“新基建”问世，吹皱一池春水。

顶层设计的定调，政策的陆续加码，意味着对应的产业红利也如期而至。

无论是医疗、金融、教育，亦或是工业制造、城市交通等领域，用高新技术武装，加快智能化转型，在智能化新浪潮中塑造新优势，已成为了千行百业的同向选择。

在云上经济大爆发的当下，作为未来数字经济时代的基础设施，数据中心对于人工智能布局的重要性，不言而喻。

特别是近两年，5G技术的换挡提速，工业互联网的技术转型，“新基建”的政策加速，数字化应用的多样性落地，多方合力正形成一股强大的力量，推动着数据中心的爆发性发展，无形中也对数据中心这一算力基础设施，提出了更高的要求。

从历史溯源，人工智能经历了从20世纪50年代诞生初期的萌芽，主要是用计算机来证明数学题、几何题以及一些机械智能的专家系统；到20世纪波段式的发展，主要应用在一些简单的国际象棋、机器翻译和图像识别上，属于较为初级的机器学习；直至21世纪初，在摩尔定律、深度学习及大数据应用等成熟的产业大背景催化下，人工智能才迎来了由量变产生质变的规模化跨越式发展。

三起三落之际，人工智能这一场旷日持久的“寻猎”与“淘金”之旅，也在近几年得到了爆发式的成果回馈——成为了有史以来离商业化成功、在尖端科技与大众消费品相结合的过程中，走得最近的一次。

至此，人工智能不再曲高和寡。

能源环境AI革命新战场：数据中心

随着算法模型的成熟，算力的提升，数据的海量积累，AI技术在“新基建”、新零售、智能驾驶、智慧城市、智能制造等领域，已得到了成熟且广泛的场景应用。特别是在消费互联网领域，像美团、抖音、蚂蚁金服等APP，其所提供的平台、内容与金融等服务，背后实则都是经年累月所沉淀出的数据资产在做支撑，并经人工智能的深度学习技术训练后形成核心算法，再转化为平台服务。

然而，在能源环境领域，由于过去大多都是政府在推动，不像消费市场那样受到资本的重视，这使得其在AI应用场景上仍处于比较滞后的状态。而当其他领域的竞争成为一片红海，资本回头一看方知，AI在能源环境这块的应用，却是一片尚未被完全挖掘的蓝海，前景十分广阔。

为了迎合碳中和的国家战略，实现国家提出的节能减排与碳排量指标，在能源环境领域进行AI节能，便迫在眉睫。特别是数据中心行业，正成为AI节能的重要应用领域。

至于AI对在数据中心领域中又是如何应用？未来对经济增长有何拉动作用？在北京大学环境与能源学院学科负责人马晓明教授看来，现阶段的人工智能，主要是通过深度学习算法来做预测，结合深度学习结论和专家经验，给出预测性维护建议，推荐最佳设备组合，判断故障预警。据马晓明教授介绍，目前，针对AI在数据中心领域中的应用，北京大学已经与维谛技术（Vertiv，NYSE：VRT）展开产学研深度合作，推动AI技术在数据中心节能上的尽快落地。

当然，在现阶段，要做到真正的人工智能，数据无疑是第一要素。只要有数据，便能利用算法模型来挖掘和发挥有用的价值，让人工智能成为驱动社会经济发展的新动能。

比如，蚂蚁金服可以通过大数据来判断是否可以给某个个体发放贷款，它可以利用海量的数据库来做数据挖掘，沉淀出高价值的数据资产，进而形成自己的一套风控体系。

无独有偶，10月31日，谷歌做阿尔法狗的DeepMind研究小组，也突破性地通过人工智能算法来预测DNA分子螺旋3D结构。但这一研究对算法的要求非常高：需要消耗200到300块GPU设备，以几周的时间来运行训练，算力的成本非常高。

而随着大型数据中心的规模越来越大，能耗压力也随之增大，数据的海量积累，也催生用人工智能技术来进行数据中心节能的一套解决方案。要知道，在谷歌的大数据中心，光服务器就有百万级的台数，一旦运行，当中产生的能耗之大，可想而知。

模块化数据中心热管理AI优化落地新成果

其实，早在2013年，谷歌就已尝试用人工智能控制水冷来对大型数据中心进行节能。他们通过神经网络的学习训练，来准确地预测PUE值，并做出节能控制解决方案，最终能达到15%-40%的节能。而后腾讯、阿里也先后基于谷歌的这种方案作了优化和跟进，对大型数据中心进行优化，并取得了不俗的效果。