几十年来，数据中心一直被认为是网络的连接点。对于企业、电信运营商、有线电视运营商和云计算服务提供商（如谷歌公司和Facebook公司）来说，数据中心是IT行业的心脏和肌肉。此外，云计算的出现凸显了现代数据中心的重要性。数据中心的角色在不断演变。随着c加大对5G和物联网的支持，IT经理正在关注边缘并将更多容量和处理转移到更靠近最终用户的地方。同时，他们也在重新评估数据中心的作用。研究公司Gartner在2018年预测，到2025年，企业产生的数据中有75%将在边缘创建和处理，而2018年这一比例仅为10%。与此同时，数据量将进一步增加。例如，一辆自动驾驶汽车平均每小时可以输出4,000GB的数据。网络服务提供商需要确定如何在不影响现有数据中心投资的情况下更好地支持基于边缘的流量的巨大增长以及对数字延迟性能的需求。一个答案是对东西向交通网络链路和对等冗余节点的大量投资，以及随着数据创建而增加处理能力的问题。但是数据中心将扮演什么角色呢？AI/ML反馈循环超大规模和云规模数据中心的未来业务案例在于它们的海量处理和存储能力。随着边缘活动的升温，将需要数据中心的力量来创建能够处理数据的算法。在物联网世界中，人工智能(AI)和机器学习(ML)的重要性不可低估。数据中心在实现这一目标方面也扮演着不同的角色。生成驱动人工智能(AI)和机器学习(ML)所需的算法需要大量数据处理。核心数据中心已经开始部署更强大的CPU以及张量处理单元(TPU)或其他专用硬件。此外，人工智能(AI)和机器学习(ML)应用程序通常需要速度更快、容量更大的网络，而高级交换层则为解决同一问题的所有服务器提供支持。人工智能(AI)和机器学习(ML)模型就是这种努力的产物。在流程的另一端，需要将人工智能(AI)和机器学习(ML)模型放在对业务影响最大的地方。例如，对于面部识别等企业人工智能(AI)应用，超低延迟要求它们部署在本地而不是核心。但模型也必须定期调整，因此在边缘收集的数据随后会反馈到数据中心以更新和改进算法。更加分布式的协作环境人工智能(AI)/机器学习(ML)反馈循环是数据中心需要如何支持更广泛、更多样化的网络生态系统的一个例子。对于超大规模数据中心领域的参与者来说，这意味着要适应更加分布式的协作环境。他们希望客户能够在他们的平台边缘部署人工智能(AI)或机器学习(ML)，但不一定在他们自己的数据中心设施中。AWS、微软和谷歌公司等云计算供应商现在正在将他们的云计算硬件部署在离客户更近的地方，包括中央办公室和本地数据中心。这使客户能够使用超大规模数据中心和多个边缘设施构建和运行基于云的应用程序。由于这些平台也嵌入到许多运营商的系统中，因此客户也可以在运营商存在的任何地方运行他们的应用程序。该模型仍处于起步阶段，但为客户提供了更大的灵活性，同时使云提供商能够更好地支持边缘。由VaporIO实施的另一种生态系统方法提供了一种商业模式，其特点是具有标准化计算、存储和网络资源的托管数据中心。较小的客户，例如游戏公司，可以找到离客户最近的虚拟机，并使用VaporIO的生态系统来运行他们的应用程序。像这样的服务可能会在收入共享模式下运作，这对于试图开发边缘服务生态系统的小企业来说可能是一个有吸引力的范例。未来的挑战随着下一代网络的愿景成为现实，行业组织必须应对实施挑战。在数据中心，服务器连接将从每通道50Gb增长到100Gb，交换带宽将增加到256Tb，采用100Gb技术将使用户拥有800Gb的可插拔模块。不太清楚的是数据中心行业如何设计从核心到边缘的基础设施，特别是如何实施数据中心互连(DCI)架构以及城域和长途链路并支持高度冗余的对等边缘节点。另一个挑战是开发管理和路由大量流量所需的编排和自动化功能。随着各行各业转向支持5G/IoT的网络，这些问题变得势在必行。人们需要知道的是，建设和实施下一代网络需要各方共同努力。能够提供低成本、大容量计算和存储的数据中心无疑将发挥重要作用。然而，随着更多位于边缘的分布式设备承担更多负载，数据中心的角色将进一步演变为更大的分布式生态系统的一部分。企业产生的数据中约有10%是在传统的集中式数据中心或云平台之外创建和处理的。Gartner预测，到2025年，这一数字将达到75%。将它们整合在一起将需要更快、更可靠的光纤网络，从核心开始延伸到网络的最远边缘。这将是一个路由和连接平台，由PAM4和相关处理技术提供支持，使用联合封装和数字相干光学器件，并封装在紧凑的路由中，将在整个过程中提供连续、一致的性能。无论是大型数据中心运营商，还是专注于边缘的企业，亦或是基础设施提供商，在下一代网络中，都会有足够的发展空间。
