“新基建”問世，吹皺一池春水。

頂層設計的定調，政策的陸續加碼，意味著對應的產業紅利也如期而至。

無論是醫療、金融、教育，亦或是工業制造、城市交通等領域，用高新技術武裝，加快智能化轉型，在智能化新浪潮中塑造新優勢，已成為了千行百業的同向選擇。

在云上經濟大爆發的當下，作為未來數字經濟時代的基礎設施，數據中心對于人工智能布局的重要性，不言而喻。

特別是近兩年，5G技術的換擋提速，工業互聯網的技術轉型，“新基建”的政策加速，數字化應用的多樣性落地，多方合力正形成一股強大的力量，推動著數據中心的爆發性發展，無形中也對數據中心這一算力基礎設施，提出了更高的要求。

從歷史溯源，人工智能經歷了從20世紀50年代誕生初期的萌芽，主要是用計算機來證明數學題、幾何題以及一些機械智能的專家系統;到20世紀波段式的發展，主要應用在一些簡單的國際象棋、機器翻譯和圖像識別上，屬于較為初級的機器學習;直至21世紀初，在摩爾定律、深度學習及大數據應用等成熟的產業大背景催化下，人工智能才迎來了由量變產生質變的規?；缭绞桨l展。

三起三落之際，人工智能這一場曠日持久的“尋獵”與“淘金”之旅，也在近幾年得到了爆發式的成果回饋——成為了有史以來離商業化成功、在尖端科技與大眾消費品相結合的過程中，走得最近的一次。

至此，人工智能不再曲高和寡。

能源環境AI革命新戰場：數據中心

隨著算法模型的成熟，算力的提升，數據的海量積累，AI技術在“新基建”、新零售、智能駕駛、智慧城市、智能制造等領域，已得到了成熟且廣泛的場景應用。特別是在消費互聯網領域，像美團、抖音、螞蟻金服等APP，其所提供的平臺、內容與金融等服務，背后實則都是經年累月所沉淀出的數據資產在做支撐，并經人工智能的深度學習技術訓練后形成核心算法，再轉化為平臺服務。

然而，在能源環境領域，由于過去大多都是政府在推動，不像消費市場那樣受到資本的重視，這使得其在AI應用場景上仍處于比較滯后的狀態。而當其他領域的競爭成為一片紅海，資本回頭一看方知，AI在能源環境這塊的應用，卻是一片尚未被完全挖掘的藍海，前景十分廣闊。

為了迎合碳中和的國家戰略，實現國家提出的節能減排與碳排量指標，在能源環境領域進行AI節能，便迫在眉睫。特別是數據中心行業，正成為AI節能的重要應用領域。

至于AI對在數據中心領域中又是如何應用?未來對經濟增長有何拉動作用?在北京大學環境與能源學院學科負責人馬曉明教授看來，現階段的人工智能，主要是通過深度學習算法來做預測，結合深度學習結論和專家經驗，給出預測性維護建議，推薦最佳設備組合，判斷故障預警。據馬曉明教授介紹，目前，針對AI在數據中心領域中的應用，北京大學已經與維諦技術(Vertiv，NYSE：VRT)展開產學研深度合作，推動AI技術在數據中心節能上的盡快落地。

當然，在現階段，要做到真正的人工智能，數據無疑是第一要素。只要有數據，便能利用算法模型來挖掘和發揮有用的價值，讓人工智能成為驅動社會經濟發展的新動能。

比如，螞蟻金服可以通過大數據來判斷是否可以給某個個體發放貸款，它可以利用海量的數據庫來做數據挖掘，沉淀出高價值的數據資產，進而形成自己的一套風控體系。

無獨有偶，10月31日，谷歌做阿爾法狗的DeepMind研究小組，也突破性地通過人工智能算法來預測DNA分子螺旋3D結構。但這一研究對算法的要求非常高：需要消耗200到300塊GPU設備，以幾周的時間來運行訓練，算力的成本非常高。

而隨著大型數據中心的規模越來越大，能耗壓力也隨之增大，數據的海量積累，也催生用人工智能技術來進行數據中心節能的一套解決方案。要知道，在谷歌的大數據中心，光服務器就有百萬級的臺數，一旦運行，當中產生的能耗之大，可想而知。

模塊化數據中心熱管理AI優化落地新成果

其實，早在2013年，谷歌就已嘗試用人工智能控制水冷來對大型數據中心進行節能。他們通過神經網絡的學習訓練，來準確地預測PUE值，并做出節能控制解決方案，最終能達到15%-40%的節能。而后騰訊、阿里也先后基于谷歌的這種方案作了優化和跟進，對大型數據中心進行優化，并取得了不俗的效果。

