满足人工智能工作负载的需求正在引发数据中心人工智能处理器市场的火热。事实上，GPU和其他专为AI计算任务设计的处理器的收入提振了更广泛的半导体市场，该市场自2022年第一季度以来一直在下滑。
根据去年底发布的竞争格局追踪报告，截至目前，半导体行业总额在2023年第三季度较2023年第二季度增长8.4%，达到1,390亿美元。最重要的是，在连续五个季度下滑之后，该行业已经连续两个季度增长。
尽管其他半导体细分市场也在增长，但分析师指出，NVIDIA和SK Hynix两家人工智能相关公司的收入大幅增长。
大多数人都熟悉NVIDIA，其GPU广泛用于加速数据密集型人工智能计算任务和作业。SK海力士在高性能计算(HPC)领域之外可能并不那么出名。它提供用于HPC和AI应用程序的高带宽内存(HBM)。
NVIDIA第三季度半导体营收从2022年的46亿美元增至73亿美元。SKHynix的半导体营收增长26%至67亿美元。
人工智能主流化导致数据中心中断
2023年人工智能的使用势头强劲。然而，2022年11月ChatGPT的发布导致了人工智能（尤其是生成式人工智能）在各行业各种规模企业中的爆炸性采用。快速浏览一下另一家领先的人工智能处理器供应商AMD的年收入，就可以看到人工智能驱动的增长。
特别是，一些行业专家和出版物指出，2022年底，未来市场预期很高。
AMD预计，到2023年，数据中心AI加速器的潜在市场总额约为300亿美元，到2027年底，复合年增长率将达到50%左右，达到1500亿美元以上。
到2023年底，实际收入高出约50%，增长率预测也明显偏高。
行业分析师指出2023年整个市场将表现强劲，并预测未来市场将非常强劲。例如，2023年12月，IDC发布了更新的预测，指出2023年全球企业将在GenAI解决方案上花费194亿美元。（该数字包括所有基础设施硬件、软件和IT服务。）此外，该报告预计该数字将更多2024年将增长一倍以上，2027年达到1,511亿美元，2023年至2027年复合年增长率(CAGR)为86.1%。
数据中心网络也需要加速
去年，网络计算进行了大量报道，以满足数据中心进行变革以适应人工智能(AI)工作负载的需求。当然，考虑到网络计算网站的重点，我们的大部分报道都集中在改善人工智能工作负载的数据中心网络的方法上。
具体来说，我们研究了加速在企业或云数据中心运行的人工智能作业的各种技术。一些关键技术包括基础设施处理单元(IPU)、数据处理单元(DPU)和计算ExpressLink(CLX)技术等工作负载加速器。
此外，另一个行业努力，超以太网联盟，正在尝试为人工智能和高性能计算（HPC）工作负载构建一个完整的基于以太网的通信堆栈架构。这项工作是由Linux基金会主办的联合开发基金会项目。其创始成员包括AMD、Arista、Broadcom、Cisco、Eviden（Atos公司）、HPE、Intel、Meta和Microsoft。
最重要的是，企业和云数据中心的计算和网络正在经历快速而彻底的变化，以满足企业在运行人工智能工作负载时不断增长的性能和获得结果的时间需求。
