大多（duō）数围（wéi）绕人（rén）工（gōng）智（zhì）能(AI)的讨论都集中在自动车辆、聊天机器人、数字孪生技术、机器（qì）人技（jì）术以及使用基于人工智能的“智（zhì）能”系统（tǒng）从大型数据（jù）集中提取商（shāng）业洞察力。但是人（rén）工智能和机器学习(ML)总有一天会在企业（yè）数据（jù）中（zhōng）心内部的服务器机架（jià）中扮演重要角色。

人工（gōng）智能在提升数据中心效率以及扩展业（yè）务方面的潜力可分为（wéi）以下四个主要类别：

电（diàn）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（xì）统，从而降低电力成本，减少员工人数，提高效（xiào）率。该领域的（de）代（dài）表（biǎo）性供应商包括施耐德电（diàn）气、西门（mén）子、Vertiv和伊顿公司。 设备管理：AI系统可以监控服务器（qì）、存储和网络设备的（de）运行状况，检查系（xì）统是否保（bǎo）持正确配置，并预测（cè）设备（bèi）何（hé）时会（huì）出现故障。据Gartner称，AIOpsIT基础设（shè）施管（guǎn）理(ITIM)类（lèi）别的供应商包括（kuò）OpsRamp、Datadog、Virtana、ScienceLogic和Zenoss。 工作负载管（guǎn）理：人（rén）工智能系统可（kě）以自动（dòng）将工（gōng）作负载实时移动到最高效的基础设施上，包括在数据（jù）中心内部，以及（jí）在混合云环境中（zhōng），在prem、云和边缘环境之间（jiān）。有越来越多的小型公司提供基于（yú）人工（gōng）智能的工作负载优（yōu）化（huà），包括Redwood、TidalAutomation和Ignio。思科(Cisco)、IBM和VMware等重量级企业也有产品。 •安全（quán）性：人工智能工具（jù）可以“了（le）解（jiě）”正常网（wǎng）络流量的情况，发现异常情况，区分（fèn）需要（yào）安全从业者注意的警报的（de）优先级，帮（bāng）助对出了什么（me）问题的事后分（fèn）析，并为填补企业安全防御漏（lòu）洞（dòng）提供建议（yì）。提供此（cǐ）功（gōng）能的供（gòng）应商（shāng）包括VectraAI、Darktrace、ExtraHop和Cisco。

综上所述，人工智能可（kě）以（yǐ）帮助企业创（chuàng）建（jiàn）高度自动化、安全、自我修（xiū）复的数（shù）据中心，这些（xiē）数据中（zhōng）心几（jǐ）乎不需（xū）要人（rén）工干预，并且（qiě）能（néng）够以高水平（píng）的效率和弹（dàn）性运行。

戴尔技（jì）术公司全球CTO办公室的杰出工（gōng）程（chéng）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（jiě）释数（shù）据，收集优化能源使用、分配工作负载和最大化效率所（suǒ）需的必要见（jiàn）解，以实现更高（gāo）的数据中心资产（chǎn）利（lì）用率。”。
当然，就像自（zì）动驾驶（shǐ）汽车的承诺一（yī）样，自动（dòng）驾驶数（shù）据中心（xīn）还没有出现。在数据中心（xīn），存在着阻（zǔ）碍人工智能突破的（de）重大技术、操作和人员配备障碍。如今，采用技术（shù）才刚刚起步，但潜在的好处将使企业不断寻找（zhǎo）机会（huì）采取行动。

电源管理利用服务器工作负载（zǎi）管理

据估计，数据中心将消（xiāo）耗全球3%的（de）电力供应，造成约2%的温室（shì）气体（tǐ）排放，因此，无（wú）论是（shì）为了省（shěng）钱，还是（shì）为了环保，那么多企业都在认真研（yán）究数据中心的电源（yuán）管理。

451Research的高级分析师丹尼尔（ěr）·比（bǐ）佐(DanielBizo)表示，基于（yú）人工（gōng）智能的系（xì）统（tǒng）可（kě）以帮助（zhù）数据中心操作员了解（jiě）当前或（huò）潜在的冷却问（wèn）题（tí），例如，由（yóu）于（yú）高密度（dù）机柜堵（dǔ）塞（sāi）气流、HVAC装置性（xìng）能不佳或冷热通道之间的空气密封不足而（ér）导致的冷（lěng）空气输送（sòng）不足。

Bizo说（shuō），人工智能承诺提供“不仅仅（jǐn）是良好的设（shè）施设计所能带来的好处”。人（rén）工智能系统在（zài）数（shù）据中心层（céng）“可以（yǐ）通过关联暖通空（kōng）调系统数据和环境感（gǎn）知读数来学习设备”。

IT咨询和（hé）咨询公司StorageIO的创始人格雷格·舒（shū）尔茨（cí）(GregSchulz)补充说：“电源管理（lǐ）是一个很容易实现（xiàn）的成果。”今天，它是关于生产力的（de），关于每（měi）BTU完成更（gèng）多工作（zuò），每瓦（wǎ）能源完成更（gèng）多（duō）工作，这意味着工作更智能（néng），让设备工作更智能。”

