戴尔公司已经利用来自三星方面的3D TLC闪存驱动器取得了历史性突破,其全闪存阵列产品的零售价格折合每GB 1.66美元——戴尔也是第一家选择利用3D与TLC技术打造企业级阵列方案的供应商。
TLC(即三层单元)NAND在每个基本存储单元当中包含3 bit,其制造成本仅为每单元2bit的MLC闪存的约三分之二,而后者正是目前大多数存储阵列所选择的主要闪存方案。TLC的成本比较优势在每单元1 bit的SLC闪存面前更为突出,价格几乎低出三分之二,但其速度表现与使用寿命则远远不及后者。
MLC与SLC闪存通常采用的是单层平面或者说2D形式。而通过以多层方式堆叠而成的则是3D芯片,其能够在不增加芯片自身物理尺寸的前提下实现存储容量提升。
与此同时,多层形式的介入让3D TLC芯片能够放宽对于制程工艺的严格要求,不再需要使用目前最为尖端的20纳米以下技术——这也就使得TLC闪存拥有了更理想的使用寿命表现,而戴尔公司此次使用的三星3D TLC PM1633 SSD当然也具备这项优势。
这些来自三星的SSD产品拥有一个每秒12 Gbit SAS接口,其基本速度与传输能力表现如下:
三星PM1633 SSD基础参数信息。
这些SSD产品在随机读取与连续读取及写入操作方面拥有良好的速度表现。它们专为读取密度型工作负载而生,且拥有为期五年的质保服务。
戴尔公司目前已经将这些产品应用在了自家SC系列(Compellent)的SC 8000、SC 4020、SCv2000阵列当中,并放出了其“全闪存配置方案能够在经过数据压缩处理之后,提供低于未经数据压缩处理的市场领先竞争对手传统磁盘阵列解决方案的每GB存储成本”的豪言,而这也第一次冲破了人们对于闪存存储产品原始容量较低的固有印象。
根据戴尔方面的说法,其闪存存储阵列“能够以与高端1万5千转磁盘驱动器相同的每GB使用成本带来高达24倍的性能提升、高在6倍的存储密度以及更低延迟水平与能源消耗。”
戴尔公司存储业务副总裁兼总经理Alan Atkinson提出设问:“这是否代表着1万5千转磁盘驱动器将步入消亡?”在一份声明当中,他进一步补充称:“有了这些切实进展,我们能够大幅度降低高性能、闪存优化型阵列的使用成本,同时打造出能够为大多数客户负担得起的通用型阵列产品。”
客户能够利用这些新型SSD产品对现有阵列进行升级,也可以直接购买配置有这些SSD方案的全新阵列。
SC Storage Center v6.6软件拥有DataProgression分层功能,可以同SLC、MLC、TLC闪存外加1万5千转以及7200转磁盘驱动器顺畅协作。数据根据其访问模式以及IO类型被旋转在合适的存储层当中。因此在运行需要写入数据的应用程序时,它会自动被传递至写入密集型闪存当中,而需要读取的数据则将被优化保存在TLC闪存之内。
戴尔公司认为,混合闪存/磁盘阵列较全闪存阵列拥有更为广泛的市场吸引力,并将同时推出混合与全闪存这两类配置方案。
SC系列全闪存与混合闪存产品在2015年第一季度中取得了同比营收增幅达89%的良好成绩,而戴尔方面认为3D TLC闪存的出现将进一步推动其销售势头——因为目前还没有其它供应商能够提供可以在存储密度及使用成本方面与其阵列相抗衡的产品。
戴尔所使用的2.5英寸12 Gbit每秒SAS 3.84 TB 3D TLC SSD。
低至每GB 1.66美元的优势原始闪存存储成本将给戴尔公司的销售代表及渠道合作伙伴无可匹敌的宣传动力,毕竟目前还没有哪家全闪存阵列以及混合闪存/磁盘阵列供应商能够拿出同样水平的解决方案。
相信竞争厂商必将弥合这一差距,但实现的时间点会在哪里?换言之,戴尔公司能够凭借自己的3D TLC闪存阵列产品笑多久?也许这样的优势只能保持几个月,而且下一位拥有自家3D TLC产品的厂商很可能会是Kaminario。
戴尔公司的SC系列阵列将于今年8月正式发布3D TLC SSD版本,并将提供标准质保服务。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。