译者 | 弯月
责编 | 夏萌出品 | CSDN（ID：CSDNnews）

如今，看似云正在吞噬企业计算。去年，全球各大企业花费在外部云（即公共云）服务上的支出接近 2300 亿美元，而 2019 年这个数字还不足1000 亿美元。三大“超大规模云平台”：亚马逊 AWS、谷歌 GCP 和微软Azure 的年收入增长超过 30%。这三家公司为客户提供了新型人工智能（AI）工具——大型科技公司拥有最多的资源开发这类工具。毫无疑问，卑微的本地数据中心已时日无多了。

实际情况真的是这样吗？尽管几年前云预算已经超过了内部数据中心的支出，但许多公司仍在继续投资自己的硬件和软件。根据 Synergy Research Group 的分析，去年内部数据中心的支出首次超过了1000 亿美元。特别是，许多工业公司发现本地计算有其独特的优势。咨询公司 Bain 认为，如今联网的工厂和产品越来越多，他们产生的大量数据很快就会超过广播媒体或互联网服务的数据，而这些数据都会保留在企业内部。

各个公司需要内部数据中心的原因

虽然公共云非常便利，而且其规模经济能带来成本节约，但公共云也有缺点。超大规模云平台的数据中心通常距离客户的数据源非常远。将这些数据从生成源头传输到数据中心几乎要跨越半个地球，处理完之后再传输回来，整个过程需要一定的时间。一般这种延迟无大碍，并非所有业务信息都有毫秒级的性能要求。但有些企业的要求确实如此之高。

如今，许多制造商的实体工厂都会创建双份数据，目的是发现问题、减少停机时间并提高效率。他们经常使用来自世界各地现有产品的数据流，不断调整正在开发的新产品。在这种情况下，分析数据必须尽可能接近实时，最好是没有“抖动”（数据传输不一致）、数据丢失或服务中断等问题，但在公共云中这些问题都很常见。

此外，许多公司更希望将训练人工智能模型的数据保留到内部。数据中心基础设施提供商 Vertiv 首席执行官 Giordano Albertazzi 认为，这可能成为一种竞争优势。

正是出于这些原因，工厂企业仍在投资数据中心，用于存储所需的数据，同时将没有高效要求的信息发送到超大规模云平台。采用这种双重方法的公司包括德国汽车制造商大众汽车、美国挖掘机制造商卡特彼勒，以及日本工业机器人制造商发那科。

建立自己的数据中心

为了不依赖超大规模云平台，建立内部数据中心，各大企业有多种选择。他们可以搭建数据中心，购买设备，并自行运营基础设施。规模可大可小。Vertiv 和施耐德电气等公司销售小型模块化数据中心，这些数据中心可以建立在工业现场或附近，并使用 5G 网络连接到数据源（这个范围意味着这些网络不能太远）。

数据用户还可以建立自己的数据中心，但租用服务器（联想和戴尔等计算机制造商提供此类服务），并将日常管理的工作外包给 Serverfarm 等专业公司。或者，他们也可以租用他人所有和管理的数据中心的空间。通常租户会提供计算机和网络设施，并支付运行成本（包括电费）。而管理公司需要保证空间、设备安全、电力以及制冷等基本设施。

自行搭建还是租赁

自行搭建还是租赁，最终的决定取决于用户的数据强度。假设一家美国公司拥有中型数据中心，且他们认为计算负载将在十年内增加大约四倍。根据施耐德电气的数据，在这种情况下，他们可以在七年左右的时间内实现自己的收支平衡，最终总体成本比租赁便宜 5%。如果负载保持稳定，则租赁的成本更低，费用相似（假设资产成本固定）。

有几个因素可能会影响上述计算的结果。电力、土地、材料和劳动力的价格正在上涨。一些数据中心的建设进度比计划晚了两年。这会导致租金上涨，自 2021 年以来这类的租金上涨了 20% 以上，涨幅超过所有商业地产。另外，升级到支持人工智能的服务器也不便宜。根据分析公司 Counterpoint Research 估计，人工智能服务器的价格是通用服务器的10 ~ 30 倍。超大规模云平台通常会买下英伟达等合作制造商的所有人工智能芯片，导致其他买家很难买到这类芯片。

云巨头其他方面的发展也没有停滞。为了更贴近客户，并减少抖动，他们正在沙特阿拉伯、南非以及泰国等地方建设数据中心。AWS 销售的预制数据中心与 Vertiv 或施耐德电气的微型数据中心并无不同。日本汽车制造商丰田的软件部门正在使用 AWS 的移动式服务器，物理大小只有冰箱那么大。美国五角大楼选择了更大的 AWS 套件，规模十分庞大。

最后，超大规模云平台的 AI 计算能力会吸引一部分工业客户。Serverfarm（该公司与超大规模企业和数据用户都有合作） 的 Arun Shenoy 认为，即便如此，许多大公司在完全转向云计算之前还是会再三考虑。

原文链接：

未经允许，禁止转载！