还有一个容量规划的角度。除了（le）寻找热（rè）点和冷点之外，人工智能系统还可以确保数（shù）据中心为适当数量（liàng）的物理服务器（qì）供电，并（bìng）且在需求临时激增的情况下，有能力启（qǐ）动(和关闭)新（xīn）的物理服务器。

Schulz补充说，电源（yuán）管理工具正在（zài）开（kāi）发连接到管（guǎn）理设备（bèi）和工（gōng）作负载的系（xì）统的挂钩。例如（rú），如果传（chuán）感器检（jiǎn）测到服务器运（yùn）行（háng）太热，系统可能会快速（sù）自动地将（jiāng）工作（zuò）负（fù）载转移到未充（chōng）分利用的服务器上（shàng），以避免可（kě）能（néng）影（yǐng）响任务关键型应用程序的潜在停机。然后系统（tǒng）可（kě）以调查（chá）服（fú）务器过（guò）热的原（yuán）因——可能是风扇出故（gù）障(HVAC问题（tí）)、物理组件即将崩溃(设（shè）备问题)，或者服务器刚刚过载(工作负载问题（tí）)。

人工智能驱动的健康监控、配置管理监督

数据中心充满了（le）需（xū）要定期维护的物理设（shè）备。人（rén）工智能系（xì）统可（kě）以超越（yuè）定期维护（hù），帮助收集和分析遥测（cè）数据，从而确定需要立即关注的特定区域。”人工智（zhì）能工具可以（yǐ）嗅出所有这些数据和斑点模式，以及异（yì）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（xìng）能是否符合（hé）预（yù）期开始。”由于有成百上千（qiān）个IT机柜和（hé）数万个组件，这些（xiē）平（píng）凡的任务可能是劳动（dòng）密集型的，因此（cǐ）并不总是（shì）能够及时彻底地执行。”

他指（zhǐ）出，基于大量感官数（shù）据日志的预测性设备故障模型（xíng）可以“发现一（yī）个即将出（chū）现的组件或设备故障（zhàng），并评估其是（shì）否（fǒu）需要立即维护，以避免任何可能导致服务中断的容量损失。”

JuniperNetworks负责（zé）企业和（hé）云（yún）营销的（de）副总裁MichaelBushong认为，企业数据中心运营（yíng）商应该忽略一些（xiē）与人工智能相关（guān）的过度宣传和炒作，而专注于他（tā）所说（shuō）的“无（wú）聊的创（chuàng）新（xīn）”

是（shì）的，人工（gōng）智（zhì）能系（xì）统可能有一天会“告诉我（wǒ）问题出在哪里，并加以解决（jué）”，但是到（dào）了这一点，许多数据中心运营（yíng）商会（huì）接受“如果出了（le）问题，请告诉我要去哪里看”，Bushong说依赖关系映射也是（shì）AI有用的一（yī）个重要（yào）但不是特（tè）别令（lìng）人兴奋的领域。如果（guǒ）数（shù）据（jù）中心经理正在对（duì）防火墙或其（qí）他设备（bèi）进行策略更改，可能会产生什么意（yì）外后果?”如（rú）果我提出一（yī）个改变（biàn），知道爆炸半径范围（wéi）内可（kě）能有什（shí）么是很有用的。

保持设备平（píng）稳、安（ān）全运（yùn）行的另一个（gè）重要方面是控制所谓的配置漂移(configurationdrift)，这是（shì）一个数据（jù）中心术语，指的是随（suí）着（zhe）时间的（de）推移，临时配置的变化会导致问题（tí）的产生。Bushong说，人工智能可（kě）以作为“额外的安全检查”来识别即（jí）将发生的基于配置的数据中心问（wèn）题。

人工智（zhì）能与安全

Bizo认为，人工智能和机器学习“可以通（tōng）过对事件进行快速分类和聚（jù）类来（lái）简化事件处（chù）理(事件响应)，从（cóng）而识别出重（chóng）要事件并将（jiāng）其（qí）与噪（zào）声分离开来。更快的根本原因分析有（yǒu）助于操作员做出明智的决（jué）定并采取（qǔ）行动。”

人（rén）工智能在实时（shí）入侵检测（cè）中特别（bié）有（yǒu）用，Schulz补充道。基于人工智能的系统（tǒng）可以检测（cè）、阻（zǔ）止和隔离威胁，然后（hòu）可以回去进行法医调查，以确定到底发生（shēng）了什么，黑客能够利用哪（nǎ）些（xiē）漏洞。

在（zài）安（ān）全（quán）操作中心（xīn）(SOC)工作的安全专业人员经常（cháng）会收（shōu）到过多的警报（bào），但基于（yú）人工智能的系统可以扫描大量的遥测数据和（hé）日（rì）志信息，从而清除日常任务（wù），从而使安全专家能够腾出时（shí）间来处（chù）理更深层（céng）次（cì）的调查。

