數(shù)據(jù)中心的兩種人工智能應(yīng)用淺析

毫無疑問，人工智能（AI）如今正在滲透到各種技術(shù)的各個(gè)方面，從癌癥的早期發(fā)現(xiàn)到理解各國的人類語言，以及在實(shí)時(shí)高分辨率視頻中分辨人臉。大量消費(fèi)者應(yīng)用為主流需求、社會(huì)認(rèn)可和人工智能的日益普及提供了動(dòng)力和資金。現(xiàn)在，人工智能思維系統(tǒng)正在快速地進(jìn)入企業(yè)IT領(lǐng)域。

很多組織的IT團(tuán)隊(duì)已經(jīng)看到人工智能成為許多任務(wù)的主流，其中包括網(wǎng)絡(luò)安全、IT運(yùn)營、監(jiān)控、數(shù)據(jù)分析、業(yè)務(wù)流程自動(dòng)化和基礎(chǔ)設(shè)施配置，以響應(yīng)緩慢增長的技術(shù)勞動(dòng)力和快速增長的IT工作負(fù)載之間日益擴(kuò)大的差距。

然而，對于數(shù)據(jù)中心而言，它們僅代表兩種主要應(yīng)用：用于數(shù)據(jù)中心的人工智能和用于人工智能的數(shù)據(jù)中心。

用于數(shù)據(jù)中心的人工智能

如今，智能產(chǎn)品已經(jīng)通過篩選大量繁雜的操作遙測數(shù)據(jù)、發(fā)現(xiàn)異常、關(guān)聯(lián)事件和確定根本原因來增強(qiáng)IT運(yùn)營和分析。人們還看到人工智能技術(shù)添加到基礎(chǔ)設(shè)施配置和流程自動(dòng)化中，如今幾乎每周都有新產(chǎn)品推出，并將人工智能帶入新的領(lǐng)域。隨著人工智能在IT運(yùn)營中的成熟，它從解釋發(fā)生了什么、提出建議或識別異常的被動(dòng)報(bào)告者轉(zhuǎn)變?yōu)轭A(yù)測失敗、自主調(diào)整過程的步驟以及自動(dòng)部署或銷毀容量的更加主動(dòng)的參與者。

但其最大的影響可能是數(shù)據(jù)中心將人工智能與數(shù)據(jù)中心信息管理（DCIM）系統(tǒng)結(jié)合起來，以提供數(shù)據(jù)中心的智能運(yùn)營。2014年，谷歌公司使用DeepMind對其數(shù)據(jù)中心的風(fēng)扇、通風(fēng)和冷卻設(shè)備進(jìn)行控制調(diào)整，將電力成本降低了40％。例如今年，谷歌公司為冷卻系統(tǒng)運(yùn)營一個(gè)自我學(xué)習(xí)的算法，不是表明各種變化，而是直接自主調(diào)整控制，觀察結(jié)果，通過學(xué)習(xí)變得更加智能。對于量化結(jié)果來說還為時(shí)過早，但早期跡象看起來很有希望。

但現(xiàn)在只是才剛開始。這些智能產(chǎn)品將在機(jī)房的機(jī)架上虛擬地重新定位發(fā)熱的計(jì)算負(fù)載，以實(shí)現(xiàn)最佳溫度控制。其他DCIM供應(yīng)商也在研究人工智能算法，以根據(jù)不斷變化的硬件容差、功耗／成本趨勢、瞬態(tài)工作負(fù)載來改變數(shù)據(jù)中心環(huán)境溫度。除了監(jiān)控冷卻設(shè)備之外，人工智能管理配電系統(tǒng)，其節(jié)省數(shù)據(jù)中心電力成本的潛力同樣引人注目。而如果人工智能在全球所有數(shù)據(jù)中心上擴(kuò)展應(yīng)用的話，其影響可能是巨大的。

展望未來，新興的智能DCIM系統(tǒng)將數(shù)據(jù)中心物聯(lián)網(wǎng)傳感器數(shù)據(jù)（如熱量、氣流、振動(dòng)，超聲波、功耗、水和煙霧檢測）整合到基于人工智能的平臺(tái)中，不僅可以檢測異常的數(shù)據(jù)中心行為，還可以確定問題的根源和原因。很快，這些智能DCIM系統(tǒng)不僅會(huì)說明某些事情失敗的時(shí)間、地點(diǎn)和原因，而且還會(huì)在事情出錯(cuò)之前預(yù)測性地提醒操作人員，并且在某些情況下，還會(huì)自動(dòng)禁止。

