缓慢的开始不幸的是，这类系统的创建须要数据中央的深厚技能专长和尖真个机器学习研究相结合；我们必须记住，DeepMind是一家预算看似无限、没有商业产品的“登月工厂”。
由于数据中央代表着谷歌的核心业务，该公司不太可能与业界分享它的发展成果。
将机器学习引入空缺区管理是现有数据中央软件供应商的任务。
由于人们普遍不信赖人工智能技能，这个过程一贯很缓慢，但在过去两年中，谷歌内外都涌现了一些有前景的案例研究。
数据中央运营商报告称，人工智能确实减少了他们用于冷却的能源，减少了他们的能源账单和碳足迹。
冷却设备的实时掌握为机器学习模型提出了一个得当的问题，由于机器学习模型在决策中可能会考虑比人类团队多得多的数据，并且可以产生看起来非传统乃至反直觉的办理方案。
有大量的数据可以供应给这些模型:与其他一些工业环境不同，数据中央已经塞满了传感器，可以很随意马虎地添加更多。
2020年底，德国工业巨子西门子(Siemens)发布了一份白皮书，强调了基于人工智能的降温技能的一些好处。
该公司表示，随着IT负荷的变革，机器学习使冷却系统能够实时调度其输出，使设备冷却需求与冷却输出相匹配。
这是一个有代价的目标，由于它通过避免数据中央普遍存在的过度冷却问题直接减少了能源利用。
这个行业喜好过于谨慎。
用于冷却的人工智能还可以最大限度地减少对事情职员监督和现场职员的须要，许可员工被分配到其他关键任务，并减少须要访问的人数，这在盛行病期间，在现场访问受到限定时非常主要。
西门子自己的人工智能冷却方法结合了两种产品:DemandFlow紧张关注冷冻水运送的监测和掌握，还有一个叫做“空缺空间冷却优化(WSCO)”的平台，它网络温度和送风传感器数据，并打算出所需的气流调度，以坚持机架每个通道的精确温度。
去年12月，该平台被支配到巴黎的第一个四级认证数据中央，为法国国有银行CaissedesDép?ts建造。
该举动步伐估量将以1.2的电力利用效率(PUE)运行。
西门子的WSCO是与一家名为Vigilent(原名FederspielControls)的迷人公司互助开拓的，这是一家位于奥克兰的小型公司，专注于一件事，而且只专注于一件事——关键任务冷却。
Vigilent开拓了一个动态冷却管理系统(并申请了专利)，该系统由监督学习供应动力，可以掌握设备，就像DeepMind开拓的系统一样。
该软件通过不断剖析传感器数据来理解环境变革，并根据历史行为提出建议。
它可以建立建筑物中每个crh单位的贡献，并指出哪些是摧残浪费蹂躏他们的冷却努力。
Vigilent承诺与Google实验中看到的节能水平相似，声称在500多个安装中的冷却功率均匀降落了38％。
该公司不仅向西门子供应机器学习技能，而且还向浩瀚DCIM和BMS软件供应商供应做事，例如ABB，日立Vantara和施耐德电气。
另一家引领人工智能进行自动冷却管理的企业是中国企业集团华为(Huawei)。
去年，该公司推出了iCooling，这是一项基于云的做事，利用深度学习来处理传感器数据，找到不同设备和系统的参数之间的关系，并将泵、制冷机和冷却塔的输出与IT负载相匹配。
该公司声称，当支配在其自己的云数据中央之一时，该做事将用电效率(PUE)提高了8%。
当中国移动试用iCooling时，它将其位于中卫的举动步伐的总耗电量减少了3.2%，即40多万千瓦时。
随着该系统连续从数据中学习，估量它将产生更大的节能效果。
关于人工智能用于数据中央冷却的谈论与环绕人工智能用于可持续性的更广泛的辩论息息相关：凯捷研究公司(CapgeiniResearch)最近的一份报告估计，人工智能的创新运用可能在未来三到五年内将环球温室气体排放量减少16%。
凯捷在报告中确定了一些积极的人工智能利用案例，并指出，在不中断业务运营的情形下识别毛病和预测设备故障的能源优化平台和算法将产生最大的影响。
随着人工智能在其他行业的成功支配，用于冷却和其他数据中央根本举动步伐管理的人工智能将是下一件大事——这只是将理论转化为实践的问题。