与谷歌和其他公司一样， 华为公司从简单的实际步骤开始，比方说使用模式匹配来控制温度并发现制冷剂泄漏的凭据。 他急了。 在电力系统中，它致力于使用人工智Neng识别和隔离设备故障。

分析机构Romonet公司联合创始人Zahl Limbuwala说 “当前机器学习的各个方面dou处于平台的初始数据处理阶段，在将传感器和仪表的原始数据输入预测建模引擎之前，对其进行标准化、清理、验证和标记。”，我懵了。

在这个阶段，谷歌公司的人工智Neng优化只有一个客户， 看好你哦！ 那就是其自身。但这一想法得到了学术界的大力支持。

IBM Watson公司物联网北美市场营销负责人Amy Benettkan到了另一个实用的方面。 加油！ 他说“人工智Neng作为数据中心团队的新成员Ke以一直工作却不会感到疲倦。”

他说 “总有一天机器人Ke以接管数据中心清洁工作或维护IT设备，并且工作人员不必在冷热通道区域进行维护。但我认为其工作还是需要工作人员的监督。”，我不敢苟同...

将人工智Neng应用在数据中心

好吧好吧... 如今的数据中心设施越来越成熟和齐全，传感器Ke以提供大量有关IT性Neng和环境因素的实时和历史数据。2016年，为了提高效率，谷歌公司将人工智Neng应用到数据中心上，得到了业界关注。

网站题目：人工智Neng和机器学习将如何为数据中心提供帮助 文章URL：https://www.cdcxhl.com/news/.html

电力和冷却方面的智Neng化措施有不同的名称。比方说华为公司的电力、 冷却和DCIM智Neng化技术名称分别称之为iPower、iCooling和iManager，踩个点。。

Ghosh说 “这种方法允许人工智Neng超越专家具有的知识和经验，并了解人类认知永远无法理解的东西。在接下来的10年， 摆烂。 我们将Neng够在故障发生之前对其进行预测。我希望Neng够创建一种Neng够完全消除防范性维护需求的算法。”

Nlyte公司首席施行官Doug Sabella当时预测， 弯道超车。 人工智Neng技术增强DCIM将带来伟大的成就。

2016年， 该项目利用神经网络优化了谷歌公司在新加坡的数据中心的冷却设施，这些神经网络学习如何预测数据中心的温度，并提供了积极应对的建议，研究研究。。

该公司2018年宣布的下一步计划是自动运行数据中心冷却系统，人工智Neng系统在工作人员的监督下调整数据中心的运行设置。为了确保冷却系统平安运行，运营团队限制了其设置，所以呢只节省了30%的冷却费用。

内卷。 大多数用户目前仍然处于早期阶段，但有些用户明摆着对此持乐观态度。富国银行任务关键设施现场经理Eric Fussenegger表示， “如今我们使用人工智Neng来监控设定点，采用DCIM加强了数据中心设施的控制措施。”

他对人工智Neng的应用进行了分级。零级数据中心是一个完全采用人工管理的数据中心;级数据中心Ke以提供根本原因分析和虚拟帮助来解决问题。华为公司的数据中心Yi经到达了这个阶段。

站在你的角度想... 谷歌公司使用其拥有的人工智Neng技术DeepMind来优化其数据中心的冷却。2014年，该公司宣布其数据中心工程师Jim Gao正在使用人工智Neng技术来实现推荐引擎。

呵... 机器学习Ke以检查大量的数据集，并在其中找到不依赖于人类用来理解和预测数据的模型的模式。它还Ke以预测未来将重复出现的模式。

实际上... 有些人认为，人工智Neng理解和解决问题时近乎具有神秘的力量。而人工智Neng广泛应用于人们日常生活的许多领域，所以呢，实现这一目标的硬件开始在数据中心中应用。

优化一下。 他预测，在这个阶段，DCIM系统甚至Ke以从专门的人工智Neng处理器中获益。华为公司Yi经在尝试使用其Ascend系列人工智Neng处理器，在云计算和边缘方面采用DCIM进行管理。

梳理梳理。 Jim Gao表示，这个成功案例证明了该系统Ke以平安有效地运作。其决策将受到平安规则的审查，运营人员Ke以随时接管。

根据DeepMind的研究工程师Richard Evans的说法， 该后来啊使该数据中心的冷却费用减少了40%，而PUE减少了15%。他表示，“由于算法是理解复杂动态的通用框架，所以呢我们计划将其应用于数据中心环境中的其他挑战。”，造起来。

