數(shù)據(jù)中心服務(wù)器技術(shù)發(fā)展趨勢(shì)與應(yīng)用
摘要：當(dāng)前，為推進(jìn)IT支撐系統(tǒng)集約化建設(shè)和運(yùn)營(yíng)，進(jìn)一步發(fā)揮集中化能力優(yōu)勢(shì)，IT云成為運(yùn)營(yíng)商IT支撐系統(tǒng)建設(shè)的基礎(chǔ)架構(gòu)。但在IT云資源池部署過(guò)程中，服務(wù)器技術(shù)面臨多個(gè)新挑戰(zhàn)，主要體現(xiàn)在以下3個(gè)方面。
當(dāng)前，為推進(jìn)IT支撐系統(tǒng)集約化建設(shè)和運(yùn)營(yíng)，進(jìn)一步發(fā)揮集中化能力優(yōu)勢(shì)，IT云成為運(yùn)營(yíng)商IT支撐系統(tǒng)建設(shè)的基礎(chǔ)架構(gòu)。但在IT云資源池部署過(guò)程中，服務(wù)器技術(shù)面臨多個(gè)新挑戰(zhàn)，主要體現(xiàn)在以下3個(gè)方面。
在性能方面，人工智能（AI）應(yīng)用快速擴(kuò)張，要求IT云采用高性能GPU服務(wù)器。AI已在電信業(yè)網(wǎng)絡(luò)覆蓋優(yōu)化、批量投訴定界、異常檢測(cè)/診斷、業(yè)務(wù)識(shí)別、用戶定位等場(chǎng)景規(guī)模化應(yīng)用。AI應(yīng)用需求的大量出現(xiàn)，要求數(shù)據(jù)中心部署的服務(wù)器具有更好的計(jì)算效能、吞吐能力和延遲性能，以傳統(tǒng)通用x86服務(wù)器為核心的計(jì)算平臺(tái)顯得力不從心，GPU服務(wù)器因此登上運(yùn)營(yíng)商IT建設(shè)的歷史舞臺(tái)。
在效率成本方面，IT云部署通用服務(wù)器存在弊端，催生定制化整機(jī)柜服務(wù)器應(yīng)用需求。在IT云建設(shè)過(guò)程中，由于業(yè)務(wù)需求增長(zhǎng)快速，IT云資源池?cái)U(kuò)容壓力較大，云資源池中的服務(wù)器數(shù)量快速遞增，上線效率亟需提高。同時(shí)，傳統(tǒng)通用服務(wù)器部署模式周期長(zhǎng)、部署密度低的劣勢(shì)，給數(shù)據(jù)中心空間、電力、建設(shè)成本和高效維護(hù)管理都帶來(lái)了較大的挑戰(zhàn)。整機(jī)柜服務(wù)器成為IT云建設(shè)的另一可選方案。
在節(jié)能方面，AI等高密度應(yīng)用場(chǎng)景的快速發(fā)展，驅(qū)動(dòng)液冷服務(wù)器成為熱點(diǎn)。隨著AI高密度業(yè)務(wù)應(yīng)用的發(fā)展，未來(lái)數(shù)據(jù)中心服務(wù)器功率將從3kW~5kW向20kW甚至100kW以上規(guī)模發(fā)展，傳統(tǒng)的風(fēng)冷式服務(wù)器制冷系統(tǒng)解決方案已經(jīng)無(wú)法滿足制冷需求，液冷服務(wù)器成為AI應(yīng)用場(chǎng)景下的有效解決方案。
GPU服務(wù)器技術(shù)發(fā)展態(tài)勢(shì)
GPU服務(wù)器是單指令、多數(shù)據(jù)處理架構(gòu)，通過(guò)與CPU協(xié)同進(jìn)行工作。從CPU和GPU之間的互聯(lián)架構(gòu)進(jìn)行劃分，GPU服務(wù)器又可分為基于傳統(tǒng)PCIe架構(gòu)的GPU服務(wù)器和基于NVLink架構(gòu)的GPU服務(wù)器兩類(lèi)。GPU服務(wù)器具有通用性強(qiáng)、生態(tài)系統(tǒng)完善的顯著優(yōu)勢(shì)，因此牢牢占據(jù)了AI基礎(chǔ)架構(gòu)市場(chǎng)的主導(dǎo)地位，國(guó)內(nèi)外主流廠商均推出不同規(guī)格的GPU服務(wù)器。國(guó)外主流廠商有英偉達(dá)、英特爾、戴爾等，國(guó)內(nèi)主流廠商包括華為、浪潮、新華三、聯(lián)想、曙光等。從GPU服務(wù)器性能來(lái)看，國(guó)內(nèi)外廠商基本處在同一水準(zhǔn)。
