人工智能：它變得比云更無處不在。AI 無所不在的本質并不局限于數據中心，也不存在于麻省理工學院 Python 程序員的頭腦中。它可以在我們當地的超市以在過道中漫游的自主機器人的形式出現，使用卷積神經網絡 （CNN） 嵌入機場安全攝像頭中，在亞馬遜的 Alexa 形式的壁爐上，甚至在后面我們的 Lucky 牛仔褲口袋，因為 Apple 的 Siri 虛擬助手會推薦 10 英里內的美味壽司。

它如此迅速地侵入了我們的生活，因為人工智能編程能夠從經驗或培訓中學習，并將這些知識應用到未來的場景中。換句話說，它可以執行類似人類的任務，同時隨著時間的推移適應不斷變化的環境。無論 AI 界面是什么——一個眼睛瞪得溜圓的超市機器人，還是一個悶熱的澳大利亞女性聲音為我們指明一個好酒吧——工作負載都需要在某種類型的基于 CPU 或 GPU 的系統上進行處理，例如 Nvidia 的 DGX。

因為有很多不同類型的人工智能，所以沒有一種最適合處理工作負載的硬件。正如英特爾的 Naveen Rao所說，“客戶發現沒有單一的‘最好’硬件來運行各種人工智能應用程序，因為沒有單一類型的人工智能。” 無論為 AI 應用程序選擇什么硬件，肯定有一個共同點：處理工作負載的每一個設備都需要有能力。

美元數據

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

當然，如果您的設施功率受限，您可以嘗試移動數據，但這可能需要比處理數據更多的能量，并且功耗始終與移動的數據量相關。簡而言之，與數據傳輸相關的成本很高。

例如，盡管有許多云提供商（AWS、Azure、Google 等）可供選擇，但許多公司都面臨著與復雜數據傳輸價格相關的隱性成本。解決這種困境的一個合理解決方案不是移動數據，而是在更接近起源點的地方處理數據——這又創造了對邊緣計算的另一個需求。

用小網絡解決大問題

邊緣計算有望成為另一個無處不在且備受期待的數據進步——5G——的支柱。5G 預期的 1 毫秒延遲時間需要許多分布式處理區域（也稱為邊緣網絡）的支持。基于邊緣的服務器需要更靠近個人流式傳輸 4K 視頻和最終 8K 格式，以及用于監控智能城市中行人和交通運動的攝像頭等應用程序——而這一切都不需要將其發送到云端。

此外，還需要邊緣網絡來支持自動駕駛汽車。這種優雅的新數據流掛毯的核心將是近實時的人工智能處理信息。

目前，所有人工智能應用程序都在基于硅的計算硬件上運行，無論是在智能手機中內置的定制芯片中、在邊緣計算服務器中部署的 FPGA 中，還是在專門構建的專注于人工智能的系統中，例如來自 Nvidia 的 DGX，可通過公共云訪問。

而且這些硬件都需要電源，無論是直流電（如電池）還是交流電（來自電網）。它還需要物理系統之間的連接，無論是通過銅線還是光纖數據連接。

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一樣。將 AI 與這種能量克星隔離并降低故障風險的解決方案是確保可靠的電力流。

具有每插座功率感應功能的交換式 PDU 將使邊緣數據中心能夠最大限度地延長所有需要近實時處理的以人工智能為中心的應用程序的正常運行時間。在這種環境下，選擇可靠的 PDU 來為交通控制信號和中繼站的 AI 工作負載供電非常重要，急救人員使用這些中繼站為救護車、消防和執法服務提供調度和緊急數字通信。

?

Server Technology 的交換式 PDU

鑒于這些關鍵任務環境，智慧城市需要智能電力設備來確保其 5G 服務暢通無阻。使用遠程監控和管理的數據中心 PDU 還可以幫助監控機柜內的溫度和環境條件。

回到數據中心和托管設施，人們正在將基于 CPU 的服務器換成 GPU 系統更強大的 AI 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 真的很方便需要 — 正在創建 30 kW 機架。

信息的家譜植根于進步的土壤

這一切都始于口頭收集信息的愿望。幫助做出決定的細節。直到 1846 年皇家伯爵府首次發明了電報印刷系統，信息才需要手搖曲柄形式的動力。從那時起，權力和信息就交織在一起了。

如今，位于橡樹嶺國家實驗室的世界上最強大的超級計算機 Summit 使用近 30，000 個強大的圖形處理器來運行深度學習算法，以幫助我們應對氣候變化——以每秒 10 億次操作的速度。我們真的處于一個新時代的黎明，人工智能將為我們的生活提供動力——但不是在我們為人工智能提供動力之前。選擇可擴展且可靠的電源對于確保 AI 兌現其崇高承諾至關重要。