解读Hyperion年度报告：脱离场景谈用量就是耍流氓
发布日期：2024-06-06 来源：半岛官网pg
今年Hyperion Research的年度HPC市场报告，“应用”这个维度第一次出现并独立成篇了。而去年，是Cloud HPC第一次正式拥有席位。我们发誓，上头真没人。这纯粹是，英雄所见略同！脱离场景谈用量就是耍流氓嘛。
在”为应用定义的云“这个理念下，我们正在努力构建以应用为核心的云操作系统。所以，今天的报告拆解重点就是：应用。
我们说的应用包括以下两种：一种是以计算为中心的应用程序，它们能够跨多个处理器扩展以获得最大的计算能力，包括碰撞模拟、水库建模、基因组测序和许多其他应用。我们大家常常说的BIO／EDA／CAE／CFD都属于这类。另一种是以数据为中心的应用程序，主要依赖于使用大型数据集，并在应用程序执行期间涉及节点之间的高数据传输，包括大数据、HPDA、AI、ML、DL和其他数据驱动的模拟工作负载。
2021年的HPC本地市场占有率（包括服务器、存储、中间件、应用、服务）预估为293．83亿美元，相比2020年增长21亿美元，增幅为7．8％。 Cloud HPC市场2021年预计为51亿美元，同比增幅超过18．6％，是HPC本地市场增幅的2．4倍。
从图中来看，Cloud HPC市场增长及未来预期一直很稳定，增幅始终在10％以上；而HPC本地市场在2025年（预测数据）甚至是负增长。
2020年，HPC总市场收入中，应用收入达到了46亿美元。对比HPC总市场收入的315．82亿美元，这在某种程度上预示着收入每增加100元，应用厂商就能收到14．6元。
超过28％的用户将应用程序性能列为最重要的因素，45％的用户将其列入了前三位重要的因素。 而用户在使用应用时遇到的前两大障碍分别是：应用成本（16％的本地用户，18％的云端用户）应用程序的易用性（本地、云端均为13％的用户选择） 工业软件巨头Ansys的行业报告从另一个角度说明了性能的重要性——如今，缩短设计周期慢慢的变成了了一半以上用户在工作中面临的最大挑战。
甚至有超过五分之一的人表示，他们最重要、最频繁的仿线个小时之后，这让很多工程师不得不降低了几乎所有模型的大小或精确度。
更多数据可以看这里《Ansys最新CAE调研报告找到阻碍仿真效率提升的“元凶”，竟然是Ta……》
按工作负载划分：内部应用占比44％开源应用占比34％商业应用占比22％（包括由应用厂商开发的商业应用与开源应用的商业支持服务）。
前面已经提过，2020年，HPC总市场收入中，应用收入达到了46亿美元。为了看看这到底是什么水平，我们一一查阅了EDA／CAE／BIO等行业主要龙头应用厂商的财报，统计了他们2020年在应用产品和服务上的收入。应用软件行业集中度高，比如EDA领域尤其明显，三大家占比90％以上，所以这些龙头厂商基本能代表行业收入水平。
补充说明一下：AI其实也包括在内，但这样的领域工具以开源为主，不太涉及到费用问题；BIO生命科学领域除Schrödinger之外，也以开源应用为主，所以就选了Schrödinger这一家当代表，其他商业软件收入跟下图这些巨头也没什么可比性。
上表能够准确的看出，主流应用厂商在HPC领域的营收已经占总营收的21％。那么，接下来，剩余非HPC领域的79％收入未来是什么走向呢？
1、应用本身支持HPC的，用户会慢慢的倾向于选择以HPC的方式运行，一方面因为业务飞速增长需求，一方面因为HPC相关的平台及支持服务越来越多。
2－1、通过虚拟机／裸金属／容器化／无服务器等不同运行模式进行并行化改造，支持HPC；
3、不管单机还是HPC模式，进行应用SaaS化后，既能以此为基础打造单一厂商的专有平台，也能多领域不相同应用集成开放的云平台，比如我们fastone云平台，配套专业服务，资源近乎无限。详细可以看下图：应用＋云使用场景演进趋势图
AI在HPC中到底能起到多大的作用？研究人员慢慢的开始尝试使用AI模型对大规模任务进行近似模拟，虽然这些模型相比真实模拟在准确性有一定的偏差，但它们能够让研究人员使用较少的计算能力来探索参数空间的正确部分，并更快地找到正确结果，从而提升大型仿真的整体运算效率。目前运用AI的HPC领域包括地球系统建模、遗传学应用、药物设计、高能物理等。
在2020年4月，包括Google AI负责人Jeff Dean在内的大脑研究者描述了一种基于AI的设计方法，该办法能够从过往经验中学习并随时间推移一直在改进，从而能够更好地生成不可见组件的架构。这种基于AI的方法平均可以在6小时内完成设计，比人类专家所需要的数周时间快得多。
