ODCC副主席、中国电信研究院专家委员会副主任杨明川：数字化、智能和数据中心的发展

很高兴今天有这个机会给大家分享一下我们在智能数据与数据中心方面的一些实践与探索，我也算是ODCC的每年每次会都能够有一些分享，这次还挺有压力的，因为也觉得数据中心的发展这么快，那么我们每个团队都在这方面有一些新的体会吧。

这一次我重点聚焦在智能和数据中心方面，主要分成三个部分，一个是数字化，简单谈一下数字化转型，然后是数据中心与AI的关系，最后是我们在AI方面的一些探索。

首先，创新。那么大家也知道整个时代的发展，是从我们的驱动力，我们现在也是不断的在进行动力的转换，现在我们正处在一个数字化和创新的年代，那么在这样一个数字化与创新的年代里面，各种各样新的技术层出不穷，不断的各个领域的创新。我这里想表达的意思是我们的数据中心其实是各种各样创新的一个基础，这里面如果我们去回顾整个信息化发展的历程，我们会发现从最早软件化阶段，各种各样的系统，经历了从硬件向软件的变化，各种各样的系统都通过软件定义来进行了重构，然后就是互联网化，把各种各样的系统通过在线连接连在一起，特别是包括咱们的移动互联网对整个行业带来了很大的改变。

那么软件化与互联网化，它们共同协同，其实我们就从早期的信息化阶段，我个人的观点，我们现在演进到了数字化这样一个时代。那么数字化的时代，我觉得其实是有三个很重要的阶段，当然这三个阶段不见得是一个按需，有可能是重叠阶段，刚开始是一个云化的阶段，各种各样的系统开始从企业内部向云上迁移，那么把软件与互联网转变成一个云化承载的方式。在这个过程当中数据越来越重要，所以云化过程当中，我们产生了大量数据，其实构成了整个现在数字化转型的一个基础。那么未来呢，可能我们从云、从数据，会不断地向智能演进，整个历程当中数据中心从刚开始的比较健全的数据中心，到后边越来越复杂的各种各样的数据中心，它在整个历程当中都扮演了一个跟进的作用。其实任何一个阶段，都有一个根基，比如说在云这个阶段，它的根基就是数据中心，互联网阶段可能就是宽带网络、移动通信网络，未来智能时代数据中心将进一步的发挥越来越重要的作用。

因此，所有的我们整个数字化转型前边给大家讨论的这样的几个阶段，它都是以我们最最基础的设施为核心的。那么这里面我们会涌现出各种各样的数据中心，包括云的，包括边缘，包括5G、算力的。数据中心内涵也在不断扩大，从简单的机房到云的成长，到5G的融合，到新型的资源，特别是数据资源和算力资源，我觉得在未来的数据中心里面，会发挥越来越多的作用。

那么在整个数据中心发展过程当中，我们觉得AI与数据中心关系是越来越密切的。具体来讲我觉得分成两个层面，一个是数据中心为AI提供更强算力。这对各行各业来讲都是如此，对中国电信来讲也是如此，我们现在不断的去希望通过AI，提升我们内部不管是产品，还是业务，还是流程，还是服务。那么各个环节我们可能都用AI的能力提升我们的效率，为我们现有的各个环节赋能。那么整个赋能过程当中，我们就需要构建面向AI的数据中心。这是一方面。第二方面，从数据中心自身运营来讲，AI技术也逐渐发挥越来越多的作用，尤其是我后边还会讲到现在对于运营商来讲5G的建设，包括5G的核心网、5G边缘建设，是在快速发展当中。那么这些尤其是云化的5G的建设过程当中，数据中心特别是数据中心的节能，会成为越来越一个重要的因素。这里面AI也有很多的应用的场景。

具体来讲分成两个方面，首先刚才我们说了，我们现在中国电信也在构建AI能力平台，为数据中心打造我们的算力支撑。这里面其中一个很关键的一环，就是我们针对算力在数据中心里面的承载，提供更高的效率。当然我们整个算力平台，除了我们整个的AI平台，除了算力之外，还包括数据、框架、算法与我们的应用，整个是一个体系化的场景化的一个系统。

那么具体来讲，在整个算力赋能层面，我们也做了一些探索。包括我们怎么样把GPU资源通过更加有效的资源进行编排，来提升算力的效率。这在我们的GPU算力中心里面，其实是具有非常重要的作用。特别是通过我们这种对于算力资源的进一步的细颗粒度切分与混合编排调度，使得一台服务器可以服务于多个用户，能够服务多个任务，从而使它的效率能够有了数倍提升。

同时呢，大家知道AI它是算力与数据是关键，那么我们之前可能是算力与数据是分割的方式。因为这里面可能也存在很多数据安全、数据隐私保护的问题，所以我们第一阶段的数据治理、数据分析和后期的数据训练是分开的，中间是隔离的方式。但这种方式对于AI任务来讲它的效率是比较低的，也是在我们的平台里面通过探索，我们逐渐逐渐要转换到一体化的方式，使得我们的数据训练整个流程，要能够实现无缝衔接。同时，通过无缝衔接，把我们的数据资源和算力资源，能够更好的协同应用。实际上在我们大数据中心与算力中心里面，我们有大量的数据资源，后边可能还会提到我们有大量的AI应用场景，需要用到这些资源。那么怎么样能够进一步使数据与算力更好的协同，是AI数据中心需要不断的探索、不断的优化这样一个过程。

那么具体来讲经过我们这样一些探索，我们AI数据中心也在很多方面做了一些应用层面的探索，这里面包括刚才我说的重点的比如说节能，包括机房节能、基站节能，随着5G建设的推进，基站节能的重要性与迫切性越来越明显。还有一些内部大网运维当中出现了很多很多故障和问题，那么需要通过更加智能化的方式能够更快的解决。所以这里面我们也开展了大量的工单智能化，以及智慧家庭方面的工作。也就是说我们通过AI数据中心和AI赋能平台，在我们内部很多特别是网络方面有了很多具体的应用。

再具体展开一点，比如说我们在节能方面的应用，其实节能有两个层面、两个场景，一个层面是动环，一个是服务器，前者主要是指各种各样的设备，包括空调等等智能设备，通过更好的大规模的数据采集和数据通过算法进行优化，我们已经实际在多个省开展了相关的试点与应用，最高能达到27%节能效率。这里面其实存在着大量的挑战，可能这个事情原理并不复杂，真正复杂的就是怎么样把整个体系在我们现场数据中心里面真正能够部署与实施，尤其是我们线网各种各样的数据中心里面，它的设备形态，不同厂家的设备，不同类型的设备，以及不同年代的设备，它们的数据采集、数据分析和整个形成一个控制闭环，在实施的过程当中，实际上有大量的挑战的。

（编辑：拼字网 - 核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!