資料中心的AI祕笈：數億美元電費是怎麼省出來的？

　　東數西算，讓資料中心成為行業關注的焦點。

　　本質上，這是雙碳背景下的能源供需再分配，發揮西部可再生能源的優勢。而當下，國內資料中心在綠電供能未完全放開的情況下，資料中心的節能減排、降本增效，仍然在眼下被放置於首位。

　　PUE（Power Usage Effectiveness），即電源使用效率，是一項衡量資料中心運營、管理水平的關鍵指標，也是資料中心綠色、節能、環保程度的代名詞。

　　圍繞“碳中和”的時代命題下，這一名詞更是被行業觀察家們頻繁提及。

　　根據國際正常執行時間協會2014年的資料中心調查，全球大型資料中心PUE的合理值界於1.6-2.0之間，PUE平均值為1.7。而國內資料中心同期PUE為 2.5-3.0，IDC行業整體處於粗放式的發展階段。

　　一直以來，歐美國家的資料中心行走在綠色節碳的最前沿。全球資料中心節能領域的佼佼者——Google，在2016年為已經很節能高效的15座資料中心，節省了40%以上的冷卻耗能，約佔資料中心用電總成本的15%，PUE降低至1.12。

　　過去6年，Google資料中心被外界津津樂道，也成為IDC行業用智慧技術“武裝”自己的學習範本。基於此，本文著重討論如下問題：

　　1.Google實現綠色低碳的祕笈究竟是什麼？

　　2.國內資料中心節能減排的切入點和主要路徑是什麼？

　　3.國內領先的資料中心有哪些具體實踐和成果？

　　4.資料中心未來會朝怎樣的方向發展？

　　能效比行業高1/3

　　2014年，Google消耗了440.3萬兆瓦時的電力，相當於36.7萬戶美國家庭全年的總用電量。對於Google來說，即便是節省幾個百分點的耗電量，都意味著巨大的經濟效益。

　　其中，資料中心的用電耗能所佔比重很大。無論是Google覆蓋全球的網路服務還是手機應用，都需要資料中心來提供支援。

　　根據美國能源資訊管理局的資料，美國商業用電價格通常為25美元/兆瓦時到40美元/兆瓦時。資料中心用電如果能減少10%，就能幫助Google節省數億美元的支出。

　　然而，每個資料中心的體系結構和環境都很獨特，這個高度複雜的動態環境牽扯大量的引數，傳統的公式工程學和人工手段很難優化。

　　此時，基於通用智慧框架的AI派上了用場，由Google資料中心部門和Deepmind來操刀。

　　這個專案萌生於2014年，起因是青年工程師Jim Gao在網上觀看史丹佛大學教授吳恩達的教學視訊後，受到的啟發。他認為用類神經網路可以提高Google資料中心的效率。他和團隊的想法也很簡單：再小的提升也有巨大的節能效果，對於減少碳排放，幫助抑制氣候變化能夠起到很大作用。

　　為期12個月的開發階段中，AI預測PUE的精準度被優化到了99.6%。為了讓模型準確預測資料中心的效率，演算法從數千個感測器中提取出資料中心冷卻系統的快照，輸入到深層神經網路；然後根據不同組合預測潛在行為對能源消耗的影響，幫助Google決定何時清理熱交換器，從而提高裝置冷卻效能。

　　Google每個資料中心都有各自的供電和冷卻設施，而且分佈在不同的氣候區。雖然季節性天氣變化也會影響PUE值，但對於谷歌遍佈世界各地的所有資料中心，都已成功地把PUE值保持到一個較低的水平，即使在溼熱的亞特蘭大夏季也不例外。

　　2018年前後，Google完成了這套AI系統的升級，不需要人工干預即可直接控制資料中心的製冷系統，而且可以被資料中心的操作專家有效監控。同時，這套基於雲端的AI控制系統已經為Google多家資料中心應用，節約了大量的能源。

