毫無疑問，當(dāng)前不斷有人在向企業(yè)數(shù)據(jù)中心的執(zhí)行管理人員們推薦機(jī)器人IT員工或由HAL（硬件抽象層）或IBM Watson完全運(yùn)行的數(shù)據(jù)中心。對(duì)于企業(yè)的數(shù)據(jù)中心經(jīng)理們來說，更好的方法就是重視切實(shí)的部署實(shí)施。

現(xiàn)如今，關(guān)于未來技術(shù)發(fā)展的許多預(yù)言都集中在人工智能（AI）領(lǐng)域。我們已不止一次的被告知：在未來，AI會(huì)影響全社會(huì)的每一個(gè)方面，AI技術(shù)將豐富我們生活的各個(gè)方面。當(dāng)然，AI也將遍及數(shù)據(jù)中心內(nèi)的每一個(gè)元素。

最終，這些預(yù)言都可能會(huì)成真。但請(qǐng)注意，早在2001年，斯皮爾伯格大導(dǎo)關(guān)于“人工智能”的電影就已經(jīng)問世了。盡管圍繞著人工智能技術(shù)的發(fā)展不斷興起各種炒作，但事實(shí)上，當(dāng)前的技術(shù)較之那個(gè)時(shí)候并沒有什么變化。而談到2001年，庫布里克導(dǎo)演早在1968年就執(zhí)導(dǎo)了電影《2001太空漫游》。五十年后，HAL在哪里？關(guān)于這方面最好的例子是亞馬遜的Alexa能夠告訴我們天氣預(yù)報(bào)或者自動(dòng)幫助我們播放一些音樂。

所以，讓我們?cè)跀?shù)據(jù)中心切實(shí)的來進(jìn)行AI實(shí)踐吧。數(shù)據(jù)中心經(jīng)理們需要了解的是：其將在存儲(chǔ)、應(yīng)用程序和安全方面，分別帶來什么樣的實(shí)際影響？換句話說，我們更多的所應(yīng)該擔(dān)心的并未是其未來的潛力——而是AI如何在當(dāng)下立即為數(shù)據(jù)中心提供幫助？而數(shù)據(jù)中心經(jīng)理們又應(yīng)該相應(yīng)的采取什么措施？

AI時(shí)代正在到來

市場研究公司Tractica表示，2017年全球人工智能市場已達(dá)到24.2億美元。到2025年，人工智能市場預(yù)計(jì)將發(fā)展壯大為370億美元的行業(yè)。使其成為數(shù)據(jù)中心經(jīng)理們務(wù)必要更加關(guān)注的技術(shù)領(lǐng)域。

Aera Technology公司的創(chuàng)始人兼首席技術(shù)官Shariq Mansoor表示：“人工智能技術(shù)已經(jīng)不再是科幻小說，所以數(shù)據(jù)中心管理人員們需要為該技術(shù)的到來做好準(zhǔn)備。AI技術(shù)已經(jīng)得到快速的發(fā)展，其可以幫助改善數(shù)據(jù)中心的運(yùn)營和服務(wù)。”

壞消息是，根據(jù)Gartner的數(shù)據(jù)顯示，到2020年，人工智能預(yù)計(jì)將減少180萬個(gè)就業(yè)機(jī)會(huì)。好消息是，同期其也將創(chuàng)造230萬個(gè)就業(yè)崗位。故而，關(guān)鍵就在于：那些在今天做出正確的AI選擇的人將比那些忽視AI趨勢的人更可能在幾年內(nèi)獲得工作。

更多的好消息是，人工智能市場最大的應(yīng)用領(lǐng)域是企業(yè)級(jí)應(yīng)用，如圖像識(shí)別、物體識(shí)別、檢測和分類，以及自動(dòng)化的地球物理特征檢測。人工智能需要復(fù)雜的數(shù)據(jù)驅(qū)動(dòng)應(yīng)用程序，而零售、醫(yī)療保健和汽車等領(lǐng)域的應(yīng)用程序需求量很大。

Mansoor說：“企業(yè)組織現(xiàn)在就要為海量數(shù)據(jù)的存儲(chǔ)容量和可擴(kuò)展性進(jìn)行開始規(guī)劃；包括用于AI工作負(fù)載的GPU的更具彈性的計(jì)算能力的需求；以及包括Apache Spark等開源技術(shù)在內(nèi)的新的技術(shù)堆棧做好準(zhǔn)備。人工智能正在成為保持業(yè)務(wù)？？發(fā)展的必要手段，從自主運(yùn)營、省電、執(zhí)行預(yù)測性維護(hù)到持續(xù)的工作負(fù)載調(diào)整。沒有人工智能，想要實(shí)現(xiàn)數(shù)據(jù)中心的穩(wěn)定持續(xù)的盈利運(yùn)營幾乎是不可能的。”

