这对相互矛盾的反馈数据,令2023年的走势更加难以预测。
研究机构Omdia表示,企业和云服务商间的优先关注方向有所区别,进而掀起两股相互冲突的显著趋势。首先,市场对于计算资源的需求仍然很高,ChatGPT的爆红也激发了人们对于AI训练的兴趣;但与此同时,服务器出货量却有所下降。
Omdia发布的《云与数据中心市场更新》报告预计,今年的服务器出货量将出现自2007-2008全球金融危机以来的首次萎缩。报告同时警告称,这对相互矛盾的反馈和数据点将使得2023年成为难以预测的一年。
报告认为,这种割裂源自企业买家和大型云服务商在优先关注方向上的差异。从目前的趋势来看,随着近期ChatGPT掀起的生成式AI模型的热潮,为AI模型训练用例配备昂贵服务器成为普遍共识,且优先度高于常规的服务器更新周期。
Omdia指出,2023年第一季度全球市场共售出280万台服务器,远远低于此前预期、特别是服务器OEM厂商的估计。报告提到,2022年第四季度到2023年第一季度服务器的出货量降幅,也已经创下历史新纪录。
根据OEM厂商给出的反馈,不少企业现在不愿投入大型项目,甚至选择缩减IT支出。这一点在北美各金融服务和制造企业中体现得尤其明显。
但与此同时,第一季度云服务商的服务器采购量据称表现良好。只是第二季度的销售额急剧下降,迫使Omdia调整了全年预测,目前估计全年云服务巨头的总体服务器采购量将缩水2%。
Omdia在报告中提到,微软、谷歌和Meta在今年第一季度还在采购新服务器,但AWS的新服务器装机量则开始收缩。到第二季度,AWS和Meta双双选择削减支出。
影响市场的另一个因素,就是服务器的生命周期有所延长。Omdia在报告中指出,目前所有大型云服务商均已为服务器套件设下6年的正常使用寿命,而二级服务商的服务器套件使用寿命则延长至9到10年。
预计云服务市场的这种割裂态势将很快成为常态。一方面,云服务商采购高端服务器硬件用以支持AI用例,另一方面则尽可能延长旧服务器生命周期以充分发挥其价值。Omdia表示这种趋势并不新鲜,但整体模式似乎有蔓延之势。
欧洲云服务商OVHcloud近期也表示,他们正在考虑采取这种策略,因为相当一部分客户并不需要过高的性能,反而更倾向于选择优惠力度更大的6年、7年、8年甚至10年前的服务器硬件。
Omdia表示,自疫情爆发以来,翻新二手服务器的部署量激增,这主要是为了解决半导体供应短缺导致的交付时间过长问题。
OVH还运营一条“逆向供应链”,即将旧服务器返回自家工厂(OVHcloud拥有自己的服务器组装厂)进行拆卸和分组件测试,看看能否继续使用或通过经纪人出售至回收市场。
这也与Omdia观察到的趋势相符。报告指出,某些组件的使用寿命要比整体服务器的生命周期更长,而对这部分组件的回收和再利用已经成为云服务商的关注重点。其中重复使用率最高的内存模块,其次是电源和以太网适配器。
展望未来,Omdia预计在这种服务器更新周期的推动下,服务器安装基数的增幅将有所放缓,而高端新服务器的出货量则将保持加速。
但Omdia也总结称,数据中心行业的总体健康状况良好,超大规模企业的资本支出仍处于较高水平。目前,数据中心建设(单位为平方英尺/平方米)继续以年均10%的速度保持增长。
好文章,需要你的鼓励
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
CORA是微软研究院与谷歌研究团队联合开发的突破性AI视觉模型,发表于2023年CVPR会议。它通过创新的"区域提示"和"锚点预匹配"技术,成功解决了计算机视觉领域的一大挑战——开放词汇目标检测。CORA能够识别训练数据中从未出现过的物体类别,就像人类能够举一反三一样。在LVIS数据集测试中,CORA的性能比现有最佳方法提高了4.6个百分点,尤其在稀有类别识别上表现突出。这一技术有望广泛应用于自动驾驶、零售、安防和辅助技术等多个领域。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
中国电信研究院联合重庆大学、北航发布T2R-bench基准,首次系统评估AI从工业表格生成专业报告的能力。研究涵盖457个真实工业表格,测试25个主流AI模型,发现最强模型得分仅62.71%,远低于人类专家96.52%。揭示AI在处理复杂结构表格、超大规模数据时存在数字计算错误、信息遗漏等关键缺陷,为AI数据分析技术改进指明方向。