据分析机构预测,闪存的市场规模会由2014年46亿美元增长到2018年100亿美元。2015年以后随着企业级固态盘成本大幅度降低、技术的成熟度完善。今天在企业级存储领域,固态盘已经开始直接PK机械硬盘。
5月12日,上海宝存信息科技有限公司(Shannon Systems)在北京发布最新企业级SATA SSD:Shannon Hyper-IO SATA Flash-S3C。宝存科技创始人兼CEO阳学仕认为2015年HDD与SSD形成一个拐点,之前数据存储介质都是同类别竞争,即机械盘与机械盘竞争,固态盘与固态盘竞争。今天在企业级存储领域,固态盘可以直接PK机械盘。当读写速度、随机读写延迟远远大于HDD,随机读写IOPS高于1000倍,而成本以及接近,,。机械盘的优势在哪里?
阳学仕认为根据企业级市场的需求,宝存科技推出SATA SSD就是不断丰富自己的企业级SSD产品,从最高性能的考虑是把闪存当做内存用,比如PCIE的极致的性能表现力,定制化大容量等特点,到NVMe SSD以及新推出的SATA3 SSD提供一致化的标准化的性能,同时可以为用户提供灵活的容量。
Shannon Hyper-IO SATA Flash-S3C是宝存科技推出的首款企业级SATA SSD,为其自主研发,采用SATA 6Gb/s的标准接口,S3C系列产品随机读写IOPS分别为74000/69000,顺序读写性能高达530MB/s和420MB/s,并且随机读写延迟低至96/27微秒,此外,无论存储多少数据,S3C系列产品始终保持稳定的性能,而且对功能消耗小于3W,改产品在大幅度提升业务性能的同时,降低OPEX。此系列产品还结合了业界领先的NAND管理技术包括优化的FTL算法、垃圾回收、坏块管理以及重读技术。
那么如何选择SSD呢,企业级SSD要求重点,企业级与消费最大的差别就是要保证资料的完整性和资料的可靠性。还有就是效能的一致性,在企业级因为采用很多块,所有要保证每一块的性能一致性。 还有就是闪存的稳定性,以及应用的多样性。
Shannon Hyper-IO SATA Flash-S3C还特有的掉电保护,采用超级电容,增强突发掉电保护。可以保证在掉电发生的瞬间,让最后一笔数据也可以写入闪存中。次系列产品还支持意外热插拔,易用性方面也得到保证。未来保证异常掉电下缓存在DRAM中数据的完整刷写,解决数据一致性问题,当电源供电被检测降低到一定阈值,板载专用电容元器件会进行放电为数据从DRAM向NAND Flash刷写提供充足的供电时间。防止不正常关机的数据的完整性和安全性。
Hyper-IO针对闪存对于温度的敏感,实现过热保护机制,实现了高温降速,防止系统过热造成对系统不可恢复的损伤。动态温度调节防止高温加快电路老化,增加NAND的稳定性。这些技术保证了S3C系列产品在每天一次全盘写的情况下,保持长达3年的寿命。
下一代产品的基石3D NAND,闪存制造工艺,20年来,闪存的单位成本下降了5万倍。接近物理极限,10nm制造工艺。那么容量的增加通过容量密度加大,3D NAND对于控制器有更高的要求,宝存实现完善的容错数据保护机制,增强了纠错能力ECC,在擦除出错处理和坏块出错处理及数据保护方面能力。
随机读写延迟(4KB),对比机械硬盘超过100倍的效果。一般的SSD的效能一致性差,而宝存企业级SSD优化了效能一致性,保证了多块固态盘组建的阵列的性能优化。同时也更重视对于数据的安全性要求,设计了掉电/过热保护。作为企业级数据中心对于能耗的要求也非常高,而固态盘的耗电量能够降低80%,这都是Hyper-IO S3C的产品优势。
Hyper-IO S3C应用面:读灵敏,比如档案服务器、前端网页服务器以及邮件交换机等应用。目前宝存科技提供的SSD 以及服务阿里巴巴、三大运营商、互联网、银行的客户的数据加速。最后宝存科技CEO阳学仕讲到,“当你打开手机,相信80%的人的APP应用系统都是与宝存科技提供的SSD有直接或者间接联系。”
好文章,需要你的鼓励
三星与AI搜索引擎Perplexity合作,将其应用引入智能电视。2025年三星电视用户可立即使用,2024和2023年款设备将通过系统更新获得支持。用户可通过打字或语音提问,Perplexity还为用户提供12个月免费Pro订阅。尽管面临版权争议,这一合作仍引发关注。
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
苹果M5 MacBook Pro评测显示这是一次相对较小的升级。最大变化是M5芯片,CPU性能比M4提升约9%,多核性能比M4 MacBook Air快19%,GPU性能提升37%。功耗可能有所增加但电池续航保持24小时。评测者认为该产品不适合M4用户升级,但对使用older型号用户仍是强有力选择。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。