微信号:ICT_Architect

介绍:分析和交流ICT行业最前沿技术,分享云计算、存储、服务器、数据中心、网络、软件定义和虚拟化等相关知识,旨在知识交流、开放共享和共同进步.

[解读] Intersect360分析预测: 由AI和Cloud驱动,未来HPC市场达439亿

2018-01-22 08:41 Hardy


      Intersect360研究将HPC市场定义为应用服务器、集群和Hyperscale 超级计算系统3大类,其中,以任意可伸缩的、面向web的Hyperscale市场增长最快。

  • 1.    2016年全球HPC市场(服务器、存储、软件等)达到356亿美元,较2015年增长3.5%

  • 2.    2016年至2021年,总市场预计2021年将增长到439亿美元,复合年增长率CAGR为4.3%

  • 3.    服务器是最大的组成部分,达到了106亿美元(比2014年增长4.0%),增长率继续下降 (存储、网络和软件将增加)。

  • 4.    商业HPC市场推动了经济增长;在接下来的五年里,这种情况还在继续。

  • 5.    政府占整个市场的26%。美国政府市场大约占全球的一半。



      Intersect360对HPC预算分配研究调查表明: 硬件、软件、设备、人员、服务、云/工具/外购计算等七大项中,最大的预算支出项是硬件,2016年,服务器、存储和网络占所有预算的64% (不包括设施和人员)。

  • 1.    第一大预算开支是硬件,HPC硬件(务器、存储和网络)预算从2014年的45%增加到2015年的48%。2016年硬件和服务占所有预算的64% (包括设施和人员,硬件占51%)。

  • 2.    第二大的费用人员、员工身上,占HPC预算的20%,主要组成部分包括系统管理、运维和操作等类别。

  • 3.    软件是第三大预算费用,在HPC预算中占12%,主要包括软件和对应的工具。

  • 4.    实际上,云、工具和外购件在整体HPC支出中,占比仍然是非常小的一部分,每年都有波动,但没有显著的上升或下降变动,约占3%的市场份额


      除了学术和政府研究之外,HPC还被应大范围的应用于发展前沿科技,制造业使用HPC来改进汽车的设计。如卡车、飞机和其他重型设备可以用来对汽车设计进行实际的碰撞测试或模拟飞机气流运动等。


      药品发明(详情可参考: 通过机器学习,能给医疗未来带来那些可能性)利用HPC模拟细菌病毒和人类细胞的药物相互作用,HPC帮助研究最有希望的化学物质降低药物发现的成本。HPC在分子建模方面的应用也适用于各种产品的新塑料、聚合物和其他材料的开发。这个相对较新的领域是HPC增长最快的应用领域之一。


      石油公司现在严重依赖于HPC对地震数据的分析,以找到拥有石油储量的古代湖泊和河床。HPC在金融服务的几个不同领域广泛应用,其中最大的是风险管理,HPC被用于大规模的计量经济建模,测试资产在各种可能的经济情况下的表现。事实上,Intersect360的研究发现,工业HPC的使用量显著高于公共部门的研究。这一组合意味着在未来5年,HPC的绝大部分增长将来自于工业HPC的使用。


      在HPC技术领域,投资的最大的新领域是人工智能(AI、HPDA、GPU加速和Deep Learning)。Cloud公共云的应用只占HPC消费的一小部分,但Cloud是增长最快的HPC细分的市场。


  • 1.    从市场空间来看,美国已经HPC最大的消费市场,美国和加拿大HPC总市场51%

  • 2.    欧洲的跨国财团和亚洲多个国家增长很快(尤其中国市场),占据HPC市场的24%。

  • 3.    亚太也有明显增长,主要包括新加坡、澳大利亚、和韩国等,主要占HPC市场份额22%


      中国在需求方面的增长都是显著的,中国的企业也被公认为提供高性能计算机技术的顶级领导者,而全球范围内最引人注目的超级计算和大规模部署(TOP500榜单)都在中国。在超大规模的市场中,像百度、腾讯和阿里巴巴这样的组织对未来的HPC技术部署产生了重大影响,另外,还包括诸如“天蝎座”这样的行动来定义大规模部署的标准。人们普遍认为,中国将是第一个完成exaflop超级计算机部署的国家。


      HPC的驱动力在哪里?目前,有大量的应用和行业依赖于HPC,但这些需求仅仅只是拉动市场增长。在整个行业和科学研究中,都有一种永不枯竭的进步渴望: 新技术和创新(AI,HPDA、GPU加速和Deep Learning等),这才是HPC增长的一个根本原因。数据的海量增长、分析学领域出现,将数据转化为决策见解,高性能的网络和更大的计算能力等等需求推动新一轮HPC的循环。


人工智能


      在HPC技术领域投资的最大的新领域是人工智能(Al)。最近在图像、语音和模式识别方面的进步(通过互联网和云计算得到的海量数据)推动了Al的应用革命,并将从本质上改变多个行业。


