新一代邊緣資料中心必須優化能效

邊緣計算指的是在物聯網邊緣生產和使用數據。在這裡，工程師們忙於連接不同的設備甚至整個網路環境，並賦予它們傳感、數據和人工智慧（AI）處理能力。數據在整個網路中流動，邊緣計算正幫助從這些數據中盈利，越來越多地利用基於 AI 的服務，帶來新的數據經濟優勢。

基於 AI 的邊緣資料中心服務最好部署在處理和/或使用大多數數據的地方。因此，預計到 2023 年，邊緣計算的增長速度將是云計算的兩倍，預計複合年增長率（CAGR）高達37.9%。下麵給出了一些示例，顯示了本地邊緣設備/邊緣資料中心處理與遠程雲處理之間預計的差异：

• 自動駕駛：80–90% 的資料處理在車內（物體檢測、車道跟踪、碰撞避免）和路邊（安全、維護、排放、分區）完成。其餘的資料處理操作涉及與遠程位置間的資料傳輸，用於旅行資訊更新、地圖、交通資訊、媒體流和集中服務，如停車和收費。
• 工業物聯網：70–80% 的資料處理以即時監測、控制和异常情况即時響應的形式在邊緣進行。其餘 20–30% 在雲端完成，包括用於集中分析、預測性維護和跨網站協調的資料傳輸。
• 智慧電網：60–70% 的資料處理在邊緣或終端設備上完成，用於監控電力消耗、電壓水准和電網穩定性，實現實时優化和故障檢測。另外 30–40% 需要資料傳輸，用於集中監控、電網效能分析、能源生成與消費的協調。
• 醫療監控：60–80% 的資料處理在本地進行，使用來自可穿戴設備或醫療感測器的數據進行實时健康監測和异常檢測。其餘處理操作需要將數據發送給醫療服務提供者或基於雲的系統，用於長期分析、個性化治療建議和人口健康管理。

為何使用微型資料中心來滿足邊緣計算需求？

邊緣資料中心位於不同的地方，而每個地方對延遲、安全性和服務類型有著不同的要求（見圖 1）。我們正在開發創新的邊緣微型資料中心（EMDC），可以安裝在本地邊緣和網路邊緣，並針對前面提到的日益增長的邊緣應用進行了優化，可以補充更大規模的异地邊緣資料中心。 我們將這種基礎設施叫作“强大邊緣即服務（PEaaS）”，它基於四大技術支柱：

1. 高度緊湊、强大、節能、可擕式/移動邊緣微型資料中心（EMDC），能够在本地處理大數據和 AI。
2. 專為邊緣設計的雲服務，具有內寘智慧，用於實現高效的資料處理和安全優化。
3. 數據空間包括治理和可盈利服務，以實現數據和 AI 模型的訓練。
4. 用於訓練和部署 AI 模型並增强透明度和信任的認知服務平臺。

現在，讓我們對比一下超大規模和遠程雲服務提供者與創新的邊緣雲服務提供者，如 HIRO-MicroDataCenters。遠程雲服務提供者為客戶提供了低門檻、低成本的實驗機會，幫助他們進行數位化轉型並在虛擬化 IT 設備上部署微服務架構。

然而，一旦客戶開始擴展其應用程序和數據量，並實施日益複雜的應用程序，或定義可用性、延遲和安全性等標準，成本往往會迅速新增。此時，客戶已經在瞭解和優化該雲服務提供者的專有服務結構方面進行了大量投資，遷移到另一家雲服務提供者顯然缺乏吸引力。最近，為了搶佔邊緣計算市場並更有效地鎖定客戶，大型雲服務提供者開始提供本地解決方案。

硬體創新和無處不在的開源軟件社區使我們能够提供 PEaaS，為需要快速處理大量數據的企業帶來了一種經濟高效的選項。PEaaS 允許客戶採用“邊緣優先策略”，即在本地經濟高效地處理大部分數據和 AI，同時在需要時在非本地雲服務提供者之間自由地遷移應用程序和數據。

