根据IDC全球企业基础设施季度追踪报告显示:2021年第一季度“买方和云部署”——计算和存储云基础设施(包括专用环境和共享环境)产品支出同比增长了12.5%至151亿美元。该季度非云基础设施支出同比增长6.3%至135亿美元。
随着该市场和全球开始从新冠疫情中逐渐恢复,那些遭受收入损失最大的经济板块也开始逐步恢复增长。而疫情给IT基础设施带来的持续影响,是企业更加依赖云平台交付商用应用、教育应用、社交应用,而且企业组织更加关注业务连续性和风险管理,从而帮助推动数字化转型项目以及对“即服务”交付模式的采用。
2021年第一季度,共享云基础设施支出同比增长11.6%,达到103亿美元。IDC预计,不久的将来共享云基础设施支出将赶超非云基础设施支出。2021年第一季度专用云基础设施支出同比增长14.7%,达到48亿美元,其中45.5%是部署在客户本地环境中。IDC预计,整个预测期内云环境仍将是超过非云环境的。
第一季表现良好,再加上整个基础设施市场开始从疫情中复苏,IDC预测2021年云基础设施支出将增长12.9%至746亿美元,非云基础设施支出在经过两年的下滑之后,将增长2.7%至585亿美元。全年来看,共享云基础设施支出预计将增长12.2%至518亿美元,专用云基础设施支出将增长14.7%至227亿美元。
新发布的全球企业基础设施季度追踪报告中,有一个部分是Buyer and Cloud Deployment(买方和云部署),该类别对各种类型的服务提供商以及他们采购了多少计算和存储基础设施(包括云基础设施和非云基础设施)进行了追踪。IDC追踪的服务提供商类别包括:云服务提供商、数字服务提供商、通信服务提供商和托管服务提供商。2021年第一季度,服务提供商作为一个整体在计算和存储基础设施上的支出为155亿美元,同比增长12.5%,占计算和存储基础设施总支出的54.0%。IDC预计,2021年全年服务提供商在计算和存储上的支出将增长11.1%,达到747亿美元。
2021年第一季度,大多数地区的云基础设施支出都有所增长,其中加拿大(40.3%)、中国(35.0%)、除日本和中国以外的亚太地区(APeJC)(28.8%)年增长率最高。此外,西欧增长10.8%,美国增长4.5%,日本下滑1.1%。其他地区的结果参差不齐,总体增长了0.1%。
从厂商来看,该季度所有主流厂商的云基础设施收入都有所增长,其中增幅最高的是联想(38.2%)和华为(37.9%)。与去年同期的业绩相比,华为、联想和HPE/新华三(a)的市场份额均有所增长。
注释:
*当全球云IT基础设施市场中有两家或者更多厂商的收入或者出货量份额小于等于1%的时候,IDC认定这些厂商位于并列位置。
a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”一个整体记录全球外部市场份额。根据合资协议,清华控股子公司——紫光公司通过全资附属公司收购了新华三51%的股份,HPE拥有新公司49%的股份。
b浪潮的收入包括了浪潮商用机器的收入和服务器出货量。浪潮作为一家独后入包括了浪潮OEM系统和浪潮商用机器本地开发系统和品牌系统的收入。根据合资协议,“浪潮商用机器有限公司”总注册资本为10亿元人民币,其中浪潮集团投资5.1亿元人民币,持有51%的股权,IBM投资4.9亿元人民币,持有剩余49%的股权。
长期来看,IDC预计在2021年到2025年期间,计算和存储云基础设施支出的复合年增长率(CAGR)为11.3%,到2025年达到1129亿美元,占计算和存储基础设施总支出的66.1%。共享云基础设施支出占比将达到67.5%,复合年增长率为10.5%。专用云基础设施支出的复合年增长率将达到13.1%。2021年,非云基础设施支出将小幅反弹,但年复合增长率相对平平为0.3%,到2025年达到579亿美元。服务提供商在计算和存储基础设施上的支出预计将以年复合增长率10.1%的速度增长,到2025年达到1088亿美元。
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。