那么,人工智能将如何影响数据中心呢?早在2014年,谷歌就在他们的一个设施中部署了Deepmind的AI(使用机器学习,AI的一种应用)。结果呢?他们能够持续地达到减少40%在计算了电力损失和其他非冷却效率低下后,这相当于减少了15%的总PUE开销。它还产生了该站点有史以来最低的PUE。基于这些显著的节省,谷歌打算在他们的其他网站上部署这项技术,并建议其他公司也这样做。
Facebook的使命是“赋予人们建立社区的力量,让世界更紧密地联系在一起”,他们在白皮书中这样概述Facebook的应用机器学习:数据中心基础设施的视角.它描述了在全球范围内支持机器学习的硬件和软件基础设施。
为了让你了解AI和ML需要多大的计算能力,百度硅谷实验室的首席科学家Andrew Ng说,训练百度的一个中文语音识别模型不仅需要4tb的训练数据,还需要20exaflops的计算,或者说在整个训练周期中200亿亿个数学运算。
但是我们的数据中心基础设施呢?人工智能如何影响所有不同大小和形状的设施的设计和部署,我们正在寻求建造、租赁或翻新,以适应这种创新、节约成本和救生技术?
ML可以在单台机器上运行,但由于难以置信的大量数据吞吐量通常在多台机器上运行,所有的机器都相互连接,以确保在训练和数据处理阶段的持续通信,低延迟,绝对不会中断我们的指尖、屏幕或音频设备的服务。作为一个人类,我们对更多数据的渴望正推动着满足我们最简单的奇思妙想所需带宽的指数级增长。
这些带宽需要在多个设备内部或跨多个设备进行分配,使用更复杂的架构设计,而棘叶网络不再适用——我们正在讨论的是超棘和超叶网络,它们为所有复杂的算法计算提供高速公路,让它们在不同的设备之间流动,并最终返回到我们的接收器。