大（dà）多数围绕人工智能(AI)的讨论（lùn）都集中在自（zì）动车（chē）辆（liàng）、聊天机器人、数字孪生技术、机器人技术（shù）以及使用基于人工智能（néng）的“智能”系统从大型数据（jù）集中提取商业洞察力。但是人工智能和机器（qì）学（xué）习(ML)总有一天会（huì）在企（qǐ）业数据中心内部的服务器机架中扮演（yǎn）重要角色。

人工智能在提升数据中心效率以及扩展业务方面（miàn）的潜力（lì）可分为以（yǐ）下四个主要类（lèi）别：

电源管理：基于人工（gōng）智能的（de）电源管理有助于优化（huà）加热和冷却（què）系统，从而降低电力成本，减少员工人数，提高效率。该领域（yù）的代（dài）表性供应商包括施耐（nài）德电气、西门子、Vertiv和伊顿公司。 设备管理（lǐ）：AI系统可（kě）以监（jiān）控服务器、存储和（hé）网络设（shè）备的运（yùn）行状况，检查系统是否保持正（zhèng）确配置，并预测设备何时会（huì）出现（xiàn）故障。据Gartner称，AIOpsIT基础设施（shī）管理(ITIM)类别的（de）供应（yīng）商包括OpsRamp、Datadog、Virtana、ScienceLogic和Zenoss。 工（gōng）作负载管理：人工智能（néng）系统可以自动将工（gōng）作负载实时（shí）移动到（dào）最（zuì）高效的基础（chǔ）设施上，包括在（zài）数据中心内部，以（yǐ）及在混合云（yún）环（huán）境中，在prem、云和边（biān）缘环境之间。有越来越多的小型公司提供基于人工智能的工（gōng）作负载优化，包括Redwood、TidalAutomation和Ignio。思科（kē）(Cisco)、IBM和VMware等重量级企业也有产品。 •安全性：人工智能工具可以（yǐ）“了解”正常网络流量的（de）情况，发现（xiàn）异常情况，区分（fèn）需要安全从业者注意的警报的优先（xiān）级，帮助（zhù）对出了什么问题的事后（hòu）分析（xī），并为填补企业安全防御漏洞提供（gòng）建（jiàn）议。提供此功（gōng）能的（de）供应商包括VectraAI、Darktrace、ExtraHop和Cisco。

综上（shàng）所述，人工智能可以帮助企业创建高（gāo）度自动化、安全、自我修复的数据中心，这些数（shù）据中心几乎（hū）不需要人工（gōng）干预，并且（qiě）能（néng）够（gòu）以高水平的效率和弹性运行（háng）。

戴尔技（jì）术公司全球CTO办公室的杰出工程师Tabet解（jiě）释说：“人工智能自动（dòng）化可以扩展到超出（chū）人类能（néng）力的水平（píng）来解释数据（jù），收集优化（huà）能源使用、分配工作负载和最大化效率（lǜ）所需的（de）必要见解，以实现更高的数据中心资产（chǎn）利（lì）用率。”。
当然，就像自（zì）动驾驶汽车的承诺一样，自动驾（jià）驶数据（jù）中心还没（méi）有出现。在（zài）数据中心，存在着（zhe）阻碍人（rén）工智（zhì）能突破的重大技（jì）术、操作（zuò）和（hé）人员（yuán）配（pèi）备障碍。如今，采（cǎi）用技（jì）术才（cái）刚刚起（qǐ）步（bù），但潜（qián）在的好处将使企业不断（duàn）寻找机会采（cǎi）取行动。

电源管理利用服（fú）务器工（gōng）作负载管理

据估计，数据中心将消耗（hào）全球3%的（de）电（diàn）力供应，造成约（yuē）2%的温（wēn）室气体排（pái）放，因此，无论（lùn）是为（wéi）了省钱，还是为了环（huán）保，那（nà）么（me）多（duō）企业都在（zài）认真（zhēn）研究数据中心的（de）电源管理。

451Research的（de）高级分析师丹尼（ní）尔·比佐(DanielBizo)表示，基于人（rén）工智（zhì）能（néng）的系统可以（yǐ）帮助数据中心操作员了（le）解当前或潜在的冷却问题，例如，由（yóu）于高密度机柜（guì）堵塞气流、HVAC装置性能不佳或（huò）冷热通道之间的空气密封不足而导致的冷（lěng）空（kōng）气输送不足（zú）。

Bizo说，人工智能（néng）承诺提供“不仅仅是良（liáng）好的设施设计所能带来的好处”。人工智（zhì）能系统在数（shù）据中心层“可以通（tōng）过关（guān）联（lián）暖通（tōng）空调系统数据和（hé）环境感知读数来学习设备”。

IT咨询和咨询公司StorageIO的创始人（rén）格雷格·舒尔（ěr）茨（cí）(GregSchulz)补充说：“电源管理是一个很容易实现的成果。”今天，它是（shì）关（guān）于生产力的，关于每（měi）BTU完成更多工作，每瓦（wǎ）能源（yuán）完成更多工作，这意味着工作（zuò）更（gèng）智能，让设备（bèi）工（gōng）作（zuò）更智（zhì）能。”

