【IDCC2020】圆桌论坛：AI定义IDC

在这里，刚才万国的兄弟谈到了应用了智能巡检，智能客服，有孚是什么情况呢，我在负责的华北区机房，我们整体设计是6600机架，单体在海淀区应该是最大的，国家A级机房，很多金融客户，城市核心都设在了这里。我们的运维人员目前只有40个，为什么能做到呢？如果按照传统的流程或者专业知识来做工作的话，我们粗略估计需要100多人，我们部署了60万个不同的监测感应电，所有监测感应点这些信息、数据定期上传整体智能运维监测平台，我的办公室边上就是ECC，我经常听见ECC各种各样的声音，闪光，各种各样的提示，很多运维小伙子都是年轻人，刚毕业一两年，助手ECC的这帮兄弟们，其实他们的工作很清闲，更多的是用了智能化的手段。

刚才商汤科技的杨总分享得非常精彩，我们和商汤几年前就开始联合，在整个智能IDC的架构下，包括它的业务怎么梳理，资产怎么管控，做了很多探索性的工作，从上海到北京，到深圳，这个工作也一直持续着在进行。

几年前，有孚网络联合腾讯，腾讯有一个很好的产品叫腾讯智维，经过8年多的研发，上千次的迭代，在国际上很多节点，大概有80多家节点，做了不断的消烟囱的工作，这个系统有孚和腾讯一起联合着进行了适应客户的研发，并且我们把它作为一个不光是自用的产品，推到了客户，很多****，包括股份****，还有一些城商行，他们都开始使用这样一套智能化的运维系统，效率极大的提升。

我们也希望今后能够和更多的业界同仁，不光是人工智能领域的，金融科技领域的，大数据挖掘领域的，我们提供更多的场景，随着有孚本身数据中心布局的加速，我们会有更多的实验场景，会有更多的商用场景，来一起推动整个人工智能在自动化运维领域的实践和应用，谢谢。

胡宝群：这几年比较鼓励建超大型数据中心，随着需求的增加，我相信运维的需求也会增加。刚才提到了这方面的人才相对来说比较少，一二线城市都比较少，更不用谈三四线或者比较偏远的内蒙。超大型数据中心又会在比较偏远的地方建设，这类人才培养，如果我们用智能化解决的话，其实整个人才培养梯队相对来说就比较容易，我只需要人员辅助管理不管是机器人还是智能化的设备，相当于整体的运维配套体系就很容易建设起来，我不需要从零到一的人才梯队培养。

而超大型数据中心一旦建设的话，我相信整体成本也非常重要，怎么样在超大型数据中心里提高我们的效率，怎么能提高用户的响应时间和整体的运维成本的降低，对智能数据中心的诉求很多，但是挑战也蛮大的。现在AI的成本还是蛮高的，面临的挑战就是AI未来的成本要低于现在人力成本的情况下，我相信才真正是一个智能数据中心的起点。

下来有很多数据中心已经开始试用，没有真正完全的替代人，未来数据中心也不会完全替代人，只是提效的工具，辅助我们做好运维，帮助我们降本增效的工具。

孙彬：人工智能的团队一直都在致力于干一件事，就是用技术跟伙伴或者客户的场景结合，想办法用技术解决这类问题，提高效率，降低成本，这是我们的使命。在过去我们的历程中，有几个场景我觉得可以服务到各位。第一个是做人工智能的时候我们一直在构建知识的平台，就是建立知识图谱，建立自动化构建知识库的能力。随着我们对大量的巨型数据中心，海量设备，物联数据上升之后，对数据的查询、比较、分析，其实完全可以用到人工智能相关技术的。

举个简单的例子，目前如果我们将所有的联网设备，弱电、强电、空调设施，这些历史数据全都存在这边，我们可以进行分析，并且进行知识图谱的构建，进行比较查询。就像您刚才说的，可以在办公室里任何时候对比，我要查询一下什么时候能源消耗的对比，或者我们带宽的变化情况，换句话说人工智能在人机对话里面进行搜索比对，查询，这其实是可以提高很大效率的。

原来在数据中心管理中会出报表，不管是运营人员还是各个老总都会看，但是如果想新加一些想法，看一些趋势的时候，往往还要再定制。这些东西其实可以交给人工智能的机器人完成，在知识图谱构建完毕，大数据构建完毕之后，完全可以按照你的需要环比、同比、趋势对比，这样可以帮助我们重点发现，这是我想提到的可以助力的地方。

另外一点是分析，人工智能最好的方式是进行数据分析，我们有这么大量的工作，人工智能还在做多一步就是预测性的故障分析。数据中心的故障，进行建模之后，推导在什么情况下设备故障会在这个区间发生，或者什么时候能发生，如果我们能提前巡检、环检、设备替换的话，可以降低故障发生率，当然这要跟产业的各个合作伙伴合作，用真实的数据实践来改变这件事情。

第三点还有及时通知的作用，7×24小时运作，相关工作人员都在各个地方，其实要通知到关键的人员也很重要。现在的人工智能可以提供7×24小时值班型的电话机器人或者语音机器人，可以在预设场景下建立电话通知、紧急通知，甚至可以进行定期巡检数据采集。除了我们主动的提交数据之外，也可以主动搜索拿回一些数据，避免因为人为疏忽漏填或者忘记上交造成的数据缺失，这样在我们的数据中心管理者身边，给每一位做一个小助手，这样也可以让我们的管理上一个台阶，让团队跨地区的时候，人工智能在通知、协同、数据采集方面，也有它的应用场景，抛砖引玉，就先说这几点，希望我们一起来探讨。

曹峰：感谢孙总，感谢几位，这几个观点场景描绘我们看到很美好，另外很多应用其实也应用到实际的使用中了。但是其实大家畅想了一下目前的好处，我相信实际在部署或者在一些使用机器学习，在数据中心相关业务上肯定有一些问题或者阻碍。胡总也讲到了机器的成本问题，是很大的问题，除此之外，还有什么问题也请各位专家分享一下，相信这些问题都不是个性化的问题，希望能和技术界、产业界提供很好的参考，针对这些问题解决一些事情。

商彦强：挑战还是很大，因为我个人是网络传输的技术背景，我们比较钟情于在数据中心领域里网络性能。因为随着人工智能的应用，不管是从端还是到中心，这样大规模，大吞吐量的数据呈现，实际给网络带来的压力非常大。第一是传输，第二是安全，在我们数据中心本身来说，其实从疫情期间我们就上了整个一套系统，这套系统实际上更多的是防疫期间的使用，但是和我们原有员工的考勤，客户的接待，信息的处理，实际上多半年一直处于联调的过程，这个过程中就碰到了很多具体的问题。

（编辑：云计算网_泰州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!