高性能计算 (HPC) 市场规模、份额、增长、行业分析、趋势和动态，按类型（硬件、软件、服务）、按应用程序（银行、金融服务和保险 (BFSI)、游戏、媒体娱乐、零售、交通、政府国防、教育研究、制造、医疗保健和生物科学等）以及到 2035 年的区域见解和预测

高性能计算 (HPC) 市场规模

2025年全球高性能计算（HPC）市场规模为443.1亿美元，预计2026年将达到480.6亿美元，到2035年将达到997.4亿美元，2026年至2035年预测期间复合年增长率为8.45%。

随着人工智能、工程模拟、科学建模、数字孪生、基因组学、天气预报和数据密集型分析需要大幅提高计算吞吐量，高性能计算 (HPC) 市场正在不断发展。硬件仍然是部署经济的核心，而加速计算和混合基础设施正在重塑采购决策。据估计，46% 的大型 HPC 环境越来越多地结合 CPU 和加速器资源，而大约 39% 的新企业部署强调跨本地和云基础设施的工作负载编排。因此，买家通过每瓦性能、可扩展性、软件兼容性、安全性和生命周期利用率来评估系统，而不仅仅是处理器性能。

美国高性能计算 (HPC) 市场受益于成熟的云基础设施、半导体创新、国家研究计划、超大规模计算投资以及企业对人工智能计算的强劲需求。近 44% 的美国大型 HPC 用户正在将加速计算集成到模拟或分析工作流程中，而约 36% 的用户正在增加混合 HPC 利用率以管理可变计算负载。金融机构、制造商、医疗保健研究人员、政府实验室、大学和科技公司正在优先考虑能够处理并行处理、复杂建模、机器学习和大量科学工作负载并提高能源效率的系统。

主要发现

• 全球高性能计算 (HPC) 市场将从 2026 年的 480.6 亿美元开始强劲增长，到 2027 年将达到 521.2 亿美元，预计到 2035 年将达到 997.4 亿美元。在 2026 年至 2035 年的预测期内，该市场预计将以 8.45% 的复合年增长率扩张。
• 由于人工智能工作负载、科学模拟、工程应用、数据密集型分析以及企业和研究机构加速计算需求的不断扩大，对高性能计算解决方案的需求正在不断增长。
• 高性能计算系统对于复杂的处理环境至关重要，可实现大规模模拟、高级建模、机器学习、基因组分析、财务分析和需要卓越处理速度和计算可扩展性的工程工作负载。
• 对人工智能基础设施、基于云的高性能计算、加速器支持的系统、国家研究计划和节能数据中心的投资不断增加，正在支持市场扩张并鼓励采用先进的计算架构。
• 在强大的超大规模基础设施和研究投资的支持下，北美占全球市场的 35%，而亚太地区则占 31%，并通过人工智能开发、工业数字化和科学计算计划不断扩大。

高性能计算采购不同于传统的企业基础设施，因为用户评估持续的工作负载性能而不是名义处理器规格。计算密度、内存带宽、互连延迟、存储吞吐量、软件可移植性和冷却能力直接影响部署选择。大约 43% 的技术买家现在会在重大基础设施升级之前检查每瓦性能，而 37% 的买家会优先考虑与加速 AI 工作负载的兼容性。研究机构通常强调计算精度和可扩展性，而企业越来越需要灵活的消费模式。随着调度程序、容器化环境和工作负载管理软件帮助组织减少闲置资源并提高对昂贵计算能力的访问，集群利用率也正在成为运营优先事项。

高性能计算 (HPC) 市场趋势

高性能计算 (HPC) 市场正在转向异构架构，其中 CPU 与 GPU 和专用加速器一起运行。这种方法支持人工智能训练、计算流体动力学、分子建模、地震处理、财务分析和数字工程，而无需将每个工作负载强制到相同的硬件上。支持加速器的架构影响约 47% 的现代化计划，而近 41% 的运营商更加重视高带宽内存和低延迟互连。另一个决定性趋势是 HPC 和 AI 基础设施之间的融合。组织越来越期望集群能够与机器学习管道一起处理传统模拟，从而产生对统一调度、可扩展存储、容器支持和优化开发环境的需求。

