機器學習有望為先進的資料中心管理開創新的紀元，但資料中心的許多基礎設施的管理仍然還有很長的路要走，這些基礎設施管理有必要從過去那種晦澀難懂基於電子表格管理管理逐漸發展演化到以自動化管理為主的方向上來。

資料中心基礎設施管理（DCIM）軟體的終極目標是最終實現自我管理或完全自動化的資料中心。

業界當前寄希望於人工智慧驅動的管理軟體（可能是基於雲端計算的）將會監控和控制IT和設施基礎設施，以及應用程式。人工智慧將實現無縫整體性地——可能是跨越多個站點——實施其監控管理。冷卻散熱、電源、計算、工作負載、儲存和網路將動態化，以實現最高效率，生產力和可用性。

這種以人工智慧驅動的管理模式在資料中心業界可能已經有十年甚至更長的歷史了，但是，整個資料中心行業目前也僅僅只是在部分的領域取得了一些進展。例如，谷歌公司在2014年透露，該公司一直在使用通過其收購英國AI專家DeepMind公司所獲得的技術來改善其部分資料中心站點的基礎設施管理。

正如谷歌在當時所指出的那樣：鑑於資料中心內部有太多的電力和冷卻裝置相互作用，故而使得其基礎設施的管理無疑是太過複雜而人類員工是無法勝任的。該公司當時曾表示：想象一處簡化的資料中心場景：一處資料中心只有10款裝置，其中每款裝置有10個設定，可能將會有10到100億款可能的電源配置，以及相關可能的其它配置，這就已經遠遠超出任何人工測試的真實能力的範疇了——但即使這樣，其也遠遠低於一處實際的資料中心可能的配置。

AI驅動的效率谷歌公司使用來自其資料中心內部的成千上萬個感測器所收集的歷史資料資訊來訓練一款“深度人工神經網路集合體”。谷歌表示，將所得到的演算法應用於其基礎設施的管理過程，使得其實現了冷卻能耗降低了40%，進而使得資料中心的整體能源消耗降低了15%.目前，該公司還在繼續開發和完善機器學習的使用——人工智慧應用的一個子集範疇——無疑還將進一步取得更傑出的成果。

但事實上，並非僅僅只有谷歌這樣的高階雲服務供應商們在進行著機器學習領域的試驗專案。DCIM軟體供應商Vigilent公司表示，該公司已經將機器學習整合融入其動態的冷卻管理系統多年了：每一分鐘，來自數百或數千個環境感測器的資料均經由無線網狀網路被收集，並進入中央人工智慧（AI）引擎……藉助複雜的動態控制演算法，然後將指令實時傳送到資料中心站點的冷卻系統，制定旨在優化效能績效的決策。

在不久的將來，我們可以期待更多的DCIM供應商、託管服務和雲服務提供商擁有自主研發的工具，進而將機器學習和其他形式的AI人工智慧整合到管理系統中。從孤立的企業本地部署DCIM軟體轉移到基於雲的資料中心管理即服務（DMaaS）工具（來自多個站點的資料將彙總在雲中）也應該有助於加速這一過程。

從電子表格到AI的漫長過程但是，儘管人們會很容易陷入又人工智慧所帶來的令人興奮且具有顛覆破壞性的潛力，但資料中心業界當前最為重要的則是亟待反思大多數資料中心將如何繼續設計、構建和執行的這一嚴峻的現實問題。

事實上，資料中心的許多管理過程——特別是在基礎設施管理方面——仍然嚴重的依賴於傳統的裝置和人工手動操作。例如，正如我們以前所強調的那樣，儘管DCIM工具已經存在了將近十年了，但大量的資料中心運營商們仍然對該技術持懷疑的態度。多達50%的資料中心站點（可能是那些較小型的終端站點）仍然依靠可信但不太智慧的建築管理工具以及電子表格，書面文件和其他手動流程來執行其基礎設施。

打造數字化儘管整個資料中心業界已經看到了相關軟體工具——包括一些DCIM軟體以及專業計算機維護管理系統（CMMS）——獲得了長足的發展，可以用以幫助管理和自動化資料中心的重要管理程式的應用程式。但事實上，所謂的操作和維護（或者說O&M），其實踐方案在紙質文件中或者說在裝置工作人員的負責人看來，仍然是常規性的。

