如今，人工智能、机器人、自动化、机器学习等新兴技术成为了数据中心领域发展的一些新趋势，也带来了许多争论，因为它们引发了投资者对数据中心领域现代化的新兴趣。调研机构JoãoMarquesLima公司在调查报告中预测了由新兴技术驱动的未来数据中心的五个未来面貌：
　　
　　（1）减少能源费用
　　
　　数据中心运营商如今面临的最大成本之一就是能源。
　　
　　根据英国高科技产业贸易协会(Intellect)的数据，一个超大规模的数据中心一年可能消耗30GWh的电力，其运营成本约为420万英镑。
　　
　　根据Queensway Par Data Centres的调查数据，在美国，数据中心能源消耗将从2013年的910亿千瓦时增长到2000亿千瓦时，每年的能源消耗成本达到200亿美元。
　　
　　相比之下，英国预计将继续成为欧洲最大的托管数据中心市场，每年的能源成本将达到70亿美元。其高昂的成本需要改进以遏制能源消耗的增长，并使数据中心设施更有效率。
　　
　　谷歌公司在数据中心领域最近的一个发展是使用DeepMindAI软件降低数据中心的能源费用。DeepMind AI内置的神经网络建立了谷歌数据中心的120个参数变量，并通过分析传感器数据来找出最佳的冷却方法。
　　
　　超大规模数据中心通过采用人工智能可以降低40％的用于冷却的电力成本，从而将总体PUE降低了15％。
　　
　　谷歌公司表示，该软件可应用于数据中心的其他部分以及其他工业系统运营商。
　　
　　（2）减少停机时间
　　
　　虽然能源成本对数据中心运营商来说是一件令人头疼的事情，但没有什么比停机时间更严重。
　　
　　根据波洛蒙研究所的调查，2016年每个数据中心停机事件的平均成本接近750,000美元。其停机的影响超出了运营商的主要业务。而那些数据中心中断时间超过10天的企业平均有9个企业申请破产。
　　
　　而数据中心停机的主要原因是人为错误、UPS故障和冷却设备故障。随着对数据中心的依赖性不断增加，修复停机时间的竞争加速，并成为数据中心管理人员的首要任务。
　　
　　人工智能最近被用来帮助减少数据中心停机的例子是HPE公司的AI推荐引擎，它协助企业管理他们的IT基础设施，其中包括应用程序，这是另一个增长的趋势。
　　
　　HPE InfoSight是一个预测性分析平台，为数据中心带来软件定义的智能，能够利用先进的机器学习预测和防止基础设施问题发生，从而为走向自治数据中心铺平道路。
　　
　　（3）改进冷却
　　
　　就像电力一样，冷却成本对大多数运营商而言都是一笔沉重的代价。
　　
　　根据ABB公司企业研究部首席科学家，行业领先的能源技术专家之一XiaojingZhang的研究，在给定的数据中心中，大约40%的电能被用来保持建筑物的冷却。就像在能源部分一样，人工智能在冷却方面的应用也是一种跨越式解决方案，从而节省成本和提高效率。
　　
　　谷歌公司的DeepMindAI软件再一次在这里发挥作用，因为谷歌公司还使用该系统控制从风扇到窗户的冷却系统，然后可以了解如何提高整体效率的适当措施。
　　
　　人工智能在冷却系统中的另一个应用就将与物联网传感器相结合，可以预测冷却系统是否会发生故障。
　　
　　全球许多行业厂商采用了可预见的维护。例如，博世公司一直使用PTC公司的ThingWorx系统来实现此目的，同时创建其数字孪生的产品，从而实现更高的生产效率。
　　
　　（4）智能操作
　　
　　到目前为止，人们已经看到人工智能如何帮助降低成本和避免灾难，尽管已经采用预测性维护开展实施更加智能化的业务，但是随着区块链的应用，将会带来更加智能的操作。
　　
　　根据调研机构Markets＆Markets公司的调查，2022年区块链相关产品和服务的价值将达到77亿美元，而2016年仅为2.42亿美元。
　　
　　在研究区块链技术如何改变数据中心发展趋势时，Deloitte公司总监Richard Bradley表示，对于数据中心而言，区块链可帮助数据中心运营商更好地进行容量规划、冷却、资产管理和环境虚拟化。
　　
　　（5）更好的安全性
　　
　　最后，数据中心的另一个重要组成部分将通过使用支持人工智能的技术进行大规模改进，这将成为促进物理和网络安全的有利措施。
　　
　　在实体方面，有许多已经适用的解决方案和新的方案。例如，人工智能机器人可以巡视数据中心设施，以搜寻入侵者或潜在的物理危险。人工智能传感器也可以用于监控阀门和入侵者。
　　
　　在未来，智能的自我修复基础设施还可以防止任何物理安全漏洞。在建筑物的访问和进出方面，围绕生物识别技术的新技术将很快出现。
　　
　　至于网络攻击，人工智能软件将能够更快地检测到威胁，并采取行动预防潜在的违规行为。
　　
　　Telehouse公司是目前使用这种系统的公司之一，该公司正在采用机器学习和深度学习应用，使其数据中心能够更快地适应安全需求。
　　
　　而Darktrace公司使用机器学习来定义正常的网络行为，然后根据与该标准规范的偏差来检测威胁。
　　
　　编辑：Harris