来源：中泰证券
供给端:数据存量增长与计算成本下降推动算力需求增长
信息技术快速发展与传统产业数据化转型带来大量数据存量。随着云计算、大数据、物联网、人工智能等信息技术的快速发展和传统产业数字化的转型，数据量呈现几何级增长，据IDC预测，全球数据总量预计2020年达到47个ZB，2025年达到163个ZB，其中预计2020年我国数据量将达到8060个EB，占全球数据总量的18%。
据智研咨询统计，2015年全球物联网连接数约60亿个，预计2025年全球物联网连接数将增长至270亿个，物联网设备数量将达到1000亿台。
连接数的急速增长，一方面意味着海量数据的产生，另一方面，连接设备往往还需要进行智能计算，即产生相应的算力需求。
数据是AI学习的基础，算力是必备条件，计算成本下降推动算力需求增长。
人工智能(AI:ArtificialIntelligence)是指通过计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)，主要应用在训练(training)和推理(inference)两个环节。
训练需要通过大量的样本数据训练建立输入输出的映射关系，以此进行推理。在2010年后，人工智能在计算机视觉、语音识别领域取得重大突破，开始步入人工智能爆发期。
据Tractica的预测，2025年人工智能市场规模将达368亿美元。$/GFLOPS可以衡量计算成本(1GFLOPS=109FLOPS，FLPOS=FloatingPointOperationsPerSecond，每秒十亿次浮点运算价格)，根据Wikipedia的数据，$/GFLOPS的CAGR约-37%，2017年6月AMDRyzen结合AMDVEGAFrontierEdition将$/GFLOPS降至0.06美元。
海量数据为AI训练提供的基础，算力是AI推理的必备条件，快速下降的计算成本为人工智能时代的爆发提供了技术基础，推动下游应用推广，促使算力需求增长。
算力，即为计算能力。
算力于我们而言，并不陌生，小至PC电脑，大至超级计算机，算力其实一直存在我们的生活中，只是过去我们的日常生活对算力的要求并不高，我们忽略了它。
高算力的普及有两个必要因素，一个是数据，数据是算力的基础，
有了海量数据才可更好地进行推理与学习，另一个是价格，唯有平常百姓负担得起高算力的价格，算力才有望走进千家万户。
因此，从供给端看，云计算、大数据、物联网、人工智能等信息技术的快速发展和传统产业的数字化转型，数据量呈现几何级增长，带来了大量数据存量，同时，快速下降的计算成本也为算力普及做好了经济铺垫，两者共同推动算力需求的增长。
PC互联网—移动互联网—物联网的业务发展路径。
随着人们需求的逐渐增多，技术的逐步发展，ICT行业各类业务接踵而出，遵循着PC互联网—移动互联网—物联网的业务发展路径。
在PC互联网时代，出现了以Yahoo为代表的搜索引擎，以QQ为代表的在线社交软件，以阿里巴巴为代表的电子商务，网络游戏亦进入大型网游时代;
随着智能手机的普及，3G/4G网络技术的发展，逐渐由PC互联网发展至移动互联网，在移动互联网时代，社交软件由QQ逐渐变成微信，游戏由网游逐渐变成手游，还有新浪微博、滴滴打车、支付宝、美团团购、映客、抖音等多种应用软件喷井而出，人们的生活在移动互联网时代更为快速便捷;
当下，我们正面临着一个新的转折点，5G技术的发展，芯片计算能力的提升，为万物互联做好了技术铺垫，在物联网时代，我们的生活将实现智能驾驶、智能家居、智能安防、智慧医疗等等多种大转变。
数据中心是为客户提供带宽、存储、计算能力等需求的网络基础设施。
对各个业务的三大需求进行分析，我们发现，未来业务对于计算能力的要求正在大幅提升。从带宽的角度看，搜索引擎仅需要320kbps的带宽，在线社交带宽需求约2mbps，电子商务带宽需求约27mbps，而智能驾驶带宽需求约20gbps，带宽要求将提升上千倍。
从存储的角度看:
在线地图存储需求约28M，在线社交存储需求约100M，网络游戏存储需求约8G，而区块链存储需求将达到14G，存储要求翻倍增长;
