根据IDC全球云IT基础设施季度追踪报告显示,2020年第三季度厂商从销售IT基础设施产品(服务器、企业存储和以太网交换机)中获得的收入同比增长了9.4%,而传统的非云基础设施产品支出同比下滑了8.3%。
这表明市场对COVID-19大流行给商业、教育和社会活动带来的重大影响,以及IT基础设施在这些影像中所扮演的角色。全球各地的人们开始在生活中全面采用各种在线工具,包括协作、虚拟商业活动、娱乐、购物、远程医疗和教育,云环境(尤其是公有云)是这一转变的关键推动力。
2020年第三季度,公有云IT基础设施支出同比增长13.1%,达到133亿美元。上个季度,公有云IT基础设施支出有史以来首次超过非云IT基础设施支出,但到了第三季度非云IT基础设施支出重回第一,达到137亿美元。据IDC预计,不久的将来公有云IT基础设施支出将再次超过非云IT基础设施支出,并扩大其领先优势。2020年第三季度,私有云基础设施支出同比增长0.6%,达到50亿美元,而其中,本地私有云占到了63.2%。
IDC认为,硬件基础设施市场已经达到了临界点,云环境将在总支出中占据越来越大的份额。现在云环境所占份额仅为四分之一,在遭受了COVID-19带来的市场冲击之后,现在市场趋于稳定,IDC小幅提高了2020年全年云IT基础设施支出预测,预计增幅为11.1%,达到741亿美元。IDC调低了对非云基础设施的预测,预计下滑11.4%至602亿美元。从全年来看,公有云IT基础设施支出预计同比增长16.7%至527亿美元,私有云基础设施支出预计下滑0.5%至213亿美元。
截至2019年,在计算平台和以太网交换机领域,云IT环境相对非云环境的主导地位一直存在,而大多数新出货的存储平台仍采用非云环境中。从2020年开始,随着公有云提供商增加了对存储平台的投资,云环境将主导所有这三个主要的技术领域。2020年云部署环境中,计算平台所占的支出份额最大(49.1%),增长2.3%至364亿美元,存储平台是支出份额增长最快的,增幅为27.4%,达到292亿美元,以太网交换机平台同比增长4.0%,达到85亿美元。
从地域来看,2020年第三季度大多数地区的云IT基础设施支出都在增长,其中加拿大(32.8%)、中国(29.4%)和拉丁美洲(23.4%)年增幅最高。美国的增幅为4.7%,日本和西欧分别下滑6.7%和3.4%。在除加拿大和日本以外的所有地区,公有云基础设施的增长都超过了私有云IT的增长。
从厂商来看,结果好坏参半。浪潮、华为和联想的同比增幅均达到两位数,而其他大多数主要厂商(包括ODM Direct厂商)的增幅为个位数,思科是唯一一家同比下滑的主流厂商。
注释:
*在全球IT基础设施市场,当两家或者更多厂商之间的收入份额相差1%或不足1%的时候,IDC认为这些厂商位于并列位置。
a由于HPE和新华三集团现有的合资公司,IDC从2016年第二季度开始把HPE和新华三集团作为“HPE/新华三集团”一个整体记录全球市场份额。
b由于IBM与浪潮成立了合资公司,所以IDC从2018年第三季度开始将浪潮和浪潮商用机器作为“浪潮/浪潮商用机器”一个整体记录全球市场外部市场份额。
长期来看,IDC预计云IT基础设施支出的五年复合年增长率为10.6%,到2024年达到1105亿美元,占IT基础设施总支出的64%,公有云数据中心占比69.9%,复合年增长率为11.3%。私有云基础设施支出的复合年增长率为9.2%。非云IT基础设施支出将在2020之后开始反弹,但总体下滑幅度为1.7%。
好文章,需要你的鼓励
科技亿万富翁拉里·埃里森资助的研究团队将向英国牛津大学投资1.18亿英镑,用于将AI技术应用于疫苗研究。牛津疫苗研究小组将领导这一项目,研究人体免疫系统对严重细菌感染和抗生素耐药性的反应。该项目由曾主导新冠疫苗试验的安德鲁·波拉德教授领导,计划采用人体挑战模型,让志愿者在受控条件下接触细菌,然后运用现代免疫学和AI工具来精确识别预测保护效果的免疫反应,以开发针对致命疾病的创新疫苗。
伦斯勒理工学院研究团队通过网络科学方法首次系统揭示了大语言模型的内部"认知架构"。研究发现AI模型采用类似鸟类大脑的弱定位架构,模块间通过分布式协作而非专业化分工来处理认知任务。这一发现颠覆了基于功能模块优化的传统思路,指出应充分利用网络级协作来提升AI性能。
据报道,ChatGPT开发商OpenAI计划在印度建设一座耗电量超过1吉瓦的数据中心,目前正寻找当地合作伙伴。该设施预计可容纳至少5.9万片英伟达B200芯片。这可能是OpenAI全球数据中心计划的一部分,旨在为国际用户提供更低延迟服务。OpenAI CEO奥特曼将于下月访问印度,公司还计划年底前在新德里开设办事处。
腾讯和清华研究团队首次从数学理论角度解释了为什么AI需要外部工具。研究证明纯文本AI存在"隐形枷锁",无法突破预训练的能力边界,而工具集成能打破这种限制,让AI获得全新的问题解决策略。团队还开发了ASPO算法,解决了训练AI更早使用工具的技术难题。实验显示配备工具的AI在数学问题上全面超越纯文本版本,展现出三种新奇认知模式,为构建更强大的AI系统提供理论指导。