大多（duō）数围绕人工智能(AI)的讨论都集（jí）中在自（zì）动车辆、聊（liáo）天机（jī）器人、数字孪生技术、机（jī）器人技术以及（jí）使用基于人工智能的（de）“智能（néng）”系统从（cóng）大型（xíng）数（shù）据集中提（tí）取（qǔ）商业洞察力。但是（shì）人工智能和机器学习(ML)总有一（yī）天（tiān）会在企业数据中（zhōng）心内部（bù）的服务器机架中扮（bàn）演（yǎn）重要角色。

人（rén）工智能在（zài）提升数据（jù）中心效率以及扩展业务（wù）方面（miàn）的潜力可分为以下四个主要类别：

电源管理：基于人工智能的电源管理有助于优化加热和冷却系统（tǒng），从而降低电力（lì）成本（běn），减（jiǎn）少员（yuán）工人（rén）数，提高效率。该领（lǐng）域（yù）的代表性供应商（shāng）包（bāo）括施耐德电气、西门子、Vertiv和伊顿公司。 设备管理：AI系统可以监控服（fú）务器、存（cún）储和网（wǎng）络设备的运行状况，检查系统是（shì）否保持正（zhèng）确（què）配（pèi）置（zhì），并预（yù）测设备何时会出现故障。据Gartner称（chēng），AIOpsIT基础设（shè）施管理(ITIM)类别的（de）供应商包括OpsRamp、Datadog、Virtana、ScienceLogic和Zenoss。 工作负载管理（lǐ）：人工智能系统可以自动（dòng）将工作负载实时移动到最高效的基础设（shè）施上，包括在数据中心内部，以及在混合云环境中，在prem、云和边缘环境之间。有越来（lái）越多的小型公司提供基于人工智能（néng）的工作负载优化，包括Redwood、TidalAutomation和Ignio。思科(Cisco)、IBM和VMware等重量级企业也有（yǒu）产品。 •安全性：人工智（zhì）能工具（jù）可以“了解（jiě）”正（zhèng）常网络流量的情况，发（fā）现异常情况，区（qū）分需（xū）要安全从业者注意的警（jǐng）报的优先级，帮助对出了什么问题的事后分（fèn）析，并为填补企业安全防御漏洞提供建议。提供此功能的供应商包括VectraAI、Darktrace、ExtraHop和Cisco。

综上所述（shù），人工（gōng）智能可以帮（bāng）助（zhù）企业（yè）创建高度（dù）自动化、安全、自我（wǒ）修复（fù）的（de）数据中（zhōng）心，这些数据中心几乎不需要（yào）人工干（gàn）预，并且能够（gòu）以高水平的效率和弹性运行。

戴尔技术公（gōng）司全球CTO办（bàn）公室（shì）的杰出工（gōng）程师Tabet解释说：“人工智（zhì）能自动化可以扩展到超出人类能力的水（shuǐ）平来解释数据，收集优化能源使（shǐ）用、分配工作负载（zǎi）和（hé）最大化（huà）效率所（suǒ）需的必要见解，以实现更高的（de）数据中心（xīn）资产利（lì）用率。”。
当然，就像自动驾驶汽车的承诺一样，自动驾驶数（shù）据（jù）中（zhōng）心（xīn）还没有出现。在（zài）数据（jù）中心，存在着阻（zǔ）碍人工（gōng）智能（néng）突破的重（chóng）大技术、操作和（hé）人员配备障碍。如今（jīn），采用技术才刚刚起步，但潜在的好处将（jiāng）使企业不断寻找机会（huì）采取行动。

电源管理利用服（fú）务器工作负载（zǎi）管理

据估计，数（shù）据（jù）中心将消耗全球3%的电力供应，造（zào）成约2%的（de）温室（shì）气体排（pái）放，因此，无论是为了省钱，还是为了环保，那（nà）么多（duō）企（qǐ）业（yè）都在（zài）认真研究（jiū）数（shù）据中（zhōng）心的电源管理。

451Research的高（gāo）级分析师丹尼尔·比佐(DanielBizo)表示，基于人工智（zhì）能的（de）系（xì）统（tǒng）可以帮助（zhù）数（shù）据中（zhōng）心操作员了解当前（qián）或潜在的冷却问（wèn）题（tí），例（lì）如，由于（yú）高密度机柜堵塞（sāi）气流（liú）、HVAC装置（zhì）性能（néng）不佳（jiā）或冷热通道之间的空气密（mì）封不足而导致的（de）冷空气输送不足（zú）。

Bizo说，人工智能承诺提供“不仅仅是良好的（de）设施（shī）设计所能带来的好（hǎo）处（chù）”。人工智能系统在数据中心层“可以（yǐ）通过关联暖通空调（diào）系统数据（jù）和环境感知读数来学习设备”。

