大（dà）多数围绕人工智能(AI)的讨论都集中在自动车（chē）辆（liàng）、聊天机（jī）器人、数字（zì）孪生技术、机器人技术以及（jí）使用（yòng）基于（yú）人工智（zhì）能的“智能”系统（tǒng）从大（dà）型数据集中提取商业洞察力。但是人工智能和机（jī）器（qì）学习(ML)总有一天会在企业数据中心内部（bù）的服务器机架中扮演（yǎn）重要（yào）角色。

人工智能在（zài）提升数据中心效率以及（jí）扩展业务方面的潜（qián）力可分为以下四个主要类（lèi）别：

电源（yuán）管（guǎn）理：基于人工智能的电源管理有助于优化加热和冷却系（xì）统，从而降（jiàng）低电力成本，减少员工（gōng）人（rén）数，提高效（xiào）率（lǜ）。该领（lǐng）域（yù）的代（dài）表性供应商包（bāo）括施（shī）耐德电气、西门子、Vertiv和伊顿公司。 设备管（guǎn）理：AI系统可以（yǐ）监控服务（wù）器、存储和网络（luò）设备（bèi）的运行状况，检查系统是否（fǒu）保持正确配置（zhì），并预测（cè）设备何时（shí）会出现故障。据Gartner称，AIOpsIT基础设（shè）施管理(ITIM)类别的供应（yīng）商包括OpsRamp、Datadog、Virtana、ScienceLogic和Zenoss。 工作负载管（guǎn）理：人工智能（néng）系统可以自（zì）动将工作（zuò）负载实时移动到最高效的（de）基（jī）础设施上，包括在数据中心内部，以及在混合云（yún）环境中，在prem、云和边缘环境（jìng）之间。有越（yuè）来越多的小（xiǎo）型公司提供基于人（rén）工智能的工作负载优化，包括Redwood、TidalAutomation和（hé）Ignio。思科（kē）(Cisco)、IBM和VMware等重量级企业（yè）也（yě）有（yǒu）产品。 •安全（quán）性：人工（gōng）智（zhì）能工（gōng）具可以“了解”正常（cháng）网（wǎng）络流量的（de）情况（kuàng），发现异（yì）常情（qíng）况，区（qū）分需要安（ān）全从业者注意的警报的优（yōu）先级，帮助对出了什么（me）问题的事（shì）后分（fèn）析，并为填（tián）补企业安全防御（yù）漏洞提供建议（yì）。提供此功能的供应商包括（kuò）VectraAI、Darktrace、ExtraHop和Cisco。

综（zōng）上所述，人工智能可（kě）以帮助企业创建高度（dù）自动化、安全（quán）、自我修复（fù）的数据（jù）中心，这些数据中心几（jǐ）乎不（bú）需要（yào）人工干预，并且能够以高（gāo）水平的效率和（hé）弹性运行。

戴尔技（jì）术公司全（quán）球CTO办公室的杰出（chū）工程师Tabet解释说：“人工（gōng）智能自动（dòng）化（huà）可以扩展到超出人类能（néng）力的水平来解释数据（jù），收集优化能源使（shǐ）用、分配工作负载和最大（dà）化效率所（suǒ）需的必要见解，以实现更高的数（shù）据中心资产利（lì）用率。”。
当然（rán），就像自动驾驶汽车的承诺一样，自（zì）动驾（jià）驶数据中心还没有出现。在数据中（zhōng）心，存在着阻碍（ài）人工智能突破（pò）的（de）重（chóng）大（dà）技术、操作和人员配（pèi）备（bèi）障碍。如今，采用技术才刚（gāng）刚（gāng）起步，但潜在的好处将使（shǐ）企业不断（duàn）寻找机会采取行动（dòng）。

