微软采购华为ai芯片 微软采购华为AI芯片应用于中国的数据中心

自从2016年AlphaGo打败李世石之后,人工智能的能力开始逐渐被世人了解,人工智能开始真正落地。Gartner的数据显示,到2020年,人工智能预计将减少180万个就业机会。好消息是,它也将创造230万个就业岗位。如今,AI相关专利申请量飙升,AI芯片需求也不断增加,微软已决定采购华为新开发的AI芯片应用于中国的数据中心。

然而,人工智能技术的发展与落地应用还远未成熟。对人工智能硬件而言,算力是技术实现的保障,这需要大量强有力的数据中心提供基础支持。但传统数据中心存在诸多痛点,亟需借力人工智能,开展数据中心的革命。

实际上,人工智能的发展少不了数据中心的支撑,与此同时,智能化是未来能源基础设施发展的必由之路,在此过程中,人工智能也将助推数据中心朝智能化方向发展。

数据中心如何与AI擦出火花

数据中心成千上万台服务器为人工智能所需的计算能力提供了物理基础,人工智能也将给数据中心带来了新的革命,其带来的积极影响主要有三个方面。

一是便于数据中心管理和控制。未来的数据发展必将走向软件定义,但随着数据中心呈现复杂化,人工处理的精力和能力都有限。如果通过人工智能利用其学习能力,对以往管理数据进行智能分析,就可得到可观准确的决策。

二是降低数据中心能耗。数据中心是能耗大户,巨额的电能费用已经成为数据中心高速发展的瓶颈,很多互联网巨头的自建数据中心开始想尽一切办法去降低能耗。人工智能技术就可以充分计算PUE值,再根据PUE值反推哪些因素对其影响最大,再去优化这些部分,从而达到降低能耗的目的,提升数据中心运行效率。

例如,谷歌使用DeepMind提供的AI技术,在机房的能耗上获得了大幅的削减,相应减少PUE值。具体而言,通过建立机器学习的模型,对机房的PUE指标趋势进行预测,从而指导制冷设备的配置优化,减少了闲置的用于制冷的电力消耗。这项技术能够为谷歌减少15%的数据中心整体耗电量,节省下来的成本相当可观。

三是数据中心的数据加工。数据中心拥有海量数据,原有的计算方式效率太低。借助AI技术的智能化运维,就可以对这些数据进行深度分析,将数据进行过滤、整理、组建各种模拟模型,这些加工后的数据可能会产生巨大的价值。如果是数据中心的运行数据,则可以通过智能运算,获得提升数据中心运维水平机会;如果是数据中心的存储数据,则可以通过只能运算获得行业市场状况,进行人员特征的分析等。

数据中心运维日趋智能化

人工智能为数据中心提供了全新的机遇:未来可以建设智能化的数据中心,用来替代简单重复劳动,在大量数据中提取规律性信息,大量方案中优选最佳方案,复合数据环境下选择最优模式。

具体到智能运维领域,目前依靠已有的日志进行模式识别,可以实现实时监控,潜在故障告警,实时故障定位,重点区域问题监控,还可实现解决方案智能化推荐;在节能降耗方面,可实现整个基础设施的智能化管理,提高可靠性,降低IT能耗,减少制冷消耗,从而节省电力。

然而,人工智能亦对数据中心带来了不小的挑战。据信通院研究数据显示,在供电方面,AI使得数据中心功率密度从5kW提升到21kW及以上,给供配电基础设施带来挑战;在制冷方面,AI带来的高功率带来高散热,风冷向液冷转变;在边缘计算方面,AI使得网络限制数据需要端侧处理,要建设好边缘数据中心。

智能微模块3.0

将成为数据中心智能化里程碑

目前,行业内已有不少智能化数据中心解决方案问世。以华为公司为例,2018年6月CEBIT2018期间,华为发布了"智能微模块3.0"数据中心解决方案,主要围绕i³(iPower,iCooling,iManager)特性,加入AI优化运行算法,实现数据中心基础设施整体功能的智能化融合,使得数据中心的高效智能如虎添翼。

智能微模块3.0将通过智能化AI算法主动判断运行状态,实现供电链路毫秒级故障检测,秒级故障定位,毫秒级故障隔离,分钟级故障恢复功能;突破行业困扰已久的冷媒泄漏检测难题;提升数据中心全生命周期空间、电力、制冷及人力资源的高效利用。

iPower可实现供电全链路可视及告警精确定位,并拥有基于AI技术的电池管理系统,配合毫秒级故障隔离,以保障供电的可靠性。

iCooling,基于AI的自优化算法,让温控系统对效率自动寻优,降低数据中心PUE;温控系统精确制冷,消除热点隐患,提升数据中心运行的稳定性。同时,AI算法支持空调冷媒容量的自检测,提高可靠性。

iManager是智能微模块3.0的大脑,主要通过智能故障定位与预警管理提高运维效率,面向业务管理增加收益、降低投资。通过数据中心自动化营维,实现能源基础设施价值最大化。