[解讀] Intersect360分析預測: 由AI和Cloud驅動，未來HPC市場達439億

      Intersect360研究將HPC市場定義為應用伺服器、叢集和Hyperscale 超級計算系統3大類，其中，以任意可伸縮的、面向web的Hyperscale市場增長最快。

• 1.    2016年全球HPC市場(伺服器、儲存、軟體等)達到356億美元，較2015年增長3.5%。

• 2.    2016年至2021年，總市場預計2021年將增長到439億美元，複合年增長率CAGR為4.3%。

• 3.    伺服器是最大的組成部分，達到了106億美元(比2014年增長4.0%)，增長率繼續下降 (儲存、網路和軟體將增加)。

• 4.    商業HPC市場推動了經濟增長;在接下來的五年裡，這種情況還在繼續。

• 5.    政府佔整個市場的26%。美國政府市場大約佔全球的一半。

      Intersect360對HPC預算分配研究調查表明: 硬體、軟體、裝置、人員、服務、雲/工具/外購計算等七大項中，最大的預算支出項是硬體，2016年，伺服器、儲存和網路佔所有預算的64% (不包括設施和人員)。

• 1.    第一大預算開支是硬體，HPC硬體(務器、儲存和網路)預算從2014年的45%增加到2015年的48%。2016年硬體和服務佔所有預算的64% (包括設施和人員，硬體佔51%)。
  

• 2.    第二大的費用人員、員工身上，佔HPC預算的20%，主要組成部分包括系統管理、運維和操作等類別。

• 3.    軟體是第三大預算費用，在HPC預算中佔12%，主要包括軟體和對應的工具。

• 4.    實際上，雲、工具和外購件在整體HPC支出中，佔比仍然是非常小的一部分，每年都有波動，但沒有顯著的上升或下降變動，約佔3%的市場份額。

      除了學術和政府研究之外，HPC還被應大範圍的應用於發展前沿科技，製造業使用HPC來改進汽車的設計。如卡車、飛機和其他重型裝置可以用來對汽車設計進行實際的碰撞測試或模擬飛機氣流運動等。

      藥品發明(詳情可參考: 通過機器學習，能給醫療未來帶來那些可能性)利用HPC模擬細菌病毒和人類細胞的藥物相互作用，HPC幫助研究最有希望的化學物質降低藥物發現的成本。HPC在分子建模方面的應用也適用於各種產品的新塑料、聚合物和其他材料的開發。這個相對較新的領域是HPC增長最快的應用領域之一。

      石油公司現在嚴重依賴於HPC對地震資料的分析，以找到擁有石油儲量的古代湖泊和河床。HPC在金融服務的幾個不同領域廣泛應用，其中最大的是風險管理，HPC被用於大規模的計量經濟建模，測試資產在各種可能的經濟情況下的表現。事實上，Intersect360的研究發現，工業HPC的使用量顯著高於公共部門的研究。這一組合意味著在未來5年，HPC的絕大部分增長將來自於工業HPC的使用。

      在HPC技術領域，投資的最大的新領域是人工智慧(AI、HPDA、GPU加速和Deep Learning)。Cloud公共雲的應用只佔HPC消費的一小部分，但Cloud是增長最快的HPC細分的市場。

• 1.    從市場空間來看，美國已經HPC最大的消費市場，美國和加拿大HPC總市場51%。

• 2.    歐洲的跨國財團和亞洲多個國家增長很快(尤其中國市場)，佔據HPC市場的24%。

• 3.    亞太也有明顯增長，主要包括新加坡、澳大利亞、和韓國等，主要佔HPC市場份額22%。

      中國在需求方面的增長都是顯著的，中國的企業也被公認為提供高效能運算機技術的頂級領導者，而全球範圍內最引人注目的超級計算和大規模部署(TOP500榜單)都在中國。在超大規模的市場中，像百度、騰訊和阿里巴巴這樣的組織對未來的HPC技術部署產生了重大影響，另外，還包括諸如“天蠍座”這樣的行動來定義大規模部署的標準。人們普遍認為，中國將是第一個完成exaflop超級計算機部署的國家。

      HPC的驅動力在哪裡？目前，有大量的應用和行業依賴於HPC，但這些需求僅僅只是拉動市場增長。在整個行業和科學研究中，都有一種永不枯竭的進步渴望: 新技術和創新(AI，HPDA、GPU加速和Deep Learning等)，這才是HPC增長的一個根本原因。資料的海量增長、分析學領域出現，將資料轉化為決策見解，高效能的網路和更大的計算能力等等需求推動新一輪HPC的迴圈。

人工智慧

      在HPC技術領域投資的最大的新領域是人工智慧(Al)。最近在影象、語音和模式識別方面的進步(通過網際網路和雲端計算得到的海量資料)推動了Al的應用革命，並將從本質上改變多個行業。

