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
在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26