根据Gartner的预测,到2025年,将有一半的云数据中心将部署具有人工智能(AI)和机器学习(ML)功能的先进机器人,这将使运营效率提高30%。
Gartner公司研究副总裁Sid Nag表示:“随着数据中心的服务器数量和存储量不断增长,能够管理它们的工作者人数日益捉襟见肘。如果企业不采取任何措施弥补这些缺口,则会产生很大的风险。
“随着企业机构将更多不同类型的工作负载迁移到云并且云已成为边缘和5G等附加技术的组合使用平台,数据中心的运营必定会变得日益复杂。”
机器人最适合数据中心繁琐、重复的工作
数据中心的大部分工作都是乏味、复杂和重复的工作,例如合理进行整体容量规划、正确分配虚拟机和容器资源或确保资源高效使用等, 以避免企业出现“云上资源大量浪费”。
Nag表示:“这些都是机器人擅长的领域。数据中心是最适合将机器人与人工智能组合的领域,这两项技术的组合将创造出一个更安全、准确、高效并且几乎无需人为干预的环境。”
在未来五年,受机器人影响最大的四个数据中心自动化领域是:
1、服务器的升级和维护:工业机器人可以比人类更快、更高效地报废和销毁淘汰相关设备。经常进行大规模升级的公司尤其如此,例如各类云服务提供商。
2、监控:机器人传感器探头提供更细致的服务器机架温度数据,而不需要安装任何入侵性物理硬件。远程监控机器人还可以通过采集声音和图像等其他数据来检测任何异常情况。
3、数据中心安全:任何数据中心公司的首要任务是维持一个具有数字和物理安全性的数据中心设施。机器人能够通过一系列不同的功能提供物理安全层,包括通过热传感器检测人类温度或在停车场中进行车牌识别。
4、云运营中的人工智能/机器学习:现代化人工智能和机器学习技术能够配合机器人对数据中心的IT流程进行监控和管理。该技术的用户,如网站可靠性工程师等,能够通过自然语言与指定的平台进行互动和交流。这些平台能够通过从过去的场景中学习经验教训来提高在未来场景中的效率。
Nag表示:“虽然机器人已被充分应用于汽车和制造业等行业,但在数据中心中的应用机会却被忽略。IT领导人可以引导云数据中心运营和流程的智能自动化,为他们的企业创造关键的差异化优势,例如增加正常运行时间和满足其云产品和服务的SLA等,并通过使用机器人将这些化为现实。”
好文章,需要你的鼓励
随着大语言模型在人工智能时代展现强大力量,可穿戴设备成为收集人体数据的重要载体。通过实时监测血压、心率、血糖等生命体征,结合AI边缘计算能力,医疗正向个性化转型。基因治疗、数字孪生技术让每个人都能拥有专属的医疗数字化身,实现从"报销型医疗"向"创新循证医疗"的转变,为疾病预防和健康管理带来革命性突破。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。
在巴黎举办的欧洲开放基础设施峰会期间,专门用一整天时间讨论VMware迁移问题。博通收购VMware后许可证价格上涨,导致客户运营成本大幅增加。开源开发者展示了将VMware虚拟机迁移到开源替代方案的产品。Forrester分析师指出VMware客户对此感到信任破裂。OpenStack等开源解决方案虽然复杂度较高,但提供了健康的开源生态系统替代方案。
中国人民大学研究团队开发了Tool-Light框架,通过信息熵理论解决AI工具使用中的过度调用、调用不足和过度思考问题。该框架采用熵引导采样和两阶段自演化训练,让AI学会合理使用外部工具。在10个推理任务测试中,Tool-Light显著提升了AI的效率和准确性,为AI工具集成推理提供了新的解决方案。