      Al革命的核心是深度學習，這是Al模型的學習過程。深度學習本身有兩個階段: 訓練和推理。 在訓練階段，AI模型會消耗大量的資料。包括一些他們要學習的特徵資料(例如圖片，聲不同人說話的聲音，信用卡交易詐騙)。整個訓練過程會使用深層神經網路來關注關鍵的資訊， 分別從複雜的關係中完成正確的匹配，模型所需的資料越多，AI的這種匹配關係就越準確。

      在推理階段，AI模型必須使用已經學會的資訊來對新資訊進行分類(例如，識別新影象為貓，新聲音為具體哪個單詞，或新交易為欺詐)。推理引擎可能會產生False-positive或False-negative錯誤(但人類可能也會犯錯誤)，這些錯誤被反饋到模型中進行進一步的訓練。

      深度學習的訓練部分往往依賴於高效能運算技術。特別是，深度學習和Al的進步很大程度上是由大型雲公司驅動。如谷歌，微軟、Facebook、亞馬遜、蘋果、騰訊和百度。對Al進行投資和研究的公司會在內部的HPC資源上執行他們的模型，但他們通常會找雲端計算供應商來提供服務。

      AI有可能徹底改變市場的一個例子就是汽車自動駕駛，這是基於多年汽車資料收集和分析的AI演算法與汽車應用完美結合的例子。Al也被公認為是一種提高醫學診斷的技術。此外，Al已經在零售也和消費應用領域展廣泛應用。

高效能運算和雲

      目前，雖然公有云是HPC市場上增長最快的部分，但它的使用只佔HPC消費的一小部分。造成這種情況的主要原因是: 只有當HPC本地資源不夠用時，公共雲資源才會發揮作用，也就是說，在公有云只有再相對較短的時間內被租用。HPC使用者偶爾爆發使用資源，超過峰值容量、效能，而這些爆發使用的場景採用雲才會更經濟、更高效。

      針對租用外部HPC資源來執行應用程式或工作負載或儲存HPC資料，分析發現許多組織使用私有云，虛擬化網路提供HPC功能，並形成混合雲方案，一則充分利用內部資源，二則根據預先確定的規則，有選擇地使用公共雲。

新興高性算技術

      隨著HPC市場繼續擴大，用於滿足高效能需求的技術的大量湧現。在處理器選項方面最為顯著。Intel x86處理器仍然是伺服器的主要選擇，即使在英特爾x86處理器中也有多核心Xeon和Xeon Phi選項，每一個選項都有多配種置。使用者還可以選擇GPU處理器(NVIDIA是主要的提供者)或FPGA加速基本處理器效能(關於GPU加速HPC效能，請參閱: HPC應用對GPU計算支援現狀解析)。

      ARM正在成為未來的競爭者，未來也可能會出現量子計算。在2016年，Intersect360的一項調查中，發現88%的HPC使用者計劃在未來幾年支援多種處理器架構，將工作負載匹配到最適合處理器和技術。

      然而，處理器架構並不是唯一正在發生變化的元素。在網路互聯方面也存在著巨大的競爭，英特爾OmniPath、Mellanox InfiniBand和Ethernet解決方案也在競爭。高效能儲存市場也已經擴充套件到分層(快閃記憶體、磁碟、磁帶和雲)、資料管理等解決方案。

      當然，關於中介軟體，使用者會尋找管理、資源供應和優化複雜HPC環境的最佳解決方案。目前，部署高效的HPC環境變得比以往任何時候都更加複雜，但同時又是一件緊迫的事，因為各組織都在努力推動HPC的建設。在商業市場上，HPC使用者將從值得信任的供應商那裡尋找經過驗證的最佳解決方案。

簡單總結

      很多領域都通過高效能運算(HPC)實現發展和進步，例如，模擬模擬技術已成為“第三支柱科學”，允許科學家和工程師以一種無法在實驗室中複製的方式來探索假想的物質、產品或環境，除了學術和政府科研，HPC在其他行業中也處於領先地位，2016年全球企業在HPC計算領域的支出超過350億美元，預計到2021年將增長到近439億美元。當然，在HPC技術領域，投資最大的是人工智慧(AI)。影象識別、演講和模式識別也推動了人工智慧的革命，並改變多個行業。

      關於HPC技術、產品、生態和趨勢，請點選原文連結獲取“高效能運算(HPC)技術、方案和行業全面解析”電子書詳細介紹。 

>>>>>>>>>>>>>    推薦閱讀    <<<<<<<<<<<<<

• FAQ詳解“Meltdown和Spectre”問題，接踵而來的“Skyfall和Solace”是否僅是騙局？

• [AI趨勢] 通過機器學習，能給醫療未來帶來那些可能性？
  

溫馨提示：
搜尋“ICT_Architect”或“掃一掃”二維碼關注公眾號，點原文連結獲取更多“HPC”技術資料。

求知若渴, 虛心若愚(Stay hungry, Stay foolish)