如果一般消费者想要购买240GB或256GB容量的SATA固态硬碟,连上3C线上购物网站或一些电脑卖场的线上估价网站,你会发现只要掏得出3千元,几乎都可买到市面上的知名品牌,还可以选择一些采用M.2介面的SSD,也有厂商以低于2千元的价格抢市,当然,更大容量的固态硬碟,价格相对高昂,但跟过去相比,一般人其实也有能力负担了,例如,已经有厂商推出1TB容量、万元有找的固态硬碟,在这样的组态下,平均1GB的储存成本压低到10元以下。
消费级SSD如此,企业级SSD价格虽然向来神祕,若用于储存阵列的大量搭配下,单价会有所变化,但想必也处于持续下跌的趋势。先前我们曾看到有些全快闪储存阵列厂商喊出每GB成本低于2美元,甚至低于1美元。
不过,这里面的宣称,仍有一些玄机要注意。由于牵涉到资料缩减技术的应用,所以有些产品所谓的整体储存空间,其实是指经过资料压缩、重复资料删除处理之后,所得到的有效容量(effective capacity),而不是纯粹基于固态硬碟硬体本身提供的原始容量(raw capacity)。例如:HPE在6月所发出的新闻稿中提到,在3PAR StoreServ储存阵列下,现在针对可用(usable)储存空间的提供,单位储存成本已能做到每GB为1.2美元的程度(搭配新一代15TB超大容量固态硬碟);SanDisk也在今年4月推出的InfiniFlash System新型储存设备IF150中,强调可藉由提供大量固态储存空间,来达成每GB花费1美元的成本;台湾储存厂商当中,也有业者以此作为诉求——群晖在今年Computex台北国际电脑展所展出的FlashStation FS3017,提出了每GB储存成本为0.52美元作为号召。
除了主打超低的单位储存成本,也有一些厂商表明全快闪储存阵列的入手价格。例如EMC在5月新发表的中阶储存阵列Unity系列,就强调企业可在1.8万美元以内买到全快闪组态的机型(但确切搭配的储存容量,似乎并未公开);Pure Storage则在3月推出入门级产品FlashArray//m10,主打5万美元有找的价格,若除以该机型搭配的10TB原始储存容量,每GB成本是4到5美元之间。
从上述各家国内外储存厂商的动态来看,低储存成本已经成为主要强调的部份,而且从今年起,超大容量固态硬碟陆续上市,势必会进一步推动这个现象。像是三星在3月推出15.36TB容量的PM1633a,即是一例;而美光(Micron)也基于3D NAND的快闪记忆体技术,在今年第四季推出8TB以上的SSD,提供给云端服务业者采用,接着于明年第一季发表强调高效能、大容量的企业级SSD。
不过,储存应用的I/O存取速度与容量需求的满足,已是指日可待,但对于资料中心环境的维运而言,还需要考量其他因素。
首先,这些储存资源能否有效配置仍是问题。因为,在实务环境里,有可能会出现效能管理不当的情况,例如,真正需要高速I/O与大量储存空间的应用系统或服务,却不一定能得到对应的资源,因此,实施服务等级确保(QoS)以及阶层式储存管理(Hierarchical Storage Management)的必要性大增。
另外,全快闪储存阵列的使用规模如果越来越大,所衍生的内部网路传输流量可能会跟着激增,现行资料中心环境能否配合,也是需要注意的部份。因此,既有网路或许需要升级到10GbE、16Gb FC,甚至到更高的传输规格,例如100GbE、32Gb FC,于是,这又会牵动资料中心网路基础架构的配置。
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。