新的一年，突如其來的疫情對每個人的工作和生活都產生了巨大的影響，也對各行各業都帶來了不可估量的衝擊與挑戰。新一年數據中心行業會發生哪些變化？有哪些趨勢會影響數據中心行業未來的發展方向？

2020年，國家將進一步推進數字經濟發展。習近平總書記日前強調，要加快5G網絡、數據中心等數字化基礎設施的建設進度。盡管當下我們依然麵臨著諸多挑戰，但疫情之下的複產複工已在穩步展開，經濟活力也在逐漸恢複，同時也看到疫情催生了一些新的變化、新的業態。例如諸多企業開啟了如線上業務、遠程辦公等新模式，線上教學及培訓也日趨火熱。如何保障線上業務正常運轉、企業員工安全接入、直播授課穩定流暢……這些變化都無一不依賴著數據中心等行業的支持。

行業數字化轉型在加速，新技術的普及與應用在推動，企業與社會也在反思如何才能通過綠色、低碳的發展來與自然和諧共生。這些都會對數據中心行業的發展帶來積極的促進,2020年數據中心將迎來以下六大行業發展趨勢：

趨勢一：位於本地的邊緣雲計算

多年以來，雲計算一直是一個謎。在智能手機時代的驅動下，幾乎每個人都知道我們的圖片被存在某個地方的一個大型的雲計算數據中心。這些大型的數據中心聚集在世界的某些地方，這些地方在地理上被稱作“熱門地區”。這些“熱門地區”擁有包括低成本或可再生能源、IT勞動力、稅收激勵，以及氣候偏冷有利於“自然冷卻”等優勢。除非我們幸運地生活在這些超大規模數據中心中的附近，否則很可能經曆過微信搶紅包等雲服務的性能慢於預期。除此之外，如果我們已經將關鍵業務遷移到雲，但依然對這些應用程序的性能或可用性不滿意，營運而生“雲堆棧”。

圍繞著將數據中心雲擴展到“本地邊緣”，也就是將雲服務業務下沉和擴展到更接近最終用戶，人們進行了大量的猜測和承諾。這些超大規模數據中心的較小版本可以提高速度，降低成本，並允許企業將數據保存在本地，從而更好地控製這些信息。這個想法是允許企業在本地運行類似的IT基礎設施，以提高其混合雲係統的一致性。最終目標是使企業能夠在其現有係統和雲係統中使用相同的工具、API、硬件和功能，以創建一致的混合雲用戶體驗。

趨勢二：下一代電信技術（5G）和IT數據中心架構的融合

隨著當今的互聯社會和高帶寬技術——視頻、浸入式體驗（AR/VR）、觸覺等需求的快速發展，這就要求本地的數據架構能夠實現這些需求。5G將按照小集群進行部署，每個5G基站將是一個移動的邊緣計算數據中心，想象一下，在每個4G基站相同的區域量，需要部署大約四個新的MEC數據中心。這將是一個巨大的挑戰，首先如何證明投資回報率ROI的合理性，然後為這些移動數據中心尋找部署的空間（比如：建築物的頂部，停車場，地下室）。在這些地方部署數據中心的成本並不便宜，而且如何實施安防措施也是值得商榷的。

與此同時，雲提供商也不斷在透露他們的意圖，即在本地部署雲堆棧——他們之間的部署策略也非常相似。此外，對雲計算的新的需求和驅動力，即降低時延，與5G對移動用戶所做出的承諾是相一致的，這就使得移動數據中心將自然而然地成為雲服務和移動服務可能的交匯點。5G本質上是一種軟件設計的技術，並試圖在標準IT服務器上運行。

趨勢三：邊緣計算消耗的能源成本可能是巨大的

預測下一代的電信技術（5G）和本地邊緣雲的發展將推動邊緣數據中心的大規模建設。如果我們使用5G所需的本地移動數據中心作為依據，可以計算對能源和碳排放的影響。就規模而言，2G/3G/4G的全球覆蓋率很高，世界上約有500萬個電信基站，平均功率在6千瓦左右，在通訊高峰期可能達到8-10千瓦。也就是全球的總峰值功率在50GW左右。很不幸的是，絕大多數的這些基站都不是在考慮能源效率優化的情況下設計的。它們的PUE大約為1.5（輸入功率/電信（IT）負載的功率），這意味著大約一半的功率被浪費掉了。當規模部署的時候，被浪費的功率將不斷疊加，也就是要乘以部署基站的數量。