IT咨询（xún）和咨询公（gōng）司（sī）StorageIO的（de）创始人格（gé）雷格·舒尔茨(GregSchulz)补（bǔ）充说：“电源管理是一个很容易实现的成果。”今天（tiān），它是关于生产力（lì）的，关于每BTU完成更多工作，每瓦能源完成更多工作，这意味着工（gōng）作更智（zhì）能，让设备工（gōng）作（zuò）更智能。”

还有一个容量规划的（de）角度。除（chú）了寻找热（rè）点和冷点之外，人工智能系统（tǒng）还可以确保数据中心为适当数量的物理服务器（qì）供电（diàn），并且（qiě）在需求临时激增的情况下，有（yǒu）能（néng）力（lì）启动（dòng）(和关闭（bì）)新的物（wù）理服务器。

Schulz补充说，电源管理工具（jù）正在开（kāi）发连（lián）接到管理设备和工作负载（zǎi）的（de）系统的挂钩。例如，如果传感（gǎn）器检测到服务器运（yùn）行太热，系统（tǒng）可能会快速自（zì）动地将工作（zuò）负载转移到（dào）未充分利用的服务器上，以避免可能影（yǐng）响任务关键型应用程序（xù）的潜在（zài）停机。然后系统可（kě）以调查（chá）服务（wù）器过（guò）热的原因——可能是风扇出故障(HVAC问题)、物理组（zǔ）件即将崩溃(设备（bèi）问题)，或者（zhě）服务（wù）器（qì）刚刚过载(工（gōng）作负载问题)。

人工智能（néng）驱动的健康监控、配置管理监督

数据（jù）中心充满了需（xū）要定期维护的物理设（shè）备。人工智能系统可以超越定期维护，帮助收集和分析遥测数据（jù），从而确定需要立即关（guān）注的特定（dìng）区（qū）域。”人（rén）工智能工（gōng）具可以嗅出（chū）所有这些数据和斑点模式，以及（jí）异常点，”Schulz说。

Bizo补充说：“健康监测从检查设备配置是否正确以及性能是否符（fú）合预期（qī）开始。”由于有成百（bǎi）上（shàng）千个IT机（jī）柜和数万个组件，这（zhè）些（xiē）平凡的任务可能是劳动密集型的，因此并不总是能够及（jí）时彻底（dǐ）地执行。”

他指出，基（jī）于大量（liàng）感官数据日志的（de）预测性设（shè）备（bèi）故障模（mó）型可以“发现一个即（jí）将出现的组（zǔ）件或设备故障，并评估其是否（fǒu）需要立即维护，以避免任何可能导致服务中断的（de）容量损失。”

JuniperNetworks负责企（qǐ）业和云营销的副总裁MichaelBushong认（rèn）为（wéi），企业数（shù）据中心运营商应该忽略（luè）一（yī）些（xiē）与人工智能相关的过度宣传和炒（chǎo）作（zuò），而专注于他所说的“无聊（liáo）的创新”

是（shì）的（de），人工（gōng）智能系统可能有一天会“告诉我问题出在（zài）哪里，并加以解（jiě）决”，但是到了这一点，许多数据中心运营（yíng）商会接受（shòu）“如果（guǒ）出了问题，请告诉我（wǒ）要去哪里看”，Bushong说依赖关系映射也（yě）是AI有用的（de）一个重（chóng）要但（dàn）不是（shì）特别令人（rén）兴（xìng）奋（fèn）的领域。如果数据中心经理正在（zài）对防（fáng）火墙或其他（tā）设（shè）备进行策略更改，可能会产生什么（me）意外后（hòu）果?”如果我（wǒ）提出一（yī）个改变，知道爆炸半径范围（wéi）内可（kě）能有什么是（shì）很有用的。

保持设备平稳、安全运行（háng）的另一个（gè）重要方（fāng）面是控制所谓的配置漂移(configurationdrift)，这是一个数据中心术语，指的是随着时间的推移，临时（shí）配置的变化会导致问题的（de）产生。Bushong说（shuō），人工智能可以作为“额外的安全检查”来识别即将发生（shēng）的基于配置的数据中心问题。

人工智能与安全

Bizo认为，人工智能和机（jī）器学（xué）习“可以通（tōng）过对事件进（jìn）行快速分（fèn）类和聚类来简化（huà）事件处（chù）理(事件响（xiǎng）应)，从而（ér）识别（bié）出重要事件并（bìng）将其与噪声分离开来。更快的根本原因分析有助于操（cāo）作员做出明智的决定并采（cǎi）取（qǔ）行动。”

人（rén）工（gōng）智能在实时（shí）入侵（qīn）检测中特别有用，Schulz补（bǔ）充道。基于人工智（zhì）能的系统可（kě）以检测、阻（zǔ）止和隔（gé）离（lí）威胁，然后可以（yǐ）回去进行法医调查，以确定（dìng）到底发生了什么，黑客能够（gòu）利用哪些漏洞。

在安全操作中心（xīn）(SOC)工（gōng）作的安全专业人员经常会收到过多的警报，但基于人工（gōng）智能的系统可以（yǐ）扫描大（dà）量的遥测数据和日（rì）志信息，从（cóng）而清（qīng）除日常任务，从而使安全专家能够腾出时间来处理更（gèng）深层次的调查。

