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
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。