机器学习将极大地改变数据中心的经济状况，并为未来的改进铺平道路。随着机架开始装满ASIC、GPU、FPGA和超级计算机，机器学习和人工智能已经进入数据中心，并正在改变超大规模服务器场的面貌。这些技术增加了可用于训练机器学习系统的计算机能力，而这项任务以前需要大量数据处理。最终目标是构建更智能的应用程序并增强企业已经每天使用的服务。仅依靠人的判断和常识将远远达不到所需的精度和有效性标准。大规模满足IT服务需求的唯一可持续方式是完全转向数据驱动的决策制定，并使用所有数据来改善结果。由于提供数据中心管理软件的行业参与者或利用该技术的基于云的服务提供商的可用性，一些规模或专业知识不相同的企业或托管服务提供商已成为机器学习的早期采用者。据IDC预测，到2022年，由于嵌入式人工智能技术，数据中心50%的IT资产将独立运行。许多整体操作，包括规划和设计、工作负载、正常运行时间和成本管理，都可以使用机器学习在数据中心进行优化。以下是当今数据中心管理中机器学习的一些最大用例：提高数据中心效率：企业可以使用机器学习来自主管理其数据中心的物理环境，而不是依赖软件警报。这将涉及软件实时改变数据中心的架构和物理布局。容量规划：数据中心的机器学习可以帮助IT公司预测需求，这样他们就不会耗尽空间、电力、冷却或IT资源。算法可以帮助公司确定转变将如何影响设施的容量，例如，如果它正在整合数据中心并将应用程序和数据移动到中央数据中心。降低运营风险：防止停机是数据中心运营商的一项关键任务，而机器学习可以使其更容易预测和预防。数据中心管理中的机器学习软件跟踪关键组件（例如冷却和电源管理系统）的性能数据，并预测设备何时可能出现故障。因此，可以对这些系统进行预防性维护，避免代价高昂的停机时间。使用智能数据减少客户流失：公司可以在数据中心使用机器学习来更好地了解客户并预测客户行为。通过将机器学习软件与客户关系管理(CRM)系统集成，人工智能驱动的数据中心可能能够从通常不用于CRM的历史数据库中搜索和检索数据，这将使CRM系统能够生成新的线索或客户策略成功。预算影响分析和建模：该技术将来自数据中心的运营和性能数据与财务数据（尤其是适用的税收信息）相结合，以帮助确定购买和维护IT设备的价格。机器学习可以检查数TB的历史数据，并在几分之一秒内将参数应用于其决策，因为它的行动速度比任何人都快。当您跟踪数据中心的所有活动时，这会很有帮助。提供商和数据中心运营商使用机器学习解决的两个主要问题是提高效率和降低风险。例如，拥有200多个数据中心的全球最大托管服务提供商DigitalRealtyTrust最近开始测试机器学习技术。人类消耗和处理维护基础设施所需的大量底层系统、设备和数据的能力将很快耗尽。DigitalRealty将受益于其卓越的实时处理、反应、沟通和决策能力。最重要的是，数据中心运营商在利用人工智能和机器学习方面有很多选择，而且随着技术变得更加实惠和先进，将会有更多选择。光明的未来就在眼前。
