云计算专题报告:在建的数据中心够用吗

浏览量:0

需求受流量与算量多因素驱动迎新周期 4月,阿里云宣布3年投资2000亿用于重大核心技术攻坚和面向未来的数据中心建设。在6月9日阿里云峰会上,管理层表示阿里云已有100多万台服务器,三年后这一数字将超出...

需求受流量与算量多因素驱动迎新周期

4月,阿里云宣布3年投资2000亿用于重大核心技术攻坚和面向未来的数据中心建设。在6月9日阿里云峰会上,管理层表示阿里云已有100多万台服务器,三年后这一数字将超出300万台;同时,还有新型网络、、芯片等新产品的研发,因此2000亿可能还不够。5月,腾讯云也宣布未来五年将投入5000亿元用于新基建进一步布局,同时,将陆续在全国新建多个百万级服务器规模的大型数据中心。

数据中心()又称互联网数据中心,直观理解就是互联网机房、机柜和相关设备以及围绕之上的运营服务,是计算机网络的关键基础设施,很大程度上决定了网络服务商向客户提供服务的规模。云厂商巨头在领域的“抢跑”,让行业在新基建主线之上再燃热点。

转化存量需求

是高增长行业。首先需要说明,依据不同的市场规模口径,数值结果有所不同。根据工信部2015年发布的《电信业务分类目录(2015年版)》,除传统的租赁、托管等业务外,云平台IaaS和PaaS也纳入范畴。而中国信通院的数据,2017年国内传统业务收入为513亿元,收入138亿元,两者占比大致为4:1,但后者比例在陆续提升。以下讨论市场部分不特别区分具体口径。

2019年国内规模达1,563亿元,同比增长27%,近年复合增速达37%;并且科智咨询等机构预测2020年增速提升至29%,规模将超2,000亿。虽然增速仍然在高位,但驱动因素已经发生了变化。在上一个周期,下游主要客户是包括移动互联网在内的互联网企业,因渗透率趋于饱,以手机出货量为表征的整体增速已经放缓(图表4)。所以,后续的高增长实际已进入新周期,来源于新的行业驱动力因素。

我们认为行业新驱动力主要源于两方面:(1)现有互联网服务向模式转化带来的建设机会;和(2)5G和AI商业化带来存储和算力的增量需求。模式下,客户端的计算和存储能力被迁移到云端(服务器端),从而对需求产生显著推动。企业上云产生对上游基础设施的新需求,因此的增长很大程度上会与增速调频。

根据中国信通院发布的《发展白皮书(2019)》,2018年我国公有云市场规模为437亿元,同比增长65%;预计到2022年市场规模将达到1731亿元,2015-2021年的复合增速达50%。公有云细分市场中,与直接相关的IasS领域增长最为快速,市场比重从2012年的15%大幅提升至2018年的62%。私有云方面,2018年市场规模达525亿元,同比增长23%,预计到2022年市达到1172亿元。

5G与AI是增量驱动

5G驱动数据存储需求

可以预见,5G时代的数据规模将大幅增长。我们分析,数据浪潮主要来源于三个方面:

(1)用户来源:根据运营商和工信部数据,截止2020年5月底中国5G套餐用户超5000万户,起重工仅中国移动5G套餐累积用户即达5561万户。对比海外,韩国市场同期5G用户数近700万户,占韩国移动用户数的10%;韩国5G用户每月的人均流量达28G;

(2)应用来源:在5G技术之上,将新涌现高清视频、VR、云游戏、工业互联网、智能驾驶等丰富应用场景,为实现这些应用服务,也会产生大量数据;

(3)网络来源:5G网络中,边缘计算成为网络架构的大趋势之一,数据除了在中心的云端存储,还需要在边缘网络上采集、使用。

对应以上数据源,基本上都存在数据存储需求,包括:(1)用户的照片、视频、文档等个人数据;(2)应用领域的视频类数据;(3)网络的5G设备和边缘计算数据等。

这些数据的存储将直接导致存储型服务器需求的高速增长,并需要相应的资源去容纳。

AI商用场景驱动算力部署需求

除存储型服务器之外,还需要面对比例不小的算力型服务器。此类服务器的重要应用就是人工智能。根据互联网周刊2019年的预计,2020年全球每人将分摊到5,200GB的数据量;其中1/3是大数据的一部分。而这些数据就将成为人工智能的组成部分。

相比2017年AlphaGo带动的深度学习技术浪潮,AI服务器的用武之地从前期的模型训练、原型探索等技术研发阶段,到现在更多用于商业化应用场景,意味着应用覆盖的用户规模增长将直接反映到服务器需求规模上来。

国际数据中心(同样简称)于2020年6月发布的数据显示,2019年中国AI服务器出货量为7.9万台,同比增长47%。这一增速远超通用服务器增速(同期通用服务器市场同比下降4%)。而且,平均每台服务器配置8.02个GPU加速卡,比2017年的4.31个和2018年的5.10个有加速增长趋势。

其发布的《中国人工智能软件及应用(2019下半年)跟踪》报告还显示,2019年中国人工智能软件及应用市场规模达28.9亿美元。包括硬件在内,整体市场规模达到60亿美元;同时,预计到2024年中国人工智能软件及应用市场规模将达到127.5亿美金,2018~2024年的复合增长率达39%。

云计算专题报告:在建的数据中心够用吗


从够用到紧缺,规划后的供给量仍存缺口

数据中心市场规模的快速扩大,背后是建设的投入加码。尤其是2019~2020年以来,众多相关企业加入到市场大军来,我们开始考虑一个问题——建设浪潮之后,供需关系如何?未来2~3年的资源够用了吗?

2019年之前,中国有227万机柜,够用但区域饱和

首先,我们要知道现有的资源数量以及使用率情况。

从全球来看,根据中国产业信息网数据,2015-2018年的资源是略有减少的,主要原因是2017年开始出现数据中心大型化、集约化的趋势。2015年,全球数据中心机柜数为479.7万个,到2017年达493.3万个,但2018年的数量小幅减少至489.9万个。

但是中国的情况有所不同。根据赛迪集团的统计数据,2019年中国数据中心数量大约为7.4万个,大约能占全球数据中心总量的23%。2016-2019年中国数据中心机架数量逐年上升,2019年数据中心机架数量达到227万架。

我们对企业进行了梳理,对重要企业的现有机柜数做了统计,结果如图表8所示。根据我们的不完全统计,34家重要企业(及政府)现有机柜数为225.7万个,与赛迪的数据接近。这些企业中,拥有量较多的包括中国电信、中国联通等。

判断机柜是否够用的一个核心指标就是上架率(机架被使用的比率)。理论上,一个数据中心机房所有机柜都处于被使用的状态,及上架率达到100%,则意味着该机房满负荷运转。再出现新的需求,那么这个机房就“不够用”了。

当然,实际上机房并不会到100%上架率就“饱和”了:
一方面,从类似图表10的机柜内部可以看到,服务器相关的IT和网络设备需要较为复杂的联系,上架率越高,这些设备的维护难度也越大;

另一方面,对服务的互联网客户来说,企业需要为其提供一定的弹性扩容能力,当它的互联网服务短期迎来大量新增用户、流量时,需要在短期内能够上架新的云端能力。典型的例子就是2020年的疫情期间,典型的线上服务迎来明显的扩容需求。因此,对于一个数据中心来说,虽然更高的上架率将带来更多的收益,但当上架率达到一定程度后,机柜就可以认为是“不够用”了。我们认为这一比例在60-80%左右,视各供应商的策略不同而有区别。

根据中国产业信息网的数据,2017年我国数据中心平均上架率为52.8%,与2016年相比均提高5%左右;其中,超大型数据中心上架率为34.4%,大型数据中心上架率54.9%,估计与超大型数据中心在最近几年开始建设加码有关。根据工信部2018年数据,全国利用率仍在60%以下。因此数据中心基本处于够用的状态。

但是,各个区域发展不平衡,核心地区有接近饱和的趋势。产业信息网数据显示,河南、浙江、江西、四川、天津等地区上架率在2017年提升到60%以上,西部地区多个省份上架率由15%提升到30%以上,但仍然处于较低水平。同时前瞻产业研究院数据显示,北上广深等一线城市数据中心资源最为集中,上架率达到60%~70%,并且受限于地区承载能力,新建数量有所放缓。

实际上,中部、西部、东北地区具有土地资源丰富、建设或租金成本较低、网络质量及运营维护水平较高等优点,适合建立大型及超大型数据中心。但是,这些地区的下游客户较少,而远离客户将增加客户的响应时效和维护成本,所以存在上架率低的风险。相反,对于互联网厂商的自建数据中心来说,由于解决了客户不足的问题,则体现了相对优势。例如,百度最大的数据中心位于山西省阳泉市,服务器设计装机规模超过16万台;阿里江苏数据中心在南通签约,将成为阿里巴巴华东地区最大的中心基地,承载30万台服务器。

云计算专题报告:在建的数据中心够用吗


在建与规划150万,同增近七成,但仍不够

现有的上架率数据反映的是建成的满足当时下游客户需求的程度,从60%左右的上架率可以看到处理原有的业务,是基本够用但也快要接近饱和。而未来2~3年的资源是否够用则更多需要看现在在建的和规划的项目情况。

