新的一年，突如其来的疫情对每个人的工作和生活都产生了巨大的影响，也对各行各业都带来了不可估量的冲击与挑战。新一年数据中心行业会发生哪些变化？有哪些趋势会影响数据中心行业未来的发展方向？

2020年，国家将进一步推进数字经济发展。习近平总书记日前强调，要加快5G网络、数据中心等数字化基础设施的建设进度。尽管当下我们依然面临着诸多挑战，但疫情之下的复产复工已在稳步展开，经济活力也在逐渐恢复，同时也看到疫情催生了一些新的变化、新的业态。例如诸多企业开启了如线上业务、远程办公等新模式，线上教学及培训也日趋火热。如何保障线上业务正常运转、企业员工安全接入、直播授课稳定流畅……这些变化都无一不依赖着数据中心等行业的支持。

行业数字化转型在加速，新技术的普及与应用在推动，企业与社会也在反思如何才能通过绿色、低碳的发展来与自然和谐共生。这些都会对数据中心行业的发展带来积极的促进,2020年数据中心将迎来以下六大行业发展趋势：

趋势一：位于本地的边缘云计算

多年以来，云计算一直是一个谜。在智能手机时代的驱动下，几乎每个人都知道我们的图片被存在某个地方的一个大型的云计算数据中心。这些大型的数据中心聚集在世界的某些地方，这些地方在地理上被称作“热门地区”。这些“热门地区”拥有包括低成本或可再生能源、IT劳动力、税收激励，以及气候偏冷有利于“自然冷却”等优势。除非我们幸运地生活在这些超大规模数据中心中的附近，否则很可能经历过微信抢红包等云服务的性能慢于预期。除此之外，如果我们已经将关键业务迁移到云，但依然对这些应用程序的性能或可用性不满意，营运而生“云堆栈”。

围绕着将数据中心云扩展到“本地边缘”，也就是将云服务业务下沉和扩展到更接近最终用户，人们进行了大量的猜测和承诺。这些超大规模数据中心的较小版本可以提高速度，降低成本，并允许企业将数据保存在本地，从而更好地控制这些信息。这个想法是允许企业在本地运行类似的IT基础设施，以提高其混合云系统的一致性。最终目标是使企业能够在其现有系统和云系统中使用相同的工具、API、硬件和功能，以创建一致的混合云用户体验。

趋势二：下一代电信技术（5G）和IT数据中心架构的融合

随着当今的互联社会和高带宽技术——视频、浸入式体验（AR/VR）、触觉等需求的快速发展，这就要求本地的数据架构能够实现这些需求。5G将按照小集群进行部署，每个5G基站将是一个移动的边缘计算数据中心，想象一下，在每个4G基站相同的区域量，需要部署大约四个新的MEC数据中心。这将是一个巨大的挑战，首先如何证明投资回报率ROI的合理性，然后为这些移动数据中心寻找部署的空间（比如：建筑物的顶部，停车场，地下室）。在这些地方部署数据中心的成本并不便宜，而且如何实施安防措施也是值得商榷的。

与此同时，云提供商也不断在透露他们的意图，即在本地部署云堆栈——他们之间的部署策略也非常相似。此外，对云计算的新的需求和驱动力，即降低时延，与5G对移动用户所做出的承诺是相一致的，这就使得移动数据中心将自然而然地成为云服务和移动服务可能的交汇点。5G本质上是一种软件设计的技术，并试图在标准IT服务器上运行。

趋势三：边缘计算消耗的能源成本可能是巨大的

预测下一代的电信技术（5G）和本地边缘云的发展将推动边缘数据中心的大规模建设。如果我们使用5G所需的本地移动数据中心作为依据，可以计算对能源和碳排放的影响。就规模而言，2G/3G/4G的全球覆盖率很高，世界上约有500万个电信基站，平均功率在6千瓦左右，在通讯高峰期可能达到8-10千瓦。也就是全球的总峰值功率在50GW左右。很不幸的是，绝大多数的这些基站都不是在考虑能源效率优化的情况下设计的。它们的PUE大约为1.5（输入功率/电信（IT）负载的功率），这意味着大约一半的功率被浪费掉了。当规模部署的时候，被浪费的功率将不断叠加，也就是要乘以部署基站的数量。