　　Google全球資料中心副總裁Joe Kava在部落格中表示，在歐洲，Google資料中心的能耗通常比一般的資料中心低三分之一，但團隊仍然在努力使用更少的能源。例如把弗雷德里西亞資料中心打造成為丹麥最節能的資料中心之一，利用先進的機器學習技術確保每瓦電量都使用得當。

　　資料中心為什麼是“電老虎”

　　Google AI第一次聲名大噪，是在2016年的那場AI與真人的圍棋對決。在機器學習和演算法的神祕面紗被揭開後。中國對於AI技術的熱忱，以及可落地場景的探索，掀起了一股前所未有的熱潮。

　　中國IDC行業也深受啟蒙，開始研究如何利用AI技術為資料中心提高能效。Google利用AI演算法控制資料中心製冷系統的思路，在這個時期也被傳導至國內，加速中國大型資料中心走向節能減碳的陣營中。

　　市場也察覺到了一種變化：以前，產業界關心用於人工智慧的資料中心；後來，他們更在意用於資料中心的人工智慧。

　　這一趨勢發生在AI的黃金時期。大規模的伺服器串聯而成的計算系統支撐了海量的資料處理和運算，一座座資料中心拔地而起。資料中心機架數量由2016 年的 124 萬架上升至 2019 年的 227 萬架，四年間上漲 83.1%。

　　這些耗電量大，功率密度高達30－50kW，有些甚至已經升級為100kW的機架，對資料中心的能耗帶來了更大挑戰。

　　不過，傳統的大型數椐中心機房IT裝置僅佔用電耗能的46%，另有40%以上用在了泵、冷卻器和冷卻塔等大型工業製冷裝置上。為了維持機房恆定溫度，資料中心通常把進風溫度控制在20-25度。

　　根據PUE=資料中心總耗電/IT裝置耗電的計算公式，不難看出製冷環節是導致資料中心能耗飆升的主要元凶，也是PUE居高不下的原因。

　　如今，行業級的AI智慧解決方案，正以提高能源利用效率的方式，推進中國資料中心的建設和升級。

　　2019年，我國在用超大型、大型資料中心的平均PUE分別為1.63和1.54，規劃在建的資料中心，平均設計PUE在1.5左右。雖然行業專家坦承，我國資料中心的總體能耗仍與國際先進水平相差30%以上，且只有一小部分新建資料中心PUE可做到1.4以下，但這一差距正以肉眼可見的速度縮窄。

　　年度減排=種16萬棵樹

　　在國內，華為是第一家用AI幫助資料中心在冷卻環節做複雜決策的企業。

　　傳統的製冷系統管理雖然久經驗證，但高度依賴運維人員的經驗，IT團隊時常人手不足，或沒有足夠的資源來密切關注7*24小時的複雜流程，缺乏一定的靈活性和精確性。

　　Google資料中心的智慧路線，讓行業愈發看到AI既能夠勝任全天候的實時監控，又能在大量系統引數發生變化時，發揮及時應對的技術優勢。

　　廊坊雲資料中心是華為公有云的北方基地以及華北地區的資料樞紐，也是華為落地AI的首個專案。

　　出於節能減排和控制成本的考慮，華為廊坊雲資料中心在建設之初，就採用了行級精密空調、高效供配電，冷熱通道隔離等設計方案，還部署了間接蒸發式自然冷卻（IEC）系統，並利用外部冷源，降低製冷系統的電力消耗。

　　儘管設計方案在當時很超前，但如此複雜的體系，限制了資料中心的運維調整空間，系統給無法根據系統的實際用量做出精確的調整，只能在幾個固定模式之間來回切換。

　　而大資料與AI的結合，讓華為資料中心找到了演算法的最優解。廊坊雲資料中心率先成為了“試驗田”。

　　2018年5月，華為把iCooling能效優化技術方案部署在廊坊雲資料中心的1500個機架上，節省了8％的電力消耗，年平均PUE從1.42降低至1.26。算下來，每年可省下630多萬度電，減少超過300萬千克的二氧化碳排放，效果等同於種下了16萬棵樹。

