Las tecnologías de inteligencia artificial (IA) y aprendizaje automático (ML) son una forma probada para que los operadores de centros de datos maximicen el tiempo de actividad, optimicen el uso de energía, detecten rápidamente los riesgos potenciales y se defiendan de los ciberataques. Por lo tanto, no es de extrañar que el 83 por ciento de las organizaciones hayan aumentado sus presupuestos de IA / ML año tras año, de acuerdo con las “ Tendencias empresariales 2021 en aprendizaje automático” de Alorithmia.
Por ejemplo, los principales hyperscalers han desarrollado una IA interna para respaldar casos de uso como la refrigeración. Pero los operadores más pequeños también pueden lograr los beneficios de AI / ML, aprovechando AI-as-a-Service en plataformas en la nube.
IA integrada
Los proveedores de centros de datos también facilitan constantemente a sus clientes comenzar a usar AI / ML al incorporar la tecnología en sus productos. Un ejemplo es el silicio especializado diseñado para realizar tareas matemáticas y computacionales complejas de una manera más eficiente. La mayoría de los casos de uso de IA en la actualidad son muy limitados, por lo que estos chips de IA se pueden entrenar para una tarea específica, como el reconocimiento de patrones, el procesamiento del lenguaje natural, la seguridad de la red, la robótica y la automatización.
La IA está madurando, lo que significa que sus capacidades están creciendo al mismo tiempo que desciende por la curva de costos. Esas dos tendencias permitirán a los proveedores de centros de datos integrar AI / ML en más de sus productos. Por ejemplo, RISC-V y otras tecnologías de código abierto están reduciendo las barreras de los “bloques de construcción” especialmente diseñados que pueden centrarse en la eficiencia, el rendimiento y la escalabilidad como nunca antes. Eso, a su vez, impulsará aún más la adopción y los casos de uso, incluso entre los operadores de centros de datos más pequeños que actualmente consideran que AI / ML es demasiado costoso para implementarlo ampliamente o en absoluto.
Además, AI / ML se puede aplicar al equipo mecánico y eléctrico del centro de datos para permitir información procesable y automatización, ahorrando dinero para el operador. Esto requiere la integración de enfoques tradicionales de modelado basados en la física con técnicas de aprendizaje automático de vanguardia que utilizan datos de sensores de Internet de las cosas (IoT). El ML y el modelado basado en la física tienen sus puntos fuertes. Combinarlos aprovecha lo mejor de ambos mundos para resolver problemas complejos del centro de datos que involucran equipos mecánicos y eléctricos.
Con 5G y los casos de uso relacionados de la industria 4.0, hay un fuerte aumento en la demanda de acceso "en cualquier lugar y en cualquier momento" a aplicaciones y servicios como vehículos autónomos, ciudades inteligentes, fabricación avanzada, juegos AR / VR, etc. La latencia ya no es tolerable. Como resultado, los centros de datos de Edge están ocupando un lugar central, al igual que las capacidades de computación de borde de acceso múltiple (MEC). Con hardware compacto, económico y potente en los centros de datos periféricos, ahora es posible ejecutar cargas de trabajo de AI / ML cerca del usuario donde se generan los datos y obtener conocimientos y experiencias en tiempo real, entregados por aplicaciones altamente receptivas y sensibles al contexto.
Utilice AI / ML para nuevas construcciones y modernizaciones
Los operadores deben hacer de AI / ML una parte clave de su proceso de planificación y construcción, como con las herramientas de modelado de información de edificios (BIM) y simulación de desempeño de edificios (BPS). Este consejo se aplica a proyectos de modernización, como habilitar el mantenimiento predictivo en una instalación existente. Para asegurar una actualización exitosa:
- Desarrollar una estrategia de reacondicionamiento
Identificar los objetivos comerciales del reacondicionamiento, incluidas las máquinas de la base instalada que se “pondrán en línea” y las posibles ventas de servicios digitales y costos asociados.
- Desarrollar una estrategia de datos
Para las empresas que trabajan en un entorno de fabricación heredado, una preocupación importante es la falta de visibilidad de las operaciones en tiempo real. Acceder a los datos en los sistemas heredados es un desafío. Incluso si un sistema heredado puede generar datos, los informes suelen llegar días o semanas después, a veces demasiado tarde para solucionar un problema.
- Elija el conjunto adecuado de soluciones de hardware y software
Estas deberían facilitar la conexión de activos independientemente de su tipo, marca, antigüedad, protocolo o estándar de comunicación.
- Ponga la seguridad a la vanguardia
Asegúrese de que la solución de modernización utilice enfoques de cifrado y desarrollo, como seguridad por diseño y procedimientos de entorno de ejecución confiable (TEE).
Aprovecha los gemelos digitales
También vale la pena considerar los gemelos digitales con el diseño y la administración del centro de datos, de modo que la réplica virtual 3D pueda simular su comportamiento físico en cualquier escenario operativo. Abarca todo el ecosistema del centro de datos, incluidas las representaciones virtuales de los componentes básicos de la instalación: los componentes del sistema de energía, refrigeración y TI de todos los principales fabricantes de equipos originales (OEM).
El gemelo digital reúne a todas las partes interesadas para diseñar estrategias y tomar el control del rendimiento y el impacto comercial de las operaciones en su centro de datos. El gemelo digital proporciona una visibilidad empoderadora para reducir el riesgo operativo, eliminar los cuellos de botella del proceso y permitir el análisis de "qué pasaría si", todo en un sistema.
En lugar de utilizar un modelo basado exclusivamente en datos, los gemelos digitales del centro de datos también se basan en la física, con la capacidad de simular el rendimiento de una nueva configuración. Un gemelo digital basado en la física consiste en una representación en 3D completa del espacio del centro de datos, la arquitectura, los sistemas mecánicos y de ingeniería, la refrigeración, la conectividad de energía y la capacidad de carga del piso elevado. Esto permite a los operadores predecir, visualizar y cuantificar el impacto de cualquier cambio en el centro de datos antes de la implementación, lo que les permite tomar decisiones con confianza.
El gemelo digital integrado con IA puede ayudar a los equipos de tecnología a hacer frente a la creciente complejidad de los entornos de centros de datos modernos. A pesar de que los centros de datos son los centros de rendimiento críticos detrás del mundo digital, las operaciones aún requieren mucho trabajo manual y un profundo conocimiento especializado para mantener las cosas en funcionamiento.
La conclusión es que los operadores de centros de datos tienen una amplia variedad de opciones para aprovechar AI / ML, y hay más en camino a medida que la tecnología se vuelve más barata y aún más sofisticada. Hay un futuro brillante por delante.