一直以來，儲存和運算都集中在數中心，後來雲運算興起，數據開始分散到公有雲，其後IOT、流動運算、人工智能（AI）興起，數據又再分散到邊緣。
不少科技專家預言，雲運算下一步就是霧運算（Fog Computing）。Hewlett Packard Enterprise（HPE）舉行的Reimagine 2018年度大會，就以混合IT為探討的主題。
HPE亞太區混合IT技術總監Paul Haverfield介紹HPE的InfoSight解決方案，如何解決未來分散的運算。不少預測均認為2022年前，約有7至8成數據，會在數據中心以外產生。上述數據在邊緣位置產生，會即場處理和掉棄，而不會送回數據中心。
IT基建自動駕駛
以無人駕駛為例，無人汽車必須獲用戶信任，確保可自動完成旅程，沿途也會自行作出決定，乘坐過程之中，乘客工作可更加有效率。根據以上理念，HPE 提出了自動化數據中心（Autonomous centers of data），數據中心可像無人駕駛一樣自我操縱。Haverfield說，HPE以Centers of data形容日後的數據中心，就是強調數據以後會異常分散。
HPE自動化數據中心概念，乃從收購快閃儲存Nimble開發InfoSight得來。Nimble為集中於快閃儲存的初創，由於以工業標準儲存技術，硬件水平難以有特別的競爭優勢，Nimble決定從客戶支援服務方面加以創新，以AI深度學習 改善技術支援服務，結果取得成功，AI可自行偵察發現大部分錯誤，並自行建議修復方法。
HPE收購了Nimble後，採用了InfoSight套用在不同產品線，包括儲存、網絡、服務器、數據管理，InfoSight應用範圍，已不限於儲存產品。
深度學習未卜先知
首先，InfoSight從系統蒐集數據，然後放到深度學習的模型，變成了決策和行動的根據。InfoSight從儲存和服務器蒐集系統的Metadata，研究系統運作的各項數據。通過學習眾多系統，從其他客戶的經驗，InfoSight就可作出預測，並主動提醒客戶，如何避免重蹈覆轍。
InfoSight可以作出建議，避免系統發生問題。系統發現某一部虛擬機器（VM）可能有異，可以建議先移除；避免系統負荷；甚至是系統與虛擬平台的兼容，亦可以馬上偵察。
「通常系統錯誤都不是單一原因，受多個因素同時影響，InfoSight可總結不同經驗，可從不同模式，追溯回發生多個原因。系統也可自行作出決定，例如向某個VM分配更多儲存或記憶，或者關閉某些功能。」InfoSight準確程度，足以令Nimble約86%技術支援個案，都可自行解決，客戶完全毋須致電Nimble，更毋須傳送日誌檔，供技術支援解決問題。
HPE廣泛採用AI
Haverfield說，HPE早已應用AI在日常業務管理上。其次，AI也應用於控制和保護供應鏈。HP是首家實施供應鏈保安IT企業，確保生產和運輸周期內，不會出現漏洞或遭竄改。他表示，利用電腦影像技術，AI可確認產品的電路板晶片，不會被竄改或增減。
近期。美國上市的SuperMicro被彭博社指遭黑客植入晶片，透過管理服務器的BMC攻擊。Haverfield說，HPE的BMC技術iLO從未出見漏洞，而且也不會有靭體更新，iLO指令都在晶片執行，並以除了晶片被更換，基本上不可能通過iLO遠程向HPE的服務器攻擊。SuperMicro的BMC的靭體曾出現漏洞，業界普遍關注服務器的BMC會不會成為下個攻擊目標。
而InfoSight是HPE第三個應用AI最大場景；推動完全自動化管理的IT架構，日後可應用到智能邊緣、智能雲端等。
HPE香港及澳門董事總經理梁成琯博士說，HPE是中型儲存市場最大廠商，AI數據分散於不同位置；儲存和運算資源分散，導致管理成本上升。InfoSight可視為針對下一代IT架構的管理技術，一舉解決混合IT（Hybrid IT）及智能邊緣（Intelligent edge）帶來的考驗。
「據一國兩制最近委托牛津的研究指出，AI會導致大量的職業流失，包括了高收入職位，例如是投資銀行家。」梁成琯博士說，AI大量部署在不同場景，必須確保關鍵任務的決策支援，才可持續運作。
InfoSight技術正從Nimble，應用到不同的產品線，包括了3Par、ProLiant、不同系列的儲存產品。
HPE香港及澳門混合式IT及售前總經理郭榮忠，不少客戶已經從InfoSight技術獲益，自動偵察和糾正錯誤，減少系統停頓，並自我修復。
數據中心都要大量人手操作，InfoSight減少操作人員，可以集中進行數碼化轉型。另一項應用InfoSight是數據分析；因為金融機構要符合「認識客戶」（Know Your Customers）的監管要求，往往要建立龐大的「數據湖」（Data Lake），以分析海量的數據，InfoSight也可助解決搭建大量數據帶來的技術難題。