在2024年,数据中心行业面临着双重挑战:全球对AI应用的需求迫切,同时降低能耗、降低成本和减少碳排放的压力日益凸显。
作为全球关键基础设施和业务连续性解决方案的提供商,维谛技术(Vertiv,NYSE:VRT)专家预测,2024年数据中心行业将呈现以下趋势:

AI深入影响数据中心新建和改造项目。随着各类业务对AI需求的快速增长,企业面临调整运营的压力。然而,部分老旧数据中心配置落后,无法满足高热密度算力基础设施的广泛部署,并且老旧机房普遍缺乏液冷设备所需的基础条件。
未来一年越来越多的公司将意识到,简单的机房局部改造无法满足业务需求,需要选择新建数据中心,并倾向于采用部署周期短的预制化、模块化解决方案,或者直接进行整体改造,从根本上改变供电和制冷基础设施架构。
我们也将看到更多的环保技术和解决方案实现应用,例如满足AI数据中心制冷需求的风液混合制冷方案。同时,为了应对众多新技术的应用风险和交付的不确定性,需要依托高水平的架构设计、深厚的工程实施经验进行保障。

拓展新型储能解决方案。新型储能技术能够与电网进行智能融合,降低发电机启动频次。电池储能系统(BESS)通过适时切换负载、延长运行时间、高效集成光伏或燃料电池等新能源。
BESS将最大程度地减少发电机的使用,降低碳排放。预计到2024年,这项技术应用将更加普及,满足新增AI算力所需的电力容量、供电可靠性,实现经济效益。

企业级客户优先灵活部署。由于企业对于AI的需求,拥有自建数据中心的客户更倾向于采用多元化的资源部署战略。
客户面临的一个难题是如何最大程度地应用AI技术,同时实现可持续发展目标。各企业客户通过本地算力满足专有AI需求,促进相关应用的部署,在逐步分阶段投入过程中,优先考虑预制模块化解决方案,以及延长现有设备的服务及维保项目。这将促进客户不断持续优化运营,进一步释放数据中心的容量空间,提高能效。
此外,延长现有服务器寿命,而不是直接更换或报废,将减少企业的范围3的排放。

跑步上云需要跨越安全监管。Gartner预测,到2024年,全球在公有云服务上的支出将增长20.4%,业务上云的势头强劲。云服务厂商与Colo厂商通过合作实现业务扩张,迅速扩展容量,满足AI及高性能算力的需求。
随着越来越多的云计算客户将数据迁移到公有云,信息安全成为至关重要的考量因素。根据Gartner的数据,80%的CIO计划在2024年增加对网络/信息安全的投入。
当前各个区域的数据安全规定并不一致,虽然一直在努力推动规则的标准化进程,但进展仍然有限,这也带来了复杂的安全挑战。
维谛技术(Vertiv)首席执行官指出:“AI对数据中心功率密度和能耗需求的影响已经成为我们业内的核心议题。帮助客户满足AI算力需求,同时降低能耗和碳排放,这需要数据中心、芯片和服务器制造商以及基础设施提供商各方建立全新的合作,共同应对挑战。”
关于维谛技术(Vertiv)
维谛技术(Vertiv,NYSE:VRT)致力于保障客户关键应用的持续运行、发挥最优性能、业务需求扩展,并为此提供硬件、软件、分析和延展服务技术的整体解决方案。维谛技术(Vertiv)帮助现代数据中心、边缘数据中心、通信网络、商业和工业设施客户所面临的艰巨挑战,提供全面覆盖云到网络边缘的电力、制冷和IT基础设施解决方案和技术服务组合。Architects of Continuity™恒久在线,共筑未来!如需了解更多信息,欢迎访问Vertiv.com,售前热线400-887-6526。
好文章,需要你的鼓励
随着5G流量快速增长和新用例不断涌现,网络运营商需要在最小化环境影响的同时管理密集网络使用。Orange法国与爱立信合作开展创新试验,测试FDD大规模MIMO天线集成无线电,优化高流量区域频谱使用。双方还探索Cloud RAN和Open RAN架构,通过虚拟化RAN功能实现灵活的软件中心网络。合作重点关注利用AI驱动的自动化和意图驱动技术提升能源效率,在不影响性能的前提下动态调整网络资源以降低能耗。
谷歌DeepMind等顶级机构联合研究揭示,当前12种主流AI安全防护系统在面对专业自适应攻击时几乎全部失效,成功率超过90%。研究团队通过强化学习、搜索算法和人类红队攻击等多种方法,系统性地突破了包括提示工程、对抗训练、输入过滤和秘密检测在内的各类防护技术,暴露了AI安全评估的根本缺陷。
微软正在将Windows 11改造为"智能代理操作系统",在任务栏中集成AI代理功能。新功能允许AI代理在后台执行任务,用户可通过任务栏图标查看进度状态。微软还在文件资源管理器中集成Copilot,提供文档摘要、文件问答等功能。此外,Click to Do功能得到改进,可将网页表格转换为Excel文档。这些AI功能采用本地AI和云端AI混合模式,为用户提供更智能的操作体验。
西蒙弗雷泽大学和Adobe研究院联合开发的MultiCOIN技术,能够将两张静态图片转换为高质量的过渡视频。该技术支持轨迹、深度、文本和区域四种控制方式,可单独或组合使用。采用双分支架构和分阶段训练策略,在运动控制精度上比现有技术提升53%以上,为视频制作提供了前所未有的灵活性和精确度。