112
“新基建”问世，吹皱一池春水。
顶层设计的定调，政策的陆续加码，意味着对应的产业红利也如期而至。
无论是医疗、金融、教育，亦或是工业制造、城市交通等领域，用高新技术武装，加快智能化转型，在智能化新浪潮中塑造新优势，已成为了千行百业的同向选择。
在云上经济大爆发的当下，作为未来数字经济时代的基础设施，数据中心对于人工智能布局的重要性，不言而喻。
特别是近两年，5G 技术的换挡提速，工业互联网的技术转型，“新基建”的政策加速，数字化应用的多样性落地，多方合力正形成一股强大的力量，推动着数据中心的爆发性发展，无形中也对数据中心这一算力基础设施，提出了更高的要求。
从历史溯源，人工智能经历了从 20 世纪 50 年代诞生初期的萌芽，主要是用计算机来证明数学题、几何题以及一些机械智能的专家系统；到 20 世纪波段式的发展，主要应用在一些简单的国际象棋、机器翻译和图像识别上，属于较为初级的机器学习；直至 21 世纪初，在摩尔定律、深度学习及大数据应用等成熟的产业大背景催化下，人工智能才迎来了由量变产生质变的规模化跨越式发展。
三起三落之际，人工智能这一场旷日持久的“寻猎”与“淘金”之旅，也在近几年得到了爆发式的成果回馈——成为了有史以来离商业化成功、在尖端科技与大众消费品相结合的过程中，走得最近的一次。
至此，人工智能不再曲高和寡。
能源环境 AI 革命新战场：数据中心
随着算法模型的成熟，算力的提升，数据的海量积累，AI 技术在“新基建”、新零售、智能驾驶、智慧城市、智能制造等领域，已得到了成熟且广泛的场景应用。特别是在消费互联网领域，像美团、抖音、蚂蚁金服等 APP，其所提供的平台、内容与金融等服务，背后实则都是经年累月所沉淀出的数据资产在做支撑，并经人工智能的深度学习技术训练后形成核心算法，再转化为平台服务。
然而，在能源环境领域，由于过去大多都是政府在推动，不像消费市场那样受到资本的重视，这使得其在 AI 应用场景上仍处于比较滞后的状态。而当其他领域的竞争成为一片红海，资本回头一看方知，AI 在能源环境这块的应用，却是一片尚未被完全挖掘的蓝海，前景十分广阔。
为了迎合碳中和的国家战略，实现国家提出的节能减排与碳排量指标，在能源环境领域进行 AI 节能，便迫在眉睫。特别是数据中心行业，正成为 AI 节能的重要应用领域。
至于 AI 对在数据中心领域中又是如何应用？未来对经济增长有何拉动作用？在北京大学环境与能源学院学科负责人马晓明教授看来，现阶段的人工智能，主要是通过深度学习算法来做预测，结合深度学习结论和专家经验，给出预测性维护建议，推荐最佳设备组合，判断故障预警。据马晓明教授介绍，目前，针对 AI 在数据中心领域中的应用，北京大学已经与维谛技术（Vertiv，NYSE：VRT）展开产学研深度合作，推动 AI 技术在数据中心节能上的尽快落地。
当然，在现阶段，要做到真正的人工智能，数据无疑是第一要素。只要有数据，便能利用算法模型来挖掘和发挥有用的价值，让人工智能成为驱动社会经济发展的新动能。
比如，蚂蚁金服可以通过大数据来判断是否可以给某个个体发放贷款，它可以利用海量的数据库来做数据挖掘，沉淀出高价值的数据资产，进而形成自己的一套风控体系。
无独有偶，10 月 31 日，谷歌做阿尔法狗的 DeepMind 研究小组，也突破性地通过人工智能算法来预测 DNA 分子螺旋 3D 结构。但这一研究对算法的要求非常高：需要消耗 200 到 300 块 GPU 设备，以几周的时间来运行训练，算力的成本非常高。
而随着大型数据中心的规模越来越大，能耗压力也随之增大，数据的海量积累，也催生用人工智能技术来进行数据中心节能的一套解决方案。要知道，在谷歌的大数据中心，光服务器就有百万级的台数，一旦运行，当中产生的能耗之大，可想而知。
模块化数据中心热管理 AI 优化落地新成果
其实，早在 2013 年，谷歌就已尝试用人工智能控制水冷来对大型数据中心进行节能。他们通过神经网络的学习训练，来准确地预测 PUE 值，并做出节能控制解决方案，最终能达到 15%-40%的节能。而后腾讯、阿里也先后基于谷歌的这种方案作了优化和跟进，对大型数据中心进行优化，并取得了不俗的效果。
