维谛技术(Vertiv):可量化的全生命周期,赋予数据中心新的价值

简介: 维谛技术(Vertiv):可量化的全生命周期,赋予数据中心新的价值

不同于传统经济,数字经济往往会产生一种“溢出”效应,这意味着除了数字产业本身,与之相应的产业链上下游都会因为这种溢出,而获得普遍的提升。

数字经济的“溢出”,是以云计算、大数据、人工智能等新兴技术所推动的产业创新,这也让数据中心成为了科技创新和技术应用的实体,更成为了千行百业数字化转型的“新基建”,并为数字经济发展提供了有力的支撑。

 

实际上,随着云计算的发展和互联网崛起,数据中心产业已经历了十几年的成长,逐渐从过去的粗放式的追求规模发展,走向了核心技术驱动。数据中心创造的价值链条已通过“溢出”效应备受认可,那么数据中心自身如何创造价值,又如何评估其价值呢?

 

01 数据中心从可持续发展到价值变现

进入双碳时代的数据中心更加关注可持续发展,这让涵盖了环境、社会责任和治理绩效的ESG价值理念成为数据中心在双碳时代所关注的重点。

维谛技术(Vertiv)中国区电信及新业务解决方案部高级总监顾华指出,“数据中心面临可持续发展的新课题,意味着在更长的时间维度上,数据中心将面临来自政策监管、技术迭代、业务需求方面的诸多不确定性,需要从全生命周期视角重新审视数据中心的价值。” 


在数字经济时代,数据中心作为一项重要的战略资产,为千行百业数字化赋能,为数字业务提供连续稳定的最佳运行环境而创造价值。 

顾华认为,数据中心需要重点打造三项最核心的竞争力,这包括了:强大的资源整合能力,专业的运维服务能力,以及精细的价值运营管理能力。资源整合能力,是为了保证数据中心能够快速的建成运行;运维服务能力,是要保证在一个很长的时间周期内,数据中心能够不出问题或少出问题;价值运营管理能力,则是为了面对不确定性,让数据中心在全生命周期中明确而持续的创造价值。 

在创造价值的过程中,数据中心要实现价值最大化的变现,必须做到最小化成本和最大化收益,要将成本与收益进行总体的核算。 

顾华将数据中心的生命周期分为两个大阶段,起初的一到两年是资本支出阶段,包括了数据中心从咨询规划设计到交付部署的一系列过程,其后则是长达10-15年的运营收益阶段,而在最初的商业决策期,选择的架构技术方案,基本就决定了设施能力,也在很大程度上决定了全生命周期的价值。 

数据中心的成本构成主要是初期的资本性支出CAPEX和后期的运营管理费用OPEX, “需要关注的是,OPEX不仅包含传统的运营管理费用,也包括了政策成本,风险宕机成本,以及未来可能的碳交易成本,占到了数据中心生命周期总体成本的60%以上,所以这也是要特别去考虑优化的方面。”顾华说。 

收益方面,利润型的租赁运营数据中心主要考虑的是最大化机柜的租赁收入,这可以通过最大化设计可用机柜数,吸引到更多更优质的客户来提高业务上架率和单机柜租金价格来实现,而成本型的企业自用数据中心主要考虑的是如何能更好地 支撑核心业务的竞争力和效率提升,或者与托管租赁相比是否具有成本优势。 

总收益和总成本的差额,本质上就能体现数据中心的价值变现水平,这也是数据中心全生命周期的价值模型。

 

02 数据中心规划 是资源约束条件下的最优解

在全生命周期的价值模型下,通过技术和经济两个维度的指标量化,可以全面地评估数据中心的价值。其中,技术维度决定了能否建成并良好运转,而经济维度则决定了值不值得建。 

两种维度上,选取的价值评估指标首先是全面有代表性,反映了各方普遍的关注,其次是量化、可比。整体上,技术维度指标包括了PUE能效,WUE耗水,碳使用效率CUE,系统可用性,平均故障间隔时间MTBF,平均故障修复时间MTTR,设计出柜率等。经济维度指标则包括了成本角度的Capex,Opex,TCO,碳交易成本,回报角度的内部收益率IRR,投资回收期,投资净现值NPV等。 

客观地说,这些指标要实现单一目标并不难,但是要考虑指标之间的平衡和相互影响,则是数据中心整体规划设计中的难题。 

我们知道,每一座数据中心因为选址、环境和业务负载的不同,都有其独特性,没有一个绝对完美的数据中心。

顾华认为,数据中心的规划设计就是在诸多资源约束条件下的最优解。“在土地,电力,资金,环境,政策等主要资源要素约束下,怎么样达到政策监管要求,最大化的利用各项资源,如何平衡技术和经济指标,面对四类最主要的数据中心业务,响应他们的核心价值关注,解决最实际的问题,求得最优解,是我们最重要的追求目标。”

