随着三级单元(简称TLC)NAND普及程度的稳步提高,Silicon Motion公司正积极图谋利用其于本周闪存存储峰会上发布的最新SSD控制器进一步加快上述趋势。该公司表示,其商用SM2256每秒6Gbit SSD控制器支持1x/1y/1z TLC NAND,不仅是该类别中的首款产品、而且建立在其去年发布的初代SATA 3 SSD控制器的容量基础之上。
Silicon Motion公司美国SMI副总裁兼总经理Robert Fan表示,SM2256的设计目的在于利用其客户端设备为大量TLC NAND提供支持——其中包括3D NAND,并计划借此帮助OEM厂商获取包括固件在内的完整软件包、从而不断向市场投放新的TLC NAND SSD产品。他强调称,这项新型控制器技术将有助于降低TLC NAND SSD产品价格,从而使其应用在更为广泛的客户端设备之上——其中包括目前仍普遍使用传统磁盘驱动器的笔记本设备。
今年早些时候IHS Technology发布了一份报告,调查发现目前HDD市场由于智能手机与平板设备的快速崛起而陷入困境,这种状况也在一定程度上给消费级PC市场带来了影响。不过SSD市场仍在持续增长,这要归功于近来出现的SSD成本下降外加超级本与超薄式PC设备所引发的闪存驱动器使用热潮。
TLC NAND方案面临的关键性挑战之一在于使用寿命,就这一问题Fan表示可以利用合理的控制器技术成果加以解决,而这反过来都会进一步促进TLC NAND的普及。SM2256控制器当中包括该公司的NANDXtend技术,根据他的说法,该技术能够为TLC NAND带来三倍于初始水平的P/E生命周期、同时克服了其在耐用性及数据保留方面的短板。
在性能方面,SM2256的连续读取能力可达每秒524Mb,连续写入能力则可达每秒400Mb,而随机读取与随机写入则分别可达9万IOPS与7万IOPS。Fan表示SM2256的完整设计工具如今已经正式推出,其中包括一份控制器数据表、评估方案、原理图以及固件。该产品也能支持客户的自定义固件。Silicon Motion预计使用SM2256控制器的闪存产品将于明年年初与广大用户见面。
Objective分析公司首席分析师Jim Handy指出,Silicon Motion目前在对应市场区划中拥有极具吸引力的定位,这主要是考虑到希捷已经收购了LSI、而Marvell也受到了相当程度的认可。尽管Silicon Motion并没有在建立之初就迈入SATA SSD控制器供应商阵营,但该公司自去年开始已经开始冲击这一市场,并依靠自身在USB设备控制器方面的丰富经验为TLC产品推广与使用体验改进提供辅助,他解释称。
Handy表示,他曾在一年前预计TLC将迎来普及度提升,并指出这样的成长轨迹与MLC闪存颇为相似——后者当初也曾被认为无法胜任客户机SSD的可行方案。然而在找到了市场突破口之后,MLC最终还是取得了进军企业级市场的途径。他认为TLC将遵循同样的发展路线——在不久的将来被应用为客户机SSD,并最终出现在企业设备当中。当然,这一切在未来一到两年中恐怕还无法实现。
与此同时,内存供应商们正积极寻求改进NAND整体成本竞争力的办法。举例来说,美光公司正在推进其16纳米TLC路线图,并预计将在今年年底时拿出16纳米TLC产品的示范性组件——基于客户机的TLC SSD则将在2015年春季面世。三星曾于2012年秋季公布过采用TLC机制与21纳米制程技术的64 Gbit NAND闪存产品,并于2013年5月公布了采用10纳米级别制程技术以及128 Gbit TLC NAND芯片的高级NAND闪存设备。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。