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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。