一座数据中心在纸面上可以”具备AI就绪条件”，却未必真正具备了运营AI基础设施的能力。
围绕”AI就绪”的讨论，大多聚焦于GPU、功率密度、液冷以及支撑高要求负载所需的基础设施。这些固然都是不可或缺的要素，但负责运营这套基础设施的团队，同样值得同等的重视。
一旦基础设施投入运行，这些团队就必须保障其持续可靠地运转、及时响应故障，并在不同供应商之间协调各项工作。随着运维范围扩展到多个站点和区域，要在每一处都维持同样的专业水平与支持力度，就变得越来越难。
AI基础设施如何改变运维要求
数据中心运维（DCO）团队本就负责可用性管理、故障处置、维护协调和日常工作，而高密度AI基础设施又给这份工作增添了复杂性。
一个散热问题可能波及多个机柜；一次维护操作可能给相互关联的系统带来风险；一条机房告警，则可能要等到IT、网络、设施、设备制造商和客户几方协调完毕后，才能采取行动。
运维人员需要弄清楚这些系统彼此之间如何相互依赖，自己的操作会怎样影响整体环境，以及在多个团队都牵涉其中时责任究竟归属哪一方。
确认告警、按流程操作，只是应对工作的一部分。团队还得理解操作带来的运行影响，判断是否应当立即介入，以及谁有权作出决定。这就要求既具备技术功底，又辅以清晰的流程、有效的监控、明确的升级上报路径，以及可随时求助的厂商支持。
能够支撑AI负载的基础设施，仍然需要一支有能力让它稳定运行的团队。
每个班次都要有经验
随着运维方不断扩张，各个站点在团队经验、人员编制、供应商安排和工作方法上可能存在差异，当地的要求也会影响招聘、培训和管理。而无论客户的基础设施位于何处，他们对服务水准的期待始终如一。
当同一市场上有几个数据中心项目都在争夺同样技能的人才时，有经验的人往往难以招揽，这会拖慢团队上线的进度。人员流动也意味着要找人来顶替，并且要给新人留出熟悉站点的时间，之后他们才能接手同样的工作。
一个班次即便工程师数量达标，仍可能缺乏独立作业所需的经验。新入职的运维人员可能需要资深同事来监督操作、指导决策、处理升级上报的事项。
在规划团队时，我们既要考虑每个岗位、每个班次所需的经验，也要计算保障排班所需要的人数；同时还要为人员离职和补位做好预案，让团队始终保持所需的经验储备。
把人培养成独当一面的专家
招聘只是开端。新员工仍需时间熟悉站点、设备、客户要求和操作规程。完成入职培训，并不等于就能独立上岗。
在安排独立值班之前，服务负责人需要确认每位运维人员都能胜任其岗位职责。有些操作可能需要先在有监督的情况下练习，有些则要在个人积累经验的阶段设定清晰的升级上报边界。
培训同样会占用现有团队的时间。资深运维人员本身已身负运维职责，如果要求他们带新人却不考虑这部分额外负担，日常运营就会承受压力。
技术过硬并不意味着一个人天生就会教人、会考核人。上线计划应当明确由谁负责培训、如何评估能力，也要为新员工在成长过程中所需的支持作出安排。
从加入团队到能够独立上岗，这中间的过渡期需要提前规划。对于新建机房或正在扩张的业务，这项工作应在运维交接之前就已着手。
清晰的 service ownership（服务责任归属）
客户可能同时对接多家人力供应商、设备供应商和本地服务团队。一旦职责不清，他们往往不得不亲自协调各方的日常事务。
托管服务（managed services）模式可以通过明确”谁负责管理约定的服务、出现问题时谁来跟进到底”，来减轻这份负担。
在瑞技，我们对约定的工作内容以及执行这些工作的团队负全责。我们围绕客户的需求来规划、招募团队，再针对约定的职责安排客户专属的入职、培训和考核。团队开始运转后，由我们驻场的管理人员负责排班和绩效。
我们指定的服务经理或运维负责人统筹这项工作，并在我们的服务范围内对服务问题负责跟进到底。客户继续负责设定所需达成的成果和优先级，并保留决策权。
当某个问题牵涉到其他供应商时，客户会有一个明确的对接人，负责协调并跟进处理。
跨站点的一致标准
位于不同国家的站点，可能需要不同的人员配置、出入流程或供应商支持，报告义务也可能各不相同。
在不同站点之间，团队需要在能力要求、班次交接、升级上报、报告和问责方面采用统一标准。区域服务管理有助于把这些标准一以贯之地落实下去，同时根据每个机房的实际运作方式调整本地安排。
一个站点可能需要更多的供应商协调，另一个站点的出入或排班需求可能不同。两者完全可以遵循同样的服务标准，而不必采用完全相同的人员配置。即便各站点的团队组织方式不同，客户也应当能够清楚看到每一个站点的表现。
契合业务的支持方案
我们先从客户希望我们承担的工作入手，了解其运营是如何组织的、自有团队已经能处理哪些部分。
有些客户需要专门的驻场团队来负责持续运营；有些则需要在上线阶段、分阶段扩容，或从部署过渡到稳定运营期间获得支持；还有些情况下，过渡性支持或针对部分职能的协助更为合适。
瑞技通过多种 DCO 交付模式来满足这些需求：
- 专门的驻场团队——提供运维人力、驻场管理和持续的服务管理。
- 分阶段上线与扩容——随着机房或服务需求的增长，逐步准备并增补人手。
- 运维接管与过渡支持——在约定范围内协助交接、保持业务连续。
- 针对部分运维职能的支持——对客户指定的若干具体工作承担责任。
尽早商定服务范围，就能为团队筹备、交接安排、供应商协调和业务连续留出充足时间。招聘和培训需要与部署同步规划；若等到机房已经具备上线条件才着手，团队往往就来不及准备。
为"第二天"做好准备
更高的机柜密度、更复杂的散热系统，都会对运营它们的团队提出更高要求。这些团队既要理解自己所支撑的环境，也要对承担的工作有清晰的职责界定。
准备工作要从基础设施规划阶段就开始。招聘、培训和带教都需要时间，而支持在交接之后也必须延续下去。在瑞技，我们帮助客户打造驻场团队，并在业务跨站点扩张的过程中管理约定的服务。
基础设施可能在”第一天”（Day 1，即上线部署）就已就绪。
真正的考验，在于运营能否撑得住”第二天”（Day 2，即上线后的常态化运维）。
关于作者
Mazlan Marzuki
瑞技亚太区托管服务总监
Mazlan 在基础设施及关键任务型数据中心运维领域拥有超过 20 年的经验，曾领导新加坡和柔佛多个数十兆瓦级别的超大规模园区。他的专长涵盖服务交接、大规模迁移与退役、劳动力规划以及运营标准化。
