大數據中心成為“新基建”的內在根源

 

（一）大數據中心是承載“新基建”有序運行的基礎保障

 

“新基建”作為立足于科技端的基礎設施，數據是貫穿其中的生命線，所有“新基建”都面臨著數據“存在哪”“如何存”“怎么管”“怎么用”的問題，大數據中心正是解決數據存儲、分析、應用等一攬子問題的最佳選擇。隨著大數據中心的不斷演變發展，其內涵已由傳統的機房延伸擴展，成為以數據為基本管理對象，融合互聯網數據中心（Internet Data Center，簡稱IDC）、云計算、區塊鏈、人工智能等新技術于一體，[1]成為集數據、算力、算法三大要素于一身的數字基礎設施，在“新基建”中發揮著數字底座的關鍵作用，促進社會生產力發展。[2]首先，大數據中心是海量數據的“圖書館”，為“新基建”運行提供海量數據存儲管理服務。其次，大數據中心是海量算力的“發動機”，為“新基建”運行提供數據計算處理服務。再次，大數據中心是海量服務的“發射器”，為“新基建”各類場景優化提供數據應用服務。一言以蔽之，大數據中心既是新一代信息基礎設施的“糧倉”，自身又是 “新基建”，更是其他領域“新基建”的運行基石。

 

（二）大數據中心是促進數字經濟高質量發展的現實需要

 

建設大數據中心，既是應對疫情推動產業數字化轉型的必然選擇，也是發展數字產業帶動經濟復蘇的重要舉措，[3]更是培育數據要素市場激活數據價值的必由之路。產業數字化轉型是推動大數據中心建設的“助推器”。受疫情影響，傳統產業數字化轉型步伐提速，[4]云上辦公、數字娛樂、生鮮電商、在線教育、無人配送、無人餐廳等新業態加速涌現，為大數據中心發展提供新需求新空間。[5]如，騰訊云為加大在線辦公支持力度，僅2020年1月29日至2月6日就擴容超過10萬臺云主機，投入的計算資源超過100萬核。大數據中心是拉動新興數字產業高速發展的“加速器”。一方面，大數據中心的建設將帶動上下游產業鏈加速發展，尤其是服務器、路由器、交換機、網絡、光模塊、海量數據管理系統等軟硬件產品以及IaaS、SaaS、PaaS等云計算服務需求量將大幅提升。據不完全統計，我國云數據中心資源總體供給規模近年來復合增長率在30%以上，全球500強超級計算機的計算能力中32%來自中國，2022 年我國服務器市場規模將達1979億元。另一方面，大數據中心的建設也將帶動5G、人工智能、區塊鏈等新興產業蓬勃發展。[6]據畢馬威估算，5G市場潛在價值高達4.3萬億美元。大數據中心是激發數據要素新活力的“賦能器”。數據作為生產要素參與價值創造的過程，[7]必將帶來數據大規模、大范圍跨域跨境流通，這些都離不開大數據中心的承載與支持。隨著數據要素市場的進一步發展勃興，無形中將對大數據中心發展帶來極大的促進作用。

 

（三）大數據中心是加速智慧社會高效治理的關鍵支撐

 

建設大數據中心，既是應對疫情和經濟下行的有效手段，也是對以往社會治理能力建設不足的補課，更是開啟了智慧社會的數字時代。從社會治理能力來看，我國雖然有500個城市開展了智慧城市建設，但這些城市大數據中心之間相互分離尚未連接，致使疫情期間不同城市間數據無法互通，很多跨域協同問題無法得到有效的數據支持。例如，全國大部分省份推出了本地“健康碼”，為疫情期間居民出行和政府管理帶來很大便利。但是各地健康碼都基于各自大數據中心研發，使得健康碼跨地區互認困難，為跨地區出行帶來不便。同樣，數據是構建智慧社會的關鍵資源，[8]數據在不同數據中心間的無障礙共享流通是打造智慧社會的基本前提。[9]從短期來看，準確把握疫情防控與復工復產并行的新形勢新要求，充分應用好大數據資源，重構社會生產與社會組織彼此關聯的形態，[10]促進大數據與社會治理深度融合，實現社會治理更加優化、更加科學、更加智慧，成為推動國家治理體系和治理能力現代化的重要一環。從長遠來看，構建全國一體化國家大數據中心體系尤為必要。[11]通過加快數據治理創新，實現數據泛在融通共享、平臺服務資源集聚開放、新技術應用場景持續創新，解決信息碎片化、應用條塊化、服務割裂化等問題，[12]并通過場景應用的交互與反饋，形成良性循環，加速社會的智慧化運轉。

