AI時代資料中心面臨的挑戰與投資策略

人工智慧應用必須擁有大量運算能力的支持，這意味著更大、更豐富的資料中心。

隨著人工智慧應用的增加，資料中心市場呈現迅速成長態勢，以適應這些技術引發的資料激增。將人工智慧添加到已經大量可用的技術中，包括物聯網(IoT)設備，將產生更多的客戶數據，導致數據量呈指數級增長。

底線是所有這些資料都需要駐留在某個地方，組織將轉向資料中心。

Cherre創新主管Kevin Shtofman解釋到，人工智慧將增加對運算能力的需求，需要對人工智慧專用硬體進行投資，採用新的資料中心設計，並探索邊緣運算等新興技術。

Shtofman說：「在訓練複雜的深度學習模型時，人工智慧應用需要大量的運算能力。」。隨著人工智慧的普及，需要更多的資料中心來支援運算能力的需求成長。 」

人工智慧的採用也將增加資料儲存需求，因為人工智慧驅動的應用需要大量資料來訓練和改進模型。

據Shtofman所述，要快速地儲存和訪問這些數據，需要有很大的儲存容量。因此，資料中心將需要擴展其儲存能力，以滿足不斷增長的需求。」

Shtofman補充道，隨著人工智慧應用越來越廣泛，對即時處理和決策的需求也越來越大。這產生了邊緣運算的興起，其涉及將資料處理在更接近來源的位置，而不是將其發送到集中式資料中心。因此，需要在靠近邊緣的地方建造更多的資料中心來支持這一趨勢。

人工智慧驅動的運算能力需求

仲量聯行技術董事總經理Andy Cvengros指出，隨著人工智慧的能力與日常技術功能相結合，預計消費者層面的人工智能將出現爆炸性成長。 「隨著使用變得越來越普遍，這將導致對資料中心運算能力的巨大需求，」Cvengros表示：「運行和訓練這些模型需要大量的運算能力和大量資源，這限制了能夠取得突破的企業數量。」

人工智慧所需的伺服器電腦密度也會產生大量熱量，為了解決這個問題，液體冷卻方面的創新正在發展。為了滿足這種成長需求，雲端運算企業正在積極尋找開發項目，以在短短幾年內獲得數百兆瓦的電力支援。

根據Cvengros所說：「主要資料中心市場的可用電力容量已經用盡，二級和三級市場可以藉此機會展開擴充。」。 」

Cvengros指出，主要的雲端運算企業正在採取自建和租賃資料中心模式。超大規模雲端用戶和主機託管供應商都在爭先恐後地尋找幾乎所有市場中的高效能陸地站點，以支持這些龐大的容量需求。

十年前，需要10兆瓦的資料中心被視為相當大的規模，但到了2023年，公佈建造超過100兆瓦的資料中心已經不算罕見了。Cvengros表示：「當超大規模企業由於土地、電力或供應鏈的限製而無法在特定市場建設數據中心時，他們可能會從託管服務提供商那裡租用整個數據中心，這使得需求較小的企業很難找到足夠的空間。 」

雲端服務供應商、資料中心營運商等主要利害關係人

Shtofman表示，確保資料中心隨著人工智慧運算產生的需求而成長的主要利害關係人是數據中心營運商、雲端服務供應商、硬體製造商、政府和監管機構，以及資料科學家和人工智慧研究人員。

資料中心營運商負責管理和維護供應方資料中心的實體基礎設施。供應商的人工智慧應用可受雲端服務供應商按需提供的運算資源和基礎設施所支援。為滿足人工智慧運算產生的需求，包括運算能力、儲存和網路能力，他們必須確保擁有足夠的能力。

同時，硬體製造商負責在供給側設計和生產人工智慧運算所需的專用硬件，例如圖形處理單元(GPU)和張量處理單元(TPU)。

Shtofman表示：「他們必須確保這些專用組件的供應充足，以支援不斷增長的需求。鑑於最近全球供應鏈出現問題，這是一個更高的風險。 」

Cvengros表示贊同，由於大流行期間的供應鏈挑戰和地緣政治緊張局勢，建設和運營數據中心所需的組件已被推遲。這推遲了施工時間表，但由於需求依然強勁，用戶已轉向預租。

預計到2023年底或2024年新供應的大部分空置管道都是預先租賃的。

在Cvengros看來，在滿足安全需求之前保持大量供應鏈庫存的供應商將在贏得超大規模業務的競爭中脫穎而出。

制定投資計畫

在擴建資料中心之前，對市場和人工智慧運算需求進行深入研究和分析是至關重要的，這是Shtofman所強調的。 「這將有助於證明投資符合市場需求，並且有明確的投資回報途徑。這個市場看起來似乎非常繁榮，涉及到多種運輸方式和角色類型，因此需要使用邊緣運算技術。」

建議制定綜合策略，並且經常更新，因為這個市場的變化速度比其他週期都要快得多。 「資料中心資產需要非常具體的基礎設施、設計和遵守當地法律。對於新手來說，與經驗豐富的合作夥伴合作是最佳的做法，而這種類型的建設並不適合他們。」

以上是AI時代資料中心面臨的挑戰與投資策略的詳細內容。更多資訊請關注PHP中文網其他相關文章！