从计算能力的角度看:
基因测序工作就是要通过大规模的计算分析从海量的数据信息中辨识载有的基因及其序列，最终获取遗传信息，算力要求极高，区块链方面，根据BTC.com的数据，2018年比特币全网算力将达到23EB，相比2010年，提升超过20倍。
我们可以看到，对于带宽、存储、计算能力三种需求，有些业务要求高带宽低存储，比如智能驾驶，有些业务要求低带宽高存储，比如智慧医疗，但是无论什么类型的业务，未来业务对于数据中心计算能力的要求均显著提升。
从需求端看，ICT行业遵循着PC互联网—移动互联网—物联网的业务发展路径，业务类型从传统的视频、社交、门户等逐步过渡到以AI、区块链、智能驾驶、医疗基因等业务类型，算力需求成为最大化差异，传统业务一般对存储和访问带宽需求要求较高，但对专业算力需求较低，未来算力需求将成为重点。
算力能力的提升与应用能力的提升互为促进，驱动云计算进入算力时代。
安迪-比尔定律是对IT产业中软件和硬件升级换代关系的概括，原话是“Andygives,Billtakesaway.(安迪提供什么，比尔拿走什么。)”
安迪指英特尔前CEO安迪·格鲁夫，比尔指微软前任CEO比尔·盖茨。
随着云计算、大数据、物联网、人工智能等信息技术的快速发展，存量数据大量增长、算力成本大幅下降，推动了算力能力的提升，与此同时，业务种类的增多，应用软件的爆发，算力需求大幅增长。
算力能力的提升为应用软件的发展提供了空间，应用能力的提升又对算力能力提出新要求，算力能力与应用能力互为促进，促使云计算进入算力时代。
算力的提升与普及，Flops成本的下降，使相关应用具备了发展基础。
超级计算机是计算机中功能最强、运算速度最快、存储容量最大的一类计算机，多用于国家高科技领域和尖端技术研究。
而今人工智能电脑的运算能力可和2009年世界第一超级计算机的运算速度媲美，加上价格便宜与便携的外在特征，使更多应用需求拥有的发展基础。
例如，2018年3月，NVIDIA推出最新小型超算——“NVIDIADGX2”，它采用16块TeslaV100计算卡并行计算，能够提供最高达2PFLOPs(2000TPLOPs)的深度计算能力，仅重350磅，售价39.9万美元。
安迪-比尔定律是对IT产业中软件和硬件升级换代关系的概括。存量数据大量增长、算力成本大幅下降，推动了算力能力的提升，与此同时，业务种类的增多，应用软件的爆发，使得算力需求大幅增长。
算力能力的提升为应用软件的发展提供了空间，而应用能力的提升又对算力能力提出新要求，算力能力与应用能力互为促进，促使云计算进入算力时代。
云算力需求可分为云计算需求和超级计算机需求，其中云计算需求可分为公有云需求、私有云需求与传统IT需求。
云计算需求是指用户对信息技术方面的需求，具体包括公有云、私有云以及传统IT，随着业务发展，计算需求的提升，对IT的算力要求也不断提高;
超级计算机需求是能够执行一般个人电脑无法处理的大资料量与高速运算的电脑，多用于国家高科技领域和尖端技术研究，是一个国家科研实力的体现，它对国家安全，经济和社会发展具有举足轻重的意义。
服务器出货量与收入是云计算的先验数据，全球服务器市场量价齐升。在云平台建设前期需要投入服务器等基础设施，所以服务器出货量与厂商收入是云计算领域的先验性指标，可以通过分析服务器市场数据发现和预判云计算市场趋势。
据IDC全球服务器季度追踪报告显示，2017年全球服务器出货量达1018万台，同比增长6.6%，全球服务器收入达668.9亿美元，同比增长13.7%，全球服务器市场的高度景气，收入增速均超过出货量增速，服务器平均单价在提升，高价值(人工智能)服务器正在逐步出货。
服务器下游市场主要是公有云厂商，政务需求占比第二。
由于公有云业务发展快，对中低端用户需求有明显的替代作用，故对服务器市场结构产生了影响—由互联网运营商集中采购代替了中小企业低端用户的分散采购。
根据IDC数据显示，服务器出货至大型云厂商(超过1000个服务器)占比最高，达50%，政务需求次之，占比约20%。
数据存量的增长与业务需求的扩张促使云厂商加速投资，扩大云计算规模以争抢更多的市场份额。
