IDC 2019年第三季度全球服务器市场报告
转眼2019年已经结束，浪潮在过去一年的市场表现可圈可点。Gartner/IDC 2019Q3数据共同显示，浪潮服务器持续增长，出货量占全球份额超10%，中国份额超37%，稳居全球第三、中国第一。
浪潮信息副总裁、浪潮服务器产品部总经理沈荣
这两份报告除了显示全球服务器市场需求放缓、出货量整体下降之外，在厂商排名方面，浪潮的身影同时出现在了这两份报告中。在浪潮信息副总裁、浪潮服务器产品部总经理沈荣看来，云计算走过十年历程，全球公有云市场规模增长4倍以上，成为带动服务器市场的主要增长点。浪潮抓住契机，以远高于全球服务器市场平均增长水平的速度快速成长。
云计算十年下数据中心变革
从2009年到2019年，云计算正好历时十年。云计算是2009年开始萌芽，虚拟化支撑了云计算的快速发展。在过去十年，全球服务器市场规模翻了一倍。
这十年云计算对服务器市场结构的改变巨大，互联网行业的崛起以及多节点、定制化服务器的崛起，驱动服务器市场新格局。比如云是当前服务器市场的主体，IT基础设施云化，云基础设施超越传统，IDC预计云IT基础设施的支出到2022年占比将达到576%
全球在云化IT基础架构的支出不断增加，推动全球市场结构不断变化。IT基础架构的集中化，标准化，催生了超大规模数据中心的发展；同时超大规模数据中心的发展也推动了OCP等开放计算的发展，软件定义技术的发展让融合趋势尽显。
同时，AI、云计算、边缘计算等需求要求革新IT基础设施，传统的数据中心和原有计算模式已无法满足业务快速发展的需要，计算、存储和网络设备之间的关系需要被打破并重新定义，需要在新技术的基础上完成架构变革。
从某种意义上看，云计算不仅是一场技术变革，而是产业整体变革。以云计算为核心的技术创新和商业变革使得人类社会加速迈向智慧时代。从传统信息社会到智慧社会，本质是信息社会的发育完善，是“计算社会”的发育完善，计算力已经像水电一样渗透到社会、文化、生产生活的每一个领域。传统计算正在被智慧计算取代。
浪潮的智慧计算解决之道
在智慧时代，面对全面数字化的世界，浪潮提出了解决之道，那就是融合、开放、敏捷和生态。
融合是未来计算基础设施架构核心形态。这表现为IT基础设施融合，计算、存储、网络在融合，硬件解耦池化再辅以软件定义，可以实现软件定义计算、软件定义存储、软件定义网络；ICT融合，电信运营商通过“计算＋NFV/SDN”推动ICT基础设施融合；IT/OT融合，管理信息的IT系统和管理生产的OT系统将进一步深入关联，互联互通，协同工作，大幅提升智慧时代的工业生产力。
在产品层面，浪潮的服务器平台从10走到20，通过连接、池化和重构的技术，将CPU和各种协处理器（GPU、FPGA和XPU）更紧密结合，利用全互联NVSwitch、PCIe 40、Open CAPI等新型超高速内部、外部互连技术，增加不同计算资源的协同能力，通过软件定义实现业务自动感知和资源自动重构，使计算的性能和效率实现大幅度的提升。
浪潮针对CSP公有云和传统企业用户的私有云两类应用需求细分为两个子系列，产品形态涵盖了高密度、刀片和整机柜等不同形态，及面向CSP的产品主要有天蝎整机柜系统SR 、OCP整机柜OR和高密度服务器i24、i48等。面向传统企业用户的主要包括整机柜系统InCloudRack、刀片系统I9000等。
OTII
沈荣表示，基于融合趋势，浪潮与产业合作伙伴进行了积极探索。比如在ICT融合方面，浪潮与中国移动、中国电信、中国联通、Intel等公司共同发布面向通信应用的开放 IT 基础设施项目——OTII(Open Telecom IT Infrastructure)标准，并发布了首款基于OTII标准的边缘计算服务器NE5260M5。此外，浪潮联合中国TOP通信运营商，开发针对性的边缘服务器及其解决方案。
毋庸置疑，我们处于一个开放的世界，而开源的力量无处不在。自2012年以来，开放计算的发展十分惊人。目前在服务器领域，全球有三大开放社区，中国的ODCC和美国的OCP、Open19。
