参考观研天下发布《2018年中国IDC行业分析报告-市场深度分析与发展前景研究》
云端数据存储、传输与计算需求指数性增长
随着智能终端、可穿戴设备、智能家居、物联网设备以及基因测序的快速普及，每用户每天数据量需求量持续上升，这将带动数据存储、传输、计算的需求呈现爆发性增长。
①数据中心流量：2016年的全球数据中心流量6.8 ZB，并且预计到 2020 年还将增长3.3倍至每年20.6ZB，CAGR为27%。
②数据中心数据存储量：从全球范围看，到2021年数据中心内存储的数据将从2016年的286EB增长4.7倍到1327EB，CAGR 为37%（存量增长率）。
技术瓶颈与扩张模式使得数据中心资源只能线性供给
数据中心底层技术遭遇技术瓶颈，资源访问延迟、容量、带宽、能耗、性价比等核心指标提升与数据指数增长不再匹配。
① 资源利用率与用户体验不匹配：当前IDC正面临资源利用率与应用服务质量之间的矛盾：一方面，服务器上同时运行多个应用能有效提高资源利用率，节省成本；另一方面，多个应用共享资源相互干扰，影响应用的服务质量，降低营收。为了保障用户体验，特别是面向在线应用，IDC 资源利用率只能有限提升。
② 摩尔定理失效导致 CPU 与存储器性能提升趋缓。摩尔定律假定，微处理器的晶体管将每两年翻一倍，对应的计算性能也随之翻倍。因为要使摩尔定律继续有效要求复杂的制造工艺，该工艺高昂的成本超过了由此带来的成本节约，在更高的速度、更低的能耗和更低的成本三个因素中，芯片厂商只可选择其二。虽然制造工艺未来还有提升空间，但也将达到极限。
③ 冯结构数据中心面临瓶颈：当前数据中心普遍采用冯诺依曼计算架构，冯结构的计算模块和存储单元是分离的，处理器操作数据的速度与从传统内存获取所需数据的速度之间的差距却日益增大，不断增加CPU内的高速缓存层次虽然可以缓解读取瓶颈，但是缓存共享会导致性能下降。
技术瓶颈使得当前阶段IDC主要依赖规模扩张实现性能扩张，同时IDC建设周期一般 2~3年，并且受传统因素制约，比如：地皮审批、机房规划建设、电力和网络接入的配臵、服务器和软件的采购和上架等等。上述因素都导致了IDC供给呈线性增长。数据量指数性增长与数据中心线性供给使得 IDC 资源供需缺口扩大，IDC 价值不断增加。
云端数据存储、传输与计算需求指数性增长
随着智能终端、可穿戴设备、智能家居、物联网设备以及基因测序的快速普及，每用户每天数据量需求量持续上升，这将带动数据存储、传输、计算的需求呈现爆发性增长。
①数据中心流量：2016年的全球数据中心流量6.8 ZB，并且预计到 2020 年还将增长3.3倍至每年20.6ZB，CAGR为27%。
②数据中心数据存储量：从全球范围看，到2021年数据中心内存储的数据将从2016年的286EB增长4.7倍到1327EB，CAGR 为37%（存量增长率）。
图：云计算数据流架构
资料来源：互联网
图：2015-2020全球数据中心流量与存储量
数据来源：公开数据整理
技术瓶颈与扩张模式使得数据中心资源只能线性供给
数据中心底层技术遭遇技术瓶颈，资源访问延迟、容量、带宽、能耗、性价比等核心指标提升与数据指数增长不再匹配。
① 资源利用率与用户体验不匹配：当前IDC正面临资源利用率与应用服务质量之间的矛盾：一方面，服务器上同时运行多个应用能有效提高资源利用率，节省成本；另一方面，多个应用共享资源相互干扰，影响应用的服务质量，降低营收。为了保障用户体验，特别是面向在线应用，IDC 资源利用率只能有限提升。
图：Google 某数据中心CPU 利用率与客户响应时间
数据来源：公开数据整理
② 摩尔定理失效导致 CPU 与存储器性能提升趋缓。摩尔定律假定，微处理器的晶体管将每两年翻一倍，对应的计算性能也随之翻倍。因为要使摩尔定律继续有效要求复杂的制造工艺，该工艺高昂的成本超过了由此带来的成本节约，在更高的速度、更低的能耗和更低的成本三个因素中，芯片厂商只可选择其二。虽然制造工艺未来还有提升空间，但也将达到极限。
③ 冯结构数据中心面临瓶颈：当前数据中心普遍采用冯诺依曼计算架构，冯结构的计算模块和存储单元是分离的，处理器操作数据的速度与从传统内存获取所需数据的速度之间的差距却日益增大，不断增加CPU内的高速缓存层次虽然可以缓解读取瓶颈，但是缓存共享会导致性能下降。
图：摩尔定律失效导致芯片性能增长趋缓
数据来源：公开数据整理
图：冯结构形成的“内存墙”问题
数据来源：公开数据整理
技术瓶颈使得当前阶段IDC主要依赖规模扩张实现性能扩张，同时IDC建设周期一般 2~3年，并且受传统因素制约，比如：地皮审批、机房规划建设、电力和网络接入的配臵、服务器和软件的采购和上架等等。上述因素都导致了IDC供给呈线性增长。数据量指数性增长与数据中心线性供给使得 IDC 资源供需缺口扩大，IDC 价值不断增加。
图：IDC资源供需缺口持续扩大(三大指标数据进行归一化处理)
数据来源：公开数据整理
资料来源：观研天下整理，转载请注明出处。（ww）
更多好文每日分享，欢迎关注公众号
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
