几十年来，IDC一直被视为网络的连接点。IDC是企业、电信运营商、有线电视运营商、Google、Facebook等云计算服务提供商的IT行业的心脏和肌肉。此外，云计算的出现强调了现代IDC的重要性。
网络服务提供商需要确定如何更好地支持基于边缘的流量的巨大增长和对数字延迟性能的需求，而不影响现有的IDC投资。答案之一是大力投资东西向流量网络链接和对等冗余节点，并在创建数据时增强处理能力。但是IDC会起到什么作用呢？
人工智能/机器学习反馈回路
超大规模和云计算规模的IDC未来的商业案例在于其巨大的处理和存储能力。随着边缘活动逐渐升温，将需要IDC的力量来创建能够处理数据的算法。在物联网的世界里，人工智能(AI)和机器学习(ML)的重要性不可低估。IDC在实现中扮演着不同的角色。
生成驱动人工智能(AI)和机器学习(ML)所需的算法需要大量的数据处理。核心IDC已经开始部署结合张量处理单元(TPU)或其他特殊硬件的更强大的CPU。此外，人工智能(AI)和机器学习(ML)应用通常需要更快、更大容量的网络，而高级交换层则为所有正在解决同一问题的服务器提供电源。人工智能(AI)和机器学习(ML)模型就是这种努力的产物。
在流程的另一端，需要把人工智能(AI)和机器学习(ML)模型放在对业务影响最大的位置。例如，对于面部识别等企业人工智能(AI)应用，超低延迟要求它们部署在本地，而不是核心。但模型一定要定期调整，所以在边缘采集的数据会反馈给IDC更新改进算法。
更分散的协作环境
人工智能/机器学习反馈回路是IDC需要如何支持更广泛、更多样化的网络生态系统的一个例子。对于超大规模国际数据中心领域的参与者来说，这意味着适应一个更加分散的合作环境。他们希望客户能够在他们的平台边缘部署人工智能(AI)或机器学习(ML)，但不一定要在他们自己的IDC设施中。
AWS、微软和谷歌等云计算提供商现在正在将他们的云计算硬件部署在更靠近客户的地方，包括部署在企业内部的中央办公室和IDC。这使客户能够使用超大规模的数据中心和各种边缘设施来构建和运行基于云的应用程序。因为这些平台嵌入在许多运营商的系统中，客户也可以在运营商存在的任何地方运行他们的应用程序。该模式仍处于起步阶段，但它为客户提供了更大的灵活性，并使云计算提供商能够更好地支持边缘。
Vapor IO实现的生态系统方法提供了一种商业模式，其特征是用标准化的计算、存储和网络资源托管IDC。较小的客户(如游戏公司)可以在他们的客户附近找到虚拟机，并使用Vapor IO公司系统运行他们的应用程序。像这样的服务可能以收入共享模式运行，这对于试图开发边缘服务生态系统的小企业来说可能是一个有吸引力的例子。
面临的挑战
随着下一代网络的愿景逐渐成为现实，行业组织一定要迎接实施挑战。在IDC中，每个通道的服务器连接将从50Gb增加到100Gb，交换带宽将增加到256Tb，而使用100Gb技术将使用户拥有800Gb可插拔模块。
无论是大型IDC运营商，还是以边缘为中心的企业，还是基础设施提供商，下一代网络都将有足够的发展空间。
