聚焦AI的智能数据中心

1、聚焦AI的智能数据中心数据中心发展趋势市场概况未来的数据中心商品化数据中心服务增加外包模式将推动数据中心服务变得商品化， 市场变得越来越价格驱动。工作温度在数据中心大厅内提升工作温度是一种提高能源效率的措施。 最终用户的感知会增加。数据中心未来发展趋势横向短期中期长期混合模式：云+传统利用云技术的场景越来越多，但不可能从传统数据 中心彻底转变。 然而采用混合模式是很可行的。新兴经济体的主导地位中大型新数据中心的建设将集中在新兴经济体。 亚太地区将成为焦点。可替代的制冷和电源越来越多采用创新的、节能的、先进的电力和制 冷的解决方案，同时我们看到越来越多数据中心使用可再生能源供电。未来全球数据中心

2、，20172024高影响：中低Source: Frost & Sullivan2-27市场概况未来的数据中心（续）数据中心未来发展趋势横向短期中期长期增加功率密度数据中心日益增长的工作负载和IT设备的整合将提升功 率密度。 平均功率密度/机架将超过2018年1012千瓦（kW）阈值。模块化设计快速部署即插即用数据中心有助于技术演进和成本控制。从而缩短了技术的生命周期。边缘计算和5G 5G的到来将进一步加速时延相关应用的增长，从而使 数据中心更接近网络边缘。 快速部署小型边缘数据中心，使计算更接近终 端用户。下一代DCIM增加数据中心基础设施管理（DCIM）将产生更多下一代 基于数据建模的DCI

3、M解决方案的需求。 北美和欧洲最早使用这一解决方 案。人工智能人工智能将改变数据中心在未来几年的运作方式。人工智 能技术的进步将使数据中心真正智能化；一个能够自我学习和自我优化 的数据中心。来源：Frost&Sullivan报告高影响：中低Source: Frost & Sullivan3-27数据中心投资趋势234.1255.5280.6308.5340.5374.28.08.59.09.510.010.5400.0350.0300.0250.0200.0150.0100.050.00.0201720182022Investment ($ Billion)201920202021Rev($

4、B)GR (%)增长率（%）20172022年全球总数据中心市场和投资预测23.240.2175.0155.0135.0115.095.075.055.035.015.0-5.020172022Investment ($B)2012&2016年全球数据中心市场、区域投资预测（不含企业细分）CAGR：9.8%23.6%40.6%35.8%Colocation, 25%Enterprise, 53%2017年全球总数据中心投资（按数据中心类型划分）Colocation, 21%Hyper-Scale Cloud, 18%Enterprise, 61%2017EMEAAPACAMERICAS2022

5、年全球总数据中心投资（按数据中心类型划分）4-272022Hyper-Scale Cloud, 22%来源：Frost&Sullivan报告Return to contents5-27AI为智能数据中心铺平道路推动全球AI产业发展的关键趋势推动AI进步的自动化需求技术演进智能应用需求技术的增长大数据、云计算等技术的发展随着工业4.0的兴起，每个行在机器学习、深度学习、人工用户需要高度定制和个性化的推动了AI技术的进步，为AI引业越来越多的自动化需求促使神经网络、遗传算法、蒙特卡应用，机器可以单独识别并与擎训练提供了大量数据集。数字化的发展和先进技术的使洛模拟、优化和博弈论等方面用户交互，满足用

6、户的需求。此外，神经网络等支持高效并用。 智能自动化支持新的基的持续进步以及和模糊逻辑的AI正在向这些智能应用提供所行处理的处理技术的不断演进于AI的技术和应用的发展，可结合使得对真实世界的仿真更需的智能，使工作更容易、更也有助于AI的发展。以大大提高业务流程的效率。加准确。 增强模式识别技术安全、更明智和更快捷。在加快具有优秀预测能力的智能应用的使用。来源：Frost&Sullivan报告6-27低高人工智能：2018年全球关键趋势影响全球AI应用情况美国拥有最多AI技术专利（35.15%），其次是日本和韩国。 AI中最大的专利技术是人工神经网络（ANN），其次是模 式识别、机器学习、模糊逻

