有許多趨勢和技術在全球范圍內影響著數據中心。 其中包括實現可持續性的壓力、不斷增加的機架密度、應對苛刻的人工智能工作負載、對更多數據中心的需求以及先進冷卻的實施。 Omdia 云和數據中心研究總監 Vladimir Galabov 在最近的 AFCOM 網絡研討會上概述了這些主題，題為 Omdia 研究總監的閏年見解。

　　數據中心：向善的力量

　　Galabov首先解釋了數據中心是一股“向善的力量”，但我們需要更好地讓世界知道這一點。如此多的注意力都集中在數據中心的高功耗和高耗水上。雖然可持續發展舉措可以而且應該得到優先考慮，但故事的另一面通常被忽視：該行業對全球能源使用產生了積極影響。

　　Galabov說：“我們在捕捉和促進科技行業在降低整體經濟能源密集度方面所提供的效率收益方面做得不夠。“例如，造紙業是能源消耗最大的行業之一;通過減少對紙張的依賴，技術無疑帶來了巨大的變化。”

　　他引用了勞倫斯伯克利實驗室的一項研究表明，更多地使用技術可以將碳排放量的增長減少三分之一。 東京大學的另一項研究發現，日本可以通過信息技術將二氧化碳排放量減少 40% 甚至更多。 同樣，美國能源效率經濟委員會估計，IT 行業每消耗一千瓦能源，其他行業可節省 10 千瓦能源。

　　“看看 20 世紀 70 年代美國的能源使用情況，并預測未來同樣水平的能源強度; 如果沒有數據中心，我們今天消耗的能源將會顯著增加。”Galabov 說道。

　　人工智能如何影響能源消耗

　　生成式人工智能的出現意味著數據中心行業將會從功耗的角度提出越來越多的關于我們責任的問題。但Galabov表示，需要理解的是，在2008年至2020年間，盡管全球計算和互聯網使用量激增，但數據中心在全球用電量中的份額仍保持在1%左右。這些努力強調了圍繞電力使用效率(PUE)在效率方面取得的巨大進步。舉個例子：隨著最終用戶轉向數字銀行，美國已有13000多家銀行分行關閉。

　　然而，人工智能的發展和 GPU 的采用即將改變能源使用方程式。 NVIDIA 對 2024 年的預測顯示，與之前的數字相比，數據中心 GPU 的出貨量將增加一倍以上。 這將大大增加電力需求。

　　Galabov說：“隨著越來越多的電力用于人工智能，全球電力在數據中心的份額在幾年內將上升到2%左右。”

　　數據中心建設趨勢

　　除了增加功耗外，Omdia預計，由于已經存在充足的容量，美國、歐盟和中國等成熟地區的數據中心建設步伐將放緩。然而，在新興地區，這一速度將加快。Galabov說，非洲、拉丁美洲、中東、印度、泰國和越南都將擁有更多的數據中心。因此，美國建筑業占全球總建筑量的比例已從2017年的49%下降到今天的35%。

　　Galabov說：“埃塞俄比亞和納米比亞計劃每年將數據中心的容量增加一倍，盡管它們的起點相對較低。”。另一個需要理解的因素是，正在進行的數據主權計劃將影響數據的存儲位置和最需要新數據中心的位置。”

　　除了更多的數據中心，未來幾年全球機架密度也將增加。根據Omdia的數據，2021年每個機架的功率為7千瓦，我們已經達到了12千瓦的平均機架密度。預計到2030年，這種上升趨勢將繼續，平均功率可能達到20千瓦。

　　效率和可持續性

　　隨著未來幾年用電量和密度預測的激增，該行業必須在效率和可持續性方面加倍努力。Galabov表示，我們即將經歷一輪新的數據中心優化浪潮，重點是減少IT足跡——設備整合、機械部件減少、電源轉換改進，以及人工智能驅動的數據中心DCIM和管理系統的出現。

　　Galabov說：“DCIM有機會成為一種集中的自動化工具，可以跨數據中心一直運行到邊緣。”。“通過用人工智能豐富DCIM，我們可以最大限度地減少員工短缺的影響，并在IT和物理基礎設施層面進一步提高效率和可持續性。”

　　根據AFCOM 2024年數據中心狀況調查，超過一半的數據中心計劃使用太陽能，超過25%的數據中心正在增加風能。其他人正在研究核能、氫能、地熱能和電池儲能系統。這可以通過擺脫對公用事業的依賴來降低總體能源成本。

　　數據中心成為“人工智能工廠”

　　人工智能正在對生活的幾乎每個領域施加影響，包括數據中心。在美國，五分之一的人使用過生成人工智能。許多數據中心正處于制定長期人工智能戰略的規劃階段。

　　Galabov說：“第一步是將數據中心從計算和存儲工廠轉變為人工智能工廠。”

　　這需要適應更高的密度和獲得更高的效率，例如改善氣流管理和密封。他補充說，隨著低成本選項的出現，預計液體冷卻也會迅速發展。例如，一家名為KeenCool的中國公司開發了一種單相液體，其售價僅為目前其他公司售價的6%。

　　“隨著液體冷卻變得越來越大眾化，我們將看到直接到芯片和浸入式冷卻市場的競爭越來越激烈，”Galabov說。“沉浸式制冷價格應該會大幅下降。”

　　此外，預計與交流到DC功率轉換相關的變化。例如，英偉達報告稱，其DGX服務器在這些轉換中損失了約10%的電能。正在開發的系統需要在數據中心內減少從交流到DC的轉換。一些數據中心也在通過整合尋求更高的效率。例如，一家工廠與戴爾合作，將其IT占用空間減少了90%，能源賬單減少了75%。

　　“未來的數據中心可能會減少機架數量，提高密度，”Galabov說。“我們一直在通過更高效的冷卻和電力基礎設施成功降低PUE，但仍有空間減少電力轉換以解決不必要的電力損失，同時提高IT設備的利用率。”

　　新舊數據中心對比

　　Galabov認為，傳統數據中心應被視為一個主要的成功案例。通過虛擬化、容器化、軟件定義的體系結構、云和IT整合，他們在效率和性能方面取得了巨大進步�，F在，通過應用程序優化以及處理能力和設計方面的改進，我們正在進入數據中心利用率的新時代。谷歌就是一個很好的例子：在媒體處理方面，它部署了高度優化的服務器，目前正在用一臺包含低功耗專用集成電路的新服務器取代運行YouTube的五臺舊服務器。

　　“新的數據中心將為人工智能優化其物理基礎設施，”Galabov說。“液體冷卻已經在為人工智能進行優化，我們很快就會看到由人工智能驅動的集中式能源管理系統。”