耿 燕，邬 宏

（吉林吉大通信设计院股份有限公司，吉林 长春 130012）

0 引 言

云计算技术水平的不断提升，应用场景的不断拓展，为经济社会运行模式的变革提供了坚实的技术支撑，也对人工智能技术等应用优化提出了更高的要求。解决具体应用场景，分析人工智能技术在云计算系统中的具体应用形式，推动技术应用不断变革，提升云计算系统运行水平，能够在推动云计算快速发展的同时，切实将其效能充分发挥出来。

1 人工智能与云计算的认识

1.1 人工智能的概念

人工智能技术的产生最早可以追溯至20世纪70年代，作为计算机学科的重要分支，取得快速发展，在理论与实践方面已经成为独立的学科体系。就本质上而言，人工智能是利用计算机来模拟人类思维过程和智能行为的学科，能够推动计算机实现更高层次的应用。但是在实际应用中，人工智能已经覆盖人文科学和自然科学的多个门类，应用范围远超出计算机科学范畴[1]。人工智能的应用是以大数据技术和云计算技术为基础，基于海量数据实现人工智能的自主学习和智能分析，是人工智能应用的基本形式。人工智能技术的高效应用是以云计算作为主要实现载体，由此使得人工智能与云计算在多个流程和多个方面都具有重叠性，根据生产运营场景优化人工智能与云计算的融合形式，是当前相关方面研究的重点内容之一。

1.2 云计算的概念

云计算同样是在计算机网络技术高速发展背景下产生的新型概念，基本运行方式是利用网络云将海量数据处理分解成无数个小程序，利用多个服务器完成小程序的处理分析，并将结果反馈至中枢系统。从运行方式上看，属于分布式计算[2]。云计算的出现和应用是以计算机广泛分布、数据海量增加以及处理效率要求不断提升为驱动。在云计算技术高速发展背景下，分布式计算已经与效用计算、负载均衡、并行计算及网络存储深度融合，形成混合式演进和应用体系。新型体系的高效稳定运行使得传统运算方式已经无法满足系统硬件运行和数据处理要求，依托人工智能技术对系统运行方式进行优化，确保系统运行性能充分发挥，提升系统运行效率，是云计算应用发展的主要方向。在实际应用中，云计算服务层次构建如图1所示。

图1 云计算服务层次

1.3 人工智能与云计算的关联

虽然人工智能与云计算在技术和应用层面都具有较强的关联性，但是对关联性的认识依然不够深入。从人工智能视角出发，云计算的应用可以被认为是技术应用发展的重要分支，人工智能的出现和发展是以计算机为载体解决应用问题的重要形式，将其应用于云计算体系的不同环节，能够切实推动人工智能技术应用范围的拓展；从云计算视角出发，人工智能技术的合理应用能够为云计算运行方式变革、程序处理方式优化以及效率提升奠定坚实基础，云计算未来的发展离不开人工智能的有效支撑。从二者的关联载体出发，都与大数据有密不可分的关系，人工智能的学习、智能算法选择、智能化处理流程等都离不开海量数据支撑。云计算模式的出现，本身就是解决海量数据存储和处理的重要方式，数据量越大，云计算的支撑作用越明显。以此可以看出，人工智能与云计算具有多重关联，在实际应用中，应当结合实际对人工智能技术应用方式和云计算运行体系进行优化，以此才能够确保所有技术应用效能充分体现出来。

2 人工智能技术在云计算中的应用形式

2.1 在云计算数据中心能量管理中的应用

2.1.1 在机房能量管理与优化中的应用

数据中心机房是云计算系统的核心部分，东数西算国家战略的实施更加凸显数据中心建设和运行管理的重要性。在云计算数据中心机房系统运行中，能量管理与优化不仅是控制能量消耗的基本要求，更是确保设备安全稳定运行的基本保障。机房能耗管理的核心是温度特性和制冷模式优化。制冷系统运行效率受制冷方式、机房布局及热量流动方向等多方面因素影响，同时要考虑各种辅助设备的整体能耗控制要求[3,4]。传统控制方式中，主要是以线性规划为基础的自动化控制为主，系统监测效率较为低下，在某些运行环境出现变化时，还会出现误操作现象，由此对系统运行安全产生影响。基于人工智能技术的应用全面采集所有设备运行数据，利用深度学习搭建人工智能控制系统，优化控制策略，能够根据设备运行功率及外部环境变化数据，由系统自行选择最为优化的控制方式，避免服务器运行出现温度超阈值现象，合理控制设备运行功耗，实现机房能量的管理优化。

2.1.2 在IT设备能量管理与优化中的应用

云计算数据中心运行需要服务器、安全设备及网络设备等多种类型设备为支撑，设备运行需要消耗大量的电力能源，尤其是服务器设备，占到总体能耗的60%以上，因此需做好互联网技术（Internet Technology，IT）设备能量管理与优化，达到良好的节能降耗效果。利用人工智能技术分析IT设备的运行特征，结合动态电压频率调整技术和动态功率开关技术，根据网络设备运行流量的变动特征和设备处理性能等参数合理分配系统流量，对于较为活跃的端口，及时进行流量优化分配，对于不活跃的设备，则及时调整至休眠状态，以此能够达到系统运行优化的目的。同时，在相关技术应用和管理中，已经开始提出基于中央处理器（Central Processing Unit，CPU）和新型硬件的联合优化思路，通过人工智能的高效介入，能够更好地对单服务器资源进行分隔优化，提升数据中心运行效能。

