人工智能如今已在数据中心广泛应用，旨在管理和保护网络、过滤警报以及优化工作负载。然而，尽管在IT方面的应用取得了一定进展，但在运营技术的问题上，行业的适应速度相对缓慢。尤其是在冷却领域，冷却系统的能耗可能占到服务器总功耗的三分之一。
例如，谷歌与DeepMind合作开发的深度学习推荐引擎已成功将其数据中心的冷却能耗降低了40%。自2018年以来，该算法在人的监督下实现了自动调整，进一步提升了效率。
随着行业对减少碳排放的关注和对人工智能的热情，许多人希望这一技术能更广泛地应用于冷却管理。
然而，创建这样的系统需要深厚的技术专长和先进的机器学习研究的结合。我们必须认识到，DeepMind是一家拥有雄厚资金支持、专注于前沿技术的机构。由于数据中心是谷歌的核心业务，该公司不太可能将其研究成果共享给业界。因此，现有的数据中心软件供应商需要承担将机器学习引入冷却管理的责任。
尽管对人工智能技术的信任度较低，这一过程的进展一直较慢，但在过去两年内，谷歌及其他公司已经出现了一些积极的案例研究。数据中心运营商报告称，人工智能的应用确实降低了他们的冷却能耗，从而减少了能源账单和碳足迹。
实时控制冷却设备为机器学习模型提供了良好的应用场景，因为这些模型能够考虑比人类团队更多的数据，并提出可能看似非传统或反直觉的解决方案。数据中心内部传感器的普遍存在提供了大量可供分析的数据，使得机器学习模型的构建成为可能。
2020年底，德国西门子发布了一份白皮书，阐述了基于人工智能的冷却技术的诸多优势。该公司指出，机器学习可以根据IT负荷的变化实时调整冷却系统的输出，从而有效匹配设备的冷却需求和冷却输出。
这一目标具有重要意义，因为它能够通过避免数据中心普遍存在的过度冷却问题，直接减少能源消耗。该行业往往过于谨慎。
此外，人工智能在冷却管理中的应用还可以减少对工作人员的监督和现场人员的需求，使他们可以投入到其他关键任务中。在疫情期间，这种减少现场访问的能力尤为重要。
西门子的人工智能冷却方案结合了两款产品：demandFlow 专注于冷冻水的监测和控制，而另一个平台称为空白空间冷却优化（WSCO），则收集温度和送风传感器的数据，计算所需的气流调整，以保持机架每个通道的适当温度。
去年12月，该平台在巴黎的首个四级认证数据中心投入使用，为法国国有银行CAISSE des Dépôts建设。预计该设施将实现1.2的电力使用效率（PUE）。
西门子的WSCO与一家名为Vigilent（原名FedeRspielControls）的公司合作开发，该公司专注于关键任务冷却。Vigilent创建了一个动态冷却管理系统，利用监督学习来控制设备，类似于DeepMind开发的系统。
该软件通过持续分析传感器数据来了解环境变化，并根据历史数据提供建议。它能够评估建筑物中每个冷却单元的贡献，并指出哪些部分浪费了冷却资源。
Vigilent承诺提供与谷歌实验中相似的节能效果，声称在500多个安装中，冷却功率平均降低了38%。该公司不仅向西门子提供机器学习技术，还与多家DCIM和BMS软件供应商合作，如ABB、日立VantaRa和施耐德电气。
另一家在自动冷却管理领域引领人工智能应用的企业是中国的华为。去年，该公司推出了iCooling，一种基于云的服务，利用深度学习分析传感器数据，找出不同设备和系统参数之间的关系，并将泵、制冷机和冷却塔的输出与IT负载相匹配。
华为声称，在其某个云数据中心部署该服务后，电力使用效率（PUE）提升了8%。在中国移动试用iCooling期间，其中卫的设施总耗电量减少了3.2%，相当于40多万千瓦时。随着系统不断学习数据，预计将实现更显著的节能效果。
关于人工智能在数据中心冷却中的应用，正与更广泛的人工智能在可持续性方面的讨论相互关联：最近的一份报告预计，未来三到五年内，人工智能的创新应用可能将全球温室气体排放量减少16%。
报告中指出，一些积极的人工智能应用示例，包括用于识别缺陷和预测设备故障的能源优化平台和算法，将产生显著影响。
随着人工智能在各行业的成功应用，其在数据中心冷却和基础设施管理中的潜力正成为下一个重要发展方向——这只是将理论转化为实践的挑战。
人工智能在未来几年有望重塑数据中心的运营。然而，数据中心需要在当前做好准备，以便在未来充分发挥其作用。
[[[IMG_1]]]
[[[IMG_2]]]
[[[IMG_3]]]
[[[IMG_4]]]
[[[IMG_5]]]
