人们通常从电影中了解一些似乎与现实相差甚远的概念，但这些概念却很快融入人们的日常生活中。1990年上映的一部由阿诺·施瓦辛格主演的电影中，一辆名为“Johnny Cab”的无人驾驶汽车让人印象深刻，可以将人们送到任何他们想去的地方。如今，大多数大型汽车公司都在投入巨资将这项技术带给大众。

　　回溯到1968年，人们通过HAL9000对人工智能(AI)有了一些了解，HAL9000是一部主题为太空漫游的电影中的一台有感知的计算机。HAL9000能够实施语音和面部识别、自然语言处理、唇读、艺术欣赏、解释情感行为、自动推理，甚至可以下棋。

　　而在过去几年，人们已经确定人工智能成为日常生活中不可或缺的一部分。例如可以采用智能手机查询旅行目的地的天气情况，虚拟助理可以播放人们喜欢的音乐，人们的社交媒体帐户将根据其个人喜好提供新闻更新和广告。

　　但是在这些背景中发生了更多的事情，人们并不了解有助于促进健康甚至拯救生命、语言翻译、新闻提要、面部识别、更加复杂疾病的准确诊断，以及加速药物开发等企业开发和部署人工智能的一些应用。根据调研机构Gartner公司的预测，到2022年，人工智能衍生的商业价值预计将达到3.9万亿美元。

　　那么人工智能技术如何对数据中心产生影响?早在2014年，谷歌公司就在其中一个数据中心设施中部署了Deepmind AI(使用机器学习和人工智能的应用程序)。其结果是，能够将数据中心用于冷却的能源减少40%，这相当于在考虑到电气损耗和其他非冷却效率之后，PUE值减少了15%，这也产生了该数据中心有史以来最低的PUE。基于这些显著的成本节省，谷歌公司希望在其他数据中心中部署该技术，并建议其他公司也这样做。

　　Facebook公司秉承的使命是“让人们有能力建立社区，让世界更紧密地联系在一起”，Facebook公司的应用机器学习白皮书从数据中心基础设施视角进行概述，它描述了支持全球范围内机器学习的硬件和软件基础设施。

　　为了让人们了解人工智能和机器学习需要多少计算能力，百度公司硅谷实验室的首席科学家Andrew Ng表示，培训百度的中文语音识别模型不仅需要4TB的训练数据，还需要20个计算机的exaflops计算量，也就是整个培训周期内需要200亿亿次数学运算。

　　但是对于数据中心基础设施呢?人工智能将如何影响企业希望构建、租赁或升级所有不同规模和类型的数据中心的设计和部署，以适应这种创新的、节约成本，甚至挽救生命的技术?

　　机器学习可以在一台机器上运行，但由于数据量惊人，通常在多台机器上运行，所有这些都相互关联，以确保在培训和数据处理阶段获得持续通信、更低的延迟，绝对不能中断的服务。人们对越来越多的数据的渴望推动了满足需求带宽量的指数增长。

　　这些带宽需要使用更加复杂的架构设计，并在多个数据中心设施内部和跨多个设施进行分布，其中需要采用脊柱和叶脊网络，而人们正在关注超级叶脊网络，为所有复杂的算法提供在不同设备之间流动数据的高速公路，并最终回到受体。

　　数据中心的技术部署选项

　　这就是光纤在确保人们上传图片或视频提供给全世界观看、分享和评论方面发挥关键作用的地方。光纤已经成为数据中心基础设施的事实上的传输媒介，这要归功于其高速和超高密度功能。随着人们向更高的网络速度迁移，还在混合部署中引入了全新的复杂性，也就是将采用哪种技术?

　　传统的三层网络使用核心、聚合和边缘交换来连接数据中心内的不同服务器，其中服务器间流量通过活跃设备在南北方向上相互通信。然而现在，人工智能和机器学习可以带来高计算要求和相互依赖性，更多的这些网络是使用两层脊柱和叶脊网络实现的，其中服务器由于超低延迟需求通过生产和培训网络而在东西方向上相互通信。

　　自从2010年IEEE推出40G和100G网络传输技术标准以来，已经出现了许多竞争性的专有解决方案，这些解决方案让那些不确定要遵循哪条路径的用户有些困惑，例如是否采用SR、多模、LR、单模等技术。40G和100G这两种技术都使用一对光纤在两个设备之间传输信号。无论人们使用哪种设备或在该设备中安装哪个收发器，这都是通过两根光纤进行的简单数据交易。

　　但是IEEE批准了40G以及更快的网络解决方案之后，其竞争对手之间改变了游戏规则。现在人们正在研究使用标准认可的或专有的、不可互操作的WDM技术的两种光纤，以及使用8芯光纤(4根传输、4根接收)的并行光学器件的标准认可，或多源协议(MSA)和工程技术接收)，或20芯光纤(10根传输，10根接收)。