Rambler's Top100
Статьи
Энди ЛОУРЕНС  Дэниел БИЗО  Макс СМОЛАКС  Дуглас ДОННЕЛЛАН  Джей ДИТРИХ  Рэнд ТАЛИБ  24 апреля 2026

ИИ-автоматизация: от пилотных проектов к полноценному применению

Системы автоматизации на основе ИИ начнут внедряться в ЦОДах для поддержки обучения, в качестве гибридных систем цифровых двойников и для динамического распределения ресурсов. Они помогут повысить надежность и управляемость, но не дадут резкого снижения энерго- или водопотребления.

«ИКС-Медиа» завершает публикацию прогнозов в области ЦОДов, которые эксперты Uptime Intelligence анонсируют в начале каждого года. С другими прогнозами можно ознакомиться на нашем сайте (прогноз 1, прогноз 2, прогноз 3, прогноз 4).

В ЦОДах все чаще размещаются приложения, связанные с искусственным интеллектом (ИИ), но сами ЦОДы эти технологии используют редко. Однако теперь ЦОДы начнут переходить от экспериментов с ИИ к целенаправленному внедрению. Отдельные операторы будут интегрировать функции с поддержкой ИИ в платформы управления инфраструктурой (DCIM), инструменты управления ИТ-услугами и системы промышленного контроля.

Можно выделить несколько ключевых областей применения ИИ в ЦОДах. К ним относятся поддержка обучения, гибридные системы цифровых двойников и специализированные ИИ-помощники, обеспечивающие динамическое распределение энергоресурсов, перераспределение ИТ-нагрузки, обнаружение избыточности, а также настройку рабочих процессов на основе правил. Эти системы будут опираться на достаточно зрелые и проверенные аналитические модели и модели машинного обучения, а вот технологии генеративного ИИ останутся вспомогательным инструментом и для оперативных решений в реальном времени использоваться не будут.

Факторы, подталкивающие к автоматизации

ИИ в ЦОДах внедряется медленно, переходя от аналитики к оптимизации и, наконец, к адаптивному управлению. Однако, по прогнозам Uptime Intelligence, в течение следующих трех лет это движение ускорится благодаря трем факторам:
  1. Операционная сложность. Распространение рабочих нагрузок ИИ и кластеров с высокой интенсивностью использования графических процессоров привело к повышению нагрузки на стойку с 10–15 до 30–100 кВт, и ожидается, что этот показатель будет расти. При таких плотностях нагрузки тепловые условия и потребность в электропитании меняются слишком быстро для ручного контроля или статических правил. Все чаще требуются самообучающиеся системы, которые в реальном времени корректируют параметры охлаждения и распределения электроэнергии в зависимости от изменения условий. Для больших систем даже небольшое повышение эффективности за счет автоматизации может иметь значительные финансовые последствия.
  2. Дефицит рабочей силы. Глобальная нехватка квалифицированных специалистов в области механических и электрических систем вынуждает ЦОДы автоматизировать рутинные задачи мониторинга, поиска и устранения неисправностей и другие процедуры эксплуатации для поддержания требуемого уровня надежности.
  3. Требования устойчивого развития. Существует мнение, что устойчивое развитие отходит на второй план, когда приоритет отдается развитию ИИ. Однако расширение рамок отчетности в области экологии, социальной ответственности и корпоративного управления, а также появление региональных правил повышения эффективности подталкивают ЦОДы к измерению, оптимизации и документированию своих показателей энерго- и водопотребления с использованием все более детализированных данных, получаемых практически в режиме реального времени.
В некоторых коммерческих платформах DCIM и системах управления зданиями (BMS) появляются возможности динамического планирования энергопотребления, обнаружения смещения нагрузки (выявление потенциальных точек отказа резервирования) и автоматизации рабочих процессов на основе настраиваемых триггеров. Такой функционал в настоящее время интегрируется в платформы Schneider Electric, Siemens и других компаний.

