新的一年，突如其來的疫情對每個人的工作和生活都產(chǎn)生了巨大的影響，也對各行各業(yè)都帶來了不可估量的沖擊與挑戰(zhàn)。每一年，作為數(shù)據(jù)中心、行業(yè)關(guān)鍵應(yīng)用領(lǐng)域基礎(chǔ)設(shè)施建設(shè)和服務(wù)的全球領(lǐng)導(dǎo)者，施耐德電氣都會基于深刻的行業(yè)洞察和實踐發(fā)布《看得見的未來—數(shù)據(jù)中心市場的新趨勢與新突破》，以揭示新一年數(shù)據(jù)中心行業(yè)會發(fā)生哪些變化？有哪些趨勢會影響數(shù)據(jù)中心行業(yè)未來的發(fā)展方向？

2020年，國家將進一步推進數(shù)字經(jīng)濟發(fā)展，并大力提倡要加快5G網(wǎng)絡(luò)、數(shù)據(jù)中心等數(shù)字化基礎(chǔ)設(shè)施的建設(shè)進度。盡管當(dāng)下我們依然面臨著諸多挑戰(zhàn)，但疫情之下的復(fù)產(chǎn)復(fù)工已在穩(wěn)步展開，經(jīng)濟活力也在逐漸恢復(fù)，同時也看到疫情催生了一些新的變化、新的業(yè)態(tài)。

例如諸多企業(yè)開啟了如線上業(yè)務(wù)、遠程辦公等新模式，線上教學(xué)及培訓(xùn)也日趨火熱。如何保障線上業(yè)務(wù)正常運轉(zhuǎn)、企業(yè)員工安全接入、直播授課穩(wěn)定流暢……這些變化都無一不依賴著數(shù)據(jù)中心等行業(yè)的支持。

行業(yè)數(shù)字化轉(zhuǎn)型在加速，新技術(shù)的普及與應(yīng)用在推動，企業(yè)與社會也在反思如何才能通過綠色、低碳的發(fā)展來與自然和諧共生。這些都會對數(shù)據(jù)中心行業(yè)的發(fā)展帶來積極的促進，施耐德電氣認為2020年數(shù)據(jù)中心將迎來以下六大行業(yè)發(fā)展趨勢：

趨勢一：位于本地的邊緣云計算

多年以來，云計算一直是一個謎。在智能手機時代的驅(qū)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云計算數(shù)據(jù)中心。這些大型的數(shù)據(jù)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(qū)”。

這些“熱門地區(qū)”擁有包括低成本或可再生能源、IT勞動力、稅收激勵，以及氣候偏冷有利于“自然冷卻”等優(yōu)勢。除非我們幸運地生活在這些超大規(guī)模數(shù)據(jù)中心中的附近，否則很可能經(jīng)歷過微信搶紅包， Salesforce，Box等云服務(wù)的性能慢于預(yù)期。除此之外，如果我們已經(jīng)將關(guān)鍵業(yè)務(wù)遷移到云，但依然對這些應(yīng)用程序的性能或可用性不滿意，應(yīng)運而生的本地的 “云堆?！边@一新的解決方案也已經(jīng)被大家了解。

圍繞著將數(shù)據(jù)中心云擴展到“本地邊緣”，也就是將云服務(wù)業(yè)務(wù)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(guī)模數(shù)據(jù)中心的較小版本可以提高速度，降低成本，并允許企業(yè)將數(shù)據(jù)保存在本地，從而更好地控制這些信息。這個想法是允許企業(yè)在本地運行類似的IT基礎(chǔ)設(shè)施，以提高其混合云系統(tǒng)的一致性。最終目標(biāo)是使企業(yè)能夠在其現(xiàn)有系統(tǒng)和云系統(tǒng)中使用相同的工具、API、硬件和功能，以創(chuàng)建一致的混合云用戶體驗。

從國際市場，我們可以看出這一趨勢，微軟推出的Azure堆棧雖然有一段時間了，但是仍然非常昂貴，因此，微軟將推出更具有性價比的Azure解決方案。亞馬遜的Outpost在2019年底也正式上線，谷歌的Anthos將緊隨其后。2020年將是驗證和現(xiàn)場測試的一年，但這將是一個正確的方向。

趨勢二：下一代電信技術(shù)（5G）和IT數(shù)據(jù)中心架構(gòu)的融合

隨著當(dāng)今的互聯(lián)社會和高帶寬技術(shù)——視頻、浸入式體驗（AR/VR）、觸覺等需求的快速發(fā)展，這就要求本地的數(shù)據(jù)架構(gòu)能夠?qū)崿F(xiàn)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（Mobile Edge Computing）數(shù)據(jù)中心，想象一下，在每個4G基站相同的區(qū)域量，需要部署大約四個新的MEC數(shù)據(jù)中心。這將是一個巨大的挑戰(zhàn)，首先如何證明投資回報率ROI的合理性，然后為這些移動數(shù)據(jù)中心尋找部署的空間（比如：建筑物的頂部，停車場，地下室）。在這些地方部署數(shù)據(jù)中心的成本并不便宜，而且如何實施安防措施也是值得商榷的。