與超大規模雲服務一樣，PEaaS 的財務門檻也較低。不同之處在於，當客戶開始擴展其應用程序和數據量時，成本是透明的，並且可以根據入門級設定輕鬆進行推斷。這意味著早期的雲服務用戶在擴展雲工作負載時可以更好地重新評估其雲戰畧； 而在過去，他們只能承受快速上升的成本和供應商鎖定的痛苦。鑒於這些優勢，許多人已經得出結論，他們希望獲得一種邊緣優先的替代方案，幫助他們更有效而準確地預測和控制成本，每年可節省數百萬美元。

PEaaS 和 EMDC 如何在當今的邊緣環境中產生影響？

最具挑戰性的 EMDC 應用將利用大數據和 AI，為直接影響人類生活的決策支援系統提供數據。HIRO 目前正在實施兩個醫療示範專案。第一個項目利用基因組和健康資料分析工具，為心血管健康決策支援系統提供 AI 模型，包括一個可以預測患者何時可能中風的 AI 模型。第二個項目利用 MRI 數據和實时超聲波數據，在外科醫生進行腦外科手術時為其創建增强的成像。這兩個項目都有望幫助更快速更準確地做出專業決策，以挽救生命，減輕痛苦。

EMDC 正在縮小與傳統雲資料中心的電力差距

接下來讓我們看看資料中心的能效。資料中心行業承諾到 2030 年實現碳中和。這很有必要，因為 2022 年全球資料中心的能耗高達 460 TWh，占全球總電力使用量的 2%。到 2026 年，這一數位預計將增至 650 TWh 到 1050 TWh 之間——分別相當於瑞典和德國的全國總電力消耗。

數據中心行業大量投資，通過以下管道提高其電能利用效率（PUE）（見圖 2）：1.提高 IT 設備的利用率和效率；2.採用更高效的冷卻技術； 3.改進電力調節。雖然這將超大規模資料中心的 PUE 降低到了 1.2，但現實情况是，在過去四到八年中，普通數據中心的效率提升趨於平穩，PUE 為 1.58。更糟糕的是，目前小型邊緣數據中心的能效極低，PUE 評級為 2.0 或更高。在許多情况下，由於小型本地資料中心的能源消耗量相對於企業的整體能源消耗量來說相對較小，因此企業無意提高邊緣數據中心的 PUE 評級。

邊緣計算的複合年增長率（CAGR）預計將是云計算的兩倍，因此 HIRO 大量投資，開發了 EMDC，以期縮小雲和邊緣資料中心之間的電力差距。下麵舉幾個我們創新的例子。我們使用小型化行業標準 PCB 板和最先進的能量轉換模組，以最大限度地减少功率損耗；利用 AI 算法來優化我們的服務和硬體利用率；冷卻技術的 PUE 評級為 1.03，甚至遠遠超過了超大規模數據中心。

為了實現這一具有里程碑意義的目標，HIRO 與領先的研究機構和技術提供商合作，克服了當前基於 PEaaS 的硬體和軟體技術的種種限制。

例如，HIRO EMDC 包含的硬體使用 48V_DC 而不是 12V_DC 配電，可在緊湊的空間內實現高效的功率轉換。利用 Vicor 公司的高密度、高效率電源模組，更高的電壓可以减少整個供電網路中的 I²R 損耗，實現固態、散熱能力出色、緊湊且節能的 EMDC 設計。憑藉靈活的冷卻選項，Vicor 電源模組還提供出色的體積功率密度，非常適合可再生能源。

預計邊緣計算市場將超過云計算市場，因為它提供了更快的數據中繼（中間層），使設備和系統能够實現關鍵任務實时響應。邊緣計算利用 AI 技術而不顯著增加功耗，在本地利用 AI 做出智慧決策，而不是依賴於雲。