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
多年来,初创公司依赖传统营销手册制定市场策略,但AI正在改变这一现状。GTMfund合伙人表示,AI让企业能够以更少资源实现更多目标。谷歌云营销副总裁强调,虽然AI提升了效率,但营销专业知识仍不可或缺。OpenAI初创企业负责人发现,许多公司已将AI融入营销策略,通过个性化和精准定位获得竞争优势。AI工具在潜客开发和入站营销资质评估方面表现突出,企业招聘策略也从专业技能转向好奇心和适应能力。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
贝尔金推出多款Qi2无线充电产品,包括3合1充电支架、8K容量充电宝、折叠式MagSafe支架等。3合1充电支架支持iPhone、AirPods和Apple Watch同时充电,售价77美元。8K充电宝配备支架功能,提供28小时续航。还有便携折叠充电支架、10000mAh移动电源和108W四口充电器等产品,网络星期一期间享受30-50%折扣优惠。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。