至顶网服务器频道 05月09日 新闻消息(文/李祥敬):当前我们处于一个新技术不断涌现的时代,各种新技术层出不穷。IT从过去的业务支撑系统变成企业的核心竞争力,这从而带来了整个产业界的巨大变化。但是万变不离其宗,种种新技术的背后都离不开计算力的支撑。而作为计算力的载体,服务器市场也同样在经受变革。为了满足多样化的工作负载需求,服务器技术和产品形态不断革新,为市场增长提供了新的动能。
Gartner全球X86服务器市场调查数据报告显示,2017年全球x86服务器市场显示了强劲的增长态势,厂商销售额为525亿美元,出货量为1139万台,分别同比增长12.2%和3.3%。其中2017年第四季度全球服务器市场收入增长25.7%,出货量同比增长8.8%,分别是2017年全球服务器收入增长的2.47倍和2.67倍。
IT变革时代计算很重要
毋庸置疑,我们处于一个计算多元化的时代。不管是云计算,还是大数据,亦或人工智能,它们都在驱动整个计算市场的多样化发展。
在如今这个IT变革的时代,软件定义成为IT厂商转型的风向标。君不见传统的服务器厂商纷纷转型为IT综合服务提供商,从服务器业务向IT服务延展。这种从“硬”到“软”的转变,的确顺应了整个IT变革的方向。但是,在这种转变中,很多厂商迷失在了“多元化”的业务困境中。
计算这个“主心骨”并没有随着IT变革的演进而褪色,而是被时代赋予了新的角色。云计算改变了数据中心计算资源的交付形式,让计算力完成了从设备到资源的升级,成为水、电一样的社会基础服务。
自2006年时任Google董事长兼CEO的施密特提出“云计算 ”概念以来,这场云计算变革已经进行了10年多时间。人类计算机产业迄今为止经历了大型机、小型机和X86服务器等多次产业技术变革,每一次变革都带来了计算力的“涅槃重生”。
从互联网时代到人工智能时代,数据成为重要驱动力。有数据显示,全球数据总量增长率将维持50%左右,2020年全球数据总量将达到40ZB,而我国数据总量在全球的占比将达到21%。特别是近几年,物联网设备爆发式增长,数据如洪流一般涌入网络,每天呈TB级增长。
2020年,大概会有500亿个智能终端连接到云端,以及2200亿个传感器连接到智能终端。中国势必会成为一个数据产业的大国,无论是10亿名互联网用户、2.9亿辆汽车保有量,还是2016年194亿人次的航空、客运、火车的运输量,亦或是300多亿件快递量,都意味着在将来,如何挖掘这些海量数据会变成一个巨大的挑战。
这是一个数据驱动的时代,数据价值的兑现离不开计算力的赋能,我们由此迎来又一个计算力的转型拐点。
不管是通用x86服务器还是关键业务计算市场,或者异构计算市场,在新的技术驱动下都迎来了转折点。在数据中心市场,伴随着数据中心规模化、专业化程度的提高,数据中心对于服务器的密度、能效和维护性要求越来越苛刻。
另一方面,在传统的计算密集型应用之外,大数据、人工智能等新兴的数据丰富型应用发展迅速,这类应用对于存储和异构扩展性有着近乎无限的需求,超出了传统均衡式设计的服务器能够满足的范畴,需要企业的服务器设计从均衡向场景化设计升级。
同时,伴随着互联网经济的快速发展,CSP是数据中心变革的主体力量,CSP服务器采购成为市场的主要拉动力。一方面,从市场构成看,CSP采购已经占到全球市场的1/3左右,而且全球市场的增长主要来自CSP采购量的扩大,另一方面,从产品形态看,塔式和刀片持续萎缩,机架相对平稳,快速增长的产品形态只有多节点云服务器。
互联网厂商的需求实际上是一种非常敏捷的需求,这不仅仅体现在软件开发的敏捷,还要求硬件的开放也要敏捷,包括供应链、生产、制造等也要敏捷,快速响应它的需求。
在异构计算方面,随着AI需求的激增,以GPU为代表的图形计算迎来爆发式增长。于是,我们看到各个服务器厂商推出了针对AI场景的专门服务器,通过搭载GPU或者FPGA实现异构计算加速。
另外,驱动整个服务器市场市场正在的一大要素是行业客户的数字化转型。有数据显示,到2020年,全球2000强企业中,有超过50%的企业,其多数业务的竞争力将取决于企业基于新一代数字技术创造产品、服务和体验的能力。全球大型企业普遍面临数字化转型的巨大压力。
目前,在互联网行业,云、大数据和人工智能实现了很好的融合。在企业和政府领域,云、大数据等新兴应用仍在普及,但是随着大数据、人工智能等技术的应用普及,传统的业务也将与这些技术融合,从而带动传统行业的数字化进程加速。
无论IT如何变革,计算的支撑作用永不褪色。在ABC时代,服务器市场应该有更多担当。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。