根据IDC《全球企业基础设施季度追踪报告:买家和云部署》显示,2022年第四季度用于云部署(包括专用IT环境和共享IT环境)的计算和存储基础设施产品支出同比增长16.3%,达到241亿美元。云基础设施支出的增幅仍然超过非云基础设施支出,后者该季度也有强劲增长,同比增长9.4%至187亿美元。全年来看,云基础设施增长19.4%达到877亿美元,而非云基础设施增长13.6%达到667亿美元。市场继续受益于高需求、大量积压、价格上涨和基础设施供应链改善等因素。
该季度共享云基础设施的支出达到168亿美元,同比增长18.5%。2022年全年来看,共享云基础设施支出615亿美元,同比增长20.1%。IDC预计,共享云基础设施的需求将持续保持强劲,预计到2023年这部分支出将超过非云基础设施。专用云基础设施支出在2022年第四季度同比增长11.5%至72亿美元,2022年增长18.0%至262亿美元。专用云基础设施方面,该季度有45.5%是部署在客户内部环境的,全年是45.2%。
IDC预测,到2023年云基础设施支出相比2022年将增长6.9%,达到937亿美元,与2022年19.4%的年增长率相比有大幅下降。非云基础设施预计将下降10.3%,至598亿美元。共享云基础设施支出预计全年将增长7.5%至661亿美元,专用云基础设施支出预计全年将增长5.4%至276亿美元。低迷的增长预测反映了关于市场将面临重大宏观经济逆风和需求抑制的预期,由于现代化的驱动、运营支出重点、数字消费服务需求的持续增长,云端将保持积极态势,而非云支出将有所收缩,因为企业客户将转向采取资本保全的措施。
IDC追踪了各类服务提供商以及这些服务提供商采购的计算和存储基础设施,包括云和非云基础设施。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。2022年第四季度,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241亿美元,相比2021年增长16.0%,占整个市场的56.3%。非服务提供商(例如政企等)的支出增长率较低,同比增长9.7%。2022年服务提供商的支出为879亿美元,增长18.0%,占全年计算和存储总支出的56.9%。与此同时,非服务提供商增长15.4%至664亿美元。IDC预计,到2023年服务提供商的计算和存储支出将达到923亿美元,增长5.1%。
从地域来看,除了中欧和东欧(CEE)之外,所有地区在2022年第四季度的云基础设施支出同比均有所增长。中东欧的支出同比减少54.0%。拉丁美洲、中东和非洲(MEA)、西欧和美国增长最快,同比分别增长38.6%、38.0%、25.5%和21.8%。其他所有地区都显示出百分之十几或者百分之几的增幅。2022全年来看,中东欧地区下滑39.7%,拉丁美洲、中东和非洲增长最多,达到41.0%,其他所有地区增幅在10-30%之间。IDC预测,到2023年,除了中东欧、拉丁美洲、中东和非洲之外,其他所有地区的云基础设施支出都将出现增长,其中中国预计增长19.8%。其他所有地区(不包括日本和中国的亚太区)、加拿大、日本、拉丁美洲、美国和西欧)预计都将实现0-10%的年增长率。
从长远来看,IDC预计在2022年到2027年的预测期内,云基础设施支出的复合年增长率(CAGR)为10.5%,到2027年达到1443亿美元,占计算和存储基础设施总支出的67.6%。共享云基础设施将占云基础设施总支出的71.7%,复合年增长率为11.0%,到2027年达到1035亿美元。专用云基础设施支出的复合年增长率将达到9.3%,达到407亿美元。非云基础设施支出的复合年增长率将达到0.7%,达到690亿美元。服务提供商在计算和存储基础设施上的支出预计将以10.0%的复合年增长率增长,到2027年达到1413亿美元。

好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。