电源管理利（lì）用服务器工作负载管理（lǐ）

据估计，数据中心将消耗全球3%的电（diàn）力供应（yīng），造成约2%的温室气体（tǐ）排放（fàng），因（yīn）此（cǐ），无论是为（wéi）了省钱，还（hái）是为了环（huán）保，那么多企（qǐ）业都在认真研究数据中心的电源管理。

451Research的（de）高级分析师丹尼尔（ěr）·比佐(DanielBizo)表示，基于人工智能的系统可以帮助数（shù）据中心操（cāo）作员了（le）解当前或（huò）潜在的（de）冷却（què）问（wèn）题，例如，由（yóu）于高密度（dù）机柜堵（dǔ）塞（sāi）气（qì）流（liú）、HVAC装置性能不（bú）佳或（huò）冷热（rè）通道（dào）之间（jiān）的空（kōng）气密封不足（zú）而导致（zhì）的冷空气输送不足。

Bizo说（shuō），人（rén）工智能承诺提供“不仅仅是（shì）良好的（de）设施（shī）设计所能带来的好处”。人工智能（néng）系统在数（shù）据中心层“可以通过关联暖通空调系统数据和环境（jìng）感知读数来（lái）学（xué）习设备”。

IT咨询（xún）和咨询公司StorageIO的（de）创始人格雷格·舒尔（ěr）茨(GregSchulz)补充（chōng）说：“电源管理是一（yī）个很容易实现的成果。”今天，它是关于生产力的（de），关于每BTU完成更多工作，每瓦能源完成（chéng）更多（duō）工作，这意味着工作更智能，让设备工作更智能。”

还有（yǒu）一个容量规划（huá）的角度。除（chú）了寻找热点和（hé）冷（lěng）点之外，人工智（zhì）能（néng）系统还可以确保数（shù）据中（zhōng）心为适当数（shù）量的物理（lǐ）服务器供电（diàn），并且在需求临时激增（zēng）的情况下（xià），有（yǒu）能力启动(和关闭)新（xīn）的物理（lǐ）服务器。

Schulz补（bǔ）充说，电源管理（lǐ）工具正在开（kāi）发连接（jiē）到管理设备和工（gōng）作负载的系统的挂（guà）钩（gōu）。例如（rú），如果传感器（qì）检测（cè）到服务器运（yùn）行太热（rè），系统可（kě）能（néng）会快速自动（dòng）地将（jiāng）工作负载转移到未充分（fèn）利用的服务（wù）器上（shàng），以避免可能影响任务关键型应用程序的（de）潜在停（tíng）机。然（rán）后系统可以调查服务器过热的（de）原因——可能是（shì）风（fēng）扇（shàn）出故障(HVAC问题)、物理组件即将崩（bēng）溃(设备问题)，或者服务器刚刚过载(工作（zuò）负载问题)。

人工智能（néng）驱动（dòng）的健（jiàn）康监控、配置管理（lǐ）监督

数据中心（xīn）充满了需要（yào）定期维护的物（wù）理设备。人（rén）工（gōng）智能系统可以超越定期维护（hù），帮助（zhù）收集和分析遥测数据，从而确定需（xū）要立即关注（zhù）的特（tè）定（dìng）区域（yù）。”人工智（zhì）能工具可以嗅（xiù）出所有（yǒu）这些数据和斑点（diǎn）模式，以（yǐ）及异（yì）常点，”Schulz说（shuō）。

Bizo补充说（shuō）：“健（jiàn）康监测（cè）从检查设（shè）备（bèi）配置是否正确以及性能是否符合预期（qī）开始（shǐ）。”由于有成百上千个IT机柜和数（shù）万个组件，这些平（píng）凡的任（rèn）务（wù）可能是劳动密集型（xíng）的，因此并不总（zǒng）是能够（gòu）及时彻底（dǐ）地（dì）执行。”

他（tā）指出，基于（yú）大量感（gǎn）官（guān）数据日志的预测（cè）性设备故障模型可（kě）以“发现（xiàn）一（yī）个（gè）即将出现（xiàn）的组件或设备故障，并（bìng）评（píng）估其是否（fǒu）需要立即维（wéi）护，以避免（miǎn）任何（hé）可能导致服务中（zhōng）断（duàn）的容量（liàng）损失（shī）。”

