当前，气候变化、疫情、粮食安全、贫困、医疗公平、教育公正、恐怖主义等是人类可持续发展所必须克服的巨大挑战。数字化技术(信息整合和追踪、AI、科学仿真、数字孪生等)帮助人们积极应对挑战，让信息及时、透明、充分传递，教育医疗等资源共享和均化、提高科研和生产效率、提升公共服务水平，为高效决策提供可靠基础。

数据中心作为“节碳”先行者需要更前瞻的管理。因为简洁易操作，PUE(电能使用率)已经被选择为数据中心能耗管控的抓手指标。WUE(水资源利用率)作为一个和PUE同样简洁易操作的重要指标， 其门槛的确定却面临较大争议，部分人认为WUE应该根据不同技术区分对待。即对水冷设定一个宽松的指标，使其不必努力做出技术革新的情况下，也能继续在数据中心占有一席之地。这可能是行业的惯性思维，这样做的弊端在于非必要的复杂化WUE(让WUE在横向技术对比、纵向时间对比上都变得不稳定)， 让不同技术处于不公平的竞争环境，也与锐意进取的数据中心行业形象不符。

同时需要指出的是，现在市场上有足够多的无水或少水的成熟制冷技术，在效果和成本上都可以和水冷竞争，同时水冷本身也需要不断技术进化。毕竟水资源在未来会同今天的能源一样，弥足珍贵。

在“低碳”背景下，人们期待CUE(碳使用率)能够成为“降碳”抓手。虽然CUE的监测和评估涉及到较多变量，并且正在尝试涵盖PUE、WUE，预计管理起来会比PUE、WUE复杂得多，但令人欣慰的是我们看到现在有很多机构正在不断努力完善。

数据中心作为“节碳”先行者不仅要关注自身的低碳运营，还需要在全链条上实现“节碳”。

碳足迹管理作为一种必要手段，要求行业上下游的碳排放管理要严丝合缝。供应商自身的低碳管理不到位，可能会影响数据中心的运营安全。并且，数据中心先行践行碳足迹管理也可以更好的帮助自己的上下游企业实现绿色节碳，从而推动整个数据中心产业的可持续发展，促进实现ESG长远目标。令人欣慰的是，我们已经看到不少领军企业已经开始认真付诸行动。

数据中心不仅要受PUE、CUE、WUE等硬性的共同的政策指标的约束，不同行业、不同用户还会根据其业务特点和业务价值，对TCO、可用性/可靠性、性能等运营指标赋予不同的权重，并在规划、设计、建设中实施。

比如金融行业会不妥协地把高可靠性、可用性放在首位；承载社交搜索类应用的数据中心会持续把低TCO放在最优先级；而大型仿真等需要海量型并行计算的应用，对信号时延非常苛刻，也会继续强调其对数据中心高功率密度的要求。

这些客观存在的差异化的需求会不断推动数据中心向群落化、多样化演进。包括公有云、私有云、混合云、行业云、Colo、Edge, 它们既相互竞争，也相互协作，以满足客户不断变化的业务需求。

在数据中心运维管理精益求精的趋势下，AI与大数据深度融合，可应用于数据中心的优化控制、故障诊断和智能决策中。

其中，优化控制和故障检测已成熟落地。

优化控制的成熟方案通常采用深度学习算法，该算法在大型数据中心已取得良好的效果，但在小型数据中心仍充满挑战，目前正在通过强化学习以期解决。

AI故障检测目前主要在部件级，包括维谛在内的行业先行者正积极探索系统级应用的实现。智能决策也是一个让人憧憬的目标，在真正实现它之前，我们还需要很多努力。

在“新基建”和“双碳”的双重背景下，未来数据中心建设呈现改造存量和拔高增量协同发展的局面。

目前我国的存量数据中心PUE平均水平在1.8左右，对其改造的要求是PUE小于1.5，未来的衡量指标可能更严格，甚至包括CUE。现行改造思路主要有：

• 更换成高效架构和设备以降低能耗；

• 更换成高质量、长寿命、免维护的设备以降低运维的碳排放；

• 智能化运营。

  
  

除了产品本身的高效节能外，针对不同需求场景选择最合适的方案是存量改造的核心。

在过去的几年，行业专家们已经深刻认识到模块化和预制化能够大幅降低TCO，这种进步可以体现在设备预制、系统总成预制和建筑预制等不同层面上，比如天蝎机柜、巴拿马供配电、智能PDU等。

现在需要更进一步思考的是融合的最佳颗粒度和融合范围(供配电、制冷、智能化)，并加入AI、数字孪生等技术，从而实现最优化TCO、缩短工期，并提高可用性。

数据中心的直接碳排放源主要是油机，油机在国内的数据中心通常只是作为备份电源，所以直接碳排放量比较有限。

数据中心作为数字化的标杆行业，渴望创新并被寄予厚望，在清洁能源应用(太阳能、风能、氢能、潮汐能)、能量回收再利用、绿证使用和结算、AI运维管理等各个方面，都充分展现出锐意进取的姿态。

数据中心将成为技术和商业模式创新的试验田，为其他行业贡献新思路。、

                                                              ---维缔公众号转载