云计算深度报告-算力时代迎巨变.docx

????

???

云计算深度报告：算力时代迎巨变

???

?

?

?

?

?

?

???

???

?

???

?

?

?

?

?

?

摘要：云计算深度报告：算力时代迎巨变

▌云计算正进入算力时代

供给端:数据存量增长与计算成本下降推动算力需求增长

信息技术快速发展与传统产业数据化转型带来大量数据存量。随着云计算、大数据、物联网、人工智能等信息技术的快速发展和传统产业数字化的转型，数据量呈现几何级增长，据IDC预测，全球数据总量预计达到47个ZB，2025年达到163个ZB，其中预计我国数据量将达到8060个EB，占全球数据总量的18%。

据智研咨询统计，2015年全球物联网连接数约60亿个，预计2025年全球物联网连接数将增长至270亿个，物联网设备数量将达到1000亿台。

连接数的急速增长，一方面意味着海量数据的产生，另一方面，连接设备往往还需要进行智能计算，即产生相应的算力需求。

数据是AI学习的基础，算力是必备条件，计算成本下降推动算力需求增长。

人工智能(AI:ArtificialIntelligence)是指通过计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)，主要应用在训练(training)和推理(inference)两个环节。

训练需要通过大量的样本数据训练建立输入输出的映射关系，以此进行推理。在2010年后，人工智能在计算机视觉、语音识别领域取得重大突破，开始步入人工智能爆发期。

据Tractica的预测，2025年人工智能市场规模将达368亿美元。$/GFLOPS可以衡量计算成本(1GFLOPS=109FLOPS，FLPOS=FloatingPointOperationsPerSecond，每秒十亿次浮点运算价格)，根据Wikipedia的数据，$/GFLOPS的CAGR约-37%，2017年6月AMDRyzen结合AMDVEGAFrontierEdition将$/GFLOPS降至0.06美元。

海量数据为AI训练提供的基础，算力是AI推理的必备条件，快速下降的计算成本为人工智能时代的爆发提供了技术基础，推动下游应用推广，促使算力需求增长。

算力，即为计算能力。算力于我们而言，并不陌生，小至PC电脑，大至超级计算机，算力其实一直存在我们的生活中，只是过去我们的日常生活对算力的要求并不高，我们忽略了它。

高算力的普及有两个必要因素，一个是数据，数据是算力的基础，有了海量数据才可更好地进行推理与学习，另一个是价格，唯有平常百姓负担得起高算力的价格，算力才有望走进千家万户。

因此，从供给端看，云计算、大数据、物联网、人工智能等信息技术的快速发展和传统产业的数字化转型，数据量呈现几何级增长，带来了大量数据存量，同时，快速下降的计算成本也为算力普及做好了经济铺垫，两者共同推动算力需求的增长。

需求端:业务发展大大提升算力需求

PC互联网—移动互联网—物联网的业务发展路径。

随着人们需求的逐渐增多，技术的逐步发展，ICT行业各类业务接踵而出，遵循着PC互联网—移动互联网—物联网的业务发展路径。

在PC互联网时代，出现了以Yahoo为代表的搜索引擎，以QQ为代表的在线社交软件，以阿里巴巴为代表的电子商务，网络游戏亦进入大型网游时代;

随着智能手机的普及，3G/4G网络技术的发展，逐渐由PC互联网发展至移动互联网，在移动互联网时代，社交软件由QQ逐渐变成微信，游戏由网游逐渐变成手游，还有新浪微博、滴滴打车、支付宝、美团团购、映客、抖音等多种应用软件喷井而出，人们的生活在移动互联网时代更为快速便捷;

当下，我们正面临着一个新的转折点，5G技术的发展，芯片计算能力的提升，为万物互联做好了技术铺垫，在物联网时代，我们的生活将实现智能驾驶、智能家居、智能安防、智慧医疗等等多种大转变。

未来业务对数据中心的计算要求大幅提升。

数据中心是为客户提供带宽、存储、计算能力等需求的网络基础设施。

对各个业务的三大需求进行分析，我们发现，未来业务对于计算能力的要求正在大幅提升。从带宽的角度看，搜索引擎仅需要320kbps的带宽，在线社交带宽需求约2mbps，电子商务带宽需求约27mbps，而智能驾驶带宽需求约20gbps，带宽要求将提升上千倍。

从存储的角度看:?在线地图存储需求约28M，在线社交存储需求约100M，网络游戏存储需求约8G，而区块链存储需求将达到14G，存储要求翻倍增长;

从计算能力的角度看:?基因测序工作就是要通过大规模的计算分析从海量的数据信息中辨识载有的基因及其序列，最终获取遗传信息，算力要求极高，区块链方面，根据BTC.com的数据，比特币全网算力将达到23EB，相比2010年，提升超过20倍。

我们可以看到，对于带宽、存储、计算能力三种需求，有些业务要求高带宽低存储，比如