数据中心市场为人工智能爆炸式增长做好准备
最近,人工智能的成功案例和投资公告的爆炸式增长吸引了商界的关注和想象。
鉴于最近人工智能媒体的狂热,Omdia的新研究表明,数据中心市场对人工智能的实际应用有了更高的认识,这些应用有望提高生产率和降低成本。据研究人员称,迄今为止的集体证据表明,这不会只是昙花一现。
主机托管业务,包括多租户和单租户数据中心提供商,预计将在这波新的人工智能增长浪潮中受益。
其中一些公司已经调整了他们的数据中心设计,以实现更高的机架功率密度。为人工智能训练配置的服务器的功耗类似于用于科学研究的高性能计算(HPC)集群。
Omdia首席分析师Alan Howard表示:“能够提供最高机架密度和液体冷却的主机托管提供商现在将在数据中心空间市场上占据上风。”
来自Omdia项目的研究表明,托管市场持续强劲增长,人工智能硬件的扩散可能会成为增长的额外推动力。
根据Omdia的《托管服务跟踪报告- 2023》,托管行业相当健康,预计到2027年将达到652亿美元,5年复合年增长率为9.4%。
根据人工智能硬件部署的加速实现方式,托管数据中心的收入可能会在未来几年得到显著提升。
全球排名前三的主机托管服务提供商分别是Equinix、Digital Realty和NTT Global Data Centers (NTT GDC)。他们运营着700多个数据中心,正在进行的建设项目超过100个,详见Omdia的数据中心建设跟踪- 1H23。
根据Omdia的《托管服务追踪报告- 2023》,这三家公司占2022年总收入416亿美元的33%。
Omdia表示,并非所有数据中心都能处理人工智能或高性能计算设备,但这些公司和许多其他值得注意的托管服务提供商已经预见到了这一新兴的增长趋势。
过去几年建成的数据中心,以及许多在建的数据中心,其设计和架构都是为了容纳这些高功率密度的设备机架。
这些数据中心设计和架构特性包括高密度配电管理和用于热管理的精确冷却,以保护服务器。
在某些情况下,主机托管客户需要直接对芯片进行液体冷却,这需要特殊的数据中心管道设计,以便为客户提供液体冷却回路,或者选择安装浸入式冷却槽,将最热的服务器浸入不导电的液体中。
Howard总结道:“实现这些先进的数据中心运营特征并不适合胆小的人,也不适合那些厌恶高资本支出的公司。”
“像Equinix、Digital Realty、NTT GDC、Flexential、DataBank、Compass、Aligned、Iron Mountain和许多其他公司都在冒着资本风险建立数据中心,这样企业和云服务提供商就不必这样做了。”
以上是数据中心市场为人工智能爆炸式增长做好准备的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

本站6月18日消息,三星半导体近日在技术博客介绍了搭载其目前最新QLC闪存(v7)的下一代数据中心级固态硬盘BM1743。▲三星QLC数据中心级固态硬盘BM1743根据TrendForce集邦咨询4月的说法,在QLC数据中心级固态硬盘领域,仅有深耕多年的三星和SK海力士旗下Solidigm在当时通过了企业客户验证。相较上代v5QLCV-NAND(本站注:三星v6V-NAND无QLC产品),三星v7QLCV-NAND闪存在堆叠层数方面几乎翻了一倍,存储密度也大幅提升。同时v7QLCV-NAND的顺

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S