　　這套系統的邏輯和上述Google的智慧解決方案類似：系統從700多個監控點、感測器中收集資料，然後對資料與系統PUE數值、能效之間的關聯度進行分析，識別出最重要的21種變數後，再對深度神經網路進行訓練，建立動態的PUE模型。

　　最終，這套PUE模型的預測準確性達到99.5％。有了它，華為邊緣AI推理平臺Atlas 200可在1分鐘內，從40萬中初始組合中找出最佳的製冷策略，準確性和速度遠超資深資料中心工程師的能力。

　　從自動化邁向智慧化

　　基於華為自建大型節能資料中心的能力，以及iCooling等軟體解決方案的技術優勢，華為開始扮演IDC服務商的角色，參與外部資料中心的建設。

　　例如2019年12月，中國移動寧夏資料中心（中衛）正式投產時，定位於超大規模、綠色節能的世界一流資料中心。根據官方披露的資料，在第一階段冬季自然冷卻的場景下，華為iCooling AI能效優化技術，幫助該資料中心的總能耗降低了3.2%，每年可節電40多萬度。

　　當AI學習能力得到進一步增強，資料中心負載提升和製冷方式的切換，其目標是完成每年節省600萬度電的任務，相當於減少約300萬千克的二氧化碳排放。

　　按照中國工信部的要求，2022年新建大型、超大型資料中心PUE必須達到1.4 以下。如何運用新技術、新架構降低能源損耗、實現資料中心的綠色發展，成為IDC行業的關注熱點。

　　以華為烏蘭察布雲資料中心為例，採用間接蒸發冷卻解決方案和iCooling能效優化技術，年均PUE降低至1.15。與傳統冷凍水解決方案相比，該資料中心每年可節省耗電量超過1600萬度，每年減少二氧化碳排放量約8140噸。

　　再比如，貴安華為雲資料中心在2021年9月投入使用時，對外宣佈的PUE是1.12，相當於大部分的電力資源都在資料中心中被利用起來，基本與Google資料中心的能耗持平。華為對此也給予了很高的評價，認為達到了業界領先水平。

　　這其中，AI和大資料分析技術起到了削峰平谷的作用,伺服器可根據業務功率變化實時調整製冷功率,提升能效和運維效率。滿負荷執行情況下，理論上每年可節省10.1億度電和81萬噸的碳排放。

　　同樣引入AI技術的，還有百度陽泉資料中心。其深度學習模型根據室外天氣溼度、溫度和負荷，自主判斷並切換製冷模式、預冷模式和節約模式這三種冷水機組執行模式。

　　此外，陽泉資料中心的AI智慧預警功能，可以根據負載預判裝置的執行情況，然後給出維護策略。單體資料中心的年均PUE最高可降至1.08，PUE明顯優於1.59的全球平均水平。

　　在資料中心自我進化的過程中，AI技術所能應用的範疇遠不止調整PUE、降低能耗。

　　陽泉資料中心已經從自動化向智慧化的方向發展。例如資料中心在2018年嘗試採用無紙化智慧巡檢，相關資料上傳到遠端電腦，專家系統通過分析現場執行資料，保障系統的穩定性。

　　隨著一系列AI技術在資料中心運營和管理中的作用越來越廣泛，大公司在智慧運維、風險管理、安全管理等方面，對AI給予了比較大的期許。

　　資料中心的日常運維，有50%的人力消耗在巡檢工作中。按照華為設計的資料中心AI無人巡檢方案，遠端抄表、影像識別、聲音識別等多種技術，可讓90%的人工巡檢內容轉變成自動化、遠端無人處理。

　　除此之外，華為基於自動駕駛技術的AI-Robot ，已經從影像/聲音/氣味識別、溫度雲圖、資產管理等維度，自主規劃路線，實時上報巡檢資訊，並生成巡檢報告。

　　如今，AI幫助資料中心開啟了節能減排的新時代，而無人智慧運維從“超前”變為“眼前”，既需要更多的成熟方案和技術攻堅，也取決於市場能否爆發新的需求。但無可否認，智慧化的底座在給IDC行業帶來從追趕到超越的更多信心。