英特尔已经推出了自己的首款3D NAND SSD,升级了三款NVMe SSD,有4个型号,并宣称拥有业界密度最高的3D NAND。
现有的DS P3500、P3600和P3700产品采用20纳米MLC闪存技术,P3500和P3600是在2014年6月推出,P3700是在去年9月推出,一同发布的还有P3608(一个SSD包中有两个P3600)。
DC P3500(DC的意思是数据中心)被P3320和即将推出的P3500取代,现有的P3600和P3700将被DC D3600和DC D3700取代。
这里英特尔说的最高密度,是英特尔/美光浮栅单元技术的Gb/mm2要高于SanDisk和三星的电荷捕获技术。最终芯片的密度是否要高于三星——目前唯一出货3D NAND的提供商——则是另一回事。
我们不能想当然地认为英特尔的3D NAND芯片密度高于三星的V-NAND芯片(目前是48层,256Gbit)。三星上一代的3D V-NAND采用32层,128Gbit芯片。英特尔目前还没有公布自己3D NAND芯片的容量。
不管是英特尔,还是它的晶圆合作伙伴美光,都公布了单元光刻纳米测量,但显然要大于所取代的20纳米MLC平面技术。英特尔说,P3320/3520采用TLC NAND。
英特尔已经提供了多数新产品的读写性能数据,但是没有公布延迟或者寿命,这引发了一个问题,这些新产品是否要比它们替代的产品更好?(一个X-IO性能笔记称,800GB D3700支持每天10次驱动器写入。)
总的来说,英特尔称自己的3D NAND提供了1.3倍的读写次数。下面这个表格罗列了新老产品的一些基础细节:
DC P3500被相同容量的DC P3320和DC P3520取代,P3520听起来显示P3320,但是目前阶段英特尔并没有提供任何性能数据,只说它的性能和延迟要显著高于P3320。
英特尔表示,D3600和D3700是首款双动双端口NVMe SSD,提供了性能上的突破。英特尔表示,双端口可实现高可用的存储控制器。
绿色行是新产品
我们实在不能认同性能突破这个说法,如果对比P3600和D3600的话。D3600的随机IO性能表现要由于P3600,但是连续IO性能要差一些。D3700的随机写性能和连续IO性能要比P3700差,只在随机读IO方面占优。
P3320要比P3500慢,P3520可能接近P3500或者略快一些。英特尔表示,三款驱动器提供了最佳的IOPS价值。英特尔将P3320定位为读密集型的“暖”存储,听起来像是类似近线磁盘存储的闪存。P3520主要针对在线和超融合系统使用实例。
英特尔宣称,这两款新的SSD在所有IO共享中最高占有98%,相同的性能特点,生命周期内性能降低小于5%。
X-IO Technologies提供了SAS SSD与P3700产品对比的一些性能数据*。
看起来不错,但这并不是同等的对比,而是把NVMe SSD与SAS SSD进行对比。
现在X-IO有新升级的ISE,采用DC D3700 SSD的产品。
总结
英特尔没有提供这些3D NAND SSD的容量更新,性能改进也只是针对随机读写,而不是连续IO,这一点并不令人印象深刻;何必呢?我们想像一下,3D NAND产品是(或者将要)比同等容量的磁盘产品便宜,而且第二代3D NAND将提高容量,也许是2倍或者3倍。
这些3D闪存SSD并不是英特尔在这个竞争激烈的领域放出的第一弹。让我们看看WDC/SanDisk以及东芝的产品,看看他们和英特尔是否可以在容量方面赶超三星。
* X-IO存储阵列系统采用Xeon E52699v3,40个英特尔DC D3700 10 DWPD 800GB,还有存储阵列系统采用至强E52699v3,40个SAS 10 DWPD 400GB SSD。在共享存储阵列的QD 1,2,4访问1卷上,测试80/20 Read/Write工作负载的-8K传输。测量工具是IOMeter。
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。