NAND闪存已经成为固态存储的现行标准,并且正在向3D立体堆叠和更新工艺迈进,不过它也存在诸多问题,尤其是寿命随着工艺的先进化而不断缩短,TLC格式也引发了诸多质疑,因此研发一种可取而代之的新式非易失性存储技术势在必行。
这其中最有希望的就是电阻式RAM(简称RRAM),三星、闪迪等巨头都在投入,但走在最前列的是一家美国创业公司Crossbar。
Crossbar成立于2010年,总部位于加州生克拉拉,已融资5000多万美元。公司的很多创业人员都来自密歇根大学,首席科学家、联合创始人Wei Lu(卢伟)就是那里的副教授。团队现有40-45人,大多都有深厚的半导体研发背景。
RRAM相较于NAND最大的优势就是更好的性能、寿命。NAND的读取延迟一般在几百微妙级别,Crossbar宣称他们可以做到最低50纳秒,也就是加快了上万倍。
RRAM的编程/擦写循环更是可以达到数百万次,初期也能做到10万次左右,NAND闪存现在只有区区几千次。
令人欢欣鼓舞的最新消息是,Crossbar宣布他们的RRAM已经开始进入商业化阶段,也就是有了可用的成品芯片,并证明自己能够进入工厂量产。
Crossbar初期准备面向嵌入式市场,授权给ASIC、FBGA、SoC开发商,预计首个样品2015年初出炉,2015年底或2016年初量产。
除了授权,Crossbar还在开发自己的芯片,容量和密度更高,大概会在2017年面世。
更美妙的是,RRAM可使用常规的CMOS工艺制造,只需稍加调整即可,几乎任何现有晶圆厂的生产线都可以直接利用,有利于控制成本。NAND,尤其是3D立体堆叠的NAND,则需要昂贵的特殊工具,所以能生产的公司寥寥无几。
此外,RRAM不会有NAND工艺越先进、制造越困难、寿命越短、性能越低的尴尬。NAND之所以非要3D堆叠,唯一原因就是平面NAND在越过15nm工艺之后寿命和性能的损失将无法接受,RRAM则至少可以走到4-5nm,且期间不会有任何问题。
事实上,Crossbar已经在实验室里展示了8nm RRAM芯片。
RRAM当然也可以立体堆叠,能够大大提升存储密度,同时还设计了独特的选择器(Selector),来避免潜通路电流(sneak path current)的干扰——读取某元件状态时,会受到附近元件电流的影响,导致读取错误。
Crossbar现在只做了3层,但是商业化量产时至少会有16层,单颗容量可达1Tb(128GB)。
好文章,需要你的鼓励
开放闪存平台(OFP)旨在用直接访问的闪存盒替代全闪存阵列,每个闪存盒配备控制器DPU、Linux系统和并行NFS软件。该倡议由Hammerspace主导,针对新云、超大规模和AI公司在数据中心设计演进中面临的基础设施限制。OFP通过结合IPU/DPU技术、闪存优化机箱和Linux协议,提供高密度、低功耗的存储解决方案,满足AI应用从PB级向EB级数据容量需求的扩展。
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。
ERP系统市场近年来相对稳定,但AI正在改变一切。供应商们正竞相在产品组合中嵌入AI功能,构建包括可组合应用、集中数据存储和可扩展云平台的生态系统。Oracle凭借AI投资超越SAP成为ERP收入领导者,而AI代理已从实验阶段进入实际应用,能够管理整个工作流程并进行自动化决策。本文盘点了Oracle、SAP、微软等十大最具影响力的ERP厂商及其AI战略。
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。