毫無疑問，當前不斷有人在向企業數據中心的執行管理人員們推薦機器人IT員工或由HAL(硬件抽象層)或IBM Watson完全運行的數據中心。對于企業的數據中心經理們來說，更好的方法就是重視切實的部署實施。

現如今，關于未來技術發展的許多預言都集中在人工智能(AI)領域。我們已不止一次的被告知：在未來，AI會影響全社會的每一個方面，AI技術將豐富我們生活的各個方面。當然，AI也將遍及數據中心內的每一個元素。

最終，這些預言都可能會成真。但請注意，早在2001年，斯皮爾伯格大導關于“人工智能”的電影就已經問世了。盡管圍繞著人工智能技術的發展不斷興起各種炒作，但事實上，當前的技術較之那個時候并沒有什么變化。而談到2001年，庫布里克導演早在1968年就執導了電影《2001太空漫游》。五十年后，HAL在哪里?關于這方面最好的例子是亞馬遜的Alexa能夠告訴我們天氣預報或者自動幫助我們播放一些音樂。

所以，讓我們在數據中心切實的來進行AI實踐吧。數據中心經理們需要了解的是：其將在存儲、應用程序和安全方面，分別帶來什么樣的實際影響?換句話說，我們更多的所應該擔心的并未是其未來的潛力——而是AI如何在當下立即為數據中心提供幫助?而數據中心經理們又應該相應的采取什么措施?

AI時代正在到來

市場研究公司Tractica表示，2017年全球人工智能市場已達到24.2億美元。到2025年，人工智能市場預計將發展壯大為370億美元的行業。使其成為數據中心經理們務必要更加關注的技術領域。

Aera Technology公司的創始人兼首席技術官Shariq Mansoor表示：“人工智能技術已經不再是科幻小說，所以數據中心管理人員們需要為該技術的到來做好準備。AI技術已經得到快速的發展，其可以幫助改善數據中心的運營和服務。”

壞消息是，根據Gartner的數據顯示，到2020年，人工智能預計將減少180萬個就業機會。好消息是，同期其也將創造230萬個就業崗位。故而，關鍵就在于：那些在今天做出正確的AI選擇的人將比那些忽視AI趨勢的人更可能在幾年內獲得工作。

更多的好消息是，人工智能市場最大的應用領域是企業級應用，如圖像識別、物體識別、檢測和分類，以及自動化的地球物理特征檢測。人工智能需要復雜的數據驅動應用程序，而零售、醫療保健和汽車等領域的應用程序需求量很大。

Mansoor說：“企業組織現在就要為海量數據的存儲容量和可擴展性進行開始規劃;包括用于AI工作負載的GPU的更具彈性的計算能力的需求;以及包括Apache Spark等開源技術在內的新的技術堆棧做好準備。人工智能正在成為保持業務 發展的必要手段，從自主運營、省電、執行預測性維護到持續的工作負載調整。沒有人工智能，想要實現數據中心的穩定持續的盈利運營幾乎是不可能的。”

戴爾EMC人工智能戰略的首席技術專家Tabet對此也表示贊同。他表示，數據中心經理們應該努力利用AI技術來找到更好的方法，用以優化數據中心基礎設施的管理運營。這包括利用傳感器和相關數據來降低功耗，盡可能減少停機時間，并盡早檢測異常情況。

Tabet表示：“人工智能將幫助數據中心基礎設施提供商們提供更智能的基礎設施和相關資產，以監控、優化和改善運營。這些將包括存儲，計算和網絡。”

他認為我們正處于人工智能的拐點。他為我們提供了一些數據中心經理應該關注的特定領域：

1、自動化交流系統：不僅僅是簡單聊天的機器人，這些機器人現在能夠創造更好的客戶互動和用戶體驗。這些將進入客戶服務應用程序、幫助臺和其他旨在改善IT資源和服務的應用程序。基于人工智能的分析將提供智能化的故障排除和診斷工具，數據中心可用于解決問題，主動性的洞察趨勢，分析預測，和進行資源調度。

2、機器學習：可以將機器學習算法結合到存儲系統的控制層，以便更輕松地監控流量擁堵的各種原因。這使企業能夠預測潛在的脆弱環節。深度學習是基于來自數據學習的更廣泛的機器學習方法系列的的一部分，而不是利用特定任務算法。