 

大數據中心發展趨勢展望

 

近年來，我國對大數據中心發展日益重視，政府部門紛紛作出重要部署，大數據中心發展的政策標準環境日趨優化。從國家部委來看，大數據中心的主管部門涉及工信部、發改委、國土部、國家能源局等部門，主要通過市場準入、布局指導、資金支持、產業政策等方式穩步推進數據中心發展。據不完全統計，截至目前，國家相關部委出臺大數據中心相關政策15項。總體來講，大數據中心在政策驅動和技術發展的引導下，正朝著高端化、定制化、協同化發展。

 

（一）融合性技術創新驅動大數據中心高端化發展

 

目前大數據中心建設正改變在原有數據中心基礎上迭加設備數量和規模的“數字地產”模式，更多地與高密度、模塊化、智能化、綠色化等新技術相融合，實現對傳統數據中心的全面升級或全新替代。一是從建設模式看，模塊化技術將大數據中心硬件和系統功能封裝在獨立模塊中，按需部署、快速組裝、即插即用，能夠縮短50%的建設周期、節約30%的建設成本、減少50%占地面積，實現大數據中心動態可調整、彈性可擴展。二是從運維模式看，AI 解決方案正逐步介入大數據中心的設備管理、環境控制、現場運維、安全保障等全生命周期管理，改變大數據中心完全依賴人工運維的傳統，實現大數據中心資源的最佳利用。三是從建設規模看，GPU、FPGA、ASIC等專用芯片算力增強，服務器功率密度、計算密度大幅提升，大數據中心基礎設施向高密度、超大規模化方向演進。近年來，我國數據中心的建設規模不斷擴大，許多地區的超大型數據中心，規劃建設規模甚至達數十萬平方米。四是從市場接受度來看，用戶更愿意選擇技術力量雄厚、機房良好、服務體系上佳的大型服務商。數據中心行業正在進行洗牌，規模較小、服務低劣的數據中心廠商將逐步被市場淘汰。大型服務商整合市場已成定局，下一代數據中心將朝著全球化、國際化方向規模化發展。五是從建設內容來看，虛擬化技術促使傳統數據中心云端遷移。[13]傳統數據中心之間，服務器、網絡設備、存儲設備、數據庫資源等都是相互獨立的，彼此間毫無關聯。虛擬化技術改變了不同數據中心間資源互不相關的狀態，通過虛擬化資源設計，將服務器、存儲設備、網絡設備等進行虛擬化，使不同數據中心之間的資源實現了連接，用戶可以遠程調用所需的計算資源、網絡資源、存儲資源、數據庫資源等。隨著虛擬化技術的深入應用，服務器虛擬化已由理念走向實踐，慢慢向應用程序領域拓展延伸，未來將有更多的應用程序向云端遷移。六是從能耗上來看，不斷上漲的能源成本和不斷增長的計算需求，使得數據中心的能耗問題引發越來越多的關注。[14]“節能環保、綠色低碳”將成為下一代數據中心的主題詞，全生命周期低碳運營的理念，將貫穿數據中心規劃設計、設備材料選型、建設實施、運維管理各個環節，從技術和管理上綜合開展節能減排工作。同時，面向通信機房、數據機房、基站機房等傳統數據中心的節能減排改造將變成重點，網絡技術演進和高能耗設備退網改造步伐加快，以有效控制能耗過快增長。在高密度、模塊化、智能化技術融合應用下，大數據中心低能耗、低PUE成效日益突出，按照《關于加強綠色數據中心建設的指導意見》提出的“2022年全國新建大型、超大型數據中心的PUE（電能使用效率）值不得高于1.4”，我國大數據中心能耗水平將快速向歐美國家看齊。