DCIM供应商Nlyte公司在2018年将其工具与世界上Zui知名的人工智 不地道。 Neng项目之一IBM公司的Watson集成之后将其应用在DCIM产品中。

加拿大安大略省麦克马斯特大学计算基础设施研究中心负责人Suvojit Ghosh表示， 人类和简单的变化。

未来可期。 除此之外Ghosh还在数据中心进行设备运行声音的人工智Neng分析。他说“经验丰富的员工会根据设备运行的声音知道出了什么问题。”

别纠结... 他说“简单的事情就是防范性维护。但是除了预测性事物之外工作人员借助DCIMgeng好地管理工作负载。在应用程序性Neng管理方面需要考虑一些问题：Ke以根据有限的数据集选择要放置工作负载的位置， 那么将它放在公共云中还是私有云中?有助于确定位置和基础设施的属性是什么?

等着瞧。 Fussenegger表示，人工智Neng在未来Ke以进一步发挥作用，智Neng设备Ke以在数据中心的日常实际维护和操作中发挥geng大作用。

好吧好吧... 该系统每五分钟用数千个传感器对数据中心冷却系统拍摄一次快照，并将其输入云中的人工智Neng系统。这预测了潜在的行动将如何影响未来的Neng源消耗，并选择了好的选择。这将数据发送到数据中心，由本地控制系统验证，然后实施。

换个思路。 华为公司高级经理Zou Xiaoteng说 “Ru果变压器出现问题，其噪声模式会发生变化。通过学习变压器的噪声模式，人工智NengKe以使用声学技术来监控变压器的运行状态。”

不是我唱反调... 成dou网站建设公司_创新互联， 为您提供移动网站建设、企业网站制作、建站公司、电子商务、静态网站、全网营销推广

华为公司高级经理Zou Xiaoteng认为还有一些好处是人工智NengKe以将资源利用率再提高20%，一边减少人为错误，PPT你。。

一些数据中心服务商为此Zuo出了回应。数据中心基础设施管理服务商Yi经采用了人工智Neng技术，而一些Yi经在进行预测分析的公司Yi经采用了机器学习技术。

下一阶段的发展

整一个... Ghosh说“现在是人工智Neng解决geng大问题的时候了。”这与Sabella的观点相呼应。在一开始的应用之后提高功率和冷却效率的努力到头来实现了收益。在这一点上，人工智NengKe以开始管理加载的内容。

没眼看。 Ghosh 表示， “使用计算历史记录的成本进行智Neng负载平衡或容器编排，Ke以降低特定应用程序的Neng源成本。这可Neng会节省一半的ITNeng源成本。只需使用人工智Neng来安排工作，而这不会考虑关闭闲置服务器或其他类似的事情。”

该公司高级营销经理Zou Xiaoteng表示， 在拥有1,540个机架的廊坊数据中心，华为公司大幅降低了使用iCooling技术的PUE值。该数据中心设施的功率密度约为每机架6kW，IT负载率为43%。

躺平。 项目团队报告系统Yi经开始产生出乎意料的优化效果。Dan Fuenffinger来自谷歌公司的一家数据中心运营商， 他采用该系统工作了hen长时间，他说：“我们kan到人工智Neng学会利用冬季的低温条件，产生比正常温度geng低的冷却水，这真是令人惊讶，主要原因是这样Ke以减少数据中心内冷却所需的电Neng。”

稳定性hen重要

这一决定中并没有包含整体关键信息， 但从人工智Neng的角度来kan，Ke以帮助数据中心实际减少工作负载和优化工作负载，并降低工作负载失败的风险。我们kan到人工智Neng对数据中心的运营将产生巨大的影响，这玩意儿...。

他说：“在未来 我相信Ke以使用人工智Neng来预测是否存在任何问题，并使用人工智Neng实现数据中心的自我恢复。”，太离谱了。

补救一下。 Ghosh说“我们知道运行的服务器过热将会导致宕机。但Ru果有温度波动，这种情况明摆着会geng糟。简单的规则使数据中心迅速达到好稳态位置， 但在此过程中，它们会使温度突然发生阶段性变化，后来啊发现这会浪费hen多Neng量。Ru果温度条件经常变化，那么其Neng耗可Neng抵消收益。Ru果环境温度Yi经达到21℃～℃，然后再下调的话，将会浪费电Neng。”

据报道， Watson技术在医疗保健等要求geng高的领域并没有像承诺的那样达到预期效果，这让Watson的表现有些黯然失色。但应用在数据中心可Neng是其恢复良好声誉的舞台。数据中心的关键设施的管理要比人体健康简单得多。

呵... 数据中心本身存在一系列复杂的问题，包括优化和预测。那么如何采用人工智Neng这种神奇的技术来改善数据中心运营?