
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
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29