几十年来，数据中心一直位于或靠近网络中心。对于企业、电信运营商、有线电视运营商以及近来的Google和Facebook等服务提供商而言，数据中心是IT的心脏和肌肉。云技术的出现更是彰显了现代数据中心的重要性。但仔细聆听，您会听到变革来临时的隆隆声。
随着网络计划迁移至5G和物联网，IT管理者开始关注边缘，并且需要将更多容量和处理能力部署在更靠近最终用户的位置。在此过程中，他们将会重新评估数据中心的作用。Gartner1认为，到2025年，将有75%的企业生成数据在边缘创建和处理⸺而2018年这一数据仅为10%。与此同时，数据量方面也要准备迎接新的挑战。一辆自动驾驶汽车预计平均每小时可产生4T数据。
现在网络都在争相确定如何才能更好地应对边缘流量的激增以及对低延迟性能的需求⸺而且不会破坏其现有数据中心的设施投资。答案之一是大量投资于东西向网络链路和对等冗余节点，在产生数据的地方建设更多的处理能力。但数据中心呢？它们将会发挥什么样的作用？
AI/ML 反馈循环
未来超大规模和云计算数据中心的商业应用主要在于其庞大的处理能力和存储容量。随着边缘活动日益活跃，需要借助数据中心的力量创建数据处理算法。在由物联网赋能的世界，人工智能 (AI) 和机器学习 (ML) 的重要性不容小觑。将其付诸实施的数据中心的角色也同样不容忽视。
为了生成驱动AI和ML所需的算法，需要处理大量数据。核心数据中心已经开始部署更强大的CPU，以配合TPU或其他专用硬件。此外，这通常需要超高速、大容量网络，以及先进的交换层，为处理同一问题的服务器库提供支持。AI和ML模型正是这些艰辛努力的成果。
另一方面，需要将AI和ML模型放在更能提升业务影响力的位置。例如，对于面部识别等企业AI应用，超低延迟要求需要它们在本地部署，而不是在核心部署。但是，还必须定期调整模型，以便将边缘收集的数据反馈到数据中心，从而更新和优化算法。
利用沙盒还是拥有沙盒？
AI/ML的反馈循环是一个例子，说明数据中心需要能够支持更广泛和多样化的网络生态系统，而不是控制它。对于超大规模数据中心领域的重要参与者来说，适应分布更广、协作性更强的环境并不是件易事。他们希望确保，如果您在部署人工智能或机器学习或访问边缘时，您会使用他们的平台，但不一定要使用他们的设施。
像AWS、Microsoft和Google之类的提供商现在正在向客户所在的位置（包括私人数据中心、运营商中心机房和企业内部的本地存储）配置具有一定容量的机架。这使客户能够使用提供商的平台，在其设施中构建和运行基于云的应用。由于这些平台也嵌入在许多运营商的系统中，因此客户也可以在运营商存在任何位置运行其应用。该模式仍处于起步阶段，为客户提供了更大的灵活性，同时使提供商能够在边缘进行控制并声明所有权。
与此同时，其他模型展现出了一种更开放、更具包容性的方法。边缘数据中心制造商开始设计可以提供标准化计算、存储和网络资源的托管数据中心。较小的客户（如游戏公司）可租一台虚拟机来服务其客户，而数据中心运营商则会以收益分享模式向您收费。对于一家正在努力打入边缘市场的小企业来说，这种模式具有超强吸引力（或许是其赢得竞争的关键途径）。
基本挑战
随着下一代网络前景逐渐明朗，行业必须应对实施方面的挑战。就数据中心内部而言，我们了解到：服务器连接将从每通道50G增加到100G；交换机背板带宽将增加到25.6T；而迁移到100G技术将让我们获得800G可插拔模块。
我们尚不明确如何设计从核心到边缘的基础设施⸺具体来讲，就是我们如何实施DCI架构和城域网/远距离链路并支持高冗余对等边缘节点。另一个挑战是开发实现海量流量管理和路由所需的协调和自动化功能。随着行业迈向支持5G/物联网的网络，这些问题都亟需解决。
携手共进
我们深知构建和实施下一代网络需要协调一致共同努力。云数据中心的低成本、大容量计算和存储能力都无法在边缘数据中心复制，因此云数据中心依然会发挥一定作用。但是，随着网络内部的责任变得越来越分散，数据中心的工作将从属于更大的生态系统。
将所有这些组合在一起，将得到一个更快、更可靠的物理层，从核心开始一直延伸到网络的边缘。这个布线设计和连接平台由传统的以太网光学和相干处理技术提供支持，并将扩大容量。使用共封装光模块和硅光子技术的新型交换机将进一步提高网络效率。当然，到处都需要更多的光纤⸺采用超高密度、紧凑的光纤布线，这将支撑网络性能的发展。
