现在有两种观点:一种是,当世界陷入衰退的时候,服务器市场也会紧随其后;第二种是,如果超大规模数据中心和云建设者的规模足够庞大,那么他们在服务器上的支出或者服务器支出不足本身就可能造成服务器市场衰退,即使是没有发生经济衰退的情况下。
随着全球通货膨胀率居高不下,各国央行行长们已经通过加息猛踩刹车,并通过其他措施牢牢抓住紧急刹车,比如收紧货币供应,以防万一。到目前为止,通货膨胀率正在放缓,这可能意味着我们可以实现软着陆,在不引起剧烈衰退的情况下减缓通货膨胀。
以此为背景,全球数据中心和数据柜对计算的需求或多或少会持续地快速增长,今年及以后的预测看起来是比较乐观的。但是随着全球经济的紧缩,未来几年服务器支出的增长率似乎也开始放缓,这反映在最近的以太网交换机市场,尽管存在各种不确定性,但以太网交换机市场仍然在向前发展。数据中心交换机的增长速度略低于园区交换机,但至少在今年第三季度两者呈现增长态势。
上一次公众看到IDC和Gartner公布的服务器出货量和收入数据还是2021年第二季度的,从那以后再也没有看到相关数据。现在有一个名为Counterpoint的新市场研究机构也发布了一些服务器收入数据和自己的预测,我们对此有所了解。
在看Counterpoint的数据之前,我们先来看看IDC在9月下旬发布的服务器市场预测:

根据IDC最新的服务器市场预测预告片,“老化的安装基础将在2022年更新换代”,这就是为什么尽管供应链中断和地缘政治冲突,IDC仍然预测今年的服务器销售额将大幅飙升。目前尚不清楚这个增长中有多少只是价格的上涨,但考虑到今年的通胀率如此高,有理由预计这一增长中的很大一部分只是:价格上涨。短缺也推高了价格并限制了竞争,尤其是某些服务器组件,例如电源和网络接口卡。
IDC预测,超大规模数据中心和云建设方将“在2026年之前稳步”更新和扩展他们的基础设施,这一点很好。不过正如你所看到的,未来的增长率不会那么强劲,而且正如“电子表格效应”经常出现的情况,随着时间的流逝,分析师会稍微向上画一条直线,预计服务器收入增长将在2023年到2026年之间略有加速。
有趣的是,IDC提供了X86服务器和非X86服务器的收入和预测,我们也把这些预测放到表格里,看看这两者的年度变化情况:

根据2020年的IDC服务器数据,IBM凭借Power Systems和System z系列在非X86服务器市场占有52.9%的市场份额,不过展望未来,我们认为整个预测期内几乎所有增长都来自于Arm服务器,这就意味着Arm(可能还有后来几年的RISC-V)占到其余的部分。如果你对IBM服务器的销售情况持乐观态度(也就是说没有太大的下滑),那么Arm服务器应该会占服务器总收入的8%到10%。如果苛刻一点的话,假设IBM服务器销售额减半,那么Arm/RISC-V的份额会增加几个百分点。
下面来看看Counterpoint在今年6月发布的,对2018年到2022年的服务器市场预测:

Counterpoint的数据比IDC的数据低一些,可能是Counterpoint没有将基本操作系统计入服务器销售中。Counterpoint预计全球服务器收入将增长17%至1117亿美元。
这其中很有意思的一点是,Counterpoint按照厂商对服务器进行了全面细分(包括主要的OEM和ODM厂商),而不是像IDC那样只是列出前五名然后把ODM作为单独一类。下面来看一下吧:

我们将这个图表中的数字插入表格并将数据求和,结果大于上面预测中显示2021年的数据(我们猜测是Counterpoint已经修改了2021年的服务器销售额,但忘记了调整预测图表),下面这张图表更易于阅读:

根据Counterpoint,只有四家ODM——富士康、广达、WiWynn和Inventec——真正通过向超大规模数据中心和云构建方销售产品而产生了巨额收入。相比之下,Mitac有些微不足道,有人提及它都算是个奇迹了。在Counterpoint看来,似乎就没有其他厂商了。不过我们想指出的是,戴尔、联想、浪潮、超微、华为、曙光等作为代工销售的公司,有时也充当线下ODM。两者之间的界限很模糊。
但可以肯定的是,大家对2023年的服务器销售仍然持乐观态度,考虑到英特尔和AMD的X86服务器芯片以及AWS、Ampere Computing、华为/海思、阿里巴巴的Arm服务器芯片,都将在2023年推出,所以这样看来前景乐观也就是理所当然的了。
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。