GPU服務(wù)器在運(yùn)營(yíng)商IT云建設(shè)中的應(yīng)用
當(dāng)前，電信業(yè)開(kāi)始推動(dòng)GPU服務(wù)器在IT云資源池中的應(yīng)用，省公司現(xiàn)網(wǎng)中已經(jīng)部署了部分GPU服務(wù)器。同時(shí)，考慮到GPU成本較高，集團(tuán)公司層面通過(guò)建設(shè)統(tǒng)一AI平臺(tái)，集中化部署一批GPU服務(wù)器，形成AI資源優(yōu)化配置。從技術(shù)選型來(lái)看，目前運(yùn)營(yíng)商IT云資源池采用英偉達(dá)、英特爾等廠商相關(guān)產(chǎn)品居多。
GPU服務(wù)器在IT云應(yīng)用中取得了良好的效果。在現(xiàn)網(wǎng)部署的GPU服務(wù)器中，與訓(xùn)練和推理相關(guān)的深度學(xué)習(xí)應(yīng)用占主要部分，占比超過(guò)70%，支撐的業(yè)務(wù)包括網(wǎng)絡(luò)覆蓋智能優(yōu)化、用戶智能定位、智能營(yíng)銷(xiāo)、智能稽核等，這些智能應(yīng)用減少了人工投入成本，提升了工作效率。以智能稽核為例，以往無(wú)紙化業(yè)務(wù)單據(jù)的人工稽核平均耗時(shí)約48秒/單，而AI稽核平均耗時(shí)僅約5秒/單，稽核效率提升達(dá) 90%。同時(shí)，無(wú)紙化業(yè)務(wù)單據(jù)人工稽核成本約1.5元/單，采用GPU進(jìn)行AI稽核成本約0.048元/單，稽核成本降低達(dá)96.8%。
整機(jī)柜服務(wù)器技術(shù)發(fā)展態(tài)勢(shì)
整機(jī)柜服務(wù)器是按照模塊化設(shè)計(jì)思路打造的服務(wù)器解決方案，系統(tǒng)架構(gòu)由機(jī)柜、網(wǎng)絡(luò)、供電、服務(wù)器節(jié)點(diǎn)、集中散熱、集中管理6個(gè)子系統(tǒng)組成，是對(duì)數(shù)據(jù)中心服務(wù)器設(shè)計(jì)技術(shù)的一次根本性變革。整機(jī)柜服務(wù)器將供電單元、散熱單元池化，通過(guò)節(jié)約空間來(lái)提高部署密度，其部署密度通常可以翻倍。集中供電和散熱的設(shè)計(jì)，使整機(jī)柜服務(wù)器僅需配置傳統(tǒng)機(jī)柜式服務(wù)器10%的電源數(shù)量就可滿足供電需要，電源效率可以提升10%以上，且單臺(tái)服務(wù)器的能耗可降低5%。
整機(jī)柜服務(wù)器在運(yùn)營(yíng)商IT云建設(shè)中的應(yīng)用
國(guó)內(nèi)運(yùn)營(yíng)商在IT云建設(shè)中已經(jīng)推進(jìn)了整機(jī)柜服務(wù)器部署，經(jīng)過(guò)實(shí)際應(yīng)用檢驗(yàn)，在如下方面優(yōu)勢(shì)明顯。
一是工廠預(yù)制，交付工時(shí)大幅縮短。傳統(tǒng)服務(wù)器交付效率低，采用整機(jī)柜服務(wù)器將原來(lái)在數(shù)據(jù)中心現(xiàn)場(chǎng)進(jìn)行的服務(wù)器拆包、上架、布線等工作轉(zhuǎn)移到工廠完成，部署的顆粒度從1臺(tái)上升到幾十臺(tái)，交付效率大大提升。以一次性交付1500臺(tái)服務(wù)器為例，交付工作量可減少170~210人天，按每天配10人計(jì)算，現(xiàn)場(chǎng)交付時(shí)間可節(jié)省約17~21天。
