隨著大型語(yǔ)言模型 (LLM)(如 ChatGPT)和機(jī)器學(xué)習(xí) (ML) 在生成式 AI 的前景方面引起媒體和業(yè)界的無(wú)休止關(guān)注，這些技術(shù)的發(fā)展也為數(shù)據(jù)中心行業(yè)帶來(lái)了大量挑戰(zhàn)。
除了 AI，ML 和物聯(lián)網(wǎng) (IoT) 等技術(shù)也需要具有廣泛帶寬和創(chuàng)新電源解決方案的數(shù)據(jù)中心。隨著對(duì)計(jì)算能力和連接性的需求不斷增長(zhǎng)，系統(tǒng)運(yùn)營(yíng)商對(duì)數(shù)據(jù)中心的依賴也在不斷增加，以高效處理和存儲(chǔ)大量信息，同時(shí)保持卓越的性能。
利用先進(jìn) AI 算法的邊緣計(jì)算系統(tǒng)可以在網(wǎng)絡(luò)內(nèi)執(zhí)行實(shí)時(shí)數(shù)據(jù)處理和決策，以最大限度地提高整體性能。邊緣計(jì)算還可以幫助實(shí)現(xiàn)為 AI 提供動(dòng)力所需的實(shí)時(shí)數(shù)據(jù)處理。隨著生成式人工智能、法學(xué)碩士、物聯(lián)網(wǎng)、云應(yīng)用、實(shí)時(shí)數(shù)據(jù)處理以及對(duì)低延遲應(yīng)用的需求將計(jì)算能力推向前所未有的水平，邊緣計(jì)算市場(chǎng)規(guī)模預(yù)計(jì)將從 2024 年的約 340 億美元飆升至 2033 年的 7000 多億美元。
鑒于生成式人工智能的迅猛發(fā)展，數(shù)據(jù)中心行業(yè)的任務(wù)是快速適應(yīng)計(jì)算能力的激增，并滿足對(duì)有效電源解決方案日益增長(zhǎng)的需求。
釋放人工智能潛力的關(guān)鍵可能取決于邊緣計(jì)算的有效性。邊緣計(jì)算使用分布式信息技術(shù) (IT) 架構(gòu)，在網(wǎng)絡(luò)外圍盡可能靠近其原始來(lái)源的地方處理數(shù)據(jù)。這可以減少延遲并提高性能，同時(shí)還可以降低能耗——這是大型數(shù)據(jù)中心運(yùn)營(yíng)商的長(zhǎng)期對(duì)手。
應(yīng)對(duì)實(shí)施邊緣模型的挑戰(zhàn)
為了成功設(shè)計(jì)和實(shí)施邊緣計(jì)算模型，數(shù)據(jù)中心部門需要應(yīng)對(duì)一些挑戰(zhàn)。隨著組織開始減少對(duì)傳統(tǒng)集中式數(shù)據(jù)中心收集、處理和存儲(chǔ)數(shù)據(jù)的依賴，邊緣計(jì)算能夠重塑業(yè)務(wù)開展方式。例如，隨著能源網(wǎng)分布越來(lái)越廣泛，邊緣計(jì)算可以提供所需的低延遲數(shù)據(jù)處理，以促進(jìn)實(shí)時(shí)發(fā)電和配電決策，從而以最佳方式滿足需求。
不那么集中的數(shù)據(jù)中心生態(tài)系統(tǒng)也為消費(fèi)者帶來(lái)了好處。然而，消費(fèi)者對(duì)處理大量快速移動(dòng)數(shù)據(jù)的應(yīng)用程序的依賴也推動(dòng)了數(shù)據(jù)中心開發(fā)人員解決物流挑戰(zhàn)的需求。這些挑戰(zhàn)包括在靠近數(shù)據(jù)源的社區(qū)、設(shè)施和人口密集地區(qū)建立數(shù)據(jù)中心。這對(duì)于需要極低延遲的應(yīng)用程序尤其重要，例如直播、增強(qiáng)現(xiàn)實(shí) (AR) 和自動(dòng)駕駛汽車。
