趨勢1——可持續發展需要PUE?CUE?WUE三管齊下
數據中心作為“節碳”先行者需要更前瞻的管理?因為簡潔易操作,PUE(電能使用率)已經被選擇為數據中心能耗管控的抓手指標?WUE(水資源利用率)作為一個和PUE同樣簡潔易操作的重要指標, 其門檻的確定卻面臨較大爭議,部分人認為WUE應該根據不同技術區分對待?即對水冷設定一個寬松的指標,使其不必努力做出技術革新的情況下,也能繼續在數據中心占有一席之地?這可能是行業的慣性思維,這樣做的弊端在于非必要的復雜化WUE(讓WUE在橫向技術對比?縱向時間對比上都變得不穩定), 讓不同技術處于不公平的競爭環境,也與銳意進取的數據中心行業形象不符?
同時需要指出的是,現在市場上有足夠多的無水或少水的成熟制冷技術,在效果和成本上都可以和水冷競爭,同時水冷本身也需要不斷技術進化?畢竟水資源在未來會同今天的能源一樣,彌足珍貴?
在“低碳”背景下,人們期待CUE(碳使用率)能夠成為“降碳”抓手?雖然CUE的監測和評估涉及到較多變量,并且正在嘗試涵蓋PUE?WUE,預計管理起來會比PUE?WUE復雜得多,但令人欣慰的是我們看到現在有很多機構正在不斷努力完善?
趨勢2——全生命周期的碳足跡監管成為重要管理手段
數據中心作為“節碳”先行者不僅要關注自身的低碳運營,還需要在全鏈條上實現“節碳”?
碳足跡管理作為一種必要手段,要求行業上下游的碳排放管理要嚴絲合縫?供應商自身的低碳管理不到位,可能會影響數據中心的運營安全?并且,數據中心先行踐行碳足跡管理也可以更好的幫助自己的上下游企業實現綠色節碳,從而推動整個數據中心產業的可持續發展,促進實現ESG長遠目標?令人欣慰的是,我們已經看到不少領軍企業已經開始認真付諸行動?
趨勢3——應用和要求不同催生數據中心的群落化和多樣性
數據中心不僅要受PUE?CUE?WUE等硬性的共同的政策指標的約束,不同行業?不同用戶還會根據其業務特點和業務價值,對TCO?可用性/可靠性?性能等運營指標賦予不同的權重,并在規劃?設計?建設中實施?
比如金融行業會不妥協地把高可靠性?可用性放在首位;承載社交搜索類應用的數據中心會持續把低TCO放在最優先級;而大型仿真等需要海量型并行計算的應用,對信號時延非常苛刻,也會繼續強調其對數據中心高功率密度的要求?
這些客觀存在的差異化的需求會不斷推動數據中心向群落化?多樣化演進?包括公有云?私有云?混合云?行業云?Colo?Edge, 它們既相互競爭,也相互協作,以滿足客戶不斷變化的業務需求?
趨勢4——AI在數據中心建設運維中得到更廣泛的應用
在數據中心運維管理精益求精的趨勢下,AI與大數據深度融合,可應用于數據中心的優化控制?故障診斷和智能決策中?
其中,優化控制和故障檢測已成熟落地?
優化控制的成熟方案通常采用深度學習算法,該算法在大型數據中心已取得良好的效果,但在小型數據中心仍充滿挑戰,目前正在通過強化學習以期解決?
AI故障檢測目前主要在部件級,包括維諦在內的行業先行者正積極探索系統級應用的實現?智能決策也是一個讓人憧憬的目標,在真正實現它之前,我們還需要很多努力?
趨勢5——存量改造需要更具前瞻性和頂層設計
在“新基建”和“雙碳”的雙重背景下,未來數據中心建設呈現改造存量和拔高增量協同發展的局面?
目前我國的存量數據中心PUE平均水平在1.8左右,對其改造的要求是PUE小于1.5, 未來的衡量指標可能更嚴格,甚至包括CUE?現行改造思路主要有:
①更換成高效架構和設備以降低能耗;
②更換成高質量?長壽命?免維護的設備以降低運維的碳排放;
③智能化運營?
④除了產品本身的高效節能外,針對不同需求場景選擇最合適的方案是存量改造的核心?
趨勢6——向模塊化?預制化?智能化深度演進
在過去的幾年,行業專家們已經深刻認識到模塊化和預制化能夠大幅降低TCO,這種進步可以體現在設備預制?系統總成預制和建筑預制等不同層面上,比如天蝎機柜?巴拿馬供配電?智能PDU等?
現在需要更進一步思考的是融合的最佳顆粒度和融合范圍(供配電?制冷?智能化),并加入AI?數字孿生等技術,從而實現最優化TCO?縮短工期,并提高可用性?
趨勢7——數據中心為新能源發展貢獻新思路
數據中心的直接碳排放源主要是油機,油機在國內的數據中心通常只是作為備份電源,所以直接碳排放量比較有限?
據統計,中國數據中心用電量約占全社會用電量的2%左右,因此數據中心用電產生的間接碳排放目前受到廣泛關注?
數據中心作為數字化的標桿行業,渴望創新并被寄予厚望,在清潔能源應用(太陽能?風能?氫能?潮汐能)?能量回收再利用?綠證使用和結算?AI運維管理等各個方面,都充分展現出銳意進取的姿態?
數據中心將成為技術和商業模式創新的試驗田,為其他行業貢獻新思路?
本文來源：CTI論壇 版權歸原作者所有，轉載僅供學習交流，如有不適請聯系我們，謝謝。
標簽： 點擊： 評論: