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
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。