Gartner预测，到2020年，超过30％未能充分准备人工智能的数据中心将无法在运营或经济上可行。
当战略性地部署并与熟练的人为监督相结合时，人工智能可以为下一代数据中心带来一系列新的效率。
无论是维护自己的内部数据中心还是完全依赖异地数据中心，IT专业人员都需要确保他们的服务器能够应对各种新兴技术所带来的增长需求，这些新技术有望重塑多年来的企业形势来。未能将这些技术的革命潜力 - 从云计算到大数据再到人工智能（AI） - 纳入其数据中心基础设施的公司很快就会发现自己远远落后于竞争曲线。
实际上，Gartner预测，到2020年，超过30％未能充分准备人工智能的数据中心将无法在运营或经济上可行。鉴于这一严峻现实，公司和第三方供应商都有责任投资解决方案将帮助他们充分利用这些尖端技术。
无论公司是在自己的设施中进行资本支出，还是与具有前瞻性思维的第三方供应商建立合作关系，它都需要尽快启动向支持AI的数据中心基础架构的启动。通过在仍有空间的情况下加入潮流，公司有机会利用人工智能来改善他们的日常数据中心运营（至少！）以下三种方式。
利用预测性分析优化工作负载分配
在过去，IT专业人员有责任优化其公司服务器的性能，确保工作负载在其数据中心组合中进行战略性分布。无论是在公司内部服务器基础设施还是非现场服务器基础设施上运行，这一过程对于最大限度地提高公司数字运营的有效性仍然至关重要。也就是说，由有限的人员和/或资源限制的IT团队可能难以全天候地严格监控工作负载分配。
幸运的是，AI可以提供帮助。通过采用预测分析驱动的管理工具，IT团队可以将其绝大部分工作负载分配职责委派给计算机。这些工具能够实时优化存储和计算负载平衡，使IT专业人员能够在较高和较低劳动密集级别上坐下来监督运营。
预测分析工具的优势不仅仅是自我管理。由于人工智能技术固有的自我改进特性，预测分析算法管理的服务器随着时间的推移变得更加高效。随着算法处理更多数据并更熟悉公司的工作流程，他们将在请求发出之前开始预测服务器需求。
机器学习算法减少了事情
即使在处理单个中型公司的计算需求时，数据中心也消耗大量电力。虽然其中一些消耗直接来自服务器的计算和存储操作，但其中大部分来自数据中心的冷却功能。对于公司保持服务器冷却以保证其正常运行（数据中心101）绝对必要 - 但在工业数据中心规模，这种能源使用很快就会成为主要的财务负担。因此，任何可以帮助公司提高其数据中心冷却效率的工具或技术都代表了巨大的增值。
为了追求更好的数据中心能效，Google和DeepMind最近尝试使用AI来优化其冷却活动。根据Alphabet拥有的技术先驱，我们的想法是，人工智能驱动的推荐系统 - 即使只是在广泛的数据中心网络上进行微小改进 - 也可以减少能源使用，削减成本，并使设施更加环保可持续发展。
到目前为止，该项目取得了巨大的成功：DeepMind的机器学习算法在谷歌数据中心的应用已经将用于冷却的能源减少了多达40％，而不会影响服务器性能。
使用人工智能减轻人员短缺
在云计算的兴起以及随之而来的远程计算和存储资产的激增之前，数据中心是相对简单的系统，可以由少数合格的专业人员组成。然而，云计算领域（思科：SaaS，PaaS，IaaS等）的新产品和通常更复杂的产品的出现已经将典型的数据中心转变为适用于各种关键企业工作负载的高科技信息中心。随着这些产品进入越来越多的数据中心，对具有管理它们所需技能的IT专业人员的需求急剧上升。
不幸的是，这些职位的合格候选人人数仍然相当停滞。因此，数据中心管理团队面临严重的人员短缺，有朝一日可能会威胁到公司充分维护其数字资产的能力。为了跟上对数据中心不断增长的需求，企业利益相关者现在必须做出选择，为有限的人才争取利润或投资解决方案，使数据中心在没有广泛的人为监督的情况下蓬勃发展。
值得庆幸的是，AI技术提供了这样一个解决方案，可以协助一系列服务器功能，而无需完全自动化IT管理。 AI平台可以自主执行日常任务，如系统更新，安全修补和文件备份，同时为IT人员留下更细微，更定性的任务。在没有处理每个用户请求或事件警报的负担的情况下，IT专业人员可以承担以前需要他们精心关注的任务的监督角色，从而使他们有更多时间专注于更大的图片管理挑战。
对于单个公司和第三方数据中心供应商而言，这种基于合作伙伴关系的方法在直接自动化和长期人员不足之间提供了一个愉快的媒介。在五年或十年的时间里，这种“混合”管理模式很可能成为整个数据中心行业的常态。机器不会取代人类工作者 - 至少不会很快取代 - 但是他们可以帮助过度工作的IT团队完成为保持数据中心平稳运行而需要做的一切。
