当人工智能在战略上的部署与人为监督相结合时，可以为下一代数据中心创造一系列新的效率。

无论是维护自己的内部数据中心还是完全依赖异地数据中心，企业的IT专业人员都需要确保他们的服务器能够应对各种新兴技术所带来的增长需求，这些技术有望在未来几年重塑企业的格局。那些未能将这些技术从云计算到大数据再到人工智能（AI）的革命性潜力融入数据中心基础设施的企业，可能很快就会发现自己远远落后于竞争对手。

实际上，调研机构Gartner公司预测，到2020年，超过30%未能充分准备人工智能的数据中心将无法在业务运营或经济上可行。鉴于这一严峻现实，企业和第三方供应商都有责任投资解决方案帮助他们充分利用这些尖端技术。

无论企业是在自己的数据中心设施中进行投资，还是与具有前瞻性思维的第三方供应商建立合作关系，它都需要尽快启动面向支持人工智能的数据中心基础设施。通过在仍有市场发展空间的情况下加入发展潮流，企业通过以下三种方式利用人工智能改善他们的数据中心日常运营。

1.利用预测分析优化工作负载分配

在过去，IT专业人员有责任优化所在公司服务器的性能，确保工作负载战略性地分布在其数据中心组合中。无论是在企业内部服务器基础设施还是非现场服务器基础设施上运行，这一过程对于最大限度地提高企业数字运营的有效性仍然至关重要。也就是说，由有限的人员和/或资源限制的IT团队可能难以全天候地严格监控工作负载分配。

幸运的是，人工智能可以提供帮助。通过采用预测分析驱动的管理工具，IT团队可以将其绝大部分工作负载分配给服务器。这些工具能够实时优化存储和计算负载平衡，使IT专业人员能够在更高和更低劳动密集级别上进行监督运营。

预测分析工具的优势不仅仅是自我管理。由于人工智能技术固有的自我改进特性，预测分析算法管理的服务器随着时间的推移变得更加高效。随着改进的算法处理更多数据，并更熟悉企业的工作流程，他们将在请求发出之前开始预测服务器需求。

2.机器学习算法以最佳方式处理事务

即使在处理一个中小型公司的计算需求时，数据中心也会消耗大量电力。虽然其中一些消耗直接来自服务器的计算和存储操作，但其中大部分来自数据中心的冷却功能。对于企业来说，保持服务器冷却以保证其正常运行十分重要，但在工业数据中心规模上，这种能源使用很快就会成为主要的财务负担。因此，任何可以帮助企业提高其数据中心冷却效率的工具或技术都带来了巨大的附加价值。

为了追求更好的数据中心能源效率，谷歌公司和DeepMind公司最近尝试使用人工智能来优化他们的冷却活动。Alphabet公司作为技术先驱者的想法是，人工智能驱动的推荐系统，即使是在广泛的数据中心网络上只做了微小的改进，也可以减少能耗，削减成本，并使数据中心设施更加环保可持续发展。

到目前为止，该项目取得了巨大的成功：DeepMind公司的机器学习算法在谷歌数据中心的应用，在不影响服务器性能的情况下，将用于冷却的能量减少了40%。

3.利用人工智能缓解人员短缺情况

在云计算的兴起以及随之而来的远程计算和存储资产的激增之前，数据中心是相对简单的系统，由少数合格的专业人员组成。然而，云计算领域（如SaaS、PaaS、IaaS等）的新产品和更复杂的产品的出现已经将典型的数据中心转变为适用于各种关键企业工作负载的高科技信息中心。随着这些产品进入越来越多的数据中心，对拥有必要技能集来管理它们的IT专业人员的需求激增。

不幸的是，这些职位的合格候选人数量仍然有限。因此，数据中心管理团队正面临人员严重短缺的情况，这可能有朝一日会威胁到企业充分维护其数字资产的能力。为了满足对数据中心日益增长的需求，企业利益相关者现在必须做出选择，或者为竭尽全力招募有限的人才，或者投资于解决方案，使数据中心在没有广泛人为监督的情况下蓬勃发展。

值得庆幸的是，人工智能技术提供了一种解决方案，可以在没有实现完全自动化IT管理的情况下，帮助实现一系列服务器功能。人工智能平台可以自动执行系统更新、安全补丁和文件备份等常规任务，同时将更细微、定性的任务留给IT人员。在没有处理每个用户请求或事件警报的负担的情况下，IT专业人员可以承担以前需要他们重点关注的任务的监督角色，从而使他们有更多时间专注于更大的管理挑战。

对于个别企业和第三方数据中心供应商而言，这种基于合作伙伴关系的方法在自动化和长期人员不足之间提供了一个媒介。在五年或十年的时间里，这种混合管理模式很可能成为整个数据中心行业的常态。机器并不会取代人类工作者，至少不会很快取代，但它们可以帮助不堪重负的IT团队做一切需要做的事情，以保持数据中心的平稳运行。