在資料中心運營商們開始充分利用先進的支援AI的管理工具的潛在優勢之前，他們還將需要解決更為智慧化的操作方面的問題。這些包括：部署企業本地或基於雲的DCIM工具，用於資產管理和環境監控。這個監控和管理層將需要及時的到位，然後才能執行一些更復雜的AI操作。

安裝更多的感測器和儀表。包括聲學和振動裝置——以便能夠密切監測資料中心的溫度、溼度、電能質量和其他指標。機器學習工具將需要越來越多的資料。

更好地協調IT和設施團隊（由DCIM軟體支援），以便更全面地管理資料中心基礎設施。

儘可能數字化和自動化許多以前由人工手動操作的流程和程式。

資料中心工作人員們經歷了什麼？

關於廣泛採用基於人工智慧的資料中心管理的探討中，另外一個顯而易見的話題是：其將對於資料中心現有的設施和IT人員帶來怎樣的影響？正如我們曾強調過的那樣，資料中心業界將朝著遠端無人值守管理（“Lights-out”）的趨向發展，由此，IT和一些設施基礎設施的管理會是自動化的，並且是遠端執行的。隨著AI工具進一步變得更加發達，這個過程可能會進一步加劇，並擴散到更多型別的站點。

任何一處資料中心設施的現場工作人員的數量都將不可避免地繼續減少。但並不是總體上造成大面積的員工失業，更多的操作運營人員可能會為服務型公司工作，如從事設施管理服務，支援多家運營商和資料中心站點。

機器是否會崛起？

對於關於人工智慧的潛在好處，幾乎每一個與此相關的故事都有涉及。也存在著某些警告——其通常是通過科幻書籍和電影——機器橫行，甚至威脅我們人類的生命。對於資料中心這個世界來說，這可能有點牽強附會，但是谷歌公司發現，AI系統所提供的答案和行動措施可能並不總是能夠完美的符合最初的預期。

谷歌的演算法就提高資料中心站點效率達成了一個非常簡單和準確的結論：關於實現最大的節能，該模式的第一個建議是：關閉整個資料中心設施。嚴格來說，這並不是不準確的，但其實也不是特別有用。

因此，考慮到潛在的意外後果，為人工智慧驅動的管理做好準備可能會是一個緩慢而謹慎的過程，需要大量的基礎性工作，可能並不是一件壞事。

雲端計算指的是通過網路以自助服務的方式獲得所需要的網際網路資源的模式，雲端計算將計算能力作為一種可以輸出的全新資源，它的輸出管道是網際網路，將計算所需要的硬體和軟體集中在一起的群被稱為“雲”，使用者通過網際網路和龐大的雲系統相連線，需要時就進行付費使用，不需要時也不需要承擔任何責任，避免了資源的浪費。

雲端計算這種全新的形式，完全改變了網際網路資源的使用方式，整個資料中心的執行模式都將發生改變。現有的資料網路中心雖然大多數都符合建設標準的要求，但是每個資料中心都有自己特點，也正是因為這種差異性才能使自己擁有忠實的使用者。

按照未來雲端計算的規劃，作為一種創新性的資源，雲端計算可以隨時被使用。雲端計算的概念最早是在2006年被谷歌正式提出的，並得到廣泛的認可和關注，經過十年時間的發展，雖然概念已經深入人心，但是在實際部署上還急需完善，國內主要的雲端計算服務商，提供的並不是雲端計算的動態分配功能，而是出租一些計算、頻寬等基礎服務。所以，在未來雲端計算的發展中，我們需要不斷完善自身技術，以便雲端計算更好的落地，吸引更多的使用者來使用雲端計算。

未來的雲端計算將更具移動屬性，在移動裝置發展的驅動下，移動雲端計算的需求市場將進一步增長，每個部署在雲端的應用程式，都將提升雲端計算的商業價值。雲端計算的大規模應用還將進一步減少資料的損耗，提升資料中心的運營效率，減少運營成本的支出，節省人力物力，雲端計算的發展將使更多人享受到雲端計算技術帶來的紅利。