 

（二）多樣性場景應用牽引大數據中心定制化發展

 

隨著5G、物聯網、邊緣計算、區塊鏈等新技術與經濟社會融合應用程度加深，車聯網、人工智能、工業互聯網等新型數字基礎設施加快布局，數字政府、行業數字化、數字孿生城市、智慧社會、數字化生存等應用場景需求持續激發，大數據中心服務重心正在從單一的存儲和算力供給向基礎數據價值挖掘深度拓展。一方面，依托多源異構數據資源儲備，大數據中心可通過合理的機制設計推動數據的共享和開放，從而促進數據的社會化應用。如，上海大數據中心歸集了政務、行業、社會等多渠道數據，基于標準化管理推動全市數據資源的統一治理、共享、交換和開放，為上海智慧城市建設應用提供基礎數據支撐。另一方面，大數據中心可進一步將數據資源包裝成標準化產品，為數據產品流通、交易和開發提供平臺支持，促進數據資源在更廣范圍、更多場景中的應用增值。此外，第三方大數據中心服務商正進入賽道，憑借按需彈性服務、專業化運維、定制化解決方案能力吸引用戶，服務模式更為靈活高效，極大地彌補了基礎電信運營商在大數據中心運營服務方面的市場響應慢、通用服務固化、供需不對應等短板。如，鵬博士采用酒店運營管理模式運作數據中心合作伙伴計劃，通過“合作共建+受托運營”賦能南京佳力圖公司打造南京楷德悠云數據中心，實現了面向全行業的能力輸出。

 

（三）邊緣計算推動大數據中心云邊協同化發展

 

伴隨著物聯網的發展，邊緣計算鏈接的設備呈爆發式增長。除了電信運營商以外，服務器公司、芯片公司以及內容提供商都積極投入到邊緣數據中心建設中。邊緣數據中心可以實現設備、傳感器、控制系統、業務系統等不同來源數據的快速匯聚采集，實現多源異構數據的有序流動，促使邊緣計算的地位和重要性不斷提升，云邊協同成為可能。據Gartner預測，到2022年將有75%的企業數據由云端集中處理轉向云邊協同處理。邊緣數據中心有利于解決數據不敢傳、不能傳的問題。針對安全保密要求較高的敏感數據、低能耗低時延數據，可以在邊緣側數據中心進行本地化采集處理，有效保障數據安全，降低了網絡延時傳輸等方面的壓力。針對非實時的海量數據，通過云端通用復雜算法開展數據建模分析，可以有效開展縱向橫向對比分析，對業務進行全局優化重組，有利于發揮云端數據中心大存儲、算力集中的優勢，提高數據處理效率。打通邊緣側數據中心和云端數據中心之間的數據傳輸通道，實現邊緣側與云端協同，有利于促進數據有效流通，進一步釋放數據價值。

 

（四）市場需求強勁為大數據中心發展提供強大動力

 

在政府導向和市場驅動的雙重作用下，我國大數據中心發展迅猛，市場規模一直保持高速增長。政府采購云服務的帶動作用日益凸顯，很多行業采用云數據中心對原有系統更新以支持業務發展。如，浙江省水利廳將臺風路徑實時發布系統項目外包給阿里云；甘肅省、新疆維吾爾自治區部分電子政務系統已遷移到第三方的云服務上；貴州省新農合項目使用中國移動提供的云服務，成為衛健系統醫療信息化建設的標桿之一。傳統IT架構難以適應客戶業務模式的變革需要新的IT系統，云上遷移已經成為IT企業的共同選擇，這也推動了整個大數據中心市場的發展。據不完全統計，2019年中國數據中心數量大約有7.4萬個，大約占全球數據中心總量的23%，數據中心機架規模達到227萬，在用IDC數據中心數量2213個。數據中心大型化、規模化趨勢仍在延續。2019年，超大型、大型數據中心數量占比達到12.7%，規劃在建數據中心320個，超大型、大型數據中心數量占比達到36.1%。美國超大型數據中心已占到全球總量的40%，與美國相比我國仍有較大發展空間。隨著5G商用加速、新基建興起、國內大數據市場必將迎來廣闊發展前景。