二是資源池化帶來(lái)部件數(shù)量降低，故障率大幅下降。整機(jī)柜服務(wù)器通過(guò)將供電、制冷等部件資源池化，大幅減少了部件數(shù)量，帶來(lái)故障率的大幅降低。圖1比較了32節(jié)點(diǎn)整機(jī)柜服務(wù)器與傳統(tǒng)1U、2U服務(wù)器機(jī)型各自的電源部件數(shù)量及在一年內(nèi)的月度故障率情況。由于32節(jié)點(diǎn)整機(jī)柜服務(wù)器含10個(gè)電源部件，而32臺(tái)1U通用服務(wù)器的電源部件為64個(gè)，相較而言，整機(jī)柜電源部件數(shù)減少84.4%。由于電源部件數(shù)量的降低，32節(jié)點(diǎn)整機(jī)柜服務(wù)器相對(duì)于32臺(tái)1U通用服務(wù)器的月度故障率也大幅縮減。
三是運(yùn)維效率提升60%以上。整機(jī)柜服務(wù)器在工廠預(yù)制機(jī)柜布線，網(wǎng)絡(luò)線纜在工廠經(jīng)過(guò)預(yù)處理，線纜長(zhǎng)度精確匹配，理線簡(jiǎn)潔，接線方式統(tǒng)一規(guī)范，配合運(yùn)維標(biāo)簽，在運(yùn)維中可以更方便簡(jiǎn)潔地對(duì)節(jié)點(diǎn)實(shí)施維護(hù)操作，有效降低運(yùn)維誤操作，提升運(yùn)維效率60%以上，并大幅減少發(fā)生故障后的故障恢復(fù)時(shí)間。
液冷服務(wù)器技術(shù)發(fā)展態(tài)勢(shì)
液冷服務(wù)器技術(shù)也稱為服務(wù)器芯片液體冷卻技術(shù)，采用特種或經(jīng)特殊處理的液體，直接或近距離間接換熱冷卻芯片或者IT整體設(shè)備，具體包括冷板式冷卻、浸沒(méi)式冷卻和噴淋式冷卻3種形態(tài)。液冷服務(wù)器可以針對(duì)CPU熱島精確定點(diǎn)冷卻，精確控制制冷分配，能真正將高密度部署帶到前所未有的更高層級(jí)（例如20kW~100kW高密度數(shù)據(jù)中心），是數(shù)據(jù)中心節(jié)能技術(shù)的發(fā)展方向之一，3種液冷技術(shù)對(duì)比如表1所示。
液冷服務(wù)器在運(yùn)營(yíng)商IT建設(shè)中的應(yīng)用
液冷服務(wù)器技術(shù)目前在我國(guó)仍處于應(yīng)用初期，產(chǎn)業(yè)鏈尚不完備、設(shè)備采購(gòu)成本偏高、采購(gòu)渠道少、電子元器件的兼容性低、液冷服務(wù)器專(zhuān)用冷卻液成本高等問(wèn)題是液冷服務(wù)器尚未大規(guī)模推廣的重要原因。從液冷服務(wù)器在運(yùn)營(yíng)商數(shù)據(jù)中心領(lǐng)域的具體應(yīng)用案例來(lái)看，運(yùn)營(yíng)商在IT云資源池規(guī)劃和建設(shè)過(guò)程中，通常會(huì)對(duì)液冷服務(wù)器的發(fā)展現(xiàn)狀、技術(shù)成熟度等進(jìn)行分析論證。
考慮到目前液冷服務(wù)器規(guī)?；瘧?yīng)用尚處于起步階段，需要3~5年的引入期，因此暫時(shí)未在IT云資源池建設(shè)中進(jìn)行大規(guī)模落地部署，但在部分地區(qū)有小規(guī)模應(yīng)用，如中國(guó)移動(dòng)南方基地?cái)?shù)據(jù)中心已經(jīng)開(kāi)展液冷服務(wù)器試點(diǎn)應(yīng)用，中國(guó)聯(lián)通研究院也在開(kāi)展邊緣數(shù)據(jù)中心服務(wù)器噴淋式液冷系統(tǒng)的開(kāi)發(fā)。未來(lái)，隨著IT云建設(shè)規(guī)模、建設(shè)密度的繼續(xù)攀升，以及液冷產(chǎn)業(yè)生態(tài)體系的逐步成熟，液冷服務(wù)器在IT云建設(shè)中將有更大的應(yīng)用空間。