而在新药研发领域，我们盘点了全球44家顶尖药企（包括3家中国药企）在利用AI辅助药物研发上的行动（共涉及55家AI初创企业、12家IT－云服务商、7所高校），并进行了分析汇总，可以借鉴这篇《全球44家顶尖药企AI辅助药物研发行动白皮书》 未来，人们将在以下方面做尝试：1、用AI模型提升更多HPC应用的运算效率；2、使用大规模模拟生成合成数据；3、让慢慢的变多的传统IT企业采用支持HPC的AI技术。
我们根据Hyperion Research的原始表格进行了二次处理，看得更清楚：生命科学持续领跑全球市场，工业领域（包括和工业制造）潜力巨大。
生命科学BIO领域以超过30％的市场占比领跑全球榜单。我们判断，这一块全球数据和国内差别应该相当大。根本原因在于国内制药行业一直以仿制药为主导，起步向创新药转变，不少公司直接开始了AI辅助药物研发的探索。有想法的大药企和小型biotech企业慢慢的变多，药企的研发投入逐步增长中，合适的人才凤毛麟角，资本热度一直居高不下。
我们跟全球市场的距离，需要一些时间拉近。但换一个角度看，说明增长潜力巨大。云的使用，对加速这一过程很有重要的价值。
工业制造CAE与半导体EDA领域我们合称工业领域，28．8％的市占率跟生命科学相当，增长率也十分好，达到17～18％。根据中国工业技术软件化产业联盟发布的《中国工业软件产业白皮书（2020）》显示，2012－2019年，全球工业软件市场规模复合增长率为5．4％，国内工业软件产业规模虽然仅占全球工业软件市场规模的6％，但增速较快，2012－2019 复合增长率为13％，是全球市场的两倍有余。
工业制造CAE跟云的结合，在全球几乎已经是主流，所以它的单独占比也相当高。而且现在国内CAE厂商，天然就是拥抱云的，甚至是云的推动者。
半导体EDA领域，如果结合云的落地场景来看，我们可完全说国内跟全球站在同一个起跑线上。
Auto－Scale这支仙女棒如何大幅度的提高Virtuoso仿线个VCS任务背后的“搬桌子”系列故事
根据VSTS世界半导体贸易统计组织的预测数据，2022年亚太地区（除日本）半导体产业市场规模将达到3797亿美元，占全球市场的62．6％。
我们简单统计了华大九天、概伦电子、广立微、思尔芯、中望等国产工业软件厂商的营收情况，5家国产应用厂商在2020年的营收总和为1．989亿美元，不到全球应用收入的1％。
解读Hyperion年度报告：脱离场景谈用量就是耍流氓
发布日期：2024-06-06
今年Hyperion Research的年度HPC市场报告，“应用”这个维度第一次出现并独立成篇了。而去年，是Cloud HPC第一次正式拥有席位。我们发誓，上头真没人。这纯粹是，英雄所见略同！脱离场景谈用量就是耍流氓嘛。
在”为应用定义的云“这个理念下，我们正在努力构建以应用为核心的云操作系统。所以，今天的报告拆解重点就是：应用。
我们说的应用包括以下两种：一种是以计算为中心的应用程序，它们能够跨多个处理器扩展以获得最大的计算能力，包括碰撞模拟、水库建模、基因组测序和许多其他应用。我们大家常常说的BIO／EDA／CAE／CFD都属于这类。另一种是以数据为中心的应用程序，主要依赖于使用大型数据集，并在应用程序执行期间涉及节点之间的高数据传输，包括大数据、HPDA、AI、ML、DL和其他数据驱动的模拟工作负载。
2021年的HPC本地市场占有率（包括服务器、存储、中间件、应用、服务）预估为293．83亿美元，相比2020年增长21亿美元，增幅为7．8％。 Cloud HPC市场2021年预计为51亿美元，同比增幅超过18．6％，是HPC本地市场增幅的2．4倍。
从图中来看，Cloud HPC市场增长及未来预期一直很稳定，增幅始终在10％以上；而HPC本地市场在2025年（预测数据）甚至是负增长。
2020年，HPC总市场收入中，应用收入达到了46亿美元。对比HPC总市场收入的315．82亿美元，这在某种程度上预示着收入每增加100元，应用厂商就能收到14．6元。
超过28％的用户将应用程序性能列为最重要的因素，45％的用户将其列入了前三位重要的因素。 而用户在使用应用时遇到的前两大障碍分别是：应用成本（16％的本地用户，18％的云端用户）应用程序的易用性（本地、云端均为13％的用户选择） 工业软件巨头Ansys的行业报告从另一个角度说明了性能的重要性——如今，缩短设计周期慢慢的变成了了一半以上用户在工作中面临的最大挑战。
甚至有超过五分之一的人表示，他们最重要、最频繁的仿线个小时之后，这让很多工程师不得不降低了几乎所有模型的大小或精确度。
更多数据可以看这里《Ansys最新CAE调研报告找到阻碍仿真效率提升的“元凶”，竟然是Ta……》
