根据IDC的全球服务器市场季度追踪报告显示,2017年第二季度全球服务器市场收入同比增长6.3%达到157亿美元。整个服务器市场在经历了因为等待英特尔发布Skylake处理器而导致多个放缓的季度之后开始反弹。尽管来自云服务提供商的需求推动着整体市场的表现,但是服务器市场的很多其他领域仍然停滞不前。第二季度全球服务器市场出货量同比增长1.9%达到245万台。
批量出货服务器的收入增长8.3%达到129亿美元,中端服务器收入增长19.6%达到15亿美元。高端系统的收入同比下滑18.9%达到13亿美元。IDC预测高端系统的收入还将保持长期下滑趋势。
IDC计算平台研究总监Kuba Stolarski表示:“超大规模数据中心作为一个群体,在第二季度推动着大规模的部署,其中领导者Amazon一家就在该季度占到了超过10%的服务器出货量。随着超大规模数据中心提供商继续在大多数架构更新中领跑市场,我们预计其余市场也将在未来几个季度赶上。随着更新过程中的市场周期,我们看到厂商产品组合也发生了变化,出现新的模块化系统设计,更加专注于加速器技术,云服务在企业IT中的角色也在不断演变。”
全球服务器市场厂商排名
该季度HPE/新华三保持着在全球服务器市场第一的位置,市场份额为21.3%,收入下滑8.4%达到33亿美元。HPE的份额和同比增长率中,包含从2016年5月开始成立的中国新华三合资公司的收入;因此,这里报告的HPE/新华三是两家公司在全球的服务器总收入。Dell保持着在全球服务器市场第二的位置,该季度的厂商收入份额为17.7%,同比增长7%达到28亿美元。IBM和思科并列第三的位置,IBM占有6.6%的份额,收入同比减少20.8%至10亿美元。思科占有5.6%的份额,收入增长1.7%至8.75亿美元。联想位列第五,占有5.3%的份额,收入下滑13.9%至8.34亿美元。ODC Direct供应商的收入增长了48.1%达到35亿美元。
注释:
* 当全球服务器市场两家或者更多厂商之间的收入份额差距等于或小于1%的时候,IDC认定这些厂商处于并列位置
** 由于HPE和新华三集团之间现有的合资公司,所以IDC将从2016年开始将HPE的全球外部市场份额汇报为“HPE/新华三集团”
*** 对于这次发布的服务器市场季度追踪报告,IDC已经完成了追溯到2013年ODC Direct收入数据的修订版,结果是每个季度收入平均增长超过10亿美元
Stolarski表示,“ODC出货量持续增长,因为大型大数据中心对服务器设计定制化以及批量出货的价格很感兴趣。对双路服务器的需求继续控制着目前以及未来大多数服务器出货量,因为这对用于数据中心的密度优化型服务器来说是一个热点。双路服务器不管是在能耗还是每台服务器成本方面对于数据中心部署都是具有吸引力的。”
服务器市场主要分布
从地区来看,中东欧(CEE)是增长最快的地区,同比增长13.5%,其次是亚太地区(不包括日本),同比增长12.9%。在亚太区,中国以10.3%的强劲增长领跑。美国增长7.1%,日本下滑2.2%,西欧增长2.7%,拉丁美洲下滑11.5%,中东和非洲下滑3.3%。
在2017年第二季度,市场对x86服务器的需求增长了10.4%,收入为143亿美元。非x86服务器同比下滑21.5%至15亿美元。
HPE和Dell在出货份额方面并列第三,全球出货份额分别为20.7%和20.1%。
IDC在这次发布的服务器市场季度追踪报告中发布了超微(Super Micro)的结果。该季度超微的收入同比增长了49.8%达到4.48亿美元,占有2.9%的市场份额。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。