在自動化和生成式人工智能(GenAI)時代，是時候重新思考“數(shù)據(jù)中心”的真正含義了。對于那些已經在公共云上投入了大量資金的人來說，當談到自動化和GenAI時，數(shù)據(jù)中心可能就不是首先想到的地方，但這些技術正在迅速改變所有環(huán)境中的可能性。

10年或15年前，當企業(yè)開始通過刷信用卡繞過IT，并讓開發(fā)人員自由地使用云資源時，公共云絕對是正確的舉措。在大多數(shù)大型組織中，內部客戶經常被忽視，或者需求沒有得到充分滿足。他們需要靈活性，渴望可擴展性，并且需要較低的前期成本來讓孵化項目蓬勃發(fā)展。

如果時間停滯不前，或許那些關于數(shù)據(jù)中心終結的可怕預言是正確的。那么為什么這個終結事件沒有發(fā)生呢?因為數(shù)據(jù)中心已經適應了?，F(xiàn)在可以在本地使用“aaS”和訂閱模型，但真正的穩(wěn)定力量是自動化。

這給我們帶來了現(xiàn)今的故事：GenAI以及其如何增強數(shù)據(jù)中心的自動化，使其體驗幾乎與公共云相當。在此之前，我們需要了解自動化和腳本在數(shù)據(jù)中心中扮演的角色。首先，先來了解一些要點，然后再解釋為什么自動化和GenAI已經改變了內部部署的可能性。

云運營模型和基礎設施作為代碼

從基礎開始：云的基礎是基礎架構即代碼和將IT作為服務使用的理念。開發(fā)人員無需與存儲管理員、IT運營人員或網絡團隊交談即可快速啟動環(huán)境并開始工作。這應該是2023年的籌碼，好消息是完全有可能為自己建造它。采用這種運營模式意味著IT正在利用策略和流程以及自動化來消除環(huán)境中的摩擦。

實現(xiàn)云操作模型自動化后的最終體驗的可視化表示

自動化工具集和遙測數(shù)據(jù)

如今，有許多自動化、管理和遙測/AIOps產品可以為數(shù)據(jù)中心提供無與倫比的控制和洞察。數(shù)據(jù)是人工智能和有效管理數(shù)據(jù)中心的基礎?，F(xiàn)在數(shù)據(jù)中心的控制和可見性通常是公共云中可以實現(xiàn)的一個超集——盡管超大規(guī)模企業(yè)在這方面也做得很好?？紤]到云的多租戶特性，云提供商必須模糊一些運營知識，以確保每個客戶的安全。這導致架構決策限制了某些監(jiān)控系統(tǒng)的部署方式以及可以收集的數(shù)據(jù)。一個重要的焦點是確保自己正在大量集成這些解決方案，將自動化和基礎架構作為代碼，測量/監(jiān)視所有內容，并為所有角色使用一個內聚的工作流。

通用自動化/管理堆棧的可視化表示

GenAI掀起下一波IT自動化浪潮

這將我們帶入了包含GenAI的數(shù)據(jù)中心的下一個演進。分享一個關于過去角色的有趣故事：客戶讓營銷顧問為物理和虛擬基礎設施構建一個HCI部署實踐實驗室，然后沒有提供任何主題專家提供幫助。那個營銷顧問就是我，這可能是我從事過的最具挑戰(zhàn)性的項目之一。我使用代碼片段和YouTube教程來了解如何完成這類任務的基礎。又花了數(shù)周的時間組裝拼圖，弄清楚每個拼圖如何組合在一起。盡管我對編碼不太了解，但奇跡般地成功了?？傊@是Wonderwall……意思是GenAI正在做這件事。

GenAI是正在尋找的搜索引擎和代碼組裝機

現(xiàn)在請注意，在我的動手實驗室中，我所做的不僅僅是安裝Windows Server，但毫無疑問，如果我要求它提供其余的過程，也是可以的。重要的是，在基礎設施即代碼的思想下，在開發(fā)人員可能不熟悉這些類型的調用或運行手冊的新環(huán)境中，GenAI是一個真正可以提供幫助的新盟友。許多人沒有意識到訪問公共基礎設施腳本是普遍存在的，而且通常是由技術企業(yè)自己編寫的。硬件和軟件供應商都有大型運行手冊存儲庫，有時只需找到它們即可：進入GenAI。另一個重要的考慮因素是基礎設施本身是智能且安全的?？梢詫⑦@些命令推送到數(shù)千臺服務器以進行遠程管理。

