可持续发展现在被视为一项战略性业务当务之急，以至于74%的公司认为环境、社会和治理(ESG)因素对其公司价值非常重要。我们知道，近四分之三的组织已设定净零目标，平均目标日期为2044年，并且50%的组织正在寻求更节能的产品和服务。
实现净零排放的绊脚石
据估计，在全球范围内，数据中心消耗的电力约占全球电力供应的3%，排放量约占温室气体排放总量的2%。但迄今为止，全球只有63%的人口“上网”，预计到2030年，全球数据中心建设市场将达到3696亿美元，2022年至2030年复合年增长率为6.7%。随着这种增长，IT行业它面临的主要问题是能源消耗将增加而不是减少。
提高可持续性，同时提高IT效率
数据中心已经使用了大量的能源，但随着企业努力挖掘人工智能工具的变革潜力，所需的额外能源对环境造成了重大问题。据TechTarget统计，一款AI模型在9天的总耗电量不少于27,648千瓦时(kWh)。这相当于三个家庭全年使用的能源量——一周多一点的时间内仅执行一个项目。
尽管此前人们一直担心任何新技术的能源消耗，但与人工智能所需的资源相比，计算能力根本不算什么。问题在于人工智能正在被许多不同的行业采用，每个行业都有自己的维护和IT基础设施要求。使用该技术需要进行人工智能培训;这是一个高度重复的过程，需要大量的处理能力。
为您推荐的视频...
随着许多企业努力优化能源消耗以实现可持续发展目标，人工智能带来了挑战。支持它的技术必须足以支持这种高水平的数据处理，但相关的碳足迹不能是事后才想到的。由于很少有企业希望在人工智能竞赛中落后，如何以可持续的方式满足这些广泛的能源需求?
人工智能任务通常被称为内存存储单元和处理器之间的“事务”。有许多数据保护问题导致组织无法信任云中的数据，这意味着数据中心作为可信来源更加受到依赖。在过去十年中，数据中心的能源效率已大大提高，但人工智能的额外处理能力将产生重大影响。
随着人工智能能力深入到我们生活的更多领域，目前还不清楚需要多少能源来维护所需的数据中心，但这个数字可能是惊人的。那么企业可以如何提供帮助呢?
节能服务器
获得正确的服务器和存储解决方案可以为大多数人工智能任务提供节能、高性能的结果。IBMPowerSystems服务器长期以来因其可靠性和性能而受到认可，也已成为实现可持续发展目标的理想平台。它们提供相同的性能来满足当今的工作负载，在设计时就考虑到了能源效率。例如，与基于x86的服务器相比，IBMPowerE1080在最大输入功率下的性能提高了54%，能耗降低了15%。
通过将您的网络环境整合到最新的IBM服务器，同时运行多个工作负载所需的物理服务器更少，从而降低电力和冷却需求。这种整合不仅节省了空间，还减少了数据中心的碳足迹。因此，企业可以增加正常运行时间和容量，为更多需要带宽的工作负载让路。
能源监控
将计算能力与工作负载需求相匹配的能力是确保您的IT资产在环境上可持续发展、在不牺牲高峰期性能的情况下提高能源效率的关键因素。根据工作负载调整服务器性能可以最大限度地减少功耗，并意味着可以更有效地使用服务器。
最新的能源监控解决方案有助于重新分配资源并确定哪些工作负载在高峰时段的能源需求较低。这使得组织能够发现能源浪费的地方并减少消耗。关键工作负载将获得必要的资源，同时减少其他领域的过度配置。
通过深入了解电力消耗模式，组织可以更好地掌握未来的容量规划，并牢记可持续发展目标。该消耗数据可用于跟踪季节性变化模式，并开始估计增长预测，以在不过度建设或低估的情况下扩展IT资产。
负责任地处置和回收旧技术
当然，任何技术投资中不仅应考虑能源消耗，还依赖于有效的报废管理。负责任的公司会了解将报废产品送往垃圾填埋场的数量和相关影响，这有其自身的碳排放影响。目标应该是增加可转售、再利用或回收的数量，并减少进入垃圾填埋场或焚烧的数量。例如，2021年，IBM仅将18,000多吨报废产品中的0.3%送往垃圾填埋场。这远远超出了其发送3%或更少的目标。
通过改用可优化能耗的服务器，您可以降低硬件要求，这不仅会降低总拥有成本，还会减少垃圾填埋量。
企业对环境的影响
许多关心环境影响的企业在迈向人工智能能力时可以采取一些实际步骤。
1.考虑人工智能的用例以及您希望它们实现的具体结果。不同类型的人工智能会有不同的能源消耗成本。
2.不要被先进的深度学习系统无所不能的炒作所迷惑。这些价格昂贵并且使用大量数据，这意味着它们的碳足迹很高。相反，应采用针对少量数据进行训练的集中方法。
3.专注于创建和分析高质量而非大量数据，并删除将来不再使用或不需要的数据。
优化能源使用以及整合服务器和存储基础设施为塑造更加环保和高效的IT产业奠定了坚实的基础，这意味着它不再需要成为ESG政策的致命弱点。