无论是液冷去年火热的元宇宙，还是解决据中今年火爆全网的生成式AI ，人工智能技术的备受不断发展，让数据中心的关注建设速度得到了前所未有的增长 。在《数据中心2030》报告中 ，年数华为预测未来三年内，心热全球超大型数据中心数量将突破1000个 ，点技点并将保持快速增长；同时随着自动驾驶、术盘智能制造 、液冷元宇宙等应用的服务器租用解决据中普及 ，边缘数据中心将同步快速增长 。备受
那么 ，关注作为数字时代重要的年数IT基础设施 ，2023年数据中心有哪些热门的心热技术呢 ？接下来 ，笔者将跟大家分享一下我所关注的点技点数据中心热门技术 。
人工智能等相关技术的迅速普及 ，对数据中心的算力提出了更高的要求 ，与之而来的高防服务器数据中心能耗问题也越来越受到业界关注 。
IDC指出 ，数据中心作为国家新基建 ，对数字经济腾飞起到重要的底层支撑作用 。国家“双碳战略”和东数西算不断要求数据中心向绿色低碳迈进。与此同时 ，以人工智能 、5G为代表技术热潮的兴起 ，也给数据中心带来资源使用和性能提升等挑战 。
作为突破散热瓶颈 ，有效降低数据中心PUE关键技术的液冷技术在2023年进展迅速 。众所周知，数据中心液冷散热主要有冷板式液冷和浸没式液冷两大技术 。香港云服务器相比较浸没式液冷技术 ，冷板式液冷由于相对简单，因此更加容易部署 。
为了统一行业标准 ，英特尔与生态合作伙伴率先发布了冷板式液冷的行业标准 ，希望通过标准降低冷板液冷解决方案部件制造的技术成本和门槛 。今年初，戴尔科技就展示了与英特尔合作的冷板式液冷和浸没式液冷解决方案 。
除此之外 ，浪潮信息还自研了液环式真空CDU技术 ，这种采用负压设计的冷板式液冷技术 ，只要保证了二次侧管路系统内部的模板下载压力低于大气压 ，即使管路破裂发生了冷却液泄露 ，也是外部气体进入散热管道冷却管路中 ，而不会造成管道管路中的冷却液外泄，从根源上解决了漏液问题的发生 。
与此同时 ，联想发布了联想海神温水全水冷技术 ，该技术采用全水冷无风扇设计，温水进水和回水保持在45度-60度之间 ，兼具最佳能耗比和经济效用；同时，该技术还支持GPU 、CPU多元计算需求散热 ，满足AI算力需求下，免费模板CPU计算 、GPU计算以及CPU+GPU等异构计算带来的性能提升的同时更少能耗。
另外 ，包括新华三 、曙光等服务器厂商也发布了液冷技术 、产品和解决方案 。虽然受限于成本 、标准化体系等因素的影响 ，液冷技术在数据中心仍未大范围普及 ，但其技术和标准正在不断完善 ，且受到越来越多的用户关注 。
二 、亿华云AI服务器众所周知 ，人工智能的发展离不开算力 、算法和数据三个核心要素 ，而算力作为其中最核心的要素 ，带动了人工智能整体的发展和成熟 。随着生成式AI的快速发展，企业对于算力的要求越来越高，AI服务器应运而生。
所谓AI服务器 ，顾名思义即一种能够提供人工智能（AI）计算的服务器 。按照应用场景来分 ，AI服务器可以分为训练和推理两种 ，其中训练对芯片算力要求更高 ，推理对算力的要求偏低 。由于AI服务器的集成度较高 ，因此研发难度较普通的服务器要更加复杂 。不过 ，由于AI服务器算力更强 ，部署更加简单 ，因此备受企业关注 。
目前 ，除了英伟达DGX A100系列AI服务器之外 ，国内包括新华三 、浪潮 、联想等服务器厂商 ，均推出了AI服务器。例如 ，早在2019年浪潮AI服务器研发团队就攻克了互联 、供电和散热设计的三大技术挑战，研发出了Purley平台2U8GPU超高密度AI服务器 。新华三集团去年推出了全新的AI一体机 ，以训推一体的高效底座 ，结合智能算力中枢和AI操作系统，实现开箱即用 。联想也于今年发布了联想问天WA7780 G3 AI大规模训练服务器，在产品设计中即采用了三重独立风道设计 ，可为CPU节点 、GPU节点 ，以及交换机节点进行独立散热 ，高效且节约能耗。
不难发现，随着生成式AI的迅速爆火 ，AI服务器将越来越受到用户关注。
三 、存算一体化随着人工智能技术的发展 ，数据中心的数据量呈现出爆炸式增长的态势 。面对数据洪流，虽然CPU 、GPU 、存储的性能在不断提高 ，但是传统的计算 、存储分离的架构 ，让数据的搬运慢 、数据搬运能耗高等问题充分显现出来 ，而存算一体技术就成为解决这一问题的关键所在。
由于存算一体技术彻底打破了存储墙 、带宽墙和功耗墙等问题，消除不必要的数据搬移延迟和功耗，并使用存储单元提升算力 ，成百上千倍地提高计算效率 ，降低成本 。与此同时 ，存算一体仍旧属于非冯诺伊曼架构 ，在特定领域可以提供更大算力（1000TOPS以上）和更高能效（超过10-100TOPS/W） ，明显超越现有ASIC算力芯片 。除了用于AI计算外 ，存算技术也可用于感存算一体芯片和类脑芯片 ，代表了未来主流的大数据计算芯片架构 。