戴爾EMC人工智能戰(zhàn)略的首席技術(shù)專家Tabet對(duì)此也表示贊同。他表示，數(shù)據(jù)中心經(jīng)理們應(yīng)該努力利用AI技術(shù)來找到更好的方法，用以優(yōu)化數(shù)據(jù)中心基礎(chǔ)設(shè)施的管理運(yùn)營。這包括利用傳感器和相關(guān)數(shù)據(jù)來降低功耗，盡可能減少停機(jī)時(shí)間，并盡早檢測異常情況。

Tabet表示：“人工智能將幫助數(shù)據(jù)中心基礎(chǔ)設(shè)施提供商們提供更智能的基礎(chǔ)設(shè)施和相關(guān)資產(chǎn)，以監(jiān)控、優(yōu)化和改善運(yùn)營。這些將包括存儲(chǔ)，計(jì)算和網(wǎng)絡(luò)。”

他認(rèn)為我們正處于人工智能的拐點(diǎn)。他為我們提供了一些數(shù)據(jù)中心經(jīng)理應(yīng)該關(guān)注的特定領(lǐng)域：

1、自動(dòng)化交流系統(tǒng)：不僅僅是簡單聊天的機(jī)器人，這些機(jī)器人現(xiàn)在能夠創(chuàng)造更好的客戶互動(dòng)和用戶體驗(yàn)。這些將進(jìn)入客戶服務(wù)應(yīng)用程序、幫助臺(tái)和其他旨在改善IT資源和服務(wù)的應(yīng)用程序�；�于人工智能的分析將提供智能化的故障排除和診斷工具，數(shù)據(jù)中心可用于解決問題，主動(dòng)性的洞察趨勢，分析預(yù)測，和進(jìn)行資源調(diào)度。

2、機(jī)器學(xué)習(xí)：可以將機(jī)器學(xué)習(xí)算法結(jié)合到存儲(chǔ)系統(tǒng)的控制層，以便更輕松地監(jiān)控流量擁堵的各種原因。這使企業(yè)能夠預(yù)測潛在的脆弱環(huán)節(jié)。深度學(xué)習(xí)是基于來自數(shù)據(jù)學(xué)習(xí)的更廣泛的機(jī)器學(xué)習(xí)方法系列的的一部分，而不是利用特定任務(wù)算法。

Markets And Markets的AI分析師Shiladitya Chaterji表示：“用戶請(qǐng)求和數(shù)據(jù)流量可以根據(jù)網(wǎng)絡(luò)使用模式在不同的存儲(chǔ)位置之間傳輸。深度學(xué)習(xí)是一項(xiàng)人工智能技術(shù)，可以幫助優(yōu)化基礎(chǔ)設(shè)施和運(yùn)營，創(chuàng)造更高的效率，并提供更智能的預(yù)測性維護(hù)和相關(guān)服務(wù)，從而最終降低成本。”

人工智能支持的基礎(chǔ)設(shè)施：人工智能通過集成GPU和其他加速器硬件（如基于AI的設(shè)備）直接為更強(qiáng)大的數(shù)據(jù)中心基礎(chǔ)設(shè)施提供支持。使用AI創(chuàng)建智能基礎(chǔ)架構(gòu)將有助于提供更高效的數(shù)據(jù)中心，優(yōu)化配置，并通過動(dòng)態(tài)設(shè)置和自適應(yīng)功能實(shí)現(xiàn)更好的工作負(fù)載執(zhí)行。

在不遠(yuǎn)的未來，自然語言處理可以支持會(huì)話式AI.但是這項(xiàng)技術(shù)還處于研究階段。先進(jìn)的“代理人”和人類操作員的整合目前是比完全自動(dòng)化方法更好的模型，Tabet表示說。而具有“自主”功能的高級(jí)自愈式數(shù)據(jù)中心也將得到進(jìn)一步推廣。

回到即時(shí)的實(shí)踐利用，非常大的數(shù)據(jù)集對(duì)于AI技術(shù)而言是不可或缺的。數(shù)據(jù)中心管理人員們應(yīng)該越來越習(xí)慣他們。數(shù)據(jù)來自多個(gè)來源，預(yù)計(jì)需要努力為其做好準(zhǔn)備，標(biāo)記和處理。人工智能和機(jī)器學(xué)習(xí)所提供的技術(shù)可以用來消除費(fèi)時(shí)且人工手動(dòng)操作的勞累過程。

StorageIO Group的分析師Greg Schulz表示：“數(shù)據(jù)中心管理人員們所面臨的幾大真切的AI實(shí)踐領(lǐng)域包括基于策略的日常任務(wù)自動(dòng)化。這包括資源和服務(wù)的配置；服務(wù)臺(tái)，問題解決方案和積極的知識(shí)庫，捕捉新的事件，場景，癥狀和解決方案，以幫助學(xué)習(xí)過去的經(jīng)驗(yàn)，以防止在未來出現(xiàn)相同的問題。