按工作负载划分：内部应用占比44％开源应用占比34％商业应用占比22％（包括由应用厂商开发的商业应用与开源应用的商业支持服务）。
前面已经提过，2020年，HPC总市场收入中，应用收入达到了46亿美元。为了看看这到底是什么水平，我们一一查阅了EDA／CAE／BIO等行业主要龙头应用厂商的财报，统计了他们2020年在应用产品和服务上的收入。应用软件行业集中度高，比如EDA领域尤其明显，三大家占比90％以上，所以这些龙头厂商基本能代表行业收入水平。
补充说明一下：AI其实也包括在内，但这样的领域工具以开源为主，不太涉及到费用问题；BIO生命科学领域除Schrödinger之外，也以开源应用为主，所以就选了Schrödinger这一家当代表，其他商业软件收入跟下图这些巨头也没什么可比性。
上表能够准确的看出，主流应用厂商在HPC领域的营收已经占总营收的21％。那么，接下来，剩余非HPC领域的79％收入未来是什么走向呢？
1、应用本身支持HPC的，用户会慢慢的倾向于选择以HPC的方式运行，一方面因为业务飞速增长需求，一方面因为HPC相关的平台及支持服务越来越多。
2－1、通过虚拟机／裸金属／容器化／无服务器等不同运行模式进行并行化改造，支持HPC；
3、不管单机还是HPC模式，进行应用SaaS化后，既能以此为基础打造单一厂商的专有平台，也能多领域不相同应用集成开放的云平台，比如我们fastone云平台，配套专业服务，资源近乎无限。详细可以看下图：应用＋云使用场景演进趋势图
AI在HPC中到底能起到多大的作用？研究人员慢慢的开始尝试使用AI模型对大规模任务进行近似模拟，虽然这些模型相比真实模拟在准确性有一定的偏差，但它们能够让研究人员使用较少的计算能力来探索参数空间的正确部分，并更快地找到正确结果，从而提升大型仿真的整体运算效率。目前运用AI的HPC领域包括地球系统建模、遗传学应用、药物设计、高能物理等。
在2020年4月，包括Google AI负责人Jeff Dean在内的大脑研究者描述了一种基于AI的设计方法，该办法能够从过往经验中学习并随时间推移一直在改进，从而能够更好地生成不可见组件的架构。这种基于AI的方法平均可以在6小时内完成设计，比人类专家所需要的数周时间快得多。
而在新药研发领域，我们盘点了全球44家顶尖药企（包括3家中国药企）在利用AI辅助药物研发上的行动（共涉及55家AI初创企业、12家IT－云服务商、7所高校），并进行了分析汇总，可以借鉴这篇《全球44家顶尖药企AI辅助药物研发行动白皮书》 未来，人们将在以下方面做尝试：1、用AI模型提升更多HPC应用的运算效率；2、使用大规模模拟生成合成数据；3、让慢慢的变多的传统IT企业采用支持HPC的AI技术。
我们根据Hyperion Research的原始表格进行了二次处理，看得更清楚：生命科学持续领跑全球市场，工业领域（包括和工业制造）潜力巨大。
生命科学BIO领域以超过30％的市场占比领跑全球榜单。我们判断，这一块全球数据和国内差别应该相当大。根本原因在于国内制药行业一直以仿制药为主导，起步向创新药转变，不少公司直接开始了AI辅助药物研发的探索。有想法的大药企和小型biotech企业慢慢的变多，药企的研发投入逐步增长中，合适的人才凤毛麟角，资本热度一直居高不下。
我们跟全球市场的距离，需要一些时间拉近。但换一个角度看，说明增长潜力巨大。云的使用，对加速这一过程很有重要的价值。
工业制造CAE与半导体EDA领域我们合称工业领域，28．8％的市占率跟生命科学相当，增长率也十分好，达到17～18％。根据中国工业技术软件化产业联盟发布的《中国工业软件产业白皮书（2020）》显示，2012－2019年，全球工业软件市场规模复合增长率为5．4％，国内工业软件产业规模虽然仅占全球工业软件市场规模的6％，但增速较快，2012－2019 复合增长率为13％，是全球市场的两倍有余。
工业制造CAE跟云的结合，在全球几乎已经是主流，所以它的单独占比也相当高。而且现在国内CAE厂商，天然就是拥抱云的，甚至是云的推动者。
半导体EDA领域，如果结合云的落地场景来看，我们可完全说国内跟全球站在同一个起跑线上。
Auto－Scale这支仙女棒如何大幅度的提高Virtuoso仿线个VCS任务背后的“搬桌子”系列故事
根据VSTS世界半导体贸易统计组织的预测数据，2022年亚太地区（除日本）半导体产业市场规模将达到3797亿美元，占全球市场的62．6％。
我们简单统计了华大九天、概伦电子、广立微、思尔芯、中望等国产工业软件厂商的营收情况，5家国产应用厂商在2020年的营收总和为1．989亿美元，不到全球应用收入的1％。