維諦技術(shù)（Vertiv）：AI技術(shù)開辟數(shù)據(jù)中心節(jié)能革命新戰(zhàn)場

原標題：維諦技術(shù)（Vertiv）：AI技術(shù)開辟數(shù)據(jù)中心節(jié)能革命新戰(zhàn)場

“新基建”問世，吹皺一池春水。

頂層設計的定調(diào)，政策的陸續(xù)加碼，意味著對應的產(chǎn)業(yè)紅利也如期而至。

無論是醫(yī)療、金融、教育，亦或是工業(yè)制造、城市交通等領(lǐng)域，用高新技術(shù)武裝，加快智能化轉(zhuǎn)型，在智能化新浪潮中塑造新優(yōu)勢，已成為了千行百業(yè)的同向選擇。

在云上經(jīng)濟大爆發(fā)的當下，作為未來數(shù)字經(jīng)濟時代的基礎設施，數(shù)據(jù)中心對于人工智能布局的重要性，不言而喻。

特別是近兩年，5G技術(shù)的換擋提速，工業(yè)互聯(lián)網(wǎng)的技術(shù)轉(zhuǎn)型，“新基建”的政策加速，數(shù)字化應用的多樣性落地，多方合力正形成一股強大的力量，推動著數(shù)據(jù)中心的爆發(fā)性發(fā)展，無形中也對數(shù)據(jù)中心這一算力基礎設施，提出了更高的要求。

從歷史溯源，人工智能經(jīng)歷了從20世紀50年代誕生初期的萌芽，主要是用計算機來證明數(shù)學題、幾何題以及一些機械智能的專家系統(tǒng)；到20世紀波段式的發(fā)展，主要應用在一些簡單的國際象棋、機器翻譯和圖像識別上，屬于較為初級的機器學習；直至21世紀初，在摩爾定律、深度學習及大數(shù)據(jù)應用等成熟的產(chǎn)業(yè)大背景催化下，人工智能才迎來了由量變產(chǎn)生質(zhì)變的規(guī)?；缭绞桨l(fā)展。

三起三落之際，人工智能這一場曠日持久的“尋獵”與“淘金”之旅，也在近幾年得到了爆發(fā)式的成果回饋——成為了有史以來離商業(yè)化成功、在尖端科技與大眾消費品相結(jié)合的過程中，走得最近的一次。

至此，人工智能不再曲高和寡。

能源環(huán)境AI革命新戰(zhàn)場：數(shù)據(jù)中心

隨著算法模型的成熟，算力的提升，數(shù)據(jù)的海量積累，AI技術(shù)在“新基建”、新零售、智能駕駛、智慧城市、智能制造等領(lǐng)域，已得到了成熟且廣泛的場景應用。特別是在消費互聯(lián)網(wǎng)領(lǐng)域，像美團、抖音、螞蟻金服等APP，其所提供的平臺、內(nèi)容與金融等服務，背后實則都是經(jīng)年累月所沉淀出的數(shù)據(jù)資產(chǎn)在做支撐，并經(jīng)人工智能的深度學習技術(shù)訓練后形成核心算法，再轉(zhuǎn)化為平臺服務。

然而，在能源環(huán)境領(lǐng)域，由于過去大多都是政府在推動，不像消費市場那樣受到資本的重視，這使得其在AI應用場景上仍處于比較滯后的狀態(tài)。而當其他領(lǐng)域的競爭成為一片紅海，資本回頭一看方知，AI在能源環(huán)境這塊的應用，卻是一片尚未被完全挖掘的藍海，前景十分廣闊。

為了迎合碳中和的國家戰(zhàn)略，實現(xiàn)國家提出的節(jié)能減排與碳排量指標，在能源環(huán)境領(lǐng)域進行AI節(jié)能，便迫在眉睫。特別是數(shù)據(jù)中心行業(yè)，正成為AI節(jié)能的重要應用領(lǐng)域。

至于AI對在數(shù)據(jù)中心領(lǐng)域中又是如何應用？未來對經(jīng)濟增長有何拉動作用？在北京大學環(huán)境與能源學院學科負責人馬曉明教授看來，現(xiàn)階段的人工智能，主要是通過深度學習算法來做預測，結(jié)合深度學習結(jié)論和專家經(jīng)驗，給出預測性維護建議，推薦最佳設備組合，判斷故障預警。據(jù)馬曉明教授介紹，目前，針對AI在數(shù)據(jù)中心領(lǐng)域中的應用，北京大學已經(jīng)與維諦技術(shù)（Vertiv，NYSE：VRT）展開產(chǎn)學研深度合作，推動AI技術(shù)在數(shù)據(jù)中心節(jié)能上的盡快落地。