2.2 在云计算资源分配中的应用

2.2.1 算法选择与云计算资源模型构建

云计算在工业生产管理和商业管理体系中具有较为广泛的应用。在云计算系统运行中，资源调度是系统运行效率的关键性因素，利用人工智能技术创建以成本和时间为共同约束条件的资源调度模型，能够确保资源调度达到最优化状况。以蝙蝠算法（Bat Algorithm，BA）应用为例，该算法能够实现对生产和商业运行体系中障碍物的有效探测，以可行解适应度函数值优劣衡量个体位置的优劣度，从而选择最为优化的解决方案。资源模型构建的基础是设定BA算法运行所需要的蝙蝠频率、范围、对应波长、蝙蝠响应时长以及脉冲频率等，先在局部实现最优解，进而实现每只蝙蝠全新位置的产生。在进行资源调度时，云计算系统根据虚拟节点的完成时间、网络费用等要求，在多重解中寻找到最小值。

2.2.2 云计算资源分配的实现

以谷歌公司的MapReduce调度机制为例，该调度机制将大规模并行任务分解为多个子任务，依照最大化并行、任务关联小的原则实现资源的合理分配。蝙蝠算法任务调度处理首先需要对任务进行划分，对蝙蝠个体进行编码，实现蝙蝠个体与任务分配策略的对应。资源调度框架的设置是在对目标对象行为信息收集和上传后，利用用户提交任务和行为结果进行历史数据的统计分析，通过分析结果得出规律，并对不同行为类别进行单独编码，由云计算综合控制中心得出最优化策略，实现资源的动态分配。

在具体的计算过程中，系统在接收任务后，先生成蝙蝠种群子任务，在数据库中搜索相关的参数和系数，计算当前任务的优先权，对优先权进行降序排列，分别赋予对应编码。选择局部最优解后，利用随机飞行产生全新解，直至蝙蝠寻找到最优解为止。

2.2.3 资源分配应用的实现

利用仿真平台对云计算资源分配模型进行验证，所有服务器都被赋予不同的CPU频率，并能够在频率资源上下限范围内变化。通过分析模拟结果可以看出，在虚拟主机数量不断增加的情形下，系统动态能耗曲线呈平稳上升的趋势（见图2），表明人工智能系统作用下，云计算复杂问题解决过程中能够实现对动态能量的有效控制[5,6]。

图2 虚拟主机系统动态能耗曲线

将人工智能技术应用云计算资源分配管理，能够在确保系统运行性能的基础上提升高耗能虚拟机资源的分配效率，进而降低整体能耗水平。

3 人工智能在云计算中的应用问题及发展

3.1 人工智能在云计算中的应用问题

人工智能技术对云计算发展具有明显的促进作用，但是受技术发展水平和应用场景限制，在实际应用中还存在多方面问题。首先是人工智能算法水平还有待提升，当前多数人工智能算法设计依然是以模仿人类智能为主，机器学习对算法结果依然会产生明显影响，同一数据库在选择不同算法时，所得出的结果存在明显偏差，这对人工智能应用推广会产生明显影响[7]。其次是云计算系统数据处理方式优化不足，无法有效剔除冗余数据会对人工智能技术的应用效果产生影响，如何有效实现人工智能与云计算的高效融合依然是实际应用过程中需要关注的重点问题[8]。最后是人工智能技术在部分应用场景应用不能够也不允许突破法律和伦理规制，尤其是在涉及个人隐私、社会公众事件等问题时，需要综合考虑规制限制，不得出现违法违规行为[9]。

3.2 人工智能与云计算的融合发展

云计算的发展应用对经济社会的发展具有多方面的促进作用，为生产力发展起到积极促进作用。在云计算系统运行中，离不开人工智能技术的多元支撑[10]。未来，人工智能技术还需要在智能识别和智能处理方面实现优化，依托大数据支撑，实现高效、可靠、精准的识别处理，推动云计算应用形式全方位优化。只有在实现人工智能技术深度发展，真正与人类思考模式相适应的情形下，才能够实现信息的优化处理，切实体现出云计算效能。此外，在人工智能技术研究中，应当注重符号处理，实现数据与符号的执行，实现信息的精准处理，实现人工智能与云计算的深度融合。

4 结 论

人工智能技术在云计算系统中具有广泛应用，在未来发展中必然会实现深层次融合。但是这一发展过程需要经历较为漫长的时间，需要循序渐进、逐步推进。对于相关技术人员，必须要认识到人工智能技术的发展趋势，以信息资源整合和形式融合为突破点，进一步强化跨领域研究，在智慧工厂、智慧工程以及智慧城市等各个方面实现融合，为经济社会的发展起到强有力的推动作用。