在过去的一年左右时间里，大型语言模型（LLM）越来越强大，支持了许多新的生成式人工智能用例。这些用例在不久前还被视为科幻小说。这导致了许多企业制定了人工智能战略，以确保他们能充分利用这项强大的新技术的潜力。然而，由于过于关注他们可以利用人工智能做什么，许多企业却没有考虑如何利用人工智能以及如何改变数据中心的需求。
数据中心是指托管大量服务器、网络设备和存储设备的设施，用于存储、处理和传输数据。企业可以使用数据中心来支持各种计算、存储和网络需求。
数据中心有以下不同类型：
1.通用托管数据中心
这种类型的数据中心主要用于托管企业的应用工作负载，通常位于离企业本地位置较远的地方。它们提供了高度安全的物理环境、稳定的能源供应和高速网络连接。
2. 高价值、高度互联的站点
这些数据中心通常位于人口稠密地区，并且具有高度互联的网络基础设施。它们通常用于支持金融交易、游戏和其他需要低延迟连接的生态系统。
此外，在人工智能时代，数据中心的需求和用途正在发生变化。以下是一些与人工智能相关的数据中心类型和用途：
1. 超大规模数据中心
这些数据中心通常由大型云计算和即服务提供商拥有和运营，用于训练密集和计算密集型的人工智能模型。它们具有高功率密度，并且通常位于网络连接性好、能源成本低的地区。
2. 边缘数据中心
这些数据中心位于靠近终端用户、应用和设备的位置，以提供低延迟的服务。它们通常用于部署需要低延迟的网络密集型工作负载，如游戏和虚拟维护助手。
3. 核心数据中心
这些数据中心位于网络密度高、互联性好的位置，是构建全球分布式数字基础设施的基础。它们通常用于支持人工智能模型的训练和推理，以及处理大规模的数据集。
不同类型的数据中心针对不同的需求和用途提供不同的功能和服务。企业在选择数据中心时应考虑工作负载的特点、功率密度要求、延迟需求以及数据源和处理位置之间的距离等因素。综合考虑这些因素，企业可以制定适合其人工智能战略的数据中心部署策略。
