根据IDC《全球企业基础设施季度追踪报告:买方和云部署》显示,2021年第二季度用于云基础设施(包括专用环境和共享环境)的计算和存储基础设施产品支出同比减少2.4%至168亿美元,而此前该支出已经实现连续六个季度的同比增长,其中增幅最高的是2020年第二季度同比增长了39.1%,当时全球刚刚遭受疫情袭击,出现了企业和国家封锁措施促使云服务和基础设施投资出现了第一个高峰。2021年第二季度非云基础设施投资同比增长3.4%,达到134亿美元,相比2020年第二季度的7.2%有所回落。
该季度共享云基础设施支出达到119亿美元,相比2020年第二季度下滑6.1%,相比2021年第一季度增长17%。在2020年第二季度市场对公有云服务需求异常高之后,需求开始出现同比疲软,特别是在疫情前几个月市场对云服务的需求激增,使得支出增长了55.5%。这种由特殊事件引起的增长率差异造成了无法反映长期趋势的“硬”对比。IDC预计,共享云基础设施需求将持续走强,到2022年共享云基础设施支出将超过非云基础设施支出。2021年第二季度专用云基础设施支出同比增长7.8%至49亿美元,其中46.5%是部署在客户本地环境中的。IDC预计,整个预测期内,对云环境的支出将继续超过非云环境。
尽管该季度需求疲软,但IDC预测2021全年云基础设施支出将增长12%至743亿美元,非云基础设施在经历了两年下滑之后将增长2.7%至589亿美元。此外,共享云基础设施全年支出将增长11.1%至514亿美元,专用云基础设施支出将增长14.1%至228亿美元。
在该追踪报告中,IDC跟踪了各类服务提供商以及这些服务提供商对计算和存储基础设施(包括云和非云基础设施)的采购情况,服务提供商包括云服务提供商、数字服务提供商、通信服务提供商和托管服务提供商。第二季度,服务提供商作为一个整体在计算和存储基础设施上花费了171亿美元,相比2020年第二季度减少1.9%,相比2021年第一季度增长13.6%,占到了计算和存储基础设施支出总额的56.5%。IDC预计,2021全年服务提供商的计算和存储支出将达到746亿美元,同比增长10.5%。
从地区来看,云基础设施支出的同比变化喜忧参半:亚太地区的一些子区域、拉丁美洲、加拿大、中欧和东欧的支出有所增加,而美国、西欧、以及中东和非洲出现下滑。2021年第二季度加拿大地区的云基础设施支出同比增长最为强劲,为25.6%,而西欧的降幅最大,为8.8%。与2020年相比,预计所有地区的全年云基础设施支出都将增加。
从厂商来看,2021年第二季度主要厂商的云基础设施收入表现参差不齐,其中戴尔、HPE/H3C(a)和联想/Lenovo NetApp的销售额有所增加,而浪潮/浪潮商用系统(b)和华为有所下滑。

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。

长期来看,IDC预计在2020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12.4%,到2025年达到1188亿美元,占计算和存储基础设施总支出的67.3%。共享云基础设施支出占比将达到69.9%,复合年增长率为12.4%。专用云基础设施支出的复合年增长率将达到12.3%。非云基础设施支出将在2021年出现反弹,但复合年增长率相对持平为0.1%,到2025年达到577亿美元。服务提供商在计算和存储基础设施上的支出预计将以11.2%的复合年增长率增长,到2025年达到1150亿美元。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。