The trend—and why it matters；Scoring the trend

翻译用时：2小时 原文：Technology Trends Outlook 2025（麦肯锡科技趋势展望2025）

计算与连接的前沿技术

云计算和边缘计算

云计算与边缘计算的核心在于将工作负载分布到不同地点，从超大规模远程数据中心，到区域性枢纽，再到本地节点，从而通过综合考量延迟、数据传输成本、数据主权和数据安全等因素，实现性能的最优化。

趋势及其重要性

人工智能的飞速发展正重塑整个云基础设施的格局，从半导体芯片到数据中心设计，无一不受到影响。随着AI驱动的工作负载获得日益广泛地部署，企业要面临的主要挑战变成了电力制约和供应链转变。由于AI算力需求的激增，芯片开发商、云服务提供商和基础设施制造商之间不得不展开更深层次的合作。此外，超大规模数据中心的容量预计到2030年将增长两倍，这说明市场需要可扩展的、高效的资源分配能力。1

为应对这些算力制约，企业正将业务扩展至能源基础设施更完善的地区，并致力于提升计算能效。企业在训练和部署AI模型时，尽管仍以大规模的集中式集群为主，但也开始多地点分布式，包括构建边缘环境，从而优化性能、降低延迟、以及提高资源可及性。这种分布式方案不仅能缓解计算瓶颈，还可降低对集中式基础设施的依赖，从而增强韧性。

“主权云议题在欧洲再度兴起，这是今年最让我出乎意料之事。由于目前的地缘政治不确定性，居然让数字自主权议题死灰复燃，这减缓了云服务的普及，尤其是在那些受监管行业，其应急计划如今甚至还要考虑将工作负载迁回本地。这个议题曾经早已翻篇，却正被重新书写：欧洲科技企业和投资者发现或许有可能收复失地，甚至是很多早已放弃的失地，不过窗口期可能很短。”

Andrea Del Miglio，高级合伙人，米兰

科技趋势评估

从2023年到2024年，云计算与边缘计算领域呈现稳定增长态势，相关专利数量增长4%，

谷歌搜索量上升17%，新闻稿件中的提及量增幅达18%。

股权投资，2024年：$808亿

岗位数量，2023-24，同比%：+2%

各维度的评分（0=低；1=高）

新闻（包含该趋势相关短语的媒体报道）

搜索 （该趋势相关术语的搜索引擎查询量）

研究 （该趋势相关主题的研究论文发表量）

专利（该趋势相关技术的专利申请量）

股权投资 （相关技术在私募和公募市场中筹集的资金）

人才需求 （技能人才的供需比）

备注：

针对这13个科技趋势的每个维度，在特定的数据源中，检索相关关键词的出现频次，筛选出对实际活动的有效提及，最后将各趋势最终得到的提及次数，按相对分值尺度折算为 0–1 之间的指数。

1 “The cost of compute: A $7 trillion race to scale data centers,” McKinsey Quarterly, April 28, 2025.

与AI的对话（仅供参考）

hyperscale data center capacity is projected to triple by 2030, underscoring the need for scalable and efficient resource distribution. scalable and efficient resource distribution和hyperscale data center capacity是什么关系

“**Scalable and efficient resource distribution**” 和 “**hyperscale data center capacity**” 之间的关系是 **因果关系** 或 **需求与响应的关系**：

> **Hyperscale data center capacity 的增长（tripling by 2030）→ 对 scalable and efficient resource distribution 的需求急剧上升。**

--- 

### 具体解释： 

- **Hyperscale data center capacity** 指的是超大规模数据中心（如 AWS、Google Cloud、Azure 等）所拥有的计算、存储、网络等资源的总量。

- **Scalable and efficient resource distribution** 指的是在这些数据中心内部，如何 **动态、高效、可扩展地分配资源**（如 CPU、内存、带宽、存储等），以应对不断变化的工作负载。

---

### 举个例子： 

假设 2030 年某个云提供商的 hyperscale 数据中心容量是现在的 3 倍：

- 这意味着 **服务器数量、虚拟机实例、容器、AI 加速器（如 GPU/TPU）等资源总量翻了三倍**。

- 如果没有 **scalable and efficient resource distribution**，这些资源就会：

-无法快速响应用户需求（比如突然启动 10 万个 AI 训练任务）；

-出现资源碎片化（某些节点过载，某些空闲）；

-能耗激增，效率下降；

-服务质量（QoS）下降，延迟升高。

 ---

### 总结一句话：

> **Hyperscale data center capacity 的扩张，放大了对“资源调度系统” scalability 和 efficiency 的挑战，因此 scalable and efficient resource distribution 成为支撑其增长的关键技术基础。**