總體來(lái)看，運(yùn)營(yíng)商IT云資源池建設(shè)對(duì)服務(wù)器計(jì)算性能、延遲、吞吐、制冷、定制化、分布式部署等方面都提出了更高要求。未來(lái)，GPU服務(wù)器、定制化整機(jī)柜服務(wù)器、液冷服務(wù)器等新興服務(wù)器技術(shù)將快速迭代，為運(yùn)營(yíng)商數(shù)據(jù)中心服務(wù)器技術(shù)的發(fā)展和演進(jìn)帶來(lái)新的思路和路徑。
在性能方面，人工智能（AI）應(yīng)用快速擴(kuò)張，要求IT云采用高性能GPU服務(wù)器。AI已在電信業(yè)網(wǎng)絡(luò)覆蓋優(yōu)化、批量投訴定界、異常檢測(cè)/診斷、業(yè)務(wù)識(shí)別、用戶定位等場(chǎng)景規(guī)模化應(yīng)用。AI應(yīng)用需求的大量出現(xiàn)，要求數(shù)據(jù)中心部署的服務(wù)器具有更好的計(jì)算效能、吞吐能力和延遲性能，以傳統(tǒng)通用x86服務(wù)器為核心的計(jì)算平臺(tái)顯得力不從心，GPU服務(wù)器因此登上運(yùn)營(yíng)商IT建設(shè)的歷史舞臺(tái)。
在效率成本方面，IT云部署通用服務(wù)器存在弊端，催生定制化整機(jī)柜服務(wù)器應(yīng)用需求。在IT云建設(shè)過(guò)程中，由于業(yè)務(wù)需求增長(zhǎng)快速，IT云資源池?cái)U(kuò)容壓力較大，云資源池中的服務(wù)器數(shù)量快速遞增，上線效率亟需提高。同時(shí)，傳統(tǒng)通用服務(wù)器部署模式周期長(zhǎng)、部署密度低的劣勢(shì)，給數(shù)據(jù)中心空間、電力、建設(shè)成本和高效維護(hù)管理都帶來(lái)了較大的挑戰(zhàn)。整機(jī)柜服務(wù)器成為IT云建設(shè)的另一可選方案。
在節(jié)能方面，AI等高密度應(yīng)用場(chǎng)景的快速發(fā)展，驅(qū)動(dòng)液冷服務(wù)器成為熱點(diǎn)。隨著AI高密度業(yè)務(wù)應(yīng)用的發(fā)展，未來(lái)數(shù)據(jù)中心服務(wù)器功率將從3kW~5kW向20kW甚至100kW以上規(guī)模發(fā)展，傳統(tǒng)的風(fēng)冷式服務(wù)器制冷系統(tǒng)解決方案已經(jīng)無(wú)法滿足制冷需求，液冷服務(wù)器成為AI應(yīng)用場(chǎng)景下的有效解決方案。
GPU服務(wù)器技術(shù)發(fā)展態(tài)勢(shì)
GPU服務(wù)器是單指令、多數(shù)據(jù)處理架構(gòu)，通過(guò)與CPU協(xié)同進(jìn)行工作。從CPU和GPU之間的互聯(lián)架構(gòu)進(jìn)行劃分，GPU服務(wù)器又可分為基于傳統(tǒng)PCIe架構(gòu)的GPU服務(wù)器和基于NVLink架構(gòu)的GPU服務(wù)器兩類(lèi)。GPU服務(wù)器具有通用性強(qiáng)、生態(tài)系統(tǒng)完善的顯著優(yōu)勢(shì)，因此牢牢占據(jù)了AI基礎(chǔ)架構(gòu)市場(chǎng)的主導(dǎo)地位，國(guó)內(nèi)外主流廠商均推出不同規(guī)格的GPU服務(wù)器。國(guó)外主流廠商有英偉達(dá)、英特爾、戴爾等，國(guó)內(nèi)主流廠商包括華為、浪潮、新華三、聯(lián)想、曙光等。從GPU服務(wù)器性能來(lái)看，國(guó)內(nèi)外廠商基本處在同一水準(zhǔn)。
GPU服務(wù)器在運(yùn)營(yíng)商IT云建設(shè)中的應(yīng)用
