本篇文章内容，将为你带来详细的，关于数据中心的基础的解读。

5G是实现数据传输与分发，我们还需要进行数据的计算、存储和处理。现在数据中心会向云数据中心发展，首先是供电、致冷等机房设施，另外需要有各种网络资源，实现计算、存储、网络的虚拟化。数据中心更重要的是应用，我们要开发各种各样应用以及数据中心的服务。

十九届四中全会的《决定》指出：“要健全劳动、资本、土地、知识、技术、管理、数据等生产要素，由市场评价贡献、按贡献决定报酬的机制。”首次把数据提到生产要素的高度。未来数据中心在中国会有很好的发展，华为有一个预测，2025年全球所有企业都会使用云技术，使用率达到85%，而云会带动数据中心的发展，云计算里面计算存储网络是要放在数据中心里面的。

美国目前互联网数据中心机柜数占到全世界的40%，排在第二位是中国占8%，日本占6%，中国目前从发展程度来看，IDC的发展比美国晚五年，但实际上我们的互联网用户规模远远超过美国，所以这决定中国的IDC规模未来是不会低于美国的，有市场预测公司预计，2020年到2025年中国IDC市场累计将超万亿元。

除了数据中心以外，我们要进行大数据的分析，这需要有大数据的基础设施。首先数据要放到数据仓库里，进行标注、清洗、处理、筛选、分类、降维等。很重要的一点，数据是要进行聚类分析、分类关系和关联性的分析。最重要的是要利用数据库，有几种数据库分别适用不同类型的数据，还要有一些数据挖掘的软件。在硬件上也有一些新的变化，有基于磁盘的计算模式、有基于内存的批量微批的计算模式、有基于流式的计算模式，都各有各的适用场合。

除了有数据的基础设施，还要有算力的基础设施。按照斯坦福《AI Index 2019》报告，2012年以前AI的算力需求每两年翻一番，2012年之后3到4个月就翻一番。据另一家咨询公司Open AI的统计，从2012年到2019年随着深度学习模型的演进，AI所需要的计算量增加了30万倍，为了进行大数据挖掘和人工智能分析，就需要提升通用的计算能力。

但机器学习有其自身特点，大部分场景的计算并不要求高精度。另外，机器学习计算的计算形式在操作指令级上是有限的，并不需要那么复杂，科学计算中很多复杂的数学方程在机器学习里面不一定要用到。专用的计算能力或者说算力的定制化对机器学习会更合适。

深度学习的模型越来越复杂，很难在单芯片里面完成，一般都要多个芯片组合来完成，哪怕放在终端里面做也要多芯片了，这时候就要考虑分布式的计算任务本身的协同问题，怎么提高效率，实现密集和高效的数据传输交互。

算力基础设施除了加速提升通用计算能力以外，还要发展专用的计算能力，就是说专门针对机器学习的计算能力，另外要考虑多平台协同，这是适应于将来多芯片的协同作业。

人工智能也是具备相当长的产业链，其中底层是网络基础设施、大数据基础设施、算力基础设施。人工智能有三大支柱，大数据、算力还有算法。算法可以分为计算机视觉、语音识别、自然语言处理、机器学习云平台。当然，有一些算法是固化到AI芯片里面的，人工智能芯片也有好几个类型。此外，作为人工智能的输入还要有视觉的传感器，像雷达、摄象头等。

在底层硬件和通用平台之上，我们有各种应用领域，包括一般民用以及各种行业应用，应该说覆盖所有的领域。华为预测到2025年全世界97%的大企业都会用人工智能。据MeKinsey测算，人工智能可在未来十年为全球GDP增长贡献1.2个百分点。中国新一代人工智能发展规划预测到今年人工智能核心产业是1500亿元，带动相关产业1万亿元，到2030年人工智能核心产业到1万亿元，带动相关产业到10万亿元，可见这是一个非常大规模的产业。

可以看见，在这一条长长的产业链上，充满着对电力电气行业向好的信号。就相关方面的机会，一旦出现，必要抓住。

接下来最后一篇文章，将会为大家带来万物联网时代的分析和畅想。想必一定能让大家更多更精确的探索发现出行之路。