过去3年,主流消费类固态硬盘的价格每年都有幅度较大的下降,预计到2017年,它与传统硬盘每GB存储容量的价差将缩小到11美分(约合人民币0.7元)。
不断下跌的价格也推动固态硬盘在笔记本中的普及。市场研究公司TrendForce旗下DRAMeXchange发表报告称,今年约24%-25%的笔记本将配置固态硬盘。据DRAMeXchange资深经理艾伦·陈称,明年31%消费类笔记本将配置固态硬盘,到2017年时这一比例将达到41%。
价格日趋接近
这标志着固态硬盘价格跌幅连续四个季度超过10%。DRAMeXchange指出,但是,随着它们日趋流行,今年采用率将低于预期。
艾伦·陈表示,“由于笔记本销售低于预期,品牌PC厂商和渠道经销商减少了固态硬盘采购。但是到2016年,256GB固态硬盘价格将接近主流传统硬盘,因此固态硬盘在商用笔记本中的采用率将会上升。”
Computerworld表示,尽管过去3年固态硬盘价格大幅下跌,传统硬盘价格跌幅并不大。在2012年-2015年期间,传统硬盘每GB存储容量的价格由2012年的9美分(约合人民币0.58元)下降至2015年的6美分(约合人民币0.38元),每年下跌1美分(约合人民币0.06元),但是到2017年,预计传统硬盘每GB存储容量的价格将维持在6美分的水平。
这意味着1TB传统硬盘的平均零售价将仍然约为60美元(约合人民币384元),不过在许多电商的价格可能不足45美元(约合人民币288元)。相比之下,2012年消费类固态硬盘每GB存储容量价格为99美分(约合人民币6.33元)。在2013-2015年,每GB存储容量价格由68美分(约合人民币4.35元)下跌至39美分(约合人民币2.49元),意味着1TB固态硬盘价格约为390美元(约合人民币2494元)。
艾伦·陈表示,明年固态硬盘价格将下跌至每GB存储容量24美分(约合人民币1.54元),2017年将进一步下跌至17美分(约合人民币1.09元)。这意味着1TB固态硬盘平均零售价将仅为170美元(约合人民币1087元)。
今年第三季度消费类固态硬盘销量(其中包括零售固态硬盘市场)达到2160万块。据DRAMeXchange称,受季节性因素影响,第三季度全球笔记本销量增长至4330万台,环比增长13%。
在零售固态硬盘市场上,由于预计NAND闪存芯片价格还会进一步下跌,渠道经销商在补充库存方面比较保守。艾伦·陈说,因此第三季度固态硬盘市场销量只是略有增长,按旺季标准来看令人失望。
在欧美市场上,第四季度是传统的销售旺季。艾伦·陈指出,尽管MacBook销售持续增长,配置英特尔Skylake芯片的非苹果品牌笔记本已经上市,季度笔记本销量仍然受到正在进行的库存调整的影响。DRAMeXchange预计同期内固态硬盘在笔记本市场的采用率将略微增长至约28%。
Computerworld称,由于NAND闪存价格下跌和固态硬盘厂商积极的价格政策没有停止的迹象,第四季度零售固态硬盘市场将偏离淡旺季规律。全球固态硬盘销量可能每季度增长4%-6%。
DRAMeXchange表示,为了利用更多产能和提高市场份额,三星、东芝、海力士、英特尔和美光等NAND闪存芯片厂商2016年上半年将继续维持积极的价格策略。
在固态硬盘策略方面,三星将继续利用其3D TLC固态硬盘和不采用DRAM的固态硬盘的优势,提高在PC厂商市场上的份额。但是,SanDisk在迅速崛起,自今年年中以来已经开始量产TLC固态硬盘和不采用DRAM的固态硬盘。其他固态硬盘厂商在推出采用15纳米或16纳米工艺MLC闪存芯片的产品。
艾伦·陈指出,由于主要NAND闪存芯片厂商努力利用产能和提高市场份额,2016年上半年NAND闪存芯片市场将继续上演价格战。■
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。