猴年开春,万物复苏。春天是一个充满生机的季节,繁花盛开让你闻到沁人心脾的花香,也将生灵一并唤醒。一年之计始于春,东芝在三月打响了开春的第一响。
当今社会数据存储不断更新换代,市场上数据存储的总需正呈爆炸式增长,而随着云计算、虚拟化、移动互联网、物联网等技术的快速发展,对企业用户而言,大数据正在逐渐成为核心竞争力,且终端用户因使用习惯的改变,造成了企业和用户每天接触的数据吞吐量呈现指数级的增长趋势,带我们进入数据爆炸的时代。
作为世界第二大经济体,东芝一直将中国视为战略性市场。近日东芝在北京召开了企业级容量型硬盘技术峰会,以"品质为先 创新蝶变"为主题,笔者在此次峰会之际,有幸采访到了东芝峰会的三位主讲嘉宾,东芝3.5寸硬盘事业部总经理桥本穣先生、东芝存储产品品质保证部高级总监铃木庆则先生及东芝(电子)中国有限公司副总裁高西雅树先生,对东芝的技术、品质及制造工艺一探究竟。
通过本次企业级容量型硬盘峰会的主题可以看出,东芝对于产品品质、技术创新方面非常之重视,或许这就是东芝对硬盘的态度。通过访谈,我们也真切感受到了东芝的独到产品策略及严谨的产品技术。
重品质
随着云计算、虚拟化、移动互联网、物联网等技术的快速发展,大数据正在逐渐成为核心竞争力。海量数据对存储产品尤其是企业级产品品质提出了更高的要求,企业级存储产品的重要性也愈发凸显。东芝作为业界老牌硬盘厂商,一直将品质视为生存之本。
东芝企业级硬盘最重要的不同之处在于高可靠性、长时间运作、以及高平均无故障工作时间。东芝产品品质保证部高级总监铃木庆则先生表示,在保持质量提升方面,会彻底对不良产品、技术问题进行分析改进,目前已经提到了明显的改善。
"未来,我们主要在两个层面再次改善,一是在故障分析上会进一步加大力度;二是在中国对客户支持体现方面,希望客户能频繁使用产品,在使用中发现问题,也就是说要进一步拓展客户的使用幅度"。铃木庆则先生还特别强调东芝在设计、制造工艺层面会继续改进,希望成为业界最有优势的供应商,这也是目标之一。
谈优势
近几年闪存发展的速度的确很惊人。贵为新一代存储介质,强大的IOPS处理能力以及低延迟性能表现,让闪存足以与传统磁盘共生或取代。
经常听人说没有一技之长,无法立足于社会。确实如此。东芝作为闪存世界缔造者,最核心的存储芯片是东芝自己研发的,最大的优势自然也是自身的NAND技术。因此在SSD领域,东芝有着很深厚的技术积累。据统计,出货额已达到业界第二位。在这个基础之上,东芝进行了垂直合并技术的引进,实现了SSD领域的发展。与其它企业相比,不是简单的引进这项新技术,而在这原有传统技术积累之下向SSD迈进,将SSD的性能达到最高标准,更突显出优势所在。
作为业界知名硬盘厂商,东芝无疑有着得天独厚的优势:一流的创造能力和卓越的质量,缔造了硬盘界的传奇。东芝和生产磁头供应商TDK、生产载体盘的昭和电工是非常好的合作关系,三家企业携手促进HDD,三位一体的关系是东芝重要的经营战略,也是东芝另一个重要优势。
聊未来
记得前十年,诺基亚手机普经风靡一时,而如今,苹果的出现完全替代了键盘式手机,尽管大家对曾经还留有难以割断的情怀,但在"更智能、更速度"的新技术所实现的突破,带给了人们全新的体验。
在众多厂商中,东芝在当前的市场占有率、销售额、技术上还会再接再励。积极地尝试扩展更大容量的叠瓦式磁记录(SMR)、热辅助磁记录(HAMR)技术,而东芝目前的策略则是将成熟的PMR达到10TB保持企业级要求的高可靠性,通过SMR技术满足冷数据存储的需求,降低企业冷数据存储单GB低成本的要求,未来则主要开始部署HAMR或下一代硬盘技术微波辅助磁记录(MAMR)来实现更高的扩容策略。
东芝3.5寸硬盘事业部总经理桥本穰先生对于未来HDD、SSD也有自己的看法,认为从未来10年的趋势来看,HDD、SSD还是一个共存共生的一个关系。对此,他表示主要有两个原因:
一、SSD市场认可的是它的速度,10TB以上的容量市场还是很大的;
二、HDD目前追求的是大容量,但从成本来看,尽管大家都清楚SSD的优势,但是其高昂的价格,也是一直以来未能替代其它产品的主因之一。
总而言之,SSD注重的是速度,硬盘则是以大容量吸引用户,在2020年或者2025年HDD还是有很大的发展潜力,两者是并行发展。
小结:
展望未来, 2016年或未来东芝会视中国为战略性市场,在2019年或2020年开始部署HAMR或下一代硬盘技术微波辅助磁记录(MAMR)来实现更高的扩容策略,以便更好的服务全球客户。
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。