AI 無處不在的性質(zhì)不僅限于數(shù)據(jù)中心，也不在 MIT Python 程序員的頭腦中。它可以在我們當?shù)氐某兄幸宰詫?dǎo)機器人的形式在過道中漫游，使用卷積神經(jīng)網(wǎng)絡(luò) (CNN) 和其他方式嵌入機場安全攝像頭。

無論 AI 接口是什么——一個眼睛粘糊糊的超市機器人，或者一個性感的澳大利亞女聲給我們指著一個好酒吧——工作負載需要在某種基于 CPU 或 GPU 的系統(tǒng)上處理，比如來自 Nvidia 的 DGX。

因為有這么多不同類型的 AI，所以沒有一種最適合的硬件來處理工作負載。正如英特爾的Naveen Rao所說，“客戶發(fā)現(xiàn)沒有單一的‘最佳’硬件來運行各種 AI 應(yīng)用程序，因為沒有單一類型的 AI?！?無論為 AI 應(yīng)用程序選擇哪種硬件，肯定有一個共同點：處理工作負載的每臺設(shè)備都需要有電源。

美元數(shù)據(jù)

對于 IT 經(jīng)理來說，人工智能對計算服務(wù)器所需的功率產(chǎn)生了相當大的影響。服務(wù)器機架的平均功耗通常為 7 kW；但是，AI 應(yīng)用程序每個機架可能使用超過 30 kW。增加千瓦是必需的，因為 AI 需要更高的處理器利用率，例如在 GPU 類型服務(wù)器上運行的應(yīng)用程序——它們每個芯片需要兩倍的功率。

當然，如果您的設(shè)施功率受限，您可以嘗試四處移動數(shù)據(jù)，但這可能需要比處理數(shù)據(jù)更多的能量，而且功率消耗始終與移動中的數(shù)據(jù)量有關(guān)。簡而言之，與數(shù)據(jù)傳輸相關(guān)的成本很高。

例如，盡管有許多云提供商（AWS、Azure、Google 等）可供選擇，但許多公司都面臨與復(fù)雜數(shù)據(jù)傳輸價格相關(guān)的隱藏成本。解決這一困境的一個可行的解決方案不是移動數(shù)據(jù)，而是在更接近起源點的地方處理它——這創(chuàng)造了對邊緣計算的另一種需求。

用小網(wǎng)絡(luò)解決大問題

邊緣計算有望成為另一個無處不在且備受期待的數(shù)據(jù)進步（稱為 5G）的支柱。5G 預(yù)期的 1 毫秒延遲時間需要許多分布式處理區(qū)域（也稱為邊緣網(wǎng)絡(luò)）的支持?；谶吘壍姆?wù)器需要更靠近個人流式傳輸 4K 視頻和最終 8K 格式的視頻，以及用于監(jiān)控智能城市中行人和交通活動的攝像頭等應(yīng)用程序——而這一切都無需將其發(fā)送到云端。

此外，還需要邊緣網(wǎng)絡(luò)來支持自動駕駛汽車。這種優(yōu)雅的新數(shù)據(jù)流掛毯的核心將是人工智能近乎實時地處理信息。

目前，所有 AI 應(yīng)用程序都運行在基于硅的計算硬件上，無論是在智能手機內(nèi)置的定制芯片中、在邊緣計算服務(wù)器內(nèi)部署的 FPGA 中，還是在專門構(gòu)建的以 AI 為重點的系統(tǒng)中，例如來自 Nvidia 的 DGX，可通過公共云訪問。

并且該硬件都需要電源，無論是直流電（如電池）還是交流電（來自電網(wǎng)）。它還需要物理系統(tǒng)之間的連接，無論是通過銅纜還是光纖數(shù)據(jù)連接。

斷電是AI的氪石

人工智能似乎對人類具有前所未有的價值。然而，當遇到斷電時，它會崩潰并停止運作——就像超人對氪石的反應(yīng)一樣。將 AI 與這種能量克星隔離并降低故障風(fēng)險的解決方案是確保可靠的功率流。

具有每插座功率感應(yīng)功能的開關(guān) PDU將使邊緣數(shù)據(jù)中心能夠最大限度地延長所有需要近實時處理的 AI 應(yīng)用程序的正常運行時間。在這種環(huán)境下，選擇可靠的 PDU 為交通控制信號和中繼站的 AI 工作負載供電非常重要，急救人員使用這些工作負載為救護車、消防和執(zhí)法服務(wù)提供調(diào)度和緊急數(shù)字通信。

鑒于這些關(guān)鍵任務(wù)的情況，智慧城市需要智能電源設(shè)備來確保其 5G 服務(wù)暢通無阻。使用遠程監(jiān)控和管理的數(shù)據(jù)中心 PDU還有助于監(jiān)控機柜內(nèi)的溫度和環(huán)境條件。

回到數(shù)據(jù)中心和主機托管設(shè)施，人們正在更換基于 CPU 的服務(wù)器以獲得更強大的 GPU 系統(tǒng)人工智能處理能力，當 C13 和 C19 插座的更大組合時，擁有可擴展的機架式 PDU真的會派上用場需要——正在創(chuàng)建 30 kW 機架的過程中。

審核編輯 黃昊宇