以國內某運營商5G建設的真實數字為例：增加十萬個5G基站站點，平均每個站點的功率在10個千瓦，所以，總的功率是1GW。PUE值按照1.5計算，每年能耗的成本為105億人民幣（假設電費為0.8元）和每年將排放930萬噸二氧化碳。但是，如果這些基站能夠按照高能效進行設計的話，假設PUE為1.1，每年的能耗成本為77億人民幣，每年將排放680萬噸二氧化碳。能源成本和控製碳排放將是電信公司未來必須考量的關鍵考慮。

趨勢四：基於雲的預測性數據中心管理日漸成熟

從十年前開始，我們看到當時很多關於數據中心基礎設施管理軟件的炒作和承諾，比如：它可以從根本上改善性能，提高能效以及無縫監測所有設備等等。當時的分析機構也做出了大膽的預測，到2017年，DCIM的市場規模將達到31.4億美金，到2020年，將高達75億美金。但是，之後我們看到的更多的是相關挑戰和困難的討論。不出所料，我們也看到它並沒有達到市場的預期，新的預測是到2022年，有7億美金的市場規模，不到之前預期的十分之一。而且，25% DCIM的部署都是失敗的。究其原因是太難部署和擴展，太難使用和維護以及信息過多不直觀等等。

但是，過去幾年，隨著新一代的軟件開發開始采用基於雲的架構，模塊化的設計以及采用大數據分析和機器學習等人工智能技術為手段，可以實現邊成長邊部署，簡化了安裝和設置，能夠自動升級，采用APP和基於瀏覽器進行遠程管理，從而可以對IT基礎設施環境的關鍵數據進行采集、存儲、分析和雲端可視化，以及采用記分卡的形式來預測數據中心故障，隨時隨地都可以關注數據中心的健康狀態，並指導運維人員進行預測性維護，未來將是以軟件即服務形式來提供這些功能。這將成為傳統數據中心和站點眾多的邊緣數據中心最有效的運維管理工具，可以解決運維人員短缺等問題。

趨勢五：用於人工智能學習的普適性計算機架

過去我們對人工智能的認知主要來自於科幻電影，比如終結者係列。人工智能主要被看成是機器人已經進步到能夠自我學習。雖然我們離這一現實還比較遙遠，但是，我們已經開始走上了這樣一條道路，我們希望計算機通過使用神經網絡模型開始自己學習事物，該模型模仿人類大腦的工作方式。比如，我們的醫療健康行業正在通過使用機器來縮短診斷和治療疾病所需要的時間。一旦機器擁有了算法和所需要的輸入，我們就不需要非常強大的計算機就可以實現用於推理的人工智能。

但是，用於人工智能或培訓人工智能的計算機，必須使用強大的處理器（CPU和GPU），可以產生20千瓦，30千瓦，或高達50千瓦的熱量。這些熱量是低品質的，在絕大多數情況下，不太可能使用現有的比較主流的冷卻方式進行冷卻。因此，2020年各種類型的數據中心——雲、托管和企業級，都需要部署專門用於人工智能學習的普適性計算機架。冷卻這些機架的最好的冷卻方法是某種形式的液冷——浸沒式或冷板式。這些普適性的機架不需要通道封閉，或按照機櫃排或微模塊的方式進行擺放。當然，目前來看需求的數量有限，隨著模型的不斷開發，平時這些機架將處於休眠模式直至有需求喚醒的時候。

趨勢六：采用特殊用途集成電路的數據中心將規模化

特殊用途的集成電路是為特殊用途而定製的集成電路，而不是用於一般的用途。人工智能以及數字分類賬戶應用（區塊鏈）在采用了特殊用途的集成電路後，與采用通用芯片比較起來運算的速度要快得多，而且更高效。我們將看到一些不是主流GPU和CPU開發的公司隨著特殊應用芯片數據中心的規模化而出現在市場上。

2020年將是充滿期待的一年，是人工智能和浸沒式液冷等應用越來越多出現在舞台上的一年。通過邊緣雲和特殊用途集成電路，計算和存儲能力將更加高效地被集成以及更高效地運行。當整個行業被驅使著快速發展的時候，規模部署、能源效率和碳足跡將成為重要關注的問題。

Returns List