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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
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。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
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。