还（hái）有一个容量规划的角度。除了寻（xún）找（zhǎo）热点（diǎn）和冷点之外，人工（gōng）智（zhì）能（néng）系统还可以确保数据中心为适当数量的物理服务器供电，并且在（zài）需求临时激增的情（qíng）况（kuàng）下，有能力启动（dòng）(和关闭)新的物（wù）理服务器。

Schulz补（bǔ）充说（shuō），电源管（guǎn）理工具正在开发连（lián）接到管理设备和工作负载（zǎi）的系（xì）统的挂钩。例如（rú），如果（guǒ）传感器检测到服务器运行太热（rè），系统可能会快速自动地（dì）将工作负载转移（yí）到未充（chōng）分利用（yòng）的服务器上，以避免可能影响任务关键型应用程（chéng）序的潜在停机。然后系统可以调查服务器过热的（de）原因——可能是风扇出故障(HVAC问题)、物（wù）理组件即将崩溃(设备问题)，或者（zhě）服务（wù）器刚刚过（guò）载(工作负载问题)。

人工智能（néng）驱动的（de）健康监控、配（pèi）置管理监督

数据中心充满了需（xū）要定期维护（hù）的物理设备。人工智能系（xì）统可以（yǐ）超越定（dìng）期维护，帮助收集和分析遥测数据，从而确定需要（yào）立即关注的特定区域。”人工智能工具可以嗅出所有这（zhè）些数据和（hé）斑（bān）点模式（shì），以（yǐ）及（jí）异常点，”Schulz说。

Bizo补（bǔ）充说（shuō）：“健康（kāng）监测从检查设备配置是否正确以及性（xìng）能是否符合预期开始。”由于有成百上千个IT机柜和数万个组件，这些平凡的任务可能是劳动密集型的（de），因此并不（bú）总是能够及时（shí）彻底地执（zhí）行。”

他指出（chū），基于大（dà）量感官数据日（rì）志的预测性设备故障模型可以“发现一个即将出现的（de）组件或设备（bèi）故障，并（bìng）评（píng）估其是否需要立（lì）即维（wéi）护，以避免任（rèn）何可能导致服务中断的容量（liàng）损失。”

JuniperNetworks负责企业和（hé）云营销的（de）副总（zǒng）裁（cái）MichaelBushong认为，企业数据中心运营（yíng）商应该忽略（luè）一些（xiē）与人工智能相关的过度宣传和炒作，而专注于他所（suǒ）说的“无聊的创（chuàng）新（xīn）”

是的，人工智能系统可能有（yǒu）一天会“告诉我问（wèn）题出在（zài）哪里（lǐ），并加以解决”，但是到了这一（yī）点，许多数据中心运营（yíng）商会接受（shòu）“如（rú）果出了（le）问题，请告诉我要去哪里看（kàn）”，Bushong说依赖关系映射也是AI有用的一个重要（yào）但不是特（tè）别令人兴（xìng）奋的领（lǐng）域（yù）。如果数据中心（xīn）经（jīng）理正（zhèng）在对防火墙或（huò）其他（tā）设备进行策（cè）略更改，可能会产（chǎn）生什么意外后果?”如果（guǒ）我提出（chū）一个改变，知道爆炸半径范围内可能有什么（me）是很（hěn）有（yǒu）用的。

保持设备平稳（wěn）、安全运行（háng）的另一个重（chóng）要方面是控制所谓的配置漂移(configurationdrift)，这是一个数据中心术（shù）语，指的是随着（zhe）时间的推移，临时配置（zhì）的变化会导致问题的（de）产生。Bushong说，人工智（zhì）能可以作为“额外（wài）的安全检查”来识别即将发生的基于配（pèi）置的数据中心问题。

人工（gōng）智能与安全

Bizo认为，人工智能和机（jī）器学习“可（kě）以通过（guò）对事件（jiàn）进行快速分类和（hé）聚类来简化事件处理(事件响应（yīng）)，从而识别出（chū）重要事件（jiàn）并将其与噪声分离开来。更快的根本原（yuán）因分析（xī）有助于操（cāo）作员做（zuò）出明智的决（jué）定并采取（qǔ）行（háng）动。”

人工（gōng）智能在实时入侵检测中（zhōng）特别（bié）有用，Schulz补（bǔ）充道（dào）。基于人工智能（néng）的系（xì）统（tǒng）可以检测（cè）、阻止和隔离（lí）威胁，然后可以（yǐ）回去进行法医调查，以确定到底（dǐ）发生了什么，黑客能够利用（yòng）哪些漏洞。

在安（ān）全操作中心(SOC)工作的安全专业（yè）人员经常（cháng）会收到过多的警报，但基于（yú）人工（gōng）智能的系统可以（yǐ）扫描大量的遥（yáo）测数（shù）据和日（rì）志信息，从而清除日（rì）常任务（wù），从而使（shǐ）安全专家能够腾出时（shí）间（jiān）来处理更深层次的调查。