沈荣说， 开放意味着透明化，同时开放基于开放标准，使得整个人类的效率得到极大提升。迄今为止，符合OCP标准的服务器已经部署超过100万节点，符合ODCC标准的服务器已经部署数十万节点。浪潮积极参加开放计算社区，发展开放计算生态。目前浪潮是ODCC和OCP、Open19的共同会员、ODCC技术委员会成员，并是ODCC天蝎服务器最大的供应商。
除了开放，现在前端高速变化的业务需求对后端的基础设施提出了更高的要求。我们需要以更敏捷的方式创造计算力，为前端应用提供强大的源动力。浪潮以JDM模式为依托，实现计算力供给端与需求端的紧耦合，通过与各方合作伙伴的协同创新，以敏捷开发、制造、交付的能力，实现计算力生态一体化与多元化场景需求的紧耦合。
JDM
沈荣表示，JDM是浪潮为了适应互联网公司需求特性而进行的业务模式创新，本质是以客户需求为基点，构建敏捷的产业链，或者说对产业链进行互联网化改造。在JDM模式下，浪潮凭借对前沿技术的领先预研能力，以及平台化和模块化的技术策略，能够将创新的应用需求迅速转化具体产品，一款新品的研发周期从15年压缩到9个月，客户提出需求最快可以3个月交付样机，生产交付方面，浪潮订单交付周期从15天缩短至5-7天，在2019年百度春晚红包项目中，面对百度突发的大量需求，浪潮和百度创造了8小时交付10000节点的业内最快交付部署速度的纪录。
浪潮服务器产品部副总经理陈彦灵
浪潮服务器产品部副总经理陈彦灵也补充说，在浪潮的产品线里，未来可能分为两类，一类是通用标准化产品，另外是面向超大规模数据中心的JDM定制化产品。
除了济南智能工厂，浪潮苏州生产基地今年也正式开工，其不仅是浪潮服务器智能制造基地，也是服务器制造技术研发基地。该基地服务器板卡加工技术达业界领先水平，标志着我国服务器智能制造水平上的又一次提升和增强。
在生态建设方面，浪潮融合全球生态圈，进行前沿研究和技术孵化，同时打造应用方案。比如百度ABC一体机就是百度与浪潮协同创新的典型。
沈荣表示，浪潮与互联网厂商有很紧密的合作，虽然在业务和客户有重合，但是大家知道自己的专长在哪里，每个人做自己专业的事情是效率最高的。默契与信任是生态建设的重要根基。
陈彦灵说，浪潮与互联网厂商是一加一大于二，每个人都有自己的所长，浪潮专注于新技术开发、根据应用需求提供落地解决方案，以及供应链整合，而互联网厂商了解应用，在软硬件整合方面双方具备很强的互补性。
数据中心下一个十年
我们即将步入21世纪的第二个十年，云计算变革还在深入发展，AI和边缘正在崛起。
全球互联网巨头纷纷自建数据中心，超大规模数据中心的数量仍在不断增长，他们更需要定制化设计的服务器，以优化工作负载性能，节省功耗。随着互联网巨头对硬件重构的探索越来越多，业界对数据中心硬件开源的呼声也越来越强，开放计算项目将向着多元化方向发展。
2019年被称为产业AI化元年，AI是未来市场增长的动力，AI服务器到2022年全球市场规模将达到176亿美元，复合增长率308%，占整个x86服务器市场的183%
浪潮服务器产品部副总经理陈彦灵
陈彦灵表示，浪潮早早就在AI层面展开了布局，目前浪潮硬件产品涵盖了GPU、FPGA和ASIC三大领域，产品线业界最全最丰富；开发了Caffe-MPI框架、AIStation等一系列AI平台软件，是具有全栈技术能力的AI平台方案提供商。根据IDC数据，自2018年至今，浪潮在中国AI基础架构市场的份额一直在50%以上。陈彦灵补充道：“未来AI会呈现巨大的增长，识别率大过训练，部署量远远大过50%以上，这方面浪潮也在布局。”
随着5G牌照的发放，边缘计算也将进入快速发展阶段。Gartner预测，到2020年，50%的大型企业将会把边缘计算列入规划，超过50％的工业物联网分析将在边缘进行，2017年不足10％；到2022年，50%以上的企业数据会在数据中心或者云之外产生或处理。这对于服务器市场结构也造成了巨大的影响，AI和边缘是服务器市场新的增长点。
