人工智能改进数据中心的功能和基础结构

解决这个问题的方法是利用人工智能改进数据中心的功能和基础结构。ForbesResearch报告称，到2020年初，人工智能将对数据中心的管理、生产率和基础设施产生巨大影响。培训人工智能网络，提高电源利用率，是数据中心能源消耗巨大的重要目标。

如今，人工智能在采集、处理和分析数据方面扮演了重要角色！还可以更有效地利用数据要素和管理数据中心。

由于数据是保持大多数企业运作以获取洞察力和业务成果的前提，因此数据中心正处于这种数字化转变的关键时期。计算机和设备所用的这些物理设施满足了现代经济对信息的需要。在支持云存储应用和办公的同时，数据中心提供无缝数据备份和恢复功能。数据中心生态系统除了促进经济发展，还吸引了众多的国际高科技公司。另外，数据中心的存在为地方社区提供了良好的投资环境和就业机会。

虽然它们在推动数字革命中扮演了重要角色，但也存在很多问题。根据Gartner分析师DaveCappuccio的说法，到2025年，80%的公司会关闭传统数据中心。BAS16HT1鉴于传统数据中心所面临的许多问题，例如升级准备不足、基础设施困难、环境问题等等，这些数据都很适合。解决这个问题的方法是利用人工智能改进数据中心的功能和基础结构。

ForbesResearch报告称，到2020年初，人工智能将对数据中心的管理、生产率和基础设施产生巨大影响。与此同时，它的技术为数据中心长期运营改进提供了可能的解决方案。反过来，通过AI加速计算功能实现的数据中心能够更有效地处理AI的工作负荷。

培训人工智能网络，提高电源利用率，是数据中心能源消耗巨大的重要目标。数据中心效率的重要指标是PUE。谷歌在2014年将这些设备中一个采用了DeepmindAI技术，可持续地降低了40%的冷却能源消耗，相当于将整个PUE成本降低了15%，这包括了电力消耗和其他非冷却效率因素。它还产生了网站历史上最小的PUE。分析数据中心中超过100个不同的变量，提高了工作效率，降低了功耗。

此外，数据中心还易受各种网络威胁。互联网罪犯一直在寻找从数据中心获取数据或者发起下一次数据泄露攻击的新途径。在学习了正常的网络行为之后，基于行为偏差检测网络威胁，人工智能再次证明了它的机智！该算法通过对多个系统的事件和输入进行分析，设计出合适的事件响应系统，从而对当前的安全事件和事件管理系统进行补充。

在数据中心，IT设备经常被放置在货架上或从货架上拆除，这就带来了大量分散的资源，比如不能被监视或管理的U空间，并且容易被浪费。利用智能硬件和IoT传感器，人工智能能够实现对数据中心基础设施的有效管理，对数据中心的密切关注，自动减少重复劳动。数据中心管理者可以自动完成诸如温度管理，设备状态监控，地面安全，消除火险，通风和冷却系统管理等活动。自动化与预测分析的结合也有助于数据中心的预测维护。

另外，基于人工智能的预测分析可以帮助数据中心将工作负荷分配给公司的多个服务器。这样可以更容易、更有效地预测和管理数据中心的负荷。这也将帮助优化服务器存储系统，发现可能的系统故障点，减少处理时间，更快地减少风险因素。

最近，麻省理工学院的研究人员开发出一种AI系统，它能自动学习数千台服务器之间的数据处理操作调度。关键数据中心任务完成后，该系统的运行速度提高了约20%至30%，在高流量期间提高了约两倍。研究者们认为，这一人工智能系统能够让数据中心使用更少的资源，并且以更高的速度来处理同样的工作负荷。

此外，通过深度学习(DL)应用，AI能够预测故障和中断。比如。HPE人工智能预测引擎帮助确定和解决数据中心的瓶颈问题。该调查强调，停机造成的损失超过265亿美元，每分钟的网络中断费用大约为7900美元。AI通过监测服务器性能、网络阻塞和磁盘利用率，能够检测和预测数据中断。此外，还可实施缓和策略，帮助数据中心从数据中断中恢复，提高用户满意度，减少中断造成的损失。