根据IDC全球云IT基础设施季度追踪报告显示,2018年第三季度面向云环境(包括公有云和私有云)的IT基础设施产品(服务器、企业存储和以太网交换机)供应商销售收入同比增长47.2%,达到168亿美元。IDC还将2018年云IT基础设施的总支出(供应商收入加渠道加价)预测上调至652亿美元,同比增长37.2%。
公有云IT基础设施季度支出在过去两年中增长一倍以上,在2018年第三季度达到121亿美元,同比增长56.1%,而私有云基础设施的支出增长率为28.3%,达到47亿美元。自2013年IDC开始追踪不同环境中IT基础设施的部署情况以来,公有云就占据了云IT基础设施的大部分支出,并且IDC预计这一份额将在2018年达到68.8%的峰值,公有云基础设施支出的年增长率为44.7%,私有云支出的增长率为23.3%。
在2018年第三季度,面向云环境的IT基础设施产品厂商销售收入首次超过了传统IT环境销售收入,占全球IT基础设施厂商总收入的50.9%,高于一年前的43.6%。但是从2018年全年来看,云IT基础设施的支出将保持在50%以下,为47.4%。预计2018年在云IT环境中所有三个技术领域的支出都实现两位数的增长。计算平台增幅最快为59.1%,以太网交换机和存储平台支出将分别增长18.5%和20.4%。
传统(非云)IT基础设施细分市场的增长率从上半年放缓至14.8%,但这一结果对于该市场来说仍然是表现较好的。全年来看,随着该市场经历技术更新周期,全球对传统非云IT基础设施的支出预计将增长12.3%,更新周期将在2019年结束。到2022年,我们预计传统非云IT基础设施占全球IT基础设施总支出的42.4%(低于2018年的52.6%)。所有地区都会出现传统非云IT基础设施支出份额的减少以及云环境IT基础设施支出份额的增加。
IDC基础设施和平台研究总监Natalya Yezhkova表示:“2018年前三季度覆盖所有部署环境的IT基础设施市场都表现出色,因为新数据中心的开放和现有数据中心基础设施的更新,让公有云数据中心受到了IT基础设施投资增长的强劲推动。在经历了如此强劲的一年之后,我们预计2019年会出现一些放缓,因为整体市场会逐渐冷却,而一些云服务提供商会对他们的供应链进行一些调整。不过,IDC预计IT基础设施支出向云环境的转移将持续下去。”
2018年第三季度所有地区的云IT基础设施收入都实现了两位数的增长。其中,亚太地区(不包括日本)(APeJ)的收入增长最快,同比增长62.6%,中国的增长率甚至更高,达到了88.7%。其他增长较快的地区还包括日本(48.2%)、美国(44.2%)和加拿大(43.4%)。
注释:
在全球云IT基础设施市场,当两家或多家厂商的收入份额相差1%或更少时,IDC认定这些厂商在数据统计上处于并列位置。
由于HPE与新华三集团之间成立了合资企业,IDC将从2016年第二季度开始以“HPE/新华三集团”为整体报告全球外部市场份额。
从长期来看,IDC预计云计算IT基础设施支出的五年复合年增长率(CAGR)为13.3%,到2022年达到886亿美元,占IT基础设施总支出的57.6%。其中公有云数据中心将占到66.3%,复合年增长率为13.6%。私有云基础设施支出的复合年增长率将达到12.6%。
好文章,需要你的鼓励
前OpenAI首席技术官Mira Murati创办的AI初创公司Thinking Machines Lab宣布推出"交互模型"技术。不同于现有AI的轮流对话方式,该模型采用"全双工"技术,能在接收输入的同时生成响应,实现类似真实电话通话的自然交互。其模型TML-Interaction-Small响应速度达0.40秒,优于OpenAI和谷歌同类产品。目前仍处于研究预览阶段,计划数月内开放有限测试,年内正式发布。
香港大学与哈尔滨工业大学联合发布的这项研究(arXiv:2605.06196)发现,大语言模型在扮演不同社会层级角色时,内部神经网络存在一条清晰的"粒度轴",从普通个人视角延伸至全球机构视角。这条轴是AI角色空间的主导几何方向,可被测量、被跨模型复现,并通过激活引导技术加以操控,为AI社会模拟的可信度评估和角色视角的主动调控提供了新工具。
澳大利亚各州及联邦能源部长在近期会议上达成共识,要求数据中心通过投资新建可再生能源和储能设施,完全抵消其电力需求。除昆士兰州外,所有州均支持该提议。联邦能源部长克里斯·鲍文表示,数据中心是新增能源需求的最大驱动力之一,应成为电网的助力而非负担。澳大利亚能源市场委员会将于7月前提交具体实施建议。数据显示,到2030年数据中心用电量预计将增至现在的三倍。
华盛顿大学研究团队发现,在AI数学推理训练中,将随机拼凑的拉丁文占位词(Lorem Ipsum)添加到题目前,能帮助AI突破"全部答错、训练停滞"的困境,在多个模型上平均提升推理得分2.8至6.2分。研究揭示了有效扰动的两个关键特征:使用拉丁语词汇避免语义干扰,以及保持较低困惑度确保AI能正确理解题目内容。