沈荣表示，云计算十年带动了整个IT产业的发展变革，从产业分工到技术应用，到竞争格局。浪潮也随着产业的格局变革而积极变革。展望2020年，浪潮聚焦智慧计算，重点发展AI与边缘；坚持开放计算，进一步完善JDM互联网化敏捷模式；加速全球化战略，进一步加速国际化发展，继续扩展海外业务体系。
比如在技术创新方面，浪潮开展了高性能供电、液冷散热，大规模数据管理、面向不同应用服务器优化等基础研究，还包括与生态伙伴设计各种参考平台，提前布局下一个市场机会。
浪潮在不断打造JDM模式的同时，也发展融合架构、AI等平台方案，构筑深入行业市场的伙伴系统，抓住传统企业在云计算、大数据、AI等领域新需求，获得更大的份额。
除了健全边缘计算产品线外，浪潮还将面向不同的应用场景，开发针对性边缘服务器及其解决方案，如面向最早落地的通信运营商，开发通信边缘服务器，面向智能汽车、无人驾驶等应用场景，将开发车载边缘计算服务器；面向视频应用，开发视频存储/视频处理边缘服务器；面向智能家居，将开发家庭服务器/家庭网关等等，赋能边缘计算，支持5G开启美好的智能世界。
目前，浪潮在北美、日韩、欧洲以及东南亚和非洲等地区都有了完整的伙伴系统和业务系统，2019年，浪潮的海外业务持续扩张，2020年将实现更快增长。（文/李祥敬）
在“新基建”浪潮下，人工智能正成为经济增长的新引擎，各行各业开启智能化升级转型。算力在其中扮演了重要角色，是国家未来竞争力的集中体现。但事实是，在发展的过程中，高速增长的海量数据与更加复杂的模型，正在为算力带来更大的挑战，主要体现为算力不足，效率不高。
算力诚可贵：数据、算法需要更多算力支撑
众所周知，在人工智能发展的三要素中，无论是数据还是算法，都离不开算力的支撑，算力已成为人工智能发展的关键要素。
IDC发布的《数据时代2025》报告显示，2018年全球产生的数据量为33ZB (1ZB=1万亿GB)，到2025年将增长到175ZB，其中，中国将在2025年以486ZB的数据量及278%的占比成为全球最大的数据汇集地。
另据赛迪顾问数据显示，到2030年数据原生产业规模量占整体经济总量的15%，中国数据总量将超过4YB，占全球数据量30%。数据资源已成为关键生产要素，更多的产业通过利用物联网、工业互联网、电商等结构或非结构化数据资源来提取有价值信息，而海量数据的处理与分析对于算力的需求将十分庞大。
算法上，先进模型的参数量和复杂程度正呈现指数级的增长趋势。此前 Open AI 发表的一项研究就显示，每三到四个月，训练这些大型模型所需的计算资源就会翻一番（相比之下，摩尔定律有 18 个月的倍增周期）。2012 至 2018 年间，深度学习前沿研究所需的计算资源更是增加了 30 万倍。
到2020年，深度学习模型对算力的需求达到了每天百亿亿次的计算需求。2020年2月，微软发布了最新的智能感知计算模型Turing-NLG，参数量高达到175亿，使用125POPS AI计算力完成单次训练就需要一天以上。随后，OpenAI又提出了GPT-3模型，参数量更达到1750亿，对算力的消耗达到3640 PetaFLOPS/s-day。而距离GPT-3问世不到一年，更大更复杂的语言模型，即超过一万亿参数的语言模型SwitchTransformer即已问世。
由此可见，高速增长的海量数据与更加复杂的模型，正在给算力带来更大的挑战。如果算力不能快速增长，我们将不得不面临一个糟糕的局面：当规模庞大的数据用于人工智能的训练学习时，数据量将超出内存和处理器的承载上限，整个深度学习训练过程将变得无比漫长，甚至完全无法实现最基本的人工智能。
效率价更高：环境与实际成本高企，提升效率迫在眉睫
在计算工业行业，有个假设是“数字处理会变得越来越便宜”。但斯坦福人工智能研究所副所长克里斯托弗•曼宁表示，对于现有的AI应用来说却不是这样，特别是因为不断增加的研究复杂性和竞争性，使得最前沿模型的训练成本还在不断上升。
根据马萨诸塞大学阿默斯特校区研究人员公布的研究论文显示，以常见的几种大型 AI 模型的训练周期为例，发现该过程可排放超过 626000 磅二氧化碳，几乎是普通 汽车 寿命周期排放量的五倍（其中包括 汽车 本身的制造过程）。
