智能体AI时代来临，数据中心面临哪些变革

生成式AI——这项让ChatGPT等AI服务在近年来备受关注的技术——如今似乎已经过时。当前，炒作焦点已转向一种新的、但相关的AI技术形式：智能体AI。

随着智能体AI日益流行，数据中心运营商可能需要思考两三年前对生成式AI提出的同样问题：智能体AI如何改变数据中心行业？它是否会进一步推动数据中心需求增长？智能体AI技术能否在数据中心基础设施管理等领域发挥作用？

鉴于智能体AI仍是相对新兴的技术，没有人能够确定地回答这些问题。但我们可以对这一最新、最热门的AI趋势对数据中心的意义做出一些明智的推测。

什么是智能体AI？

智能体AI是指使用软件"智能体"来自动化复杂任务的AI系统——因此得名"智能体"。

想象一下，IT团队想要部署一个应用程序。团队可以让AI智能体代替手动完成这个过程。只要智能体能够访问必要的应用部署工具，它就能自动配置和运行应用程序。

智能体AI与生成式AI不同，后者根据用户输入生成新内容，如文本和图像。相比之下，智能体AI执行具体操作。

在底层技术上，智能体AI依赖大语言模型，这与支持ChatGPT等生成式AI系统的AI模型类型相同。然而，在智能体AI中，大语言模型的作用是解释用户请求并确定如何满足它们，而不是生成内容。

大多数智能体AI系统——比如使用模型上下文协议(MCP)构建的系统，MCP正快速成为创建智能体AI工具的标准——将大语言模型与软件程序或工具集成。后者根据从大语言模型接收的指令运行完成任务所需的实际命令。

智能体AI对数据中心的影响

智能体AI可能通过两种关键方式影响数据中心：增加数据中心需求和协助数据中心管理。

增加数据中心需求

首先，如果智能体AI采用率上升（目前看来确实如此，48%的技术领导者表示他们的组织已经在使用智能体AI），很可能会进一步刺激对数据中心空间的需求。这是因为智能体AI会增加大语言模型需要处理的提示数量，从而需要更多的大语言模型托管容量。

这一点值得注意，因为生成式AI已经在近年来引发了对数据中心容量的需求激增。尽管有报告称AI对更多数据中心的需求被夸大了，但大型科技公司继续坚持将持续投资数据中心。智能体AI可能会加倍这一趋势，在未来几年带来更多数据中心项目。

值得注意的是，数据中心需求的增加主要来自AI推理需求，而非AI模型训练。推理是大语言模型解释新数据的过程，这正是支持智能体AI需求所必需的。训练新模型可能不那么重要，因为支持生成式AI的现有大语言模型同样可以处理智能体AI。因此，对专门用于训练的昂贵AI芯片的需求可能会减少，而对能够处理推理的成本较低硬件的需求会增加。

还值得注意的是，智能体AI在多大程度上会推动数据中心容量需求仍有待观察。这将取决于大语言模型支持智能体AI工作负载需要多少处理能力，而这又取决于企业最终采用哪些智能体AI用例。例如，让AI智能体打开网页浏览器的资源密集程度远不及指示它清理巨大数据集。

协助数据中心管理

智能体AI改变数据中心的另一个诱人方式是为数据中心管理和运维提供新方法。AI智能体可以潜在地自动化任务，如重新部署失败的数据中心工作负载、在服务器之间重新分配工作负载以提高性能或能耗，或优化网络流量路由。（AI智能体不太可能对涉及物理硬件的管理任务有用，因为软件智能体无法执行超出软件范围的操作。）

关于生成式AI如何改变数据中心管理曾有类似预测。到目前为止，这些预测似乎没有成为现实；大多数数据中心管理工作流程仍然以传统方式进行，没有生成式AI技术的协助。

不过，智能体AI可能会解决生成式AI无法解决的数据中心管理挑战，为令人兴奋的新管理策略打开大门。

目前，数据中心行业面对智能体AI能做的最好的事情就是2023年左右对生成式AI所做的：推测。但考虑到该技术进入商业环境的快速步伐，我们可以期待很快就会知道智能体AI将如何以及在多大程度上重塑数据中心。

自主智能体革命

随着智能体AI的发展，数据中心面临挑战和机遇并存的局面。虽然需求增加会给现有基础设施带来压力，需要在电力效率和冷却技术方面取得进展，但该技术也为运营改进提供了有希望的协同效应。

AI智能体可能会彻底改变数据中心的管理方式，在优化资源分配和能耗的同时，可能减少人工干预。尽管仍在兴起阶段，智能体AI可能很快就会提供专业化工具，使数据中心比以往任何时候都更高效、可靠和经济，创造一个良性循环，让AI基础设施能够实现更好的AI基础设施管理。