人工智能革命即将来临。所有行业的组织都在采用人工智能来应对业务挑战，包括提高效率、执行深入的预测分析和改善客户体验。随着公司准备其人工智能战略，选择信息技术和数据中心合作伙伴——包括他们的托管(colo)解决方案——变得至关重要。

然而，并不是每个托管设施都准备支持人工智能。人工智能要求对数据中心的要求与传统工作负载不同。随着新的人工智能应用需要更高水平的计算能力，用电量和发热量也在增加。高密度工作负载需要专门的电源和冷却需求。

技术的进步提高了构成“高密度”的标准，所以随着时间的推移，我们可以预期这一数字会增加。1961年，德国物理学家Rolf Landauer发展了一个理论证明，现在被称为朗道原理，证明每千瓦时有一个计算上限。从根本上说，计算机必须在物理定律的范围内运行，额外的计算能力会导致更高的能量消耗和产生更多的热量。使colo环境“人工智能就绪”的是它支持高密度工作负载的能力，以及保持它们稳定和运行的高级冷却能力。当根据这些标准进行评估时，大多数colo设施都不能胜任任务。

对人工智能的正确支持

许多使colo设备人工智能就绪的细节传统上受到其功率密度和冷却能力的物理限制；然而，用户体验和有保证的正常运行时间也是成功的数据中心解决方案的重要组成部分。当您考虑为您的人工智能应用程序提供托管服务时，请根据以下标准评估您的潜在客户，以帮助您成功部署。

处理能力

人工智能需要大量的处理能力。如果没有创新的技术方法来处理解决方案，企业将面临计算时间过长的风险，这可能会导致用户体验不佳和机会丧失。图形处理器的出现为复杂人工智能模型的训练提供了突破性的性能，只需其他平台所用时间的一小部分。现代人工智能就绪设施正在利用图形处理器来加速应用，并为未来的指数处理机会做计划。

例如，英伟达的DGX-1服务器有了图形处理器，学习速度比纯中央处理器服务器快140倍。使用DGX-1，只需中央处理器服务器711小时的深度学习培训就可以在5个多小时内完成。这相当于性能超过petaflops，而英伟达的DGX-2产品提供超过petaflops。这些绩效水平直接转化为信息技术团队机会的增加和对业务目标的更好贡献。

动力管理

随着人工智能的普及，数据中心的能效变得越来越重要。机器学习应用需要大量的培训数据和复杂的算法来获得令人满意的结果——随着密度的增加，功率需求急剧增加。

人工智能工作负载需要比7千瓦每个机架即被认为是平均目标对于许多数据中心来说。人工智能应用在每个机架上使用超过30 kW的功率并不是闻所未闻的，因此每个机架的功率需求很容易超过标准数据中心能够提供的功率。此外，还需要冗余电源为了最大限度地减少停机时间，人工智能应用显然需要持续、可靠的能源——大量能源——这可能会迅速增加开支。与拥有控制成本和高效管理电力使用的特定专业知识的colo提供商合作至关重要。

冷却要求

随着机架功耗需求的增加，高效冷却的需求也在增加。根据高德纳的说法，到2020年，超过30%的数据中心将不再经济，因为人工智能驱动的增长工作量密度。如果您的托管环境不准备支持冷却能力来达到人工智能应用程序的期望阈值，那么您的基础架构很可能不准备支持您的未来计算。

不断增长的工作负载需要更多资源来维持服务器运行所需的较低温度。风扇冷却，变成16千瓦时更困难和以上，对于许多高密度应用来说是不够的；更高的功耗表明需要替代冷却方法来防止设备故障并确保高效运行。

数据中心前沿报告在数据中心行业，液冷的增长是一个渐进的(但值得注意的)趋势。液体冷却通常使用水；这些冷却系统的工作方式因具体系统而异。一些解决方案使用直接芯片液体冷却，而另一些使用水通过热交换器冷却空气。无论采用哪种方法，液体冷却都比风扇冷却有显著的优势——在某些情况下，通过以下方式降低功耗20%(从1.5-2.0 PUE到1.1以下)。

数据中心的总用水量各不相同，添加液体冷却系统会增加用水量。使用空气冷却系统时，用水量可能比使用液体冷却的数据中心低8到16倍。结肠定位提供商可以采取切实可行的措施，通过减少饮用水的使用来解决环境影响，而不是依赖再生水进行冷却，从而使它们既可用于人工智能，又可用于人工智能绿色的。高效且可持续的冷却可保护您的托管投资，同时保护环境。