
如果大家一直在关注IDC和Gartner发布的IT支出预测报告,就会注意到支出预期会持续随经济状况的变化而同步震荡。这背后的逻辑并不难理解。
但另一方面,过去几年间硬件、软件和服务层面的资本支出似乎是经历一段低潮期甚至缩水。所以比较之下,当下和未来的IT支出反而可能会出现显著回升。这跟前面提到的IT开销与宏观经济同步的结论,明显存在冲突。
现实也的确是这样,出现了令我们意想不到的整体走势。
Gartner在10月刚刚发布了2022年和2023年IT支出预测报告的修订版,公司副总裁分析师John-David Lovelock在其中热情洋溢地表示“企业IT支出确实是经济衰退的证明,但CEO和CFO们并没有削减IT预算,而是增加了数字业务的支出配额。”
结合过去三、五年之间的数据中心变化趋势来看,我们实在难以得出IT支出增加对应“经济衰退”的结论。经验恰恰相反,企业在资金紧张时首先削减的是广告和营销方面的预算,下一步就马上是压缩企业硬件、软件和服务类开支。
但在全面分析Gartner公布的这份IT支出预测报告之前,我们不妨先从几个案例认识一下当前这个奇异的时期,也许能找到一点可把握的突破口。老实讲,虽然我们对Gartner公布的预测数字仍抱有怀疑,但这样的好消息至少能让人们再度燃起对于IT投资的希望。
首先,Gartner曾在今年1月发布的预测中表示,2020年数据中心系统的总体支出为1940亿美元,2021年增长11.4%至2160亿美元,而2022年将进一步增长4.7%达到2260亿美元。但在最新的预测版本中,2020年数据中心系统支出被下调至1790亿美元,2021年增长率下调至6.1%达到1900亿美元,这样一算2022年的预期数据中心支出2090亿美元就有了比较健康的增长幅度,达到10.4%。至于2023年,预测增幅再次回落到3.4%,总额为2160亿美元。可以看到,与之前版本相比较,2023年的销售额直接蒸发了210亿美元,而从2020年至2023年的IT总和支出更是减少达800亿美元。
这当然是笔巨款。如果数据中心系统的支出低于预期,那么相应的企业软件支出就会吃掉余出来的这部分资金。所以在2020年至2023年之间,以1月到10月为预测周期,企业软件支出将增加4820亿美元,总额顺利突破3万亿美元大关。
我们都知道,对全球IT支出的核算是一项复杂的数据收集操作,毕竟各家上市IT企业都在疯狂混淆不同产品线的市场表现,希望让自己的财报看起来更漂亮一些。因此,我们很难不对Gartner预测中出现的大幅波动持怀疑态度。
但让我们姑且抛开种种疑虑,认真看看2022年到2023年的最新IT支出预测:
据Gartner的介绍,在以上业务类别当中,软件部分涵盖云端SaaS和PaaS产品,而这些云服务正是软件支出中最为活跃的力量。根据推断,我们猜测云计算应该也推动了数据中心系统支出的整体增长,但Gartner并未在报告中提到过方面效应。
我们一直关注Gartner公布的趋势性展望,所以下面来看他们从2012年到2023年给出的IT支出数据预测:
下面这份表格,给出的是上图中使用的各项基础数据:
我们希望能把图中的设备(包括PC、智能手机和平板电脑)及电信服务剔除出去,这样可以更好地体现企业层面的核心IT支出(包括超大规模服务商和云基础设施运营商的采购项目,以及他们所提供的服务业务)。
如大家所见,即使是在修订之后,2020年的核心IT支出仍然增长了10.2%,达到18870亿美元。这在很大程度上要归功于市场对基础设施的旺盛需求,毕竟新冠疫情的突然爆发迫使我们迅速改变着工作方式。2021年继续保持增长,增幅为12.8%,总额达到21300亿美元。而从此次Gartner给出的最新预测来看,今年核心IT部门的支出仅小涨6%达到22580亿美元,而且增幅主要来自软件支出的扩张。至于2023年,核心IT支出预计将增长8.7%,总额为24540亿美元。
我们还从这批数据中发现了另一个有趣的现象,即核心IT支出在整体IT支出中所占的比例长期保持增长。十年前,核心支出占总支出的35.9%,预计到2023年这一比例将持续攀升至52.7%。如此巨大的转变主要由软件业务所贡献,硬件部分则相对较弱。如果着眼于数据中心系统,2022年的支出水平已经达到2012年的1.48倍,但软件支出同这十年间的增幅则为惊人的2.83倍。
当然,这份分析报告并没有囊括系统架构师、系统管理员、程序员、站点恢复工程师、项目经理和CIO等技术人员带来的劳动力成本。随着通货膨胀的加剧,劳动力成本也将变得愈发昂贵。更要命的是,劳动力无法像硬件那样在摩尔定律的效率加持下,通过产能扩张抵消掉一部分成本。软件倒也遵循摩尔定律,但由于软件是人力开发的产物,所以也会受到通货膨胀的直接影响。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。