當(dāng)前，電信業(yè)開(kāi)始推動(dòng)GPU服務(wù)器在IT云資源池中的應(yīng)用，省公司現(xiàn)網(wǎng)中已經(jīng)部署了部分GPU服務(wù)器。同時(shí)，考慮到GPU成本較高，集團(tuán)公司層面通過(guò)建設(shè)統(tǒng)一AI平臺(tái)，集中化部署一批GPU服務(wù)器，形成AI資源優(yōu)化配置。從技術(shù)選型來(lái)看，目前運(yùn)營(yíng)商IT云資源池采用英偉達(dá)、英特爾等廠商相關(guān)產(chǎn)品居多。
GPU服務(wù)器在IT云應(yīng)用中取得了良好的效果。在現(xiàn)網(wǎng)部署的GPU服務(wù)器中，與訓(xùn)練和推理相關(guān)的深度學(xué)習(xí)應(yīng)用占主要部分，占比超過(guò)70%，支撐的業(yè)務(wù)包括網(wǎng)絡(luò)覆蓋智能優(yōu)化、用戶智能定位、智能營(yíng)銷(xiāo)、智能稽核等，這些智能應(yīng)用減少了人工投入成本，提升了工作效率。以智能稽核為例，以往無(wú)紙化業(yè)務(wù)單據(jù)的人工稽核平均耗時(shí)約48秒/單，而AI稽核平均耗時(shí)僅約5秒/單，稽核效率提升達(dá) 90%。同時(shí)，無(wú)紙化業(yè)務(wù)單據(jù)人工稽核成本約1.5元/單，采用GPU進(jìn)行AI稽核成本約0.048元/單，稽核成本降低達(dá)96.8%。
整機(jī)柜服務(wù)器技術(shù)發(fā)展態(tài)勢(shì)
整機(jī)柜服務(wù)器是按照模塊化設(shè)計(jì)思路打造的服務(wù)器解決方案，系統(tǒng)架構(gòu)由機(jī)柜、網(wǎng)絡(luò)、供電、服務(wù)器節(jié)點(diǎn)、集中散熱、集中管理6個(gè)子系統(tǒng)組成，是對(duì)數(shù)據(jù)中心服務(wù)器設(shè)計(jì)技術(shù)的一次根本性變革。整機(jī)柜服務(wù)器將供電單元、散熱單元池化，通過(guò)節(jié)約空間來(lái)提高部署密度，其部署密度通常可以翻倍。集中供電和散熱的設(shè)計(jì)，使整機(jī)柜服務(wù)器僅需配置傳統(tǒng)機(jī)柜式服務(wù)器10%的電源數(shù)量就可滿足供電需要，電源效率可以提升10%以上，且單臺(tái)服務(wù)器的能耗可降低5%。
整機(jī)柜服務(wù)器在運(yùn)營(yíng)商IT云建設(shè)中的應(yīng)用
國(guó)內(nèi)運(yùn)營(yíng)商在IT云建設(shè)中已經(jīng)推進(jìn)了整機(jī)柜服務(wù)器部署，經(jīng)過(guò)實(shí)際應(yīng)用檢驗(yàn)，在如下方面優(yōu)勢(shì)明顯。
一是工廠預(yù)制，交付工時(shí)大幅縮短。傳統(tǒng)服務(wù)器交付效率低，采用整機(jī)柜服務(wù)器將原來(lái)在數(shù)據(jù)中心現(xiàn)場(chǎng)進(jìn)行的服務(wù)器拆包、上架、布線等工作轉(zhuǎn)移到工廠完成，部署的顆粒度從1臺(tái)上升到幾十臺(tái)，交付效率大大提升。以一次性交付1500臺(tái)服務(wù)器為例，交付工作量可減少170~210人天，按每天配10人計(jì)算，現(xiàn)場(chǎng)交付時(shí)間可節(jié)省約17~21天。
二是資源池化帶來(lái)部件數(shù)量降低，故障率大幅下降。整機(jī)柜服務(wù)器通過(guò)將供電、制冷等部件資源池化，大幅減少了部件數(shù)量，帶來(lái)故障率的大幅降低。圖1比較了32節(jié)點(diǎn)整機(jī)柜服務(wù)器與傳統(tǒng)1U、2U服務(wù)器機(jī)型各自的電源部件數(shù)量及在一年內(nèi)的月度故障率情況。由于32節(jié)點(diǎn)整機(jī)柜服務(wù)器含10個(gè)電源部件，而32臺(tái)1U通用服務(wù)器的電源部件為64個(gè)，相較而言，整機(jī)柜電源部件數(shù)減少84.4%。由于電源部件數(shù)量的降低，32節(jié)點(diǎn)整機(jī)柜服務(wù)器相對(duì)于32臺(tái)1U通用服務(wù)器的月度故障率也大幅縮減。
