資料中心市場為人工智慧爆炸性成長做好準備
最近,人工智慧的成功案例和投資公告的爆炸式增長吸引了商界的關注和想像。
鑑於最近人工智慧媒體的狂熱,Omdia的新研究表明,資料中心市場對人工智慧的實際應用有了更高的認識,這些應用有望提高生產力和降低成本。據研究人員稱,迄今為止的集體證據表明,這不會只是曇花一現。
主機託管業務,包括多租戶和單一租戶資料中心供應商,預計將在這波新的人工智慧成長浪潮中受益。
其中一些公司已經調整了他們的資料中心設計,以實現更高的機架功率密度。為人工智慧訓練配置的伺服器的功耗類似於用於科學研究的高效能運算(HPC)叢集。
Omdia首席分析師Alan Howard表示:「能夠提供最高機架密度和液體冷卻的主機託管提供商現在將在數據中心空間市場上佔據上風。」
來自Omdia項目的研究表明,託管市場持續強勁成長,人工智慧硬體的擴散可能會成為成長的額外推動力。
根據Omdia的《託管服務追蹤報告- 2023》,託管行業相當健康,預計到2027年將達到652億美元,5年複合年增長率為9.4%。
根據人工智慧硬體部署的加速實現方式,託管資料中心的收入可能會在未來幾年顯著提升。
全球排名前三的主機代管服務供應商分別是Equinix、Digital Realty和NTT Global Data Centers (NTT GDC)。他們經營700多個資料中心,正在進行的建設專案超過100個,詳見Omdia的資料中心建置追蹤- 1H23。
根據Omdia的《託管服務追蹤報告- 2023》,這三家公司佔2022年總收入416億美元的33%。
Omdia表示,並非所有資料中心都能處理人工智慧或高效能運算設備,但這些公司和許多其他值得注意的託管服務供應商已經預見了這一新興的成長趨勢。
過去幾年建成的資料中心,以及許多正在建造的資料中心,其設計和架構都是為了容納這些高功率密度的設備機架。
這些資料中心設計和架構特性包括高密度配電管理和用於熱管理的精確冷卻,以保護伺服器。
在某些情況下,主機託管客戶需要直接對晶片進行液體冷卻,這需要特殊的資料中心管道設計,以便為客戶提供液體冷卻迴路,或者選擇安裝浸入式冷卻槽,將最熱的伺服器浸入不導電的液體中。
Howard總結道:「實現這些先進的資料中心營運特徵並不適合膽小的人,也不適合那些厭惡高資本支出的公司。」
「像Equinix、Digital Realty、NTT GDC、Flexential、DataBank、Compass、Aligned、Iron Mountain和許多其他公司都在冒著資本風險建立資料中心,這樣企業和雲端服務提供者就不必這樣做了。」
以上是資料中心市場為人工智慧爆炸性成長做好準備的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

熱門話題

本站6月27日訊息,剪映是由位元組跳動旗下臉萌科技開發的一款影片剪輯軟體,依託於抖音平台且基本面向該平台用戶製作短影片內容,並相容於iOS、安卓、Windows 、MacOS等作業系統。剪映官方宣布會員體系升級,推出全新SVIP,包含多種AI黑科技,例如智慧翻譯、智慧劃重點、智慧包裝、數位人合成等。價格方面,剪映SVIP月費79元,年費599元(本站註:折合每月49.9元),連續包月則為59元每月,連續包年為499元每年(折合每月41.6元) 。此外,剪映官方也表示,為提升用戶體驗,向已訂閱了原版VIP

透過將檢索增強生成和語意記憶納入AI編碼助手,提升開發人員的生產力、效率和準確性。譯自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。雖然基本AI程式設計助理自然有幫助,但由於依賴對軟體語言和編寫軟體最常見模式的整體理解,因此常常無法提供最相關和正確的程式碼建議。這些編碼助手產生的代碼適合解決他們負責解決的問題,但通常不符合各個團隊的編碼標準、慣例和風格。這通常會導致需要修改或完善其建議,以便將程式碼接受到應

