来自Objective Analysis公司的芯片业务分析师Jim Handy就最近3D NAND技术的相关问题提出了自己的观点,而我们(El Reg网站存储频道)则邀请他就其中几个简短问题作出了进一步阐述。
他的回应实在非常简洁,因此我们甚至不需要对他的发言进行重新整理——请一起来看具体情况。
El Reg: 3D NAND当中到底有没有使用TSV(即硅通孔技术——以垂直电子连接贯穿整个芯片)?如果没有使用,理由又是什么?
Jim Handy: 3D NAND当中并没有采用TSV,理由很简单——根本不需要。TSV的作用在于连接不同芯片,而3D NAND本身就是单独的一块芯片。
El Reg: 那么3D NAND是否使用了平面单元堆叠技术?
Jim Handy: 3D NAND使用的是侧向单元。这种设计与平面单元存在很大的不同。其实如果能不再将其称为“3D”、转而使用“侧向”NAND这种称呼,大家可能就会对其设计思路拥有更清晰的印象与更准确的把握。
El Reg: 平面NAND与3D NAND中的闪存单元在几何开关上有哪些不同之处?3D NAND会给光蚀刻工艺带来怎样的影响?
Jim Handy: 3D NAND单元的形状上类似于甜甜圈,而平面单元则是又扁又方。我们很难直接就“大小”对二者者比较,因为它们是由多种不同组成部分汇聚所构成。3D NAND芯片的制造方面对光蚀刻技术的要求并不高,因此制造商可以利用40到50纳米这类要求更为宽松的制程技术——不过这种结构中的层数更高。
Jim Handy:三星公司已经实现了较高的产品可靠性表现,但并没有发布规范来巩固这一技术成果。一位专业素养出众的记者曾在去年八月发表过一篇题为《三星正在打造3D NAND闪存芯片》的文章。作者在文中指出:“我猜测该公司所使用的电荷限制技术能够降低产品的规定能耗并延长其使用寿命,因此这就实现了双赢目标:不仅写入功耗更低、使用周期也更长。不过就个人而言,我对这套方案并不乐观。”
不过这位分析师继而敏锐地发现了其它端倪。“我发现了一种有趣的现象,目前三星正在生产其2G 3D V-NAND,但在该公司之外我没遇到过任何一家曾经见识过其1G 3D V-NAND产品的企业用户。”
TSV属于芯片之间的连接方案,因为单独一块芯片根本不需要这项技术。没错,这就是我们要找的答案——请大家把它记在脑袋里或者写在电脑的屏幕保护程序当中。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。