基础设施交付同时变得更加灵活。混合架构允许组织在本地保留敏感或可预测的工作负载，同时将突发容量和临时项目转移到可扩展的云环境中。大约 38% 的 HPC 决策者认为混合工作负载可移植性具有战略重要性，而 33% 的决策者在更新密集计算基础设施时优先考虑节能冷却。由于计算密度不断增加，直接液体冷却、先进的热监控、模块化系统和工作负载感知电源管理越来越受到关注。随着买家寻求简化的编排、自动化的资源分配、可观察性、安全性和应用程序可移植性，软件也变得具有战略重要性。这些发展正在逐渐将 HPC 从孤立的专业集群转向为研究、工程、人工智能、分析和关键任务企业工作负载提供服务的适应性计算环境。

高性能计算 (HPC) 市场动态

机会

扩展人工智能就绪和混合 HPC 基础设施

人工智能和科学计算的融合为能够集成加速硬件、可扩展存储、网络、编排和云容量的提供商创造了大量机会。大约 45% 的预期 HPC 现代化项目包括人工智能兼容加速的要求，而 37% 将混合部署灵活性作为重要的采购考虑因素之一。提供商可以通过特定于工作负载的架构、托管集群、应用程序优化、简化的迁移和基于消耗的计算来脱颖而出。当组织面临间歇性高峰工作负载但无法证明永久扩大本地容量时，机会尤其明显。节能系统设计还创造了商业机会，因为运营商寻求更高的计算输出，而不按比例增加设施要求。

驱动程序

人工智能、科学和工程领域的计算强度不断增加

随着组织处理更大的模型、更精细的模拟、日益复杂的数据集和互连的数字系统，计算需求正在不断扩大。大约 49% 的高级计算用户正在提高加速器利用率来满足要求较高的工作负载，而 40% 的用户将更快的模拟或分析处理视为重要的基础设施目标。制造工程、生物科学、金融建模、政府研究、交通分析和学术计算越来越需要大规模并行处理。这种压力鼓励投资于更密集的服务器、先进的处理器、高速网络、可扩展的存储和复杂的工作负载调度程序。更快地完成计算工作的能力可以直接改善研究周期、产品开发、运营规划和分析响应能力。

市场限制

"高基础设施和能源要求限制了更广泛的部署"

HPC 基础设施需要专用处理器、高速互连、密集存储、先进的冷却、弹性电源系统和技术熟练的管理。这些要求可能会限制计算工作负载不够一致而无法证明专用集群合理性的组织的采用。能源效率变得尤为重要，约 42% 的运营商将电力或冷却需求视为重要的基础设施考虑因素。与此同时，大约 31% 的小型潜在用户更喜欢共享或云资源，因为在内部维护专用系统会带来操作复杂性。因此，采购决策越来越多地考虑总利用率、设施准备情况、软件许可、应用程序优化、维护要求和设备更新周期，而不是独立评估计算性能。

市场挑战

"软件复杂性和专业人才仍然是持续存在的运营障碍"

从 HPC 系统中获取最大性能需要的不仅仅是安装强大的处理器。应用程序必须并行化、针对异构硬件进行优化、有效调度，并得到可扩展数据管道的支持。大约 36% 的 HPC 操作员将专业技能的可用性视为操作限制，而 29% 的 HPC 操作员在将已建立的应用程序迁移到面向加速器的架构时遇到困难。传统的科学代码可能需要进行大量修改才能有效地利用 GPU 或替代加速器。组织还必须管理网络安全、工作负载隔离、数据移动、存储性能、可观察性和混合编排。这些相互关联的要求使得应用程序现代化和技术劳动力发展成为基础设施投资是否转化为可衡量的计算生产力的重要决定因素。

细分分析

高性能计算 (HPC) 市场按类型分为硬件、软件和服务，而应用需求涵盖 BFSI、游戏、媒体和娱乐、零售、运输、政府和国防、教育和研究、制造、医疗保健和生物科学以及其他计算密集型活动。硬件仍然发挥着核心作用，因为处理器密度、内存带宽、存储吞吐量、网络性能和热设计确定了集群性能的物理限制。随着异构基础设施变得越来越难以管理，软件和服务变得越来越具有战略重要性。大约 46% 的 HPC 现代化计划强调加速器兼容平台，而 34% 则更加关注编排和工作负载管理。应用程序需求差异很大，使得特定于工作负载的架构对于供应商和买家来说变得越来越重要。