根据各家公司财报披露，亚马逊2017年设备类资产约372.87亿美元，同比增长51.6%，连续五年CAGR为35.5%;
谷歌2017年信息类资产约214.29亿美元，同比增长33.2%，连续五年CAGR为18.7%;
阿里2017年电脑与软件类资产约183.81亿元，同比增长38.4%，连续五年CAGR为38.8%；
腾讯2017年电脑类资产约285.04亿元，同比增长39.9%，连续五年CAGR为22.1%。
因为在云平台建设前期需要投入服务器等基础设施，所以可以通过分析服务器市场数据发现和预判云计算市场趋势。根据IDC数据，我们发现全球服务器市场呈现高景气，量价齐升，下游市场主要是公有云厂商。同时，通过分析大型公有云厂商资本开支情况，我们发现公有云厂商加速算力投资趋势明显。
云算力投资是云计算领域需求的最新变量，呈现高速增长。云计算可提供的服务分为存储和计算两大类，在过去的业务中，云计算大多提供存储服务，随着下游业务类型的不断丰富，未来云厂商的计算服务将愈发重要。
根据测算，至2020年全球算力投资总规模有望达到62.32亿美元，年复合增长率达44%，呈现高速增长。
同时，云计算算力投资呈现结构性变化，公有云算力投资比例大幅提升，由2014年的0.01%提升至2020年的11.75%，公有云厂商大幅增加算力投资，主要原因是云厂商迎来算力时代，除提供传统的存储服务外，各云厂商逐渐配置其计算服务能力，增加算力投资。
云算力需求将不会受到云计算周期波动影响，算力时代由0到1。
根据Facebook、腾讯披露的财报，我们看到Facebook与微信的每月新增活跃用户数连续一年下滑，2017Q4分别同比下降21%与86%，呈现负增长，可见移动互联网时代已逐渐步入其自身生命周期的成熟期，未来大型公有云厂商购置服务器的增速将逐步趋缓。
然而，云算力需求作为云计算领域的最新需求，未来有望受益于AI物联网时代的高算力要求，将不会受到云计算周期波动的影响，算力时代从0到1，成为云计算的增量需求。
云计算产业链已形成较完整的生态系统，上游芯片与下游应用成为算力时代新空间。
云计算产业链主要由上游芯片，中游服务器等设备供应商、以及下游云平台提供商、应用开发商等组成。
经过10年的发展，目前已经形成了较为完整的生态系统，构建了从芯片到终端用户的全产业链条。算力时代，上游芯片与下游应用开发商将带来新的市场空间。
具体而言，相比通用芯片，专用芯片可提供更加高效的运算能力，其中ASIC运算效率最高，但通用性较差，GPU运算效率相对较弱，但通用性好，我们认为，未来具有较大细分领域需求的ASIC芯片有很强的发展前景。
此外，下游应用场景格局也在逐步清晰，智能驾驶与基因测序具有良好的市场成长性，成为投资热点，技术也更加成熟，有望成为算力时代最先普及的应用场景，同时受益于比特币的热度，区块链产业逐渐步入人们视野，相应的技术正蓬勃发展。
从Facebook、微信每月新增活跃用户数量上，我们可以看到移动互联网红利已见顶，未来移动互联网发展增速将趋缓，而云算力投资是云计算领域的最新变量，将不受云计算周期波动;
从云算力投资规模上看：
云算力投资年复合增长率可达44%，至2020年有望达到62亿美元，同时，算力投资结构出现变化，公有云算力投资比例大幅提升，至2020年将超过10%。算力时代由0至1产生增量需求，从产业链的角度看，上游芯片与下游应用有望打开市场新空间。
从算力产业链来看：
加速器芯片有望颠覆现有格局，应用领域规模化将迎来机会。
加速器芯片使算力时代的高算力需求得以实现，云计算服务器的算力配置模式，将使得CPU+加速器的模块化能力成为未来主流，加速器芯片的竞争力以及模块化综合竞争力成为未来半导体产业竞争的重要因素。
从加速器芯片的几个类别来看:
GPU方面，形成了NVIDIA+AMD七三开的市场格局，NVIDIA深度打造应用场景生态，构建壁垒，而AMD作为同时具备CPU+GPU模块化能力的厂商，有望在云算力时代颠覆原有服务器芯片产业格局，成为最大赢家;FPGA方面，技术壁垒高，多用于军事领域，美国厂商垄断市场，国内处于渐进式突破阶段，份额还非常低;ASIC方面对下游细分领域需求量有较高要求，典型如区块链应用，国内厂商发展迅速，ASIC领域是国内厂商有望实现弯道超车的较好选择。