GenAI和流程構建

我們聽到了很多關于容器的討論，但當我向一位客戶提出這個話題時，其表示：“我甚至無法讓我的VMware管理員工作18個月，你憑什么認為我可以做容器?”這可能是技術面臨的最大挑戰(zhàn)：如果沒有技能，如何使用它?進入GenAI的下一個令人難以置信的減阻工具：編寫或查找文檔。

只需兩次提示，就能擁有了一個常規(guī)且非常有價值的過程文檔，并且可以隨時使用。

長期以來，我們可以接觸到大量的信息，但之前我們沒有能力解析所有的信息。GenAI改變了這一切?，F(xiàn)在，無需在代碼存儲庫中進行搜索和篩選，只需簡單的自然語言查詢或提示即可準確生成所需的文檔。無需花費數(shù)小時尋找答案，只需幾分鐘即可獲得大量文檔。這完全消除了擁抱技術的任何障礙。

數(shù)以千計的可能性，但人工智能運營是下一個

這項技術可以通過多種方式運行數(shù)據(jù)中心。下一個具有重要價值的可能是人工智能運營。豐富的遙測數(shù)據(jù)可以告訴我們很多，但也往往存在信噪比問題。我們只是在生成太多數(shù)據(jù)，供人類分析和理解。通過將這些數(shù)據(jù)推送到GenAI并使用自然語言作為界面，我們將向更廣泛的受眾擴展洞察力，并讓我們能夠提出我們在查看圖表和原始數(shù)據(jù)時可能從未想到的問題。當我們使用這種數(shù)據(jù)時，解決問題的平均時間會直線下降。但是有一個巨大的缺點，這也就引出了最后一點。

GenAI和自動化改變了一切，但必須謹慎使用

GenAI的兩個主要挑戰(zhàn)必須得到解決。即知識產權(IP)泄露及其“產生幻覺”或編造內容的能力。下面逐一分析，并確定如何在實施過程中不受阻礙地使用這項技術。

首先，來討論一下IP泄露。在將數(shù)據(jù)發(fā)送到作為服務交付的GenAI模型的任何情況下，我們都有泄露IP的風險。就像早期的公共云和開放式S3存儲桶一樣，早期實驗者的誤用或誤解中給其企業(yè)帶來了風險。解決這一問題的最佳方法是制定集中式IT策略，將其插入到通用工作流程或開發(fā)管道中，最后優(yōu)先考慮在本地構建自己的GenAI，以處理無法傳輸?shù)紸IaaS的高度敏感數(shù)據(jù)。

將大型語言模型(LLM)引入內部的另一個好處是，可以使其更加精確并為其設置防護欄。這使得其生成的響應更加準確，并且符合自己的業(yè)務。護欄還可以阻止一些“幻覺”，即當GenAI被迫回答但提供不準確或編造的信息來滿足請求時。這是GenAI的常見問題。事實上，這些工具都還處于起步階段。正如大多數(shù)人會在其發(fā)布管道中進行測試一樣，這也是在投入生產之前應該更加嚴格的領域。我非常支持人類參與其中，或人類輔助機器學習，作為減少人工智能錯誤的一種方式。

未來是自動化的

數(shù)據(jù)中心將繼續(xù)存在，但可以通過GenAI和自動化進行徹底改造。這些工具可以增強工作流程，并幫助IT運營人員和開發(fā)人員實現(xiàn)超人的能力，但并不能直接替代人類。當推出人工智能和自動化策略時，重要的是要考慮自己想要實現(xiàn)的目標，以及組織適合的自動化級別。未來是光明的，任何地方的創(chuàng)新能力現(xiàn)已成為現(xiàn)實。