遠東新聞 科技組
在全球數位化浪潮與AI需求的爆炸性增長下，數據中心已成為支撐現代社會運作的關鍵心臟。不過，在這個由伺服器與數據構成的精密世界裡，最原始的威脅——水，正成為一個沉默但致命的殺手。根據TechCrunch報導，一家名為MayimFlow的新創公司，正利用AI技術試圖解決這個長期被動處理的痛點，目標是在災難性的漏水事故發生前24至48小時發出預警。
數據中心對水的恐懼其來有自。看似無害的水滴，一旦滲入機房，就可能導致伺服器短路、關鍵數據永久遺失，以及代價高昂的營運中斷。根據Ponemon Institute的一項研究，數據中心非計畫性停機的成本平均每分鐘高達5600美元。 這些停機事件中，有相當一部分是由於冷卻系統故障、水管破裂或天氣因素引發的漏水所致，造成的損失動輒數百萬美元。
傳統上，數據中心的漏水偵測極度依賴「事後補救」。許多設施僅在漏水發生後，透過安裝在地板或關鍵設備周圍的感測器觸發警報。根據Bitget News的採訪，MayimFlow的創辦人John Khazraee指出，這種被動的解決方案意味著當警報響起時，損害往往已經造成。 Khazraee曾在IBM、Oracle和微軟等科技巨頭擁有超過15年的基礎設施建構經驗，深知這個行業的痛點。
MayimFlow提出的解決方案，是從「偵測」轉向「預測」。根據FindArticles的報導，該公司透過在數據中心的冷卻水循環系統、加濕管線和熱交換設備等關鍵節點部署物聯網(IoT)感測器，結合在邊緣端運行的機器學習模型，持續分析微小的壓力、溫度與震動數據。 AI演算法能從這些看似正常的數據流中，識別出預示著墊圈鬆脫或閥門疲勞等故障的微妙特徵。
這項技術的核心在於防患未然，它將維護工作從被動的緊急搶修，轉變為主動的預防性維護。 Oracle的分析指出，AI預測性維護能比傳統方法更快速、更準確地預測故障，從而優化維護排程並減少意外停機。 這不僅僅是修理一個即將破裂的閥門，更是保護了整個數據中心的業務連續性，避免了可能導致客戶流失和商譽受損的災難。
AI預測性維護的應用正成為數據中心行業的趨勢。根據德勤(Deloitte)的研究，預測性維護能將企業生產力提高25%，故障率降低70%，並將維護成本減少25%。 伴隨AI應用需求推動數據中心以前所未有的速度擴張，這種主動防禦的營運模式變得很重要。 McKinsey and Company預測，為AI而生的數據中心容量需求在2023到2030年間將以每年33%的驚人速度增長。
MayimFlow的團隊擁有豐富的行業經驗。創辦人Khazraee親身經歷過數據中心漏水帶來的混亂，而其策略長Jim Wong和技術長Ray Lok也分別在數據中心與水資源管理領域深耕多年。 他們的目標不僅僅是防止漏水，更是提升數據中心的水資源利用效率與可持續性，這也呼應了行業內對於提升水資源使用效益(WUE)指標的日益重視。