例如自然语言处理中，研究人员研究了该领域中性能取得最大进步的四种模型：Transformer、ELMo、BERT和 GPT-2。研究人员在单个 GPU 上训练了至少一天，以测量其功耗。然后，使用模型原始论文中列出的几项指标来计算整个过程消耗的总能量。
结果显示，训练的计算环境成本与模型大小成正比，然后在使用附加的调整步骤以提高模型的最终精度时呈爆炸式增长，尤其是调整神经网络体系结构以尽可能完成详尽的试验，并优化模型的过程，相关成本非常高，几乎没有性能收益。BERT 模型的碳足迹约为1400 磅二氧化碳，这与一个人来回坐飞机穿越美洲的排放量相当。
此外，研究人员指出，这些数字仅仅是基础，因为培训单一模型所需要的工作还是比较少的，大部分研究人员实践中会从头开发新模型或者为现有模型更改数据集，这都需要更多时间培训和调整，换言之，这会产生更高的能耗。根据测算，构建和测试最终具有价值的模型至少需要在六个月的时间内训练 4789 个模型，换算成碳排放量，超过 78000 磅。而随着 AI 算力的提升，这一问题会更加严重。
另据 Synced 最近的一份报告，华盛顿大学的 Grover 专门用于生成和检测虚假新闻，训练较大的Grover Mega模型的总费用为25万美元；OpenAI 花费了1200万美元来训练它的 GPT-3语言模型；谷歌花费了大约6912美元来训练 BERT，而Facebook针对当前最大的模型进行一轮训练光是电费可能就耗费数百万美元。
对此，Facebook人工智能副总裁杰罗姆•佩森蒂在接受《连线》杂志采访时认为，AI科研成本的持续上涨，或导致我们在该领域的研究碰壁，现在已经到了一个需要从成本效益等方面考虑的地步，我们需要清楚如何从现有的计算力中获得最大的收益。
在我们看来，AI计算系统正在面临计算平台优化设计、复杂异构环境下计算效率、计算框架的高度并行与扩展、AI应用计算性能等挑战。算力的发展对整个计算需求所造成的挑战会变得更大，提高整个AI计算系统的效率迫在眉睫。
最优解：智算中心大势所趋，应从国家公共设施属性做起
正是基于上述算力需求不断增加及所面临的效率提升的需要，作为建设承载巨大AI计算需求的算力中心（数据中心）成为重中之重。
据市场调研机构Synergy Research Group的数据显示，截至到2020年第二季度末，全球超大规模数据中心的数量增长至541个，相比2015年同期增长一倍有余。另外，还有176个数据中心处于计划或建设阶段，但作为传统的数据中心，随之而来的就是能耗和成本的大幅增加。
这里我们仅以国内的数据中心建设为例，现在的数据中心已经有了惊人的耗电量。据《中国数据中心能耗现状白皮书》显示，在中国有 40 万个数据中心，每个数据中心平均耗电 25 万度，总体超过 1000 亿度，这相当于三峡和葛洲坝水电站 1 年发电量的总和。如果折算成碳排放则大概是 9600 万吨，这个数字接近目前中国民航年碳排放量的 3 倍。
但根据国家的标准，到2022年，数据中心平均能耗基本达到国际先进水平，新建大型、超大型数据中心的 PUE（电能使用效率值，越低代表越节能）达到 14 以下。而且北上广深等发达地区对于能耗指标控制还非常严格，这与一二线城市集中的数据中心需求形成矛盾，除了降低 PUE，同等计算能力提升服务器，尤其是数据中心的的计算效率应是正解。
但众所周知的事实是，面对前述庞大的AI计算需求和提升效率的挑战，传统数据中心已经越来越难以承载这样的需求，为此，AI服务器和智算中心应运而生。
与传统的服务器采用单一的CPU不同，AI服务器通常搭载GPU、FPGA、ASIC等加速芯片，利用CPU与加速芯片的组合可以满足高吞吐量互联的需求，为自然语言处理、计算机视觉、语音交互等人工智能应用场景提供强大的算力支持，已经成为人工智能发展的重要支撑力量。
值得一提的是，目前在AI服务器领域，我们已经处于领先的地位。
近日，IDC发布了2020HI《全球人工智能市场半年度追踪报告》，对2020年上半年全球人工智能服务器市场进行数据洞察显示，目前全球半年度人工智能服务器市场规模达559亿美元（约3266亿人民币），其中浪潮以164%的市占率位居全球第一，成为全球AI服务器头号玩家，华为、联想也杀入前5（分别排在第四和第五）。
