京公网安备 11010802034615号
经营许可证编号:京B2-20210330
全面解读云计算、大数据、AI 对数据中心的影响
数据中心行业发展正面临前所未有的复杂环境,网络应用种类和数量的极大丰富催生了海量数据,人工智能的兴起带来了高密度计算,这些都给数据中心这一互联网基础设施提出了更多和更高的要求。今天,我们已经无法回避"ABC"究竟给"D"带来哪些影响这一问题了。
"ABC"正在对"D"产生深刻影响!
这并不是一句绕口令。以A(AI,人工智能)、B(Big Data,大数据)、C(Cloud,云计算)为代表的新一代信息技术的兴起,正在推动D(DC,数据中心)变革。
数据中心行业发展正面临前所未有的复杂环境,网络应用种类和数量的极大丰富催生了海量数据,人工智能的兴起带来了高密度计算,这些都给数据中心这一互联网基础设施提出了更多和更高的要求。今天,我们已经无法回避"ABC"究竟给"D"带来哪些影响这一问题了。
"互联网技术相面师"、中国信息通信研究院云计算与大数据所所长何宝宏,拥有二十余年的互联网技术研究经验,著有的《互联网的基因》一书中准确预测了互联网、大数据、区块链等技术的发展曲线,牵头成立了开放数据中心委员会(ODCC),力推天蝎服务器、 模块化数据中心的标准制定和市场应用。
何宝宏博士判断数据中心产业正在迎来它的"黄金十年".了解"ABC"的技术发展趋势,以及它们对于数据中心产业带来的具体影响,将有利于数据中心企业看清挑战,把握机遇。
在即将于2017年12月20-22日举办的"第十二届中国IDC产业年度大典"上,何宝宏博士将在"预见互联网的2020"思享会上,分享其对数据中心产业发展的预测,同时也将详细解读云计算、大数据、人工智能、区块链等技术发展的最新趋势。
"A"对"D"的影响
AI正在以超出我们预想的速度发展。"数据、硬件、算法是支撑今天AI复兴的三大重要力量。"众所周知,AI并不是一个年轻的技术,上世纪五十年代就有了这个名词。何宝宏认为,新数据的新应用、老硬件的新应用,以及老算法的新改进,为AI注入了全新的发展动力。很典型的现象就是,AI在机器视觉和语音识别上实现了巨大的突破。
AI的发展离不开"算力",可以预见,随着AI概念的兴起,以及越来越多的AI应用的落地,业界对高速计算的需求日渐增多,GPU加速计算服务器的规模将持续增长。"随着GPU加速计算服务器在数据中心中的部署规模的增大,数据中心无论是内部设计还是布局上都将发生一系列的变化。"何宝宏同时表示,目前CPU加速计算服务器产生的热能是传统CPU的数倍,如果说一个机架能够放十几台普通服务器,那么同样空间下只能放两台GPU服务器,导致这一情况的主要原因就是散热。
"虽然现在这个问题并不是很凸显,目前大家也有各种办法能够应对,但是随着容量的增加,这将会成为主要矛盾,成为限制产业发展的瓶颈。"何宝宏认定,要想适应未来AI的发展,数据中心的散热技术必须变革。而在目前风冷的效能已经最大化的情况下,"液冷"无疑是一个值得重点关注的新方向。
除了在给数据中心带来挑战的同时,AI的兴起也有利于数据中心自身的发展,目前,已经有企业探索将AI技术应用到数据中心的运维中,从自动化运维升级到智能运维。
"B"对"D"的影响
"三年后的大数据,将是今天的云计算。"在大数据走过了热热闹闹的概念期后,大数据正在加速落地。何宝宏预计,未来的2-3年,大数据将要过一段"紧日子".不过随后就将迎来爆发式增长,将会像今天的云计算市场这样,企业和整个产业的规模不断扩大,越来越多的企业开始实现盈利,与大数据有关的应用将渗入到各行各业中去。
何宝宏预测,3年里大数据"男耕女织"的时代不会结束,今天企业拥有的大数据,很大一部分都是自己产出的,或者是合作的客户的。而如果大数据要实现发展,那么就必须结束这种模式,更多的数据需要流通起来。同时,业界也要更多地关注数据的温度,热数据、冷数据和温数据对于存储的需求是不一样的。
这其实就关系到了数据中心产业。数据规模的不断增大,会促使数据中心向以存储和分析数据为中心的模式转变。而这无疑也对数据中心的扩展性、可用性等提出新的要求。
其实,技术的边界正在变得模糊,无论是人工智能还是大数据,乃至云计算,都要求数据中心构建一个更加灵活和强健的环境。
"C"对"D"的影响
在网络全面云化的趋势下,数据中心必须全面云化。何宝宏认为,"数据中心必须是软件定义的,必须模块化、开放以及标准化。"
今天,已经不会有人去强调云的重要性,也因为云已经成为我们生活中的一部分,并且比重将越来越大。在何宝宏看来,云化是数据中心的必然演进方向,不过目前业界在此方便的探索仍然无法满足云计算业务发展的需要。
以云计算为代表的新一代信息技术和应用的发展,将促使数据中心的成本不断提高,因而数据中心必须要实现标准化。换一句话说,作为所有互联网应用的基础设施,数据中心是要"首先"标准化,这样才能够支撑上层的应用更好地发展。
软件定义网络的全面兴起,推动了白盒交换机的兴起。随着软件开源成为一种趋势,硬件也在走向开源。未来,开源的系统加上开源的硬件,将助推数据中心产业的变革。不过何宝宏认为,数据中心的变革不会是颠覆式的,而是演进式的,因为越来越多的网络资产承载在数据中心上。
随着边缘计算的兴起,边缘数据中心的概念也值得关注。何宝宏认为,虽然具体的形式有待业界去讨论和验证,但是必须要有数据在中心支撑边缘计算的发展,而未来边缘智能也将会兴起。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24