不一定。盡管AI肯定會推動對數據中心的需求，但我傾向于認為，AI對該行業的影響最終將被證明是有限的。原因如下。

 

AI如何影響數據中心

 

為什么AI將增加對數據中心的需求，理由很簡單：構建和部署AI工作負載需要大量的IT基礎設施-在許多情況下，包括專門的基礎設施，如配備GPU的服務器。數據中心顯然是托管基礎設施的地方，因為它們不僅提供托管服務器的空間，還提供企業保護其在AI基礎設施投資所需的物理安全控制、高效能源系統、冷卻解決方案和其他資源。

 

因此，隨著越來越多的企業尋求構建或部署AI模型，它們將轉向數據中心來托管實現目標所需的服務器——至少流行的智慧往往是這樣認為的。

 

AI真的會改變數據中心嗎？

 

可以肯定的是，在未來幾年，數據中心內越來越多的服務器將專門用于AI工作負載。在某些情況下，企業甚至會建立專門用于AI的新數據中心。

 

但總的來說，要說AI將徹底顛覆整個行業，或者AI工作負載將超過其他類型的應用程序(如網絡托管)，成為數據中心的關鍵用途，這是言過其實的。

 

以下是AI熱潮對數據中心的影響可能沒有看起來那么大的四個原因。

 

1)暫時需要AI基礎設施

 

首先，許多AI用例不要求企業永久擁有AI基礎設施。如果你需要訓練一個模型，在訓練期間你將需要大量的計算能力，但之后，在你培訓下一個模型之前，你將無法使用該服務器容量。

 

因此，對于大多數對AI感興趣的企業來說，使用IaaS解決方案來滿足其AI基礎設施需求，而不是購買自己的服務器并將其部署在數據中心，在財務上更有意義。與其他類型的工作負載不同，AI需要間歇性的大規模基礎設施。

 

2)閑置的AI基礎設施已經非常充足

 

考慮到IaaS提供商已經提供了大量廉價的基礎設施容量，購買AI基礎設施和數據中心空間來托管甚至更難證明是合理的。

 

例如，與標準公有云服務器相比，Spot VM實例可以獲得大幅折扣，是執行AI培訓的好方法。Spot實例的主要缺點-云提供商可以在沒有任何警告的情況下關閉實例，可能會中斷它們上托管的任何工作負載-對于AI培訓來說不是太大的問題，因為在許多情況下，培訓可以在不同的實例上暫停和恢復。

 

簡而言之，當企業可以將超廉價的現有IaaS產品用于相同目的時，它們不太可能擴大自己的數據中心足跡來支持AI工作負載。

 

3)很少有企業會構建自己的AI模型

 

無論你使用哪種基礎設施，從頭開始開發、培訓和部署AI模型都是一項艱苦的工作-如此之難，以至于很少有企業可能會這樣做。大多數人可能會選擇微軟或谷歌等企業的第三方AI服務。

 

這些服務是由構建和培訓自己模型的供應商提供的，因此使用這些模型的客戶不需要購買自己的AI基礎設施。

 

4)AI熱潮最終會消退

 

目前，GenAI是一個熱門話題，企業投資AI解決方案的壓力越來越大，但五年或十年后，大多數企業的AI戰略可能已經成熟，他們將轉向新的技術趨勢。

 

這對數據中心來說意味著，AI導致的任何需求上升可能大多是暫時的-大幅擴展數據中心容量，結果發現中期后不再需要這些容量是不明智的。

 

結論

 

一句話：除了專門開發AI軟件的企業外，很少有企業有很好的理由投資數據中心來支持AI工作負載。預計AI的炒作將推動數據中心容量的一些增長，特別是在未來幾年，但不要指望AI會導致對數據中心空間的需求大幅上升——因為現有的空間可能足以滿足大多數企業的需求。

 

 

國內主流的to B IT門戶，同時在運營國內最大的甲方CIO專家庫和智力輸出及社交平臺-信眾智(www.cioall.com)。同時運營19個IT行業公眾號(微信搜索D1net即可關注)。

 

版權聲明：本文為企業網D1Net編譯，轉載需在文章開頭注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。