7、辑、支持向量机（SVM）、深度学习和认知计算。北美是AI技术市场领导者。 这可能是因 为微软、谷歌和IBM等全球最大的信息和通信 技术（ICT）公司的存在，以及许多愿意投资 这项技术的资助机构。目前，AI技术正在医疗、制造、汽车和金融市 场等不同的垂直行业中推广。欧洲的AI市场仍处于起步阶段，目前在该地区欧洲委员会和政府 机构拨款资助了几项AI研究活动。 他们通过与研究机构和AI公司 的合作伙伴关系和协作，在促进AI创新方面起到了关键作用。在亚太地区，中国、日本和韩国在AI领域比较领先。 这些国 家的政府已经意识到AI的潜力，并在研发方面投入了数十亿美 元。 目前，美国和中国在争夺AI市场的主

8、导地位。除了美国和日本，韩国是第三个拥有AI技术专利最多的国家。 印度AI市场尚处于起步阶段，随着政府推动数字化进程AI市场 也会逐步增长。来源：Frost&Sullivan报告7-27AI行业应用情况低中高金融服务来源：Frost&Sullivan报告8-27ICT行 业汽车能源建设与采矿教育旅游医疗零售媒体&娱乐不同垂直行业的AI应用情况AI是工业4.0的关键驱动因素，可能会打乱几 个垂直行业。AI在类似人类的认知功能和基于模拟做决策 方面的能力不断推动其大规模应用。AI将对不同的业务领域产生巨大影响，因为 各行业正在改变其核心流程和商业模式，以 充分利用计算技术以及机器学习和深度学习 算

9、法。该图描述了目前在不同行业中AI应用情况。AI已经改变了金融、ICT、医疗和汽车行业， 即将改变能源、零售和其他行业。人工智能：2018年全球各行业应用情况数据中心挑战最紧迫的挑战是意外停机/停电$1.02M$2.41M2.52.01.51.00.50.020102016Cost ($Million)20102016年美国数据中心意外停机造成的平均最大成本人为错误，电 力和制冷故障58%网络安全22%发电机故障6%天气相关10%IT设备4%美国数据中心意外停电的根因UPS故障， 25%水、发热或 制冷，22%人为错误，11%人为错误直接导致的数据中心停电占总停电次 数的22% 其中部分最大威

10、胁是由简单的错 误引起的，如将温度调整为华氏温度而不是摄 氏度，或拔错电源线。人为错误非直接导致的数据中心停电占60%65%。 这些导致停电的错误通常由高级管理人 员的糟糕决定引起的，他们似乎不了解发生停 电事件站点的情况。美国单个数据中心停电的平均成本约为73万美 元。每次事故每分钟一次意外停电的费用是9000至17000美元。来源：波耐蒙研究所、Frost&Sullivan报告9-27数据中心意外停电真实案例真实案例场景分析数据中心意外停电人/意外错误主要涉及的关 键基础设施相 关问题根因公司名称影响1.5亿美元公司 成本问题持续三天数据中心停 电影响约2000航班预计停电成本1.77亿美

11、元来源：Frost&Sullivan报告10-27预订系统离线，并影 响了全国航班 航班取 消三天1.12亿美元公司 成本停电导致超过400航班 被取消，75000名乘客 滞留停电成本未披露调试一个计费系统的 问题导致大量服务器 被无意关闭。AI在应对这些挑战中的作用提升关键基础设施效率机器学习驱动的智能为关键电力基础设施提 供基于条件触发的维护，最终提高效率和降 低成本。关键器件包括：智能电源智能制冷智能数据中心基础设施管理机器学习使用算法来解析数据，从数据 中学习，并根据它所学到的信息做出明 智的决策。深度学习组合不同层次算法，建立可以 自主学习和做出明智决策“人工神经网 络”。来源：Fr

12、ost&Sullivan报告11-27检测和消除 停电AI通过改进的停电健康能影响现有的 数据中心服务提供商。它提供了先进的预测分析，更容易和更可靠 地监控电力水平和潜在的麻烦领域。提升安全性数据中心一直得为网络安全威胁做好准备。 与人类不同，AI系统可提供7x24监控服务， 留意所有数据威胁。 AI能够以更彻底和更快 的速度对安全威胁进行筛选和分析。服务器优化AI的预测分析也可以协助数据中 心更有效地分配工作负载，减少对机器的 压力，帮助整个中心更高效运作。战略需求：AI与数据中心效率AI对数据中心的最大好处是大幅减少能耗；对于小型或大数据中心，基于AI的数据中心系统和解 决方案势必要提升能