按类型

硬件:硬件通过服务器、处理器、加速器、内存、网络设备、存储系统和热基础设施构成了 HPC 环境的计算基础。大约 52% 的以基础设施为重点的采购优先事项与计算密度和加速相关，而 41% 则强调内存带宽或互连性能。支持 GPU 的系统越来越多地与传统 CPU 集群一起部署，因为组织需要对人工智能、模拟、可视化和科学工作负载进行高效的并行处理。买家还更加关注功耗、液体冷却就绪性、模块化可扩展性和组件可用性。硬件架构越来越多地反映特定的工作负载配置文件，而不是依赖于每个计算任务的标准化配置。

软件:HPC 软件包括工作负载调度程序、集群管理工具、开发环境、优化框架、安全层、监控应用程序和编排技术。大约 38% 的运营商越来越重视能够协调异构资源的软件，而 32% 的运营商优先考虑容器化或应用程序可移植性。软件决定了处理器、加速器、存储和网络资源在并发工作负载中的利用效率。随着环境将传统模拟与人工智能管道相结合，管理员需要能够根据工作负载特征分配资源的统一工具。优化软件变得尤为重要，因为尽管对先进硬件进行了大量投资，但配置不当的应用程序可能会导致大量计算能力未得到利用。

服务:服务包括系统设计、实施、集成、工作负载迁移、优化、托管计算、维护和技术咨询。近 35% 的组织进行复杂的 HPC 现代化，寻求外部专业知识来进行架构或部署，而 28% 的组织则使用专门的支持来优化工作负载。加速计算、混合基础设施、可扩展存储和高级冷却的日益复杂性增强了需求。服务提供商帮助客户在选择基础设施之前评估工作负载行为，从而降低过度配置或架构不匹配的风险。托管 HPC 模型在需要大量计算能力但缺乏持续运营专用集群所需的内部专家的组织中也越来越重要。

按申请

银行、金融服务和保险 (BFSI):HPC 支持风险模拟、定量建模、欺诈分析、投资组合优化、监管计算和计算金融。大约 34% 的高级 BFSI 计算工作负载涉及越来越多的并行分析处理，而 27% 的技术团队强调更快的场景分析。金融机构需要能够在严格的安全和延迟要求下处理大量数据集的系统。 HPC 还支持基于人工智能的欺诈检测和复杂的压力测试环境，必须快速评估大量场景。当机构需要临时计算爆发，同时在受控环境中保留敏感数据集时，混合基础设施变得越来越重要。

赌博:游戏组织利用 HPC 进行物理模拟、渲染、人工智能、内容创建、测试和大规模后端分析。大约 31% 的计算密集型游戏工作流程越来越多地采用加速处理，而 26% 则强调可扩展的渲染资源。开发人员需要高计算吞吐量来创建复杂的环境、逼真的照明、复杂的模拟和日益详细的数字资产。 HPC 资源还支持自动化测试和玩家行为分析。可云计算对于面临不规则开发周期的工作室非常有用，因为团队可以在渲染、编译、模拟和测试高峰期间扩展资源，而无需在整个制作计划中保持同等的专用容量。

媒体娱乐:媒体和娱乐工作负载越来越需要用于渲染、视觉效果、动画、转码、虚拟制作和高分辨率内容处理的高性能基础设施。面向加速器的工作流程约占计算现代化优先事项的 36%，而 29% 的制作团队强调更快的渲染吞吐量。大型工作室受益于分布式处理，因为复杂的场景可以划分到多个节点，从而大大减少制作等待时间。存储吞吐量同样重要，因为高分辨率资产会产生大量数据移动。 HPC 架构越来越多地将渲染能力与可扩展存储、协作生产环境和云爆发连接起来，以适应截止日期驱动的峰值，而无需永久维护最大的基础设施。

零售:零售 HPC 应用程序以需求预测、库存优化、定价分析、推荐引擎、物流建模和客户智能为中心。大约 28% 的计算先进的零售商使用更高性能的分析来进行复杂的预测，而 24% 的零售商优先考虑人工智能支持的优化。零售工作负载与传统科学 HPC 不同，因为它们将大型交易数据集与快速变化的操作信号相结合。先进的计算使组织能够跨众多变量对定价、促销、履行模式和库存分配进行建模。随着人工智能驱动的销售变得更加复杂，零售商越来越需要能够支持模型训练的可扩展处理，同时保持传统的分析工作负载和季节性计算灵活性。

