
我们的闪存也能够安享晚年生活了。
一家小型爱尔兰初创企业表示,其能够将闪存使用寿命提升十倍,并已经与Altera公司签署了一项供应协议,旨在证明其技术优势。
NVMdurance公司于2008年由Joe Sullivan与Conor Ryan所建立,计划就闪存使用寿命问题提供咨询服务。2012年,该公司获得爱尔兰NRDC(国际数据字化研究中心)的资助与支持,并开发出一套面向SSD的自动化在线控制器。
根据该公司的说法,这套控制器能够将闪存使用寿命提升至高达十倍。该公司于2013年脱离NRDC并以NVMdurace的名号开始独力闯荡。
其种子融资额为30万美元,由New Venture Partner与NRDC负责提供,同时雇用Pearse Coyle担任CEO。Conor Ryan成为公司CTO以负责软件开发工作,而Joe Ryan则担任硬件CTO。2014年的第二轮融资总额为70万美元,由两家原始投资方外加Enterprise Ireland与ACT Venture Capital共同提供。
英特尔联盟伙伴Altera公司宣布,将采用NVMdurance技术作为其FPGA产品的组成部分,旨在进一步冲击SSD控制器市场。
目前Altera打造出一套FPGA参考设计,其能够将程序/擦除周期提升至现有NAND闪存方案的7倍水平。这套设计中包含一块Arria 10系统芯片外加一块集成双核ARM Cortex A9处理器,且使用NVMdurance NAND优化软件以及来自Mobiveil的NVMe SSD控制器。
英特尔公司于2015年12月以167亿美元收购了Altera。
NVMdurance公司在今年早些时候的A轮融资中筹得250万美元,而员工数量也增加至10名。目前其办公机构分布于爱尔兰利姆瑞克与加利福尼亚州圣何塞。这笔资金将被用于推动技术冲击对应市场。
那么我们对其技术了解多少?
目前该公司拥有一款名为Pathfinder的产品,能够利用一系列算法帮助SSD找出多套可用闪存寄存器值集合,并利用这一离线机器学习技术套件从始至终辅助SSD产品的整个生命周期。这款机器学习软件据称能够自动在每个寿命阶段为NAND设备提供最佳参数设置。
第二款产品名为Navigator,其能够在SSD控制器中自动生效,在特定时间段内选择最理想的闪存寄存器值。根据Altera公司的FPGA安全研究报告所言,Navigator是一套轻量级控制器端库集合,能够通过Pathfinder运行中所收集到的数据对SSD内每一LUN中的每一数据块进行管理。
Navigator能够监控每个数据块的吞吐周期情况并主动管理实时编程状态。根据我们得到的消息,其能够切实从NAND设备中提取全部可用值,同时改进数据吞吐量。
因此,随着SSD使用时间的不断推移,其将使用不同的闪存寄存器值集合来帮助用户延长设备使用寿命。集合中的这些值会根据实际闪存制造商的不同而有所区别,因此可针对不同SSD产品带来最理想的效果。
NVMdurance技术可用于扩展SSD使用寿命,或者利用成本更为低廉的闪存产品(TLC而非MLC)支持特定应用或低复杂度控制器,或者借此避免闪存资源的过度配置。
NVMdurance公司宣称其提供的自动化闪存特性加速机制亦适用于3D NAND。这项技术亦可配合其它寿命扩展方案,从而进一步提升产品的耐用性水平。
这家初创企业表示,其已经拥有多家部署其技术的企业客户。经过未来进一步改进,这项技术预计将能够帮助NVMdurance公司在闪存市场上成为与英特尔、美光、三星或东芝、WDC/SanDisk乃至希捷或SK海力士相比肩的核心参与厂商。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。