AI数据中心：一个热门却难以定义的术语

"AI数据中心"这个术语在现代数据中心讨论中出现频率越来越高。考虑到现代AI技术对数据中心及其内部基础设施提出了全新要求，这并不令人意外。

然而，这个术语也可能显得空洞，因为AI数据中心与其他数据中心的具体区别仍不明确。在随意使用这一术语之前——或者假设AI工作负载需要与现有数据中心根本不同的设施之前——澄清这个术语的实际含义非常重要。

什么是AI数据中心？

"AI数据中心"的简短定义是专门为托管AI工作负载而设计的设施。

然而，这个定义并不特别令人满意，因为AI工作负载的需求可能差异很大。因此，没有独特的数据中心特征能够将面向AI的设施与"常规"数据中心区分开来。

此外，直到生成式AI随着2022年ChatGPT的推出而进入主流，很少有人谈论AI数据中心。正是从那时起，媒体开始将AI数据中心作为一种独特类型的数据中心进行讨论。在此之前，其他类型的AI工作负载——如预测和描述性分析——在传统数据中心中运行得很好，没有人建议AI需要根本性的新型数据中心。

与其建设专门的AI设施，一些组织可能发现调整现有数据中心基础设施以支持不断发展的AI工作负载更有价值。

AI数据中心的关键特征

尽管如此，可以合理地得出结论：现代AI工作负载确实受益于专门设计来满足其独特需求的数据中心。数据中心实现这一目标的具体方式可能有所不同，但面向AI的数据中心的常见特征可能包括：

更大的整体容量。可以说，这是AI数据中心最重要的定义特征：它只是更大——意思是它能提供更多的总功率输入并容纳更多数量的服务器——比大多数传统数据中心都要大。

提供配备GPU或其他硬件设备的服务器，这些设备可以加速某些AI任务，如AI模型训练和推理。

优化的网络设备，如DPU，可以帮助非常快速地处理流量——这是许多AI工作负载的另一个重要要求，特别是那些需要实时处理大量数据的工作负载。

高效的数据中心冷却系统，如浸入式冷却，在某些情况下对于散发AI工作负载产生的大量热量非常重要。

可能还包括专门的电力系统，如计量后能源解决方案，可以帮助满足AI工作负载的高能耗要求。

AI数据中心与传统数据中心：模糊的界限

试图基于上述特征定义AI数据中心的棘手之处在于，这些特征都不是AI数据中心独有的。

例如，超大规模数据中心——意思是在某些情况下能够容纳超过十万台服务器的超大型设施——在现代AI出现之前就已经存在。AI使大规模数据中心变得更加重要，因为AI工作负载需要庞大的基础设施，但这并不意味着在AI兴起之前没有人建设大型数据中心。

同样，长期以来在数据中心部署配备GPU的服务器就是可能的。AI只是增加了在某些用例中访问GPU的重要性。DPU也是如此，它们已经存在多年。

同样，先进的冷却系统和数据中心电力管理的创新方法并非生成式AI时代独有。它们也早于AI数据中心出现。

AI数据中心到底是什么？

可以说，AI数据中心最终更多地由其功能（托管AI工作负载）而非实现方式（使用与任何其他类型数据中心相同类型的IT基础设施、电力和冷却系统）来定义。

因此，在纠结于AI需要投资新一代数据中心这个想法之前，也许更健康的做法是思考如何利用现有数据中心来支持AI工作负载。这种观点将帮助行业避免过度投资专门为AI设计的新数据中心的风险——作为额外好处，它可能通过允许企业重新利用现有数据中心来满足AI需求而节省资金。

Q&A

Q1：AI数据中心与传统数据中心有什么本质区别？

A：实际上AI数据中心与传统数据中心在技术特征上没有本质区别。AI数据中心主要是由其功能（托管AI工作负载）而非技术实现方式来定义的，它们使用的IT基础设施、电力和冷却系统与其他类型数据中心基本相同。

Q2：为什么AI数据中心这个概念突然变得流行？

A：AI数据中心概念的流行主要始于2022年ChatGPT推出后生成式AI进入主流。在此之前，其他AI工作负载如预测和描述性分析在传统数据中心中运行良好，没有人认为AI需要根本性的新型数据中心。

Q3：企业是否需要专门建设AI数据中心？

A：不一定需要。与其建设专门的AI设施，企业可能发现调整现有数据中心基础设施更有价值。这种方法可以避免过度投资新建数据中心的风险，同时通过重新利用现有设施来节省成本。