根据全球领先的信息技术研究和顾问公司Gartner的统计结果,2020年全球基础设施即服务(IaaS)市场达到643亿美元,相比2019年的457亿美元增长40.7%。2020年亚马逊仍在IaaS市场排名第一,其次分别是微软、阿里巴巴、谷歌和华为。
Gartner研究副总裁Sid Nag表示:“超大规模提供商正在继续通过建立分布式云和边缘解决方案,将公有云的覆盖范围扩大到私人和本地地点,满足企业数据主权、工作负载便携性和网络延迟方面的需求。这一点再加上大多数企业机构在疫情期间对公有云的依赖,推动该市场在2020再次实现两位数增长。”
2020年排名前五的IaaS提供商占市场份额的80%,近90%的IaaS提供商实现增长。
亚马逊继续引领全球IaaS市场,其2020年的收入为262亿美元,市场份额为41%(见表一)。亚马逊的增长率为28.7%,略低于市场平均水平,其销售增长主要来源于客户使用量的增加。
表一、2019年至2020年全球IaaS公有云服务市场份额(单位:百万美元)
|
公司 |
2020 收入 |
2020年市场 份额(%) |
2019 收入 |
2019年市场 份额(%) |
2019年—2020年增长率(%) |
|
亚马逊 |
26201 |
40.8 |
20365 |
44.6 |
28.7 |
|
微软 |
12658 |
19.7 |
7950 |
17.4 |
59.2 |
|
阿里巴巴 |
6117 |
9.5 |
4004 |
8.8 |
52.8 |
|
谷歌 |
3932 |
6.1 |
2367 |
5.2 |
66.1 |
|
华为 |
2672 |
4.2 |
882 |
1.9 |
202.8 |
|
其他 |
12706 |
19.8 |
10115 |
22.1 |
25.6 |
|
共计 |
64286 |
100.0 |
45684 |
100.0 |
40.7 |
来源:Gartner(2021年6月)
2020年微软以近60%的增长率和127亿美元收入在Gartner IaaS市场份额中继续排在第二位。疫情时期的全球医疗危机和工作环境变革推动了当前微软Azure客户对迁移关键任务工作负载的需求,例如带有AI辅助机器人的医疗应用、制造业的数字孪生和零售业的电子商务等。
在中国占据主导地位的IaaS提供商阿里巴巴2020年收入超过60亿美元,相比2019年的40亿美元增长了52.8%。2020年阿里巴巴在教育垂直领域的增长率最高,达到105%,其原因是在家办公和学习的员工和学生下载阿里巴巴的企业通信和协作平台DingTalk。
华为在IaaS市场连续两年实现超过200%的增长并于2020年以27亿美元收入首次进入IaaS厂商前五,其中90%以上的收入来自于云市场持续快速增长的大中华区。Nag表示:“华为在2019年之后开始从销售设备转向大力投资于云服务业务,而这一艰难的转型已初见成效。”
2020年谷歌的IaaS收入增长66%,达到近40亿美元。零售、政府和医疗行业的支出以及这些行业对混合云和多云模式下云应用开发和部署的关注共同帮助推动谷歌2020年IaaS的增长。
“首席信息官分散投资云IaaS和平台即服务(PaaS)的时代早已过去。虽然云市场将继续增长,但由于首席信息官将投资于能够满足其复杂和新兴用例需求的技术,因此提供商真正的机会来自边缘、5G和AI等与云相邻的技术市场的增长。”
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。