 

大數據中心面臨的發展困境

 

（一）結構性失衡致使大數據中心發展體系化不足

 

受用戶需求、技術基礎、建設水平等因素影響，國內大數據中心建設應用面臨“大熱小冷、東熱西冷”的局面。一方面，大數據中心大量集聚在北上廣深等一線城市，承載產業升級、城市治理等數字化需求，但也因能源消耗過大、散熱要求高而受到收縮政策制約。同時，大數據中心大多為基礎電信運營商和互聯網龍頭企業承建，70%以上IDC機房資源集中在移動、電信、聯通三大運營商手中，數據中心資源面向行業、社會開放并轉化成服務價值的程度不足，造成了數據中心資源浪費。另一方面，由于托管地域較遠、網絡穩定性不保障、數據安全性面臨威脅，貴州等中西部地區大數據中心雖發展較快，但正步入結構性過剩階段，整體資源的空置率超過50%，部分區域上架率甚至不足10%，與北上廣深等地60%-80%的上架率相比差距明顯。分散布局帶來的共享問題促使大數據中心加速整合減緩步伐。企業分散辦公的現況，帶來了相互分散的應用系統布局。然而，企業存在對分支機構數據進行集中處理的需求，遠程辦公又受困于南北網絡無法互通、國際網高延遲等問題，致使總部與分支機構之間難以實現順暢通信和資源共享。于是，數據中心集中化成為一種必需。據不完全統計，全球2000名以內的企業均朝著數據中心整合的方向發展，數據中心從數以百計縮減為少數幾個，應用程序也整合到了少數幾臺服務器上。在計算資源云化、5G速率大幅提升的帶動下，大數據中心整合集中化之勢將愈加明顯，其建設應用將有可能擺脫對空間距離、設備規模等硬性要素的依賴，從一線城市向周邊衛星城、乃至二三線城市逐級延伸，為推動全國大數據中心體系化建設、引導產業要素區域性流動、促進數據資源按行業用戶需求均衡化配置提供有力支持。

 

（二）數據供應薄弱導致大數據中心應用成效低

 

海量數據為大數據中心孕育了前所未有的機遇，同時也帶來了巨大的挑戰。由于存儲系統仍采用傳統架構以及成本等問題，當前大數據中心僅有不到2%的數據被保存，數據“存不下”的問題日益嚴重。隨著信息系統的不斷發展，每天企業都產生大量的數據，但傳統的數據錄入需要預先的人工規劃，使得物聯網數據、視頻數據、圖片數據等大量非結構化數據以及一些新型的數據無法進入系統，數據缺失使得對業務的感知削弱，無法真實及時地反映業務的本來面貌。傳統組織通常通過數據表來管理和分析數據，規模較大的公司數據表甚至可以達到數百萬張，而且分散在各個業務系統中，如果沒有統一的數據目錄和全局數據視圖，要在上百萬張表中找特定數據，好比大海撈針，無法應對靈活多變的業務需求。當前，通常一個業務場景需要不同平臺的數據協同，需要從多個業務系統獲取數據，但是隱私和安全共享機制缺失，數據需要經過多部門協調、聯通、核實獲取。數據獲取的鏈路冗長，一旦出現問題，需要多方會談才能解決，無法保障數據供應穩定和高可用性，更無法實現高效的數據融合分析。數據存不下、找不到、管不住等問題導致數據供應有待提升，對業務決策的支持性帶來影響，進而影響了大數據中心的應用成效。

