是德科技高級副總裁Marie Hattar

人工智能（AI）對計算資源的貪婪需求推動了基礎(chǔ)設(shè)施的變革，業(yè)界正著力解決如何滿足AI在功率、可擴(kuò)展性以及效率等方面的需求。這促使大量投資涌入，旨在重新配置數(shù)據(jù)中心架構(gòu)，以更好應(yīng)對上述及其他技術(shù)要求。問題的核心在于，智能性的構(gòu)建需要巨大的算力支持。隨著AI復(fù)雜度以每年一個數(shù)量級的速度遞增，數(shù)據(jù)中心必須快速擴(kuò)展。一個直觀的參照可以說明這一需求增長的速度：到2027年，AI工作負(fù)載的能源消耗將超過阿根廷的年用電量。

沒有萬能之法

AI正在重新定義各類數(shù)據(jù)中心的架構(gòu)，包括超大規(guī)模數(shù)據(jù)中心、現(xiàn)場數(shù)據(jù)中心、主機(jī)托管數(shù)據(jù)中心和邊緣數(shù)據(jù)中心。迄今為止，大家的注意力主要集中在超大規(guī)模數(shù)據(jù)中心的競爭上。指數(shù)級增長的計算資源需求正在催生站點容量超過1GW的AI集群。麥肯錫預(yù)測，到2030年，歐洲和美國60%以上的AI工作負(fù)載將托管在超大規(guī)模基礎(chǔ)設(shè)施上。

從超大規(guī)模數(shù)據(jù)中心到邊緣：架構(gòu)的演進(jìn)

數(shù)據(jù)中心必須能夠支持像大型語言模型（LLM）訓(xùn)練這樣的AI工作負(fù)載。這就需要對設(shè)施的設(shè)計和架構(gòu)進(jìn)行全面升級。每個機(jī)架的功率必須增加到200-300kW，以支持密集型計算，并配備增強(qiáng)冷卻解決方案以滿足這種密集性需求。GPU和TPU等專用硬件必須與擴(kuò)展的存儲系統(tǒng)相集成，以應(yīng)對海量數(shù)據(jù)的管理需求。為實現(xiàn)硬件的獨(dú)立管理和擴(kuò)展，分離架構(gòu)正被廣泛部署，支持不同工作負(fù)載高效利用資源。為了適應(yīng)AI的流量模式，網(wǎng)絡(luò)架構(gòu)也需要進(jìn)行更新，否則AI集群可能會陷入“數(shù)字交通堵塞”——強(qiáng)大的數(shù)據(jù)處理能力因數(shù)據(jù)瓶頸而無法發(fā)揮其應(yīng)有的效能。

除了超大規(guī)模設(shè)施外，AI正在推動對去中心化基礎(chǔ)設(shè)施的需求，以支持本地數(shù)據(jù)處理。這需要專為邊緣工作負(fù)載設(shè)計的數(shù)據(jù)中心——在較小的物理空間和較低能耗下實現(xiàn)高性能。到2030年，隨著越來越多的處理任務(wù)向邊緣轉(zhuǎn)移，該市場預(yù)計將超過1600億美元。

該增長源于自動駕駛等應(yīng)用中，對于更加貼近終端用戶的實時處理能力的迫切需求。在這些應(yīng)用中，更快的決策速度至關(guān)重要。該方法可以降低延遲，更好地支持這個由物聯(lián)網(wǎng)和5G技術(shù)驅(qū)動的超連接世界。

隨著AI應(yīng)用的日益成熟，推理工作負(fù)載的增長速度已經(jīng)遠(yuǎn)超模型訓(xùn)練。基礎(chǔ)設(shè)施也需要適應(yīng)這種從訓(xùn)練到推理的轉(zhuǎn)變——DeepSeek R1和OpenAI v3的成功有賴于此。這類推理系統(tǒng)利用經(jīng)過訓(xùn)練的模型來評估實時數(shù)據(jù)，從而高效地做出決策或完成任務(wù)。

邊緣連接設(shè)備將產(chǎn)生大量的數(shù)據(jù)。因此，數(shù)據(jù)中心需要達(dá)到一定規(guī)模，以支持低延遲網(wǎng)絡(luò)和靈活的資源分配，從容應(yīng)對突發(fā)推理需求高峰。

以AI擴(kuò)展AI

有趣的是，AI既是問題所在，又是解決問題的關(guān)鍵。智能化對于應(yīng)對擴(kuò)展挑戰(zhàn)和確保高效運(yùn)營至關(guān)重要。AI可以通過多種方式助力數(shù)據(jù)中心現(xiàn)代化，其中包括：

提高能源效率對于可持續(xù)運(yùn)營至關(guān)重要。數(shù)據(jù)中心可以通過部署AI來自動調(diào)節(jié)冷卻系統(tǒng)和服務(wù)器工作負(fù)載，應(yīng)對需求高峰。實施智能節(jié)能技術(shù)有助于最大限度地減少浪費(fèi)和運(yùn)營成本，同時保持性能水平。

預(yù)測性維護(hù)利用機(jī)器學(xué)習(xí)在問題發(fā)生前進(jìn)行預(yù)測。這可以最大限度地減少停機(jī)時間，并有助于延長基礎(chǔ)設(shè)施的使用壽命。考慮到擴(kuò)展所涉及的規(guī)模和成本，主動安排維修和更新以優(yōu)化資源利用率的能力具有重要意義。

數(shù)字孿生與AI相結(jié)合，可創(chuàng)建動態(tài)模型來對組件和系統(tǒng)進(jìn)行測試和驗證。這些解決方案可用于確保復(fù)雜的數(shù)據(jù)中心保持穩(wěn)健、富有彈性，并能支持未來的需求。AI算法會分析有關(guān)性能和環(huán)境條件的歷史數(shù)據(jù)，為優(yōu)化運(yùn)營提供洞察。這些解決方案可以使用AI工作負(fù)載來模擬網(wǎng)絡(luò)性能，從而發(fā)現(xiàn)并解決潛在的瓶頸問題。先進(jìn)的測試和仿真工具是創(chuàng)建可擴(kuò)展、高效、可靠的基礎(chǔ)設(shè)施所需的技術(shù)堆棧的重要組成部分。

AI將加速完全自主的智能數(shù)據(jù)中心的實現(xiàn)，這些數(shù)據(jù)中心幾乎可以處理所有操作，包括監(jiān)控、維護(hù)、聯(lián)網(wǎng)、能源管理和安全等，并且只需極少的人工投入。

面向未來的AI基礎(chǔ)設(shè)施

隨著AI的不斷發(fā)展，數(shù)據(jù)中心必須適應(yīng)日益復(fù)雜的工作負(fù)載。運(yùn)營商迫切希望能以可持續(xù)的方式擴(kuò)展基礎(chǔ)設(shè)施來滿足需求，而不必犧牲性能或可靠性。由于AI的未來發(fā)展仍存在不確定性，打造靈活、富有彈性且易于適應(yīng)的基礎(chǔ)設(shè)施至關(guān)重要。

通過AI系統(tǒng)編排在超大規(guī)模計算能力和邊緣靈活性之間取得平衡將成為區(qū)分成敗的關(guān)鍵，而那些能夠順應(yīng)這一趨勢的企業(yè)將在AI革命中脫穎而出。