在這一過程中，人工智能的優勢在于，它能通過算法上和數據上的優勢，規避中間一些復雜的物理模型，把操作當成是黑盒子，壓根不需要關心內部的物理運行邏輯——到底空調怎么控制?只需關心制冷用了多少電?輸入環境變量之間輸入到輸出的關系是如何的?只需利用人工智能技術，先收集大量的樣本，把這層關系給學習出來。一旦下次給出這個輸入之后，人工智能就能立馬判斷該怎么做控制，以得到一個最好的輸出，從而達到自動化控制。

比如說，當數據中心算力需求小時，服務器負載壓力就會變小，這時散熱壓力就比較小，通過算法學習之后，就能完全自動化地關掉一些服務器和空調制冷設備。在這個過程中，由于算法具有預見性，能預見變化并提前采取行動，使得溫度的變化更平滑，從而在節能效果上實現優化。

由于在需求拉動下，整個數據中心的形態在演進的過程中，很多底層邏輯就會發生改變。有的考慮部署速度和極致的全生命周期TCO，有的在意業務的可靠運營，有的看中數據中心的安全，有的考慮投資回報，有的要求算力優先，有的講究多快好省。

很多時候，由于行業需求的差異化，數據中心在落地推進過程中，自然也存在多種差異化痛點，從而導致對數據中心定制化的需求也越來越強烈。

加之，5G以及邊緣計算的發展，數據中心AI節能對5G場景下所呈現的分布式、快速及時、低時延、能匹配各種微型的數據中心算力和分布，分布式多網點的協同管理等需求，也變得越來越強烈。因而，AI在數據中心節能上發揮的價值也就越來越大。

維諦技術(Vertiv)是較早在數據中心AI節能領域進行全面產學研合作的廠商，并已經取得了重要的研究成果。

值得一提的是，定制化數據中心很難照搬谷歌的方案，需要根據不同條件建立相應的模型。

“在傳統公有云數據中心，像騰訊、阿里這種超大型數據中心，已經擁有多種現實可行的方案，邏輯訓練完就丟在那里不用管，因為只是提供一個公有云數據平臺來給其他人用，它不像維諦技術(Vertiv)提供的定制化數據中心，要面對不同的場景需求。”在采訪中，香港中文大學博士后徐歡樂坦言。

據徐歡樂透露，目前，他與維諦技術(Vertiv)合作開發的基于AI技術的節能方案，已經進入了驗收的階段。后續再經大規模測試周期，就會落地到具體的產品。

與谷歌需要提前收集大量樣本數據與強大的算力配套來做訓練有所不同，維諦技術(Vertiv)用AI來實現數據中心節能的優勢在于，它無需像大型數據中心優化那般，需要長時間收集大量數據來做訓練和優化，而是通過強化學習算法模型，外加只需少量樣本，就可以使得客戶即便是從零開始部署，也可保證在3到6天，就可以根據負載運行情況、外部氣候環境條件等一系列數據進行學習，從而實現對空調系統的自動化控制，可在不同負載率條件下找到系統PUE的最佳運行點，實現比普通控制算法更高等級的節能。

從這個角度來看，未來AI在數據中心節能上一旦應用成熟的話，對于以維諦技術(Vertiv)為代表的廠商來說，將對其產品研發和生產帶來一個革新性的變化。

從目前的數據來看，維諦技術(Vertiv)在中國非自用數據中心市場、精密空調市場、UPS市場，均位列第一名。這也是維諦技術(Vertiv)在數據中心AI節能領域搶占首發位置的關鍵因素。

至于未來，作為數據中心AI節能應用領域的標桿性企業，維諦技術(Vertiv)還將在領域內做何種邊界的應用拓展?制造出多大的影響力?前景如何?其實可想象空間還是蠻多的。

經過與維諦技術(Vertiv)進行半年多的方案研發合作后，徐歡樂認為，一方面，維諦技術(Vertiv)未來或將能以數據中心節能這個項目為切入點，來推動建立通過AI實現數據中心節能的行業標準，從數據的采集到模型的選擇，提供一些標準化的手段來衡量和評估，從而形成更強的行業影響力。另一方面，也能從空調開關控制，延伸進行空調系統內部的控制，結合人工智能技術建立強化模型，從而實現更佳效果的節能。

當然，不僅僅局限于節能，人工智能在數據中心當中也可以實現更多應用，比如運維、故障診斷、預警，通過數據本身能自動發現數據中心故障，發現后生成報告并提示采取何種手段解決，使得數據中心全方位實現智能化運行。

了解更多：

https://www.vertiv.com/zh-CN/about/news-and-insights/#/?utm_source=china5e&utm_medium=paid-referral&utm_campaign=architects-of-continuity&utm_term=shejiyuan-huabiankeji&utm_content=zh