运输:运输组织使用 HPC 进行路线优化、空气动力学建模、自主系统开发、交通模拟、碰撞分析和基础设施规划。大约 37% 的先进交通仿真环境强调加速计算，而 30% 则优先考虑数字建模以缩短工程周期。汽车和移动开发人员特别受益于大规模虚拟测试，因为可以在物理验证之前评估许多操作条件。运输机构还使用计算模型进行网络规划和拥堵分析。日益复杂的传感器数据集、自动驾驶算法和数字孪生正在扩大对将高计算吞吐量与可扩展数据存储和快速分析处理相结合的系统的需求。

政府防御:政府和国防应用包括天气建模、国家实验室、密码研究、情报分析、工程模拟、太空计划和面向任务的科学计算。大约 45% 的先进公共部门 HPC 环境强调受控基础设施和数据安全，而 39% 则优先考虑用于建模或研究的计算能力。这些工作负载通常需要可预测的性能、高可用性、长操作生命周期和严格的访问控制。政府支持的超级计算计划还通过推进处理器架构、网络、存储、冷却和软件优化来影响更广泛的技术发展。主权计算要求进一步鼓励对敏感工作负载仍处于直接机构控制之下的基础设施的投资。

教育与研究:大学和研究组织代表了 HPC 的核心用户，因为计算科学日益补充了实验室实验。大约 48% 的研究型 HPC 工作负载涉及模拟或建模，而 35% 的工作负载越来越多地融入机器学习。应用范围涵盖物理、化学、气候科学、天文学、材料研究、工程、数学和计算社会科学。共享集群很常见，因为多个研究小组可以访问集中的资源，而不是维护独立的系统。因此，调度效率至关重要。研究机构越来越多地寻求支持传统数值应用以及基于加速器的人工智能的架构，从而创造了对灵活系统、高速存储、开放开发环境和专业技术支持的需求。

制造业:制造商使用 HPC 进行计算流体动力学、有限元分析、数字孪生、结构仿真、电子设计、流程优化和虚拟原型设计。大约 42% 的先进制造计算计划强调仿真加速，而 33% 则侧重于减少对物理原型周期的依赖。更快的计算处理使工程师能够在投入模具或生产之前检查更多的设计变化。 HPC 还支持日益复杂的数字孪生，将仿真与操作数据集成在一起。因此，制造商优先考虑可预测的应用性能、工程软件兼容性、可扩展的计算资源以及能够处理已建立的模拟工作负载和新兴的人工智能辅助设计流程的系统。

医疗保健和生物科学:医疗保健和生物科学应用包括基因组学、分子动力学、计算化学、医学成像、药物发现、流行病学建模和人工智能辅助研究。大约 40% 的高级生物科学计算工作负载越来越多地使用加速处理，而 32% 的工作负载强调可扩展的数据分析。基因组数据集和分子模拟可能需要大量内存、存储和并行计算，这使得 HPC 对于减少研究处理时间非常重要。当涉及患者相关信息时，安全和数据治理仍然是重要的考虑因素。混合模型可以帮助组织将敏感数据集与计算密集型任务分开，同时在重大研究项目期间提供对额外处理能力的临时访问。

其他的:其他 HPC 应用程序涵盖能源勘探、公用事业、电信、气象、建筑、环境科学和专业商业分析。其中大约 29% 的工作负载涉及大量模拟流程，而 23% 的工作负载越来越多地纳入人工智能支持的分析。能源组织使用 HPC 进行油藏建模和地震解释，而公用事业公司则将计算系统应用于网格分析和预测。电信运营商可以对网络性能进行建模，工程咨询公司可以对复杂的基础设施项目进行仿真。这些应用程序的需求高度依赖于工作负载，鼓励模块化架构和灵活的消费模型，而不是围绕单一计算配置文件设计的标准化系统。

高性能计算 (HPC) 市场区域展望

高性能计算 (HPC) 市场的地理结构反映了云成熟度、科学投资、半导体能力、研究基础设施、工业数字化和政府计算项目的差异。在超大规模基础设施和先进企业采用的支持下，北美占据 35% 的市场份额。亚太地区占 31%，受益于不断扩大的研究能力和数字基础设施，而欧洲则通过科学计算和工业工程需求占 24%。拉丁美洲、中东和非洲合计占剩余的 10%。区域战略越来越强调计算主权、人工智能基础设施、能源效率、国内研究能力以及先进加速器的使用。