应用方面，我们着重分析了包括出行智能化、基因测序、区块链、3D渲染等几种高算力应用场景:出行智能化方面，技术的不断发展使得无人驾驶的制造成本快速下降，有望加速量产落地，实现产业规模化;基因测序方面，中游测序服务机构、生物信息分析机构具有较低的技术壁垒与良好的市场成长性，成为VC投资热点，发展潜力大。
—
完
—
这可能是微服务写的最全的一篇文章
来源：IT技术之家
今年有人提出了2018年微服务将疯狂至死，可见微服务的争论从未停止过。在这我将自己对微服务的理解整理了一下，希望对大家有所帮助。
1.什么是微服务
1）一组小的服务（大小没有特别的标准，只要同一团队的工程师理解服务的标识一致即可）
2）独立的进程（java的tomcat，nodejs等）
3）轻量级的通信（不是soap，是http协议）
4）基于业务能力（类似用户服务，商品服务等等）
5）独立部署（迭代速度快）
6）无集中式管理（无须统一技术栈，可以根据不同的服务或者团队进行灵活选择）
ps：微服务的先行者Netflix公司，开源了一些好的微服务框架，后续会有介绍。
2. 怎么权衡微服务的利于弊
利：
强模块边界 。（模块化的演化过程：类-->组件/类库（sdk）-->服务(service)，方式越来越灵活）
可独立部署。
技术多样性。
弊：
分布式复杂性。
最终一致性。（各个服务的团队，数据也是分散式治理，会出现不一致的问题）
运维复杂性。
测试复杂性。
3. 企业在什么时候考虑引入微服务
从生产力和系统的复杂性这两个方面来看。公司一开始的时候，业务复杂性不高，这时候是验证商业模式的时候，业务简单，用单体服务反而生产力很高。随着公司的发展，业务复杂性慢慢提高，这时候就可以采用微服务来提升生产力了。至于这个转化的点，需要团队的架构师来进行各方面衡量，就个人经验而言，团队发展到百人以上，采用微服务就很有必要了。
有些架构师是具有微服务架构能力，所以设计系统时就直接设计成了微服务，而不是通过单服务慢慢演化发展成微服务。在这里我并不推荐这种做法，因为一开始对业务领域并不是很了解，并且业务模式还没有得到验证，这时候上微服务风险比较高，很有可能失败。所以建议大家在单服务的应用成熟时，并且对业务领域比较熟悉的时候，如果发现单服务无法适应业务发展时，再考虑微服务的设计和架构。
4.微服务的组织架构
如上图左边，传统的企业中，团队是按职能划分的。开发一个项目时，会从不同的职能团队找人进行开发，开发完成后，再各自回到自己的职能团队，这种模式实践证明，效率还是比较低的。
如上图右边，围绕每个业务线或产品，按服务划分团队。团队成员从架构到运维，形成一个完整的闭环。一直围绕在产品周围，进行不断的迭代。不会像传统的团队一样离开。这样开发效率会比较高。至于这种团队的规模，建议按照亚马逊的两个披萨原则，大概10人左右比较好。
5：怎么理解中台战略和微服务
中台战略的由来：马云2015年去欧洲的一家公司supersell参观，发现这个公司的创新能力非常强，团队的规模很小，但是开发效率很高。他们就是采用中台战略。马云感触很深，回国后就在集团内部推出了中台战略。
简单的理解就是把传统的前后台体系中的后台进行了细分。阿里巴巴提出了大中台小前台的战略。就是强化业务和技术中台，把前端的应用变得更小更灵活。当中台越强大，能力就越强，越能更好的快速响应前台的业务需求。打个比喻，就是土壤越肥沃，越适合生长不同的生物，打造好的生态系统。
6：服务分层
每个公司的服务分层都不相同，有的公司服务没有分层，有的怎分层很多。目前业界没有统一的标准。
下面推荐一个比较容易理解的两层结构。
1：基础服务： 比如一个电商网站，商品服务和订单服务就属于基础服务（核心领域服务）。缓存服务，监控服务，消息队列等也属于基础服务（公共服务）
2：聚合服务 ：例如网关服务就算一种聚合服务（适配服务）。
这是一种逻辑划分，不是物理划分，实际设计的东西很多很复杂。
7：微服务的技术架构体系
