人工智慧（AI）伺服器推升機櫃功率密度，資料中心基礎設施管理（DCIM）的任務也隨之擴大，催生新一代的智慧管理平台。過去DCIM主要負責設備監控、環境告警、資產盤點與容量管理，如今還須因應高功率供電、液冷及跨站點管理需求。
資料中心管理架構也開始串聯設計、模擬、建置、營運與維護階段，以支援容量規畫與風險預測。
施耐德電機關鍵電力事業部總經理魏仕杰表示，DCIM市場仍然存在，只是應用深度與範圍明顯擴大。施耐德電機目前較少以單一DCIM工具說明資料中心管理，而是以EcoStruxure整體架構串聯連網設備、邊緣控制、管理軟體與分析服務，其中EcoStruxure IT承擔資料中心監控、資產管理與容量規畫等DCIM功能，使資料中心管理逐步延伸至全生命週期的軟硬體整合與決策支援。
魏仕杰回顧，他在2014年開始接觸資料中心時，單一機櫃功率約5kW便屬高密度配置，如今部分AI機櫃的設計功率已達150kW，下一代架構更可能提高至數百kW甚至1MW等級。功率密度提高後，機櫃內外必須同步配置更高容量的配電、網路與光纖系統，並視伺服器熱密度導入液冷設施。傳統標籤與試算表已難維持資料完整性，管理者還須同步判斷配電、冷卻、水路與機櫃承載條件，任何單項資源不足，都可能影響AI伺服器部署。
五階段架構串聯機房生命週期
魏仕杰指出，資料中心全生命週期可依設計、模擬、建置、營運與維護等五個階段理解，軟體工具則負責串聯各階段的工程模型、設備資料與營運資訊。目前多數企業只在其中2至3個階段部署數位工具，設計條件、實際負載與維護紀錄尚未完全貫通，難以形成閉環管理。
建立閉環管理的挑戰，在於軟體與硬體能力必須同步提升。若設備無法提供電流、電壓、溫度、負載及健康狀態資料，分析平台便缺少判斷基礎；分析結果也須回饋到營運與維護流程。新一代設備普遍具備聯網與感測能力，可直接取得內部資訊。但既有設備雖可外加感測器，仍須考量資料精度、轉換介面與聯網元件帶來的資安風險。
施耐德電機關鍵電力事業部總經理魏仕杰表示，AI機櫃功率密度持續攀升，企業須串聯電力、冷卻、設備與營運資料，透過數位孿生、預測分析及全生命週期管理，提升容量規畫與基礎設施決策能力。
他指出，EcoStruxure採取開放及互通架構，可整合不同設備與通訊協定。SNMP、Modbus等協定，可透過閘道器或協定轉換器交換資料。現實環境通常由多種品牌及不同世代設備組成，因此協定支援能力、資料標準化與語意對應機制，將直接影響整合成本及維運效率。
魏仕杰說明其整合概念，底層由電力、冷卻及環境監控等連網設備提供資料，管理層透過EcoStruxure相關邊緣控制與管理應用，串聯EcoStruxure IT Advisor、樓宇管理系統（BMS）與電力管理系統（EPMS）的資訊；工程與分析端則可進一步銜接AVEVA及ETAP等工具。AVEVA可整合工程、營運與即時資料，支援視覺化及涵蓋資產生命週期的數位孿生應用；ETAP則用於電力系統建模、模擬、短路分析與保護協調，協助工程團隊驗證設計安全性。
數位孿生由視覺呈現轉向預測決策
可視化是資料中心數位化最容易被理解的環節，但若未進一步連結管理、模擬與預測，畫面呈現所能產生的營運效益仍然有限。魏仕杰表示，數位孿生利用物理設備持續回傳的資料，使虛擬模型能依資料更新頻率反映實際機房狀態。若模型納入電力、熱流體與控制邏輯，管理者可進一步模擬新增或移除機櫃、設備停機、風扇故障、空調失效及管路異常等情境，預先觀察電力負載、氣流、溫度與冷卻能力變化。增加高密度AI機櫃前，也可先評估位置、功率與冷卻配置，判斷是否可能出現熱點或冷卻容量不足。
魏仕杰觀察，目前數位孿生在資料中心市場仍以評估及局部導入為主，設計與模擬階段的採用意願相對較高。工程顧問、技師及設計單位可運用電力與熱流體模型驗證設計，較快看見導入效益，並降低保護協調、容量估算或冷卻配置失準的風險。營運與維護階段則須長期累積設備資料，才能建立適用於不同環境、負載與使用條件的分析模型。
台灣資料中心市場受到土地、水資源與電力取得條件影響，企業多半採取既有機房改造或中小型自建模式。大型雲端服務供應商、主機代管服務業者及跨區域營運單位，因設備規模龐大且須中央監控，對全生命週期平台的需求通常較為明確。至於一般企業，他建議可先部署基礎監控、資產與容量管理，再依機房複雜度增加設計模擬及預測分析能力。
資料中心能源管理也逐漸延伸至從電網到晶片（Grid to Chip）的系統設計觀點，將電網供電、配電轉換、機櫃輸入與晶片負載視為連續系統。再生能源提高供電來源的間歇性與變動性，儲能及時間電價則增加了能源調度與成本最佳化的操作空間。相關管理與控制系統須掌握能源來源、負載需求、儲能狀態與電力轉換效率，才能安排能源調度並降低轉換及傳輸損耗。對數十或數百MW規模的資料中心而言，電力轉換效率即使只相差2至3個百分點，經長時間累積後仍可能形成顯著的能源成本差距。