集创助力 山西大学大数据科学与产业研究院大数据机房一体化建设

导读

2017年人工智能在国内获得快速发展，国家相继出台一系列支持人工智能发展的政策，各大科技企业也争相宣布其人工智能发展战略，资本更是对这一新兴领域极为倾心。作为新一轮产业变革的核心驱动力，中国的人工智能发展正在进入新阶段，而且中国有望成为引领全球人工智能发展的重要引擎。

山西大学大数据科学与产业研究院

大数据科学与产业研究院是山西大学为响应国家创新驱动的发展战略，落实山西省第十一次党代会精神和“十三五”规划相关要求，启动的以大数据为主要方向和特色的创新型学院及研究院的规划建设。

山西大学大数据研究院以计算机科学、统计学为支撑学科，与学校众多学科进行深度交叉研究，努力建成在全国具有影响力的数据生产集成平台、数据科学研发基地、数据价值创造与创新工场，以及数据人才培养高地，成为政产学研教合作建设的创新型学院典范。

对AI应用程序来说，时机已经成熟。但企业数据中心实施人工智能时会面临网络、存储和计算基础设施等方面的挑战。

1

来自存储的挑战

深度学习和AI应用程序需要大量的数据来训练、测试和验证神经网络算法，这可能给数据中心管理员带来存储方面挑战。

当AI成为企业可部署的现实时，从存储的角度来看，由于大数据和分析的原因，容量方面已经解决了，基础设施需要具备处理大型存储需求的能力。

2

来自网络的挑战

深度学习框架的有限性产生了规模方面的挑战——对于可扩展性的网络架构，性能明显超出单一计算节点。

为了规模化提供更高的效率，为AI准备其基础架构，必须优先考虑可扩展性，这将需要高带宽、低延迟的网络和创新型架构以及自动化功能。

3

来自计算方面的挑战

数据中心的计算端对AI应用程序的实施面临着异常严峻的挑战。基于CPU的环境可以处理绝大多数机器学习和AI工作负载，从随机森林回归（random forest regression）到集群。但当IT深入到深度学习能力之中，这需要遍历多个大型数据集并部署可扩展的神经网络算法，那么基于CPU的生态系统可能还不够。要想为应用程序提供更大的计算密度和更高的吞吐量，这就需要优化数据中心基础架构以实现功率。

基于以上三方面的挑战，我公司结合多年的机房建设经验以及对山大大数据产业研究院机房需求的深刻理解，我们从三个方面着手：

1.冷通道一体化数据中心

2.空间设计及交付

3.系统可视化