13、源效率。动态电力优化：AI允许实现对所有设备的供电策略，以保证整个数据中心的最高效率和负载均衡。 例如：监控UPS系统中电池的温度和放电情况。 智能系统能识别在更热环境中运行并且可能会比其 他系统更常放电的UPS系统，然后将它指定为备份UPS而不是主UPS系统。数据中心的AI：战略需求动态制冷优化：数据中心管理人员可以根据环境条件监控设备的制冷设施。 当设备移动或达到计 算流量高峰时，建筑中的热负载也会发生变化。 通过动态调整制冷输出到转换热负载，可以消除 不必要的制冷量，降低运营成本。智能DCIM随着AI的集成，数据中心基础设施管理（DCIM）可以将许多数据中心任务转移到智 能系统中，这样操

14、作人员可以把注意力集中在策略等方面。 容灾和法规遵从也将通过AI-DCIM交互 来执行。采集：从服务器、电源和冷却、HVAC、 建筑物监控软件、PDU等所有分布 式来源中抓取数据。分析：先进的内容分析使数据中心管理人 员不仅了解发生了什么，还了解了 怎么发生和为什么。来源：Frost&Sullivan报告12-27行动：将数据细化为可执行的想法，使数据中心运 营商能够快速了解当前的情况，采取行动提 高运营效率，从而节省成本。数据中心的AI：真实案例一目标是100%由可再生能源驱动减少能源使用已成为主要焦点2016年，通过将DeepMind的机器学习应用到 其数据中心，谷歌设法将其用于冷却的能量

15、减 少了40%。 反思：即使是微小的改进也能节省大量能源， 减少二氧化碳排放。在数据中心内使用基于不同运营场景和参数进行训练的神 经网络系统，建立一个更高效和适应性更强的框架来理解 数据中心的动态和优化效率。2018年将这个系统升级一个层次：系统的AI系 统直接控制数据中心制冷（在我们的数据中心 运营商的专家监控下），而不是人工控制。算法有效地执行了控制，这种算法管理了几个数据中心的制 冷。 该算法独立运行，由一个人管理。如果算法似乎做了有 风险的事情，人工可以进行干预。来源：Google、Frost&Sullivan13-27数据中心的AI：真实案例二利用AI模型，让有经验的工程师训练他们的

16、“AI用户角色”，用一种简单的监控学习方式来识别机器的视觉、声音 和振动。传感器成为一种自然延伸，代替技术人员在数据中心行走、 聆听、观察和感受。 AI系统提醒工程师存在噪音，他们反过 来识别这些噪音. 下次出现类似噪声时，系统就会知道它是什 么意思，并据此进行诊断。关键在于,它是人类洞察力和机器学习的叠加. 运营知识库随 着时间不断增长，使系统越来越智能化。这不仅能够识别和解决问题，而且能够在基础设施事故和 故障发生之前进行预测和预防。ROOT是世界上第一个实现人工智能的 数据中心之一。 这家公司运营着加拿大 最大的批量数据中心。来源：ROOT数据中心、Frost&Sullivan14-27

17、数据中心的AI：真实案例三来源：世邦魏理仕（CBRE）、Frost&SullivanCBRE目前代表其电信、银行、金融机 构、医疗、媒体等领域的企业客户管理800多个设施。CBRE正在部署类似于苹果的Siri或亚马逊的Alexa的AI驱 动的数据中心维护工具，实现部分数据中心管理流程的自 动化。AI人物角色被称为风险暴露规避智能（REMI）。 它将被训 练为可以和公司员工一起工作。REMI最终能够检测数据中心楼层的机械和电气基础设施和 环境情况，并能实现预测性维护。利用所有可以访问到的运营数据，CBRE结合数千名技术人 员的专业知识和数百万台机器，致力于创造世界上最大的 可操作的机器操作数据A

18、I存储库。15-27Return to contents16-27Frost&Sullivan奖Frost&Sullivan卓越奖恭喜！!Frost&Sullivan很荣幸把2017年技术领导力奖全球智能数据中心行业的17-27Frost&Sullivan奖华为持续致力追求一流产品iManager NetEco6000是构建智能数 据中心的基石，是其创新能力的有力 证明。华为智能模块化数据中心与众不同的关键 在于其高度创新的“智能统一管理系统”， 是数据中心的“大脑”。从单板设计开始，从多个维度 保证产品质量，优化和平衡散 热。研究复杂算法，优化单个器件 功耗和效率。近十年研发投入350亿美元。部分公司通过模块化建设降低CAPEX，少数 厂商可以降低OPEX（仅在一定程度上），华 为通过在智能模块化数据中心嵌入多层智能， 自动化运维，将OPEX降低到一个全新的水 平。华为商用智能数据中心的成功故事是了不起 的。 华为在中国起步，在短短三到四年内在 全球各地项目中取得了重大的进展，尤其是