چرا شرکت‌ها هنوز به دنبال دیتاسنترهای داخلی هستند؟
جایی میان ابرها
هر سه این شرکت‌ها شروع به ارائه ابزارهای نوظهور هوش مصنوعی به مشتریانشان هستند که غول‌های تکنولوژی بیشترین منابع را برای توسعه آنها در اختیار دارند. روزهای معمولی دیتاسنترهای داخلی برای شرکت‌ها قطعا رو به پایان هستند.
اما آیا واقعا چنین اتفاقی قریب‌الوقوع است؟ اگرچه بودجه مربوط به رایانش ابری بر هزینه‌های مربوط به دیتاسنترهای داخلی در طول چند سال اخیر پیشی گرفته است، اما شرکت‌ها همچنان به سرمایه‌گذاری روی سخت‌افزارها و نرم‌افزارهای خود ادامه می‌دهند. طبق اعلام شرکت تحلیلی و تحقیقاتی Synergy Research Group، این هزینه‌ها در سال گذشته برای نخستین بار از مرز 100میلیارد دلار گذشته است.
بسیاری از شرکت‌ها، به خصوص شرکت‌های صنعتی، به این نتیجه می‌رسند که رایانش در محل و داخل شرکت مزایای خاص خود را دارد. کارخانه‌های متعدد و محصولات متنوع این شرکت‌ها که به سرعت در حال آنلاین شدن هستند، حجم قابل‌توجهی از داده را تولید می‌کنند؛ داده‌هایی که طبق پیش‌بینی شرکت مشاوره و تحقیقاتی Bain رشدشان به زودی از داده‌های تولید شده توسط رسانه‌ها یا پلتفرم‌های ارائه خدمات اینترنتی هم پیشی می‌گیرد و البته همچنان در دیتاسنترهای داخلی شرکت‌ها باقی می‌مانند.
مزیت دیتاسنتر ابری عمومی و - به لطف صرفه‌جویی‌های مقیاسی آن- هزینه‌های پایین استفاده از آن اما جنبه‌های منفی هم دارد. دیتاسنترهای غول‌های ابری (سه شرکت آمازون، گوگل و مایکروسافت) اغلب از منبع داده مشتریانشان دور هستند.
انتقال این داده‌ها از این منبع به جایی که پردازش می‌شوند، گاهی به طی مسافتی حدود نصف جهان نیاز دارد و این در حالی است که دوباره باید همین مسافت در بازگشت هم طی شود.
با این حال در غالب مواقع این موضوع مشکلی ایجاد نمی‌کند، چون اطلاعات تمام کسب و کارها حساس به زمان نیستند. اما وقتی در فرآیند انتقال داده زمان اهمیت دارد، این موضوع به چالشی جدی تبدیل می‌شود.
بسیاری از شرکت‌های صنعتی مشغول ایجاد دوقلوهای دیجیتال از کارخانه‌های فیزیکی خودشان هستند تا بتوانند این مشکلات را شناسایی کنند، زمان از کارافتادگی را کاهش دهند و بهره‌وری را بهبود بدهند. همچنین این شرکت‌ها همیشه در حال ایجاد تغییرات جزئی در محصولات تحت تولیدشان هستند و اغلب از دیتا استریمینگ یا جریان‌های داده‌ای در ایجاد تصویر بیرونی از محصولات فعلی بهره می‌گیرند. برای تمام چنین اهدافی باید داده تا حد امکان در لحظه تحلیل و در بهترین حالت بلافاصله پردازش شود.
این در حالی است که به‌طور شگفت‌آوری از دست رفتن داده یا قطع سرویس در دیتاسنترهای ابری عمومی رایج و متداول هستند. با این اوصاف است که بسیاری از شرکت‌ها همچنان ترجیح می‌دهند تا هر داده‌ای را که به کمک الگوهای هوش مصنوعی خود پرورش می‌دهند، در نزدیک‌ترین فاصله با خودشان نگه دارند.
یکی از مدیران میانی شرکت Vertiv که ارائه‌دهنده خدمات زیرساختی دیتاسنتر است، اعتقاد دارد که این موضوع ممکن است به یک مزیت رقابتی تبدیل شود.
از طرفی مدیریت دیتاسنتر اختصاصی هر شرکت در نزدیکی کارخانه‌اش به الزامات بومی‌سازی و حاکمیت داده از سوی دولت‌ها ارجحیت دارد که نگران نشت داده در مرزهای‌شان هستند.
کشورهایی که نسخه‌های متنوعی از قوانین حاکمیت داده را تصویب کرده‌اند، شامل چین و هند هستند که اولی شرکت‌های صنعتی بسیار زیادی دارد که کارخانه‌های خودشان را هم دارد و دومی که به تازگی این قوانین را به مرحله اجرا رسانده است. به خاطر همین دلایل است که شرکت‌های صنعت همچنان ترجیح می‌دهند برای ایجاد دیتاسنترهای داخلی و اختصاصی هزینه کنند تا به سراغ شرکت‌های بزرگ پردازش ابری بروند.