基于人工智能的工（gōng）作负载优化

在应用程序层，AI有可能自动将工作负载移动到适当的着陆点，无论是在内部部署还是在云端。”AI/ML将来应（yīng）该（gāi）根据性能、成本（běn）、治理、安全、风险和可持续性的（de）众多规范，实时决定在哪（nǎ）里放（fàng）置工作（zuò）负（fù）载（zǎi）。

例如（rú），工作负载可（kě）以自动移动到最省电的服（fú）务器，同时确保服（fú）务器以最（zuì）高效率运行，即70-80%的利用率（lǜ）。Bizo说，人（rén）工智（zhì）能系统可以将性（xìng）能数据整合到等（děng）式中，因此对（duì）时（shí）间敏感的（de）应用程序在高效服务（wù）器上运行，同时确保不需要快速执行的应（yīng）用程序不（bú）会消（xiāo）耗过多的（de）能量。

基于人工智能的工作负载（zǎi）优化引起了麻省理工（gōng）学院研究人（rén）员的注意，他们去（qù）年宣（xuān）布他们开发了一个（gè）人工智能系（xì）统，可以自动学习如何在数千台服务（wù）器上调度（dù）数据处理操作（zuò）。

但是，正如（rú）Bushong所指出（chū）的，现实情况是，如（rú）今的（de）工（gōng）作负载优化是像亚马逊、谷歌和Azure这样的（de）超大规模（mó）公司的专（zhuān）利，而不是（shì）一般的（de）企业数据（jù）中心（xīn）。原因有很多。

实施人工智能的挑（tiāo）战
优化和自动化数据中心是正在进行的数字化改造计划的一个（gè）组成部（bù）分。戴尔的（de）Tabet补（bǔ）充道（dào），“借助COVID-19，许多（duō）公（gōng）司现（xiàn）在都在寻求进一步（bù）的自动（dòng）化，推动人（rén）工智能驱动、能够自我修复的‘数字数据中心’的理念。”

谷歌在2018年宣布，已将其数个超规模数据中心的冷却系统控制权转为（wéi）人工智能程序（xù），该公（gōng）司（sī）报告称，人工智能算法提供（gòng）的建议（yì）使（shǐ）能（néng）源使用（yòng）量减少了40%。

但（dàn）是，Bizo说，对于那些名（míng）字不是谷（gǔ）歌的公（gōng）司来说，在数据中心（xīn）使用人工智能“在很大程度上是一（yī）种理想”。一（yī）些AI/ML特性在事件处理、基础设施运（yùn）行状况和（hé）冷却（què）优化中可用。但是，AI/ML模型要取得比（bǐ）目前标准（zhǔn）数据中心基础设施管理(DCIM)更明（míng）显的（de）突破还需要（yào）更多年的（de）时间。与自主汽车开发非常（cháng）相似，早期阶段可能很（hěn）有趣，但与它（tā）最终承诺的突破性（xìng）经济/商业案例相去甚远。”

Tabet认（rèn）为（wéi），一些障碍是“需要雇佣或培训合适的人员来管理系（xì）统（tǒng）。另一个需要注（zhù）意的问题是数据标（biāo）准和（hé）相（xiàng）关体系（xì）结构（gòu）的需要。”

Gartner这样（yàng）说：“AIOps平台成熟度、it技能和运营成熟度（dù）是主要的阻（zǔ）碍因素。高级（jí）部（bù）署（shǔ）面临的其（qí）他（tā）新（xīn）挑战包（bāo）括（kuò）数据（jù）质量和“IT基础设施和（hé）运营团队（duì）”缺乏数据（jù）科（kē）学技能（néng）。

Bushong补充说，最大的障（zhàng）碍一直是人。他指（zhǐ）出，外雇数（shù）据科学（xué）家对许多企业来说是一个（gè）挑战，对现（xiàn）有员工的培训也是一个障碍。

另外（wài），Bushong说，员工抵制技术的历史由（yóu）来已久。他指出（chū），软件（jiàn）定（dìng）义网络(SDN)已经存在了十年（nián），但仍有四分之三以上的IT运营仍由CLI驱动（dòng）。

“我们（men）必须相信，各种基础设（shè）施的运营商准备把（bǎ）控制权让给人工智能，”Bushong表示。“如果一群人还不相（xiàng）信（xìn）空（kōng）管员能做出（chū）决定，那么你怎么训练、教育（yù）和安慰一群人，让（ràng）他们做出如此重大的转变呢?业内（nèi）普遍的态度是，如果我这么做，我就会（huì）失（shī）业。”

这就是为什么Bushong建（jiàn）议企业（yè）在（zài）人工智（zhì）能方（fāng）面采取那（nà）些小而（ér）乏味（wèi）的步（bù）骤（zhòu），而不是陷（xiàn）入经常围绕一项新技术的（de）炒作（zuò）中。