三是運(yùn)維效率提升60%以上。整機(jī)柜服務(wù)器在工廠預(yù)制機(jī)柜布線，網(wǎng)絡(luò)線纜在工廠經(jīng)過(guò)預(yù)處理，線纜長(zhǎng)度精確匹配，理線簡(jiǎn)潔，接線方式統(tǒng)一規(guī)范，配合運(yùn)維標(biāo)簽，在運(yùn)維中可以更方便簡(jiǎn)潔地對(duì)節(jié)點(diǎn)實(shí)施維護(hù)操作，有效降低運(yùn)維誤操作，提升運(yùn)維效率60%以上，并大幅減少發(fā)生故障后的故障恢復(fù)時(shí)間。
液冷服務(wù)器技術(shù)發(fā)展態(tài)勢(shì)
液冷服務(wù)器技術(shù)也稱為服務(wù)器芯片液體冷卻技術(shù)，采用特種或經(jīng)特殊處理的液體，直接或近距離間接換熱冷卻芯片或者IT整體設(shè)備，具體包括冷板式冷卻、浸沒(méi)式冷卻和噴淋式冷卻3種形態(tài)。液冷服務(wù)器可以針對(duì)CPU熱島精確定點(diǎn)冷卻，精確控制制冷分配，能真正將高密度部署帶到前所未有的更高層級(jí)（例如20kW~100kW高密度數(shù)據(jù)中心），是數(shù)據(jù)中心節(jié)能技術(shù)的發(fā)展方向之一，3種液冷技術(shù)對(duì)比如表1所示。
液冷服務(wù)器在運(yùn)營(yíng)商IT建設(shè)中的應(yīng)用
液冷服務(wù)器技術(shù)目前在我國(guó)仍處于應(yīng)用初期，產(chǎn)業(yè)鏈尚不完備、設(shè)備采購(gòu)成本偏高、采購(gòu)渠道少、電子元器件的兼容性低、液冷服務(wù)器專(zhuān)用冷卻液成本高等問(wèn)題是液冷服務(wù)器尚未大規(guī)模推廣的重要原因。從液冷服務(wù)器在運(yùn)營(yíng)商數(shù)據(jù)中心領(lǐng)域的具體應(yīng)用案例來(lái)看，運(yùn)營(yíng)商在IT云資源池規(guī)劃和建設(shè)過(guò)程中，通常會(huì)對(duì)液冷服務(wù)器的發(fā)展現(xiàn)狀、技術(shù)成熟度等進(jìn)行分析論證。
考慮到目前液冷服務(wù)器規(guī)?；瘧?yīng)用尚處于起步階段，需要3~5年的引入期，因此暫時(shí)未在IT云資源池建設(shè)中進(jìn)行大規(guī)模落地部署，但在部分地區(qū)有小規(guī)模應(yīng)用，如中國(guó)移動(dòng)南方基地?cái)?shù)據(jù)中心已經(jīng)開(kāi)展液冷服務(wù)器試點(diǎn)應(yīng)用，中國(guó)聯(lián)通研究院也在開(kāi)展邊緣數(shù)據(jù)中心服務(wù)器噴淋式液冷系統(tǒng)的開(kāi)發(fā)。未來(lái)，隨著IT云建設(shè)規(guī)模、建設(shè)密度的繼續(xù)攀升，以及液冷產(chǎn)業(yè)生態(tài)體系的逐步成熟，液冷服務(wù)器在IT云建設(shè)中將有更大的應(yīng)用空間。
總體來(lái)看，運(yùn)營(yíng)商IT云資源池建設(shè)對(duì)服務(wù)器計(jì)算性能、延遲、吞吐、制冷、定制化、分布式部署等方面都提出了更高要求。未來(lái)，GPU服務(wù)器、定制化整機(jī)柜服務(wù)器、液冷服務(wù)器等新興服務(wù)器技術(shù)將快速迭代，為運(yùn)營(yíng)商數(shù)據(jù)中心服務(wù)器技術(shù)的發(fā)展和演進(jìn)帶來(lái)新的思路和路徑。
