根据IDC最新发布的全球人工智能市场半年度追踪报告显示,2021年全球AI市场(包括软件、硬件和服务)收入预计将同比增长15.2%,达到3418亿美元,并且将在2022年进一步加速增长,增幅达到18.8%,到2024年有望突破5000亿美元大关。在三大技术类别中,AI软件将占到整个AI市场的88%,但是在增长方面,AI硬件预计未来几年增长最快。从2023年开始,AI服务将成为增长最快的细分市场。
在AI软件方面,AI应用收入占比最大,接近50%。增长方面,AI平台增长最为强劲,五年复合年增长率(CAGR)为33.2%,最慢的是AI系统基础设施软件,五年复合年增长率为14.4%,约占所有AI软件收入的35%。AI应用市场中,AI ERM预计未来五年的增长略强于AI CRM。与此同时,AI生命周期软件预计将在AI平台市场中增长最快。
IDC人工智能和自动化研究集团副总裁Ritu Jyoti表示:“技术颠覆令人不安,但却可以成为创新和转型的催化剂。2020年是加速数字化转型和增强企业AI价值的一年。现在AI增强的工作和决策已经覆盖了企业所有职能领域,能够负责任地创建和使用感知、预测、响应和快速适应的人工智能解决方案,是一项重要的业务需求。”

2020年AI服务市场规模估计为194亿美元,是相对于硬件和软件增长最快的细分市场。到2021年,增幅预计达到19.3%。接下来的五年内,预计将实现最高的复合年增长率,达到21%。AI服务市场可分为两个板块:IT服务和业务服务。其中,IT服务规模较大一些,在AI服务收入中占比近80%。从增长的角度来看,这两个板块是接近的,五年复合年增长率为21%。总体而言,到2025年AI服务市场规模预计将达到500亿美元。
IDC分析和智能自动化服务研究经理Jennifer Hamel表示:“AI已经成为企业未来发展的一个重要组成部分,推动了对服务合作伙伴的需求,以帮助企业组织解决试点项目和企业AI之间的很多障碍。客户需要相关专业人才来开发生产级AI解决方案,创建合适的组织结构、平台、治理、业务流程和人才战略,以确保大规模采用可持续的A能够推动IT服务和业务服务领域的扩张。”
这次发布的AI追踪报告中,有近190家公司被纳入AI服务市场。在AI IT服务下,2020年排名前三的公司分别是IBM、埃森哲和塔塔咨询,且收入均超过10亿美元,合计占有26%的市场份额。除此之外,还有八家公司的收入规模超过5亿美元。2020年AI商业服务排名前三的公司分别是安永、埃森哲和德勤,合计占46%的份额。除此之外,有9家公司的收入规模超过1亿美元。总体而言,这两个AI服务细分市场的竞争格局仍然是高度碎片化的,服务价值链中的很多参与者都在持续投资于技术资产、创新资源、以及能够运用AI为客户解决特定行业或者领域特定问题的专业人才。
虽然AI硬件是最小的细分市场,仅占整个AI市场的5%,但是预计到2021年增长是最快的,同比增长29.6%,而且2022年也将保持最佳增长点,未来五年复合年增长率预计为19.4%。AI硬件细分市场有两个板块,分别是服务器和存储,其中服务器的份额较大,约为82%,而存储的增长更好,五年复合年增长率为22.1%。
IDC基础设施系统、平台和技术研究总监Peter Rutten表示:“AI服务器和存储市场受到新冠疫情的影响比预期的要小,现在正在快速复苏中,尤其是在边缘领域。所选的基础设施正在围绕那些使用协处理器的大规模并行计算以及具有高速连接和网络的服务器集群进行融合。”
2020年在AI服务器市场,共有6家公司收入超过5亿美元,(按字母顺序)分别是戴尔、HPE、华为、IBM、浪潮和联想,合计占62%的市场份额。在AI存储市场,有6家公司收入超过1亿美元,(按字母顺序)分别是戴尔、HPE、日立、华为、IBM和NetApp,合计占68%的市场份额。
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。