基于人工智能的工作负（fù）载优（yōu）化

在应（yīng）用程序层，AI有可能自动将工作负载移动到适当的着陆点，无论是（shì）在内部部署还是在云端（duān）。”AI/ML将来应该根据性能、成本、治理、安全、风险和可（kě）持（chí）续性的（de）众多规范，实时决定在哪（nǎ）里（lǐ）放置工作负载（zǎi）。

例如，工作（zuò）负载（zǎi）可以（yǐ）自动移动到最省电的服务器，同时确（què）保服务器以最高（gāo）效率运行，即70-80%的利用率。Bizo说，人工智能系统可以将性能（néng）数据整合到等式（shì）中，因（yīn）此（cǐ）对（duì）时间敏（mǐn）感（gǎn）的应用程序在高（gāo）效服务器（qì）上（shàng）运行（háng），同时确保不需要快速执（zhí）行的应用（yòng）程序不会消耗过多的能量。

基于人工（gōng）智能的工作负载优化（huà）引起了麻省理工学院研究人员的注意，他们去年宣布他们开发了（le）一个（gè）人工智能系（xì）统（tǒng），可以自动学习（xí）如何在数千台服务器上调度数据处理操作（zuò）。

但是，正（zhèng）如（rú）Bushong所指出的，现实情况是，如今的（de）工作负载优化是像亚马逊、谷歌和Azure这（zhè）样的超大规（guī）模公司的专利，而不是一般的企业数据中心。原因有很多。

实施人工智能（néng）的挑战
优化和自（zì）动化数据中心是正在进行的数字化改造计划的一（yī）个组成部分。戴尔的（de）Tabet补充道，“借（jiè）助COVID-19，许多公司现在（zài）都在（zài）寻求进一步的（de）自动化，推动人工智能驱动、能够（gòu）自我修复的‘数字数据中心’的（de）理念。”

谷歌在2018年宣布（bù），已将（jiāng）其数（shù）个超（chāo）规模数据（jù）中心的冷却系统（tǒng）控（kòng）制权转为人工智能程序，该（gāi）公司（sī）报告称，人工智（zhì）能（néng）算法（fǎ）提供的建议使能源（yuán）使用量减少了40%。

但是，Bizo说，对于那（nà）些名字不是谷歌（gē）的公司来（lái）说（shuō），在数据中心使用人（rén）工智能“在很（hěn）大（dà）程度上（shàng）是一种理（lǐ）想”。一些AI/ML特性在事件处理、基础设施运行状（zhuàng）况和冷（lěng）却优化中可（kě）用。但是，AI/ML模型要取（qǔ）得比目（mù）前标准数（shù）据（jù）中心基础设施管理(DCIM)更明（míng）显的突破还需要（yào）更多（duō）年的时间。与自主汽车开（kāi）发非常相似，早期阶段可能很有（yǒu）趣，但与它最（zuì）终承诺的突破性经济/商业案（àn）例相（xiàng）去甚远（yuǎn）。”

Tabet认为（wéi），一些障碍是“需要雇佣（yòng）或培训合适的（de）人员来管（guǎn）理系统（tǒng）。另一个需要注意（yì）的问题是数据标准（zhǔn）和相（xiàng）关（guān）体（tǐ）系结构（gòu）的需要。”

Gartner这（zhè）样（yàng）说：“AIOps平台成熟度、it技能和运营成（chéng）熟度（dù）是主要的阻（zǔ）碍因素。高级（jí）部（bù）署（shǔ）面临的其他新（xīn）挑战包括数据质量和“IT基（jī）础设施（shī）和运营团队”缺乏数（shù）据科学技（jì）能。

Bushong补充说，最大的障碍一直是人。他（tā）指出，外雇数据科学家对许多企业来说是一个挑战，对现有员工的培（péi）训（xùn）也是一个障碍。

另外，Bushong说，员工抵制（zhì）技术的历史由来已久。他指出，软（ruǎn）件定义网络(SDN)已经存（cún）在了十年，但仍有（yǒu）四（sì）分之三（sān）以（yǐ）上（shàng）的IT运营仍由（yóu）CLI驱动（dòng）。

“我们必须相信（xìn），各种基础设施的运营（yíng）商准备把控制（zhì）权让给人工智能，”Bushong表示。“如果一群人还不相信空管员能（néng）做出决定，那（nà）么你怎么训练、教育（yù）和安慰一群人，让他（tā）们做出如此重大的转变呢（ne）?业内普（pǔ）遍的态度是，如果我这么（me）做，我就会失（shī）业。”

这就是（shì）为什么Bushong建（jiàn）议（yì）企业在人工（gōng）智能方面采取（qǔ）那些小而乏味的（de）步骤，而不（bú）是陷（xiàn）入（rù）经常围绕（rào）一项新技术的炒作中。