下图是一个成型的互联网微服务的架构体系：
1：接入层 负载均衡作用，运维团队负责
2：网关层 反向路由，安全验证，限流等
3：业务服务层 基础服务和领域服务
4：支撑服务层
5：平台服务
6：基础设施层 运维团队负责。（或者阿里云）
8：微服务的服务发现的三种方式
第一种：如下图所示，传统的服务发现（大部分公司的做法）。服务上线后，通知运维，申请域名，配置路由。调用方通过dns域名解析，经过负载均衡路由，进行服务访问。缺点： LB的单点风险，服务穿透LB，性能也不是太好
第二种：也叫客户端发现方式。如下图所示。通过服务注册的方式，服务提供者先注册服务。消费者通过注册中心获取相应服务。
并且把LB的功能移动到了消费者的进程内，消费者根据自身路由去获取相应服务。优点是，没有了LB单点问题，也没有了LB的中间一跳，性能也比较好。但是这种方式有一个非常明显的缺点就是具有非常强的耦合性。针对不同的语言，每个服务的客户端都得实现一套服务发现的功能。
第三种：也叫服务端发现方式，如下图所示。和第二种很相似。但是LB功能独立进程单独部署，所以解决了客户端多语言开发的问题。唯一的缺点就是运维成比较高，每个节点都得部署一个LB的代理，例如nginx。
9.微服务网关
网关就好比一个公司的门卫。屏蔽内部细节，统一对外服务接口。
下图是一个网关所处位置的示例图。
10：Netflix Zuul网关介绍
核心就是一个servlet，通过filter机制实现的。主要分为三类过滤器：前置过滤器，过滤器和后置过滤器。
主要特色是，这些过滤器可以动态插拔，就是如果需要增加减少过滤器，可以不用重启，直接生效。原理就是：通过一个db维护过滤器（上图蓝色部分），如果增加过滤器，就将新过滤器编译完成后push到db中，有线程会定期扫描db，发现新的过滤器后，会上传到网关的相应文件目录下，并通知过滤器loader进行加载相应的过滤器。
整个网关调用的流程
上图从左变http Request开始经过三类过滤器，最终到最右边的Http Response，这就是Zull网关的整个调用流程。
在此我向大家推荐一个架构学习交流群。交流学习群号：478030634 里面会分享一些资深架构师录制的视频录像：有Spring，MyBatis，Netty源码分析，高并发、高性能、分布式、微服务架构的原理，JVM性能优化、分布式架构等这些成为架构师必备的知识体系。还能领取免费的学习资源，目前受益良多
11：微服务的路由发现体系
整个微服务的路由发现体系，一般由服务注册中心和网关两部分组成。以NetFlix为例子，Eureka和Zull这两个组件支撑了netFlix整个的路由发现体系。如下图所示，首先外部请求发送到网关，网关去服务注册中心获取相应的服务，进行调用。其次内部服务间的调用，也通过服务注册中心进行的
12.微服务配置中心
目前大部分公司都是把配置写到配置文件中，遇到修改配置的情况，成本很高。并且没有修改配置的记录，出问题很难追溯。配置中心就接解决了以上的问题。
可配置内容：数据库连接，业务参数等等
配置中心就是一个web服务，配置人员通过后台页面修改配置，各个服务就会得到新的配置参数。实现方式主要有两种，一种是push，另一种是pull。两张方式各有优缺点。push实时性较好，但是遇到网络抖动，会丢失消息。pull不会丢失消息但是实时性差一些。大家可以同时两种方式使用，实现一个比较好的效果。如下图所示，这是一个国内知名互联网公司的配置中心架构图。
开源地址：http://github.com/ctripcorp/appollo
13：RPC遇到了REST
内部一些核心服务，性能要求比较高的可以采用RPC，对外服务的一般可以采用rest。
14：服务框架和治理
微服务很多的时候，就需要有治理了。一个好的微服务框架一般分为以下14个部分。如下图所示。这就是开篇所说的，微服务涉及的东西很多，有些初创公司和业务不成熟的产品是不太适合的，成本比较高。
目前国内比较好的微服务框架就是阿里巴巴的DUBBO了,国外的就是spring cloud,大家可以去研究一下.
