如今，人工智能(AI)在以前所未有的速度捕获、处理和分析数据方面发挥着关键作用。使用人工智能技术整合数据和管理数据中心也将变得更加高效和有用。数据中心是这种数字化转型的关键，因为数据已成为几乎每个组织获取洞察力和业务成果的先决条件。这些容纳计算机和设备的物理设施满足了现代经济的信息需求。数据中心提供无缝的数据备份和恢复设施，同时支持云存储应用和交易。除了推动经济发展，数据中心生态系统也吸引了更多的科技公司进入。此外，建设和运营数据中心可以确保为当地社区提供良好的投资环境和就业机会。尽管数据中心在带来数字革命方面发挥了关键作用，但它们并非没有问题和挑战。据研究公司Gartner的分析师DaveCappuccio称，到2025年，全球80%的组织将关闭其本地数据中心。考虑到传统数据中心面临的升级准备不足、基础设施挑战、环境问题等诸多问题，关闭和淘汰这些数据中心是合适的。这些问题的解决方案是使用人工智能来增强数据中心基础设施的能力。据《福布斯洞察》发布的一份调查报告显示，2020年初，人工智能对数据中心管理、生产力和基础设施产生了巨大影响。与此同时，人工智能技术继续为数据中心提供潜在的解决方案，以改善长期运营。作为回报，由人工智能加速计算能力支持的数据中心将能够更有效地处理人工智能工作负载。众所周知，数据中心会消耗大量能源，因此训练AI系统以提高数据中心电源使用效率(PUE)是一个关键目标。PUE是衡量数据中心效率的重要指标。谷歌在2014年通过在其数据中心设施之一部署DeepMindAI，将其冷却设施的电力消耗降低了40%。成本降低15%。它还产生了数据中心有史以来最低的PUE。DeepMind分析数据中心内的100多个不同变量，以提高运营效率并降低功耗。数据中心也容易受到各种网络威胁。网络攻击者一直在寻找新的方法从数据中心获取数据或进行数据泄露攻击。通过学习正常的网络行为并根据与此行为的偏差检测网络威胁，人工智能再次展示了它的能力。通过分析来自多个系统的事件和输入并设计适当的事件响应系统，人工算法可以补充当前系统。安全事件和事件管理(SIEM)系统。在数据中心运营中，IT设备经常被部署或从机架中移除，这会产生大量碎片化的资源，这些资源无法监控和管理，很容易被浪费。通过使用智能硬件和物联网传感器，人工智能允许有效的数据中心基础设施管理软件监控数据中心并通过自动化技术减少重复性任务。在这里，数据中心经理可以自动化温度管理、设备状态监控、地板安全、火灾隐患缓解、通风和冷却系统管理等活动。结合预测分析，自动化技术还可以帮助数据中心进行预测性维护。此外，这种基于AI的预测分析可以帮助数据中心在组织的许多服务器之间分配工作负载。因此，可以更有效地预测和管理数据中心负载。它还将有助于优化服务器存储系统，找到系统中可能的故障点，减少处理时间，更快地降低风险。麻省理工学院的研究人员最近开发了一种人工智能系统，可以自动学习如何在数千台服务器上安排数据处理操作。据观察，在完成关键数据中心任务的高流量期间，处理速度是原来的两倍。研究人员指出，人工智能系统可以让数据中心更快地处理相同的工作负载并使用更少的资源。此外，通过深度学习(DL)应用程序，人工智能可以提前预测故障和停机时间。例如，HPE的AI预测引擎有助于识别和解决数据中心的瓶颈。根据对200家公司的调查，全球数据中心每年因宕机损失超过265亿美元，而网络宕机的成本约为每分钟7900美元。通过监控服务器性能、网络拥塞和磁盘利用率，人工智能可以检测和预测数据中断。此外，它还可以实施缓解策略来帮助数据中心从数据中断中恢复，从而提高客户满意度并最大限度地减少此类中断期间的损失。