用于人工智能的數(shù)據(jù)中心

由于人工智能幾乎改變了每個(gè)數(shù)據(jù)中心應(yīng)用程序，它也在重塑軟件開發(fā)生命周期（SDLC）。傳統(tǒng)應(yīng)用程序通過程序化更改演變?yōu)槠涞讓哟a庫，然后使用嚴(yán)格測試進(jìn)行驗(yàn)證，并以受控、可管理、可重復(fù)方式部署到生產(chǎn)過程中。但是，基于人工智能的應(yīng)用程序不依賴于代碼更改或單向部署。相反，許多人在開發(fā)環(huán)境中發(fā)展更智能模型并將其部署到生產(chǎn)中，而其他人則在生產(chǎn)中進(jìn)行自我訓(xùn)練，在那里他們從現(xiàn)實(shí)世界數(shù)據(jù)中學(xué)習(xí)并將這些知識傳播回開發(fā)環(huán)境。這種雙向細(xì)微差別對數(shù)據(jù)中心網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)具有根本性影響。

無論是嵌入在更加傳統(tǒng)的第三方應(yīng)用程序中還是內(nèi)部開發(fā)的人工智能算法，在對盡可能真實(shí)且相關(guān)的大量數(shù)據(jù)進(jìn)行訓(xùn)練時(shí)效果最佳。因此，在許多情況下，實(shí)時(shí)生產(chǎn)數(shù)據(jù)最適合訓(xùn)練，但在其他應(yīng)用中，非生產(chǎn)環(huán)境中的外部數(shù)據(jù)系統(tǒng)，以及由此產(chǎn)生的智能模型被部署到生產(chǎn)中。在這兩種情況下，人工智能應(yīng)用程序不只是從非生產(chǎn)部門應(yīng)用到生產(chǎn)部門中，還在兩者之間應(yīng)用，而要求環(huán)境之間的網(wǎng)絡(luò)分割變得更具滲透性。

人工智能訓(xùn)練需要大量的計(jì)算和大量的數(shù)據(jù)，數(shù)據(jù)越多越好。為了滿足這種對計(jì)算能力的巨大需求，人工智能訓(xùn)練越來越多地發(fā)生在以CPU為中心的非CPU服務(wù)器上，這些服務(wù)器基于GPU、FPGA、定制ASIC或?qū)Ｓ玫?u>深度學(xué)習(xí)單元，可提供數(shù)量級的性能提升。不幸的是，這些計(jì)算系統(tǒng)耗電量大，功率密度高達(dá)30－50kW／機(jī)架，而且預(yù)測下一代計(jì)算系統(tǒng)的功率密度將達(dá)到驚人的100kW／機(jī)架。擁有并運(yùn)營40多個(gè)數(shù)據(jù)中心的數(shù)據(jù)中心運(yùn)營商Flexential公司云計(jì)算主管Jason Carolan表示，“如果沒有對諸如液體冷卻之類的冷卻遏制解決方案進(jìn)行實(shí)質(zhì)性的重新設(shè)計(jì)，現(xiàn)有的大多數(shù)數(shù)據(jù)中心在規(guī)模上根本無法支持這一點(diǎn)。”

除了電源之外，這些超級計(jì)算機(jī)的運(yùn)行速度與它們接收的訓(xùn)練數(shù)據(jù)一樣快。結(jié)果是對大型、廉價(jià)和閃電般快速的近線存儲(chǔ)的需求不斷增長，觸發(fā)了更快的控制器、協(xié)議（例如，NVMe和NVMe－oF）和存儲(chǔ)媒介（例如3D XPoint和3D NAND）的市場競爭。

在許多情況下，基于人工智能的應(yīng)用程序需要一個(gè)非生產(chǎn)訓(xùn)練環(huán)境，其計(jì)算和存儲(chǔ)容量比生產(chǎn)環(huán)境更高。這種情況促進(jìn)新計(jì)算和存儲(chǔ)平臺(tái)部署到開發(fā)和訓(xùn)練環(huán)境中，以及最新的網(wǎng)絡(luò)、SAN和相關(guān)的監(jiān)控和管理工具的更多改變。這些演進(jìn)需要對數(shù)據(jù)中心的服務(wù)器和存儲(chǔ)拓?fù)溥M(jìn)行徹底的轉(zhuǎn)換。

即將到來的基于人工智能的產(chǎn)品和服務(wù)將成為運(yùn)營、自動(dòng)化、監(jiān)控、合規(guī)、安全、開發(fā)和云集成的分水嶺，而這些都將是數(shù)據(jù)中心大量基礎(chǔ)性改變的基礎(chǔ)。那些具有遠(yuǎn)見卓識的數(shù)據(jù)中心運(yùn)營商采用支持基于人工智能的應(yīng)用程序，并通過人工智能進(jìn)行操作，他們可以應(yīng)對即將到來的市場風(fēng)暴。