JuniperNetworks负责（zé）企业（yè）和云营销（xiāo）的副总裁MichaelBushong认为，企业数据中（zhōng）心运营商应该（gāi）忽略一些（xiē）与（yǔ）人（rén）工智能相关的过度宣传和炒（chǎo）作，而专注于他所说的“无聊的（de）创新”

是的，人工智能系统可能有一天会“告诉我问题出（chū）在哪里，并加以解决”，但是到了（le）这（zhè）一点，许多数（shù）据中心运营商会接受“如果出了问题，请告诉我要去哪里看”，Bushong说依赖关系映（yìng）射也是（shì）AI有用（yòng）的一个重（chóng）要但不是特别（bié）令人（rén）兴奋的领域。如果数据中心经理正（zhèng）在对防火墙或其他（tā）设备进行策略更改，可能（néng）会产生什么意外后果?”如果我提出一个改变（biàn），知道爆炸半径范围内可能有什么是很有用的。

保持设备（bèi）平稳、安全运行的另一个重（chóng）要方面（miàn）是控制所谓的配（pèi）置（zhì）漂（piāo）移(configurationdrift)，这（zhè）是一个数据中心（xīn）术（shù）语，指的是随（suí）着时间的推移，临时配置的变化会导（dǎo）致问题的产生。Bushong说，人（rén）工智能可以作为“额外的安全检查”来识别即将（jiāng）发生的基于配（pèi）置的数（shù）据中心问题（tí）。

人工智能与安全

Bizo认为，人工智（zhì）能和机（jī）器学习“可以通过对事件（jiàn）进行快速分类和（hé）聚类来（lái）简化事（shì）件处理(事件响应)，从而识（shí）别出（chū）重要事件（jiàn）并将其与噪声分离开来。更快的根本原因（yīn）分析（xī）有助于操作（zuò）员做出明（míng）智（zhì）的决定并采取行动。”

人工（gōng）智能在实时入侵（qīn）检测（cè）中特别有用（yòng），Schulz补充（chōng）道。基于人（rén）工智（zhì）能的系（xì）统可以（yǐ）检（jiǎn）测、阻止和隔离威胁，然后（hòu）可以回去进行（háng）法医调查，以确定到底发生了什么，黑客能够利用哪些漏洞。

在（zài）安全操作（zuò）中心(SOC)工作（zuò）的安全专业人员经（jīng）常会收到（dào）过（guò）多（duō）的警（jǐng）报，但基（jī）于人工智能的系统可以扫描（miáo）大量（liàng）的遥测数据和日志信息，从而清除（chú）日常任务，从而使安全专家能够腾出时间来处理（lǐ）更深层（céng）次的调查（chá）。

基于人工智能的工作负载优（yōu）化

在应用程序层，AI有可能自动将工作负载移动到适当（dāng）的着陆点，无论是在内部部（bù）署（shǔ）还是在云端。”AI/ML将来应（yīng）该（gāi）根据性能、成本（běn）、治（zhì）理、安（ān）全、风险和（hé）可持续性的（de）众多规（guī）范，实时决定（dìng）在哪里放（fàng）置工（gōng）作负（fù）载。

例如，工作负载可以自动移动到最（zuì）省电的服（fú）务器，同（tóng）时（shí）确保服（fú）务（wù）器以最高效率运行，即70-80%的利用率。Bizo说，人工（gōng）智能系统可以（yǐ）将（jiāng）性能数据整合到等式（shì）中，因此（cǐ）对时间敏感的应（yīng）用程序在高效（xiào）服务器上（shàng）运（yùn）行，同（tóng）时确保不（bú）需要快（kuài）速执行（háng）的应用程序不会消耗过（guò）多的能量。

