根据IDC全球云IT基础设施季度追踪报告显示,最终用户在用于云环境(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)方面的总支出在经历连续两个季度下滑之后,在2019年第四季度恢复增长,同比增幅为12.4%,支出金额为194亿美元。第四季度的支出水平也让全球实现了正增长,年增长率为2.1%,总支出为668亿美元。与此同时,整个IT基础设施市场在2018年强劲表现之后持续面临难题,2019年第四季度增长3.3%达到381亿美元,但全年下降1.1%至1344亿美元。该季度非云IT基础设施下降4.6%至187亿美元,全年下降4.1%至677亿美元。
第四季度,公有云推动了云IT基础设施支出的增长,公有云细分市场同比增长14.5%至133亿美元;私有云增长了8.2%至61亿美元。由于公有云IT细分市场的一个重要组成部分是超大规模服务提供商,因此季度波动性更大一些。在经历了年中表现疲软之后,公有云在2019年底几乎没有增长,增幅仅为0.1%,达到452亿美元。私有云增长了6.6%,达到216亿美元。
随着云IT基础设施方面投资持续增加,季度之间存在一些波动,因此IT基础设施行业正在达到一个转折点:云IT基础设施方面支出赶超非云IT基础设施。2019年第四季度是云IT领域连续第三个季度处于领导地位,全年份额为49.7%。IDC预计,从现在开始,云IT基础设施在IT基础设施市场中所占份额,无论是季度还是全年,都将超过50%,到2024年达到60.5%。
在三个IT基础设施技术领域中,存储平台在第四季度同比增长最快,达到15.1%,支出达到66亿美元;计算平台同比增长14.5%,支出为108亿美元;以太网交换机下滑3.9%,至20亿美元。2019年全年来看,以太网交换机的同比增长为5.0%,支出为82亿美元;其次是存储平台,增长1.9%,支出为231亿美元;计算平台增长1.5%,支出为355亿美元。
注释:
在IT基础设施市场,当两家或者多家厂商的收入份额相差1%或者不足1%的时候,IDC认为这些厂商处于并列位置。
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。
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。
考虑到COVID-19大流行和随之而来的经济危机影响,IDC预测2020年云IT基础设施支出为692亿美元,比2019年增长3.6%。2020年非云IT基础设施支出预计下滑9.2%,至614亿美元。总体而言,IT基础设施总支出将下降2.9%,至1306亿美元。
COVID-19大流行对全球增长构成了严重影响。疫情爆发之前,预计2020年全球实际GDP增长将减少2.3%(按市场汇率计算)。疫情改变了游戏规则,2020年预期增长现在为-0.2%,是自全球金融危机以来最低增幅。给增长造成负面影响的主要是在需求和供应渠道方面。一方面,隔离措施、疾病以、消费者和企业的消极情绪,将抑制特定领域的需求,而另一些需求领域将浮出水面,例如用于通信和协作工作负载的云平台。同时,一些工厂关闭和供应链中断,将造成供应瓶颈。IDC预计这些影响将分散于整个市场格局中。
IDC基础设施系统、平台和技术部门研究总监Kuba Stolarski表示:“虽然2020年初主要面临的供应链问题将在第二季度末之前得到解决,但负面经济影响将冲击企业客户的资本支出水平。随着企业IT预算趋紧,市场对公有云服务的需求将会有所增加,部分原因是使用在线协作工具的远程办公人数激增,也涉及到工作负载向公有云的迁移。企业寻求节省资金的方法,一旦疫情解除,IDC预计一部分新需求仍将保持坚挺。”
IDC的最新五年预测显示,云IT基础设施支出将在2024年达到1001亿美元,复合年增长率(CAGR)为8.4%。非云IT基础设施支出小幅下滑至653亿美元,复合年增长率为-0.7%。预计到2024年,整个IT基础设施的复合年增长率将达到4.2%,支出为1654亿美元。
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
复旦大学团队提出ICWM框架,让机器人在任务前通过随机探测动作自主感知当前视角和物理配置,无需重新训练即可适应新摄像头角度,真实机器人测试成功率最高提升175%。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
西安交通大学团队提出Fast-LeWM,用动作前缀并行预测替代逐步推演,将AI世界模型规划速度提升近4倍,同时平均成功率从85.8%提升至90.5%。