根据Gartner的最新预测,2022年全球IT支出预计将达到4.5万亿美元,相比2021年增长5.1%;中国IT支出预计将突破5400亿美元,涨幅7.89%。
尽管受奥密克戎变体的潜在影响,全球经济复苏,特别是对数字市场繁荣的高度预期,将持续推动技术投资的增长。
Gartner杰出研究副总裁John-David Lovelock表示:“2022年将是首席信息官的回归之年。在处理过去两年的短期关键项目之余,他们终于得以专注于长期项目。同时,员工技能差距、工资上涨和人才争夺战将促使首席信息官进一步依赖咨询公司和管理服务公司来实现他们的数字化战略。”
Gartner预测,2022年IT服务市场(包括咨询和管理服务)支出增长预计将位居第二,达到1.3万亿美元,相比2021年增长7.9%(见表一)。其中,业务和技术咨询支出在2022年的预计涨幅将达到10%。
表一、全球IT支出预测(单位:百万美元)
2021年支出 |
2021年增长率(%) |
2022年支出 |
2022年增长率(%) |
2023年支出 |
2023年增长率(%) |
|
数据中心系统 |
216,337 |
11.4 |
226,475 |
4.7 |
237,021 |
4.7 |
企业软件 |
604,946 |
14.4 |
671,732 |
11.0 |
751,937 |
11.9 |
设备 |
787,417 |
13.0 |
813,699 |
3.3 |
804,253 |
-1.2 |
IT服务 |
1,186,103 |
10.7 |
1,279,737 |
7.9 |
1,391,742 |
8.8 |
通信服务 |
1,444,324 |
3.4 |
1,462,712 |
1.3 |
1,494,167 |
2.2 |
共计 |
4,239,127 |
9.0 |
4,454,354 |
5.1 |
4,679,119 |
5.0 |
来源:Gartner(2022年1月)
Gartner预测,由于更为迫切且迅速的变革需求,企业的数字业务目标与内部资源和能力的不匹配将被进一步放大,因此直到2025年,企业对外部顾问的依赖将持续增长。
Gartner预计未来几年,绝大多数大型企业机构都将依靠外部顾问来制定他们的云战略。Lovelock表示:“云是实现数字化目标和支持混合工作模式的关键因素之一,所以这一点在云上体现得尤为明显。”
在企业应用软件市场,受新冠疫情等因素的影响,云市场规模在2020年首次超越非云市场,Gartner预计到2025年其规模将是非云市场的两倍。出于软件栈对灵活性和敏捷性方面的要求,2022年企业会倾向于将其软件栈升级为软件即服务(SaaS),因此2022年企业软件领域11%的支出增长几乎全部来自于云。
2022年,中国IT支出预计突破5400亿美元,相比2021年增长7.89%,其中IT服务和软件预计将产生两位数增长。(见表二)。
表二、中国IT支出预测(单位:百万美元) |
||||||
2021年支出 |
2021年增长率(%) |
2022年支出 |
2022年增长率(%) |
2023年支出 |
2023年增长率(%) |
|
通信服务 |
206,154 |
3.24 |
215,669 |
4.09 |
226,573 |
3.98 |
数据中心系统 |
44,241 |
9.86 |
47,844 |
7.60 |
51,323 |
6.18 |
设备 |
154,306 |
3.99 |
166,816 |
7.56 |
169,004 |
0.28 |
IT服务 |
73,699 |
17.65 |
86,007 |
16.11 |
101,657 |
16.99 |
软件 |
22,109 |
18.06 |
26,405 |
18.83 |
31,050 |
16.39 |
共计 |
500,508 |
6.56 |
542,741 |
7.89 |
579,607 |
5.70 |
来源:Gartner(2022年1月)
Gartner的IT支出预测方法十分依赖于数千家厂商对整个IT产品和服务范围的严谨销售分析。Gartner结合一手调研技术与二手调研资料,建立了一个完整的市场级规模数据库并以该数据库作为预测的基础。
Gartner季度IT支出预测报告以独特的视角对硬件、软件、IT服务和电信领域的IT支出进行预测,帮助Gartner客户了解市场机会与挑战。Gartner客户可在“Gartner Market Databook, 4Q21 Update”中获得最新IT支出预测研究结果。该季度IT支出预测页面包含最新IT支出报告、网络研讨会、博客文章和新闻稿的链接。
好文章,需要你的鼓励
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。