最終，最干凈的數據中心不是由風能或太陽能供電的數據中心，而是一個無法建造的數據中心。雖然這聽起來具有諷刺意味，但通過提高效率和減少浪費可以很好地滿足這一目標。她指出，假設一個組織每個設施的吸血鬼負荷為25%，那么四個數據中心的部署很可能會減少到三個，而不會對運營產生任何影響。

現代互聯網數據中心比以往任何時候都消耗更多能量，VPS，隨著基因組研究、加密貨幣挖掘和高密度計算系統進入數據中心，每機架的千瓦消耗量上升到兩位數甚至三位數。

“你真正想要做的是將[使用AI]放到一邊，讓機器形成一個深入的學習視角來告訴你你不知道的事情。這就是突破的切入點。人類有太大的復雜性和數據，人類會犯錯誤，VPS，但算法不會。”

除了對現有設施進行可能昂貴的改造之外，卡斯還為尋求提高數據中心效率的組織提供了一個簡單的提示：通過搜索和退役當前沒有服務于活動要求的設備或服務器來擺脫吸血鬼或虛擬負載。

盡管如此，組織仍然意識到需要降低耗電量大的數據中心的能源需求。據卡斯稱，清潔能源和提高效率是當今用于解決數據中心能耗上升，降低成本以及減輕這些設施對環境影響的主要策略。

她向DCD解釋說，部分問題在于對可靠性和容量的傾斜關注:“如今大多數數據中心效率不高，因為它們是在一段時間前建立的。”她把這種情況比作是讓兩個烤面包機一直開著，以確保烤面包機永遠不會壞掉。“這就是維持高可靠性所付出的代價。”

吸血鬼負荷和機器學習

卡斯指出，使用零排放清潔能源對超大規模數據中心來說非常重要。她還表示，微軟正在進行機架級燃料電池的實驗，作為一種可以提高數據中心能效的方法，因為將能源更接近消耗能源的設備可以最大限度地減少損耗。

最干凈的數據中心

在其他地方，密集計算設備的興起也不是壞消息。卡斯表示，數據中心的密集化有助于降低現代數據中心的占地面積。冷卻空間較小，冷卻設施所需的能源較少。

她說，無論數據中心的年齡如何，數據中心內的人工智能(AI)和機器學習(ML)都將改變能源使用的面貌。ML和相關算法的使用將為組織提供所需的戰略見解，使他們能夠掌握來自其設施的大量數據并更有效地運行它們。

與此同時，卡斯對數據中心專業人員的建議是繼續學習。“我們不知道我們不知道的是什么。我們知道我們所知道的。有時我們可能沒有優先考慮正確的策略或以正確的方式解決問題，“她說，并且填補知識空白可能會產生重大影響。

不幸的是，大多數數據中心并非提供能源效率，模塊化數據中心和DCIM提供商BaseLayer的創新和可持續發展戰略負責人蘇珊娜·卡斯表示。她是一位在設計和建造數據中心方面擁有十多年經驗的行業資深人士，她指出，全球2%的電網目前已被計算機使用 - 并且未來幾年它將進一步增長。

這并不是說在推動節能數據中心方面不再需要數據中心專業人員。她表示，雖然算法擅長建模數據并提供富有洞察力的分析，但仍然需要人工操作員對這些區域做出最終決定。