闪存驱动器领域也要有我们身影存在,希捷公司在本届闪存记忆体峰会上凭借着两台全新SSD产品强调了这一信息--其中一款为8 TB NVMe驱动器,另一款SSD则为3.5英寸且拥有可怕的60 TB容量。
这款60 TB产品的出炉意味着大家能够将超过1000块美光3D NAND晶粒塞进一款全尺寸3.5英寸磁盘当中。根据我们掌握的情况,此款产品配备双12 Gbit每秒SAS接口与15万随机读取IOPS,不过其写入IOPS尚未披露。其连续读取/写入参数分别为每秒1.5 GB与1.0 GB。
这款驱动器配备单一控制器,而且我们目前还不清楚其具体使用寿命。这似乎是一款主动程度不高的(即读取较多/很少写入)归档SSD,或者可用于承载那些读取密集且对延迟较为敏感的高容量需求应用。可怕的是,仅仅是17块这样的驱动器即可为大家提供接近1 PB存储容量。
60 TB存储容量相当于三星15 TB 3D NAND SSD的四倍水平,这让希捷方面在竞争中占尽主动权。三星SSD采用512块256 Gb 48层V-NAND芯片,分16层堆叠在驱动器当中。
美光公司于今年6月公布的1100产品为其第一款3D NAND M.2驱动器,采用384 Gbit晶片。在计算之后,我们发现需要1250块这样的晶片才能构建起一款60 TB驱动器。
希捷公司的60 TB方案也相当于其10 TB 3.5英寸磁盘驱动器容量的六倍。我们还不清楚其使用成本相当于该磁盘产品的多少倍,不过对这款60 TB SSD与10 TB磁盘驱动器进行每GB成本比较显然非常令人期待。
希捷公司指出,我们将在未来迎来容量高达100 TB的更多SSD产品。目前希捷尚未为该产品进行确切定名。不过惠普企业业务公司先进技术与大数据副总裁Mike Vildibill在一份友情声明当中表示:"希捷的全新60 TB SAS SSD产品能够为客户提供更高的服务器存储性能,并在容量配置层面带来前所未有且令人兴奋的可能性。"看起来惠普企业业务公司似乎已经签订了使用该产品的协议。
XP7200的速度定位则要高得多。其拥有94万与16万随机读取与写入IOPS,而连续读取与写入数据速率则凭借着自身16通道PCIe第三代接口达到每秒10 GB与每秒3.6 GB。其采用全高度PCIe尺寸并拥有四块容量优化型Nytro MX1440 M.2 SSD,且每块驱动器皆配合自己的控制器。这款存储卡能够接入单一16通道第三代PCIe插槽,大家需要使用全部通道并配合每驱动器/控制器同样运作以实现其全部性能。

Nytro XP7200分解图,上方为其散热片组件。
其提供的可用容量选项分别为3.8 TB与7.7 TB,我们认为其使用的是MLC闪存而非3D NAND。
希捷公司曾于今年3月在开放计算项目峰会上展示了一款每秒10 GB NVMe第三代PCIE x16产品。当时,我们曾在评论中表示:"我们预计新的存储卡将利用美光芯片,同时继续延续Nytro品牌。"看来这一预测是完全正确的。
XP7200 的适用方向包括高性能计算、向外扩展数据库以及科学研究与天气建模等大数据分析。Accelstor公司似乎正在利用XP7200进行产品设计。

Nytro XP7200卡
希捷公司指出,8 TB Nytro XP7200 NVMe SSD将于今年年底向各销售渠道合作伙伴发货。而60 TB SAS SSD产品则预计于2017年年内推出。
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。