北美

北美拥有全球高性能计算 (HPC) 市场 35% 的份额，并得到广泛的超大规模云基础设施、国家实验室、大学、技术公司、金融机构和工程组织的支持。该地区是加速架构的早期采用者，大约 48% 的主要现代化计划纳入了面向 GPU 或异构计算的要求。美国组织占据了该地区需求的大部分，而加拿大则拥有重要的研究和学术计算项目。采购重点越来越多地包括人工智能兼容性、液体冷却、混合部署、网络安全和可扩展存储。强大的软件生态系统和专业技术知识也使组织能够运行日益复杂的计算环境。

欧洲

欧洲占全球市场的 24%，其需求得到科学研究、汽车工程、航空航天、制造、气候建模、能源分析和公共超级计算计划的支持。大约 39% 的欧洲先进 HPC 现代化项目强调能源效率，反映了该地区对基础设施可持续性和运营经济性的关注。另外 31% 的人优先考虑敏感工作负载的计算主权或受控数据环境。德国、法国、英国、意大利和其他研究密集型经济体为采用做出了巨大贡献。欧洲用户越来越多地将传统模拟工作负载与人工智能结合起来，鼓励对加速器兼容集群、可扩展存储、先进冷却和可提高应用程序可移植性的软件环境进行投资。

亚太

亚太地区占据全球高性能计算 (HPC) 市场 31% 的份额，并通过半导体开发、人工智能基础设施、制造数字化、科学研究、智慧城市计划和国家计算计划继续扩大其地位。大约 44% 的先进区域项目优先考虑加速计算能力，而 36% 则强调国内可访问的计算基础设施。中国、日本、印度、韩国、澳大利亚和其他市场通过研究实验室、大学、制造企业、科技公司和公共部门项目来支持需求。人工智能开发的快速扩展正在鼓励高性能计算和机器学习平台之间的融合，而密集的计算安装也越来越关注液体冷却、电源效率和高级资源调度。

中东和非洲

中东和非洲占拉丁美洲合计 10% 份额的一部分，采用集中在能源、气象、政府研究、大学、电信和新兴人工智能基础设施领域。大约 28% 的先进区域 HPC 计划与研究或公共部门计算相关，而 22% 则强调能源部门建模和分析。海湾经济体正在增加对数据密集型基础设施和人工智能能力的投资，为可扩展的高性能计算系统和托管服务创造机会。非洲的采用仍然更具选择性，研究机构和共享计算设施发挥着重要作用。可通过云访问的 HPC 可以减少专用设施和专业运营资源仍然受到限制的基础设施障碍。

高性能计算 (HPC) 市场主要公司列表

投资分析与机会

高性能计算 (HPC) 市场的投资越来越多地转向加速计算、节能基础设施、高速网络、可扩展存储和混合交付。大约 47% 的基础设施现代化战略现在更加重视人工智能就绪的计算能力，而 35% 的战略则认为冷却效率是一个有意义的投资标准。这种转变在整个技术堆栈中创造了机会，而不是将资本专门集中在处理器上。随着计算密度的提高，内存技术、互连、存储、热系统、工作负载调度程序、可观测性软件和托管计算服务都可以受益。投资者和供应商特别关注提高系统利用率的技术，因为更高的利用率可以提高昂贵基础设施的经济性。

混合 HPC 提供了另一个重要机会，因为许多组织都经历着计算需求的波动。大约 38% 的技术成熟用户正在探索本地集群与弹性云资源之间更强的集成，而 30% 的用户在评估未来架构时优先考虑工作负载可移植性。这为编排软件、迁移服务、安全连接、托管平台和应用程序优化创造了机会。专业的垂直解决方案也变得越来越重要。生物科学、制造、金融建模、气候研究和自主系统开发具有不同的性能要求，鼓励供应商设计特定于工作负载的架构。投资策略越来越青睐能够将计算硬件与软件、服务、网络、存储、冷却和特定领域优化相结合的生态系统。

新产品开发

HPC 领域的新产品开发越来越集中于结合了 CPU、GPU、专用加速器、高带宽内存和先进互连技术的异构计算平台。大约 49% 的下一代平台计划强调改进加速器集成，而 37% 则更加关注每瓦性能。系统开发人员正在引入更密集的计算节点以及能够管理更高热负载的液体冷却技术。存储产品同样朝着更高吞吐量的方向发展，因为人工智能训练和科学模拟可以产生大量数据移动。产品差异化越来越依赖于平衡计算、内存、网络、存储、电源和冷却的能力，而不是最大化孤立的组件规格。