在这一过程中，人工智能的优势在于，它能通过算法上和数据上的优势，规避中间一些复杂的物理模型，把操作当成是黑盒子，压根不需要关心内部的物理运行逻辑——到底空调怎么控制？只需关心制冷用了多少电？输入环境变量之间输入到输出的关系是如何的？
只需利用人工智能技术，先收集大量的样本，把这层关系给学习出来。一旦下次给出这个输入之后，人工智能就能立马判断该怎么做控制，以得到一个最好的输出，从而达到自动化控制。
比如说，当数据中心算力需求小时，服务器负载压力就会变小，这时散热压力就比较小，通过算法学习之后，就能完全自动化地关掉一些服务器和空调制冷设备。在这个过程中，由于算法具有预见性，能预见变化并提前采取行动，使得温度的变化更平滑，从而在节能效果上实现优化。
由于在需求拉动下，整个数据中心的形态在演进的过程中，很多底层逻辑就会发生改变。有的考虑部署速度和极致的全生命周期 TCO，有的在意业务的可靠运营，有的看中数据中心的安全，有的考虑投资回报，有的要求算力优先，有的讲究多快好省。
很多时候，由于行业需求的差异化，数据中心在落地推进过程中，自然也存在多种差异化痛点，从而导致对数据中心定制化的需求也越来越强烈。
加之，5G 以及边缘计算的发展，数据中心 AI 节能对 5G 场景下所呈现的分布式、快速及时、低时延、能匹配各种微型的数据中心算力和分布，分布式多网点的协同管理等需求，也变得越来越强烈。因而，AI 在数据中心节能上发挥的价值也就越来越大。
维谛技术（Vertiv）是较早在数据中心 AI 节能领域进行全面产学研合作的厂商，并已经取得了重要的研究成果。
值得一提的是，定制化数据中心很难照搬谷歌的方案，需要根据不同条件建立相应的模型。
“在传统公有云数据中心，像腾讯、阿里这种超大型数据中心，已经拥有多种现实可行的方案，逻辑训练完就丢在那里不用管，因为只是提供一个公有云数据平台来给其他人用，它不像维谛技术（Vertiv）提供的定制化数据中心，要面对不同的场景需求。”在采访中，香港中文大学博士后徐欢乐坦言。
据徐欢乐透露，目前，他与维谛技术（Vertiv）合作开发的基于 AI 技术的节能方案，已经进入了验收的阶段。后续再经大规模测试周期，就会落地到具体的产品。
与谷歌需要提前收集大量样本数据与强大的算力配套来做训练有所不同，维谛技术（Vertiv）用 AI 来实现数据中心节能的优势在于，它无需像大型数据中心优化那般，需要长时间收集大量数据来做训练和优化，而是通过强化学习算法模型，外加只需少量样本，就可以使得客户即便是从零开始部署，也可保证在 3 到 6 天，就可以根据负载运行情况、外部气候环境条件等一系列数据进行学习，从而实现对空调系统的自动化控制，可在不同负载率条件下找到系统 PUE 的最佳运行点，实现比普通控制算法更高等级的节能。
从这个角度来看，未来 AI 在数据中心节能上一旦应用成熟的话，对于以维谛技术（Vertiv）为代表的厂商来说，将对其产品研发和生产带来一个革新性的变化。
从目前的数据来看，维谛技术（Vertiv）在中国非自用数据中心市场、精密空调市场、UPS 市场，均位列第一名。这也是维谛技术（Vertiv）在数据中心 AI 节能领域抢占首发位置的关键因素。
至于未来，作为数据中心 AI 节能应用领域的标杆性企业，维谛技术（Vertiv）还将在领域内做何种边界的应用拓展？制造出多大的影响力？前景如何？其实可想象空间还是蛮多的。
经过与维谛技术（Vertiv）进行半年多的方案研发合作后，徐欢乐认为，一方面，维谛技术（Vertiv）未来或将能以数据中心节能这个项目为切入点，来推动建立通过 AI 实现数据中心节能的行业标准，从数据的采集到模型的选择，提供一些标准化的手段来衡量和评估，从而形成更强的行业影响力。另一方面，也能从空调开关控制，延伸进行空调系统内部的控制，结合人工智能技术建立强化模型，从而实现更佳效果的节能。
当然，不仅仅局限于节能，人工智能在数据中心当中也可以实现更多应用，比如运维、故障诊断、预警，通过数据本身能自动发现数据中心故障，发现后生成报告并提示采取何种手段解决，使得数据中心全方位实现智能化运行。