當然，在現(xiàn)階段，要做到真正的人工智能，數(shù)據(jù)無疑是第一要素。只要有數(shù)據(jù)，便能利用算法模型來挖掘和發(fā)揮有用的價值，讓人工智能成為驅(qū)動社會經(jīng)濟發(fā)展的新動能。

比如，螞蟻金服可以通過大數(shù)據(jù)來判斷是否可以給某個個體發(fā)放貸款，它可以利用海量的數(shù)據(jù)庫來做數(shù)據(jù)挖掘，沉淀出高價值的數(shù)據(jù)資產(chǎn)，進而形成自己的一套風控體系。

無獨有偶，10月31日，谷歌做阿爾法狗的DeepMind研究小組，也突破性地通過人工智能算法來預測DNA分子螺旋3D結(jié)構(gòu)。但這一研究對算法的要求非常高：需要消耗200到300塊GPU設備，以幾周的時間來運行訓練，算力的成本非常高。

而隨著大型數(shù)據(jù)中心的規(guī)模越來越大，能耗壓力也隨之增大，數(shù)據(jù)的海量積累，也催生用人工智能技術(shù)來進行數(shù)據(jù)中心節(jié)能的一套解決方案。要知道，在谷歌的大數(shù)據(jù)中心，光服務器就有百萬級的臺數(shù)，一旦運行，當中產(chǎn)生的能耗之大，可想而知。

模塊化數(shù)據(jù)中心熱管理AI優(yōu)化落地新成果

其實，早在2013年，谷歌就已嘗試用人工智能控制水冷來對大型數(shù)據(jù)中心進行節(jié)能。他們通過神經(jīng)網(wǎng)絡的學習訓練，來準確地預測PUE值，并做出節(jié)能控制解決方案，最終能達到15%-40%的節(jié)能。而后騰訊、阿里也先后基于谷歌的這種方案作了優(yōu)化和跟進，對大型數(shù)據(jù)中心進行優(yōu)化，并取得了不俗的效果。

在這一過程中，人工智能的優(yōu)勢在于，它能通過算法上和數(shù)據(jù)上的優(yōu)勢，規(guī)避中間一些復雜的物理模型，把操作當成是黑盒子，壓根不需要關(guān)心內(nèi)部的物理運行邏輯——到底空調(diào)怎么控制？只需關(guān)心制冷用了多少電？輸入環(huán)境變量之間輸入到輸出的關(guān)系是如何的？

只需利用人工智能技術(shù)，先收集大量的樣本，把這層關(guān)系給學習出來。一旦下次給出這個輸入之后，人工智能就能立馬判斷該怎么做控制，以得到一個最好的輸出，從而達到自動化控制。

比如說，當數(shù)據(jù)中心算力需求小時，服務器負載壓力就會變小，這時散熱壓力就比較小，通過算法學習之后，就能完全自動化地關(guān)掉一些服務器和空調(diào)制冷設備。在這個過程中，由于算法具有預見性，能預見變化并提前采取行動，使得溫度的變化更平滑，從而在節(jié)能效果上實現(xiàn)優(yōu)化。

由于在需求拉動下，整個數(shù)據(jù)中心的形態(tài)在演進的過程中，很多底層邏輯就會發(fā)生改變。有的考慮部署速度和極致的全生命周期TCO，有的在意業(yè)務的可靠運營，有的看中數(shù)據(jù)中心的安全，有的考慮投資回報，有的要求算力優(yōu)先，有的講究多快好省。

很多時候，由于行業(yè)需求的差異化，數(shù)據(jù)中心在落地推進過程中，自然也存在多種差異化痛點，從而導致對數(shù)據(jù)中心定制化的需求也越來越強烈。

加之，5G以及邊緣計算的發(fā)展，數(shù)據(jù)中心AI節(jié)能對5G場景下所呈現(xiàn)的分布式、快速及時、低時延、能匹配各種微型的數(shù)據(jù)中心算力和分布，分布式多網(wǎng)點的協(xié)同管理等需求，也變得越來越強烈。因而，AI在數(shù)據(jù)中心節(jié)能上發(fā)揮的價值也就越來越大。