软件主导的创新也正在成为新 HPC 产品的核心。大约 36% 的产品现代化活动强调更轻松的工作负载编排，而 28% 则侧重于提高跨异构或混合基础设施的应用程序可移植性。新平台越来越多地包括容器支持、自动化资源调度、监控、安全控制、人工智能框架和特定于工作负载的库。供应商正在开发集成系统，旨在缩短部署时间并减少与从独立组件组装集群相关的技术负担。托管 HPC 产品进一步扩大了那些喜欢计算访问而无需直接拥有基础设施的组织的产品选择。这些发展使高级计算变得更加容易实现，同时保留了要求严格的科学和工程应用程序所需的专业性能。

最新动态

• 2025 年 11 月 – Amazon Web Services 扩展加速 HPC 功能:Amazon Web Services 改进了面向 HPC 的基础设施，更加注重加速计算、可扩展网络和 AI 兼容工作负载。加速器利用率约占以性能为导向的部署重点的 48%，而约 34% 的目标工作负载涉及模拟和计算分析。对于需要临时高容量处理而不永久扩展专用集群的组织来说，这一开发增强了基于云的替代方案。

• 2025 年 8 月——微软公司加强混合 HPC 集成:微软公司扩展了将企业基础设施与可扩展的高性能云资源连接起来的能力。大约 39% 的目标 HPC 使用案例涉及混合工作负载管理，而 31% 则强调人工智能和模拟融合。该开发解决了寻求在本地保留敏感工作负载的组织的需求，同时在需求高峰期间获得额外的计算能力，支持更大的基础设施灵活性和资源利用率。

• 2025 年 5 月——戴尔公司推出液冷加速计算系统:戴尔公司更加重视专为加速工作负载和更高效的热管理而设计的高密度 HPC 系统。液体冷却准备情况影响了大约 41% 的目标高密度配置，而 36% 则关注 GPU 密集型计算需求。该举措反映了行业对功率密度日益增长的关注，并展示了热工程如何成为下一代 HPC 产品架构的组成部分。

• 2024 年 10 月 – 国际商业机器公司增强企业 HPC 和 AI 集成:国际商业机器公司增强了计算能力，旨在支持企业环境中苛刻的分析、人工智能和科学工作负载。大约 35% 的目标用例强调计算人工智能，而 29% 涉及数据密集型建模。这一发展加强了传统高性能处理和企业人工智能之间的融合，鼓励组织通过集成基础设施管理日益多样化的工作负载。

• 2024 年 6 月 – Google, Inc. 扩展基于云的加速计算选项:谷歌公司扩大了对适合人工智能、科学处理和大规模分析工作负载的加速计算基础设施的访问范围。大约 43% 的目标密集型工作负载涉及依赖于加速器的处理，而 32% 需要可扩展的分布式计算。此次扩展为寻求云 HPC 资源的组织提高了灵活性，并加强了围绕高速网络、加速器可用性、编排和计算可扩展性的竞争。

报告范围

高性能计算 (HPC) 市场报告涵盖硬件、软件和服务以及 BFSI、游戏、媒体和娱乐、零售、运输、政府和国防、教育和研究、制造、医疗保健和生物科学以及其他计算领域的应用程序。区域评估评估北美市场份额为 35%，亚太地区为 31%，欧洲为 24%，拉丁美洲以及中东和非洲市场合计市场份额为 10%。覆盖范围检查加速计算、混合 HPC、云部署、存储、网络、冷却、工作负载管理、人工智能融合、买家优先级、运营要求、技术现代化、投资模式以及指定市场参与者之间的竞争定位。

深度分析通过扩大人工智能和模拟需求来评估市场优势，而劣势包括基础设施复杂性、功率强度和专业人才需求。大约 42% 的运营商认为能源和热效率具有战略重要性，而 34% 的运营商认为软件或劳动力复杂性是优化利用率的障碍。机会包括混合计算、托管 HPC、基于加速器的系统、液体冷却、人工智能集成平台和特定于工作负载的架构。竞争威胁包括硬件快速过时、先进组件的供应限制、计算密度不断上升以及软件迁移复杂性。因此，该报道将技术演进与采购行为、运营经济、区域采用、应用程序需求以及高性能计算 (HPC) 市场不断变化的竞争结构联系起来。