近年来，国内外涌现出不少专注于存算一体芯片的新兴创企 ，同时包括阿里巴巴在内的巨头们纷纷加快了产业布局 ，资本也对其青睐有加 。目前 ，存算一体芯片已经实现了初步的商业化应用 。除此之外 ，联想 、华为等企业也推出了存算一体化的相关产品和解决方案 。
随着在大模型时代，存算一体技术有望大幅度提升AI芯片的计算密度和能效，缓解AI 芯片性能与功耗之间的矛盾 ，提升大模型部署的经济性 ，为人工智能的大规模应用提供不竭的算力支撑 。
三 、全闪存数据中心随着技术的不断成熟，全闪存存储的容量在不断提升 ，价格也在不断降低。今年 ，越来越多的数据中心开始部署全闪存存储，以此来提高数据中心的整体性能 ，并降低整体能耗。
在技术层面上 ，随着3D NAND的不断突破 ，闪存存储的容量也在不断提高 。今年，韩国SK海力士已经开发出其最先进的NAND闪存芯片 ，该芯片由238层存储单元组成 。SK海力士称新的238层芯片是最小的NAND闪存芯片 ，数据传输速度相比上代产品提升50％，读取数据消耗的能量降低21％ 。
此外 ，三星电子宣布计划在明年生产第 9 代 V-NAND 闪存 ，据称这款闪存将采用双层堆栈架构 ，并超过 300 层 。SK 海力士同样表示将进一步完善 321 层 NAND 闪存 ，并计划于 2025 年上半期开始量产 。另外有消息称，西部数据和铠侠这两家公司的工程师正在寻求实现8平面3D NAND设备以及超过300字线的3D NAND IC 。
在产品层面上，包括IBM 、戴尔 、华为 、浪潮等国内外企业都已经推出了全闪存存储产品和解决方案，并且已经部署到各种规模的数据中心当中 。在应用层面 ，随着AIGC时代的到来 ，对于数据中心的算力和存储都提出了更高的要求 ，全闪存存储无疑将成为最佳的选择 。
可以看到，随着技术的不断突破 ，全闪存存储的价格在不断降低，越来越多的数据中心已经开始全面部署全闪存存储 ，以满足创新应用的需求。
四 、边缘数据中心5G、物联网技术的不断突破，也使得边缘数据中心成为越来越多企业的选择。尤其是在制造 、金融等行业 ，边缘计算凭借实时性 、安全性 、低成本等优势 ，更受企业欢迎，这也使得边缘数据中心的建设速度稳步增长 。
据Gartner预测 ，到2025年将有75%的数据产生在数据中心和云之外并在边缘侧进行处理。据STL Partners的预测 ，到2030年 ，全球边缘计算潜在市场规模将增长到4450亿美元 ，10年复合增长率高达48%。
IDC发布的《中国半年度边缘计算市场（2023上半年）跟踪》报告显示 ，中国边缘计算服务器市场在2023年仍保持稳步增长，上半年中国定制边缘专用服务器市场规模达到1.3亿美元，同比增长49%。
边缘计算市场成长空间广阔 ，边缘服务器市场潜力也不容小觑 。目前 ，包括联想 、戴尔 、新华三等国内外服务器厂商 ，均开始全面布局边缘计算市场 ，并推出了面向边缘数据中心的不同产品和解决方案 ，以此来满足不同企业的需求 。据Gartner预测 ，到2025年 ，全球服务器市场规模将达到1350亿美元 ，边缘计算设备市场将达到370亿美元 。
可以说，随着技术的日益成熟 ，边缘业务应用将更加多样化 ，越来越多的服务器厂商将面向不同的行业和应用 ，推出更加多样化的产品 ，将进一步推动边缘数据中心的高速发展。
五 、大容量硬盘存储随着固态硬盘的发展 ，已经鲜有用户关注传统的机械硬盘。虽然机械硬盘在性能 、空间 、散热等方面不再具备任何优势 ，但随着技术的发展 ，单碟2.4TB，单盘24TB的大容量企业级硬盘在今年已经发布 。笔者认为 ，在云数据中心 ，这种高达24TB ，甚至28TB的传统机械硬盘 ，仍旧具有较大的性价比优势 。因此 ，我们一直在关注大容量硬盘的技术创新 。
今年 ，希捷推出了全新希捷银河Exos X24硬盘 ，单碟容量为2.4TB的10碟片工艺，是希捷目前存储密度最高的硬盘 。该硬盘基于传统磁记录（CMR）技术 ，采用氦气封装 ，标准的3.5英寸规格 ，转速7200 RPM ，提供SATA和SAS接口，通过增强缓存功能，性能表现比仅使用读取/写入缓存的解决方案高达三倍 。
西部数据今年发布了单盘26TB的大容量硬盘 ，该产品通过CMR（传统磁记录）技术将单盘HDD容量提升至22TB的同时 ，通过将OptiNAND与UltraSMR技术结合 ，将硬盘的容量提升至26TB。据悉 ，西部数据单盘容量28TB的产品即将发布 。
可以看到 ，容量的提升使得旋转磁碟和移动磁头所需的电机数量减少，发生故障的概率也会降低 ，从而提高了每TB数据存储的整体可靠性 。因此 ，凭借高容量、高性价比的优势 ，大容量仍将是数据中心主要存储产品 。
以上 ，是笔者2023年关注的数据中心五大热点技术 。作为企业数字化转型必不可少的基础设施 ，数据中心未来将会出现哪些热门技术 ，让我们拭目以待吧 ！
(责任编辑：数据库)