英特尔与美光
就在大约一个月之前,通过合资建立英特尔美光闪存技术公司与美光方面达成合作关系的英特尔也公布了自己的3D NAND发展思路。其主要特性如下:
• 包含32个平面层
• 不同层之间存在40亿个互连通孔
• 利用MLC(即每单元2bit)NAND实现单芯片最高32GB存储容量
• 利用TLC(即每单元3bit)NAND实现单芯片最高48GB存储容量。
我们可以将此看作英特尔与美光共同发出的联合声明。英特尔公司的一位发言人指出,利用这项技术将有可能打造出容量高达1TB、但厚度仅为2毫米的移动设备闪存产品,这意味着平板设备与智能手机的存储容量将因此实现大幅提升。
尼古拉斯公司据此汇总出了以下这份以制造商角度出发的3D NAND发展时间表:
尼古拉斯公司制作的3D NAND发展时间表
到2017年,我们应该会在服务器领域迎来内存内计算体系的迅速普及,主体数据仍将继续由磁盘驱动器阵列负责存储,而日益增长的主动归档存储需求则交给采用3D TLC闪存技术的大容量闪存WORM(即一次写入、读取为主)类存储方案承载。在这类场景下,我们可以对归档数据进行频繁读取,而不再需要像过去那样等待磁带介质接入或者低速磁盘的缓慢启动。
而就在即将过去的2014年年末,我们发现3D NAND在步入主流技术市场并显著改变IT应用程序构建思路方面已经经历了长达三年的滞后。
闪存存储的平面时代即将宣告结束,而我们将在立体空间中迎来闪存数据存储的爆炸式增长。来吧,美好的3D生活圈!
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。