15：监控体系
监控是微服务治理的重要环节。一般分为以下四层。如下图所示。
监控的内容分为五个部分：日志监控，Metrics监控（服务调用情况），调用链监控，告警系统和健康检查。
日志监控，国内常用的就是ELK+KAFKA来实现。健康检查和Metrics，像spring boot会自带。Nagios也是一个很好的开源监控框架。
16:Trace调用链监控
调用链监控是用来追踪微服务之前依赖的路径和问题定位。例如阿里的鹰眼系统。主要原理就是子节点会记录父节点的id信息。
下图是目前比较流行的调用链监控框架。
17：微服务的限流熔断
假设服务A依赖服务B和服务C，而B服务和C服务有可能继续依赖其他的服务，继续下去会使得调用链路过长。如果在A的链路上某个或几个被调用的子服务不可用或延迟较高，则会导致调用A服务的请求被堵住，堵住的请求会消耗占用掉系统的线程、io等资源，当该类请求越来越多，占用的计算机资源越来越多的时候，会导致系统瓶颈出现，造成其他的请求同样不可用，最终导致业务系统崩溃。
一般情况对于服务依赖的保护主要有两种方式：熔断和限流。目前最流行的就是Hystrix的熔断框架。
下图是Hystrix的断路器原理图：
限流方式可以采用zuul的API限流方法。
18.Docker 容器部署技术&持续交付流水线
随着微服务的流行，容器技术也相应的被大家重视起来。容器技术主要解决了以下两个问题：
1：环境一致性问题。例如java的jar/war包部署会依赖于环境的问题（操着系统的版本，jdk版本问题）。
2：镜像部署问题。例如java，rubby，nodejs等等的发布系统是不一样的，每个环境都得很麻烦的部署一遍，采用docker镜像，就屏蔽了这类问题。
下图是Docker容器部署的一个完整过程。
更重要的是，拥有如此多服务的集群环境迁移、复制也非常轻松，只需选择好各服务对应的Docker服务镜像、配置好相互之间访问地址就能很快搭建出一份完全一样的新集群。
19.容器调度和发布体系
目前基于容器的调度平台有Kubernetes，mesos，omega。下图是mesos的一个简单架构示意图。
下图是一个完整的容器发布体系
近日，由工业和信息化部电子科学技术情报研究所指导，计世资讯发布《2017-2018年中国私有云市场现状与发展趋势研究报告》。
中国是私有云部署率和关注度都非常高的市场，报告详细解读了私有云的定义、中国私有云市场的现状规模和特点、中国客户的需求、中国私有云未来发展趋势、中国私有云部署成功案例以及私有云市场的重点厂商等。
研究结果表明，2018年中国私有云市场总体规模预计可达到512.4亿元，同比增长27.0%。
2018年私有云市场的发展速度明显加快，这主要得益于各级政府相继出台推动企业上云的各项促进政策，政务云、金融云等行业云市场相对活跃。
如此巨大的市场，也充分调动了新老IT厂商的充分展示自身的优势，在中国私有云市场一争高下。
*2018私有云市场各品牌竞争力分析象限
从2018年私有云市场各品牌竞争力分析的象限图中我们不难发现，除了国际老牌虚拟化厂商VMware之外，在领导者象限领域均是中国IT厂商，排在前三位是华为、新华三和华云，简称“三华”。
“三华”的共同特点都是坚持打造具有中国本土特色的IT，满足中国客户的特色需求，不过在发展思路和产品方案方面各具特色。
华为
是中国IT厂商中当之无愧的领导者，深刻认识到数据红利的价值，前几年完成从CT向IT转型之后，如今又紧紧抓住云计算和人工智能的风口，提出“全栈云”概念，升级私有云方案，推出FusionCloud 6.5全栈私有云解决方案。
新华三
前两年完成对老华三和惠普产品线的整合之后，开始在云计算领域跃跃欲试，今年和母公司紫光公有云双剑合璧，声称要与那些互联网云计算服务商来一次“错位竞争”，在私有云市场中凭借在硬件领域传统的“硬”实力，也做了不少项目。
华云
是中国云计算市场中的创新型厂商，2010年做IDC和公有云起家，2014年转型私有云之后一路风生水起，与前“两华”不同，华云的杀手锏是其CloudUltra云软件平台，今年也推出了以这款软件为核心的超融合产品和面向混合云市场的新一代企业级运平台CloudUltra 4.0产品。凭借在制造、政务和教育领域的几个千万大单获得了市场的广泛关注，从2017年的创新者跃居为2018年的领导者。
传统的电信厂商中国电信、中国移动多年来积累了丰富的客户资源，在私有云市场大热之际，也做了不少的私有云项目。不过，在针对性私有云产品创新方面还未见较大起色，在这种竞争趋势下面临着巨大的转型挑战。
反观创新者象限则聚集着青云、云宏、云图腾等众多创新型厂商，都是轻量级软件型厂商，各具特色但殊途同归，在产品创新方面推陈出新，但产品稳定性和安全性还需要在项目中不断获得验证，在执行力方面还有待提升。
