随着社会智慧程度的提高,海量数据收集、分析、处理带来的挑战越来越大。数据中心作为智能化的核心基础设施,未来会成为科技新基建的主线之一。
数据中心与人工智能结合愈发紧密
在第十五届中国IDC产业年度大典(IDCC 2020)上,浪潮信息副总裁、浪潮服务器产品线总经理沈荣接受记者采访时表示,当前人工智能的发展离不开算法和算力增强,而这些都与数据中心密切相关。

一方面,数据中心越来越多承担人工智能等应用,人工智能计算需求未来将占据80%以上的计算需求。这就需要大量的AI服务器部署到数据中心,而浪潮提供了平台、管理和框架等领域的全栈AI方案。
沈荣表示,当数据量越来越大,未来一定是异构计算的世界,也就是“术业有专攻”,不同的工作负载需要专业的芯片进行处理,这也是现在GPU、FPGA、AI加速处理器等不断涌现的原因。
另一方面,人工智能技术也可以用于数据中心的智能化运维,比如机器巡检、故障预测和负载管理等。这些智能化场景改变了整个数据中心的管理方式,毕竟数据中心规模越来越大,承载的业务也日趋多样化,如果采用人工方式显然是无法应对的。
“数据中心的运维如何从以人为本到以智为本,通过算法和数据模型、历史使用等数据,实现自动化的运行和无人值守,这是当前很多用户非常需要的技术。”沈荣说。
开放计算成为行业共识与选择
在数据中心集中化、规模化、绿色化的趋势下,开放计算正在成为主流选择。开放计算在成本和效率方面,都将对未来数据中心的设计和建设产生重大的影响,并且加速AI、边缘计算、新型节能等新兴技术的普及。
沈荣表示,无论是互联网数据中心,还是传统行业数据中心,它们对硬件基础设施的需求存在共性,比如绿色、高效、智能等等,这是开放计算得以跨界的共性基础。开放计算起源于互联网,壮大于互联网,但在未来,传统行业对于开放计算的接纳度会越来越高。
虽然互联网行业是开放计算的最大用户,但是浪潮也在推动开放计算在传统行业中的落地,而且行业客户在采用开放计算之后的收益也是显而易见的。
沈荣表示,以前按照传统数据中心的建设模式,一套集群从交付上一般都要在30到40天,集成还要花费10天左右。但通过开放计算的整机柜方式,硬件的部署速度可以缩短到一周以内,并且通过将研发环境集成在应用,大大节省了运营交付的时间,在时间、密度、性能和管理上均有了质的飞跃。“通过开放的基础构架,数据中心可以在部署密度提升4倍的同时,通过集中化的解决方案使整体系统功耗降低了15%,同时系统硬件故障率降低了60%。开放体系也有助于一体化交付的实施,降低整体的部署成本。”
比如浪潮整机柜服务器SR全面应用于中国移动,采用机柜级模块化设计,集中供电、散热和管理,功耗节省20%,空间利用率高达90%,客户投资回报率提升33%,拥有一体化极简设计和超高的灵活性,可以满足不同的应用需求;浪潮为某省农信提供了以整机柜服务器SR为核心的解决方案等,相较传统服务器,交付速递提升8-10倍,部署密度提升6倍,通过RMC集中管理单元实现整个系统资源的实时监控。
虽然开放计算正在展现出越来越大的发展潜力,但在沈荣看来,需要更多的组织与开发者加入到这一生态体系之中。
“开放计算的模式强化了知识共享、技术共享,所以开放计算很重要的一件事情是规模化和互通性,形成规范标准。”沈荣说,“浪潮不会自己做一套标准体系,开放涉及很多工作,组织的参与,产品的贡献,大家在一起交流,推动社区的发展。”
标准的制定非常重要,一开始就先确立标准,这样可以避免野蛮生长。目前,浪潮正在推动开放计算项目与新兴技术领域的融合。在AI领域,浪潮与OCP积极推进OAM规范的开发,解决AI计算基础设施建设中硬件分裂化和生态割裂化的重大挑战,推进最新技术的应用落地;在边缘计算领域,2017年浪潮与中国移动、电信、联通等运营商发起OTII项目,形成运营商行业面向电信应用的技术及方案,更好地应对未来5G及边缘时代的到来;在新型节能技术领域,浪潮正推动ODCC、OCP等项目中的开放浸没式液冷技术在行业的应用,帮助数据中心的PUE降到1.1,甚至接近1的水平,而目前传统的数据中心PUE做到1.6左右已经是非常好的结果。
展望未来,开放促进技术进步、生态繁荣。开放变革了IT产业的生产模式和应用服务模式,持续推动着信息技术的发展,促进了整个IT产业的生态繁荣。随着智慧时代的到来,扮演“技术底座”角色的开放计算将为各行各业的数字化转型提供强有力的支撑。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。