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
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09