谷歌和其他公司已經利用人工智能來研究其數據中心環境監測系統的性能數據，這些數據與設施內的電源和冷卻周期有關。他們這樣做是為了產生他們的能源使用情況的概況。通過人工智能，谷歌的能源配置文件隨后成為算法，允許他們的設施經理將適時的指令應用于建筑物的機械和電氣設備。雖然這一切都很容易理解，但它掩蓋了這個超大規模提供商已經非常高效的事實。

谷歌的人工智能之旅始于我們大多數人必須努力實現的效率之旅。對于我們這些專注于達到低于 1.5 PUE 的人來說，這里有六個關于當前將效率設計到新數據中心設施的做法的想法。

新的 LED 照明：照明技術的持續進步不僅提高了貨架排的可視性，而且還使操作員能夠節省更多能源。

更高的工作溫度：曾經有爭議的冷通道變暖的想法已經通過更廣泛的IT設備操作范圍和遠程監控技術的進步成為可能。

自然風冷與CRAC或CRAH的比較：重新思考冷卻已將全球數據中心的地理位置轉移到更北緯地區，從而優化了設施可用的自然冷卻天數。在評估場地時，請記住，場地的改變會對底線產生巨大影響。

在較高電壓下配電：三相配電效率更高，在較高電壓下實現則更加高效。十年來，IT設備和電氣設備制造商一直在提供更多支持數據中心空間內更高電壓的產品，包括415V PDU解決方案。

通過容器化整合工作負載：容器允許在更小的占用空間中進行計算，減少了為大量空間提供冷卻的需求，而虛擬化首先減少了所需的計算設備數量。

電源監控：具有遠程管理功能的開關式智能PDU可以通過提供以下功能來測量IT基礎設施的電源使用情況：

o 插座、設備和機柜的功耗數據收集

o 支持報告、報警和智能減載功能

o 環境監測能力 - 溫度和濕度傳感器

o 關閉未使用或未充分利用的資產（僵尸服務器、存儲、負載均衡器等）或遠程重啟

雖然通過人工智能提高數據中心效率的承諾已成為現實，但仍有很多措施可以降低許多超大規模設施的PUE。

審核編輯：郭婷