对服务器与计算产品竞争来说，2017年注定是令人振奋的一年。今年的影响范围不仅面向企业数据中心和共享云端，而且还扩展到新兴的“边缘计算”。边缘计算指在数据生成点、或其附近处理数据的计算。此外，这些终端将包括经常在物联网讨论中涉及到的“海量”远程智能传感器。

我们预计：英特尔无疑将继续主导服务器市场、但会面临来自全线的巨大压力；AMD多年来一直具有和英特尔匹敌的实力，现在各方都拭目以待；在细分领域，ARM扩展的机会更可能在“边缘”而不在服务器领域；高通的Centriq CPU和其他一些ARM的计划今年都备受关注。另一方面，OpenPOWER似乎势头良好，但迄今为止还没对x86服务器市场产生明显影响。2017年或许也将有不同景象。

对所有的CPU而言，真正的挑战在于其工作方式。他们的理念建立在“数据必须进入芯片、经过芯片处理，从芯片得到结果、甚至得出新数据”的原则之上。这整个过程带来了自然的瓶颈，数十年来我们一直都在应对。随着数据量级和范围增加，该来的总会来，并行处理成为了不错的解决方式。到目前为止，这对GPGPU或加速器来说是个利好消息。

在更宏观的数据中心和共享云端业务层面，真正的问题不在于用哪个CPU（实际上，业务人士可能根本不在乎），而在于私有、公共或混合解决方案带来的经济效应。可以肯定地说，企业级计算在任何时候都不会很快消失，而且尽管混合解决方案很活跃，但其实现安装和经济效益已经被证实有一定难度。根据Gartner的预测，到2020年IaaS和 PaaS能够提供的计算能力，会比出售或部署到企业数据中心的还要多。不可否认，公司（尤其是小公司）或将在云业务中涌现，或正快速地向云端迁移。然而，并非所有公司都能从该趋势中实现预期。2017年，注定会有企业重新仔细考虑，甚至重新选择战略。

随着我们了解的深入，边缘数据爆炸将完全改变数据处理，并产生难以在云端处理的各种计算问题（尽管最终结果可能是那样）。六十多年来，计算一直跟随着数据。首先从最初的大型机数据中心到台式机，再到部门级服务器，再到企业数据中心，再到现在的云端。我认为，如果你计划把数据放入云端，经济性（网络使用成本）迟早会把你的计算也带到云端。你要基于实际需求和使用量仔细考虑。根据你的数据中心的规模和处理能力，或许有更好的总体商业成果。

主要的新兴数据资源都将基于边缘，同时也将产生很多计算需求。顺便一提，刚才提到的所有CPU应该都能很好地进行边缘计算。那么，好戏就将再度上演了。