與此同時，云提供商（亞馬遜、谷歌、微軟）也不斷在透露他們的意圖，即在本地部署云堆?！麄冎g的部署策略也非常相似。此外，對云計算的新的需求和驅(qū)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(shù)據(jù)中心將自然而然地成為云服務(wù)和移動服務(wù)可能的交匯點。

最后，5G本質(zhì)上是一種軟件設(shè)計的技術(shù)，并試圖在標(biāo)準(zhǔn)IT服務(wù)器上運行，因此，施耐德電氣認為我們很有可能看到移動數(shù)據(jù)中心提供本地云服務(wù)，以及運行5G的應(yīng)用。

趨勢三：邊緣計算消耗的能源成本可能是巨大的

施耐德電氣預(yù)測下一代的電信技術(shù)（5G）和本地邊緣云的發(fā)展將推動邊緣數(shù)據(jù)中心的大規(guī)模建設(shè)。如果我們使用5G所需的本地移動數(shù)據(jù)中心作為依據(jù)，可以計算對能源和碳排放的影響。就規(guī)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(shù)的這些基站都不是在考慮能源效率優(yōu)化的情況下設(shè)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(dāng)規(guī)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(shù)量。

以國內(nèi)某運營商5G建設(shè)的真實數(shù)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(shè)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(shè)計的話，假設(shè)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。

能源成本和控制碳排放將是電信公司未來必須考量的關(guān)鍵考慮。施耐德電氣預(yù)計，液冷和基于云的管理系統(tǒng)等標(biāo)準(zhǔn)化和創(chuàng)新解決方案將成為重點。

趨勢四：基于云的預(yù)測性數(shù)據(jù)中心管理日漸成熟

從十年前開始，我們看到當(dāng)時很多關(guān)于數(shù)據(jù)中心基礎(chǔ)設(shè)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(jiān)測所有設(shè)備等等。當(dāng)時的分析機構(gòu)也做出了大膽的預(yù)測，到2017年，DCIM的市場規(guī)模將達到31.4億美金，到2020年，將高達75億美金。但是，之后我們看到的更多的是相關(guān)挑戰(zhàn)和困難的討論。

不出所料，我們也看到它并沒有達到市場的預(yù)期，新的預(yù)測是到2022年，有7億美金的市場規(guī)模，不到之前預(yù)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，施耐德電氣認為，過去幾年，隨著新一代的軟件開發(fā)開始采用基于云的架構(gòu)，模塊化的設(shè)計以及采用大數(shù)據(jù)分析和機器學(xué)習(xí)（Machine Learning）等人工智能技術(shù)為手段，可以實現(xiàn)邊成長邊部署，簡化了安裝和設(shè)置，能夠自動升級，采用APP和基于瀏覽器進行遠程管理，從而可以對IT基礎(chǔ)設(shè)施環(huán)境的關(guān)鍵數(shù)據(jù)進行采集、存儲、分析和云端可視化，以及采用記分卡的形式來預(yù)測數(shù)據(jù)中心故障，隨時隨地都可以關(guān)注數(shù)據(jù)中心的健康狀態(tài)，并指導(dǎo)運維人員進行預(yù)測性維護，未來將是以軟件即服務(wù)(SaaS)形式來提供這些功能。

這將成為傳統(tǒng)數(shù)據(jù)中心和站點眾多的邊緣數(shù)據(jù)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：用于人工智能學(xué)習(xí)的普適性計算機架

過去我們對人工智能（A I）的認知主要來自于科幻電影，比如終結(jié)者系列。人工智能主要被看成是機器人已經(jīng)進步到能夠自我學(xué)習(xí)。雖然我們離這一現(xiàn)實還比較遙遠，但是，我們已經(jīng)開始走上了這樣一條道路，我們希望計算機通過使用神經(jīng)網(wǎng)絡(luò)模型開始自己學(xué)習(xí)事物，該模型模仿人類大腦的工作方式。

比如，我們的醫(yī)療健康行業(yè)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(xiàn)用于推理的人工智能。

但是，用于人工智能或培訓(xùn)人工智能的計算機，必須使用強大的處理器（CPU和GPU），可以產(chǎn)生20千瓦，30千瓦，或高達50千瓦的熱量。這些熱量是低品質(zhì)的，在絕大多數(shù)情況下，不太可能使用現(xiàn)有的比較主流的冷卻方式進行冷卻。因此，施耐德電氣認為，2020年各種類型的數(shù)據(jù)中心——云、托管和企業(yè)級，都需要部署專門用于人工智能學(xué)習(xí)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，或按照機柜排或微模塊的方式進行擺放。當(dāng)然，目前來看需求的數(shù)量有限，隨著模型的不斷開發(fā)，平時這些機架將處于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(shù)據(jù)中心將規(guī)?；?/strong>