      Al革命的核心是深度学习,这是Al模型的学习过程。深度学习本身有两个阶段: 训练和推理。 在训练阶段,AI模型会消耗大量的数据。包括一些他们要学习的特征数据(例如图片,声不同人说话的声音,信用卡交易诈骗)。整个训练过程会使用深层神经网络来关注关键的信息, 分别从复杂的关系中完成正确的匹配,模型所需的数据越多,AI的这种匹配关系就越准确。


      在推理阶段,AI模型必须使用已经学会的信息来对新信息进行分类(例如,识别新图像为猫,新声音为具体哪个单词,或新交易为欺诈)。推理引擎可能会产生False-positive或False-negative错误(但人类可能也会犯错误),这些错误被反馈到模型中进行进一步的训练。


      深度学习的训练部分往往依赖于高性能计算技术。特别是,深度学习和Al的进步很大程度上是由大型云公司驱动。如谷歌,微软、Facebook、亚马逊、苹果、腾讯和百度。对Al进行投资和研究的公司会在内部的HPC资源上运行他们的模型,但他们通常会找云计算供应商来提供服务。


      AI有可能彻底改变市场的一个例子就是汽车自动驾驶,这是基于多年汽车数据收集和分析的AI算法与汽车应用完美结合的例子。Al也被公认为是一种提高医学诊断的技术。此外,Al已经在零售也和消费应用领域展广泛应用。


高性能计算和云


      目前,虽然公有云是HPC市场上增长最快的部分,但它的使用只占HPC消费的一小部分。造成这种情况的主要原因是: 只有当HPC本地资源不够用时,公共云资源才会发挥作用,也就是说,在公有云只有再相对较短的时间内被租用。HPC用户偶尔爆发使用资源,超过峰值容量、性能,而这些爆发使用的场景采用云才会更经济、更高效。


      针对租用外部HPC资源来运行应用程序或工作负载或存储HPC数据,分析发现许多组织使用私有云,虚拟化网络提供HPC功能,并形成混合云方案,一则充分利用内部资源,二则根据预先确定的规则,有选择地使用公共云


新兴高性算技术


      随着HPC市场继续扩大,用于满足高性能需求的技术的大量涌现。在处理器选项方面最为显著。Intel x86处理器仍然是服务器的主要选择,即使在英特尔x86处理器中也有多核心Xeon和Xeon Phi选项,每一个选项都有多配种置。用户还可以选择GPU处理器(NVIDIA是主要的提供者)或FPGA加速基本处理器性能(关于GPU加速HPC性能,请参阅: HPC应用对GPU计算支持现状解析)。


      ARM正在成为未来的竞争者,未来也可能会出现量子计算。在2016年,Intersect360的一项调查中,发现88%的HPC用户计划在未来几年支持多种处理器架构,将工作负载匹配到最适合处理器和技术。


      然而,处理器架构并不是唯一正在发生变化的元素。在网络互联方面也存在着巨大的竞争,英特尔OmniPath、Mellanox InfiniBand和Ethernet解决方案也在竞争。高性能存储市场也已经扩展到分层(闪存、磁盘、磁带和云)、数据管理等解决方案。


      当然,关于中间件,用户会寻找管理、资源供应和优化复杂HPC环境的最佳解决方案。目前,部署高效的HPC环境变得比以往任何时候都更加复杂,但同时又是一件紧迫的事,因为各组织都在努力推动HPC的建设在商业市场上,HPC用户将从值得信任的供应商那里寻找经过验证的最佳解决方案。


简单总结


      很多领域都通过高性能计算(HPC)实现发展和进步,例如,模拟仿真技术已成为“第三支柱科学”,允许科学家和工程师以一种无法在实验室中复制的方式来探索假想的物质、产品或环境,除了学术和政府科研,HPC在其他行业中也处于领先地位,2016年全球企业在HPC计算领域的支出超过350亿美元,预计到2021年将增长到近439亿美元。当然,在HPC技术领域,投资最大的是人工智能(AI)。图像识别、演讲和模式识别也推动了人工智能的革命,并改变多个行业。


      关于HPC技术、产品、生态和趋势,请点击原文链接获取“高性能计算(HPC)技术、方案和行业全面解析”电子书详细介绍。 


>>>>>>>>>>>>>    推荐阅读    <<<<<<<<<<<<<



温馨提示:
搜索“ICT_Architect”“扫一扫”二维码关注公众号,点原文链接获取更多“HPC技术资料

求知若渴, 虚心若愚(Stay hungry, Stay foolish)

 
架构师技术联盟 更多文章 FAQ详解“Meltdown和Spectre”问题,接踵而来的“Skyfall和Solace”是否仅是骗局? 作为软件工程师,该如何处理“前任”留下的代码? Grafana和Kibana是写给程序员最美的情诗! [思考] 程序员能靠纯技术渡过中年危机吗? [揭榜] 2017年中国上市公司市值500强榜单
猜您喜欢 Android逆向之旅---静态分析技术来破解Apk 大数据与商业价值之间,仅有一个数据机器人的距离 我的 React Native 技能树点亮计划 の 代码风格统一工具 EditorConfig 作为高级Java,你应该了解的Linux知识 Java的ClassPath问题