这里业内也许会好奇，缘何中国会在AI服务器方面领跑全球？
以浪潮为例，自1993年，浪潮成功研制出中国首台小型机服务器以来，经过30年的积累，浪潮已经攻克了高速互联芯片，关键应用主机、核心数据库、云数据中心 *** 作系统等一系列核心技术，在全球服务器高端俱乐部里占有了重要一席。在AI服务器领域，从全球最高密度AGX-2到最高性能的AGX-5，浪潮不断刷新业界最强的人工智能超级服务器的纪录，这是为了满足行业用户对人工智能计算的高性能要求而创造的。浪潮一直认为，行业客户希望获得人工智能的能力，但需要掌握了人工智能落地能力的和技术的公司进行赋能，浪潮就可以很好地扮演这一角色。加快人工智能落地速度，帮助企业用户打开了人工智能应用的大门。
由此看，长期的技术创新积淀、核心技术的掌握以及对于产业和技术的准确判断、研发是领跑的根本。
至于智算中心，去年发布的《智能计算中心规划建设指南》公布了智能计算中心技术架构，基于最新人工智能理论，采用领先的人工智能计算架构，通过算力的生产、聚合、调度和释放四大作业环节，支撑和引领数字经济、智能产业、智慧城市和智慧 社会 应用与生态 健康 发展。
通俗地讲，智慧时代的智算中心就像工业时代的电厂一样，电厂是对外生产电力、配置电力、输送电力、使用电力；同理智算中心是在承载AI算力的生产、聚合、调度和释放过程，让数据进去让智慧出来，这就是智能计算中心的理想目标。
需要说明的是，与传统数据中心不同，“智算中心”不仅把算力高密度地集中在一起，而且要解决调度和有效利用计算资源、数据、算法等问题，更像是从计算器进化到了大脑。此外，其所具有的开放标准，集约高效、普适普惠的特征，不仅能够涵盖融合更多的软硬件技术和产品，而且也极大降低了产业AI化的进入和应用门槛，直至普惠所有人。
其实我们只要仔细观察就会发现，智算中心包含的算力的生产、聚合、调度和释放，可谓集AI能力之大成，具备全栈AI能力。
这里我们不妨再次以浪潮为例，看看何谓全栈AI能力？
比如在算力生产层面，浪潮打造了业内最强最全的AI计算产品阵列。其中，浪潮自研的新一代人工智能服务器NF5488A5在2020年一举打破MLPerf AI推理&训练基准测试19项世界纪录（保证充足的算力，解决了算力提升的需求）；在算力调度层面，浪潮AIStation人工智能开发平台能够为AI模型开发训练与推理部署提供从底层资源到上层业务的全平台全流程管理支持，帮助企业提升资源使用率与开发效率90%以上，加快AI开发应用创新（解决了算力的效率问题）；在聚合算力方面，浪潮持续打造更高效率更低延迟硬件加速设备与优化软件栈；在算力释放上，浪潮AutoML Suite为人工智能客户与开发者提供快速高效开发AI模型的能力，开启AI全自动建模新方式，加速产业化应用。
那么接下来的是，智算中心该遵循怎样的发展路径才能充分发挥它的作用，物尽其用？
IDC调研发现，超过九成的企业正在使用或计划在三年内使用人工智能，其中745%的企业期望在未来可以采用具备公用设施意义的人工智能专用基础设施平台，以降低创新成本，提升算力资源的可获得性。
由此看，智能计算中心建设的公共属性原则在当下和未来就显得尤为重要，即智能计算中心并非是盈利性的基础设施，而是应该是类似于水利系统、水务系统、电力系统的公共性、公益性的基础设施，其将承载智能化的居民生活服务、政务服务智能化。因此，在智能计算中心规划和建设过程中，要做好布局，它不应该通过市场竞争手段来实现，而要体现政府在推进整个 社会 智能化进程的规划、节奏、布局。
总结： 当下，算力成为推动数字经济的根基和我国“新基建“的底座已经成为共识，而如何理性看待其发展中遇到的挑战，在不断高升算力的前提下，提升效率，并采取最佳的发展策略和形式，找到最优解，将成为政府相关部门以及相关企业的重中之重。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）