Marvell美满电子科技今日宣布,推出全球首款面向大众市场移动计算解决方案的DRAM-less NVMe(高速非易失性内存),采用业界领先的NANDEdge低密度奇偶校验(LDPC)技术,支持TLC和3D NAND。Marvell 88NV1140和88NV1120可使小型SSD解决方案具备无与伦比的性能,可集成到超薄平板电脑、Chrome设备以及即将出现的最新二合一混合式/可拆卸PC平台中。
Marvell公司总裁、联合创始人戴伟立(Weili Dai)女士表示:“移动计算和云服务已经成为日常生活不可或缺的组成部分,因此,快速、安全、可靠和经济实惠的小封装移动存储器件已成为技术惠及大众市场的关键。我相信,我们突破性的全新SSD控制器将促使小封装SSD解决方案在大众市场移动计算平台中的采用掀起新一轮高潮。我很高兴看到Marvell长久以来一直致力于发明和创新,此次推出全球首款DRAM-less NVMe SSD控制器,并采用支持最新TLC和3D NAND闪存的业界最先进的LDPC技术,也体现了Marvell所具备的领先实力。感谢我们的全球工程团队,他们不断提高整个行业的技术水平,促进了行业的快速发展。”
Marvell 88NV1140和88NV1120外形小巧,封装尺寸仅为8mm x 8mm,可使SSD设备小如M.2 2230(长度30mm)。此外,这些最新的尖端控制器可用来开发NVMe BGA或SATA BGA SSD,可在与NAND实现多芯片封装(MCP)集成的嵌入式SRAM上运行。88NV1140和88NV1120采用28nm低功率CMOS工艺节点技术制造,具备同类最佳的有功功率性能,同时支持所有低功率模式(面向PCIe设备的L1.2和面向SATA设备的DevSlp)。与此前推出的88SS1093 PCIe Gen3x4 NVMe和88SS1074 SATA SSD控制器一样,这两款最新解决方案也采用了Marvell第三代NANDEdge纠错技术。通过为NANDEdge技术开发代码,SSD固件开发人员可迅速将这套代码应用于其他设备,使其具备最先进的纠错技术,提高数据完整性、耐用性和可靠性。此外,Marvell NANDEdge LDPC技术可支持15/16nm TLC和3D NAND,降低了客户使用支持TLC和3D NAND SSD的成本。此次推出的NVMe设计已经通过内部SSD验证以及第三方操作系统及平台的兼容性测试。
Marvell最新88NV1140和88NV1120主要特色包括:
• 88NV1140:通过PCIe Gen3x1支持AHCI和NVMe:
o 支持硬件全面自动化的NVMe 1.1b;
o 低功率管理(L1.2)设计。
• 88NV1120:支持SATA 6Gb/s:
o 支持SATA DevSlp。
• 88NV1140和88NV1120均具备:
o 强大的双核Cortex R5 CPU;
o 嵌入式SRAM具备硬件加速器以优化IOPS性能;
o 支持ONFI3和Toggle2 NAND;
o NANDEdge纠错:支持15nm TLC和3D NAND,运用LDPC技术提高耐用性和可靠性;
o 支持BGA SSD和纤巧的M.2/2.5外形尺寸,具备热性能优化功能,封装尺寸很小;
o 28nm低功率CMOS工艺。
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。