我们梳理了图表8中对应的34家企业公开的在建和规划机柜数:在建数量为49.5万架,规划数量为99.2万架,合计约150万架,相比现有的机柜数量增长约67%(见图表15)。接近七成的增长反映了行业内企业的大力投入热情,侧面也可以理解,行业认为下游需求将进入爆发增长阶段。那么,有了这些“储备好的”资源之后,是否可以满足即将到来的新需求呢?我们针对需求做了一个估测。首先考虑存储型服务器需求:

(1)参考标准机柜和服务器规格,假设单机柜提供的存储能力假设为64TB,假设新增的150万机柜全部用于存储,则提供了9600万TB容量;

(2)假设5G时代移动端设备数3亿部,按其中100M(0.1G)需要云端存储假设,则日均存储数据量新增3000万GB(3万TB)。假设个人数据占互联网数据的10%,则全网日增数据量30万TB;

(3)现有规划的机柜能够满足全网9600/30=320天的存储需求。

以上假设均按保守估计,例如5GIoT时代,个人数据占比应远小于10%,远期设备数也大概率会超3亿。同时,考虑的建设周期一般在一年以上,再加上算力服务器的需求未计入,因此可以推断,即使现在规划的资源增长较大,但仍然远不够满足未来2-3年的需求。

判断:长期缺口存在,三个努力方向

通过以上分析,我们可以认为,资源的长期缺口是存在的,而且缺口可能在数倍。那么在以一线城市为主的核心地区对用地审批有所限制的当前,行业应该如何发展才能保障供应呢?我们认为在于尽力加大投建、发展超大规模数据中心、发展高密度机柜等三个方向。

加大投建

以上统计的是目前规划的数据中心数量。既然缺口较大,那么可以预见各方都将在后续持续推出投建规划。统计部分地区已发布的建设提速政策如下。

广东省工信厅6月18日印发的《广东省5G基站和数据中心()总体布局规划(2021-2025)》(以下简称“广东《规划》”)显示,截至2019年底,省内已投产使用的数据中心数量约160个(其中超大型、大型和中小型数据中心各占1%、20%和79%)。规划在建的机架数量约18.5万个,已投产的机架数量约11.6万个(折合标准机架数21.8万个,合计功率545兆瓦),在用的机架数量约7.2万个(折合标准机架数13.5万个,合计功率337兆瓦),累计服务器数量超过86.4万台,数据存储量约25万TB,折合占地面积超过800亩,总投资额约700亿元。

规划剔除“先提后扩”的建设思路,即先提高上架率,后扩容和新增。单个数据中心项目上架率达到60%后,方可申请扩容和新建项目。根据通知的规划目标,在全省9个数据中心中,第一阶段(2021-2022年)上架率达到65%以上,规划建设折合标准机架数约47万个。第二阶段(2023-2025年)上架率达75%以上,规划建设在折合标准机架数累计约100万个。

此规划印发于图表14统计时间之后,也是对我们提到的各地将持续推出投建规划的一个印证。相信在这样补缺口的政策带动之下,行业缺口有望通过大力投建逐步得到缩小。

超大规模数据中心

前文几处提到大型和超大型数据中心,主要是依据机架数量来界定,在不同的规划中略有区别(例如广东《规划》中将1000-3000架定义为中型数据中心)。

超大型数据中心的建设相对起步较晚,一般对土地资源等要求也较高。例如,广东《规划》中广深地区原则上以中小型数据中心建设为主,大型和超大型则在其他地区落地。但是,超大型数据中心因为起步晚、规模大,其上架率也低于行业平均水平,因此能够在后续发展中提供更有利的资源。随着超大型数据中心的利用率提升,其供应的服务器数量在整体中的占比也得到相应提升。

高密度机柜

高密度机柜数据中心是指机柜(42U的19’’标准机架)功率负载在8kW以上,密集摆放,专门用来对大容量存储、高性能计算(刀片密集型服务器)和功率较大的小型计算机等单位功率系数较高的信息设备配套建设的数据中心。提升机柜密度可以在有限的机房内提升机柜数量和承载的算力、存储能力。

高密度机柜意味着供电能力要求高。在2018年之前的典型设施规划中,主流电力以10A、12A等为主,单机柜供电20A的电力要求属于“高端”需求。而根据科智咨询发布的《2018-2019上海及周边地区产业发展研究报告》中显示,2018年上海地区行业客户对数据中心单机柜供电的采购需求集中在16A以上,有了大幅提升。

高密度机柜的技术难度较标准机柜有所提升。当数据中心密度越大,传统设计的供电、制冷、备灾等方案都可能需要改进。否则,一次机柜电源故障,就可能造成以前数倍的损失。因此,高密度机柜如果成为行业趋势,那么将会对行业公司提出更高的门槛要求。

多方共建,谁更受益?