Markets And Markets的AI分析師Shiladitya Chaterji表示：“用戶請求和數據流量可以根據網絡使用模式在不同的存儲位置之間傳輸。深度學習是一項人工智能技術，可以幫助優化基礎設施和運營，創造更高的效率，并提供更智能的預測性維護和相關服務，從而最終降低成本。”

人工智能支持的基礎設施：人工智能通過集成GPU和其他加速器硬件(如基于AI的設備)直接為更強大的數據中心基礎設施提供支持。使用AI創建智能基礎架構將有助于提供更高效的數據中心，優化配置，并通過動態設置和自適應功能實現更好的工作負載執行。

在不遠的未來，自然語言處理可以支持會話式AI。但是這項技術還處于研究階段。先進的“代理人”和人類操作員的整合目前是比完全自動化方法更好的模型，Tabet表示說。而具有“自主”功能的高級自愈式數據中心也將得到進一步推廣。

回到即時的實踐利用，非常大的數據集對于AI技術而言是不可或缺的。數據中心管理人員們應該越來越習慣他們。數據來自多個來源，預計需要努力為其做好準備，標記和處理。人工智能和機器學習所提供的技術可以用來消除費時且人工手動操作的勞累過程。

StorageIO Group的分析師Greg Schulz表示：“數據中心管理人員們所面臨的幾大真切的AI實踐領域包括基于策略的日常任務自動化。這包括資源和服務的配置;服務臺，問題解決方案和積極的知識庫，捕捉新的事件，場景，癥狀和解決方案，以幫助學習過去的經驗，以防止在未來出現相同的問題。

未來遠景的改變

Tabet認為，數據中心將會出現不斷變化的愿景和架構。它們將變得更加分散，更多的計算將會走向邊緣或接近邊緣。人工智能將需要處理復雜性，數據同步和分析。但是人工智能和機器數據的需求與其他類型的數據有很大不同。例如，機器數據將需要邊緣處理的即時性，以及核心處的可擴展的共享存儲庫。因此，傳統上部署的存儲類型可能并不適合機器學習環境。

Pure Storage公司的產品和解決方案營銷副總裁Matt Kixmoeller表示：“對AI或機器學習的投資需要對底層存儲基礎架構進行一些戰略性的思考。由于其是數據密集型的，并依靠從數據中識別出的即時價值，解決方案必須具有可擴展性和成本效益，而且能夠高速處理龐大的數據集。”

他建議將企業本地部署環境和基于云的存儲解決方案相結合。 對于性能和成本的可預測性，將需要企業本地部署的數據中心元素。 云服務可以在開發/測試環境中快速擴展和縮小。

在這個不斷變化的數據中心環境中，開銷變得至關重要。預計數字處理，分析和數據傳輸將耗費大量的開銷。根據架構的不同，這可能是本地部署的，也可能是跨越多個系統和多個站點。

對于投資于人工智能或機器學習的企業來說，這就是對象存儲可能會發揮其功效的所在了。

Cloudian公司的首席執行官Michael Tso表示：“不要將目標存儲視為‘便宜而深入’，而應將其視為未來差異化的中心。數據中心世界正在發生變化，而那些能夠以AI友好的格式保存數據信息的企業組織將更有可能獲得成功。”

AI的安全

人工智能在安全領域中的應用是不可避免的。畢竟，新出現的惡意軟件和病毒數量是驚人的。一項電子郵件安全差距分析發現，在對數百萬封電子郵件的調查中，10.5%的流量包含了現有安全工具漏掉的垃圾郵件或惡意郵件。這其中很大一部分是垃圾郵件。而事實是，大約0.3%的釣魚郵件和0.04%的惡意軟件附件已經凸現出了現代安全管理的漏洞——不管你的工具有多好，他們也不能百分百的攔截所有這些的惡意攻擊。人工智能需要對這些流量進行更加詳細和快速的分析，并提醒防火墻后面可能發生的有害行為，例如異常的流量模式，可疑的端口或外部傳輸的數據。

Schulz說：“人工智能的一些其他應用和實踐采用包括安全入侵檢測，對正常、異常、垃圾郵件和惡意軟件的檢測，保護和預防的訪問模式的學習。”

機器人還是基礎自動化?

毫無疑問，當前不斷有人在向企業數據中心的執行管理人員們推薦機器人IT員工或由HAL(硬件抽象層)或IBM Watson完全運行的數據中心。對于企業的數據中心經理們來說，更好的方法就是重視切實的部署實施。

Schulz表示：“現在，我們需要將重點放在可以帶來實際好處領域上，包括聊天機器人，趨勢分析和簡單的自動化。”