運維是數據中心技術人員工作的最重要一部分，數據中心里有成千上萬臺的設備，每臺設備每天輸出的日志都要上萬條，通過人工檢查是非常耗時的，不做檢查又擔心異常告警沒有發現，所以很多數據中心設計了一些自動檢查的監控平臺，根據經驗將可以存在隱患的關鍵字在這些收集的日志中進行搜索，如果有就及時發送給技術人員，進行審核，以便決定下一步如何處理，有些數據中心會將這些日志進行分類，然后只有嚴重級別的才會發到技術人員手上，這是目前數據中心最為流程的運維方式。顯然，這種運維的方式仍然離不開人，最終進行運維管理判斷的依然是技術人員。而引入人工智能則不同，通過人工智能技術，可以對這些收集的數據代替技術人員進行分析，可以識別模型，并根據相應模型做出判斷，自動下發動作指令，完成自動化運維，整個過程不需要人來參與。使用人工智能技術參與數據中心運維，處理效率高，減少出錯的概率，要知道數據中心的故障百分之八十來自于人，人工智能能大大降低人為出錯的概率，少犯經驗主義的錯誤。把數據中心運維完全交給人工智能，顯然很多數據中心還沒有做好這個心理準備，“不放心”阻礙了人工智能技術做運維的工作，不過一百年前人們一定認為飛機是一個不安全的交通工具，而現在飛機已經成為最安全的一種交通工具，人工智能技術還在不斷完善，相信遲早有一天我們可以大膽將數據中心交給人工智能來做。

 

 

數據是數據中心里流淌的血液，是生命之源，對數據中心至關重要。數據中心里的數據是海量的，無序的，但如果我們對這些數據進行一些計算和整理，往往能得到一些意想不到的結果。這就需要用到大數據技術，大數據的技術實際上也是人工智能技術，大數據需要對海量數據進行統計、分析、建模，這些恰都是人工智能技術的范疇。數據是數據中心的一筆最寶貴的財富，善于使用大數據技術挖掘這些數據中的寶藏，將可以為數據中心帶來豐厚的利潤，絕不能讓這些數據躺在數據中心里睡大覺。通過使用人工智能技術將這些數據進行過濾、整理、組建各種模擬模型，以便找出其中具有一定特性的東西，可以說是數據的二次深加工，這些加工后的數據可能會產生巨大的價值，價值的大小取決于數據量大小和大數據技術的優劣，這是數據中心向自己要利潤的最好努力方向。

 

 

網絡已經成為數據中心里最封閉、最為傳統的部分，最需要做出改變和創新的部分。有人將人工智能技術引入到網絡改造中來，稱之為“知化網絡”。“知化網絡”具有三個特點：一是感知，網絡能夠感受到網絡內部的流量變化，感受到外部的環境變化；二是知道，不僅能夠感受到這些變化，網絡同時還能知道這些變化代表了什么意義，應該如何處理；三是知識，通過經驗的累積和不斷的學習，這些能力最終會轉化為網絡自身的知識體系，網絡能夠主動判斷和行動、進化更新。人工智能在網絡中應用，首先是會將網絡的硬件能力與軟件控制分離，對外更快地提供標準化服務，實現“靈活網絡”。接著，人工智能會將網絡具備一定智能，能夠完成大部分工作，人只需定義一些規則和標準，這時通過人機協同，網絡就能實現個性化的應用。最后，人工智能可以將網絡變成能夠智能決策，連接泛在的智能設備，提供人性化的服務，這時網絡與人或應用將融為一個緊密的整體，網絡與智能合二為一。

 

 

數據中心是能耗大戶，常常成為綠色環保人士攻擊的對象，巨額的電能費用支出已經成為數據中心高速發展的瓶頸，急需采取一定措施。于是很多人開始研究如何降低一個數據中心的PUE數值。PUE反應了一個數據中心整體的能源效率，數值越低越好。但PUE具體如何計算并沒有標準可循，可以通過人工智能技術設計PUE的計算方法，通過采集數據中心里的各種運行參數、設備狀態、環境等，進行數據建模，最終得出PUE數值，然后再根據PUE反推哪些因素對PUE影響最大，再去優化這些部分，最終目的是降低PUE，同時使數據中心的能效越來越高。很多數據中心雖然聲稱自己的PUE多么低，而實際能效并不低，采用人工智能技術進行PUE的計算，就是為了能真正降低能耗，提升數據中心運行效率。

 

人工智能還可以在數據中心其它很多方面應用，這是因為人工智能本身就是一個多學科融合的技術，涵蓋范圍非常廣泛，我們要大膽將這些新的技術引入到數據中心中來，根本目的還是要提升數據中心的運行效率，讓數據中心發揮更大的作用。