В 2022 году искусственный интеллект (ИИ) перешел из нишевого сегмента в массовый, спровоцировав резкое увеличение спроса на услуги ЦОД как со стороны облачных провайдеров, так и со стороны крупных компаний, которые все активнее используют адаптивные системы на базе ИИ и машинного обучения. По данным IBM 35% предприятий уже начали использовать ту или иную форму ИИ, а 42% планируют внедрить ее в ближайшем будущем. Precedence Research, оценивает объем мирового рынка искусственного интеллекта в $454,12 млрд (по итогам в 2022г.) и прогнозирует, что к 2032 году он достигнет примерно $2 575,16 млрд, при этом совокупный годовой темп роста (CAGR) составит 19% с 2023 по 2032 год.
Дата-центры играют в этом процессе огромную роль, поскольку именно они обеспечивают вычислительные мощности, необходимые для обучения и развертывания ИИ-моделей.
Новая цифровая реальность предъявляет жесткие требования к ЦОД. Их эксплуатация становится все более сложной задачей в условиях быстро меняющегося технологического ландшафта: провайдерам необходимо обеспечивать бесперебойную работу дата-центра и его безопасность, эффективно управлять ресурсами и экономить электроэнергию.
«Конфигурации с высокой плотностью размещения являются необходимым условием для высокопроизводительных вычислений, связанных с работой Искусственного Интеллекта, а значит центры обработки данных должны быть спроектированы таким образом, чтобы выдерживать максимально высокий уровень рабочих нагрузок и при этом оставаться энергоэффективными и конкурентоспособными».
Сергей Вышемирский, технический директор IXcellerate
Что дает внедрение ИИ в дата-центре?
Применение алгоритмов машинного обучения и предикативной аналитики для анализа огромных объемов данных позволяет операторам ЦОД выявлять закономерности и принимать обоснованные решения для оптимального распределения ресурсов, управления рабочей нагрузкой и планирования производственных мощностей. Искусственный интеллект в центре обработки данных позволяет повлиять и сократить время возможного простоя, оптимизировать нагрузку на системы охлаждения, повысить отказоустойчивость и уровни безопасности.
Один из ведущих мировых ИТ-гигантов Microsoft использует искусственный интеллект для анализа данных и генерации предупреждений об угрозах безопасности при строительстве и эксплуатации ЦОД. Google применяет технологии ИИ для оптимизации своей системы охлаждения и прогнозирования мощности ветрогенераторов. Переход на ИИ-технологии уже позволил компании снизить коэффициент энергоэффективности (PUE) на 15%. С помощью алгоритмов ИИ и машинного обучения инженеры одной из соцсетей разрабатывают симуляции сложных ситуаций, чтобы оптимизировать энергопотребление, охлаждение и вентиляцию своих серверов. В Сбербанке накоплен огромный массив данных, на материале которых обучены модели искусственного интеллекта. Теперь эти модели сами адаптируются к внутренним изменениям и позволяют осуществлять быстрые проверки на наличие защищаемых данных.
Искусственный интеллект в IXcellerate
В дальнейших планах IXcellerate – изучить возможности ИИ для минимизации рисков человеческого фактора в процессе эксплуатации ЦОД, в том числе для прогнозирования нештатных ситуаций с учетом, например, погоды и/или событий в городской коммунальной сфере. Решение этой задачи предполагает разработку алгоритмов, которые будут сопоставлять несколько одновременных событий в системе мониторинга и строить прогнозные модели «через 10 минут», «через час», «через сутки», помогая дежурным операторам приоритезировать свои действия и ранжировать поступающие сигналы с учетом рисков даунтайма. В стратегической перспективе мы также рассматриваем возможность создание цифровых двойников ЦОД, которые будут работать в качестве симуляторов. Их задача − помогать оценивать и повышать уровень знаний сотрудников, отрабатывать действия разных служб и подрядчиков на штатные и не штатные события/запросы.
