智能语音诊断的黑科技是为服务器“听诊” ——听声音10秒准确报警 准确率95%

武功高强者，听声辨位；医术精湛者，听声辨病。这些都是工匠高超技艺的体现。那么，“听”这个技能，AI又会给我们带来哪些惊喜呢？听声音仅需10秒，即可准确判断服务器风扇故障。风听诊”，卓越：带来的前沿创新

浪潮信息最新发布的智能音频诊断技术，可使服务器风扇故障预警准确率达到95%，最大限度降低服务器故障和数据中心事故的安全隐患。

粉丝拖服务器的痛

众所周知，“发热”是服务器的致命伤。在服务器系统中，良好的散热是保证系统高性能稳定可靠运行的基础，风扇的作用不言而喻。

不过，风扇虽然是服务器散热的法宝，但也并非“百毒不侵”。风扇的故障可能来自轴承变形、元器件老化、电路板短路故障、灰尘污垢积压、润滑油不足，甚至引起数据起火重症中心。

虽然只有1%的散热风扇可能会出现故障，但一旦出现故障，就会影响系统性能和可靠性，而且风扇故障修复时间长，对数据中心的业务运行影响很大。

有没有什么办法可以提前预知风扇的“亚健康”问题，从而为服务器“防病”？浪潮信息的工程师们给自己定下了研发目标，开始逆向搜索，解决需求痛点。

听取服务器预警“治病”

地震发生前，会产生1-10赫兹的次声波，可以帮助人们提前预知灾害的发生。由此可见，如果能够正确解读声音传递的信息，能够为人类带来巨大的价值。浪潮信息的研发工程师发现，服务器风扇作为旋转机械，需要抑制气动噪声对性能和可靠性的影响。风扇健康状况。

浪潮信息工程师采用中科院声学研究所语音与智能信息处理实验室的智能声学故障检测技术，利用底盘噪声的特征信息，建立了业界首创的智能预警系统基于声纹特征的服务器风扇故障。系统可以实时区分几乎所有的风扇故障噪声，实现“声频诊断”。

在服务器BMC芯片中部署风扇故障智能诊断模型，进一步拓展了服务器的智能运维能力。 BMC通过内部麦克风阵列和音频处理芯片采集系统的多维噪声，进行声学信号处理、分析和诊断。只需10秒“听”就可以准确预警故障状态，准确率达95%。提前从根源上彻底解决服务器风险问题，保障数据中心的安全运行。

“朋友”难求，AI助力开创先河

基于声学检测的服务器风扇智能音频诊断系统听上去很简单，但它是从无到有，从无到有，对于音频诊断的AI学习，远不止“读一百遍，其意思是不言而喻的”容易。

工程师们首先在服务器主板上集成麦克风阵列，采集风扇的噪音，完成对采集到的音频信号的降噪、同步、处理，然后将数据传输到部署了智能诊断模型的BMC，实现了BMC中风扇的故障诊断。在线诊断功能，包括风扇故障声音的特征匹配和分析，准确识别潜在的风扇故障声音，定位风扇故障位置，发出警报，记录风扇故障日志等，实现叶片偏心、轴承磨损、绕组性能下降、润滑油不足或干涸、IC元件阻值变化等故障原因准确定位。

白手起家的难点在于之前业界没有参考，信号特征提取特别复杂。数据中心有数以万计的风扇，分布在不同的机柜中。传统的声音分析方法中，背景噪声嘈杂，声纹特征容易混淆，难以准确识别。

为了获得识别准确率高、泛化能力强的诊断模型，浪潮工程师构建了业界首个服务器风扇故障音人工智能训练数据集，历时200小时，几乎涵盖了所有类型的风扇故障。从声纹信息中提取40维MFCC特征，建立多层深度学习神经网络。

训练好的风机故障声音诊断模型可以区分具有相似特征的声纹数据，缓解正负样本分布不均的问题。

目前，这套AI预测模型已经部署在浪潮信息服务器中。由BMC管理风扇、麦克风阵列、DSP、指示灯等组成的听音诊断系统，听音只需十秒。叶片偏心或损坏、轴承磨损、润滑油不足、积尘等各种故障均可准确定位并预警。预警准确率达95%，彻底解决服务器运行风险。

结语：

若能清心净耳去听，万物寂静亦有韵。风留痕，雁留声。从声音的碎片中捕捉扇子隐藏的伤口，从偶发的声音变化中发现必然的质变，没有比这更好的知音了。智能只是手段，工程师坚如磐石的聪明才智才是创新的基础。精益求精，努力练习，只为好服务器。