基于（yú）人工（gōng）智能的工作负载优化

在应用程序层，AI有可能自动（dòng）将工作负载移动（dòng）到适当的着（zhe）陆点，无论是在内部部署还是在云端（duān）。”AI/ML将（jiāng）来应该根（gēn）据性（xìng）能、成本、治理、安全、风险和（hé）可持续性（xìng）的（de）众（zhòng）多规范，实（shí）时决定（dìng）在哪里放置工（gōng）作（zuò）负载。

例如，工作（zuò）负载（zǎi）可以自动移动到（dào）最省（shěng）电的服务器（qì），同时确保服务器以最（zuì）高效率运行（háng），即70-80%的利用率。Bizo说（shuō），人工（gōng）智能系统（tǒng）可以将性能数（shù）据（jù）整合到等式中，因（yīn）此对时（shí）间敏感的应（yīng）用程（chéng）序（xù）在高效服务器上运行，同时（shí）确保（bǎo）不需要（yào）快速（sù）执行的应用程序不会消耗过多的能量。

基于人（rén）工（gōng）智（zhì）能的工作负载优化引（yǐn）起（qǐ）了（le）麻（má）省理工学（xué）院研究（jiū）人员的注（zhù）意，他们去年宣布他们开发了一个人工智能系统（tǒng），可（kě）以自动学习（xí）如何在数千台服务器（qì）上调度数据处理操作（zuò）。

但是，正（zhèng）如Bushong所指（zhǐ）出的，现（xiàn）实情况（kuàng）是，如今的工（gōng）作负载优化是像（xiàng）亚马逊（xùn）、谷歌和（hé）Azure这样的超（chāo）大规模（mó）公司的专利，而不是一般的企（qǐ）业数据中心。原因有（yǒu）很多。

实施（shī）人工智（zhì）能的挑战（zhàn）
优化和自动化数据中（zhōng）心是正在进行的数字化改造计（jì）划（huá）的一个组成部分。戴尔的Tabet补充道，“借助COVID-19，许多公司现在都在寻（xún）求（qiú）进一步（bù）的自动化，推动（dòng）人工智能驱动、能够（gòu）自我修复（fù）的‘数字数（shù）据中心（xīn）’的理念（niàn）。”

谷歌在2018年宣布，已（yǐ）将（jiāng）其（qí）数个超规（guī）模数据中（zhōng）心的冷却系统控制权转为人工智能（néng）程（chéng）序，该公司报告称，人工智能算法提供的建议使能（néng）源使（shǐ）用量减（jiǎn）少了40%。

但（dàn）是，Bizo说，对（duì）于那（nà）些名字不是谷歌的公司来说，在数据中心使用（yòng）人工智能“在很大程度上是（shì）一种理想”。一（yī）些AI/ML特性（xìng）在事件（jiàn）处理、基础（chǔ）设（shè）施运行状况和冷却优（yōu）化中可用。但是，AI/ML模型要（yào）取得比目前标准（zhǔn）数据中心基础（chǔ）设施管理（lǐ）(DCIM)更明（míng）显的突破还需（xū）要更多（duō）年的（de）时间（jiān）。与自主汽车开发（fā）非（fēi）常相似，早期阶（jiē）段可能很有趣，但与它最终承诺的突破性经济/商业案（àn）例相去甚远。”

Tabet认为，一些障（zhàng）碍是“需要（yào）雇佣或培训合适的人员（yuán）来管理系统。另（lìng）一（yī）个需要注意的（de）问（wèn）题是数据标准和相（xiàng）关（guān）体（tǐ）系结（jié）构的需要。”

Gartner这（zhè）样（yàng）说（shuō）：“AIOps平（píng）台成熟度、it技能和运营成熟度是（shì）主要（yào）的（de）阻（zǔ）碍因素。高级（jí）部署面临的其他新挑（tiāo）战包括数（shù）据质量和“IT基础设施和运（yùn）营团队（duì）”缺乏（fá）数据科学技能。

Bushong补充（chōng）说，最大的障（zhàng）碍一直是人。他指出，外雇数据科学（xué）家（jiā）对许（xǔ）多企业来说是（shì）一个挑战，对现（xiàn）有员（yuán）工的培训也是一个障（zhàng）碍。

另外，Bushong说，员工抵制技术（shù）的历史（shǐ）由来已久。他（tā）指出，软件（jiàn）定（dìng）义网络(SDN)已经存在了十（shí）年，但仍有四分（fèn）之三以上（shàng）的IT运营仍由CLI驱动。

“我们（men）必须相信（xìn），各（gè）种基础（chǔ）设施的运营商准备把控制权让给（gěi）人工智（zhì）能，”Bushong表示。“如果一群人还不相（xiàng）信（xìn）空管员能（néng）做出决定，那么你怎么训练、教育和安（ān）慰（wèi）一群人，让他们做出如（rú）此重大的转变呢?业内普遍的态（tài）度是，如果我（wǒ）这（zhè）么做，我就会（huì）失（shī）业。”

这就是为什么（me）Bushong建议企业在人（rén）工（gōng）智（zhì）能方（fāng）面采取那些小而乏味（wèi）的步骤，而不是（shì）陷入经常围绕一项新技（jì）术的炒（chǎo）作中。