Преимуществ использования ИИ в дата-центре не ограничены какой-либо конкретной областью. Практически каждый из бизнес-процессов, связанных с проектированием, эксплуатацией и управлением ЦОД, можно усовершенствовать с помощью ИИ-технологий.
Искусственный интеллект в ЦОД: преимущества использования
Прогнозируемое техническое обслуживание
Алгоритмы ИИ могут эффективно анализировать данные с датчиков и систем мониторинга для обнаружения возможных отказов оборудования и принимать упреждающие меры по устранению проблем. Профилактическое техническое обслуживание повышает надежность инфраструктуры ЦОД и сводит к минимуму риск простоев и/или сбоев в работе.
Оптимизация энергопотребления
ИИ позволяет выявлять зоны потери энергии, контролировать загрузку серверов и повышать энергоэффективность дата-центра (PUE) за счет оптимизации систем охлаждения. Ровно наоборот: отсутствие такого рода решений может привести к перерасходам электроэнергии, а значит – к увеличению эксплуатационных расходов и негативному воздействию на окружающую среду.
Повышение безопасности
Несанкционированный доступ, сетевые вторжения и утечка данных — это лишь немногие из проблем, с которыми сталкиваются центры обработки данных. Анализируя структуру сетевого трафика, искусственный интеллект может выявлять угрозы безопасности, потенциальные нарушения и кибератаки. Кроме того, он предоставляет интеллектуальные механизмы контроля доступа и аутентификации для повышения физической безопасности ЦОД.
Оптимальное распределение ресурсов и поддержка масштабируемости
Дата-центры могут повысить производительность своих систем за счет разумного распределения рабочей нагрузки. Искусственный интеллект анализирует вычислительные мощности и пропускную способность сети и приспосабливается к ней, оптимизируя распределение ресурсов. Оптимизация производительности при изменении рабочей нагрузки помогает дата-центру быстро адаптироваться к меняющимся требованиям и сохранять гибкость.
Минимизация рисков человеческого фактора
Традиционно операторы ЦОД полагаются на ручные процессы при выполнении таких задач, как распределение ресурсов, планирование мощностей и техническое обслуживание. Человеческий фактор повышает риски ошибок и может привести к увеличению эксплуатационных расходов. Автоматизация ЦОД с помощью ИИ способствует уменьшению доли ручного труда, помогает повысить операционную эффективность и высвободить ресурсы для решения стратегических задач.
Планирование емкости и пропускной способности
Анализируя исторические данные и структуру рабочей нагрузки, алгоритмы ИИ могут точно спрогнозировать будущий спрос на операторов ЦОД, требования к инфраструктуре и необходимую емкость для обработки новых запросов. Такой подход помогает избегать возникновения узких мест в производительности и неоптимального расхода ресурсов.
Примеры решений на основе искусственного интеллекта для центров обработки данных
С течением времени в информационном контуре ЦОД накапливаются массивы данных по нагрузкам и инцидентам, параметрам внешней среды и регламентному обслуживанию. Эти данные — основа для подготовки базовых алгоритмов ИИ и построения прогнозных моделей или систем интеллектуального анализа. Системы на базе ИИ можно применять как для широкой автоматизации ЦОД, так и для автономного выполнения различных задач. Список основных инструментов на базе ИИ включает в себя:
Инструменты прогнозной аналитики
Прогнозируя структуру спроса, энергопотребление и отказы оборудования, алгоритмы машинного обучения помогают руководству ЦОД максимально эффективно распределять ресурсы.
Интеллектуальные системы охлаждения
ПО на базе ИИ может оптимизировать охлаждение и управление энергопотреблением в ЦОД путем анализа факторов окружающей среды, таких как температура и влажность. Эти решения позволяют регулировать параметры охлаждения и снижать энергопотребление, сохраняя идеальные температурные условия в машинном зале.
Автономные системы мониторинга и технического обслуживания
Системы мониторинга и технического обслуживания на базе ИИ контролируют инфраструктуру ЦОД и могут обнаруживать аномалии, прогнозировать сбои и инициировать профилактические меры по техническому обслуживанию.
