机柜市场预计将发生根本性的技术转变。随着主要数据中心运营商和服务器OEM厂商采用这种设计,21英寸开放式机柜将在2030年前占据超过70%的出货量份额,而传统的19英寸EIA-310机柜将主要用于企业用途。本分析报告讨论了影响这一加速转型的因素。
主要OEM厂商拥抱21英寸开放式机柜设计
戴尔和HPE已经拥抱了开放计算项目提出的模块化服务器设计架构,称为数据中心模块化硬件系统(DC-MHS)。他们是这一标准开发的主要推动者。这使得他们的设计工作与开放计算项目的设计和原则紧密结合。通过研究戴尔的产品路线图,Omdia得出结论,高达90%的新服务器出货量可能采用21英寸开放式机柜。一个促成因素是戴尔越来越多地在机柜级别设计计算和存储。
AI服务器推动先进机柜基础设施需求
AI优化的机柜级参考设计需要数千根铜连接线缆、用于直接芯片液冷的歧管和高容量电力分配。这些都受益于21英寸机柜提供的额外空间。
云服务提供商推动21英寸机柜的采用
包括微软、亚马逊、Meta、谷歌、字节跳动、华为和甲骨文在内的所有大型云服务提供商现在都将21英寸机柜作为标准。为顶级云服务提供商服务的ODM厂商向Omdia明确表示,2024年和2025年见证的投资加速步伐已成为新常态。纬颖董事长洪雪珍表示,公司的AI服务器积压订单如此强劲,需要积极建设更多工厂。纬颖表示已经能够看到2027年的AI服务器订单前景。
21英寸开放式机柜具有额外的工程优势
21英寸开放式机柜的一些额外工程优势正在影响更高的采用率,包括由于更宽的进气口和能够安装更大风扇阵列而实现更好的气流和更优化的热管理。这也让设计更具前瞻性。使用模块化DC-MHS设计构建的服务器能够在保持相同I/O的同时更换和升级计算组件。这要求服务器兼容更高功率的处理器,因为这些处理器可能会在后期安装。
几乎所有为19英寸EIA-310机柜设计的服务器都可以安装到21英寸开放式机柜中。反之则不可能。这也使得后者更具前瞻性。
数据中心机柜市场的整体增长正在加速
随着从19英寸EIA-310机柜到21英寸开放式机柜的转型在数据中心机柜市场占据主导地位,我们预期出货量和收入增长将加速。随着机柜级服务器设计成为云服务提供商的事实标准,替换将有机增长。在这种情况下,整个机柜的IT设备将被推入数据中心。尽管数据中心存在强烈的机柜翻新和重用运动,我们预期19英寸EIA-310机柜将在这一过程中被完全淘汰。
数据中心机柜外壳将在十年来首次持续增长超过服务器。Omdia将2023年至2028年期间的机柜外壳出货量复合年增长率从6%上调至13%。展望2025年至2030年期间,Omdia还预期机柜出货量的复合年增长率为11%。机柜的平均售价近年来持续上涨。容纳AI优化服务器的要求使得这些服务器采用液冷且拥有更多组件,重量更大,这意味着高端机柜的出货量在整体组合中的份额也在加速增长。随着这一趋势的继续,Omdia预期数据中心机柜外壳的平均售价将继续增长。因此,预计2023年至2030年期间的收入复合年增长率为15%,机柜市场将在2030年超过41亿美元。
Q&A
Q1:21英寸开放式机柜与传统19英寸机柜有什么区别?
A:21英寸开放式机柜提供更宽的进气口和能够安装更大风扇阵列,实现更好的气流和热管理。它还能容纳更多组件和连接线缆,支持AI服务器的液冷需求。几乎所有19英寸机柜的服务器都能安装到21英寸机柜中,但反之不可能。
Q2:为什么云服务提供商都选择21英寸机柜?
A:所有大型云服务提供商包括微软、亚马逊、Meta、谷歌等都将21英寸机柜作为标准,因为它们能更好地支持AI优化的机柜级服务器设计,满足大规模数据中心的散热、供电和连接需求。
Q3:数据中心机柜市场未来几年的增长前景如何?
A:Omdia预计2023-2028年机柜出货量复合年增长率为13%,2025-2030年为11%。收入方面,2023-2030年复合年增长率预计为15%,市场规模将在2030年超过41亿美元,增长主要由AI服务器需求和向21英寸机柜转型推动。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。