这家总部位于加利福尼亚州的研究公司的研究表明,与去年同期相比,2024年第二季度数据中心资本支出增长了46%。
这股消费热潮预计将会在今年剩余的时间内持续,不过速度会略微放缓。Dell'Oro 预测,到 2024 年,全球数据中心资本支出总体将强劲增长35%。
该组织表示,这一增长主要是由于对专为 AI 应用程序设计的 GPU 加速服务器的需求不断增长所致。
Dell'Oro Group 高级研究总监 Baron Fung对Data Center Knowledge表示:“加速服务器是带有 GPU 和其他定制加速器(例如 Google TPU)的服务器。”
Dell'Oro 的数据预测数据中心支出将保持两位数的增长。Gartner 预测,2024年数据中心系统的总体支出将增长24%。与Dell’Oro一样,Gartner将部分增长归因于生成式人工智能系统的需求。
在2023年底,Omdia预测全球服务器市场到2027年将达到1960亿美元,Fundamental Business Insights & Consulting在本月早些时候发布的一份报告中估计,到2032年,AI服务器市场规模将达到1830亿美元。
AI加速:增长引擎
Dell'Oro的研究人员表示,虽然加速服务器的增长并不令人惊讶,但市场的增长速度超出了预期。
Fung表示:“加速服务器收入确实超出了我们之前的预测或预期。”“加速服务器采用的势头强劲,尤其在超大规模市场。”
GPU加速服务器在收入和出货量方面都超过了数据中心普通服务器的增长。
Fung表示,从2023年到2028年的五年内,通用服务器的复合年增长率预计仅增长3%,而加速服务器的复合年增长率为31%。
Bain & Company最新的全球技术报告表示,预计到2027年,AI工作负载将以25-35%的速度增长。
Bain全球技术业务主席David Crawford表示:“生成式人工智能是当前变革浪潮的主要推手,但后全球化的转变和调整业务流程提供价值的需求让情况变得复杂。”
加速计算对数据中心资本支出的影响
分析师们认为,加速计算对数据中心资本支出的影响已经席卷全球,但是这种影响不会永远持续下去。
Omdia的分析师Alexander Harrowell对Data Center Knowledge表示:“它增加了占总市场的份额,可能也推动了总市场规模。”。
Harrowell表示:“也就是说,它的增长速度大大快于整个市场,因此在某个时候,经典的S曲线将开始发挥作用,因为潜在采用者都买了。”“这将给我们留下一个计算更加异构的世界。”
在市场动态方面,Harrowell表示,今年英伟达的数据中心业务规模可能是英特尔数据中心和人工智能业务的10倍左右。超级巨头们的定制ASIC芯片以及AMD和华为等芯片制造商的产品进一步推动了该市场的发展。
AI 服务器市场领导者和收入分配
根据Dell'Oro的分析,在数据中心服务器提供商的竞争格局中,戴尔成为2024年第二季度收入的领导者,其次是慧与和Supermicro。
值得注意的是,加速服务器估计占本季度 OEM 服务器收入的 41%,这凸显出它们对市场的重大影响。
对加速器服务的需求增加可能也会推动相关领域的支出增长,例如网络。
Fung指出,网络也受益于加速计算采用的增加。
他表示:“加速服务器需要的网络带宽通常高于通用服务器。”
“如果加速服务器在用于训练大型语言模型或生成式人工智能模型的大型集群中互连,则需要一个专用网络,这样的网络被称为后端网络。”
“这个后端网络甚至比前端网络更快,而且这个新市场背后最近有很多创新。”
好文章,需要你的鼓励
Luminary Cloud宣布完成7200万美元B轮融资,专注开发"物理AI"技术。该公司云原生平台可将仿真速度提升100倍,利用物理信息模型实时预测汽车、飞机等产品性能。公司推出针对特定行业的预训练模型,包括与本田合作的汽车设计模型和与Otto航空合作的飞机开发模型。融资由西门子风投领投,将用于扩大研发团队和市场销售。
香港中文大学联合上海AI实验室推出Dispider系统,首次实现AI视频"边看边聊"能力。通过创新的三分式架构设计,将感知、决策、反应功能独立分离,让AI能像人类一样在观看视频过程中进行实时交流,在StreamingBench测试中显著超越现有系统,为教育、娱乐、医疗、安防等领域的视频AI应用开启新可能。
伦敦量子动态科技公司宣布交付业界首台采用传统半导体制造工艺的量子计算机。该系统已安装在英国国家量子计算中心,使用标准化300毫米硅晶圆,是首台自旋量子比特计算机。系统采用CMOS技术,占地约三个19英寸服务器机架,具备数据中心友好特性。公司开发的可扩展瓦片架构支持大规模生产,未来可扩展至每个量子处理单元数百万量子比特,为商业化应用奠定基础。
Atla公司发布Selene Mini,这是一个仅有80亿参数的AI评估模型,却在11个基准测试中全面超越GPT-4o-mini。通过精心的数据筛选和创新训练策略,该模型不仅能准确评判文本质量,还能在医疗、金融等专业领域表现出色。研究团队将模型完全开源,为AI评估技术的普及和发展做出贡献。