 

03 全生命周期的价值量化与洞察

面对一个长周期的复杂数据中心建设运营,定性到定量的价值评估,是一个很大的认知转变。“通过我们的评估验证,这是可行的。首先,数据中心的业务建设需求可以通过技术和经济维度的各项指标去综合评估。这些指标的达成,是在给定的资源边界条件下,通过架构设计去完成,而这些架构系统的实现,最终会落到具体的产品上。如果我们可以清楚的知道每一个选定产品的量化因子,比如单位容量,能效,占地,成本造价,碳排放因子,运维费用,故障率等等,我们就可以基于这些产品的组合,得到一个量化的结果,最终评估出选定的架构是否能真正达成我们的既定目标要求,符合我们的期望。”顾华说。 

正是为了满足这样的需求,基于全面丰富的端到端产品组合,以及对数据中心全生命周期业务的深刻理解,维谛技术(Vertiv)通过产品的性能指标、成本造价、运维、失效率、碳足迹等各项数据,结合架构设计规则和配置逻辑,开创性地推出了V-MeterTM全生命周期价值管理量表。作为咨询规划设计的辅助工具,当给定特定项目的规划建设要求,如业务类型,机柜数,功率密度,地理位置,建筑条件,PUE,机房等级等设计要求,工具就可以给出基于全生命周期价值的量化评估结果,从而帮助客户进行全方位的价值评估,做到心中有数。 

基于V-Meter TM工具,维谛技术(Vertiv)也得出了一系列量化价值的洞察。

第一,最低PUE不一定是最优TCO。追求极致的PUE确实是当下很多数据中心建设甚至是标榜的方向,实际上,对一些同时追求经济利益最大化的企业来说,它未必是最优选择。当PUE逐渐降低,CAPEX的资产投入也在不断增加,因为对能耗效率的追求,会增加更多的设备冗余使其工作在最佳能效点,或投入氟泵、液冷、AI群控等更加节能的技术设施。在PUE政策指标的限值之下,随着PUE的降低,节省的运营费用不一定能总能完全抵消TCO的增加,而是存在平衡拐点,需根据业务需求综合考量。 

第二,分期部署投资明显优化整体TCO。考虑到数据中心的重资产属性,资产折旧费用对数据中心全生命周期的总体成本和盈利性指标有重要影响。根据维谛技术(Vertiv)的分析数据,采用建筑级、系统级、产品级等各类适合的分期部署方案匹配业务未来的部署节奏,可将TCO降低3-8%,投资回报提升2-5%。

第三,从成本收益角度,选择最优功率颗粒度匹配业务类型。UPS或空调方案尤其需要关注到颗粒度,以UPS为例,不同的UPS容量在综合占地、效率、成本和运维等各个方面都有不同的量化数据表现,反映在TCO的表现上会有4%~14%的差异,所以更准确的颗粒度匹配,才能实现最优化的成本收益。 

能够有这些洞察,是因为维谛技术(Vertiv)有最全面的产品选型,使维谛技术(Vertiv)所提供的方案能够所见即所得,能够去满足各种数据中心的建设需求,无论是利润优先、最优TCO、符合PUE新政,还是技术创新,灵活扩展以及快速交付,都能够给到客户最好的选择。 

维谛技术(Vertiv)提出的“可维节碳”的价值理念,包含了“三可三维“的核心内涵。从时间维度的全生命周期视角,通过技术维度和经济维度提供全方位可量化的价值评估,并且通过可靠和可交付的产品,赋予数据中心行业最核心的价值。