 

（三）內源性數據治理需求掣肘大數據中心效能提升

 

數據治理制度規則體系建設是實現數據的充分使用、全局流通和有序共享的基礎保障。[15]從數據管理來看，數據治理是理清各方權責的“指示燈”。數據治理涉及主體眾多，理清各參與方的職責，建立推進機制，是協同各方有效推進工業數據分級分類的組織保障。《數據管理能力成熟度評估模型》（GBT/36073-2018）對數據管理能力設立了5個等級，綜合來看，我國大多數機構數據管理能力處于1-2級的水平，數據權屬不明、防護不力成為掣肘數據價值釋放的關鍵因素。從數據共享流通來看，數據治理是實現數據共享互認的基本功。傳統信息系統建設大多用于單一業務需求，促使數據像“雜貨鋪”一樣分散存儲在不同系統中，使用數據時導致找不到，或者找到了不匹配不互認。開展數據治理，做好數據標注分類，推動數據存儲由“雜貨鋪”變成“自動化倉庫”，是實現數據共享流通的基本前提。數據的聚合融通，離不開數據的有效管理，更需要數據的安全使用。從數據安全來看，數據治理是確保數據安全的基準線。[16]隨著產業互聯網的逐步推進，傳統信息系統的專有性和封閉性被打破，越來越多的人、機、物暴露在互聯網上，[17]數據安全面臨的威脅日益加劇，對數據安全治理提出更高要求。結合數據資源屬性、安全防護要求，構建數據安全治理體系，分級施策，對確保數據安全至關重要。數據是大數據中心的主要資源，倘若大數據中心的數據只是處于休眠狀態，不僅不產生價值，還帶來一定的運維成本。加快數據治理，成為激活大數據價值、釋放數據潛力、提升大數據中心建設效能的重要抓手。[18]

 

推動大數據中心發展的政策建議

 

（一）加強科學規劃布局避免大量重復建設

 

隨著“新基建”的推進，云計算服務部署提速，相關設備及服務需求增加，數據中心作為底層數字基礎設施有望持續增長，數據中心建設及擴容的步伐也會相應加快。為避免投資過熱帶來的重復建設和資源浪費，理應從市場需求出發，根據能源、電力、氣候等基礎條件和比較優勢，兼顧用地保障、產業環境、人才支撐等多方要素，科學合理布局，引導大數據中心產業向高緯度電力充沛的地區建設。出臺相關政策，推動建設國家一體化大數據中心體系，[19]引導產業健康有序發展，避免數據中心大面積、低水平重復建設。積極推進數據治理體系建設，研究數據跨境跨域融合流通制度規則，為釋放數據價值、繁榮數字經濟、打造智慧社會練好內功。[20]

 

（二）重視核心技術研發推動綠色安全發展

 

加大財政和科研支持力度，鼓勵在數據中心節能減排、云服務、虛擬化等技術方面的研發。[21]引導各地數據中心建設積極采用綠色節能技術，切實提高數據中心能效水平。支持華為、中興等數通設備供應商加強核心技術自主創新，[22]大力發展服務器、交換機、路由器、光模塊、軟件等基礎產品。支持阿里、騰訊等云服務商加快云計算產品、服務和解決方案的開發和應用。加快5G、大數據、人工智能、邊緣計算、量子計算等數字技術在大數據中心建設過程中的應用，提升大數據中心發展能級。

 

（三）完善政策標準體系引導產業良性發展

 

圍繞能源效率、服務質量、評估評測認證、安全管理規范等方面，加快大數據中心綜合標準體系建設，充分發揮標準對產業規范發展的導向性和影響力。借鑒發達國家的先進經驗，鼓勵地方采用政府購買服務的方式應用大數據中心云服務，減少政府自建大數據中心，并逐步將相關應用向云端遷移，通過政府的示范應用，既節約政府 IT支出，又帶動產業發展。發揮政府支持與引導作用，通過重點項目投資以及稅收優惠、電價優惠等扶持政策，對符合條件的大型、綠色數據中心予以支持。

