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。那么在“新基建”背景下,数据中心会如何变化吗?我们不妨从AI的视角看一下数据中心的发展走向。
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,这些服务器从底层硬件到上传应用都实现了软件定义,更好地适配AI应用工作负载。
从这个意义上说,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。AIOps智能运维基于已有的运维数据(日志、监控信息、应用信息等),通过机器学习的方式实现自动化运维。
在如今AI无处不在的时代,作为底座的数据中心不光承载AI,也在与AI进行融合,也就是双方实现共生。展望未来,智能化将渗透到各行各业。
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。