在沙龍中，陽必飛首先拋出了華為對未來數據中心的構建理念與暢想，即6全4A：云數據中心全預制(按需上線，百天千柜)、全模塊(按需擴容，彈性升級)、全綠色(PUE 1.0時代)、全可信(可靠、可用、韌性、隱私、Safety、Security)、全協同(端邊云協同、L1L2L3協同)、全自動(AI自動駕駛)以及邊緣數據中心Anytime(部署即上線)、Anywhere(全場景適應)、Anyone(全自動，技能0要求)、Anything(全棧L1L2L3)。
而無論是最近政府提出的新基建概念還是傳統應用，其實都與數據中心強相關，數據中心作為應用的底座發揮著不可替代的作用。謝云昭表示，“數據中心的業務連續性及安全性是非常關鍵的指標，而隨著5G的擴展，數據中心已經形成云邊協同的趨勢，這些新的需求都給傳統數據中心運維帶來了挑戰。”
陽必飛也表示，“數據中心從全生命周期角度和TCO角度，都需要重點考慮營維中遇到的問題。比如在規劃與建設中一般占1-2年的時間，剩下10-15年則為運維和運營階段，所以大部分的時間都是和運維和運營相關的。另一方面從商業角度講，數據中心的投資主要是對運維的投資，而這之間對能源的消耗也是非常可觀的。而對運維人力的投入也是非常重要的，因為隨著數據中心的規模和業務量的不斷擴展，人員的投入也會直線上升。”
數據中心營維之痛
陽必飛表示，“目前數據中心存在依賴人工、被動響應、運營落差等實際問題。數據中心中每千柜需要15~30人實現7*24小時值守，每天6~12次現場抄表巡檢，這些都需要依賴人工來完成。而被動響應的機制使得效率無法得到有效提升，另外人工操作的風險很難控制，數據中心的高可靠性難以得到保證。同時運營落差，非最優狀態，實際PUE與設計PUE存在巨大GAP，使得資源的價值未得到最大化挖掘。”
謝云昭對此表示，“從萬國數據的角度，安全可靠、足夠的持續性和連續的投入改造，以及人力效率的提升是我們當前最重要的關注重點。比如將巡檢、日常的服務，方方面面的人員的巡檢從4-6小時中解放出來，讓傳統的巡檢工作慢慢退出歷史舞臺。這就提出了一種預防性維護的理念，通過季度、半年度、年度等維護，包括電氣連接點熱掃描 ，電池放電測試、應急組織和維修、計劃性的維護等等這些手段來提升數據中心的運維效率。”
為什么數據中心營維需要自動駕駛?
陽必飛認為，數據中心自動化發展與當前汽車自動駕駛的發展存在很多共通性特點。首先汽車自動駕駛可以提升提高可靠性，降低人為導致的安全事故，從而拯救數百萬人生命。另外高效的操作方式可以提升交通系統效率，降低擁堵。更高的能源效率還能減少碳排放;最重要的是解放了人，“0”技能要求讓老人、殘疾人、小孩都可以方便出行，解放了人們的眼睛、手腳、大腦和時間。
而數據中心自動化的發展，也是為了提高可靠性，以便應對數據中心規模和系統的復雜性上升、數據中心宕機產生的社會影響更大，以及云計算要求靈活可靠的資源調配能力等需求。而能源消耗大(耗電)，碳排放高、占地面積、電力容量高、消耗社會資源等問題也需要更加高效的管理方式來解決，最終才能做到解放人的階段。
如何定義數據中心營維自動駕駛
陽必飛認為，要在自動駕駛汽車到自動駕駛數據中心之間建立聯系，大致可以分為以下幾個階段，完全人工、部分解放手腳、基本解放手腳、完全無人、基本解放大腦、完全解放手腳、部分解放大腦。
同時陽必飛也介紹了AI運維自動駕駛演進的幾個階段，從第一階段到第五階段可以分別通過電子化輔助，運維過程APP化;減少人工抄表;基于AI圖像、聲 音、異味等的AI感知無人巡檢;利用AI 分析實現智能故障診斷、快速定位、應急指導;AI預測實現故障預測、健康狀態預測、提前維護;最后實現AI自愈，全自動化故障“自修復”的自治運行等等。
在AI節能自動駕駛演進方面，自動化能夠實現能效可視、PUE監測、AI自動尋優、自動調節，同時AI自學習還可以主動感知變化，自動調整尋優規則等等。
此外，AI對運營自動駕駛的演進，基本可以做到資源可視、SPCN資源可視、可用資源可視、資源價值最大化優化、最大化SPCN利用效率、線性平緩的業務上線等效果。另外，對自助上線、機器人服務、設備自動上架、業務發展趨勢預測、設備生命周期預測等功能都可以得到很好的實現。
陽必飛總結到，“我們希望未來數據中心真正能夠像無人超市一樣，可以自動去匹配用戶的需求、自動去匹配相關資源，達成商業鏈條的全封閉狀態，真正形成無人值守的狀態。可以打造出一種完全自動化的數據中心和數據的黑燈工廠，滿足未來新基建、云計算等一系列的要求。”
最后，謝云昭也表示，“未來數據中心的運維應該是節能與優化、高效與穩定的高度融合的一種結構，另外也會逐漸向少人及邊緣化趨勢進一步邁進。”
