隨著大型語言模型 (LLM)(如 ChatGPT)和機器學習 (ML) 在生成式 AI 的前景方面引起媒體和業(yè)界的無休止關注，這些技術的發(fā)展也為數(shù)據(jù)中心行業(yè)帶來了大量挑戰(zhàn)。
除了 AI，ML 和物聯(lián)網(wǎng) (IoT) 等技術也需要具有廣泛帶寬和創(chuàng)新電源解決方案的數(shù)據(jù)中心。隨著對計算能力和連接性的需求不斷增長，系統(tǒng)運營商對數(shù)據(jù)中心的依賴也在不斷增加，以高效處理和存儲大量信息，同時保持卓越的性能。
利用先進 AI 算法的邊緣計算系統(tǒng)可以在網(wǎng)絡內執(zhí)行實時數(shù)據(jù)處理和決策，以最大限度地提高整體性能。邊緣計算還可以幫助實現(xiàn)為 AI 提供動力所需的實時數(shù)據(jù)處理。隨著生成式人工智能、法學碩士、物聯(lián)網(wǎng)、云應用、實時數(shù)據(jù)處理以及對低延遲應用的需求將計算能力推向前所未有的水平，邊緣計算市場規(guī)模預計將從 2024 年的約 340 億美元飆升至 2033 年的 7000 多億美元。
鑒于生成式人工智能的迅猛發(fā)展，數(shù)據(jù)中心行業(yè)的任務是快速適應計算能力的激增，并滿足對有效電源解決方案日益增長的需求。
釋放人工智能潛力的關鍵可能取決于邊緣計算的有效性。邊緣計算使用分布式信息技術 (IT) 架構，在網(wǎng)絡外圍盡可能靠近其原始來源的地方處理數(shù)據(jù)。這可以減少延遲并提高性能，同時還可以降低能耗——這是大型數(shù)據(jù)中心運營商的長期對手。
應對實施邊緣模型的挑戰(zhàn)
為了成功設計和實施邊緣計算模型，數(shù)據(jù)中心部門需要應對一些挑戰(zhàn)。隨著組織開始減少對傳統(tǒng)集中式數(shù)據(jù)中心收集、處理和存儲數(shù)據(jù)的依賴，邊緣計算能夠重塑業(yè)務開展方式。例如，隨著能源網(wǎng)分布越來越廣泛，邊緣計算可以提供所需的低延遲數(shù)據(jù)處理，以促進實時發(fā)電和配電決策，從而以最佳方式滿足需求。
不那么集中的數(shù)據(jù)中心生態(tài)系統(tǒng)也為消費者帶來了好處。然而，消費者對處理大量快速移動數(shù)據(jù)的應用程序的依賴也推動了數(shù)據(jù)中心開發(fā)人員解決物流挑戰(zhàn)的需求。這些挑戰(zhàn)包括在靠近數(shù)據(jù)源的社區(qū)、設施和人口密集地區(qū)建立數(shù)據(jù)中心。這對于需要極低延遲的應用程序尤其重要，例如直播、增強現(xiàn)實 (AR) 和自動駕駛汽車。
隨著這些應用程序對邊緣計算基礎設施的需求不斷增加，另一個挑戰(zhàn)也隨之而來——減輕這些設施內 IT 設備和電源產生的熱量。為了應對產生的高熱量，開發(fā)人員的任務是實施高效的電源系統(tǒng)，其中包括高效傳導或液冷整流器、浸入式冷卻和熱量控制解決方案等功能。減輕熱量對于數(shù)據(jù)中心的運營效率以及防止設備損壞甚至更糟的系統(tǒng)故障至關重要。
設備損壞和停電的后果可能很嚴重。根據(jù) Uptime Institute 的一項調查，超過一半的受訪數(shù)據(jù)中心運營商在 2020 年至 2023 年期間遭遇過停電。最嚴重的停電成本仍然很高，54% 的受訪者表示，最嚴重的停電給他們造成了超過 10 萬美元的損失。此外，近六分之一的運營商表示，他們遭遇的停電損失超過 100 萬美元。
這些令人警醒的統(tǒng)計數(shù)據(jù)凸顯了彈性數(shù)據(jù)中心電力系統(tǒng)的重要性，以及需要遠程監(jiān)控和隨時解決潛在問題。隨著邊緣計算推動對更廣泛分布的數(shù)據(jù)中心的需求，遠程監(jiān)控和診斷的重要性也日益凸顯。此外，對經(jīng)驗豐富、隨時待命的服務技術人員的需求從未如此高漲，以幫助維持這些關鍵邊緣網(wǎng)絡的正常運行時間。這要求數(shù)據(jù)中心運營商建立明確的戰(zhàn)略方法來管理根據(jù)需要擴展資源的復雜過程。
最后，數(shù)據(jù)安全是邊緣計算流程的另一個關鍵方面，因為多個邊緣位置可能會增加遭受網(wǎng)絡攻擊的可能性。運營商需要確保其邊緣位置符合行業(yè)標準的數(shù)據(jù)隱私和合規(guī)措施。還必須實施安全協(xié)議，包括訪問控制、威脅檢測和數(shù)據(jù)加密。持續(xù)監(jiān)控和審核邊緣設備和網(wǎng)絡以確保及時發(fā)現(xiàn)威脅或攻擊也至關重要。
采取整體方法實現(xiàn)全國邊緣連接
邊緣計算生態(tài)系統(tǒng)中的利益相關者(包括政府、服務提供商和應用程序開發(fā)商)需要共同努力，充分發(fā)揮邊緣計算的優(yōu)勢。支持人工智能所需的廣泛計算能力并應對該技術帶來的挑戰(zhàn)需要采取整體和協(xié)作的方法來實現(xiàn)網(wǎng)絡架構、基礎設施設計和系統(tǒng)管理。
