摘要

這份報告深入探討了當前數據中心營運商在容量規劃方面所面臨的日益增長擔憂，這些擔憂主要源於人工智慧工作負載不斷攀升的需求、營運成本的急劇上升以及電力供應的嚴峻限制。根據Uptime Institute第15屆年度全球數據中心調查報告的結果，雖然擴大容量以滿足市場需求本應視為積極的發展，但這同時也伴隨著多重複雜性，包括日益嚴格的法規、對能源效率的更高要求、持續存在的員工短缺問題，以及供應鏈所面臨的延遲挑戰。
報告將成本問題列為未來12個月內最受關注的首要議題，而預測未來容量需求則因預期AI訓練和推理工作負載的爆炸性增長而成為第二大擔憂。儘管公共雲服務持續呈現強勁增長態勢，但仍有相當大比例的IT工作負載（45%）維持在內部部署環境中運行，而公共雲基礎設施僅佔11%。報告同時指出，儘管伺服器機櫃的功率密度正在提升，但超過八成的受訪者表示其最高功率密度仍低於30千瓦，僅有少數高密度設施拉高了整體平均值。
在停電事故方面，具有影響力的事件發生頻率以每個站點為基礎正在下降，儘管改善速度有所放緩。約半數營運商表示過去三年內未發生停電事故，這比前一年度略有改善。員工問題仍是一個持續性的挑戰，特別是在尋找合格人才和留住資深員工方面存在困難。一個令人擔憂的趨勢是管理層的短缺，這阻礙了知識向初級員工的傳遞。最後，數據中心營運商對人工智慧的採用持謹慎態度，主要將其應用於提升設施效率或減少人為錯誤的工具，並明顯傾向於自動化分析而非會自動進行配置更改的系統。

前言：數位基礎設施的核心困境

在全球數位化進程不斷加速的今天，數據中心作為支撐現代社會運行的核心基礎設施，其重要性不言而喻。然而，隨著技術的飛速發展，特別是人工智慧（AI）技術的異軍突起，數據中心營運商正迎來前所未有的挑戰。本報告基於Uptime Institute第15屆年度全球數據中心調查的最新發現，旨在深入分析當前數據中心在容量規劃、成本控制、能源管理、人才短缺及新技術應用等方面所面臨的核心問題，並探討業界在應對這些挑戰時的策略與趨勢。

容量規劃的雙重壓力：AI驅動與成本飆升

數據中心容量的擴張，從表面上看，是為滿足日益增長的數位需求而採取的重要步驟，本應被視為產業的積極信號。然而，報告揭示，這項積極的擴張背後，隱藏著複雜且日益加劇的挑戰。
首先，成本問題已躍升為未來12個月內數據中心營運商最關切的首要議題。這不僅包括硬體採購、能源消耗的直接成本，還涉及建造、維護、升級等各個環節的費用。在全球經濟環境不確定性增加的背景下，成本控制成為數據中心營運的重中之重。
其次，預測未來容量需求成為僅次於成本的第二大擔憂。這一擔憂的加劇，直接歸因於人工智慧（AI）工作負載的爆炸性增長。AI模型訓練和推理需要龐大的計算資源，其對電力、散熱和空間的需求遠超傳統工作負載。營運商難以精確預估這些需求將以何種速度、何種規模增長，導致容量規劃面臨極大的不確定性。一個過度規劃的數據中心將導致資源浪費和高額閒置成本，而一個容量不足的數據中心則可能限制業務發展，甚至導致服務中斷。這種不可預測性迫使營運商在擴建決策上更加謹慎，同時也驅使他們尋求更具彈性和可擴展性的解決方案。

 

混合雲生態的現狀：本地部署的持續主導地位

儘管公共雲服務在過去十年中取得了令人矚目的增長，並被廣泛宣傳為IT基礎設施的未來，但Uptime Institute的調查結果表明，內部部署（on-premises）數據中心在IT工作負載中仍然佔據著舉足輕重的地位。報告指出，高達45%的IT工作負載目前仍在企業自有的數據中心內運行，而公共雲基礎設施僅承載了約11%的工作負載。
這一數據顛覆了許多關於「雲端一切」的預期。其原因可能多方面，包括數據主權、法規遵從性、對關鍵業務應用程式的控制需求、數據傳輸成本，以及現有大規模內部部署投資的延續性。這也意味著，數據中心營運商在規劃未來容量時，不能僅僅考慮公共雲的擴張，更需要精準評估和優化現有的本地部署資產，並在混合雲策略中找到平衡點。混合雲的複雜性本身也對容量規劃提出了更高的要求，因為它涉及到跨多個環境的工作負載管理和資源協調。

