今年的《政府工作报告》中，首次写入了“智能+”相关命题与讨论。这一国家政策方针，指明了智能技术必须与产业结合，进入生产核心领域，才能达成为现有经济体解放生产力，提高生产效率的目标。

　　而“+智能”的实现，也为各行各业和服务于全社会的ICT基础设施提出了新的挑战。当智能化浪潮袭来，各行各业都将提出对计算的新应用、新场景和新需求。而为了应对这些变量，其实还有大量棘手的问题需要解决。

　　其中最关键的问题，来自算力。

　　根据OpenAI统计，从2012年到2018年，全球对AI算力的需求提高了30万倍，而算力供给却远远不足。而在普遍的算力饥渴中，最急待升级的算力输出口，应该就是数据中心。

　　我们知道，在今天这个大数据时代，最主要的计算和存储都已经发生在了数据中心当中。数据中心就像整个计算世界的心脏，供给着所有计算相关的数据血液流动，驱动ICT产业正常运转。

　　如果说+智能是一套新的武功，那么能不能快速将其融会贯通，很大程度上将取决于习武者是否有一颗“大心脏”。否则刚练了没几下，心脏供血先不足了，那岂不是自讨没趣?

　　为了练就智能计算时代强大的“心肺功能”，需要解决哪些问题?

　　据了解，从成立以来就接连有大动作出手的华为智能计算业务部，接下来将把目标对准计算世界的中央：数据中心与架设其中的服务器。那么不妨借这个机会，让我们先来了解一下，数据中心这颗计算世界的心脏，在今天到底面临着哪些问题。

　　计算需求在提速，数据中心跟得上吗?

　　在云计算和互联网带来的通用计算时代，数据中心实质上也就是全球计算系统的中枢。

　　1978年，英特尔推出了8060中央处理器，同时发布了x86指令集架构。此后，这一指令集成为了通用计算时代的代表。而随着计算需求日益庞大，网络传输能力日益增强，计算产业开始进行更加集成化的计算处理模式。于是就产生了集中计算、集中存储的数据中心模式。而基于x86指令集的计算服务器，依旧是传统数据中心的主要构成体。

　　然而随着技术的不断进步，数据中心也开始承担越来越多的压力。比如说视频和图像任务开始越来越多，AI更是提出了完全不同的、基于多层神经网络的运算任务需求，这些计算任务仅仅使用通用CPU计算，其效率会越来越差。

　　而随着对AI等智能计算任务的需求量大幅提升，相关数据呈现爆炸趋势，各行业开始产生不同的计算与存储要求，这就让传统数据中心更加难以负载。

　　总体来说，这个问题有两种解决方案，一就是兴建更多大型数据中心，但这个显然不能作为绝对方案，二就是对现有数据中心，尤其是其使用的服务器进行智能化升级，让数据中心跟上智能时代的进化需求。

　　总体来说，数据中心的升级要解决两个宏观问题。

　　首先当然是针对视频图像、神经网络等新需求的算力提升，摆脱过度依赖CPU的历史。让算力供给充沛，把昂贵的算力成本降低，让算力适应新的计算需求。

　　其次，是对数据中心的运维管理进行升级。今天随着数据中心的处理数据越来越多，设备体系越来越复杂，已经陆续出现了“建得起，管不起”的现象，以至于人力根本无法承受数据中心运维任务的复杂程度加速。

　　此外，大型数据中心还在变成新型的“电老虎”，而其实饱和制冷模式要浪费大量的能源，这也是数据中心需要重新审视的问题。

　　由以上逻辑可以看出，数据中心的智能时代升级，主要需要解决两方面问题：内在的服务器迭代，以及运维场景的全局进化。

　　智能计算的新需求：服务器本身的升级空间

　　让我们先来看看第一个问题，数据中心服务器在今天要进行哪些升级进化?

　　AI的到来，事实上对计算提出了一个体系化的考验。比如说在自动驾驶场景中，训练计算需要处理视频和图像，这就需要对图像任务进行处理的针对性算力。然后还要拥有深度神经网络等AI算法的专项加速能力，确保训练效率可以达标。而在自动驾驶训练过程中，数据吞吐量是异常庞大的，网络需求和存储需求也都较互联网任务有着指数级提升。

　　一般来说，在智能计算的任务需求下，服务器被要求进行三个方面的能力进化。郑州妇科医院:http://jbk.39.net/yiyuanzaixian/sysdfkyy/郑州妇科医院哪家好:http://jbk.39.net/yiyuanzaixian/sysdfkyy/

　　1、性能更强，兼容性更好的异构计算能力，能够适应不同数据类型的大规模处理。

　　2、强大的网络处理能力，能够融合不同网络协议，确保低时延、大流量的网络传输。

　　3、数据吞吐能力进一步升级，对主流数据库有更好的性能加持。

　　服务器可以说是数据中心的核心，核心算力的进化才能确保智能进化准确完成。然而另一个角度看，数据中心本身也是一个不断复杂化的场景。数据中心的运维与节能，对于整个计算产业来说也是至关重要的。