根据Gartner的最新预测,2024年全球IT总支出预计将达到5万亿美元,较2023年增长 6.8%。这一数字低于上一季度预测的8%。2024年中国IT总支出预计将达到3.9万亿人民币,较2023年增长6.2%。虽然生成式人工智能(GenAI)在2023年大火,但它在短期内不会给IT支出的增长带来显著的变化。
Gartner杰出研究副总裁John-David Lovelock表示:“虽然GenAI将改变一切,但如同物联网、区块链等我们所经历过的其他大趋势,它不会对IT支出产生显著的影响。企业机构将在2024年开始切实投资于规划如何使用GenAI,但IT支出将受到更多传统力量的左右,例如盈利能力、劳动力等,并且将被持续不断的变革疲劳所拖累。”
IT服务将在2024年成为最大的IT支出领域
IT服务将在2024年继续保持增长并首次成为最大的IT支出领域。预计2024年IT服务支出将增长8.7%,达到1.5万亿美元(见表一),这主要是因为企业将投资于组织效率和优化项目,而此类投资在这段经济不稳定时期至关重要。
Lovelock表示:“消费者的设备和通信服务采用率在十多年前就已趋于稳定。消费者的消费水平主要受价格变化和更换周期的影响,只留出了增量增长的空间,因此不可避免地被软件和服务超越。企业正在不断挖掘技术的更多用途,IT已经从后台移到了前台,现在又开始创造收入。在企业挖掘完技术的使用方式和地点之前,企业IT支出不可能先进入到平台期。”
表一、全球IT支出预测(单位:百万美元)
2023年支出 |
2023年增长率(%) |
2024年支出 |
2024年增长率(%) |
|
数据中心系统 |
243,063 |
7.1 |
|
7.5 |
设备 |
699,791 |
-8.7 |
732,287 |
4.6 |
软件 |
913,334 |
12.4 |
1,029,421 |
12.7 |
IT服务 |
1,381,832 |
5.8 |
1,501,365 |
8.7 |
通信服务 |
1,440,827 |
1.5 |
1,473,314 |
2.3 |
合计 |
4,678,847 |
3.3 |
4,997,718 |
6.8 |
数据来源:Gartner(2024年1月)
表二、中国IT支出预测(单位:百万人民币)
2023年支出 |
2023年增长率(%) |
2024年支出 |
2024年增长率(%) |
|
数据中心系统 |
378,739 |
20.7% |
416,446 |
10.0% |
设备 |
936,923 |
-6.3% |
966,657 |
3.2% |
软件 |
245,908 |
16.4% |
287,042 |
16.7% |
IT服务 |
678,401 |
9.9% |
770,163 |
13.5% |
通信服务 |
1,430,701 |
2.1% |
1,457,634 |
1.9% |
合计 |
3,670,673 |
3.6% |
3,897,942 |
6.2% |
数据来源:Gartner(2024年1月)
首席信息官的变革疲劳继续影响IT支出
2023年的IT总支出增长率为3.3%,较2022年仅增加了0.3%,这主要是由于CIO的变革疲劳所致。预计2024年IT总支出将重拾动力,实现6.8%的增长。
即使在2024年有望重新恢复增长势头,整个IT支出环境仍会受到变革疲劳的轻微影响。变革疲劳可能表现为种种变革阻力,比如CIO在签署新合约、承诺采取长期举措或接纳新技术合作伙伴方面犹豫不决。而对于已经启动的新举措,CIO会要求有更高级别的风险缓解措施和更加确定的结果。
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市场数据手册,2023年第四季度更新”中获得最新IT支出预测研究结果。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
Google DeepMind最新研究发现,视频生成AI模型Veo 3展现出惊人的零样本学习能力,能够在未经专门训练的情况下完成图像分割、边缘检测、迷宫求解等多种视觉任务。研究团队通过18,384个视频样本验证了这一发现,认为视频模型正朝着通用视觉智能方向发展,可能引发类似大语言模型的行业变革。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
北航团队开发的GeoSVR技术突破了传统3D重建方法的局限,采用稀疏体素表示和体素不确定性评估,无需依赖初始点云即可实现高精度表面重建。该方法通过智能的深度约束和体素协同优化策略,在DTU等标准数据集上取得了最佳性能,为VR/AR、文物保护、影视制作等领域提供了新的技术选择。