日前,国际权威研究机构Gartner发布了2018年第一季度全球服务器市场报告,报告显示,在多节点服务器领域,浪潮销售额为6.36亿美元,市场份额为17%,位居全球第一。
全球市场复苏,云服务器高速增长
根据Gartner数据,2018年一季度,全球服务器销售额是152.5亿美元,同比增量为40亿美元,同比增速为35.7%,出现了少有的强劲复苏势头。整体市场的竞争格局比较稳定,市场份额前三位是DELL EMC、HPE和浪潮。
多节点云服务器在全球增长中扮演了主要角色,本季度云服务器销售额达到20.8亿美元,同比增速126.5%,在整体市场的增长贡献为51.7%,也就是说,在本季度全球市场容量每增长100美元,就有51.7美元来自云服务器。
云服务器是云计算时代重新定义的服务器
云服务器是专为云计算应用和大型云数据中心部署要求所设计和优化的新型服务器,计算、存储、网络、供电、散热等功能单元高度模块化、资源化,部署密度、能效、投资回报率等数倍于传统服务器。云计算变革催生了云数据中心,云数据中心催生了云服务器,电商、社交等不同形态的云应用则持续刺激着互联网公司的采购,从而云服务器产业化提供了源源不断的强劲动力。
近年来,随着云服务器对传统服务器替代的加速,不同标准的云服务器开始在开放计算产业的引导下相互融合,形成全球统一的产业生态。浪潮是国内最早进行云服务器研发和销售的企业,也是全球开放计算生态的重要力量。早在2010年浪潮就设计生产了中国第一代云服务器SR1.0,并且该产品的很多技术,例如管理架构、电源等,都被写进了ODCC标准中,而且,浪潮是全球三大开放计算社区ODCC、OCP 和OPEN19的共同成员,并在其中发挥着重要作用。
重塑全球产业格局
近年来,电子商务、移动社交、互联网金融等创新互联网经济高速发展,在中国整体GDP中占比超过30%,这一切的背后是云计算、大数据、移动互联网、智能终端、物联网等新一代变革性信息技术的快速普及应用,而这些创新应用都运行在云服务器上。
因而,一个国家云服务器产业规模与互联网新经济规模高度相关,据Gartner,全球云服务器销量最大的区域是北美,第二位是中国,全球互联网经济分布格局也是如此。
中国互联网新经济为云服务器产业的发展提供了足够的动力,而云服务器的发展为中国服务器产业的转型升级提供了历史性契机,过去的几年中,中国企业抓住了云计算变革机遇,改变了中国和全球的产业竞争格局。在2007年云计算概念刚刚出现时,全球5大供应商没有一家是中国企业,而现在,中国企业占有中国市场70%以上的份额,并且开始走向全球,全球6大服务器供应商中有3家是中国企业。
浪潮集团副总裁彭震表示,从互联网市场凝练出来的技术积累也为通信、金融、交通、公安等行业的IT业务发展提供了参考和借鉴。尤其是在工业互联网新一轮趋势下,以互联网的经验赋能传统行业,推动传统行业转型升级,这将是浪潮未来可见的非常大的增长空间。
云计算变革还远未结束,云服务器还有很大发展空间。据Gartner预测,到2022年,全球云服务器将保持6.7%的复合增长率,2.2倍于整体市场增速,云服务器在北美市场的占比将在2022年达到49.2%。随着云服务器的进一步发展,中国企业在全球服务器市场的优势还将不断强化。
这是智慧的时代
云服务器是云计算变革的重要组成,云计算、大数据和人工智能等创新应用正在相互融合,形成新型的智慧计算,智慧计算是人类从传统信息社会向未来智能社会升级的主要技术推动力。
中国工程院院士、浪潮集团执行总裁王恩东指出,智慧计算将是全球服务器产业重要的推动力,也将是中国服务器产业的新一轮发展机会,中国服务器企业应该抓住机会,走出中国,进行全球化布局,中国服务器只有获得全球竞争力,才能更好的支撑中国数字经济的发展和智慧社会的建设。
据了解,浪潮业务覆盖了113个国家和地区,8个全球研发中心、6个全球生产中心以及2个全球服务中心,在美国、欧洲、韩国、日本等区域市场增长十分迅速。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。