隨著這些應(yīng)用程序?qū)吘売?jì)算基礎(chǔ)設(shè)施的需求不斷增加，另一個(gè)挑戰(zhàn)也隨之而來(lái)——減輕這些設(shè)施內(nèi) IT 設(shè)備和電源產(chǎn)生的熱量。為了應(yīng)對(duì)產(chǎn)生的高熱量，開發(fā)人員的任務(wù)是實(shí)施高效的電源系統(tǒng)，其中包括高效傳導(dǎo)或液冷整流器、浸入式冷卻和熱量控制解決方案等功能。減輕熱量對(duì)于數(shù)據(jù)中心的運(yùn)營(yíng)效率以及防止設(shè)備損壞甚至更糟的系統(tǒng)故障至關(guān)重要。
設(shè)備損壞和停電的后果可能很嚴(yán)重。根據(jù) Uptime Institute 的一項(xiàng)調(diào)查，超過(guò)一半的受訪數(shù)據(jù)中心運(yùn)營(yíng)商在 2020 年至 2023 年期間遭遇過(guò)停電。最嚴(yán)重的停電成本仍然很高，54% 的受訪者表示，最嚴(yán)重的停電給他們?cè)斐闪顺^(guò) 10 萬(wàn)美元的損失。此外，近六分之一的運(yùn)營(yíng)商表示，他們?cè)庥龅耐ｋ姄p失超過(guò) 100 萬(wàn)美元。
這些令人警醒的統(tǒng)計(jì)數(shù)據(jù)凸顯了彈性數(shù)據(jù)中心電力系統(tǒng)的重要性，以及需要遠(yuǎn)程監(jiān)控和隨時(shí)解決潛在問(wèn)題。隨著邊緣計(jì)算推動(dòng)對(duì)更廣泛分布的數(shù)據(jù)中心的需求，遠(yuǎn)程監(jiān)控和診斷的重要性也日益凸顯。此外，對(duì)經(jīng)驗(yàn)豐富、隨時(shí)待命的服務(wù)技術(shù)人員的需求從未如此高漲，以幫助維持這些關(guān)鍵邊緣網(wǎng)絡(luò)的正常運(yùn)行時(shí)間。這要求數(shù)據(jù)中心運(yùn)營(yíng)商建立明確的戰(zhàn)略方法來(lái)管理根據(jù)需要擴(kuò)展資源的復(fù)雜過(guò)程。
最后，數(shù)據(jù)安全是邊緣計(jì)算流程的另一個(gè)關(guān)鍵方面，因?yàn)槎鄠€(gè)邊緣位置可能會(huì)增加遭受網(wǎng)絡(luò)攻擊的可能性。運(yùn)營(yíng)商需要確保其邊緣位置符合行業(yè)標(biāo)準(zhǔn)的數(shù)據(jù)隱私和合規(guī)措施。還必須實(shí)施安全協(xié)議，包括訪問(wèn)控制、威脅檢測(cè)和數(shù)據(jù)加密。持續(xù)監(jiān)控和審核邊緣設(shè)備和網(wǎng)絡(luò)以確保及時(shí)發(fā)現(xiàn)威脅或攻擊也至關(guān)重要。
采取整體方法實(shí)現(xiàn)全國(guó)邊緣連接
邊緣計(jì)算生態(tài)系統(tǒng)中的利益相關(guān)者(包括政府、服務(wù)提供商和應(yīng)用程序開發(fā)商)需要共同努力，充分發(fā)揮邊緣計(jì)算的優(yōu)勢(shì)。支持人工智能所需的廣泛計(jì)算能力并應(yīng)對(duì)該技術(shù)帶來(lái)的挑戰(zhàn)需要采取整體和協(xié)作的方法來(lái)實(shí)現(xiàn)網(wǎng)絡(luò)架構(gòu)、基礎(chǔ)設(shè)施設(shè)計(jì)和系統(tǒng)管理。