Автоматизация становится ощутимой

В 2026 г. некоторые ЦОДы начнут внедрять системы с использованием ИИ в трех взаимодополняющих функциональных областях:
  • Поддержка обучения и гибридные цифровые двойники. В основном они будут применяться при эксплуатации систем охлаждения и оптимизации энергопотребления. ИИ поможет, в частности, непрерывно корректировать параметры охлаждения на основе обратной связи в реальном времени, обеспечивая измеримое повышение эффективности под контролем человека.
  • Промышленные помощники. Некоторые производители внедряют ИИ-помощников с голосовым интерфейсом для взаимодействия со специалистами служб эксплуатации. Schneider Electric (EcoStruxure Automation Expert) и Siemens (Industrial Copilot) используют облачные ИИ-платформы Microsoft для обработки системных данных и телеметрии, повышая информированность специалистов служб эксплуатации и помогая им, в частности, реагировать на инциденты.
  • Интеллектуальная координация на основе правил. Инструменты автоматизации рабочих процессов уже позволяют производить основанную на правилах обработку данных датчиков в режиме реального времени. Такие платформы, как XpedITe (RiT Tech) и Power IQ/dcTrack (Sunbird), поддерживают автоматизированное реагирование, например, корректировку энергетических бюджетов или выявление рисков избыточности.
Последствия для отрасли

Развертывание систем автоматизации на основе ИИ в ряде известных ЦОДов привлечет внимание других компаний, но внедряться такие системы будут постепенно и неравномерно. Большинство операторов ЦОДов будут отслеживать рынок, тестировать новые функции и внедрять их поэтапно в течение нескольких лет. Среди тенденций отметим следующие:

Под контролем человека. Инженеры на первых порах будут проверять корректность работы систем автоматизации и обработки инцидентов, что ограничит возможность быстрой трансформации рабочих процессов.

Темпы внедрения. Крупные гиперскейлеры и поставщики услуг colocation будут быстрее внедрять системы с использованием ИИ. Большинство предприятий будут действовать более осторожно, поэтапно модернизируя свои системы DCIM и BMS.

Своя разработка или покупка готового. Большинство ЦОДов будут полагаться не на собственные ИИ-инструменты, а на готовые продукты. Поэтому прогресс в этой области будет зависеть от того, насколько быстро поставщики систем DCIM, BMS и ITSM будут их совершенствовать.

Управление и безопасность. Поскольку ИИ влияет на принятие решений, связанных с безотказностью работы и резервированием, операторам потребуются более четкие процедуры согласования и одобрения. 

Качество данных как конкурентное преимущество. Автоматизация будет более эффективна на объектах с точными и согласованными телеметрическими данными. Поэтому ИИ может способствовать более широкому использованию измерительных приборов, датчиков и инструментов интеграции данных.

Ожидаемые выгоды. Со временем автоматизация должна повысить отказоустойчивость за счет уменьшения количества ошибок, связанных с ручным вводом данных, ускорения реагирования на инциденты, оптимизации теплового режима и распределения электропитания. Выгоды будут проявляться в повышении эффективности работы персонала и управления деятельностью растущего масштаба и сложности, а не в резком снижении энерго- или водопотребления.

Эти выгоды обещались и раньше — в частности, в отношении систем DCIM, и операторы убедились, что терпеливая скрупулезная работа дает результат. Ожидается, что преимущества нового поколения систем автоматизации на основе ИИ станут заметны в течение нескольких лет, а не в результате резкого перехода в 2026 г.

Автоматизацию на основе ИИ следует оценивать не по уменьшению количества людей, присутствующих на объекте, а по измеримому улучшению стабильности, эффективности и снижению рисков. Наиболее успешные ЦОДы будут инвестировать в поэтапные, хорошо управляемые системы автоматизации, улучшать качество данных и создавать четкие механизмы проверки решений, принимаемых с помощью ИИ. Прежде чем большинство операторов начнут рассматривать более глубокую автоматизацию, необходимо будет укрепить доверие к контролируемой автономности.

Ключевые тенденции
  • Некоторые ЦОДы начнут встраивать ИИ-помощников в системы эксплуатации и ИТ-системы, что ознаменует переход от экспериментальных инструментов к постоянно используемым решениям.
  • Поддержка обучения и гибридные цифровые двойники позволят оптимизировать процессы с обратной связью, промышленные помощники будут помогать специалистам службы эксплуатации принимать решения, а автоматизация на основе правил поможет обрабатывать рутинные рабочие процессы.
  • Полуавтономная работа будет развиваться, но люди на объекте по-прежнему будут необходимы. Полностью автономные системы будут использоваться ограниченно, например, на небольших периферийных площадках или на экспериментальных объектах, таких как ЦОДы в космосе.
Дэниел Бизо, директор по исследованиям;
Энди Лоуренс, исполнительный директор по исследованиям;
Джей Дитрих, директор по исследованиям в области устойчивого развития;
Дуглас Доннеллан, аналитик-исследователь;
Макс Смолакс, аналитик-исследователь;
Д-р Рэнд Талиб, аналитик-исследователь

Публикуется с разрешения Uptime Institute   
Заметили неточность или опечатку в тексте? Выделите её мышкой и нажмите: Ctrl + Enter. Спасибо!