數位優先策略強調技術驅動企業轉型，IDC數據顯示95%企業已採行，預計2027年41%收入將來自數位產品。雲端技術促進此轉變，透過SaaS模式加速應用。資料中心成長顯示需求攀升，企業需低延遲、安全且靈活的基礎設施支援，確保無縫數位轉型。
「數位優先」這個詞彙近年來頻頻出現，用於描述一種將技術置於企業核心及其策略的思維方式。根據國際數據公司(IDC)的數據，95%的企業表示他們正在實施數位優先策略，以產生新的數位收入來源。到2027年，平均企業將有41%的收入來自數位產品和服務。
快速發展的雲端技術推動了這一轉變。企業如今可以輕鬆地將服務遷移到雲端，並透過軟體即服務(Software as a Service, SaaS)模式快速採用各種軟體。如CBRE在《European Data Centres Figures Q4 2023》報告中所示，資料中心數量的增加反映了對雲端服務的需求。
要實現數位優先策略，雲端服務供應商和傳輸網路營運商必須準備好提供低延遲、安全且靈活的基礎設施。在此，本文將分析一些有助於企業實現無縫數位優先商業模式的重要因素。
資料中心類型
傳統上，各種類型的資料中心根據其規模和性能滿足不同的資料處理需求。以下是一些典型的資料中心類型：
超大規模或雲端資料中心(Hyperscale or Cloud Data Center)
這些資料中心由跨國企業擁有和運營，提供如存儲、運算、軟體即服務(SaaS)等服務給公眾，具備大型IT基礎設施以處理大規模的工作負載。
共置或多租戶資料中心(Colocation or Multi-tenant Data Center)
這類資料中心的目的是為不打算建立自有資料中心的企業提供設施。租戶可以根據需求選擇相關的服務，從單純的空間到完整的IT基礎設施租用，也可以包含管理和技術支援服務。
邊緣或區域性資料中心(Edge or Regional Data Center)
邊緣或區域性資料中心可能由網路服務供應商、資料中心服務供應商或個別企業運營。其目的是讓資料更靠近終端使用者，以縮短資料處理的回應時間。
企業或內部資料中心(Enterprise or On-Premises Data Center)
企業或內部資料中心由個別組織擁有和運營，建構其自有的IT基礎設施，提供服務予組織內的使用者。
AI時代的新視野
AI訓練資料中心(AI Training Data Center)
AI訓練需要龐大的運算能力和資源，因此AI訓練資料中心的規模通常非常巨大，由頂級超大規模運營商擁有。
AI推論資料中心(AI Inference Data Center)
推論是透過AI創造收入的服務方式，推論資料中心規模較小，需要較少的運算資源。個別企業或資料中心服務供應商皆可以建立並運營AI推論資料中心，靠近終端使用者以縮短資料回應時間來提供即時的服務。
資料中心網路需求
不同類型的資料中心與高性能傳輸網路的協同作用，為企業建構最佳化的IT解決方案提供了平台。最初採用全公共雲架構的企業，現在正進行雲端回歸(Cloud Repatriation)，透過利用共置服務來託管私人雲網路，轉向更靈活且安全的混合雲模式。
資料中心之間與資料中心內部的網路必須滿足以下要求，才能提供最佳的使用者體驗：
低延遲傳輸
企業將服務和資料分布於多個資料中心。從資料中心到企業間以及資料中心之間的網路必須確保低延遲傳輸。
IOWN(Innovative Optical and Wireless Network)全球論壇致力於開發新的通訊與網路基礎設施技術，以實現無縫的通訊體驗，提供低功耗、高頻寬和低延遲的傳輸網路。其長期目標之一是透過光子(Photonics)的技術，實現全光端到端網路傳輸(All-Photonics Network)。
實現低延遲基礎設施的中期解決方案則是IPoDWDM。透過OpenZR+規格，封包網路與光網路可以整合到同一台設備上(圖1)。由於兩端之間的組件減少，資料可以更快速地傳輸，網路架構也更加簡單。這不僅帶來了成本效益，減少維護難度，也可提升網路的效率，最佳化傳輸性能。
圖1 OpenZR+協助實現更有彈性且有效率的光傳輸網路
資料安全性
企業對於將伺服器和服務託管於資料中心服務商時，最大的擔憂之一是安全性，所有的資料都必須在公開網路上傳送，增加了資料被竊取的風險。資料中心服務供應商採用多種方式以確保傳輸完整性，例如MACsec技術提供在網路第二層(MAC Layer)的點對點加密，網路兩端的設備都需要支援MACsec，以對資料進行加解密(圖2)。它可以部署在用戶端與服務供應商的邊緣路由器之間，以保護這兩個站點之間的連接，或者部署在資料中心內，用於用戶伺服器接入共用網路時，確保其他用戶無法看到傳輸內容。
圖2 MACsec可在不影響傳輸效能的狀況下確保資料安全
功能擴展性
隨著人工智慧(AI)、機器學習和大數據分析的發展，資料中心的使用方式正在發生變化。企業可能會在雲端部署與AI相關的解決方案，或使用雲端的AI SaaS服務。AI服務的流量模式和網路需求與傳統資料中心不同，因此許多資料中心運營商開始部署原本用於電信網路的路由器解決方案，利用其深度緩衝(Deep Buffer)和可程式化特性來最佳化網路性能，以滿足AI網路需求。
架構擴充性
資料中心必須在規模上具備靈活性，以應對多樣化應用和流量需求。脊葉架構(Spine-Leaf Architecture)是建構靈活且可擴展網路架構的最常見方法之一。這種架構專為滿足傳統資料中心內部的東西向流量需求而設計，並且易於部署，適用於各式不同規模的資料中心。
另一種受歡迎的方法是使用分散式解構機箱(Distributed Disaggregated Chassis, DDC)解決方案。它利用CLOS拓撲，透過多個白盒路由器建構虛擬機箱(Virtual Chassis)。這種方法具有與脊葉架構相似的可擴展性，並可以視為一個大型路由器進行管理。DDC的單元交換機制(Cell-Switching Mechanism)可有效利用路由器間的內部網路通道來實現低延遲和負載均衡的資料傳輸，使其非常適合應用於人工智慧(AI)和傳統資料中心。
這兩種方法不僅提高了資料中心的靈活性和效率，還能適應當前和未來的流量模式及應用需求，有效面對持續成長的流量需求。
實現數位優先策略的關鍵
資料中心和電信基礎設施必須相互配合，才能充分支援數位優先策略。這需要低延遲、安全的網路，以及靈活可擴展的基礎設施，以提供最佳的企業雲端體驗。
廠商UfiSpace提供全面的產品線和豐富的部署案例，包括：
・完整1~400G的資料中心交換機產品線。
・應對AI資料需求高峰的下一代800G路由器和交換機。
・支援OpenZR+的端到端傳輸網路解決方案，幫助營運商建構高效、具成本效益的光傳輸網路。
・支援MACsec的完整解決方案，確保傳輸安全性。
・已在資料中心部署Broadcom Qumran平台，用於處理新型態的資料傳輸模式。
・作為DDC開發領導者，幫助運營商改善現有網路架構並探索新應用場景。
(本文作者為UfiSpace優達科技技術行銷經理)