根據百度百科，IDC為網際網路內容提供商（ICP）、企業、媒體和各類網站提供大規模、高質量、安全可靠的專業化伺服器託管、空間租用、網路批發頻寬以及ASP、EC等業務。要討論AI對IDC的改變，就不得不把廣為人知的谷歌作為例子，看看他們是如果利用基於類神經網路的機器學習來有效控制資料中心裝置溫度並最終實現節能降耗的。IDC就是Internet Data Center，網路資料中心的簡稱，而在谷歌的核心之處就是一個巨大的、由眾多伺服器網路構成的資料中心。但是這些裝置的無休止持續運轉會積聚熱量提高溫度從而導致效率下降甚至更嚴重的裝置損壞。為了確保這些設施正常運作並完成各種搜尋請求，谷歌採用了高階的冷卻系統輸送冷空氣和冷卻液，用以冷卻這些重要的硬體裝置們。冷卻技術提高的同時，需要考慮的引數也變多了，有溫度、能耗、冷卻液流動情況等等，傳統的程式設計方法以及不足以統合這些內在聯絡又相互影響的要素。幸而隨著人工智慧技術的發展，谷歌有了新的選擇，那便是透過不眠不休，能夠進行機器學習不斷提高水平減少誤差的人工智慧來根據各種引數運轉這個冷卻系統。在當時谷歌採用了具有多層神經網路的機器學習方法，輸入了大約兩年的資料量訓練這一神經網路，讓誤差保持在0.34~0.37PUE（ Power Utilization Effectiveness，電源使用效率指標）值之間，並且隨著持續的資料輸入與機器學習，誤差還將持續減少。也即是說，人工智慧幫助谷歌的IDC冷卻系統節省了大約40%的能源消耗

目前在IDC冷卻系統中人工智慧的使用可以大幅改善能耗，提高效率。但人工智慧技術發展的大勢浩浩蕩蕩，IDC中每個資料過載，引數繁多的領域都可能成為它的新舞臺。