 

（四）發揮基礎底座作用夯實數字化轉型根基

 

多年來，大數據中心的服務器規模不斷疊加翻倍，從機房不斷演變集成云計算、區塊鏈、人工智能等多種新一代信息技術，由數據的存儲演化為數據加工應用分析的“母機”，成長為整個經濟社會數字化運行的基礎底座，任何行業的數字化發展都離不開大數據中心的承載與支撐。在疫情突發事件的影響下，大數據中心作為“新基建”承載著經濟復蘇和社會穩定發展的新使命。未來，隨著網絡強國、數字中國、智慧社會的建設推進，大數據中心的“母機”作用將愈發凸顯，必將帶動產業鏈上下游協同發展，在為經濟社會運行提供基礎數據支撐中迎來更廣闊的發展前景。

 

[ 參 考 文 獻 ]

 

[1]李迅雷,徐馳.以“新基建”推進國家治理現代化[J].人民論壇?學術前沿, 2020(5).

 

[2]謝富勝,吳越,王生升. 平臺經濟全球化的政治經濟學分析[J].中國社會科學, 2019(12).

 

[3]廖茂林,張明源.新冠肺炎疫情對中國經濟增長的影響[J].福建論壇(人文社會科學版), 2020(4).

 

[4]陳冬梅,王俐珍,陳安霓. 數字化與戰略管理理論——回顧、挑戰與展望[J].管理世界, 2020(5).

 

[5]曾宇.大數據與區域經濟發展[J]. 首都師范大學學報(社會科學版), 2015(4).

 

[6]《中國科技論壇》編輯部.科技創新和商業模式創新雙輪驅動智慧城市建設[J].中國科技論壇, 2017(12).

 

[7]江小涓,羅立彬.網絡時代的服務全球化——新引擎、加速度和大國競爭力[J].中國社會科學, 2019(2).

 

[8]汪雷, 程小飛. 安徽省社區信息化信息采集與共享機制研究[J]. 情報理論與實踐, 2015(11).

 

[9]馬長山.智慧社會建設中的“眾創”式制度變革——基于“網約車”合法化進程的法理學分析[J].中國社會科學, 2019(4).

 

[10]陳國青,曾大軍,衛強,等.大數據環境下的決策范式轉變與使能創新[J].管理世界, 2020(2).

 

[11]薛衛雙.國家大數據中心戰略構建研究[J]. 圖書館, 2019(5).

 

[12]張楠,趙雪嬌.理解基于區塊鏈的政府跨部門數據共享:從協作共識到智能合約[J].中國行政管理, 2020(1).

 

[13]解林超,石佳, 王仲鋒.大數據時代對傳統數據中心的影響及思考[J].中國新通信, 2014(2).

 

[14]袁景凌,鐘珞, 楊光.綠色數據中心不完備能耗大數據填補及分類算法研究[J].計算機學報, 2015(12).

 

[15]何哲.國家數字治理的宏觀架構[J].電子政務, 2019(1).

 

[16]王欣亮,任弢,劉飛. 基于精準治理的大數據安全治理體系創新[J].中國行政管理, 2019(12).

 

[17]肖成俊, 許玉鎮. 大數據時代個人信息泄露及其多中心治理[J].內蒙古社會科學（漢文版）,2017(2).

 

[18]劉業政, 孫見山,姜元春等. 大數據的價值發現:4C模型[J].管理世界, 2020(2).

 

[19]楊萍.我國構建一體化國家大數據中心治理路徑設置[J].河南社會科學, 2020(4).

 

[20]于施洋,王建冬,郭巧敏.我國構建數據新型要素市場體系面臨的挑戰與對策[J]. 河南社會科學, 2020(3).

 

[21]賈一葦. 全國一體化國家大數據中心體系研究[J].電子政務, 2017(6).

 

[22]王勇旗.公共數據法律內涵及其規范應用路徑[J].數字圖書館論壇, 2019(8).