相关文章
|
18天前
|
运维 监控 中间件
数据中心运维监控系统产品价值与优势
华汇数据运维监控系统面向IT基础架构及IT支撑平台的监控和运维管理,包含监测、分析、展现和告警。监控范围涵盖了网络设备、主机系统、数据库、中间件和应用软件等。
41 4
|
3月前
|
机器学习/深度学习 存储 监控
利用机器学习技术优化数据中心能效
【7月更文挑战第36天】在数据中心管理和运营中,能源效率已成为关键性能指标之一。随着能源成本的不断上升以及环境保护意识的增强,开发智能化、自动化的解决方案以降低能耗和提高能源利用率变得尤为重要。本文探讨了如何应用机器学习技术对数据中心的能源消耗进行建模、预测和优化,提出了一个基于机器学习的框架来动态调整资源分配和工作负载管理,以达到节能的目的。通过实验验证,该框架能够有效减少数据中心的能耗,同时保持服务质量。
|
6月前
|
存储 大数据 数据处理
探索现代数据中心的冷却技术
【5月更文挑战第25天】 在信息技术迅猛发展的今天,数据中心作为其核心基础设施之一,承载了巨大的数据处理需求。随着服务器密度的增加和计算能力的提升,数据中心的能耗问题尤其是冷却系统的能效问题日益凸显。本文将深入探讨现代数据中心所采用的高效冷却技术,包括液冷解决方案、热管技术和环境自适应控制等,旨在为数据中心的绿色节能提供参考和启示。
|
6月前
|
人工智能 监控 物联网
探索现代数据中心的冷却技术
【5月更文挑战第27天】 在信息技术迅猛发展的今天,数据中心作为信息处理的核心设施,其稳定性和效率至关重要。而随着计算能力的提升,数据中心面临的一个重大挑战便是散热问题。本文将深入探讨现代数据中心冷却技术的进展,包括传统的空气冷却系统、水冷系统,以及新兴的相变材料和热管技术。通过对不同冷却方式的效率、成本及实施难度的分析,旨在为读者提供一份关于数据中心散热优化的参考指南。
|
6月前
|
机器学习/深度学习 资源调度 监控
利用机器学习技术优化数据中心能效
【5月更文挑战第30天】在数据中心管理和运营中,能源效率的优化是降低运营成本和减少环境影响的关键。本文旨在探讨如何应用机器学习技术来提升数据中心的能源效率。通过对现有数据中心运行数据的深入分析,开发预测性维护模型,以及实施智能资源调度策略,我们可以显著提高数据中心的能效。本研究提出了一种集成机器学习算法的框架,该框架能够实时监控并调整数据中心的能源消耗,确保以最佳性能运行。
|
6月前
|
存储 大数据 数据中心
提升数据中心能效的先进冷却技术
【5月更文挑战第27天】 在信息技术不断进步的今天,数据中心作为计算和存储的核心枢纽,其能源效率已成为评价其可持续性的关键指标。本文将探讨当前数据中心面临的热管理挑战,并展示一系列创新的冷却技术解决方案,旨在提高数据中心的能效,同时确保系统的稳定性和可靠性。通过对比传统冷却方法和新兴技术,我们将分析各种方案的优势、局限性以及实施难度,为数据中心运营者提供科学的决策参考。
|
5月前
|
移动开发 监控 前端开发
基于 HTML5 WebGL 和 VR 技术的 3D 机房数据中心可视化
基于 HTML5 WebGL 和 VR 技术的 3D 机房数据中心可视化
|
6月前
|
机器学习/深度学习 数据采集 资源调度
利用机器学习技术优化数据中心能效
【5月更文挑战第27天】 在本文中,我们探讨了一种基于机器学习的技术框架,旨在实现数据中心能效的优化。通过分析数据中心的能耗模式并应用预测算法,我们展示了如何动态调整资源分配以减少能源消耗。与传统的摘要不同,此部分详细阐述了研究的动机、使用的主要技术手段以及期望达成的目标,为读者提供了对文章深入理解的基础。
|
6月前
|
机器学习/深度学习 敏捷开发 测试技术
深入理解自动化测试:框架选择与实践挑战利用机器学习技术优化数据中心冷却系统
【5月更文挑战第27天】 在现代软件开发周期中,自动化测试已成为确保产品质量和加快市场投放的关键步骤。本文深入探讨了自动化测试的框架选择问题,并剖析了实施过程中面临的挑战及其解决方案。通过比较不同测试框架的特点,我们旨在为读者提供一套明确的指导原则,帮助他们根据项目需求做出恰当的技术决策。同时,文中还分享了实际案例和最佳实践,以期帮助开发团队克服实施自动化测试时可能遇到的障碍。
|
6月前
|
机器学习/深度学习 缓存 算法
深入理解操作系统的虚拟内存管理利用机器学习技术优化数据中心能效
【5月更文挑战第25天】 在现代计算机系统中,虚拟内存是允许用户程序逻辑地址空间与物理内存解耦的关键概念。它为每个进程提供了一个独立的、连续的地址空间,通过内存管理单元(MMU)硬件的支持,将程序使用的虚拟地址映射到实际的物理内存地址。这种机制不仅简化了程序的编写和内存的管理,还提供了保护机制,防止不同进程之间的相互干扰。本文将探讨虚拟内存的工作原理、分页系统的实现以及虚拟内存带来的性能影响,并讨论操作系统如何优化内存使用和管理。