3、Vigilent位于加利福尼亞，域名購買 directadmin購買，該公司利用基于云的AI引擎，結合本地應用分析環境信息，并通過控制使制冷輸出動態匹配IT負載。
數據中心基礎設施管理軟件（DCIM）是這種趨勢不可缺少的組成部分，為數據中心監控、資產管理和容量規劃提供單一管理平臺和儀表盤數據分析。DCIM有助于簡化混合環境的復雜性、提高生產力、提升資源效率。DCIM基于配電抄表、閾值和告警來監控數據中心的健康狀態，并借助自動發現工具管理IT資產。一些DCIM甚至觸及服務器和端口級別，或通過預測場景分析來規劃和預測容量。然而，目前DCIM面臨的挑戰包括整合場外資產，以及應對伴隨著IP關聯設備而來的網絡安全攻擊問題。
DCIM通過搜集用于趨勢研究和使用分析的實時數據支持所有這些功能。被動DCIM通過告警或性能變化改善基本監控，而主動DCIM融入其他系統，提高效率、降低風險、增強靈活性。最終，DCIM用戶將尋求把數據并入商業功能中，如成本分析和商業規劃，助力驅動BEV決策。AI通過自發反應，在進行優化、提供洞見和更好預測方面發揮重要作用。通過提升可見性、響應性和效率,DCIM助力搭建出更多由軟件驅動的數據中心，而AI將進一步改善配置和容量規劃，最終實現自動化管理。
4、初創公司Litbit已為個體公司數據庫增添AI色彩，利用干預模型，通過聲音指紋檢測設備的健康狀態。
AI對數據中心的影響是什么？在其中扮演著怎樣的角色......
然而，行業一些有趣的例子某種程度上突出了數據中心的AI現狀。
隨著DCIM成為軟件驅動設施不可缺少的一部分，融入AI將助力實現優化并最終促成數據中心的自動化。
1、谷歌DeepMind展示了如何利用歷史感應器數據和神經網絡減少所需的制冷能源。在中國，華為也訓練了自己的深度神經網絡，協作調整空調和制冷機組控制，目的是獲得最佳PUE并減少附帶的能源成本。
通常，數據中心管理即服務（DMaaS）是當今AI支持下的DCIM起點。DMaaS基于云的遠程監控，匯總了歷史數據和匿名客戶數據進行大規模分析，而AI能夠用于異常檢測。DMaaS是數據中心資產的“第二雙眼睛”，其長期目標是整合能源管理、連通性、甚至商業成本。自然，數據越多越好，但這種方法的潛在缺陷在于安全和時延風險。
尤其，為了與價格下降的公有云進行競爭，企業設施必須高效且遵循不斷增加的數據主權條例。然而，與其完全替換傳統基礎設施，企業更有可能選擇從提升效率著手，尤其是考慮到利用IT資產、整合為更大型更集中設施以及世界部分地區需要擴容。自動化將成為IT變革的關鍵一環，軟件編排工具可以用來管理應用層，那么供電和制冷設施如何應對？歷史來看，域名購買 directadmin購買，數據中心依據設計來運行，怎樣讓數據中心更多由軟件驅動，動態匹配IT負載呢？
當前，時間敏感型的監控和告警將仍可能本地處理。由于當前運營商反感風險，供應商僅僅是提供一些建議。操作方面，仍然使用傳統工具進行管理，DCIM用于遷移或其他變更、事故管理和根因分析。將來，AI可助力打造無需過度配置的自愈數據中心。
廣義來看，據今年VotE《AI and Machine Learning:Adoption,Drivers and Stakeholders》調查顯示，半數企業已部署或一年內計劃部署AI。這類趨勢跨越所有行業，尤其是IT和通信領域。預測性維護是最常見的使用案例，此類常見應用直接適用于數據中心管理。
如今，關于未來技術發展的預言繞不開AI，我們不止一次被告知，AI將全面影響人類生活，從語音識別、智能購物到無人駕駛，AI正在快速影響人類的衣食住行。各行各業也充分抓住AI帶來的發展機遇，掀起了AI革命。這場AI革命風暴同樣也發生在數據中心領域。
DCIM定義
混合引領，革新并進
2、事實上，華為已測試并部署了iManager，一種由AI驅動的IT資產管理和容量規劃產品。
特定應用要求適用于全棧，延伸至發電和制冷。用于離散系統的無線傳感器曾為常態，如今該行業已轉向實時告警系統。下一步是3D可視化，延伸至支架或端口，融入到工作流程管理，包括容量租用和云實例（至少是數據提供者允許客戶看到的）。AI也有助于整套控制的優化和預測。如今，已有軟件工具支持云編排，IT服務管理和虛擬機管理。AI助力綁定物理層的應用，可將DCIM數據轉換為行動知識。
放眼世界，數據中心產業正在經歷巨大轉型，一些技術和商業趨勢重塑工作負載的部署與管理方式。這些新情況對數據中心的供電、制冷和恢復都產生了影響，傳統企業IT部門必須努力改進，嘗試滿足超大規模云服務商交付的效率。據今年451研究所VotE《數字脈搏：工作負載與關鍵項目數據》顯示，58%的企業正轉向混合架構，這種趨勢給IT部門革新帶來巨大壓力。