未來遠(yuǎn)景的改變

Tabet認(rèn)為，數(shù)據(jù)中心將會(huì)出現(xiàn)不斷變化的愿景和架構(gòu)。它們將變得更加分散，更多的計(jì)算將會(huì)走向邊緣或接近邊緣。人工智能將需要處理復(fù)雜性，數(shù)據(jù)同步和分析。但是人工智能和機(jī)器數(shù)據(jù)的需求與其他類型的數(shù)據(jù)有很大不同。例如，機(jī)器數(shù)據(jù)將需要邊緣處理的即時(shí)性，以及核心處的可擴(kuò)展的共享存儲(chǔ)庫。因此，傳統(tǒng)上部署的存儲(chǔ)類型可能并不適合機(jī)器學(xué)習(xí)環(huán)境。

Pure Storage公司的產(chǎn)品和解決方案營銷副總裁Matt Kixmoeller表示：“對(duì)AI或機(jī)器學(xué)習(xí)的投資需要對(duì)底層存儲(chǔ)基礎(chǔ)架構(gòu)進(jìn)行一些戰(zhàn)略性的思考。由于其是數(shù)據(jù)密集型的，并依靠從數(shù)據(jù)中識(shí)別出的即時(shí)價(jià)值，解決方案必須具有可擴(kuò)展性和成本效益，而且能夠高速處理龐大的數(shù)據(jù)集。”

他建議將企業(yè)本地部署環(huán)境和基于云的存儲(chǔ)解決方案相結(jié)合。 對(duì)于性能和成本的可預(yù)測性，將需要企業(yè)本地部署的數(shù)據(jù)中心元素。 云服務(wù)可以在開發(fā)/測試環(huán)境中快速擴(kuò)展和縮小。

在這個(gè)不斷變化的數(shù)據(jù)中心環(huán)境中，開銷變得至關(guān)重要。預(yù)計(jì)數(shù)字處理，分析和數(shù)據(jù)傳輸將耗費(fèi)大量的開銷。根據(jù)架構(gòu)的不同，這可能是本地部署的，也可能是跨越多個(gè)系統(tǒng)和多個(gè)站點(diǎn)。

對(duì)于投資于人工智能或機(jī)器學(xué)習(xí)的企業(yè)來說，這就是對(duì)象存儲(chǔ)可能會(huì)發(fā)揮其功效的所在了。

Cloudian公司的首席執(zhí)行官M(fèi)ichael Tso表示：“不要將目標(biāo)存儲(chǔ)視為‘便宜而深入’，而應(yīng)將其視為未來差異化的中心。數(shù)據(jù)中心世界正在發(fā)生變化，而那些能夠以AI友好的格式保存數(shù)據(jù)信息的企業(yè)組織將更有可能獲得成功。”

AI的安全

人工智能在安全領(lǐng)域中的應(yīng)用是不可避免的。畢竟，新出現(xiàn)的惡意軟件和病毒數(shù)量是驚人的。一項(xiàng)電子郵件安全差距分析發(fā)現(xiàn)，在對(duì)數(shù)百萬封電子郵件的調(diào)查中，10.5%的流量包含了現(xiàn)有安全工具漏掉的垃圾郵件或惡意郵件。這其中很大一部分是垃圾郵件。而事實(shí)是，大約0.3%的釣魚郵件和0.04%的惡意軟件附件已經(jīng)凸現(xiàn)出了現(xiàn)代安全管理的漏洞——不管你的工具有多好，他們也不能百分百的攔截所有這些的惡意攻擊。人工智能需要對(duì)這些流量進(jìn)行更加詳細(xì)和快速的分析，并提醒防火墻后面可能發(fā)生的有害行為，例如異常的流量模式，可疑的端口或外部傳輸?shù)臄?shù)據(jù)。

Schulz說：“人工智能的一些其他應(yīng)用和實(shí)踐采用包括安全入侵檢測，對(duì)正常、異常、垃圾郵件和惡意軟件的檢測，保護(hù)和預(yù)防的訪問模式的學(xué)習(xí)。”

機(jī)器人還是基礎(chǔ)自動(dòng)化？

毫無疑問，當(dāng)前不斷有人在向企業(yè)數(shù)據(jù)中心的執(zhí)行管理人員們推薦機(jī)器人IT員工或由HAL（硬件抽象層）或IBM Watson完全運(yùn)行的數(shù)據(jù)中心。對(duì)于企業(yè)的數(shù)據(jù)中心經(jīng)理們來說，更好的方法就是重視切實(shí)的部署實(shí)施。

Schulz表示：“現(xiàn)在，我們需要將重點(diǎn)放在可以帶來實(shí)際好處領(lǐng)域上，包括聊天機(jī)器人，趨勢分析和簡單的自動(dòng)化。”