至顶网CIO与应用频道 01月29日 北京消息:全球领先的信息技术研究和顾问公司Gartner表示,2019年全球IT支出将达到3.76万亿美元,较2018年增长3.2%。
Gartner研究副总裁John-David Lovelock表示:“尽管经济衰退传闻、英国脱欧以及贸易战与关税加剧了不确定性,但2019年的IT支出仍可能实现增长。然而,在哪些细分市场将会在未来推动增长方面,正在发生一些动态变化。IT支出正在从手机、个人电脑与本地数据中心基础架构等出现饱和的细分市场转向云服务与物联网(IoT)设备,尤其是物联网设备正在开始填补设备空缺。虽然设备细分市场已经饱和,但物联网尚未饱和。”
Lovelock先生补充道:“IT不再仅仅是一个支持各企业机构在其基础上运行业务的平台。它正在成为推动业务的引擎。随着数字化业务与数字化业务生态系统向前迈进,IT将会把各种业务融合在一起。”
向云端迁移是IT支出的主要驱动因素,企业软件将因此而继续展现出强劲增长。全球软件支出预计将在2019年增长8.5%;2020年,将再增长8.2%,总额达到4660亿美元(见表一)。Gartner预计各企业机构将在2019年增加企业应用软件支出,其中更多预算转向软件即服务(SaaS)。
表一、全球IT支出预测(单位:十亿美元)
|
2018年支出 |
2018年增长率(%) |
2019年支出 |
2019年增长率(%) |
2020年支出 |
2020年增长率(%) |
|
|
数据中心系统 |
202 |
11.3 |
210 |
4.2 |
202 |
-3.9 |
|
企业软件 |
397 |
9.3 |
431 |
8.5 |
466 |
8.2 |
|
设备 |
669 |
0.5 |
679 |
1.6 |
689 |
1.4 |
|
IT服务 |
983 |
5.6 |
1,030 |
4.7 |
1,079 |
4.8 |
|
通讯服务 |
1,399 |
1.9 |
1,417 |
1.3 |
1,439 |
1.5 |
|
整体IT |
3,650 |
3.9 |
3,767 |
3.2 |
3,875 |
2.8 |
来源:Gartner(2019年1月)
尽管手机市场出现下滑,但该设备市场预计将在2019年增长1.6%。中国、美国与西欧等最大、最饱和的智能手机市场主要受换机周期驱动。由于三星在向市场推出高度分化的高端智能手机方面面临挑战,同时苹果旗舰智能手机具有较高的性价比优势,消费者选择继续使用现有手机,这使得手机市场在2018年下降1.2%。
Lovelock先生表示:“除了购买行为发生变化外,随着各企业机构为了推动数字化业务而不断采用新技术(例如物联网设备),我们还注意到内部人员技能开始滞后。近半数的IT从业者急切需要开拓新技能或新能力,以支持数字化业务计划。为了紧跟人工智能(AI)、机器学习、API及服务平台设计、数据科学等领域的发展而必备的技能要求,正比以往任何时候都更加快速地发生着变化。”
Gartner的IT支出预测基于数千家提供各种IT产品与服务厂商的销售数字。Gartner采用各种主流研究技巧,再以次级研究资源进行补充,以建立一套完整的市场规模数据库,并借此进行预测。
Gartner每季度发布的IT支出预测报告提供了针对软硬件、IT服务与电信等细分市场内IT支出的独特视角。这些报告有助于Gartner客户深入了解市场商机与挑战。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。