大型語言模型(LLM)是在龐大的文字資料庫上訓練的,在那裡它們獲得了大量的實際知識。這些知識嵌入到它們的參數中,然後可以在需要時使用。這些模型的知識在訓練結束時被「具體化」。在預訓練結束時,模型實際上停止學習。對模型進行對齊或進行指令調優,讓模型學習如何充分利用這些知識,以及如何更自然地回應使用者的問題。但是有時模型知識是不夠的,儘管模型可以透過RAG存取外部內容,但透過微調使用模型適應新的領域被認為是有益的。這種微調是使用人工標註者或其他llm創建的輸入進行的,模型會遇到額外的實際知識並將其整合

想了解更多AIGC的內容,請造訪:51CTOAI.x社群https://www.51cto.com/aigc/譯者|晶顏審校|重樓不同於網路上隨處可見的傳統問題庫,這些問題需要跳脫常規思維。大語言模型(LLM)在數據科學、生成式人工智慧(GenAI)和人工智慧領域越來越重要。這些複雜的演算法提升了人類的技能,並在許多產業中推動了效率和創新性的提升,成為企業保持競爭力的關鍵。 LLM的應用範圍非常廣泛,它可以用於自然語言處理、文字生成、語音辨識和推薦系統等領域。透過學習大量的數據,LLM能夠產生文本

本站6月18日消息,三星半導體近日在技術部落格介紹了搭載其目前最新QLC快閃記憶體(v7)的下一代資料中心級固態硬碟BM1743。 ▲三星QLC資料中心級固態硬碟BM1743根據TrendForce集邦諮詢4月的說法,在QLC資料中心級固態硬碟領域,僅有深耕多年的三星和SK海力士旗下Solidigm在當時通過了企業客戶驗證。相較上代v5QLCV-NAND(本站註:三星v6V-NAND無QLC產品),三星v7QLCV-NAND閃存在堆疊層數方面幾乎翻了一倍,儲存密度也大幅提升。同時v7QLCV-NAND的順

編輯|ScienceAI問答(QA)資料集在推動自然語言處理(NLP)研究中發揮著至關重要的作用。高品質QA資料集不僅可以用於微調模型,也可以有效評估大語言模型(LLM)的能力,尤其是針對科學知識的理解和推理能力。儘管目前已有許多科學QA數據集,涵蓋了醫學、化學、生物等領域,但這些數據集仍有一些不足之處。其一,資料形式較為單一,大多數為多項選擇題(multiple-choicequestions),它們易於進行評估,但限制了模型的答案選擇範圍,無法充分測試模型的科學問題解答能力。相比之下,開放式問答

機器學習是人工智慧的重要分支,它賦予電腦從數據中學習的能力,並能夠在無需明確編程的情況下改進自身能力。機器學習在各個領域都有廣泛的應用,從影像辨識和自然語言處理到推薦系統和詐欺偵測,它正在改變我們的生活方式。機器學習領域存在著多種不同的方法和理論,其中最具影響力的五種方法被稱為「機器學習五大派」。這五大派分別為符號派、聯結派、進化派、貝葉斯派和類推學派。 1.符號學派符號學(Symbolism),又稱符號主義,強調利用符號進行邏輯推理和表達知識。該學派認為學習是一種逆向演繹的過程,透過現有的

編輯|KX在藥物研發領域,準確有效地預測蛋白質與配體的結合親和力對於藥物篩選和優化至關重要。然而,目前的研究並沒有考慮到分子表面訊息在蛋白質-配體相互作用中的重要作用。基於此,來自廈門大學的研究人員提出了一種新穎的多模態特徵提取(MFE)框架,該框架首次結合了蛋白質表面、3D結構和序列的信息,並使用交叉注意機制進行不同模態之間的特徵對齊。實驗結果表明,該方法在預測蛋白質-配體結合親和力方面取得了最先進的性能。此外,消融研究證明了該框架內蛋白質表面資訊和多模態特徵對齊的有效性和必要性。相關研究以「S
