人工智能應用必須擁有海量計算能力的支持，這意味著更大、更豐富的數據中心。

　　人工智能使用的增加導致數據中心市場快速增長，以適應這些技術所產生的數據爆炸。將人工智能添加到已經大量可用的技術中，包括物聯網(IoT)設備，將生成更多的客戶數據，從而導致數據量呈指數級增長。

　　底線是所有這些數據都需要駐留在某個地方，組織將轉向數據中心。

　　Cherre創新主管Kevin Shtofman解釋到，人工智能將增加對計算能力的需求，需要對人工智能專用硬件進行投資，采用新的數據中心設計，并探索邊緣計算等新興技術。

　　Shtofman表示：“人工智能應用需要大量的計算能力，尤其是在訓練復雜的深度學習模型時。隨著人工智能的普及，對計算能力的需求將會增加，推動需要更多的數據中心來支持這種增長。”

　　人工智能的采用還將增加數據存儲需求，因為人工智能驅動的應用需要大量數據來訓練和改進模型。

　　Shtofman表示：“必須快速存儲和訪問這些數據，這需要大量的存儲容量。因此，數據中心將需要擴展其存儲能力，以滿足不斷增長的需求。”

　　Shtofman補充道，隨著人工智能應用越來越廣泛，對實時處理和決策的需求也越來越大。這導致了邊緣計算的興起，其涉及在更靠近源頭的地方處理數據，而不是將其發送到集中式數據中心。因此，需要在靠近邊緣的地方建造更多的數據中心來支持這一趨勢。

　　人工智能驅動的計算能力需求

　　仲量聯行技術董事總經理Andy Cvengros指出，隨著人工智能的能力與日常技術功能相結合，預計消費者層面的人工智能將出現爆炸式增長。“隨著使用變得越來越普遍，這將導致對數據中心計算能力的巨大需求，”Cvengros表示：“運行和訓練這些模型需要大量的計算能力和大量資源，這限制了能夠取得突破的企業數量。”

　　人工智能所需的服務器計算機密度也會產生大量熱量，為了解決這個問題，液體冷卻方面的創新正在發展。為了支持這種增長，云計算企業正在狂熱地尋找可以在短短幾年內支持數百兆瓦電力的土地開發項目。

　　Cvengros表示：“這已經耗盡了主要數據中心市場的可用電力容量，并為二級和三級市場提供了擴展機會。”

　　Cvengros指出，主要的云計算企業正在實施自建和租賃數據中心模型。超大規模云用戶和主機托管提供商都在爭先恐后地尋找幾乎所有市場中的高性能陸地站點，以支持這些巨大的容量需求。

　　在2023年，超過100兆瓦的數據中心建設公告并不少見，而十年前，10兆瓦是一個很大的要求。Cvengros表示：“當超大規模企業由于土地、電力或供應鏈的限制而無法在特定市場建設數據中心時，他們可能會從托管服務提供商那里租用整個數據中心，這使得需求較小的企業很難找到足夠的空間。”

　　云服務提供商、數據中心運營商等主要利益相關者

　　Shtofman表示，確保數據中心隨著人工智能計算產生的需求而增長的主要利益相關者是數據中心運營商、云服務提供商、硬件制造商、政府和監管機構，以及數據科學家和人工智能研究人員。

　　數據中心運營商負責管理和維護供應方數據中心的物理基礎設施。云服務提供商提供按需計算資源和基礎設施，以支持供應方的人工智能應用。他們必須確保有足夠的能力來支持人工智能計算產生的需求，包括計算能力、存儲和網絡能力。

　　同時，硬件制造商負責在供給側設計和生產人工智能計算所需的專用硬件，例如圖形處理單元(GPU)和張量處理單元(TPU)。

　　Shtofman表示：“他們必須確保這些專用組件的供應充足，以支持不斷增長的需求。鑒于最近全球供應鏈出現問題，這是一個更高的風險。”

　　Cvengros表示贊同，由于大流行期間的供應鏈挑戰和地緣政治緊張局勢，建設和運營數據中心所需的組件已被推遲。這推遲了施工時間表，但由于需求依然強勁，用戶已轉向預租。

　　在所有地區，大部分新供應管道都是預先租賃的，大部分空置新供應預計要到2023年底或2024年才能交付。

　　在Cvengros看來，在滿足安全需求之前保持大量供應鏈庫存的供應商將在贏得超大規模業務的競爭中脫穎而出。

　　制定投資計劃

　　Shtofman表示，在投資數據中心擴建之前，對市場和人工智能計算需求進行深入研究和分析非常重要。“這將有助于證明投資符合市場需求，并且有明確的投資回報途徑。這可能看起來像一個密集而活躍的市場，擁有多種運輸方式和角色類型，創造了一個需要邊緣計算的市場。”

　　其建議組織制定綜合戰略并經常更新，并指出這個市場的變化比其的任何其他周期都要快得多。“數據中心資產需要非常具體的基礎設施、設計和遵守當地法律。與經驗豐富的合作伙伴合作是最佳做法——這種類型的建設不適合新手。”