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
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。
谷歌DeepMind团队开发的GraphCast是一个革命性的AI天气预测模型,能够在不到一分钟内完成10天全球天气预报,准确性超越传统方法90%的指标。该模型采用图神经网络技术,通过学习40年历史数据掌握天气变化规律,在极端天气预测方面表现卓越,能耗仅为传统方法的千分之一,为气象学领域带来了效率和精度的双重突破。
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。
韩国成均馆大学研究团队开发了首个机器遗忘可视化评估系统Unlearning Comparator,解决了AI"选择性失忆"技术缺乏标准化评估的问题。系统通过直观界面帮助研究人员深入比较不同遗忘方法,并基于分析洞察开发出性能优异的引导遗忘新方法,为构建更负责任的AI系统提供重要工具支持。