基于人工智能（néng）的工作负载（zǎi）优化引起了麻省（shěng）理工学院研究（jiū）人员的（de）注意（yì），他们去年（nián）宣布（bù）他们开发了一个（gè）人工智能系统，可以（yǐ）自（zì）动学习如何在数千台服务（wù）器上（shàng）调度数据处理操作。

但（dàn）是，正如Bushong所指出的，现（xiàn）实情况是，如今的工作负（fù）载优化（huà）是像亚马逊（xùn）、谷歌和（hé）Azure这样的超大规（guī）模公司（sī）的专利，而不是一般的企业数据（jù）中心。原（yuán）因（yīn）有很多。

实施人工智能的挑战
优化和自（zì）动化数据（jù）中心是正在进（jìn）行的数字化改造计划的一个组成部（bù）分（fèn）。戴尔的（de）Tabet补（bǔ）充道（dào），“借（jiè）助（zhù）COVID-19，许多公司现在（zài）都在寻求进一步的自动化，推动人工智能驱（qū）动、能（néng）够自我修（xiū）复的‘数字数据中心’的理念。”

谷歌在2018年宣布，已将其（qí）数个（gè）超规模数据（jù）中心的冷却系统控制权转（zhuǎn）为人工智能程序，该公（gōng）司（sī）报告称，人工智能算（suàn）法提供（gòng）的建议使能源使用量减少了40%。

但是，Bizo说，对于那些名字不是谷歌的公（gōng）司来说，在数据中（zhōng）心（xīn）使（shǐ）用人工智能“在（zài）很大程度上是（shì）一种理想”。一些AI/ML特（tè）性在事（shì）件处理、基础设施运（yùn）行状况和冷却优化中（zhōng）可用。但是（shì），AI/ML模（mó）型要取得比目前标准数据（jù）中心（xīn）基础设施（shī）管理（lǐ）(DCIM)更明显的突破（pò）还需要更多（duō）年的时（shí）间。与自主汽车开发非常（cháng）相似，早期阶段可能（néng）很有（yǒu）趣（qù），但与它最终承诺的突破性经济/商业（yè）案例（lì）相去甚远。”

Tabet认为，一些（xiē）障（zhàng）碍是（shì）“需要雇佣或培训合适的（de）人员来管理系统。另（lìng）一（yī）个需要注意的问题是数据标准和相关体（tǐ）系结（jié）构（gòu）的（de）需要。”

Gartner这（zhè）样（yàng）说：“AIOps平台成熟度、it技能和运营成熟度是主要的阻碍因素（sù）。高（gāo）级部（bù）署（shǔ）面临（lín）的其（qí）他新挑（tiāo）战包（bāo）括数据质量和“IT基础设施和运（yùn）营（yíng）团（tuán）队”缺乏数据（jù）科学技能。

Bushong补充说（shuō），最（zuì）大的（de）障碍一直是人。他指出，外雇数（shù）据科学家对许多企业来说是一个挑战，对现（xiàn）有（yǒu）员工的培训也（yě）是一个障碍。

另外，Bushong说，员工抵制技术的历（lì）史由来已久（jiǔ）。他（tā）指（zhǐ）出，软件定义网络(SDN)已经存在了十年，但仍有四分之三以上的IT运营仍（réng）由CLI驱动。

“我们必（bì）须相信，各种基（jī）础设施的运营商准备（bèi）把控制权（quán）让给人工（gōng）智能，”Bushong表示。“如果一群人还不相信空管员能做（zuò）出（chū）决定，那么你怎么训（xùn）练（liàn）、教（jiāo）育和安慰一群人，让他们做出（chū）如此重（chóng）大的转变呢?业内普遍的态度（dù）是（shì），如果我这么做，我就会失业。”

这就是为什么Bushong建议企业在（zài）人（rén）工智能方面采（cǎi）取那些小而乏味（wèi）的步骤，而不是陷入经常围绕一项新技术的炒作中。