几十年来，数据中心一直被认为是网络的连接点。对于企业、电信运营商、有线电视运营商以及谷歌公司和Facebook公司等云计算服务提供商来说，数据中心是IT行业的心脏和肌肉。此外，云计算的出现强调了现代数据中心的重要性。
数据中心的角色在不断演变。随着c加大对5G和物联网的支持力度，IT经理将注意力集中在边缘，并且将更多的容量和处理能力转移到更接近最终用户的地方。与此同时，他们也在重新评估数据中心的作用。
调研机构Gartner公司在2018年预测，到2025年，75%的企业生成的数据将在边缘创建和处理，而2018年这一比例只有10%。与此同时，数据量将会进一步提高。例如，一辆自动驾驶汽车每小时平均能输出4000 GB的数据。
网络服务提供商需要确定如何在不影响现有数据中心投资的情况下，更好地支持基于边缘的流量的巨大增长以及对数字延迟性能的需求。答案之一就是对东西向流量网络链路和对等冗余节点的大量投资，以及在创建数据时增强处理能力的问题。但是数据中心将扮演什么角色?
人工智能/ 机器学习反馈回路
超大规模和云计算规模的数据中心的未来业务案例在于其庞大的处理和存储能力。随着边缘活动逐渐升温，将需要数据中心的力量来创建使数据能够被处理的算法。在拥有物联网的世界中，人工智能(AI)和机器学习(ML)的重要性不可低估。数据中心在实现它方面所扮演的角色也不尽相同。
产生驱动人工智能(AI)和机器学习(ML)所需的算法需要大量的数据处理。核心数据中心已开始部署与张量处理单元(TPU)或其他专用硬件结合在一起的功能更强大的CPU。此外，人工智能(AI)和机器学习(ML)应用程序通常需要更加快速、更大容量的网络，而先进的交换层则为所有正在解决同一问题的服务器提供电源。人工智能(AI)和机器学习(ML)模型就是这种努力的产物。
在流程的另一端，需要将人工智能(AI)和机器学习(ML)模型放置在对业务影响最大的位置。例如，对于诸如面部识别之类的企业人工智能(AI)应用程序，超低延迟要求它们在本地部署，而不是在核心部署。但模型也必须定期调整，因此在边缘收集的数据随后会反馈到数据中心以更新和改进算法。
更加分散的协作环境
人工智能(AI)/机器学习(ML)反馈回路是数据中心将需要如何支持更加广泛和多样化的网络生态系统的一个示例。对于超大规模数据中心领域的参与者来说，这意味着要适应更加分散的协作环境。他们希望使客户能够在其平台的边缘上部署人工智能(AI)或机器学习(ML)，但不一定要部署在他们自己的数据中心设施中。
像AWS、微软和谷歌公司这样的云计算提供商现在正在将他们的云计算硬件部署到更靠近客户的位置，包括中心办公室和企业内部部署数据中心。这使客户能够使用超大规模数据中心和多种边缘设施在构建和运行基于云计算的应用程序。由于这些平台也嵌入到了许多运营商的系统中，因此客户也可以在运营商存在的任何位置运行其应用程序。该模型仍处于起步阶段，但为客户提供了更大的灵活性，同时使云计算提供商可以更好地支持边缘。
另一种由Vapor IO公司实现的生态系统方法提供了一种商业模式，其特点是具有标准化计算、存储和网络资源的托管数据中心。规模较小的客户(例如游戏公司)可以在客户附近找到虚拟机，并使用Vapor IO公司的生态系统运行其应用程序。像这样的服务可能在收入共享模式下运行，对于试图开发边缘服务生态系统的小企业来说，这可能是一个有吸引力的范例。
面临的挑战
随着下一代网络的愿景逐渐成为现实，业界组织必须应对实施方面的挑战。在数据中心中，服务器连接将从每条通道的50Gb增长到100Gb，交换带宽将增加到256Tb，而采用100Gb技术将使用户拥有800Gb的可插拔模块。
现在还不清楚的是数据中心行业如何设计从核心到边缘的基础设施，特别是如何执行数据中心互联(DCI)架构以及城域和长途链路并支持高冗余对等边缘节点。另一个挑战是开发管理和路由大量流量所需的编排和自动化功能。随着各种行业朝着支持5G/物联网的网络发展，这些问题成为当务之急。
人们需要知道的是，建设和实施下一代网络的工作将涉及协调一致的努力。能够提供低成本、高容量计算和存储的数据中心无疑将扮演重要角色。但是，随着更多位于边缘的分布式设备承担更多的负载，数据中心的角色将进一步演变为更大的分布式生态系统的一部分。
企业生成的约10%的数据是在传统的集中式数据中心或云平台之外创建和处理的。Gartner公司预测，到2025年，这个数字将达到75%。
将它们结合在一起将需要采用更快、更可靠的光纤网络，从核心开始，延伸到网络最远的边缘。这将是一个由PAM4和相关处理技术提供动力的布线和连接平台，采用共封装和数字相干光学器件，并封装在紧凑的布线中，将在整个过程中提供连续的、一致的性能。
无论是大型数据中心运营商、专注于边缘的企业，还是基础设施提供商，在下一代网络中，都将有足够的发展空间。