在这个快速增长的新周期市场中,参与者显著增加。那么,目前的格局如何?什么样的企业能够在后续的竞争中获得优势呢?

谁在建设:运营商、互联网云厂商和独立第三方

参与服务以及增值服务的厂商主要包括三类:(1)电信运营商、(2)互联网云厂商和(3)中立第三方服务企业。其中,电信运营商即在行业上游提供网络设施等产品,又在下游使用服务;互联网行业巨头进入领域后,即是下游客户,又开始成为企业(但大部分是自用),之后还会针对性地为客户提供托管设施,利用设施将关键基础设施和应用部署到客户附近。只有第三方企业是专注于数据中心服务和增值服务领域。

一个典型的趋势是钢铁企业切入领域,因为此类公司往往面临原有业态受城市规划影响而迁出,从而闲置了相应的土地、厂房(可改造机房)、电力能耗指标等,有的还能够直接对接到自身钢铁企业信息化的下游需求。

怎样的公司有优势?

行业被称为是“数字地产”,往往拿来和商业地产做类比。这是因为典型的数据中心(1)需要商业用地、土建与装修、电力能源等核心资源,(2)然后通过向终端客户出租获取租金(运营)收入。因此商业地产的竞争逻辑很大程度上可以搬到领域来,比如地段、租金成本等。

在此之外,企业还有其它方面的竞争力比较。从成本端来看,数据中心的整体拥有成本(TCO)基本由直接成本、电力成本、财务成本、运营管理成本、空置成本等组成。

地段、拿地能力和土地土地购置、租金成本及建设成本、网络成本等就属于直接成本。

相比于基本是一次性的直接成本,能源成本是持续的,而且内耗电设备众多,因此电力成本天然占据大头。虽然地域影响能源成本很大,但从企业的粒度来看,在二三线拿地的能力差距并没有在一线地区那么大。所以,随着产业向能耗低成本地区迁移的比重加大,地段因素的影响在减小,更多的还要看技术团队对能耗控制的能力。

另一方面是财务成本,拥有融资渠道优势的龙头和上市公司能够以较低的成本拿到资金,从而用于投建新的数据中心,或者并购。由于技术团队相对来说不是门槛,因此并购是企业规模快速扩张的优选方式,也是传统厂商进入行业的首选途径。

运营管理成本相对来说各家差距不会太大(其中能耗控制相关的运营水平已经体现在电力成本方面),但是良好的运营有助于在高上架率时满足客户动态需求。

空置情况受地段、租用价格等因素影响,批发型厂商因大客户批量采购或预定相对来说会表现更好一些。

综合来看,判断哪一类企业更有竞争力,我们认为可以概括如下:(1)从供给端看,沿袭数字地产逻辑,物业核心资源是护城河;(2)从消费端看,标杆客户和服务黏性可巩固持续收入;(3)投资排序上看,同时拥有地产资源、行业积累和标杆客户的企业显然最具投资价值;其次是有大客户的企业,有的大客户可配合解决定制化的资源选址问题,而行业积累可通过收购或建设团队来解决。

站群      website builder      多用户商城系统      域名注册      saas平台      网站模板      免费邮箱      邮件群发      在线客服系统      云服务器      虚拟主机      seo优化      企业邮箱      

版权声明:本文内容转载自互联网,版权归作者所有,本站不拥有所有权,也不承担相关法律责任。如果您发现有涉嫌抄袭的内容,欢迎 提交反馈 进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。
广州KUAITUI365相关资讯
食堂承包中山橙秀宁波橙秀无锡橙秀梅州橙秀清远橙秀杭州橙秀南京橙秀苏州橙秀惠州橙秀北京企业秀重庆橙秀天津橙秀成都橙秀上海橙秀北京橙秀深圳橙秀广州橙秀青岛橙秀东莞橙秀武汉橙秀郑州橙秀西安橙秀海景二手房海南二手房亚龙湾房地产三亚买房买海南房海口海景房三亚海景房三亚房地产海南房海景房产三亚房产三亚房海南房产西安seo优化长沙seo优化重庆seo优化成都seo优化南京seo优化杭州seo优化郑州seo优化武汉seo优化天津seo优化苏州seo优化北京seo优化广州seo优化上海seo优化深圳seo优化好买卖创业好买卖营销好买卖推广好买卖集市好买卖市场中山市网络推广潮州市网络推广揭阳市网络推广云浮市网络推广河源市网络推广阳江市网络推广清远市网络推广东莞市网络推广茂名市网络推广肇庆市网络推广惠州市网络推广梅州市网络推广汕尾市网络推广汕头市网络推广佛山市网络推广江门市网络推广湛江市网络推广韶关市网络推广深圳市网络推广珠海市网络推广