功率密度的演進：高密度挑戰與現狀

隨著AI和高性能計算（HPC）工作負載的興起，伺服器機櫃的功率密度持續成為數據中心設計和營運的關鍵指標。高密度意味著在更小的物理空間內集中更多的計算能力，這對電力供應、散熱系統和基礎設施的承載能力提出了極高的要求。
報告指出，儘管業界對高功率密度的關注度不斷提高，但超過80%的受訪營運商表示，其數據中心內最高機櫃的功率密度仍低於30千瓦。這表明，儘管少數超大規模或專為HPC設計的數據中心能夠達到甚至超越50千瓦的密度，但對於絕大多數數據中心而言，30千瓦仍然是一個較高的門檻。少數高密度設施的存在，往往會「拉高」整體平均值，但掩蓋了普遍存在的功率密度挑戰。營運商在提升功率密度的同時，必須解決隨之而來的散熱（特別是液冷技術的應用）、電力基礎設施升級以及空間優化等複雜問題。

停電事故分析：改善放緩與彈性考驗

數據中心的停電事故是營運商極力避免的「惡夢」，其可能導致嚴重的經濟損失和聲譽損害。Uptime Institute的報告在這一領域提供了一些令人鼓舞但又帶有警示意味的數據。
從每個站點的基礎來看，具有影響力的停電事件發生頻率正在下降，這表明數據中心在營運彈性和可靠性方面取得了持續進步。大約有一半的營運商報告在過去三年內沒有發生過任何停電事故，這比前一年度的調查結果略有改善。這得益於更好的設計、更嚴格的營運流程、預防性維護以及技術的進步。然而，報告也提醒，這種改善的速度正在放緩。這可能意味著，在達到更高可靠性的同時，進一步提升的成本和複雜性也隨之增加。此外，雖然單一站點的停電次數減少，但一旦發生停電，由於數據中心承載的關鍵業務越來越多，其影響範圍和潛在損失可能更大，這對營運商的韌性建設提出了更高要求。

人才短缺的持續陰霾：從技術人員到管理層

數據中心行業長期以來一直面臨著人才短缺的問題，這一挑戰在本次調查中依然突出。營運商普遍表示難以找到具備所需技能的合格人才，同時在留住現有員工，特別是資深員工方面也面臨困難。這種人才流失和招聘困境，直接影響到數據中心的日常營運效率、問題解決能力以及新技術的導入速度。
更令人擔憂的是，報告指出管理層的短缺成為一個日益突出的問題。資深管理人員的缺乏，不僅影響決策效率，更阻礙了知識和經驗向初級員工的傳遞。在快速變化的數據中心環境中，缺乏經驗傳承可能導致營運失誤、效率低下，甚至潛在的安全風險。解決人才短缺問題，需要業界在教育、培訓、薪酬和職業發展方面投入更多資源，並考慮自動化技術在彌補部分人力缺口方面的潛力。

人工智慧的謹慎採用：效率提升與風險控制

面對AI工作負載的爆炸性增長，數據中心營運商對自身設施中人工智慧的採用卻顯得相對謹慎。報告顯示，營運商主要將AI技術應用於提升設施效率或減少人為錯誤的工具。這包括利用AI進行能源管理、預測性維護、異常檢測以及優化冷卻系統等。這些應用旨在通過自動化和智慧分析來降低營運成本、提高效率和可靠性。
營運商對於讓AI系統直接進行數據中心配置更改則表現出強烈的保留態度。他們普遍傾向於使用AI進行自動化分析，將洞察結果提供給人類營運人員進行審核和決策，而不是讓AI直接干預核心基礎設施的設定。這種謹慎的態度反映了業界對AI決策透明度、可解釋性以及潛在風險的擔憂。在數據中心這種對可靠性和穩定性要求極高的環境中，任何自動化的配置更改都可能帶來不可預測的後果。因此，人機協作模式在當前仍是主流，AI作為輔助工具而非完全自主的決策者。

平衡增長與韌性的未來之路

總體而言，Uptime Institute的最新調查報告描繪了一幅數據中心產業在AI時代下挑戰與機遇並存的圖景。AI工作負載的爆炸性增長，雖然帶來了巨大的營收潛力，但同時也對容量規劃、成本控制和能源管理提出了前所未有的要求。人才短缺的問題持續困擾行業，特別是管理層的經驗傳承面臨挑戰。儘管停電事件的發生頻率有所下降，但營運商仍需不斷提升韌性以應對潛在的高影響性事故。
面對這些複雜的挑戰，數據中心營運商正逐步轉向更為智慧和謹慎的策略。他們正努力平衡快速增長的需求與維持高可靠性、高效率的營運目標。對AI技術的採用模式也體現了這種謹慎，優先選擇能夠輔助人類決策、提升效率的工具，而非將核心控制權完全交給自動化系統。未來的數據中心，將是更具彈性、更具智慧、更具可持續性的複合體，需要技術創新、人才培養和營運優化等多方面的協同努力。

資料來源：https://www.theregister.com/2025/08/03/capacity_planning_concern_datacenter_ops/