SanDisk已经正式发布一款全新4TB闪存驱动器,于今天摆上货架的新产品将原有固态驱动器的最大存储能力提升一倍。
这款4TB Optimus MAX——听起来像是Optimus Prime(擎天柱)的老大哥——属于2TB Optimus Eco的换代产品,相关技术则由SanDisk在收购SMART Storage公司时一并获得。
这款全新SSD能在每天写满三次驱动器容量的状态下正常工作五年。它拥有一个SAS接口,基本性能参数如下所示(括号内为上代Optimus Eco产品的对比数字):
为什么MAX的速度表现上不及Eco?SanDisk方面给出的解释是,Eco使用的是19纳米MLC闪存芯片,而MAX则由19纳米eMLC打造而成——后者虽然属于更高级别的闪存方案,但与我们想象中的一般性升级有所不同。MAX的速度表现确实要差一些,其随机写入速度只能达到Eco的三分之一。
Optimus家族还迎来了多位全新以及经过升级的成员,它们全部采用19纳米eMLC NAND。对每日全盘写入(简称FDWD)次数的快速比较有助于大家了解这些产品的具体定位:
各产品的性能参数分别为:
新一代Optimus Eco在速度上低于前代Eco;这可能是为了针对某种细分市场所作出的优化调整。
其实我们对于该系列产品的名称设置有点困扰,因为Extreme、MAX以及Ultra几乎都代表着顶级的含义,不过这倒也不是什么大问题。除此之外,Optimus家族与SanDisk所收购的SMART公司旗下的Lightning品牌SSD也存在诸多交集,具体情况我们稍后再进行探讨。
以上固态硬盘全部采用6Gb每秒SAS接口,而新一代Lightning设备则普及了12Gb每秒SAS接口。这些Optimus设备提供完整的数据路径保护功能、支持T10-DIF以及备用电源电路。
SanDisk预计其SSD的存储容量将超过2.5英寸磁盘驱动器。在一份未标明时间的图表中,我们看到0.9TB的2.5英寸磁盘被作为4TB Optimus MAX的对比对象。而在1.2TB磁盘驱动器的对应时间点,SanDisk将推出8TB容量SSD。当磁盘驱动器容量达到1.6TB时,其固态硬盘将带来16TB的惊人存储能力。
从直观角度来看,2.5英寸磁盘驱动器的发展前景实在不容乐观,而磁盘代工合作伙伴东芝则必须想办法将其重新带入正轨。目前2.5英寸磁盘的最大存储容量已经能够突破1TB,希捷甚至已经推出了2TB SpinPoint磁盘产品;此外,即将面世的HAMR(即热辅助磁记录)技术则应该有能力将容量进一步提升至4TB、8TB乃至更高。HGST目前在售的TravelStar驱动器能够实现1.5TB存储空间,而其氦气填充式驱动器技术以及HAMR有望帮助其紧跟甚至超越希捷所设定的2.5英寸磁盘驱动器发展路线图。
在以上图表中,SanDisk为SSD设置的比较对象很可能是高性能1.5万转2.5英寸磁盘驱动器,不过这一点在图上并未得到体现。在我们看来,SanDisk也许确实有可能在3D NAND产能提升的带动下、一步步推动其SSD产品获得超越2.5英寸磁盘的存储容量,不过这一目标的实现还需要相当长的过渡期。
同样于今天发布的消息还有:SanDisk的第二代Lightning数据中心SSD产品将由原本的34纳米闪存转为19纳米闪存,SAS接口也将由原先的每秒6Gb升级至每秒12Gb。作为家族中速度最快的设备,配备高速SLC闪存芯片的Lightning Ultra能够在25 FDWD的状况下正常工作五年——这在某种意义上来说创造了新的纪录:
如果最终Lightning与Optimus两大产品线合二为一、我们也不会感到太过惊讶;不过SanDisk方面可能最终依据SSD配备的6Gb或者12Gb SAS接口来对产品线进行划分。
下面来看Lightning家族各位成员的性能指标:
SanDisk坚信并引用Gartner的表述来支持其观点,称截至2015年年末、存储与服务器SSD的每GB存储资源成本将降至1美元以下,而这要归功于1Z(即15纳米工艺)NAND芯片所带来的成本效率提升。到2017年,逐渐改善的性价比将让SSD能够在关键性业务与任务领域同磁盘驱动器直接竞争。到那个时候,SanDisk将利用其与3D NAND机制类似的BICS技术在进一步实现存储容量提升的同时、为客户带来更具吸引力的每GB使用成本。
对于全新出炉的Optimus以及Lightning SSD产品,目前我们还没有得到确切的定价以及上市时间消息。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。