451 Research：搭载AI，DCIM加速数据中心智能化管理进程

如今，关于未来技术发展的预言绕不开AI，我们不止一次被告知，AI将全面影响人类生活，从语音识别、智能购物到无人驾驶，AI正在快速影响人类的衣食住行。各行各业也充分抓住AI带来的发展机遇，掀起了AI革命。这场AI革命风暴同样也发生在数据中心领域。

AI对数据中心的影响是什么?在其中扮演着怎样的角色......

混合引领，革新并进

放眼世界，数据中心产业正在经历巨大转型，一些技术和商业趋势重塑工作负载的部署与管理方式。这些新情况对数据中心的供电、制冷和恢复都产生了影响，传统企业IT部门必须努力改进，尝试满足超大规模云服务商交付的效率。据今年451研究所VotE《数字脉搏：工作负载与关键项目数据》显示，58%的企业正转向混合架构，这种趋势给IT部门革新带来巨大压力。

尤其，为了与价格下降的公有云进行竞争，企业设施必须高效且遵循不断增加的数据主权条例。然而，与其完全替换传统基础设施，企业更有可能选择从提升效率着手，尤其是考虑到利用IT资产、整合为更大型更集中设施以及世界部分地区需要扩容。自动化将成为IT变革的关键一环，软件编排工具可以用来管理应用层，那么供电和制冷设施如何应对?历史来看，数据中心依据设计来运行，怎样让数据中心更多由软件驱动，动态匹配IT负载呢?

DCIM定义

数据中心基础设施管理软件(DCIM)是这种趋势不可缺少的组成部分，为数据中心监控、资产管理和容量规划提供单一管理平台和仪表盘数据分析。DCIM有助于简化混合环境的复杂性、提高生产力、提升资源效率。DCIM基于配电抄表、阈值和告警来监控数据中心的健康状态，并借助自动发现工具管理IT资产。一些DCIM甚至触及服务器和端口级别，或通过预测场景分析来规划和预测容量。然而，目前DCIM面临的挑战包括整合场外资产，以及应对伴随着IP关联设备而来的网络安全攻击问题。

DCIM通过搜集用于趋势研究和使用分析的实时数据支持所有这些功能。被动DCIM通过告警或性能变化改善基本监控，而主动DCIM融入其他系统，提高效率、降低风险、增强灵活性。最终，DCIM用户将寻求把数据并入商业功能中，如成本分析和商业规划，助力驱动BEV决策。AI通过自发反应，在进行优化、提供洞见和更好预测方面发挥重要作用。通过提升可见性、响应性和效率,DCIM助力搭建出更多由软件驱动的数据中心，而AI将进一步改善配置和容量规划，最终实现自动化管理。

数据中心如何应用AI?未来会如何发展?

广义来看，据今年VotE《AI and Machine Learning:Adoption,Drivers and Stakeholders》调查显示，半数企业已部署或一年内计划部署AI。这类趋势跨越所有行业，尤其是IT和通信领域。预测性维护是最常见的使用案例，此类常见应用直接适用于数据中心管理。

特定应用要求适用于全栈，延伸至发电和制冷。用于离散系统的无线传感器曾为常态，如今该行业已转向实时告警系统。下一步是3D可视化，延伸至支架或端口，融入到工作流程管理，包括容量租用和云实例(至少是数据提供者允许客户看到的)。AI也有助于整套控制的优化和预测。如今，已有软件工具支持云编排，IT服务管理和虚拟机管理。AI助力绑定物理层的应用，可将DCIM数据转换为行动知识。

通常，数据中心管理即服务(DMaaS)是当今AI支持下的DCIM起点。DMaaS基于云的远程监控，汇总了历史数据和匿名客户数据进行大规模分析，而AI能够用于异常检测。DMaaS是数据中心资产的“第二双眼睛”，其长期目标是整合能源管理、连通性、甚至商业成本。自然，数据越多越好，但这种方法的潜在缺陷在于安全和时延风险。

当前，时间敏感型的监控和告警将仍可能本地处理。由于当前运营商反感风险，供应商仅仅是提供一些建议。操作方面，仍然使用传统工具进行管理，DCIM用于迁移或其他变更、事故管理和根因分析。将来，AI可助力打造无需过度配置的自愈数据中心。

然而，行业一些有趣的例子某种程度上突出了数据中心的AI现状。

1、谷歌DeepMind展示了如何利用历史感应器数据和神经网络减少所需的制冷能源。在中国，华为也训练了自己的深度神经网络，协作调整空调和制冷机组控制，目的是获得最佳PUE并减少附带的能源成本。

2、事实上，华为已测试并部署了iManager，一种由AI驱动的IT资产管理和容量规划产品。

3、Vigilent位于加利福尼亚，该公司利用基于云的AI引擎，结合本地应用分析环境信息，并通过控制使制冷输出动态匹配IT负载。

4、初创公司Litbit已为个体公司数据库增添AI色彩，利用干预模型，通过声音指纹检测设备的健康状态。

随着DCIM成为软件驱动设施不可缺少的一部分，融入AI将助力实现优化并最终促成数据中心的自动化。