以国内某运营商5G建设的真实数字为例：增加十万个5G基站站点，平均每个站点的功率在10个千瓦，所以，总的功率是1GW。PUE值按照1.5计算，每年能耗的成本为105亿人民币（假设电费为0.8元）和每年将排放930万吨二氧化碳。但是，如果这些基站能够按照高能效进行设计的话，假设PUE为1.1，每年的能耗成本为77亿人民币，每年将排放680万吨二氧化碳。能源成本和控制碳排放将是电信公司未来必须考量的关键考虑。

趋势四：基于云的预测性数据中心管理日渐成熟

从十年前开始，我们看到当时很多关于数据中心基础设施管理软件的炒作和承诺，比如：它可以从根本上改善性能，提高能效以及无缝监测所有设备等等。当时的分析机构也做出了大胆的预测，到2017年，DCIM的市场规模将达到31.4亿美金，到2020年，将高达75亿美金。但是，之后我们看到的更多的是相关挑战和困难的讨论。不出所料，我们也看到它并没有达到市场的预期，新的预测是到2022年，有7亿美金的市场规模，不到之前预期的十分之一。而且，25% DCIM的部署都是失败的。究其原因是太难部署和扩展，太难使用和维护以及信息过多不直观等等。

但是，过去几年，随着新一代的软件开发开始采用基于云的架构，模块化的设计以及采用大数据分析和机器学习等人工智能技术为手段，可以实现边成长边部署，简化了安装和设置，能够自动升级，采用APP和基于浏览器进行远程管理，从而可以对IT基础设施环境的关键数据进行采集、存储、分析和云端可视化，以及采用记分卡的形式来预测数据中心故障，随时随地都可以关注数据中心的健康状态，并指导运维人员进行预测性维护，未来将是以软件即服务形式来提供这些功能。这将成为传统数据中心和站点众多的边缘数据中心最有效的运维管理工具，可以解决运维人员短缺等问题。

趋势五：用于人工智能学习的普适性计算机架

过去我们对人工智能的认知主要来自于科幻电影，比如终结者系列。人工智能主要被看成是机器人已经进步到能够自我学习。虽然我们离这一现实还比较遥远，但是，我们已经开始走上了这样一条道路，我们希望计算机通过使用神经网络模型开始自己学习事物，该模型模仿人类大脑的工作方式。比如，我们的医疗健康行业正在通过使用机器来缩短诊断和治疗疾病所需要的时间。一旦机器拥有了算法和所需要的输入，我们就不需要非常强大的计算机就可以实现用于推理的人工智能。

但是，用于人工智能或培训人工智能的计算机，必须使用强大的处理器（CPU和GPU），可以产生20千瓦，30千瓦，或高达50千瓦的热量。这些热量是低品质的，在绝大多数情况下，不太可能使用现有的比较主流的冷却方式进行冷却。因此，2020年各种类型的数据中心——云、托管和企业级，都需要部署专门用于人工智能学习的普适性计算机架。冷却这些机架的最好的冷却方法是某种形式的液冷——浸没式或冷板式。这些普适性的机架不需要通道封闭，或按照机柜排或微模块的方式进行摆放。当然，目前来看需求的数量有限，随着模型的不断开发，平时这些机架将处于休眠模式直至有需求唤醒的时候。

趋势六：采用特殊用途集成电路的数据中心将规模化

特殊用途的集成电路是为特殊用途而定制的集成电路，而不是用于一般的用途。人工智能以及数字分类账户应用（区块链）在采用了特殊用途的集成电路后，与采用通用芯片比较起来运算的速度要快得多，而且更高效。我们将看到一些不是主流GPU和CPU开发的公司随着特殊应用芯片数据中心的规模化而出现在市场上。

2020年将是充满期待的一年，是人工智能和浸没式液冷等应用越来越多出现在舞台上的一年。通过边缘云和特殊用途集成电路，计算和存储能力将更加高效地被集成以及更高效地运行。当整个行业被驱使着快速发展的时候，规模部署、能源效率和碳足迹将成为重要关注的问题。

返回列表