人工智能(AI)的發展，尤其是ChatGPT等生成式AI產品，在過去一年占據了各大媒體的頭條新聞。除了顛覆或改善日常生活的潛力之外，人工智能以及所有廣泛采用的技術經常被忽視的影響是對數據中心的影響。

經歷過移動設備和云的引入和快速采用后，數據中心非常擅長采取積極主動的方法來使用新技術。

由于人工智能仍處于相對不成熟的狀態，現在是數據中心專業人員考慮如何應對即將到來的人工智能熱潮的關鍵時刻。

適應新的工作負載

可將人工智能分為四大類：自然語言處理(NLP)、計算機視覺、機器學習和機器人。雖然機器人技術對延遲特別敏感，通常需要邊緣計算解決方案非常靠近所管理的流程的物理位置。但預計，前三個解決方案將真正增加對數據中心解決方案的需求。

滿足這種不斷增長的需求絕非易事。不僅需要考慮托管大量服務器以適應更高密度工作負載的物理影響，還需要考慮如何集成新技術，如液體冷卻和沉浸式冷卻，以對抗這些服務器將產生的熱量。

此外，負載也不穩定。任何時候都可能出現巨大的激增，而從歷史上看，數據中心管理的負載相當平穩、一致。

最大的挑戰之一是，人工智能不是一個同質實體，而是一種分為兩個不同階段的技術：訓練和推理。

成功的數據中心將學會適應這兩種情況。人工智能訓練將不再需要關注彈性和冗余，而是更多地關注成本、PUE和總體效率。另一方面，推理對延遲非常敏感，需要靠近城域中心，以確保用戶界面和應用的快速響應時間。

監管方面

監管機構面臨的困難在于不知人工智能將如何發揮作用。其在很大程度上還處于起步階段，可以理解的是，監管機構希望涵蓋所有潛在危險

歐盟的人工智能法案就是一個明顯的例子，監管機構將應用分為四個關鍵風險級別：不可接受的風險、高風險、有限風險以及最小風險或無風險。在其他方面，NIS2指令將擴大預計遵守其網絡安全原始法規的部門數量，其中包括現在的數字領域。

包括數據中心在內的許多行業面臨的挑戰將是確保遵守不斷變化的法規。人工智能的發展速度比近年來所看到的任何事物都快，隨著監管機構不斷更新參數并定義新的風險邊界，數據中心肯定會感受到連鎖反應。

解決關鍵短缺問題

眾所周知，微處理器的戰略價值使其受到政府貿易限制。隨著多樣化人工智能采用的加速，以及這些應用所需的巨大工作負載，圖形處理單元(GPU)變得越來越稀缺。

擴大生產規模并不是一個簡單的解決方案。事實上，最近的數據發現，在美國或歐洲建造一座兩納米芯片工廠將花費約400億美元。雖然有看到各方齊心協力將生產分散到多個地區，并且Vultr和Northern Data等企業正在認真轉向創建一個全新的“人工智能云”行業，但在供應與需求相匹配之前，微處理器短缺肯定仍然是一個痛點。

數據中心短缺也是一個令人擔憂的問題，但這里的挑戰不在于創新，而在于有限的土地和電力資源，更不用說政治了。

解決數據中心短缺問題需要采取雙管齊下的方法：a.最大限度地提高電力容量，以提供人工智能所需的低延遲水平;b.同時在有更多可用土地的地區也這樣做。尋找偏遠地點進行人工智能訓練，這樣就不會占用大量推理的大都市地區的工作量，這是一種非常有價值的方法。

為人工智能重新配置數據中心

這種最大化現有資源的概念，可以決定如何重新配置數據中心，因為其將可持續性置于戰略的核心。

在法國，“零凈人工化”是一項旨在阻止城市擴張并維護綠色空間生物多樣性的協議。對于數據中心而言，這意味著充分利用現有建筑的潛力，并盡可能地使這些站點更加密集。但要做到這一點，需要進行一些重新配置。

需要評估如何最大限度地利用這些現有站點的空間，以便優先考慮效率，來支持高人工智能工作負載。可持續性不再是一個無形的概念，而是一個非常現實的問題，應該在全球范圍內定義重新配置戰略。

如果還不開始做出更好的決策，來延長數據中心產品的使用壽命，例如轉向改用液體和沉浸式冷卻技術，那么之前為適應人工智能密集型基礎設施所做出的努力基本上將變得徒勞。

對于任何行業而言，包括數據中心，保持領先于人工智能革命都是一個雄心勃勃的目標。但通過采用先進的冷卻技術、遵守不斷變化的法規，并抓住一切機會倡導可持續發展，相信有潛力在這個新的技術時代蓬勃發展。