不依赖代码变更或单向部署。忽略，许多人在研发环境中发展更加智能模型并将其部署到生产中，而其他人则在生产中展开自我训练，在那里他们从现实世界数据中自学并将这些科学知识传播返研发环境。这种双向细微差别对数据中心网络拓扑结构具备根本性影响。
无论是映射在更为传统的第三方应用程序中还是内部研发的人工智能算法，在对尽量现实且涉及的大量数据展开训练时效果最佳。因此，在许多情况下，动态生产数据最合适训练，但在其他应用于中，非生产环境中的外部数据系统，以及由此产生的智能模型被部署到生产中。在这两种情况下，人工智能应用程序不只是从非生产部门应用于到生产部门中，还在两者之间应用于，而拒绝环境之间的网络拆分显得极具渗透性。人工智能训练必须大量的计算出来和大量的数据，数据越多越好。
为了符合这种对计算能力的极大市场需求，人工智能训练更加多地再次发生在以CPU为中心的非CPU服务器上，这些服务器基于GPU、FPGA、自定义ASIC或专用的深度自学单元，可获取数量级的性能提高。意外的是，这些计算出来系统耗电量大，功率密度高达30－50kW／机架，而且预测下一代计算出来系统的功率密度将超过难以置信的100kW／机架。享有并运营40多个数据中心的数据中心运营商Flexential公司云计算主管JasonCarolan回应，“如果没对诸如液体加热之类的加热遏止解决方案展开实质性的新的设计，现有的大多数数据中心在规模上根本无法反对这一点。”除了电源之外，这些超级计算机的运营速度与它们接管的训练数据一样慢。
结果是对大型、廉价和闪电般较慢的近线存储的市场需求大大快速增长，启动时了更慢的控制器、协议（例如，NVMe和NVMe－oF）和存储媒介（例如3DXPoint和3DNAND）的市场竞争。在许多情况下，基于人工智能的应用程序必须一个非生产训练环境，其计算出来和存储容量比生产环境更高。这种情况增进新的计算出来和存储平台部署到研发和训练环境中，以及近期的网络、SAN和涉及的监控和管理工具的更好转变。这些演变必须对数据中心的服务器和存储流形展开完全的切换。
将要来临的基于人工智能的产品和服务将沦为运营、自动化、监控、合规、安全性、研发和云集出的分水岭，而这些都将是数据中心大量基础性转变的基础。那些具备远见卓识的数据中心运营商使用反对基于人工智能的应用程序，并通过人工智能展开操作者，他们可以应付将要来临的市场风暴。
本文关键词：重塑,数据中心,的,人工智能,威,国际,真人,威9国际真人
本文来源：威9国际真人-www.cptouxiang.com