在过去几年，一座座数据中心拔地而起，大规模的服务器串联而成的计算系统支撑了海量的数据处理和运算。数据中心机架数量由2016年的124万架上升至2019年的227万架，四年间上涨了83.1%。
白条怎么套出来最靠谱AI如何如何帮你找到一个

这些数据中心耗电量大，功率密度高达30－50kW，有些甚至已经升级为100kW的机架，是名副其实的“电老虎”

然而，在“碳中和”的时代命题下，数据中心必须走向节能减排、降本增效。

无论是国家发展改革委等四部门印发的《全国一体化大数据中心协同创新体系算力枢纽实施方案》，还是工信部发布的《新型数据中心发展三年行动计划（2021-2023年）》，均对加强绿色数据中心建设、提升节能降耗水平提出要求，强调提高绿色技术产品应用、提升能源高效清洁利用水平和优化数据中心绿色管理能力的路径。

那么，绿色数据中心到底要如何实现？

AI提高能源利用率的范本

PUE（Power Usage Effectiveness），即电源使用效率，是一项衡量数据中心运营、管理水平的关键指标，也是数据中心绿色、节能、环保程度的代名词。

根据国际正常运行时间协会2014年的数据中心调查，全球大型数据中心PUE的合理值界于1.6-2.0之间，PUE平均值为1.7。而国内数据中心同期PUE为 2.5-3.0，IDC行业整体处于粗放式的发展阶段。

在传统大型数椐中心机房中，IT设备仅占用电耗能的46%，另有40%以上用在了泵、冷却器和冷却塔等大型工业制冷设备上。为了维持机房恒定温度，数据中心通常把进风温度控制在20-25度。

从【PUE=数据中心总耗电/IT设备耗电】的计算公式不难看出，制冷环节是导致数据中心能耗飙升的主要元凶，也是PUE居高不下的原因

如今，行业级的AI智能解决方案，正以提高能源利用效率的方式，推进数据中心的建设和升级。

作为数据中心节能领域的佼佼者——Google，基于AI为数据中心节省能耗，成为IDC行业用智能技术“武装”自己的学习范本。

2016年，Google为已经很节能高效的15座数据中心，节省了40%以上的冷却耗能，约占数据中心用电总成本的15%，PUE降低至1.12。

在这个过程中，基于通用智能框架的AI派上了用场，由Google数据中心部门和Deepmind来操刀，他们认为用类神经网络可以提高Google数据中心的效率。

为期12个月的开发阶段中，AI预测PUE的精准度被优化到了99.6%。为了让模型准确预测数据中心的效率，算法从数千个传感器中提取出数据中心冷却系统的快照，输入到深层神经网络；然后根据不同组合预测潜在行为对能源消耗的影响，帮助Google决定何时清理热交换器，从而提高设备冷却性能。

Google每个数据中心都有各自的供电和冷却设施，而且分布在不同的气候区。虽然季节性天气变化也会影响PUE值，但对于谷歌遍布世界各地的所有数据中心，都已成功地把PUE值保持到一个较低的水平，即使在湿热的亚特兰大夏季也不例外。

2018年前后，Google完成了这套AI系统的升级，不需要人工干预即可直接控制数据中心的制冷系统，而且可以被数据中心的操作专家有效监控。同时，这套基于云端的AI控制系统已经为Google多家数据中心应用，节约了大量的能源。