維諦技術(shù)（Vertiv）是較早在數(shù)據(jù)中心AI節(jié)能領(lǐng)域進行全面產(chǎn)學研合作的廠商，并已經(jīng)取得了重要的研究成果。

值得一提的是，定制化數(shù)據(jù)中心很難照搬谷歌的方案，需要根據(jù)不同條件建立相應的模型。

“在傳統(tǒng)公有云數(shù)據(jù)中心，像騰訊、阿里這種超大型數(shù)據(jù)中心，已經(jīng)擁有多種現(xiàn)實可行的方案，邏輯訓練完就丟在那里不用管，因為只是提供一個公有云數(shù)據(jù)平臺來給其他人用，它不像維諦技術(shù)（Vertiv）提供的定制化數(shù)據(jù)中心，要面對不同的場景需求?！痹诓稍L中，香港中文大學博士后徐歡樂坦言。

據(jù)徐歡樂透露，目前，他與維諦技術(shù)（Vertiv）合作開發(fā)的基于AI技術(shù)的節(jié)能方案，已經(jīng)進入了驗收的階段。后續(xù)再經(jīng)大規(guī)模測試周期，就會落地到具體的產(chǎn)品。

與谷歌需要提前收集大量樣本數(shù)據(jù)與強大的算力配套來做訓練有所不同，維諦技術(shù)（Vertiv）用AI來實現(xiàn)數(shù)據(jù)中心節(jié)能的優(yōu)勢在于，它無需像大型數(shù)據(jù)中心優(yōu)化那般，需要長時間收集大量數(shù)據(jù)來做訓練和優(yōu)化，而是通過強化學習算法模型，外加只需少量樣本，就可以使得客戶即便是從零開始部署，也可保證在3到6天，就可以根據(jù)負載運行情況、外部氣候環(huán)境條件等一系列數(shù)據(jù)進行學習，從而實現(xiàn)對空調(diào)系統(tǒng)的自動化控制，可在不同負載率條件下找到系統(tǒng)PUE的最佳運行點，實現(xiàn)比普通控制算法更高等級的節(jié)能。

從這個角度來看，未來AI在數(shù)據(jù)中心節(jié)能上一旦應用成熟的話，對于以維諦技術(shù)（Vertiv）為代表的廠商來說，將對其產(chǎn)品研發(fā)和生產(chǎn)帶來一個革新性的變化。

從目前的數(shù)據(jù)來看，維諦技術(shù)（Vertiv）在中國非自用數(shù)據(jù)中心市場、精密空調(diào)市場、UPS市場，均位列第一名。這也是維諦技術(shù)（Vertiv）在數(shù)據(jù)中心AI節(jié)能領(lǐng)域搶占首發(fā)位置的關(guān)鍵因素。

至于未來，作為數(shù)據(jù)中心AI節(jié)能應用領(lǐng)域的標桿性企業(yè)，維諦技術(shù)（Vertiv）還將在領(lǐng)域內(nèi)做何種邊界的應用拓展？制造出多大的影響力？前景如何？其實可想象空間還是蠻多的。

經(jīng)過與維諦技術(shù)（Vertiv）進行半年多的方案研發(fā)合作后，徐歡樂認為，一方面，維諦技術(shù)（Vertiv）未來或?qū)⒛芤詳?shù)據(jù)中心節(jié)能這個項目為切入點，來推動建立通過AI實現(xiàn)數(shù)據(jù)中心節(jié)能的行業(yè)標準，從數(shù)據(jù)的采集到模型的選擇，提供一些標準化的手段來衡量和評估，從而形成更強的行業(yè)影響力。另一方面，也能從空調(diào)開關(guān)控制，延伸進行空調(diào)系統(tǒng)內(nèi)部的控制，結(jié)合人工智能技術(shù)建立強化模型，從而實現(xiàn)更佳效果的節(jié)能。

當然，不僅僅局限于節(jié)能，人工智能在數(shù)據(jù)中心當中也可以實現(xiàn)更多應用，比如運維、故障診斷、預警，通過數(shù)據(jù)本身能自動發(fā)現(xiàn)數(shù)據(jù)中心故障，發(fā)現(xiàn)后生成報告并提示采取何種手段解決，使得數(shù)據(jù)中心全方位實現(xiàn)智能化運行。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。