Интеллектуальные платформы управления рабочей нагрузкой
Алгоритмы балансирования нагрузки на основе ИИ используют накопленные показатели производительности для динамического распределения ресурсов и обеспечения оптимальной производительности. ИИ позволяет устранять различные факторы риска быстрее, чем традиционные подходы.
Автоматизированное управление установкой и конфигурацией ресурсов
Программные решения на базе ИИ автоматизируют установку и конфигурирование ресурсов ЦОД. Эти системы могут создавать виртуальные машины, назначать хранилище и настраивать сетевые параметры на основе заранее определенных правил и политик. Это приводит к экономии времени и снижает вероятность ошибок.
Системы безопасности и обнаружения угроз
Алгоритмы машинного обучения используются для быстрого выявления и устранения проблем безопасности в режиме реального времени. Эти системы обеспечивают оповещение о потенциальных киберугрозах, повышая общую безопасность ЦОД.
Как создать программное решение для ЦОД с элементами искусственного интеллекта
Последовательность шагов:
- Определение целей и вариантов использования решений на основе ИИ (оптимизация распределения ресурсов, энергопотребления, повышение безопасности и т. д.).
- Сбор и подготовка эксплуатационных данных, показания датчиков и других исторических записей. Анализ данных на предмет совместимости с алгоритмами ИИ.
- Выбор алгоритмов ИИ и разработка моделей, которые соответствуют поставленным целям.
- Обучение и проверка модели. Формирование проверочных наборов для контроля точности и эффективности модели в соответствии с заданными KPIs.
- Внедрение решения.
- Поддержка и обновление для поддержки соответствия регулярно меняющимся операционным потребностям ЦОД.
Сколько стоит внедрение ИИ в дата-центры ?
Стоимость создания ИИ-решений для ЦОД может варьироваться от нескольких десятков до нескольких сотен тысяч долларов. Существует ряд факторов, влияющих на общий бюджет разработки, среди них:
- сложность решения,
- доступность и качество данных,
- опыт команды разработчиков,
- необходимость интеграции с существующими системами,
- требования к техническому обслуживанию,
- соответствие нормативным требованиям,
- сроки, необходимые для разработки и внедрения, и другие.
Перспективы ИИ в индустрии ЦОД
В своем всемирно известном бестселлере «Сверхдержавы искусственного интеллекта», Кай-Фу Ли, бывший президент Google China, высказывает мысль о том, что искусственный интеллект – это заключительный шаг человечества на пути к пониманию самого себя. Искусственный разум обыгрывает человека в шахматы и многие другие игры, управляет автомобилем и разгадывает сложные научные загадки, ранее не доступные человеческому разуму, тем самым стимулируя его к развитию и поиску идеального взаимодействия. В индустрии ЦОД происходит примерно то же самое.
Согласно опросу IDC, более 57% операторов ЦОД доверяют решениям на основе искусственного интеллекта. По данным Gartner, к 2025 году элементы ИИ и машинного обучения будут внедрены в половине всех центров обработки данных, что приведет к повышению их операционной эффективности на 30%, снизит затраты на техническое обслуживание и поможет достичь более высоких показателей производительности. При этом около трети ЦОД, в которых не используются ИИ, в ближайшие годы станут экономически и технически нецелесообразными.
«Будущее искусственного интеллекта и дата-центров неразрывно связано: они поддерживают взаимовыгодный симбиоз. ИИ нуждается в высоко мощных хранилищах и стимулирует индустрию ЦОД к поиску новых эффективных решений, а также предлагает собственные «услуги» для достижения поставленной цели».
Сергей Вышемирский, технический директор IXcellerate
Наша страна – не исключение, а качественный скачок в этой сфере будет возможен лишь в том случае, если удастся преодолеть основные сдерживающие факторы для продвижения ИИ в различные сферы экономики: отсутствие квалифицированных специалистов и недостаток инфраструктуры. Для этого необходимо вывести это направление на стратегический уровень в рамках государства, что позволит укрепить научную базу ИИ, привлечь «умы» и сформировать необходимый законодательный контекст.
