5月22日下午,北京北部某科技园区酒店不大的会议室被人围得水泄不通。显然,场地面积和低调 的选址并没有影响人们的参会热情,而惠普、戴尔、曙光、浪潮等厂商的前来捧场更让人感觉主人公身份的不一般。这里正是Memblaze(北京忆恒创源科技 有限公司)新品发布会现场,当天,Memblaze在这里宣布正式推出全面支持NVMe标准的新一代PBlaze4 系列PCIe SSD产品。

Memblaze宣布正式推出全面支持NVMe标准的新一代PBlaze4 系列PCIe SSD产品
PBlaze 4系列PCIe SSD发布:全面支持NVMe
大数据时代的到来,奠定了企业级固态盘市场崛起的基础,据IDC预测,到2017年时,全球企业级固态盘总有效市场规模将增长至100亿美元,其中云数据 中心的配售率将超过 90%。从固态硬盘接口规范的发展趋势来看, PCIe接口正逐步取代SATA/SAS成为固态硬盘的主流接口。IDC预测数据是2017年PCIe接口的固态硬盘将占据整个市场的53%。
据悉,Memblaze推出PBlaze4新品全面支持NVMe1.1标准及PCIe 3.0接口,结合Memblaze核心算法及全新的架构设计,PBlaze 4 PCIe SSD可以为大规模数据中心及企业客户提供高性能及高可靠的固态存储解决方案。
综合起来看,Memblaze PBlaze4 PCIe SSD的产品优势主要集中在三个方面,包括:全面支持NVMe标准。NVMe是专门针对PCIe SSD设计的接口标准。一方面新版本Windows,Linux,VMware等主流操作系统均支持NVMe并自带原生驱动,用户无需安装私有驱动即可直 接使用PBlaze4;另一方面如果主板支持UEFI协议,PBlaze4可以用作启动盘。
其次,PBlaze4 PCIe SSD新品具有高性能及性能一致性表现。首先,NVMe支持多队列和更高的队列深度,可以让多核CPU的性能优势能够得到释放。在设备端,PBlaze4 采用硬件多队列(Hardware Multi-Q)技术来匹配主机端性能的增长,进一步提升SSD性能;第二,PBlaze4设备通过多核设计(Multi-core Computing)提高并发处理能力;第三,PBlaze4通过NAND内部调度机制对信息流的控制可以有效解决IO拥塞问题,保证性能一致性表现。
第三,PBlaze4 PCIe SSD新品具备全面的数据保护方案,保障设备高可靠性。首先,利用增强的BCH纠错码、数据重读技术及LUN间的RAID机制实现数据纠错和恢复;第二, 使用更高寿命和低错误率的pSLC模式对元数据进行存储保护;第三,掉电保护确保异常掉电情况下的数据一致性;第四,通过全局FTL使磨损更加均 衡,PBlaze4使用寿命得以进一步提高。
“NVMe生态逐渐成熟,主流操作系统及服务器厂商都已经支持这一高效的协议,PCIe SSD市场从互联网为主过渡到全行业的大规模部署的时机也已成熟,PBlaze 4的发布正当其时,未来Memblaze将针对数据库、虚拟化、CDN等场景打造定制化的解决方案。” Memblaze公司CEO殷雪冰说。
创新之路:从“丑小鸭”到"白天鹅"
Memblaze——这家创建于2011年的年轻闪存初创公司,其在2014年向市场累计交付了8PB容量的闪存卡,实现了销售额的10倍速增长;同年,Memblaze PCIE SSD产品在中国企业级市场占有率达到了60%,从而登顶国内企业级闪存市场第一宝座;由于成绩斐然,Memblaze也得到了众多投资机构的青睐,陆续获得多轮千万级的融资;今天,Memblaze的固态存储解决方案得到了包括百度、奇虎360、优酷及腾讯在内的中国最大的50家超大规模互联网公司的认可。
然而,在一系列夺目成绩的背后,人们并不容易相信Memblaze几年前还是一个名不见经传、不折不扣的“丑小鸭”。据Memblaze联合创始人、营销副总裁唐志波介绍,几位志同道合的八零后年轻人因创业梦想走到了一起。最初的两位创始人现任总经理殷雪冰和技术副总路向峰,其当年用于创业和技术研发的工作室还不足9平方米,许多闪存领域的关键技术就是在这样的一个小屋子里被攻克的。
正是在这样的艰苦环境下,公司逐渐掌握了闪存领域的核心技术,同时积累了许多算法,并由此建立了领先市面同类产品的技术优势。经历快速的成长,如今,Memblaze俨然已成长为一只美丽的白天鹅,其创业故事也一度成为鼓励初创公司创业的佳话。
好文章,需要你的鼓励
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。
谷歌发布基于Gemini 3的快速低成本模型Flash,并将其设为Gemini应用和AI搜索的默认模型。新模型在多项基准测试中表现优异,在MMMU-Pro多模态推理测试中得分81.2%超越所有竞品。该模型已向全球用户开放,并通过Vertex AI和API向企业及开发者提供服务。定价为每百万输入token 0.5美元,输出token 3美元,速度比2.5 Pro快三倍且更节省token用量。
这项由伊利诺伊大学香槟分校等四所院校联合完成的研究,提出了名为DaSH的层次化数据选择方法。该方法突破了传统数据选择只关注单个样本的局限,通过建模数据的天然层次结构,实现了更智能高效的数据集选择。在两个公开基准测试中,DaSH相比现有方法提升了高达26.2%的准确率,同时大幅减少了所需的探索步数。